Seminar Nasional Teknologi Informasi 2017
|
|
- Susanto Hartono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 KOMPARASI PERHITUNGAN PEMILIHAN MAHASISWA TERBAIK MENGGUNAKAN METODE STATISTIK KLASIK DENGAN LOGIKA FUZZY (TSUKAMOTO DAN MAMDANI) STUDI KASUS : STMIK TEKNOKRAT Agus Wantoro ), Adhie Thyo Priandika 2) ) 2) Sistem Informasi STMIK Teknokrat Jl.ZA Pagar Alam No.9- Kedaton Bandar Lampung Telp aguswantoro.ilkom@gmail.com ) thyopriandika99@gmail.com 2) ABSTRACT The selection of outstanding students in STMIK Teknokrat Lampung has not been effective since the completion of the study program, the Head of Student Affairs, BAAKU Staff and the Chairman of the student organization. Based on the data generated, it will be given by the head of the Study Program and will be elected. Classic Calculations and Fuzzy Logic is a method that can be used to perform the best student selection based on predetermined criteria. These criteria will be given the value or range to be calculated. The fuzzy method to be used for doing the calculations is Tsukamoto and Mamdani. With this second method, it will be comparative comparison with classical method to know the difference of calculation result from Tsukamoto and Mamdani. Based on the data and calculations that have been done, then there is the result of calculation using fuzzy tsukamoto with mamdani, if the minimum and maximum limits have the difference <5, then the result of calculation tsukamoto greater than fuzzy mamdani. If the minimum and maximum limits have a difference of> = 5, then the calculation results mamdani greater than the calculation by tsukamoto method. From the calculation results using the classical method, fuzzy tsukamoto and mamdani, the calculation of fuzzy approaching with the classical calculation method is fuzzy tsukamoto. For the calculation results with fuzzy mamdani greater value than fuzzy tsukamoto Keyword : Decision Making, Comparative, Classic Calculation, Fuzzy, Best Student System. Pendahuluan Saat ini STMIK Teknokrat Lampung dalam menentukan mahasiswa terbaik selalu menemui permasalahan. Pemilihan mahasiswa berprestasi di STMIK Teknokrat Lampung selama ini dilakukan belum efektif yaitu mulai dari pengumpulan nilai-nilai yang melibatkan Ketua Program Studi, Ketua Kemahasiswaan, dan Staf BAAKU. Berdasarkan data-data yang diperoleh, maka akan diberikan oleh ketua Program Studi dan akan dilakukan pemilihan. Cara tersebut masih kurang efektif karena dilakukan dengan perhitungan manual dan terdapat ketidakobjektifan terhadap penilaian mahasiswa dimana kepala Program Studi hanya memperkirakan dan kedekatan mahasiswa dengan ketua Program Studi dan terkadang hasilnya tidak akurat, selain itu tidak adanya aplikasi yang mendukung pengambilan keputusan dalam menentukan mahasiswa terbaik, oleh karena itu diperlukan metode yang dapat memberikan perhitungan dan pemilihan mahasiswa terbaik yang akurat Metode Klasik dan Logika fuzzy adalah metode yang dapat digunakan untuk melakukan pemilihan mahasiswa terbaik berdasarkan kriteria-kriteria yang telah ditentukan. Metode fuzzy yang akan digunakan adalah Tsukamoto dan Mamdani. Dari kedua metode tersebut, maka akan dilakukan perhitungan untuk mengetahui perbedaaan hasil perhitungan dari Tsukamoto dan Mamdani dengan hasil perhitungan statistik klasik Terdapat penelitian perbandingan fuzzy tsukamoto, mamdani dan sugeno yang menunjukkan metode terbaik dalam hal pengurangan konsumsi energi listrik dari sistem pendingin udara adalah metode Tsukamoto dengan efisiensi energi listrik yang dicapai 74,27%. Mamdani 52,85% dan sugeno 62,52% []. Penelitian ke 2 mengenai perbandingan akurasi logika fuzzy dengan statistik klasik menunjukan bahwa tsukamoto memiliki akurasi 78%, mamdani 82% dan sugeno % [5]. Penelitian perbadingan fuzzy pada diagnosa tuberkulosis anak, berdasarkan hasil analisa Sugeno memiliki akurasi yang lebih baik dibandingkan dengan Mamdani dan Tsukamoto dengan akurasi 93%, Mamdani memiliki akurasi 25
2 diagnostik 89% dan Tsukamoto dengan akurasi diagnostik 92% [2]. Berdasarkan analisa perbandingan yang telah dilakukan, terdapat hasil yang berbeda dalam kasus tertentu, untuk itu perlu dilakukan analisa perbandingan antara logika fuzzy tsukamoto dan mamdani dengan data center pada kasus lain yaitu untuk menentukan mahasiswa lulusan terbaik. 2. Tinjauan Pustaka 2.. Sistem Penunjang Keputusan Sistem Penunjang Keputusan merupakan sekumpulan prosedur berbasis model untuk data pemrosesan dan penilaian guna membantu para manajer mengambil keputusan [4] 2.2. Metode Pehitungan Statistik Klasik Merupakan perhitungan menggunakan cara klasik (lama) dengan menggunakan perhitungan dasar matematika. Jika suatu nilai berbentuk kategori, misalnya : rusak, baik, senang, puas, berhasil, gagal dan sebagainya maka akan dibuat penilaian berupa angka atau pemberian jangkauan (Range) [9] Statistik merupakan disiplin matematika dan konseptual yang berfokus pada hubungan antara data dan hipotesis. Data yang rekaman pengamatan atau peristiwa dalam sebuah penelitian ilmiah, misalnya, satu set pengukuran individu dari suatu populasi. Data sebenarnya yang diperoleh bervariasi disebut sampel, data sampel, atau hanya data, dan semua sampel yang mungkin dari sebuah penelitian yang dikumpulkan dalam apa yang disebut ruang sampel [2] Perhitungan klasik atau kalkulus merupakan metode perhitungan dengan ketelitian yang cukup tinggi [7] 2.3. Logika Fuzzy 2.4. Himpunan Fuzzy Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan μa[x], memiliki 2 kemungkinan, yaitu Satu (), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan. Nol (), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan [4] Fungsi Keanggotaan Kurva Segitiga Fungsi Keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara sampai. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan Fuzzy Tsukamoto Gambar 2 Kurva Segitiga Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiaptiap aturan diberikan secara tegas (crisp) berdasarkan α- predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot [4] Logika Fuzzy merupakan satu komponen pembentuksoftcomputing. Fuzzy secara bahasa diartikan sebagai kabur atau samar-samar. Suatu nilai dapat bernilai besar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotaan yang memiliki rentang nilai (Nol) hingga (Satu) [4] Input Kotak Hitam Output Gambar Pemetaan Input-Output Gambar 3 Infrensi Fuzzy Tsukamoto 26
3 2.7. Fuzzy Mamdani Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 975. Untuk mendapatkan output, diperlukan 4 tahapan [4]:. Pembentukan himpunan fuzzy 2. Aplikasi fungsi implikasi (aturan) 3. Komposisi aturan 4. Penegasan (deffuzy) Gambar 4 Proses Defuzzifikasi Mamdani 2.8. Mahasiswa Mahasiswa terbaik adalah hasil pengolahan data-data mahasiswa yang memenuhi kriteria seperti IPK, Lama Kuliah, Organisasi dan Prestasi. Data-data mahasiswa yang memenuhi kriteria akan dihitung oleh Kepala Program Studi dalam kegiatan wisuda tahunan oleh Perguruan Tinggi [8] a. UML Unified Modeling Language (UML) yang berarti bahasa pemodelan standar. Jika menggunakan UML harus dapat membuat model-model yang dapat berhubungan satu dengan yang lainnya dengan mengikuti standar yang ada. UML diaplikasikan untuk maksud tertentu, biasanya digunakan untuk merancang sebuah perangkat lunak, sebagai sarana komunikasi antara perangkat lunak dengan proses bisnis, digunakan pula untuk menjabarkan sistem secara rinci untuk analisa dan mencari apa yang diperlukan suatu sistem, serta sebagai dokumentasi sistem yang ada, proses-proses dan organisasinya. UML menyediakan beberapa jenis diagram yang menggambarkan modelmodel perangkat lunak yang akan dibuat [5] 2.9. Study Literatur Tabel Penelitian Terdahulu Hasil Penelitian Sebelumnya Judul Peneliti Hasil Sistem Pendukung Keputusan Kelompok Pemilihan Mahasiswa Berprestasi Berbasis Web Dengan Metode Fuzzy Query Komparasi Perhitungan IPK dengan Perhitungan Klasik dan Logika Fuzzy Studi Perbandingan Metode Fuzzy Tsukamoto Dan Fuzzy Mamdani Untuk Seleksi Pegawai Teladan Pada PT Gracia Pharmindo Analisis komparatif Logika Fuzzy Tsukamoto, Mamdani, Sugeno untuk Hemat Energi AC Sugeno Perbandingan Logika fuzzy (Tsukamoto, Mamdani & Sugeno) pada diagnosa tuberkulosis anak Debi Nurhidayat, Dewi Kurnia, Entin [6] Zaenal Zaenal Abidin [3] Agus Triyanto, Febri, Shinta [] Aep & Romi [] Wahyun, Oyas & Silmi [2] Mengimplementasikan logika fuzzy ke dalam Fuzzy Query Database. Mahasiswa yang akan direkomendasikan menjadi mahasiswa berprestasi memiliki kriteriakriteria yang bernilai fuzzy. Sedangkan data yang ada pada database bernilai pasti. Kriteria-kriteria yang dibutuhkan antara lain nilai IPK, nilai TOEFL, kegiatan ekstra kulikuler, Karya Tulis Membahas hasil komparasi perhitungan dengan menggunakan metode Perhitungan Klasik dengan Tsukamoto, Mamdani dan Takage Sugeno. Dari ketiga logika fuzzy yang digunakan akan dilihat hasil perhitungan yang mendekati dengan perhitungan statistic klasik. Dari ketiga metode fuzzy, yang lebih mendekati adalah metode fuzzy sugeno Hasil perbandingan menggunakan metode tsukamoto dan mamdani, maka hasil dari perhitungan mamdani lebih besar dibanding perhitungan menggunakan tsukamoto. Lama proses perhitungan mamdani lebih lama dibanding dengan metode tsukamoto Penelitian perbandingan fuzzy tsukamoto, mamdani dan sugeno menunjukkan metode terbaik dalam hal pengurangan konsumsi energi listrik dari sistem pendingin udara adalah metode Tsukamoto dimana efisiensi energi listrik yang dicapai 74,27%. Mamdani 52,85% dan sugeno 62,52% Hasil perbandingan fuzzy pada diagnosa tuberkulosis anak, fuzzy Sugeno memiliki akurasi yang lebih baik dibandingkan dengan Mamdani dan Tsukamoto dengan akurasi 93%, Mamdani memiliki akurasi diagnostik 89% dan Tsukamoto dengan akurasi diagnostik 92% 27
4 2.. Tempat Penelitian Penelitian ini dilakukan pada mahasiswa prodi sistem informasi di STMIK Teknokrat Lampung, jalan Z.A pagar alam no.9- Kedaton Bandar Lampung. 2.. Metode Pengumpulan Data. Wawancara Pengumpulan data melalui wawancara yang dilakukan dengan pihak Perguruan Tinggi yaitu Ibu Rusliyawati, M.T.I selaku Kepala Program Studi Sistem Informasi. Pertanyaan yang diajukan berupa kendala-kendala yang dihadapi dalam pemilihan mahasiswa terbaik dan solusi yang diinginkan oleh pihak terkait. 2. Pengamatan Pengamatan merupakan salah satu teknik pengumpulan data yang efektif untuk mengetahui proses kerja yang terjadi pada perusahaan / instansi secara langsung terhadap objek-objek studi yang menjadi pokok permasalahan. Pengamatan dilakukan pada Jurusan Sistem Informasi STMIK Teknokrat 3. Tinjauan Pustaka Penelitian ini dilakukan dengan mempelajari atau membaca, mengutip dari proses penelitian yang dilakukan dengan cara mempelajari berbagai bentuk bahan berupa buku-buku seperti karangan dari karang Sri Kusuma Dewi, Purnomo, Jurnal, Skripsi dan artikel-artikel yang berkaitan dengan pokok bahasan 4. Pemilihan Sampling Pengumpulan data dari beberapa bagian diantaranya kemahasiswaan memberikan data keaktifan organisasi dan prestasi, bagian Baaku memberikan data mahasiswa menempuh lama perkuliahan dan IPK. Pemilihan data calon mahasiswa lulusan terbaik berdasarkan nilai yang memenuhi kriteria yang telah ditetapkan perguruan tinggi. Dari 5 mahasiswa program studi Sistem Informasi yang telah telah lulus ujian akhir, maka yang memenuhi kriteria hanya mahasiswa. Dari mahasiswa, akan dilakukan perhitungan 3.2. Analisis Masalah Identifikasi Permasalahan Inisialisasi Permasalahan, Rumusan Masalah Pengumpulan Data Observasi,Wawancara dan Dokumentasi Identifikasi Data. Penentuan Variabel 2. Pembentukan Himpunan Fuzzy Pengolahan Data. Aplikasi Fungsi Implikasi 2. Dekomposisi Aturan (RULE) 3. Defuzzyfikasi GUI Perancangan Form dan Laporan Penerapan dan Pengujian Gambar 5 Langkah Penelitian Terdapat beberapa permasalahan yang terdapat pada sistem pemilihan mahasiswa terbaik yaitu :. Ketua Program Studi kesulitan dalam menentukan mahasiswa yang terbaik karna hanya melihat kriteria yang ada 2. Menentukan mahasiswa terbaik kadang tidak akurat karna hanya melihat data-data yang memenuhi kriteria dengan perhitungan manual 3. Proses perhitungan pemilihan mahasiswa terbaik yang lambat dan membutuhkan waktu yang cukup lama 3.3. Rancangan Sistem. Usecase Diagram 3. Analisis Dan Perancangan 3.. Kerangka Pemikiran Kerangka pemikiran merupakan tahapan-tahapan penelitian yang dilakukan yang dapat dilihat pada gambar berikut : Gambar 6 Usecase Diagram 28
5 2. Activity Diagram Ketua Program Study Sistem Pimpinan Login Input Data Mahasiswa Input Parameter & Kriteria Input Nilai Menghitung Nilai dengan Statisik & Fuzzy Menyimpan Keputusan Cetak Laporan Mahasiswa Lulusan Melihat Laporan 3. Sequence Diagram Gambar 7 Activity Diagram Merupakan diagram yang digunakan untuk menggambarkan aktivitas penggunaan form pada aplikasi secara komputerisasi Ketua : Username & Password Program Study Form Login 2: Username & Password Benar Form Menu Utama 4. Class Diagram 3:Input Data Mahasiswa Form Mahasiswa 4:Input Parameter dan Kriteria Form Parameter Kriteria bar 8 SequenceDiagram 5: Input Nilai Mahasiswa Form Hitung Statistik 6: Input Nilai Mahasiswa Form Hitung Fuzzy Gam Class diagram mendeskripsikan objek-objek yang terdapat di dalam 29ystem. Class diartikan satu set objek yang memiliki atribut dan perilaku yang sama Gambar 9 Class Diagram 4. Hasil Dan Pembahasan 4.. Metode Perhitungan Klasik Tabel 2 Perhitungan Klasik Alternatif IPK LK P O Nilai Ari Sulistiono 3,4 4, 6 2 4,23 Reni 3,6 3,5 4 3,4 Puji Astuti 3,7 4,5 3 3,25 Ervan 3,5 4, ,57 Roni Irawan 3,6 5, 2 3 3,4 Jaka Persada 3,4 5, 5 6 4,6 Anisa Ulfa R. 3,2 4, ,35 Teguh 3,5 4, 7 2 4,57 Dyan Eryanto 3,7 3, ,38 Fahri 3,3 4, ,89 Bobot,4,2,3, Berdasarkan perhitungan menggunakan metode perhitungan klasik, maka yang menjadi mahasisa lulusan terbaik adalah Teguh Darminto dan terbaik 2 adalah Reni Anggraini. 29
6 4.2. Himpunan Fuzzy Variabel Input IPK Lama Kuliah Prestasi Organisasi Tabel 3 Himpunan Fuzzy Himpunan Domain Output Coumloude Sangat Memuskan Memuaskan Cepat Tepat Waktu Lambat Baik Cukup Kurang Aktif Cukup Kurang Keputusan (Output) Kurva Kriteria. Kurva IPK 2. Kurva Lama Kuliah Cepat Tepat Lambat Gambar Kurva Kriteria Lama Kuliah 3. Kurva Prestasi 4. Kurva Organisasi Kurang Cukup Baik Gambar 2 Kurva Kriteria Prestasi Kurang Cukup Aktif Memuaskan Sangat Memuaskan Coumloud Gambar 3 Kurva Kriteria Organisasi Gambar Kurva Kriteria IPK 5. Kurva Output 9 Gambar 4 Kurva Kriteria Output c. Aturan Fuzzy (Rule Base) Pada pemilihan mahasiswa terbaik menggunakan 4 parameter dan 3 kriteria, maka terdapat 64 aturan fuzzy : [R] IF μipk Memuaskan dan μlamakuliah lambat dan μpkurang dan μorganisasi Kurang Then Keputusan [R2] IF μi Coumloud dan μl Tepat dan μp Cukup dan μg Kurang Then 3
7 [R64] IF μi SangatMemuaskan dan μl Cepat dan μp Baik dan μg Kurang Then d. Penegasan (Defuzzifikasi). Metode Tsukamoto Mencari nilai z untuk setiap aturan dengan menggunakan fungsi MIN pada aplikasi fungsi implikasi. 2. Metode Mamdani Berdasarkan perhitungan menggunakan metode mamdani dengan mengambil nilai mahasiswa, jika IPK 3,5, Lama Kuliah 4,5 tahun, Prestasi 3 dan Organisasi 5 maka nilai mamdani 4,36 [R] IF μipk Memuaskan dan μlamakuliah lambat dan μpkurang dan μorganisasi Kurang Then Keputusan α = min (;;;,6) = [R52] IF μi Coumloud dan μl Tepat dan μp Cukup dan μg Kurang Then α52 = min (; ; ;,3) = [R64] IF μi SangatMemuaskan dan μl Cepat dan μp Baik dan μg Kurang Then α64 = min (,3; ; ;,6) = Selanjutnya mencari nilai z = α * (zmax - zmin) + zmin z52 = * (9-) + z52 = Perhitungan untuk mendapatkan nilai deffuzyfikasi dengan menjumlahkan rules hingga rules 64 untuk mendapatkan nilai rata-rata terbobot (Weight Average) : Gambar 5 Perhitungan Tsukamoto Gambar 6 Perhitungan Mamdani 5. Hasil Perbadingan (Comparision) Berdasarkan hasil perhitungan dengan etode perhitungan klasik dan perhitungan menggunakan fuzzy tsukamoto dan mamdani serta menampilkan hasil perhitungan terbesar. Berdasarkan nilai rata-rata dari perhitungan ketiga metode, maka didapat mahasiwa dengan nilai tertinggi adalah Ervan Ubaidillah dan Fahri A Wahyudi Tabel 4 Hasil Perbandingan No Nama Klasik Tsu Mam Nilai % Nilai % Ari S 4,23 6,6 4,9 5,94 58,8 2 Reni 3,4 3,66 78,5 5 2,84 3 Puji A 3,25 6,33 35, ,55 4 Ervan 3,57 6,33 22,26 4,36 77,75 5 Roni I 3,4 3,67 62,4 4,7 37,95 6 Jaka P 4,6 4,89 7,52 3,84 29,52 7 Anisa 3,35 6, 25,8 4,3 74,4 8 Teguh 4,57 6,33 4,3 5,75 59,86 9 Dyan 3,38 6,33 46,36 5,93 53,64 Fahri 3,89 6,64 3,24 4,3 86,75 Rata-rata Tsu 9,62 Mam 56,33 3
8 5. Analisis Hasil Berdasarkan pada hasil perhitungan menggunakan metode perhitungan klasik, fuzzy tsukamoto dan mamdani, maka perhitungan fuzzy yang mendekati dengan metode perhitungan klasik adalah fuzzy tsukamoto. Untuk hasil perhitungan dengan fuzzymamdani nilainya lebih besar dibanding dengan fuzzy tsukamoto VI. PENUTUP 6.. Simpulan. Penerapan perhitungan dengan statistic klasik menggunakan perhitungan nilai dikalikan dengan bobot dan dihitung jumlah nilai keseluruhan. Penerapan perhitungan logika fuzzy menggunakan himpunan, lalu hitung derajat keanggotaan, predikat aturan dan penegasan. Kriteri yang telah ditetapkan oleh perguruan tinggi yaitu IPK, Lama Kuliah, Prestasi dan Organisasi. 2. Pengembangan sistem menggunakan tahapan identifikasi permasalahan, kebutuhan sistem, rancangan sistem yang akan dibuat, pembuatan kode program dan penerapan. Dengan adanya langkah-langkah yang terstruktur, maka akan menghasilkan sistem lebih baik 3. Agar perhitungan pemilihan mahasiswa lulusan terbaik lebih cepat dan akurat, maka dibutuhkan aplikasi pendukung keputusan yang terkomputerisasi yang dapat membantu ketua program studi dalam mengambil keputusan. Aplikasi ini dibangun menggunakan Borland Delphi dan basisdata MYSQL. 4. Berdasarkan nilai rata-rata dari perhitungan ketiga metode, maka didapat mahasiwa dengan nilai tertinggi adalah Ervan Ubaidillah dan Fahri A Wahyudi 5. Dari hasil analisis perhitungan menggunakan metode perhitungan klasik, fuzzy tsukamoto dan mamdani, maka perhitungan fuzzy yang mendekati dengan metode statistic klasik adalah fuzzy tsukamoto. Untuk hasil perhitungan dengan fuzzy mamdani nilainya lebih besar dibanding dengan fuzzy tsukamoto 6.2. Saran. Berdarkan pembahasan diatas, maka perlu dilakukan penelitian lebih lanjut mengenai penggunaan fuzzy untuk kasus yang berbeda yang dapat dijadikan referensi untuk penelitian yang akan datang. 2. Pada perhitungan ini, perlu dilakukan analisis perbandingan kecepatan antara tsukamoto dan mamdani 3. Perlu adanya analisis rate eror pada metode tsukamoto dan mamdani 4. Sebelum sistem diterapkan, maka perlu dilakukan pelatihan terhadap pengguna sistem agar memahami penggunaan sistem dan mengurangi kesalahan DAFTAR PUSTAKA [] Aep & Romi, 24. Analisis komparatif Logika Fuzzy Tsukamoto, Mamdani, Sugeno untuk Hemat Energi AC Sugeno, ISSN, Vol.9, (Oktober, 24) : -7 [2] arnett, V., 999, Comparative Statistical Inference, Wiley Series in Probability and Statistics, New York: Wiley [3] Istraniadi, Andrian, P. Mardiani, 23. Analisis perbandingan metode fuzzy tsukamoto dan metode fuzzy Mamdani pada perbandingan Harga sepeda motor bekas, Electrans, Vol.9, (Juli, 23) : 3-8 [4] Kusumadewi, Sri. &Purnomo, 2. Logika Fuzzy,Yogyakarta : Graha Ilmu : 3-4 [5] Munawar, 2.Rekayasa Perangkat Lunak, Bandung : Informatika, 2 [6] Nurhidayat, D.Kurnia, Dewi. Entin, M, 29. Sistem Pendukung Keputusan Kelompok Pemilihan Mahasiswa Berprestasi Berbasis Web Dengan Metode Fuzzy Query, ISSN, Vol., (Desember, 29) : 3-8 [7] Newton, Issac, 687. Prinsip Matematika dari Filsafat Alam, Cambride Univesity Press, PP [8] STMIK Teknokrat Lampung Lampung,2. Buku Panduan Mahasiswa TA 2, Bandar Lampung, 2 [9] Sudjana, Perhitungan Metode Perhitungana Klasik,Yogyakarta : Graha Ilmu, 22 [] Triyanto, Agus. Febri, B.K., Shinta Puspasari, 24.Studi Perbandingan Metode Fuzzy Tsukamoto Dan Fuzzy Mamdani Untuk Seleksi Pegawai Teladan Pada PT Gracia Pharmindo, ISSN, Vol.4, (September, 24) : 2-6 [] Widiyantoro, Andreas. 23. Penerapan Metode Algoritma Fuzzy Tsukamoto dan Mamdani pada Aplikasi Penunjang Keputusan untuk Menentukan Jumlah Produksi Barang pada CV. Kurnia Alam, Electrans, Vol., (Juli, 23) : 4-8 [2] Wahyu, Oyas, Silmi, 22. Perbandingan Logika fuzzy (Tsukamoto, Mamdani & Sugeno) pada diagnosa tuberkulosis anak, Vol., (Oktober) : - 6 [3] Zaenal Abidin, 24. Komparasi Perhitungan IPK antara Metode Perhitungan Klasik dengan Logika Fuzzy, Tekno Info, (Oktober, 24 32
KOMPARASI METODE PERHITUNGAN KLASIK DENGAN LOGIKA FUZZY (MAMDANI DAN SUGENO) PADA PERHITUNGAN PEMILIHAN MAHASISWA TERBAIK
Jurnal Pendidikan Teknologi dan Kejuruan Vol. 5, No., Januari 208, Hal :42 KOMPARASI METODE PERHITUNGAN KLASIK DENGAN LOGIKA FUZZY (MAMDANI DAN SUGENO) PADA PERHITUNGAN PEMILIHAN MAHASISWA TERBAIK Agus
Lebih terperinciJurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:
PENERAPAN LOGIKA FUZZY UNTUK MENENTUKAN MAHASISWA BERPRESTASI DI STMIK CIKARANG MENGGUNAKAN JAVA NETBEANS DAN MYSQL Ema Dili Giyanti 1), Ali Mulyanto 2) 1) Program Studi Teknik Informatika, STMIK Cikarang
Lebih terperinciModel Evaluasi Performa Mahasiswa Tahun Pertama Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto
Model Evaluasi Performa Mahasiswa Tahun Pertama Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto Zaenal Abidin Program studi Sistem Informasi STMIK Teknokrat Bandar Lampung, Indonesia
Lebih terperinciAPLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI)
APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI) 1Venny Riana Agustin, 2 Wahyu H. Irawan 1 Jurusan Matematika, Universitas
Lebih terperinciPENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK)
PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK) Andrian Juliansyah ( 1011287) Mahasiswa Program Studi Teknik
Lebih terperinciPERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)
PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) Komang Wahyudi Suardika 1, G.K. Gandhiadi 2, Luh Putu Ida Harini 3 1 Program
Lebih terperinciANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN
ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN Khairul Saleh Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara Jalan Universitas
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI DI UNIVERSITAS MULAWARMAN MENGGUNAKAN METODE TSUKAMOTO (Studi kasus : Fakultas MIPA)
Jurnal Informatika Mulawarman Vol. 10 No. 1 Februari 2015 32 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI DI UNIVERSITAS MULAWARMAN MENGGUNAKAN METODE TSUKAMOTO (Studi kasus : Fakultas MIPA) Hanis
Lebih terperinci: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA BERPRESTASI BERBASIS WEB DENGAN METODE TSUKAMOTO PADA SMA INSTITUT INDONESIA Eko Purwanto Program Studi Teknik Informatika, Fakultas Ilmu Komputer Universitas
Lebih terperinciKLASIFIKASI PENERIMAAN BEASISWA DENGAN MENGGUNAKAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS POLITEKNIK KESEHATAN KEMENTRIAN KESEHATAN SEMARANG)
KLASIFIKASI PENERIMAAN BEASISWA DENGAN MENGGUNAKAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS POLITEKNIK KESEHATAN KEMENTRIAN KESEHATAN SEMARANG) Fasrul Rahman Ansori Teknik Informatika, Ilmu Kompputer, Universitas
Lebih terperinciPenerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi
Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Berdasarkan Data Persediaan dan Jumlah Permintaan Ria Rahmadita Surbakti 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED riarahmadita@gmail.com
Lebih terperinciSPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ
SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY oleh: 1 I Putu Dody Lesmana, 2 Arfian Siswo Bintoro 1,2 Jurusan Teknologi Informasi, Politeknik
Lebih terperinciPENERAPAN METODE TSUKAMOTO DALAM PEMBERIAN KREDIT SEPEDA MOTOR BEKAS PADA PT TRI JAYA MOTOR (Studi Kasus PT TRI JAYA MOTOR MEDAN )
Marsono, ISSN : 1978-6603 Saiful Nur Arif, Iskandar Zulkarnain, Penerapan Metode Tsukamoto PENERAPAN METODE TSUKAMOTO DALAM PEMBERIAN KREDIT SEPEDA MOTOR BEKAS PADA PT TRI JAYA MOTOR (Studi Kasus PT TRI
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan
Lebih terperinciARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA
ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA Rima Liana Gema, Devia Kartika, Mutiana Pratiwi Universitas Putra Indonesia YPTK Padang email: rimalianagema@upiyptk.ac.id ABSTRAK
Lebih terperinciSISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC
SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC ( STUDY KASUS : KARANG TARUNA DESA PUHJARAK ) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana Komputer
Lebih terperinciIMPLEMENTASI FUZZY MAMDANI DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KESESUAIAN BIDANG PEMINATAN MAHASISWA (STUDI KASUS : UNIVERSITAS POTENSI UTAMA)
IMPLEMENTASI FUZZY MAMDANI DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KESESUAIAN BIDANG PEMINATAN MAHASISWA (STUDI KASUS : UNIVERSITAS POTENSI UTAMA) Alfa Saleh Teknik Informatika, Fak. Ilmu Komputer
Lebih terperinciAplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic
Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha Menggunakan Fuzzy Logic 1. Pendahuluan Jual beli motor merupakan suatu kegiatan transaksi yang mungkin sering kita temukan di kehidupan sehari-hari. Untuk
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Era persaingan yang semakin ketat pada saat sekarang ini telah menyebabkan perusahaan-perusahaan yang bergerak di bidang industri khususnya dalam bidang industri makanan
Lebih terperinciKata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa
SISTEM PENDUKUNG KEPUTUSAN METODE SUGENO DALAM MENENTUKAN TINGKAT KEPRIBADIAN SISWA BERDASARKAN PENDIDIKAN (STUDI KASUS DI MI MIFTAHUL ULUM GONDANGLEGI MALANG) Wildan Hakim, 2 Turmudi, 3 Wahyu H. Irawan
Lebih terperinciBAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya
BAB II LANDASAN TEORI A. Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang
Lebih terperinciIMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC
IMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC Riky Amelia (1111981) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih terperinciOptimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto
Optimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program Studi Sistem Informasi
Lebih terperinciPenentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno
Penentuan Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Shenna Miranda #1, Minora Longgom Nasution *2, Muhammad Subhan #3 #1 Student of Mathematics department State University
Lebih terperinciLOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima
Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri
Lebih terperinciSTUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)
STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) Desi Vinsensia Program Studi Teknik Informatika STMIK Pelita Nusantara
Lebih terperinciBAB III ANALISA DAN PERANCANGAN SISTEM. ditujukan untuk menangani pencarian spesifikasi komputer yang sesuai dengan
BAB III ANALISA DAN PERANCANGAN SISTEM III. Analisis Masalah Sistem yang dibuat pada studi kasus pemilihan spesifikasi komputer ini, ditujukan untuk menangani pencarian spesifikasi komputer yang sesuai
Lebih terperinciRima Ayuningtyas NIM Jurusan Teknik Informatika, Universitas Maritim Raja Ali Haji. Jl. Politeknik Senggarang, Tanjungpinang
Sistem Pendukung Keputusan Dalam Menentukan Jenis Budidaya Ikan Dengan Mengukur Kualitas Air Menggunakan Metode Fuzzy Tsukamoto (Studi Kasus : Balai Benih Ikan di Pengujan Kabupaten Bintan) Rima Ayuningtyas
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH
68 REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH Septiani Nur Hasanah 1, Nelly Indriani Widiastuti 2 Program Studi Teknik Informatika. Universitas Komputer Indonesia. Jl.
Lebih terperinciFUZZY LOGIC CONTROL 1. LOGIKA FUZZY
1. LOGIKA FUZZY Logika fuzzy adalah suatu cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Teknik ini menggunakan teori matematis himpunan fuzzy. Logika fuzzy berhubungan dengan
Lebih terperinciSISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB
JURNAL MATRIX VOL. 3, NO. 1, MARET 2013 39 SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB I Ketut Suwintana Jurusan Akuntansi Politeknik Negeri Bali Kampus Bukit Jimbaran Bali Telp. +62 361 701981 Abstrak:.Logika
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini penulis akan menjelaskan mengenai landasan teori yang digunakan pada penelitian ini. Penjabaran ini bertujuan untuk memberikan pemahaman lebih mendalam kepada penulis
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah kata benda yang berasal dari kata himpun. Kata kerjanya adalah menghimpun. Menghimpun adalah kegiatan yang berhubungan dengan berbagai objek apa saja.
Lebih terperinciPERANCANGAN SISTEM PERENCANAAN JUMLAH PRODUKSI ROTI MENGGUNAKAN METODE FUZZY MAMDANI
PERANCANGAN SISTEM PERENCANAAN JUMLAH PRODUKSI ROTI MENGGUNAKAN METODE FUZZY MAMDANI Murni Marbun 1, Hengki Tamando Sihotang 2, Normi Verawati Marbun 3 2 Teknik Informatika STMIK Pelita Nusantara Medan,
Lebih terperinciVersi Online tersedia di : JURNAL TECH-E (Online)
JURNAL TECH-E - VOL. 1 NO. 1 (17) Versi Online tersedia di : http://bsti.ubd.ac.id/e-jurnal JURNAL TECH-E 2581-1916 (Online) Artikel Perancangan Aplikasi Penentu Jurusan IPA atau IPS Pada SMA Menggunakan
Lebih terperinciErwien Tjipta Wijaya, ST.,M.Kom
Erwien Tjipta Wijaya, ST.,M.Kom PENDAHULUAN Logika Fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh tahun 1965 Dasar Logika Fuzzy adalah teori himpunan fuzzy. Teori himpunan fuzzy adalah peranan
Lebih terperinciIMPLEMENTASI FUZZY TSUKAMOTO DALAM PENENTUAN KESESUAIAN LAHAN UNTUK TANAMAN KARET DAN KELAPA SAWIT
IMPLEMENTASI FUZZY TSUKAMOTO DALAM PENENTUAN KESESUAIAN LAHAN UNTUK TANAMAN KARET DAN KELAPA SAWIT Maya Yusida 1, Dwi Kartini 2, Andi Farmadi 3, Radityo Adi Nugroho 4, Muliadi 5 123Prodi Ilmu Komputer
Lebih terperinciJURNAL SISTEM PREDIKSI INVENTORY BARANG MENGGUNAKAN METODE FUZZY TSUKAMOTO PREDICTION INVENTORY ITEMS USING FUZZY TSUKAMOTO
JURNAL SISTEM PREDIKSI INVENTORY BARANG MENGGUNAKAN METODE FUZZY TSUKAMOTO PREDICTION INVENTORY ITEMS USING FUZZY TSUKAMOTO Oleh: Reza Hadi Subiantoro 12.1.03.02.0224 Dibimbing oleh : 1. Fatkur Rhohman,
Lebih terperinciBAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan
BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental
Lebih terperinciFUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR
Seminar Nasional Informatika 23 (semnasif 23) ISSN: 979-2328 UPN Veteran Yogyakarta, 8 Mei 23 FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Sundari Retno Andani ) ) AMIK Tunas Bangsa
Lebih terperinciANALISIS PERBANDINGAN HARGA MOBIL BEKAS MENGGUNAKAN METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DAN TSUKAMOTO
Jur. Ris. Ap. Mat. Vol. 1, No. 1 (2017), pp. 1 52. Jurnal Riset dan Aplikasi Matematika e-issn 2581-0154 URL: journal.unesa.ac.id/index.php/jram ANALISIS PERBANDINGAN HARGA MOBIL BEKAS MENGGUNAKAN METODE
Lebih terperinciJurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL
MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL Fanisya Alva Mustika 1, Sutrisno 2 Program Studi Teknik Informatika, Universitas Indraprasta PGRI Jakarta 1,2 E-mail: alva.mustika@gmail.com
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy Zadeh (1965) memperkenalkan konsep fuzzy sebagai sarana untuk menggambarkan sistem yang kompleks tanpa persyaratan untuk presisi. Dalam jurnalnya Hoseeinzadeh et
Lebih terperinciPenentuan Produksi Makanan Berbasis Fuzzy Mamdani
ISSN: 2089-3787 665 Penentuan Produksi Makanan Berbasis Fuzzy Mamdani Yulia Yudihartanti, Ahmad Hakim STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru, 0511(4782881) e-mail: yuliaydh@yahoo.co.id, hakiem.ahmad@gmail.com
Lebih terperinciIMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)
IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) Junius_Effendi* Email : Cyberpga@ymail.com ABSTRAK Penelitian ini dilakukan untuk memperlajari
Lebih terperinciBAB II KAJIAN PUSTAKA. mengikuti sertifikasi, baik pendidikan gelar (S-1, S-2, atau S-3) maupun nongelar (D-
BAB II KAJIAN PUSTAKA A. Kualifikasi Akademik Ditjendikti - kemendiknas, (2010) menyatakan bahwa kualifikasi akademik adalah ijazah pendidikan tinggi yang dimiliki oleh guru pada saat yang bersangkutan
Lebih terperinciProses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum
Prosiding Penelitian SPeSIA Unisba 2015 ISSN: 2460-6464 Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum 1 Fitria Tri Suwarmi, 2 M. Yusuf Fajar,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)
SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ) Dimas Wahyu Wibowo 1, Eka Larasati Amalia 2 1,2 Teknik Informatika, Politeknik Negeri
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan
Lebih terperinciPengantar Kecerdasan Buatan (AK045218) Logika Fuzzy
Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi
Lebih terperinciPENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO
PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO Magdalena Simanjuntak Program Studi Teknik Informatika, STMIK Kaputama E-mail : magdalena.simanjuntak84@gmail.com ABSTRACT This study aimed to analyze
Lebih terperinciPerekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani
BINA INSANI ICT JOURNAL, Vol.3, No. 2, Desember 2016, 279-290 ISSN: 2355-3421 (Print) ISSN: 2527-9777 (Online) 279 Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani Ghofar Taufik 1,*
Lebih terperinciPenerapan Fuzzy Mamdani Untuk Sistem Pendukung Keputusan Pemilihan Telepon Seluler
Penerapan Fuzzy Mamdani Untuk Sistem Pendukung Keputusan Pemilihan Telepon Seluler Wira Buana Dosen STMIK Jayanusa wira_buana59@yahoo.com ABSTRAK Fuzzy logic merupakan salah satu pendekatan yang menggunakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat
Lebih terperinciPenerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas
Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak
Lebih terperinciPenerapan Fuzzy Mamdani Pada Penilaian Kinerja Dosen (Studi Kasus STMIK Kaputama Binjai)
Penerapan Fuzzy Mamdani Pada Penilaian Kinerja Dosen (Studi Kasus STMIK Kaputama Binjai) Magdalena Simanjuntak 1), Achmad Fauzi 2) Program Studi Teknik Informatika STMIK Kaputama 1) Program Studi Manajemen
Lebih terperinciIMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS
IMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS Alfa Saleh Teknik Informatika, Fak Ilmu Komputer Universitas Potensi Utama Jl KL Yos Sudarso KM 65 No3-A, Tanjung Mulia,
Lebih terperinciSIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI
SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI Nofriadi * 1), Havid Syafwan 2) 1) Program Studi Sistem Informasi, STMIK Royal Kisaran Jl. Prof. M. Yamin 173 Kisaran, Sumatera
Lebih terperinciMENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO
MENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO Ganjar Ramadhan Jurusan Teknik Informatika, Universitas Islam Negeri Syarif Hidayatullah Jakarta Email : ganjar.ramadhan05@yahoo.com
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY Hafsah, Heru Cahya Rustamaji, Yulia Inayati Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari No 2 Tambakbayan Yogyakarta
Lebih terperinciMetode Tsukamoto untuk Mendiagnosa Penyakit Infeksi pada Manusia
Metode Tsukamoto untuk Mendiagnosa Penyakit Infeksi pada Manusia Irmalia Suryani Faradisa dan Putri Sari Jurusan Teknik Elektro, Institut Teknologi Nasional Malang E-mail: faradyza@gmail.com Abstrak Gejala
Lebih terperinciREVIEW JURNAL LOGIKA FUZZY
REVIEW JURNAL LOGIKA FUZZY Disusun oleh : Gita Adinda Permata 1341177004309 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS NEGERI SINGAPERBANGSA KARAWANG KATA PENGANTAR Assalamualaikum
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Permintaan 2.1.1 Pengertian Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat pendapatan tertentu
Lebih terperinciPENERAPAN METODE LOGIKA FUZZY MODEL TAHANI DALAM PEMILIHAN HARDWARE KOMPUTER
E-Jurnal Matematika Vol. 6 4, November 2017, pp. 248-252 ISSN: 2303-1751 PENERAPAN METODE LOGIKA FUZZY MODEL TAHANI DALAM PEMILIHAN HARDWARE KOMPUTER Moh. Heri Setiawan 1, G. K. Gandhiadi 2, Luh Putu Ida
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA A. Kompetensi Pedagogik Menurut Mahmudin (2008) Kompetensi Guru merupakan seperangkat pengetahuan, keterampilan, dan perilaku yang harus dimiliki, dihayati, dikuasai, dan diaktualisasikan
Lebih terperinciLOGIKA FUZZY DALAM SISTEM PENGAMBILAN KEPUTUSAN PENERIMAAN BEASISWA
LOGIKA FUZZY DALAM SISTEM PENGAMBILAN KEPUTUSAN PENERIMAAN BEASISWA Siti Komariyah 1), Riza M. Yunus, Sandi Fajar Rodiyansyah 2) Jurusan Teknik Informatika, Fakultas Teknik, Universitas Majalengka Email
Lebih terperinciPENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO
PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO Asrianda 1 asrianda@unimal.ac.id Abstrak Bertambahnya permintaan mahasiswa atas kebutuhan makan seharihari, berkembangnya usaha warung
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini
Lebih terperinciProses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani
JURNAL SAINTIFIK VOL.3 NO. 2, JULI 2017 Proses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani Darmawati Jurusan Matematika FMIPA Universitas Sulawesi Barat; e-mail: dharmawangs89@gmail.com
Lebih terperinciIMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA
IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA Subhan Hartanto Sistem Informatika, Universitas Pembangunan Panca Budi Jl. Jend Gatot Subroto, Simpang Tj., Medan Sunggal, Kota Medan,
Lebih terperinciMengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani
Seminar Nasional Teknologi Informatika, "The Future of Computer Vision", 27, ISBN : 978-62-56--7 Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani Sepri Yanti
Lebih terperinciRegresi Linier Berganda untuk Penentuan Nilai Konstanta pada Fungsi Konsekuen di Logika Fuzzy Takagi-Sugeno
Regresi Linier Berganda untuk Penentuan Nilai Konstanta pada Fungsi Konsekuen di Logika Fuzzy Takagi-Sugeno Zaenal Abidin (23515015) Program Studi Magister Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciBAB II: TINJAUAN PUSTAKA
BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN KENAIKAN PANGKAT PEGAWAI DI KANTOR KEMENTRIAN AGAMA KABUPATEN KEDIRI DENGAN FUZZY TSUKAMOTO
Artikel Skripsi SISTEM PENDUKUNG KEPUTUSAN KENAIKAN PANGKAT PEGAWAI DI KANTOR KEMENTRIAN AGAMA KABUPATEN KEDIRI DENGAN FUZZY TSUKAMOTO SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh
Lebih terperinciAnalisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan
128 ISSN: 2354-5771 Analisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan Raheliya Br Ginting STT Poliprofesi Meda E-mail: itink_ribu@yahoo.com Abstrak Pengambilan keputusan harus
Lebih terperinciBAB II. KAJIAN PUSTAKA. Menurut Gorry dan Scott (1970) dalam Turban (2005) Sistem Pendukung
BAB II. KAJIAN PUSTAKA A. Sistem Pendukung Keputusan Menurut Gorry dan Scott (1970) dalam Turban (2005) Sistem Pendukung Keputusan (DSS) merupakan sistem berbasis komputer interaktif, yang membantu para
Lebih terperinciImplementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic
JTRISTE, Vol.2, No.2, Oktober 2015, pp. 18~28 ISSN: 2355-3677 Implementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic Junaedy 1, Abdul Munir 2 STMIK KHARISMA
Lebih terperinciDENIA FADILA RUSMAN
Sidang Tugas Akhir INVENTORY CONTROL SYSTEM UNTUK MENENTUKAN ORDER QUANTITY DAN REORDER POINT BAHAN BAKU POKOK TRANSFORMER MENGGUNAKAN METODE FUZZY (STUDI KASUS : PT BAMBANG DJAJA SURABAYA) DENIA FADILA
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara
Lebih terperinciFUZZY MULTI-CRITERIA DECISION MAKING
Media Informatika, Vol. 3 No. 1, Juni 2005, 25-38 ISSN: 0854-4743 FUZZY MULTI-CRITERIA DECISION MAKING Sri Kusumadewi, Idham Guswaludin Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciREVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA
Seminar Nasional Sistem Informasi Indonesia, 6 November 2017 REVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA Anisa Citra Mutia, Aria Fajar Sundoro,
Lebih terperinciPemanfaatan Metode Tsukamoto Untuk Klasifikasi Daerah Rawan Penyakit Tuberkulosis Paru Dalam Bentuk Sistem Informasi Geografis
Pemanfaatan Metode Tsukamoto Untuk Klasifikasi Daerah Rawan Penyakit Tuberkulosis Paru Dalam Bentuk Sistem Informasi Geografis Muhammad Ridwan Dwiangga Fakultas Teknologi Industri, Teknik Informatika Universitas
Lebih terperinciBAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA A. Penjurusan di SMA Sepanjang perkembangan Pendidikan formal di Indonesia teramati bahwa penjurusan di SMA telah dilaksanakan sejak awal kemerdekaan yaitu tahun 1945 sampai sekarang,
Lebih terperinciMuhammad Yudin Ritonga ( )
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PRODUKSI MAKANAN MENGGUNAKAN LOGIKA FUZZY DENGAN METODE TSUKAMOTO (STUDI KASUS : PT. INDOFOOD CBP SUKSES MAKMUR MEDAN) Muhammad Yudin Ritonga (0911555) Mahasiswa Program
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER OBAT MENGGUNAKAN METODE FUZZY TSUKAMOTO
Hamdani, Deviana Selywita SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER OBAT MENGGUNAKAN METODE FUZZY TSUKAMOTO 1) Hamdani, 2) Deviana Selywita, Jurusan Ilmu Komputer, Fakultas MIPA, Universitas Mulawarman
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN DOSEN PEMBIMBING DENGAN METODE LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN DOSEN PEMBIMBING DENGAN METODE LOGIKA FUZZY Ainul Yaqin 1), Ema Utami 2), Emha Taufiq Luthfi 3) 1,2,3 Magister Teknik informatika STMIK AMIKOM Yogyakarta 1,2,3 Jl Ring
Lebih terperinciSISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH
KECERDASAN BUATAN SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH AMARILIS ARI SADELA (E1E1 10 086) SITI MUTHMAINNAH (E1E1 10 082) SAMSUL (E1E1 10 091) NUR IMRAN
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat
BAB IV HASIL DAN PEMBAHASAN A. Analisis Tingkat Kesehatan Bank Tingkat kesehatan bank dapat diketahui dengan melihat peringkat komposit bank tersebut. Menurut peraturan Bank Indonesia No. 13/1/PBI/2011
Lebih terperinciNURAIDA, IRYANTO, DJAKARIA SEBAYANG
Saintia Matematika Vol. 1, No. 6 (2013), pp. 543 555. ANALISIS TINGKAT KEPUASAN KONSUMEN BERDASARKAN PELAYANAN, HARGA DAN KUALITAS MAKANAN MENGGUNAKAN FUZZY MAMDANI (Studi Kasus pada Restoran Cepat Saji
Lebih terperinciAnalisis Fungsi Keanggotaan Fuzzy Tsukamoto Dalam Menentukan Status Kesehatan Tubuh Seseorang
Analisis Fungsi Keanggotaan Fuzzy Tsukamoto Dalam Menentukan Status Kesehatan Tubuh Seseorang Nurul Khairina Politeknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal nurulkhairina27@gmail.com Abstrak
Lebih terperinciDAFTAR ISI. KATA PENGANTAR... i. DAFTAR ISI... iii. DAFTAR GAMBAR... viii. DAFTAR TABEL... xii. DAFTAR LAMPIRAN... xiii
DAFTAR ISI KATA PENGANTAR... i DAFTAR ISI... iii DAFTAR GAMBAR... viii DAFTAR TABEL... xii DAFTAR LAMPIRAN... xiii BAB I PENDAHULUAN 1.1. Latar Belakang Masalah... 1 1.2 Rumusan Masalah... 3 1.3 Tujuan...
Lebih terperinciBAB I PENDAHULUAN. industri erat kaitannya dengan jumlah produksi yang harus disediakan. Seiring
BAB I PENDAHULUAN I.1. Latar Belakang Produksi merupakan kegiatan vital yang ada dalam suatu industri, kegiatan industri erat kaitannya dengan jumlah produksi yang harus disediakan. Seiring dengan meningkatnya
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Karyawan didalam perusahaan merupakan sesuatu yang esensial untuk menjalankan roda perusahaan untuk mencapai tujuannya. Dalam pelaksanaannya, pencapaian tujuan tersebut
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Analisa pada sistem yang berjalan bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Sistem Pendukung Keputusan Jumlah Produksi
Lebih terperinciIMPLEMENTASI ALGORITMA LOGIKA FUZZY PADA PROSES SELEKSI PENERIMAAN MAHASISWA BARU (Diterapkan Pada Politeknik Kotabaru)
ISSN: 1410-2331 IMPLEMENTASI ALGORITMA LOGIKA FUZZY PADA PROSES SELEKSI PENERIMAAN MAHASISWA BARU (Diterapkan Pada Politeknik Kotabaru) Triyanto Pangaribowo Program Studi Teknik Elektro, Fakultas Teknik
Lebih terperinciKECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana
Logika Fuzzy KECERDASAN BUATAN (Artificial Intelligence) Materi 8 Entin Martiana 1 Kasus fuzzy dalam kehidupan sehari-hari Tinggi badan saya: Andi menilai bahwa tinggi badan saya termasuk tinggi Nina menilai
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh pada tahun 1965 yang merupakan guru besar di University of California Berkeley pada papernya yang berjudul
Lebih terperinciMetode Fuzzy Tsukamoto Dalam Aplikasi Sistem Estimasi Stok Barang
Metode Fuzzy Tsukamoto Dalam Aplikasi Sistem Estimasi Stok Barang Rina Firliana 1), Jatmiko 2) Ervin Kusuma Dewi 3), Aidina Ristyawan 4) 1)3)4) Program Studi Sistem Informasi, Fakultas Teknik, Universitas
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1. Analisa Masalah Saat ini, dalam melakukan seleksi penerimaan petugas Sensus Ekonomi pada kantor Badan Statistik Aceh Tamiang masih dilakukan dengan tidak terbuka.
Lebih terperinci