BAB IV PEMBAHASAN. BAB IV berisi pembahasan tahapan penelitian, yaitu langkah-langkah
|
|
- Sudomo Atmadjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB IV PEMBAHASAN BAB IV berisi pembahasan tahapan penelitian, yaitu langkah-langkah perancangan aplikasi fuzzy decision making dengan Metode Tahani, uji kesesuaian hasil dengan kondisi obyek wisata, dan implementasi aplikasi fuzzy decision making dengan Graphical User Interface (GUI). A. Langkah-langkah Perancangan Aplikasi Fuzzy Decision Making dengan Metode Tahani Dalam perancangan aplikasi fuzzy decision making, terdapat lima langkah yang dilakukan, yaitu: 1. Menentukan variabel input. 2. Menentukan semesta pembicaraan atau himpunan universal (U) untuk setiap input. 3. Mendefinisikan himpunan fuzzy pada input. 4. Menentukan derajat keanggotaan. 5. Menentukan nilai fire strength. Kelima langkah tersebut kemudian akan dijelaskan pada keterangan berikut. 1. Menentukan Variabel Input dari Obyek wisata Variabel yang akan digunakan dalam aplikasi fuzzy decision making ini merupakan parameter yang dijadikan oleh wisatawan sebagai acuan dalam menentukan tujuan wisata, diantaranya adalah biaya, pemandangan, keamanan, transportasi, kebersihan, keramaian, fasilitas, dan jenis wisata. Delapan parameter tersebut akan dijadikan input awal yang berisi data penilaian oleh biro pariwisata 33
2 pada 149 obyek wisata di Yogyakarta. Data penilaian obyek wisata di Yogyakarta oleh biro pariwisata ditunjukkan pada Tabel 4.1, untuk data selengkapnya dapat dilihat pada Lampiran 2. Tabel 4.1. Data Penilaian Obyek Wisata oleh Biro Pariwisata NO OBYEK WISATA JENIS BIAYA(Ribu) PEMANDAN GAN/ISI MUSEUM KEAMANAN TRANSPORT ASI KEBERSIHA N Air Terjun Sidoharjo ALAM Grojogan Watu Jonggol ALAM Curug Nglinggo ALAM Puncak Suroloyo ALAM Kalibiru ALAM Museum Kayu MUSEUM KERAMAIAn FASILITAS Tabel 4.1 merupakan hasil rekapitulasi dari penilaian oleh 3 biro pariwisata, yaitu: Tripnesia, Gudeg.net, dan Asoka Tour. Data awal penilaian sebelum direkap dapat dilihat pada Lampiran Menentukan Semesta Pembicaraan atau Himpunan Universal (U) untuk Setiap Input Semesta pembicaraan atau himpunan universal merupakan nilai yang diperbolehkan dalam suatu variabel himpunan fuzzy. Himpunan universal diambil berdasarkan data penilaian yang telah diperoleh. 34
3 Berdasarkan variabel input yang telah ditentukan di atas, masing-masing variabel akan dibagi menjadi beberapa himpunan fuzzy. Pembagian tersebut ditunjukkan oleh Tabel 4.2. Tabel 4.2. Semesta Pembicaraan Variabel Jenis Wisata Biaya Pemandangan Keamanan Transportasi Kebersihan Keramaian Fasilitas Himpunan Fuzzy Alam Pantai Sejarah Wahana Museum Murah Sedang Mahal Biasa Bagus Sangat Bagus Cukup Aman Aman Sangat Aman Sulit Sedang Mudah Sangat Mudah Kotor Cukup Bersih Bersih Sangat Bersih Sepi Biasa Ramai Sangat Ramai Sedikit Sedang Banyak Semesta Pembicaraan [0, 100] [0, ] [0, 100] [0, 100] [0, 100] [0, 100] [0, 100] [0, 100] 35
4 3. Mendefinisikan Himpunan Fuzzy pada Input Proses fuzzifikasi atau mendefinisikan himpunan tegas ke himpunan fuzzy dilakukan dengan MATLAB R09a. Mendefinisikan himpunan fuzzy dilakukan dengan menggunakan fungsi keanggotaan. a. Fungsi Keanggotaan Jenis Wisata Variabel jenis wisata didefinisikan dengan lima himpunan fuzzy ALAM, PANTAI, SEJARAH, WAHANA, dan MUSEUM. Himpunan fuzzy ALAM, PANTAI, SEJARAH, WAHANA, dan MUSEUM menggunakan pendekatan fungsi keanggotaan berbentuk segitiga yang ditunjukkan pada Gambar 4.1. Berikut ini adalah fungsi keanggotaan untuk variabel jenis wisata berdasarkan Persamaan (2.5). x 5, 5 < x < 15 1, x = μ Wisata Alam [x] = 35 x, < x < { 0, x 5; x 35 x, < x < , x = 35 μ Wisata Pantai [x] = 50 x, 35 < x < { 0, x ; x 50 x 35, 35 < x < , x = 50 μ Wisata Sejarah [x] = 65 x, 50 < x < { 0, x 35; x 65 36
5 x 50 15, 50 < x < 65 1, x = 65 μ Wisata Minat Khusus [x] = 80 x, 65 < x < { 0, x 50; x 80 x 65 15, 65 < x < 80 1, x = 80 μ Wisata Museum [x] = 95 x, 80 < x < { 0, x 65; x 95 Gambar 4.1. Himpunan fuzzy: Jenis Wisata b. Fungsi Keanggotaan Biaya Variabel biaya didefinisikan dengan tiga himpunan fuzzy MURAH, SEDANG, dan MAHAL. Himpunan fuzzy MURAH dan MAHAL menggunakan pendekatan fungsi keanggotaan linear dan himpunan fuzzy SEDANG menggunakan pendekatan fungsi keanggotaan berbentuk segitiga yang ditunjukkan pada Gambar 4.2. Berikut ini adalah fungsi keanggotaan untuk variabel biaya berdasarkan Persamaan (2.3), (2.4), dan (2.5). 37
6 1, x = 0 50 x μ Murah [x] = {, 50 0 < x < 50, 0, x 50 x, 50 0 < x < 50 μ Sedang [x] = 1, x = x, 50 < x < 100, 50 { 0, x 0; x 100 0, x 50 x 50 μ Mahal [x] = {, < x < 100, 1, x 100 Gambar 4.2. Himpunan fuzzy: Biaya c. Fungsi Keanggotaan Pemandangan Variabel pemandangan didefinisikan dengan tiga himpunan fuzzy BIASA, BAGUS dan SANGAT BAGUS. Himpunan fuzzy SANGAT BAGUS menggunakan pendekatan fungsi keanggotaan berbentuk bahu sedangkan himpunan fuzzy BIASA dan BAGUS menggunakan pendekatan fungsi keanggotaan berbentuk segitiga yang ditunjukkan pada Gambar 4.3. Berikut 38
7 ini adalah fungsi keanggotaan untuk variabel pemandangan berdasarkan Persamaan (2.5) dan (2.6). x, < x < 40 1, x = 40 μ Biasa [x] = 60 x, 40 < x < 60 { 0, x ; x 60 x 40, 40 < x < 60 1, x = 60 μ Bagus [x] = 80 x, 60 < x < 80 { 0, x 40; x 80 0, x 60 x 60 μ Sangat Bagus [x] = {, 60 < x < 80, 1, x 80 Gambar 4.3. Himpunan fuzzy: Pemandangan d. Fungsi Keanggotaan Keamanan Variabel keamanan didefinisikan dengan tiga himpunan fuzzy CUKUP AMAN, AMAN dan SANGAT AMAN. Himpunan fuzzy SANGAT AMAN 39
8 menggunakan pendekatan fungsi keanggotaan berbentuk bahu sedangkan himpunan fuzzy CUKUP AMAN dan AMAN menggunakan pendekatan fungsi keanggotaan berbentuk segitiga yang ditunjukkan pada Gambar 4.4. Berikut ini adalah fungsi keanggotaan untuk variabel keamanan berdasarkan Persamaan (2.5) dan (2.6). x 30, 30 < x < 50 1, x = 50 μ Cukup Aman [x] = 70 x, 50 < x < 70 { 0, x 30; x 70 x 50, 50 < x < 70 μ Aman [x] 1, x = 70 = 90 x, 70 < x < 90 { 0, x 50; x 90 0, x 70 x 70 μ Sangat Aman [x] = {, 70 < x < 90, 1, x 90 Gambar 4.4. Himpunan fuzzy: Keamanan 40
9 e. Fungsi Keanggotaan Transportasi Variabel transportasi didefinisikan dengan empat himpunan fuzzy SULIT, SEDANG, MUDAH, dan SANGAT MUDAH. Himpunan fuzzy SANGAT MUDAH menggunakan pendekatan fungsi keanggotaan berbentuk bahu sedangkan himpunan fuzzy SULIT, SEDANG, dan MUDAH menggunakan pendekatan fungsi keanggotaan berbentuk segitiga yang ditunjukkan pada Gambar 4.5. Berikut ini adalah fungsi keanggotaan untuk variabel transportasi berdasarkan Persamaan (2.5) dan (2.6). x 10, 10 < x < 30 1, x = 30 μ Sulit [x] = 50 x, 30 < x < 50 { 0, x 10; x 50 x 30, 30 < x < 50 1, x = 50 μ Sedang [x] = 70 x, 50 < x < 70 { 0, x 30; x 70 x 50, 50 < x < 70 1, x = 70 μ Mudah [x] = 90 x, 70 < x < 90 { 0, x 50; x 90 0, x 70 x 70 μ Sangat Mudah [x] = {, 70 < x < 90, 1, x 90 41
10 Gambar 4.5. Himpunan fuzzy: Transportasi f. Fungsi Keanggotaan Kebersihan Variabel kebersihan didefinisikan dengan empat himpunan fuzzy KOTOR, CUKUP BERSIH, BERSIH, SANGAT BERSIH. Himpunan fuzzy SANGAT BERSIH menggunakan pendekatan fungsi keanggotaan berbentuk bahu sedangkan himpunan fuzzy KOTOR, CUKUP BERSIH, dan BERSIH menggunakan pendekatan fungsi keanggotaan berbentuk segitiga yang ditunjukkan pada Gambar 4.6. Berikut ini adalah fungsi keanggotaan untuk variabel kebersihan berdasarkan Persamaan (2.5) dan (2.6). x 10, 10 < x < 30 1, x = 30 μ Kotor [x] = 50 x, 30 < x < 50 { 0, x 10; x 50 x 30, 30 < x < 50 1, x = 50 μ Cukup Bersih [x] = 70 x, 50 < x < 70 { 0, x 30; x 70 42
11 x 50, 50 < x < 70 1, x = 70 μ Bersih [x] = 90 x, 70 < x < 90 { 0, x 50; x 90 0, x 70 x 70 μ Sangat Bersih [x] = {, 70 < x < 90, 1, x 90 Gambar 4.6. Himpunan fuzzy: Kebersihan g. Fungsi Keanggotaan Keramaian Variabel keramaian didefinisikan dengan empat himpunan fuzzy SEPI, BIASA, RAMAI, dan SANGAT RAMAI. Himpunan fuzzy SANGAT RAMAI menggunakan pendekatan fungsi keanggotaan berbentuk bahu sedangkan himpunan fuzzy SEPI, BIASA, dan RAMAI menggunakan pendekatan fungsi keanggotaan berbentuk segitiga yang ditunjukkan pada Gambar 4.7. Berikut ini adalah fungsi keanggotaan untuk variabel keramaian berdasarkan Persamaan (2.5) dan (2.6). 43
12 x 10, 10 < x < 30 1, x = 30 μ Sepi [x] = 50 x, 30 < x < 50 { 0, x 10; x 50 x 30, 30 < x < 50 1, x = 50 μ Biasa [x] = 70 x, 50 < x < 70 { 0, x 30; x 70 x 50, 50 < x < 70 μ Ramai [x] 1, x = 70 = 90 x, 70 < x < 90 { 0, x 50; x 90 0, x 70 x 70 μ Sangat Ramai [x] = {, 70 < x < 90, 1, x 90 Gambar 4.7. Himpunan fuzzy: Keramaian h. Fungsi Keanggotaan Fasilitas 44
13 Variabel fasilitas didefinisikan dengan tiga himpunan fuzzy SEDIKIT, SEDANG, dan BANYAK. Himpunan fuzzy SEDIKIT dan BANYAK menggunakan pendekatan fungsi keanggotaan berbentuk bahu sedangkan himpunan fuzzy SEDANG menggunakan pendekatan fungsi keanggotaan berbentuk segitiga yang ditunjukkan pada Gambar 4.8. Berikut ini adalah fungsi keanggotaan untuk variabel fasilitas berdasarkan Persamaan (2.5) dan (2.6). 1, x = 0 50 x μ Sedikit [x] = {, 30 < x < 50, 0, x 50 μ Sedang [x] = { x 30, < x < 50 1, x = x 30, 50 < x < 80, 0, x ; x 80 0, x 50 x 50 μ Banyak [x] = {, 50 < x < 70, 30 1, x 80 Gambar 4.8. Himpunan fuzzy: Fasilitas 45
14 4. Menentukan Derajat Keanggotaan Derajat keanggotaan diambil dari data pada masing-masing obyek wisata. Selanjutnya data disubstitusian nilainya ke dalam fungsi keanggotaannya pada setiap variabel, sehingga diperoleh derajat keanggotaan pada semua fungsi keanggotaan yang diberikan. Derajat keanggotaan pada masing-masing fungsi keanggotaan adalah sebagai berikut: a. Derajat Keanggotaan Variabel Jenis Wisata Variabel Jenis Wisata terbagi menjadi 5 fungsi keanggotaan, yaitu fungsi keanggotaan ALAM, PANTAI, SEJARAH, WAHANA, dan MUSEUM. Masing-masing obyek wisata akan dicari derajat keanggotaannya pada setiap fungsi keanggotaan jenis wisata. Nilai derajat keanggotaan diperoleh dengan mesubstitusikan nilai yang telah ditentukan untuk menunjukkkan masingmasing jenis wisata ke dalam persamaan fungsi keanggotaan jenis wisata ALAM, PANTAI, SEJARAH, WAHANA, dan MUSEUM. Nilai yang menunjukkan pada jenis wisata ALAM =, PANTAI = 35, SEJARAH = 50, WAHANA = 65, dan MUSEUM = 80. Setelah disubstitusikan nilai jenis wisata pada masing-masing obyek wisata ke dalam persamaan kurva segitiga dari fungsi keanggotaan ALAM, PANTAI, SEJARAH, WAHANA, dan MUSEUM maka diperoleh derajat keanggotaannya. Variabel jenis wisata digunakan untuk melakukan pemilihan terhadap semua obyek wisata agar obyek wisata yang dibandingkan merupakan obyek wisata yang sejenis. Berikut adalah sebagian derajat keanggotaan pada variabel jenis wisata untuk setiap obyek wisata yang 46
15 ada di Yogyakarta yang dapat dilihat pada Tabel 4.3. Derajat keanggotaan pada variabel jenis wisata secara keseluruhan terlampir pada Lampiran 3. NO 1 2 OBYEK WISATA Air Terjun Sidoharjo Grojogan Watu Jonggol Tabel 4.3. Derajat Keanggotaan pada Variabel Jenis Wisata JENIS WISATA ALAM JENIS WISATA PANTAI SEJARAH WAHA NA MUSEUM ALAM ALAM Curug Nglinggo ALAM Goa Kiskendo ALAM Gua Seropan ALAM Museum Kayu MUSEUM b. Derajat Keanggotaan Variabel Biaya Variabel biaya terbagi menjadi 3 fungsi keanggotaan, yaitu fungsi keanggotaan MURAH, SEDANG, dan MAHAL. Masing-masing obyek wisata akan dicari derajat keanggotaannya pada setiap fungsi keanggotaan biaya. Nilai derajat keanggotaan diperoleh dengan mesubstitusikan besarnya biaya yang diperlukan untuk masuk ke masing-masing obyek wisata ke dalam persamaan fungsi keanggotaan biaya MURAH, SEDANG dan MAHAL. Setelah disubstitusikan nilai biaya pada masing-masing obyek wisata ke dalam persamaan kurva linear dan segitiga dari fungsi keanggotaan MURAH, SEDANG, dan MAHAL, maka diperoleh derajat keanggotaannya. Berikut adalah sebagian derajat keanggotaan pada variabel biaya untuk setiap obyek 47
16 wisata yang ada di Yogyakarta yang dapat dilihat pada Tabel 4.4. Derajat keanggotaan pada variabel biaya secara keseluruhan terlampir pada Lampiran 3. Tabel 4.4. Derajat Keanggotaan pada Variabel Biaya BIAYA NO OBYEK WISATA BIAYA MURAH SEDANG MAHAL 1 Air Terjun Sidoharjo 2 0,96 0, Grojogan Watu Jonggol 2 0,96 0, Curug Nglinggo 2 0,96 0, Goa Kiskendo 35 0,3 0,7 0 5 Gua Seropan 2 0,96 0, Museum Kayu 5 0,9 0,1 0 c. Derajat Keanggotaan Variabel Pemandangan Variabel pemandangan atau isi museum terbagi menjadi 3 fungsi keanggotaan, yaitu fungsi keanggotaan BIASA, BAGUS dan SANGAT BAGUS. Masing-masing obyek wisata akan dicari derajat keanggotaannya pada setiap fungsi keanggotaan pemandangan. Nilai derajat keanggotaan diperoleh dengan mesubstitusikan besarnya nilai pemandangan dari masingmasing obyek wisata ke dalam persamaan fungsi keanggotaan pemandangan BIASA, BAGUS dan SANGAT BAGUS. Setelah disubstitusikan nilai biaya pada masing-masing obyek wisata ke dalam persamaan kurva bahu dari fungsi keanggotaan BIASA, BAGUS dan SANGAT BAGUS maka diperoleh derajat keanggotaannya. Berikut adalah sebagian derajat keanggotaan pada variabel 48
17 pemandangan untuk setiap obyek wisata yang ada di Yogyakarta yang dapat dilihat pada Tabel 4.5. Derajat keanggotaan pada variabel pemandangan atau isi museum secara keseluruhan terlampir pada Lampiran 3. Tabel 4.5. Derajat Keanggotaan pada Variabel Pemandangan atau Isi Museum NO 1 2 OBYEK WISATA Air Terjun Sidoharjo Grojogan Watu Jonggol PEMANDANGAN BIASA PEMANDANGAN BAGUS SANGAT BAGUS ,25 0, , , Curug Nglinggo , , Goa Kiskendo , , Gua Seropan , , Museum Kayu ,95 0,05 d. Derajat Keanggotaan Variabel Keamanan Variabel Keamanan terbagi menjadi 3 fungsi keanggotaan, yaitu fungsi keanggotaan CUKUP AMAN, AMAN dan SANGAT AMAN. Masing-masing obyek wisata akan dicari derajat keanggotaannya pada setiap fungsi keanggotaan keamanan. Nilai derajat keanggotaan diperoleh dengan mesubstitusikan besarnya nilai keamanan dari masing-masing obyek wisata ke dalam persamaan fungsi keanggotaan keamanan CUKUP AMAN, AMAN dan SANGAT AMAN. Setelah disubstitusikan nilai keamanan pada masingmasing obyek wisata ke dalam persamaan kurva bahu dari fungsi keanggotaan 49
18 CUKUP AMAN, AMAN dan SANGAT AMAN maka diperoleh derajat keanggotaannya. Berikut adalah sebagian derajat keanggotaan pada variabel biaya untuk setiap obyek wisata yang ada di Yogyakarta yang dapat dilihat pada Tabel 4.6. Derajat keanggotaan pada variabel keamanan secara keseluruhan terlampir pada Lampiran 3. Tabel 4.6. Derajat Keanggotaan pada Variabel Keamanan KEAMANAN NO OBYEK WISATA KEAMANAN CUKUP AMAN AMAN SANGAT AMAN 1 Air Terjun Sidoharjo , , Grojogan Watu Jonggol , , Curug Nglinggo , , Goa Kiskendo , , Gua Seropan , , Museum Kayu , , e. Derajat Keanggotaan Variabel Transportasi Variabel transportasi terbagi menjadi 4 fungsi keanggotaan, yaitu fungsi keanggotaan SULIT, SEDANG, MUDAH dan SANGAT MUDAH. Masingmasing obyek wisata akan dicari derajat keanggotaannya pada setiap fungsi keanggotaan transportasi. Nilai derajat keanggotaan diperoleh dengan mesubstitusikan besarnya nilai transportasi dari masing-masing obyek wisata ke dalam persamaan fungsi keanggotaan transportasi SULIT, SEDANG, 50
19 MUDAH dan SANGAT MUDAH. Setelah disubstitusikan nilai transportasi pada masing-masing obyek wisata ke dalam persamaan kurva bahu dari fungsi keanggotaan SULIT, SEDANG, MUDAH dan SANGAT MUDAH maka diperoleh derajat keanggotaannya. Berikut adalah sebagian derajat keanggotaan pada variabel trasportasi untuk setiap obyek wisata yang ada di Yogyakarta yang dapat dilihat pada Tabel 4.7. Derajat keanggotaan pada variabel transportasi secara keseluruhan terlampir pada Lampiran 3. NO OBYEK WISATA Tabel 4.7. Derajat Keanggotaan pada Variabel Transportasi TRANSPORTASI SULIT TRANSPORTASI SEDANG MUDAH SANGAT MUDAH 1 Air Terjun Sidoharjo , , Grojogan Watu Jonggol , , Curug Nglinggo , , Goa Kiskendo ,2 0,8 0 5 Gua Seropan ,75 0, Museum Kayu , , f. Derajat Keanggotaan Variabel Kebersihan Variabel kebersihan terbagi menjadi 4 fungsi keanggotaan, yaitu fungsi keanggotaan KOTOR, CUKUP BERSIH, BERSIH, dan SANGAT BERSIH. Masing-masing obyek wisata akan dicari derajat keanggotaannya pada setiap fungsi keanggotaan kebersihan. Nilai derajat keanggotaan diperoleh dengan mesubstitusikan besarnya nilai kebersihan dari masing-masing obyek wisata ke dalam persamaan fungsi keanggotaan kebersihan KOTOR, CUKUP BERSIH, 51
20 BERSIH dan SANGAT BERSIH. Setelah disubstitusikan nilai kebersihan pada masing-masing obyek wisata ke dalam persamaan kurva bahu dari fungsi keanggotaan KOTOR, CUKUP BERSIH, BERSIH dan SANGAT BERSIH maka diperoleh derajat keanggotaannya. Berikut adalah sebagian derajat keanggotaan pada variabel kebersihan untuk setiap obyek wisata yang ada di Yogyakarta yang dapat dilihat pada Tabel 4.8. Derajat keanggotaan pada variabel kebersihan secara keseluruhan terlampir pada Lampiran 3. Tabel 4.8. Derajat Keanggotaan pada Variabel Kebersihan KEBERSIHAN NO OBYEK WISATA KEBERSIHAN KOTOR CUKUP BERSIH BERSIH SANGAT BERSIH 1 Air Terjun Sidoharjo , , Grojogan Watu Jonggol , , Curug Nglinggo , , Goa Kiskendo ,5 0,5 0 5 Gua Seropan ,5 0, Museum Kayu , , g. Derajat Keanggotaan Variabel Keramaian Variabel keramaian terbagi menjadi 4 fungsi keanggotaan, yaitu fungsi keanggotaan SEPI, BIASA, RAMAI, dan SANGAT RAMAI. Masing-masing obyek wisata akan dicari derajat keanggotaannya pada setiap fungsi keanggotaan keramaian. Nilai derajat keanggotaan diperoleh dengan 52
21 mesubstitusikan besarnya nilai keramaian dari ke masing-masing obyek wisata ke dalam persamaan fungsi keanggotaan keramaian SEPI, BIASA, RAMAI dan SANGAT RAMAI. Setelah disubstitusikan nilai biaya pada masingmasing obyek wisata ke dalam persamaan kurva bahu dari fungsi keanggotaan SEPI, BIASA, RAMAI dan SANGAT RAMAI maka diperoleh derajat keanggotaannya. Berikut adalah sebagian derajat keanggotaan pada variabel keramaian untuk setiap obyek wisata yang ada di Yogyakarta yang dapat dilihat pada Tabel 4.9. Derajat keanggotaan pada variabel keramaian secara keseluruhan terlampir pada Lampiran 3. NO Tabel 4.9. Derajat Keanggotaan pada Variabel Keramaian OBYEK WISATA KERAMAIAN KERAMAIAN SEPI BIASA RAMAI SANGAT RAMAI 1 Air Terjun Sidoharjo , , Grojogan Watu Jonggol ,5 0,5 0 3 Curug Nglinggo ,5 0,5 0 4 Goa Kiskendo , , Gua Seropan , , Museum Kayu ,9 0,1 0 h. Derajat Keanggotaan Variabel Fasilitas Variabel fasilitas terbagi menjadi 3 fungsi keanggotaan, yaitu fungsi keanggotaan SEDIKIT, SEDANG, dan BANYAK. Masing-masing obyek wisata akan dicari derajat keanggotaannya pada setiap fungsi keanggotaan fasilitas. Nilai derajat keanggotaan diperoleh dengan mesubstitusikan besarnya 53
22 nilai fasilitas dari masing-masing obyek wisata ke dalam persamaan fungsi keanggotaan fasilitas SEDIKIT, SEDANG, dan BANYAK. Setelah disubstitusikan nilai fasilitas pada masing-masing obyek wisata ke dalam persamaan kurva bahu dari fungsi keanggotaan SEDIKIT, SEDANG, dan BANYAK maka diperoleh derajat keanggotaannya. Berikut adalah sebagian derajat keanggotaan pada variabel fasilitas untuk setiap obyek wisata yang ada di Yogyakarta yang dapat dilihat pada Tabel Derajat keanggotaan pada variabel fasilitas secara keseluruhan terlampir pada Lampiran 3. Tabel Derajat Keanggotaan pada Variabel Fasilitas NO OBYEK WISATA FASILITAS FASILITAS SEDIKIT SEDANG BANYAK 1 Air Terjun Sidoharjo , , Grojogan Watu Jonggol Curug Nglinggo , , Goa Kiskendo , , Gua Seropan 45 0, , Museum Kayu Menentukan Nilai Fire strength Tahapan yang dilakukan selanjutnya adalah melakukan inferensi fuzzy. Inferensi fuzzy yang digunakkan adalah metode Tahani dimana operator yang digunakan dalam perhitungan adalah operator AND. Ada 2 operator AND yaitu 54
23 operator AND pergandaan dan operator AND minimum. Pada tahap ini akan dicari nilai fire strength berdasarkan Query yang diberikan oleh wisatawan. Misalkan diberikan Query 1 yaitu akan dicari obyek wisata dengan kriteria sebagai berikut: Jenis wisata Biaya Pemandangan Keamanan Transportasi Kebersihan Keramaian Fasilitas : ALAM : MURAH : BAGUS : CUKUP AMAN : SEDANG : BERSIH : BIASA : SEDANG Maka untuk mendapatkan hasil rekomendasi obyek wisata yang paling dekat dengan kriteria yang akan dicari adalah dengan mencari nilai fire strength pada masing-masing obyek wisata. Nilai fire strength akan dicari menggunakan rumus operator AND: α 1 = (μ JW ) (μ BI ) (μ PM ) (μ KM ) (μ TR ) (μ KB ) (μ KR ) (μ FS ) atau α 2 = min (μ JW, μ BI, μ PM, μ KM, μ TR, μ KB, μ KR, μ FS ) Keterangan: α 1 α 2 μ JW = nilai fire strength dengan operator AND pergandaan = nilai fire strength dengan operator AND minimum = fungsi keanggotaan dari himpunan fuzzy Jenis Wisata 55
24 μ BI μ PM μ KM μ TR μ KB μ KR μ FS = fungsi keanggotaan dari himpunan fuzzy Biaya = fungsi keanggotaan dari himpunan fuzzy Pemandangan = fungsi keanggotaan dari himpunan fuzzy Keamanan = fungsi keanggotaan dari himpunan fuzzy Transportasi = fungsi keanggotaan dari himpunan fuzzy Kebersihan = fungsi keanggotaan dari himpunan fuzzy Keramaian = fungsi keanggotaan dari himpunan fuzzy Fasilitas untuk lebih jelasnya akan digambarkan pada Tabel Tabel Derajat Keanggotaan Semua Variabel NO OBYEK WISATA Air Terjun Sidoharjo Grojogan Watu Jonggol Curug Nglinggo μ JW ALAM μ BI MURAH μ PM BAGUS μkm CUKUP AMAN 1 0,96 0,25 0, ,96 0, , ,96 0, , μ TR SEDANG 0, , , μ KB BERSIH 0, , , μ KR BIASA 0, μ FS SEDANG 0, ,5 1 0,5 0, Goa Kiskendo 1 0,3 0, , ,2 0,5 0, Gua Seropan 1 0,96 0, , ,75 0,5 0, Museum Kayu 0 0,9 0,95 0, , , , ,8333 0,9 1 Derajat keanggotaan pada masing-masing variabel untuk semua obyek wisata yang telah diketahui kemudian disubstitusikan ke dalam rumus operator AND. Nilai α 1 dan α 2 pada masing-masing kecamatan adalah: 56
25 α 1 = (μ JW ALAM ) (μ BI MURAH ) (μ PM BAGUS ) (μ KM CUKUP AMAN ) (μ TR SEDANG ) (μ KB BERSIH ) (μ KR BIASA ) (μ FS SEDANG ) α 1 = (1) (0,96) (0,583335) (0,583335) (0,75) (0,5) α 1 = (0,833335) (0,8333) Dengan langkah yang sama diperoleh α 1 pada semua obyek wisata. Nilai α 1 atau nilai fire strength pada semua obyek wisata kemudian diurutkan dari nilai fire strength yang paling besar seperti pada Tabel Tabel Fire strength Hasil Operator AND Pergandaan No Obyek wisata Fire strength 1 Goa Seropan Grojogan Banyu Tibo Air Terjun Jogan Wanagama Curug Tegalrejo Curug Banyunibo Gunung Kendil Goa Rancang Kencono Grojogan Watu Jonggol Gunung Gambar Curug Pulosari Curug Nglinggo Embung Serut Sukunan Goa Cerme Goa Selarong
26 Berdasarkan Tabel 4.12 hasil perhitungan fire strength yang dihasilkan oleh operator AND Pergandaan dapat dilihat bahwa obyek wisata Goa Seropan menduduki peringkat pertama dengan nilai fire strength sebesar 0,0851. Perhitungan berikutnya adalah mencari nilai fire strength menggunakan menggunakan operator AND minimum. Langkah perhitungannya adalah sebagai berikut: α 2 = min {(μ JW ALAM ), (μ BI MURAH ), (μ PM BAGUS ), (μ KM CUKUP AMAN ), (μ TR SEDANG ),(μ KB BERSIH ), (μ KR BIASA ),(μ FS SEDANG )} α 2 = min {(1),(0,96),(0,583335),(0,583335), (0,75),(0,5), (0,833335),(0,8333)} α 2 = 0,5 Selanjutnya dengan langkah yang sama, akan dicari α 2 dari obyek-obyek wisata yang lain. Setelah diperoleh nilai fire strength pada semua obyek wisata, semua obyek wisata tersebut diurutkan berdasarkan nilai fire strength yang paling besar. Urutan obyek wisata tersebut dapat dilihat pada Tabel obyek wisata yang menduduki peringkat teratas adalah Goa Seropan dengan fire strength sebesar 0,5. 58
27 Tabel Fire strength hasil operator AND minimum No Obyek wisata Fire strength 1 Goa Seropan Grojogan Banyu Tibo Wanagama Air Terjun Jogan Curug Tegalrejo Goa Rancang Kencono Gunung Gambar Curug Banyunibo Curug Pulosari Curug Nglinggo Grojogan Watu Jonggol Gunung Kendil Air Terjun Gedangan Goa Selarong Air Terjun Goa Cerme 0.2 Tahap-tahap perancangan aplikasi fuzzy decision making dengan metode Tahani secara keseluruhan menggunakan MATLAB R09a dengan Script yang terlampir pada Lampiran 6. B. Uji Kesesuaian Hasil Aplikasi dengan Kondisi Obyek wisata Langkah yang dilakukan selanjutnya adalah melakukan pengujian pada masing-masing obyek wisata untuk mengetahui apakah aplikasi yang telah dibuat ini sesuai dengan kondisi obyek-obyek wisata tersebut atau tidak. Salain itu 59
28 pengujian ini juga dilakukan untuk mengetahui operator AND hasilnya paling sesuai dan dapat digunakan untuk aplikasi ini ke depannya. Pengujian ini dimulai dengan mengelompokkan obyek wisata pada query yang sesuai dengan kondisi obyek wisata yang akan diuji tersebut. Misalkan obyek wisata yang akan diuji adalah Goa Seropan, maka query yang diberikan adalah query yang sesuai dengan kondisi Goa Seropan. Kemudian dicari nilai fire strength pada semua obyek wisata. Pengujian ini dikatakan sesuai apabila nilai fire strength yang paling tinggi dari obyek wisata yang telah dirangking adalah nilai fire strength dari obyek wisata Goa Seropan. Kondisi dari masing-masing obyek wisata dapat diketahui dengan melihat nilai derajat keanggotaan dari setiap variabel. Kondisi obyek wisata diambil berdasarkan derajat keanggotaan yang paling besar nilainya dari setiap variabel. Pada Tabel 4.11 dapat dilihat bahwa obyek wisata Goa Seropan memiliki nilai derajat keanggotaan pada Biaya MURAH = 0,96, nilai derajat keanggotaan pada Biaya SEDANG = 0,04, dan nilai derajat keanggotaan pada Biaya MAHAL = 0. Karena nilai derajat keanggotaan Biaya MURAH yang paling tinggi maka Biaya Goa Seropan adalah MURAH. Langkah ini dilakukan pada semua obyek wisata untuk semua variabel, sehingga diperoleh karakteristik dari setiap obyek wisata yang dapat dilihat pada Tabel data karekteristik selengkapnya dapat dilihat pada Lampiran 4. 60
29 Tabel Data Karakteristik Obyek wisata No Obyek wisata Jenis Wisata Biaya Pemandangan Keamanan Transportasi Kebersihan Keramaian Fasilitas Gua Seropan Pasar Beringharj o Keraton Ngayogya karta Pantai Indrayanti ALAM MURAH BAGUS WAHAN A SEJARA H PANTAI CUKUP AMAN SEDAN G MURAH BAGUS AMAN MUDAH BERSIH MURAH MURAH SANGAT BAGUS SANGAT BAGUS AMAN MUDAH BERSIH AMAN MUDAH BERSIH BERSIH BIASA RAMA I RAMA I RAMA I SEDANG SEDANG BANYA K BANYA K De Mata Trick Eye Museum MUSEU M SEDANG BAGUS AMAN MUDAH BERSIH RAMA I BANYA K Sebagaimana yang bisa dilihat pada Lampiran 3, ada beberapa obyek wisata yang memiliki karakteristik yang sama, maka untuk memudahkan pengujian maka obyek-obyek wisata tersebut dikelompokkan kembali sesuai dengan karakter yang sama dalam satu Query. Pengelompokkan tersebut dapat dilihat pada Tabel Pengujian pada obyek wisata dilakukan sebanyak 60 kali uji sesuai dengan jumlah Query atau kelompok obyek-obyek wisata yang memiliki karakteristik yang sama. Hasil pengelompokkan query secara keseluruhan terlampir pada Lampiran 5. 61
30 No Uji Query 1 Query 2 Query 3 Query 4 Jenis Wisata Tabel Query berdasarkan karakteristik obyek wisata Biaya Peman dangan ALAM MURAH BAGUS Keama nan CUKUP AMAN Transpor tasi Kebersih an Keram aian Fasilitas SEDANG BERSIH BIASA SEDANG ALAM MURAH BAGUS AMAN MUDAH BERSIH RAMAI SEDANG ALAM MURAH BAGUS AMAN MUDAH BERSIH RAMAI BANYAK ALAM MURAH SANGA T BAGUS AMAN MUDAH BERSIH RAMAI SEDANG Query MUSE UM MURAH BAGUS AMAN MUDAH BERSIH RAMAI BANYAK Uji Query 1 Uji yang pertama adalah uji kesesuaian obyek wisata berdasarkan kriteria pada Query 1. Berikut adalah Query yang diberikan. Jenis Wisata Biaya Pemandangan Keamanan Transportasi Kebersihan Keramaian Fasilitas : ALAM : MURAH : BAGUS : CUKUP AMAN : SEDANG : BERSIH : BIASA : SEDANG. 62
31 Obyek wisata yang memiliki karateristik yang sesuai dengan Query 1 adalah Goa Seropan. Hasil dari pemilihan berdasarkan Query 1 dapat dilihat pada Tabel Tabel (a) Hasil Query 1 AND Pergandaan Tabel (b) Hasil Query 1 AND Minimum No Obyek wisata AND AND No Obyek wisata Pergandaan Minimum 1 Goa Seropan Goa Seropan Grojogan Banyu Tibo Grojogan Banyu Tibo Air Terjun Jogan Wanagama Wanagama Air Terjun Jogan Curug Tegalrejo Curug Tegalrejo Curug Banyunibo Goa Rancang Kencono Gunung Kendil Gunung Gambar Goa Rancang Kencono Curug Banyunibo Grojogan Watu Jonggol Curug Pulosari Gunung Gambar Curug Nglinggo Curug Pulosari Grojogan Watu Jonggol Curug Nglinggo Gunung Kendil Embung Serut Sukunan Air Terjun Gedangan Goa Cerme Goa Selarong Goa Selarong Air Terjun Goa Cerme 0.2 Berdasarkan hasil pada Tabel 4.16 maka dapat dilihat bahwa kedua operator AND memberikan hasil yang diharapkan yaitu Goa Seropan berada pada peringkat teratas. Jadi uji berdasarkan Query 1 telah sesuai. Langkah ini kemudian diulangi untuk memperoleh hasil uji pada Query Hasil dari uji Query 2-60 dapat dilihat pada Lampiran 5. Setelah dilakukan pengujian pada aplikasi, hasil pengujian direkap untuk mengetahui jumlah hasil yang sesuai dan yang tidak sesuai yang dihasilkan oleh kedua operator. Rekapitulasi hasil operator AND pergandaan dan minimum dapat dilihat pada Tabel 4.17, untuk lebih lengkapnya dapat dilihat pada Lampiran 5. 63
32 Tabel Rekapitulasi Uji Kesesuaian Obyek wisata No Uji AND Pergandaan AND Minimum 1 Query 1 Sesuai Sesuai 2 Query 2 Sesuai Sesuai 3 Query 3 Sesuai Sesuai 4 Query 4 Sesuai Sesuai 5 Query 5 Sesuai Tidak Sesuai 6 Query 6 Tidak Sesuai Tidak Sesuai 7 Query 7 Sesuai Sesuai 8 Query 8 Tidak Sesuai Sesuai 9 Query 9 Sesuai Sesuai 10 Query 10 Sesuai Sesuai 11 Query 11 Sesuai Sesuai 12 Query 12 Sesuai Sesuai 13 Query 13 Tidak Sesuai Sesuai 14 Query 14 Tidak Sesuai Sesuai 15 Query 15 Sesuai Tidak Sesuai Query 60 Sesuai Sesuai Berdasarkan Lampiran 5, dari 60 uji yang telah dilakukan terdapat 15 hasil yang tidak sesuai yang dihasilkan oleh operator AND pergandaan, sedangkan untuk operator AND minimum menghasilkan 4 hasil yang tidak sesuai dengan yang diharapkan. Nilai keakuratan data uji untuk aplikasi fuzzy decision making dengan operator AND pergandaan adalah Akurasi Uji Pergandaan = % = 75% dan errornya sebesar 60 Error Uji Pergandaan = 100% 75% = 25%, 64
33 sedangkan nilai keakuratan dara uji dengan menggunakan operator AND minimum adalah Akurasi Uji Minimum = % = 93,33% dan errornya sebesar 60 Error Uji Minimum = 100% 93,33% = 6,67% Jadi berdasarkan hasil keakurasian data uji dengan menggunakan kedua operator, maka hasil yang diperoleh dari operator AND minimum lebih sesuai dari pada hasil yang diperoleh dari operator AND pergandaan, sehingga pada aplikasi pemilihan tujuan wisata ini dalam perhitungan selanjutnya hanya akan menggunakan operator AND minimum. C. Implementasi Aplikasi Fuzzy Decision Making Menggunakan Graphical User Interface (GUI) Tahapan terakhir pada penelitian ini adalah mengimplementasikan aplikasi fuzzy decision making yang telah dibangun dengan menggunakan Graphical User Interface (GUI). Tahapan ini bertujuan untuk mempermudah pengguna/wisatawan dalam menggunakan aplikasi fuzzy decision making sehingga aplikasi bisa lebih komunikatif terhadap pengguna. Hasil dari implementasi aplikasi fuzzy decision making dengan GUI dapat dilihat pada Gambar 4.9, sedangkan untuk langkahlangkah perancangannya dijelaskan pada Lampiran 8. 65
34 Gambar 4.9. Tampilan Aplikasi Fuzzy Decision Making Menggunakan GUI Penggunaan aplikasi yang ditunjukan pada Gambar 4.9 di atas dimulai dengan memilih kriteria yang dikehendaki pada masing-masing variabel seperti jenis wisata, biaya, pemandangan, keamanan, transportasi, kebersihan, keramaian dan fasilitas. Selanjutnya pengguna hanya cukup menekan push button PROSES untuk mendapatkan rekomendasi obyek wisata yang disertai dengan gambar dan informasi dari obyek wisata tersebut. hasil yang keluar pada GUI merupakan hasil dari aplikasi fuzzy decision making yang telah dibangun dengan MATLAB. 66
BAB III METODE PENELITIAN
BAB III METODE PENELITIAN Bab III berisi tentang metode penelitian. Metode penelitian yang digunakan dalam penelitian ini terdiri dari teknik pengumpulan data, teknik analisis data dan perencanaan layar
Lebih terperinciBAB II KAJIAN TEORI. diantaranya mengenai Pariwisata di Yogyakarta, obyek wisata, penelitianpenelitian
BAB II KAJIAN TEORI Bab II berisi kajian teori. Teori-teori yang digunakan dalam penelitian ini diantaranya mengenai Pariwisata di Yogyakarta, obyek wisata, penelitianpenelitian terdahulu, teori himpunan
Lebih terperinciBAB IV PEMBAHASAN. A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai. Pertimbangan Pengambilan Keputusan Pemberian Kredit
BAB IV PEMBAHASAN A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai Pertimbangan Pengambilan Keputusan Pemberian Kredit Aplikasi fuzzy logic untuk pengambilan keputusan pemberian kredit
Lebih terperinciFUZZY DECISION MAKING APPLICATION FOR CHOOSING TOURISM DESTINATION IN YOGYAKARTA USING TAHANI METHOD IMPLEMENTED BY GRAPHICAL USER INTERFACE (GUI)
APLIKASI FUZZY DECISION MAKING UNTUK PEMILIHAN TUJUAN WISATA DI YOGYAKARTA DENGAN MENGGUNAKAN METODE TAHANI YANG DIIMPLEMENTASIKAN DENGAN GRAPHICAL USER INTERFACE (GUI) FUZZY DECISION MAKING APPLICATION
Lebih terperinciAPLIKASI BERBASIS WEB PEMILIHAN OBYEK PARIWISATA DI YOGYAKARTA MENGGUNAKAN METODE TAHANI
APLIKASI BERBASIS WEB PEMILIHAN OBYEK PARIWISATA DI YOGYAKARTA MENGGUNAKAN METODE TAHANI Hafsah1), Wilis Kaswidjanti2), Tendi R. Cili3) 1,2,3) Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari
Lebih terperinciBAB IV PEMBAHASAN. BAB IV berisi pembahasan tahapan penelitian, yaitu klasifikasi logika. A. Identifikasi Data Cadangan Hidrokarbon
BAB IV PEMBAHASAN BAB IV berisi pembahasan tahapan penelitian yaitu klasifikasi logika fuzzy hasil pembahasan analisis pengujian model fuzzy dan visualisasi model fuzzy pada perhitungan cadangan hidrokarbon
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 terperinciIMPLEMENTASI METODE FUZZY TAHANI UNTUK REKOMENDASI TUJUAN WISATA DI TULUNGAGUNG
IMPLEMENTASI METODE FUZZY TAHANI UNTUK REKOMENDASI TUJUAN WISATA DI TULUNGAGUNG SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program Studi Teknik
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 terperinciAplikasi Fuzzy Decision Making Dengan Menggunakan Metode Mamdani Penggandaan Dalam Pemilihan Smartphone
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 A - 8 Aplikasi Fuzzy Decision Making Dengan Menggunakan Metode Mamdani Penggandaan Dalam Pemilihan Smartphone Muhammad Najib Mubarrok, Agus
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY. Abstraksi
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY Denny Cristiono T.S., Yugowati P.,Sri Yulianto J.P. Fakultas Teknologi Informasi Universitas Kristen
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan perkembangan zaman dan kompleksnya kehidupan, maka manusia menginginkan tersedianya informasi yang tepat dan akurat dalam mengambil keputusan.
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 terperinciPENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI
PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI Hilda Lutfiah, Amar Sumarsa 2, dan Sri Setyaningsih 2. Program Studi Matematika Fakultas Matematika
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya
Aplikasi Sistem Inferensi Fuzzy Metode Sugeno dalam Memperkirakan Produksi Air Mineral dalam Kemasan Oleh Suwandi NRP 1209201724 Dosen Pembimbing 1. Prof. Dr M. Isa Irawan, MT 2. Dr Imam Mukhlash, MT Institut
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 LOGIKA FUZZY Titik awal dari konsep modern mengenai ketidakpastian adalah paper yang dibuat oleh Lofti A Zadeh, dimana Zadeh memperkenalkan teori yang memiliki obyek-obyek dari
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 1 PENDAHULUAN Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Teknologi komunikasi saat ini mengalami perkembangan yang sangat pesat, terlebih lagi teknologi ponsel atau telepon selular. Makin banyak produk ponsel berkualitas
Lebih terperinciBAB II. KAJIAN PUSTAKA. A. Kinerja Pegawai di Universitas Muhammadiyah Purwokerto
BAB II. KAJIAN PUSTAKA A. Kinerja Pegawai di Universitas Muhammadiyah Purwokerto Masalah kinerja pegawai di Universitas Muhammadiyah Purwokerto sangat mendapat perhatian. Hal ini dibuktikan dengan diadakannya
Lebih terperinciPerancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani
Perancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani 23 Sathya Adi Dharma Program Studi Teknik Informatika Fakultas Teknologi Informasi Institut Informatika
Lebih terperinciBAB III PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017.
BAB III PEMBAHASAN Data yang digunakan dalam bab ini diasumsikan sebagai data perkiraan harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017. Dengan demikian dapat disusun model Fuzzy
Lebih terperinciBAB III ANALISIS SISTEM
BAB III ANALISIS SISTEM 3. Identifikasi Masalah Masalah yang dihadapi adalah sebagai berikut :. Banyak kriteria yang terlibat dalam perhitungan yang masih menggunakan cara konvensional sehingga membutuhkan
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 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 terperinciDAFTAR ISI BAB I PENDAHULUAN
DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pernyataan Keaslian Tugas Akhir... iii Lembar Pengesahan Penguji... iv Halaman Persembahan... v Motto... vi Kata Pengantar... vii
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 terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
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 terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciPenilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani M-4 Dewi Mardhiyana Universitas Pekaloangan dewimardhiyana139@gmail.com
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 terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OBJEK PARIWISATA PADA DAERAH KALIMANTAN BARAT MENGGUNAKAN LOGIKA FUZZY
1 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OBJEK PARIWISATA PADA DAERAH KALIMANTAN BARAT MENGGUNAKAN LOGIKA FUZZY Nurul Hafizah Yadi 1, Arif Bijaksana Putra Negara 2, Nofi Safriadi 3. Program Studi Informatika
Lebih terperinciPendekatan Logika Fuzzy untuk Perhitungan Gap pada Metode Profile Matching dalam Menentukan Kelayakan Proposal Penelitian
Pendekatan Logika Fuzzy untuk Perhitungan Gap pada Metode Profile Matching dalam Menentukan Kelayakan Proposal Penelitian Jumadi 1, a) Cecep Nurul Alam 2, b) 3, c) dan Ichsan Taufik 1, 2, 3 Jurusan Teknik
Lebih terperinciLogika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy.
LOGIKA FUZZY UTHIE Intro Pendahuluan Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy. Lotfi Asker Zadeh adalah seorang ilmuwan
Lebih terperinciSistem Pendukung Keputusan Pemilihan Obyek Wisata Tegal Menggunakan Metode Fuzzy Tahani
Sistem Pendukung Keputusan Pemilihan Obyek Wisata Menggunakan Metode Fuzzy Tahani Agung Prayogi Erna Zuni Astuti 2 Program Studi Teknik Informatika Universitas Dian Nuswantoro Semarang, Indonesia e-mail
Lebih terperinciBAB III ANALISIS KEBUTUHAN PERANGKAT LUNAK
1.6.2 Metode Pembuatan Perangkat Lunak 3 1 7 SistematikaPenulisan 4 BAB II LANDASAN TEORI 2.1 Sistem 2.2 Informasi 2.3 Sistem Informasi 7 2.4 Basis Data 0 o 2.5 Konsep Logika Fuzzy 8 2.5.1 Himpunan Crisp
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
4 BAB 2 TINJAUAN PUSTAKA 2. 1. Fuzzy Logic Fuzzy logic pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun 1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasi pikiran manusia
Lebih terperinciPrediksi Ketersediaan Beras di Masyarakat Menggunakan Logika Fuzzy Dalam Upaya Meningkatkan Ketahanan Pangan ( Studi Kasus di Kecamatan Harau)
Prediksi Ketersediaan Beras di Masyarakat Menggunakan Logika Fuzzy Dalam Upaya Meningkatkan Ketahanan Pangan ( Studi Kasus di Kecamatan Harau) Hezy Kurnia Universitas Putra Indonesia YPTK, Padang e-mail
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 terperinciDECISSION SUPPORT SYSTEM MODELS DENGAN FUZZY TAHANI UNTUK PROMOSI KARYAWAN
Seminar Nasional Inovasi dan Tren (SNIT)205 DECISSION SUPPORT SYSTEM MODELS DENGAN FUZZY TAHANI UNTUK PROMOSI KARYAWAN Ghofar Taufiq Akademi Manajemen Informatika dan Komputer Bina Sarana Informatika (AMIK
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 terperinciBAB III METODE PENELITIAN. Bab ini berisi penjelasan mengenai metode penelitian, jenis dan sumber data
BAB III METODE PENELITIAN Bab ini berisi penjelasan mengenai metode penelitian, jenis dan sumber data penelitian, teknik pengumpulan data, teknik analisis data dan desain penelitian. A. Metode Penelitian
Lebih terperinciPraktikum sistem Pakar Fuzzy Expert System
Praktikum sistem Pakar Fuzzy Expert System Ketentuan Praktikum 1. Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa untuk praktikum pertemuan ke - 8 2. Mahasiswa akan mendapatkan penjelasan
Lebih terperinciPEMANFAATAN METODE FUZZY TAHANI UNTUK REKRUTMEN PEMBINA PRAMUKA PADA MTS SWASTA LAMONGAN
PEMANFAATAN METODE FUZZY TAHANI UNTUK REKRUTMEN PEMBINA PRAMUKA PADA MTS SWASTA LAMONGAN Nurul Fuad Fakultas Teknik Informatika Universitas Islam Lamongan Jl Veteran No 9 Lamongan fuad@unisla.ac.id ABSTRAK
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 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Pada database standar, data diklasifikasikan berdasarkan bagaimana data tersebut dipandang oleh pengguna. Oleh karena itu pada database standar,
Lebih terperinciBAB I PENDAHULUAN. fasilitas- fasilitas atau fitur- fitur yang ada di perumahan tersebut dan faktor-faktor
BAB I PENDAHULUAN I.1 Latar Belakang Pengembang atau developer perumahan selaku koordinator pelaksana di lapangan perlu diiringi oleh perkembangan teknologi komputer untuk dapat memenuhi kebutuhan para
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 terperinciHimpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi
Himpunan Fuzzy Sistem Pakar Program Studi : S1 sistem Informasi Outline Himpunan CRISP Himpunan Fuzzy Himpunan CRISP Pada himpunan tegas (crisp), nilai keanggotaan suatu item dalam suatu himpunan A, yang
Lebih terperinciLOGIKA FUZZY. By: Intan Cahyanti K, ST
LOGIKA FUZZY By: Intan Cahyanti K, ST Pengertian Adalah suatu cara untuk memetakan suatu ruang input kedalam suatu ruang output. Skema Logika Fuzzy Antara input dan output terdapat suatu kotak hitam yang
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 terperinciAnalisa Fuzzy Logic Untuk Menentukan Kepuasan Pelayanan Kinerja Pegawai BAAK (Bagian Administrasi dan Akademik) di Universitas Internasional Batam
Konferensi Nasional Sistem Informasi 2016 STT Ibnu Sina Batam, 11 13 Agustus 2016 1 Analisa Fuzzy Logic Untuk Menentukan Kepuasan Pelayanan Kinerja Pegawai BAAK (Bagian Administrasi dan Akademik) di Universitas
Lebih terperinci1. BAB I PENDAHULUAN. Kamera digital (kamera saku dan kamera semi professional) merupakan
1. BAB I PENDAHULUAN Latar Belakang Kamera digital (kamera saku dan kamera semi professional) merupakan imaging device yang sangat akrab digunakan dalam kebutuhan masyarakat modern saat ini. Kamera digital
Lebih terperinciMetode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan
Scientific Journal of Informatics Vol., No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/inde.php/sji e-issn 2460-0040 Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan
Lebih terperinciPenerapan Logika Fuzzy Metode Sugeno Untuk Memprediksi Jumlah Penumpang Di Terminal Ronggo Sukowati Pamekasan
Penerapan Logika Fuzzy Metode Sugeno Untuk Memprediksi Jumlah Penumpang Di Terminal Ronggo Sukowati Pamekasan Tony Yulianto 1, Sugiono 2, M. Fariz Fadillah Mardianto 3 1,2,3) Program Studi Matematika,
Lebih terperinciKIAT HEMAT REKREASI RAMAI-RAMAI
KIAT HEMAT REKREASI RAMAI-RAMAI Oleh: Safir Senduk Dikutip dari Tabloid NOVA No. 771/XV Tahun ini, pemerintah kita menetapkan libur Hari Raya yang lumayan panjang. Kalau biasanya libur resmi lebaran hanya
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Obyek Penelitian Penulis melaksanakan penelitian yang di mulai pada tanggal 15 Oktober 2012 dan di beberapa toko komputer di kota semarang, hal ini dilakukan untuk mendapatkan
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 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 IV IMPLEMENTASI DAN ANALISA. Kost Harga (Rp.)
digilib.uns.ac.id BAB IV IMPLEMENTASI DAN ANALISA 4.1 Implementasi Perhitungan Manual Dalam sistem rekomendasi ini terdapat 2 perhitungan utama, yaitu perhitungan himpunan fuzzy untuk menentukan nilai
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Logika Fuzzy Logika Fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasipikiran manusia
Lebih terperinciSIDANG TESIS. Oleh : Enny Rohmawati Malik. Dosen Pembimbing : Dr. Imam Mukhlash,S.Si,M.T
SIDANG TESIS APLIKASI SISTEM INFERENSI FUZZY DAN METODE REGRESI UNTUK MENGETAHUI FAKTOR FAKTOR YANG MEMPENGARUHI KINERJA KEUANGAN PERBANKAN (Studi Kasus Bank di Indonesia Periode 2005-2009) Dosen Pembimbing
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 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 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 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 terperinciBAB 1 PENDAHULUAN Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Pengembang atau developer perumahan selaku koordinator pelaksana di lapangan perlu diiringi oleh perkembangan teknologi komputer untuk dapat memenuhi kebutuhan
Lebih terperinciBIODATA NAMA : KHRISTANTO ADI P : PRODI : AKUNTANSI TUGAS: APLIKOM
BIODATA NAMA : KHRISTANTO ADI P NIM : 15061167 PRODI : AKUNTANSI TUGAS: APLIKOM WISATA KULON PROGO LATAR BELAKANG Mengenalkan sekaligus mempromosikan lokasi wisata daerah sendiri agar wisata daerah kabupaten
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 terperinciBAB II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas
BAB II LANDASAN TEORI Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas dalam pembuatan tugas akhir ini. Secara garis besar teori penjelasan akan dimulai dari definisi logika fuzzy,
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 4 NO. 1 SEPTEMBER 2011
OPTIMALISASI PRODUK MOBIL DENGAN SISTEM PENDUKUNG KEPUTUSAN BERBASIS FUZZY Dedy Irfan 1 ABSTRACT Make decision is required to utilize one among some existing alternatives. Decision made to solve problem,
Lebih terperinciDECISION SUPPORT SYSTEM UNTUK PEMBELIAN MOBIL MENGGUNAKAN FUZZY DATABASE MODEL TAHANI
DECISION SUPPORT SYSTEM UNTUK PEMBELIAN MOBIL MENGGUNAKAN FUZZY DATABASE MODEL TAHANI Eliyani 1, Utomo Pujianto 2, Didin Rosyadi 3 123 Jurusan Teknik Informatika Muhammadiyah Gresik Jl.Sumatera 101Gresik
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 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 terperinciPenerapan Fuzzy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang
Penerapan Fuy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang Thomson Mary Program Studi Pendidikan Informatika, STKIP PGRI Sumatera Barat Kampus II, Gunung Pangilun, Padang Email:
Lebih terperinciPENGESAHAN PEMBIMBING...
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN PEMBIMBING... ii HALAMAN PERNYATAAN KEASLIAN... iii LEMBAR PENGESAHAN PENGUJI... iv HALAMAN PERSEMBAHAN... v HALAMAN MOTTO... vii KATA PENGANTAR... viii
Lebih terperinciMODEL FUZZY TAHANI UNTUK PENENTUAN SISWA TERBAIK DI SEKOLAH
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 207, pp. 24~22 24 MODEL FUZZY TAHANI UNTUK PENENTUAN SISWA TERBAIK DI SEKOLAH Ghofar Taufik AMIK BSI Jakarta e-mail: ghofar.gft@bsi.ac.id Abstrak
Lebih terperinciDAFTAR ISI ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL BAB I PENDAHULUAN
DAFTAR ISI ABSTRAK... i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI... iv DAFTAR GAMBAR...x DAFTAR TABEL... xiii BAB I PENDAHULUAN 1.1 Latar Belakang Masalah...1 1.2 Identifikasi Masalah...3 1.3 Maksud
Lebih terperinciLOGIKA FUZZY FUNGSI KEANGGOTAAN
LOGIKA FUZZY FUNGSI KEANGGOTAAN FUNGSI KEANGGOTAAN (Membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai/derajat keanggotaannya yang memiliki interval
Lebih terperinciSistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani
Sistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani Eddy Triswanto S., ST., M.Kom. Jurusan Sistem Informasi Institut Informatika Indonesia Jl. Raya Sukomanunggal Jaya 3, Surabaya
Lebih terperinciBAB IV PEMBAHASAN. Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan
BAB IV PEMBAHASAN Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan teori aljabar max-plus dalam pengaturan lampu lalu lintas di simpang empat Beran Kabupaten Sleman Provinsi Daerah
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 terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Seperti yang kita ketahui bahwa indonesia memiliki banyak tempat-tempat wisata yang bagus yang terkenal sampai mancanegara. Seperti Bali, Lombok, Raja Ampat dan lainnya.
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 III LANDASAN TEORI
BAB III LANDASAN TEORI Bab ini akan memaparkan berbagai teori yang melandasi penulis dalam membangun sistem yang nantinya akan dibuat. 3.1. Pengertian Optimalisasi Secara umum pengertian optimalisasi menurut
Lebih terperinciBAB III METODE PENELITIAN. terdiri dari teknik pengumpulan data, teknik analisis data dan perencanaan layar
BAB III METODE PENELITIAN Bab III berisi tentang metode penelitian. Metode penelitian yang digunakan terdiri dari teknik pengumpulan data, teknik analisis data dan perencanaan layar aplikasi. A. Teknik
Lebih terperinciSISTEM PENUNJANG KEPUTUSAN MENGGUNAKAN SISTEM BASIS DATA FUZZY UNTUK PEMBELIAN RUMAH PERUMNAS
ISSN 89 628X PROSESOR Vol Edisi 6 Desember 12 SISTEM PENUNJANG KEPUTUSAN MENGGUNAKAN SISTEM BASIS DATA FUZZY UNTUK PEMBELIAN RUMAH PERUMNAS Ewi Ismaredah, Teknik Komputer Politeknik Negeri Sriwijaya ABSTRAK
Lebih terperincimasukan pada sistem yang umumnya berapa data yang diturunkan dari kebutuhan perangkat lunak atau program komputer
TAKARIR Crisp Data Flow Diagram (DFD) database Tegas diagram yang menunjukkan aliran data atau informasi dan transformasi data yang bergerak dari pemasukan data hingga ke keluaran basisdata atau tempat
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 terperinciPenentuan Harga dengan Menggunakan Sistem Inferensi Fuzzy Tsukamoto Pada Rancang Bangun Aplikasi Finding-Tutor
A527 Penentuan Harga dengan Menggunakan Sistem Inferensi Fuzzy Tsukamoto Pada Rancang Bangun Aplikasi Finding-Tutor Syah Dia Putri Mustika Sari, R.V. Hari Ginardi, dan Chastine Fatichah Departemen Teknik
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 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 terperinciJURNAL SISTEM PENENTUAN HARGA PERCETAKAN FOTO DIGITAL MENGGUNAKAN FUZZY TSUKAMOTO DI ALIEF COMPUTER KOTA KEDIRI
JURNAL SISTEM PENENTUAN HARGA PERCETAKAN FOTO DIGITAL MENGGUNAKAN FUZZY TSUKAMOTO DI ALIEF COMPUTER KOTA KEDIRI PRICING SYSTEM USING DIGITAL PHOTO PRINTING ON FUZZY TSUKAMOTO ALIEF COMPUTER KEDIRI Oleh:
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 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 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 terperinciDAFTAR ISI. KATA PENGANTAR... Error! Bookmark not defined. ABSTRAK... Error! Bookmark not defined. ABSTRACT... Error! Bookmark not defined.
DAFTAR ISI KATA PENGANTAR... Error! Bookmark not ABSTRAK... Error! Bookmark not ABSTRACT... Error! Bookmark not DAFTAR ISI... v DAFTAR GAMBAR... ix DAFTAR TABEL... xi BAB I... Error! Bookmark not PENDAHULUAN...
Lebih terperinciAPLIKASI FUZZY LOGIC UNTUK MENILAI KOLEKTIBILITAS ANGGOTA SEBAGAI PERTIMBANGAN PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT DI KOPERASI X SKRIPSI
APLIKASI FUZZY LOGIC UNTUK MENILAI KOLEKTIBILITAS ANGGOTA SEBAGAI PERTIMBANGAN PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT DI KOPERASI X SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Objek Penelitian Objek penelitian dalam tugas akhir ini adalah BPR BKK Kendal yang beralamatkan di jalan Soekarno Hatta No 335 Kendal. Penelitian ini berlangsung dari bulan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN Deskripsi Data
BAB IV HASIL DAN PEMBAHASAN 4.. Deskripsi Data Pada penelitian ini data yang digunakan adalah data bulanan banyaknya wisatawan yang datang di kota Surakarta dari Januari 200 sampai Desember 204. Data banyaknya
Lebih terperinci