Prediksi Ketersediaan Beras di Masyarakat Menggunakan Logika Fuzzy Dalam Upaya Meningkatkan Ketahanan Pangan ( Studi Kasus di Kecamatan Harau)
|
|
- Bambang Agusalim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 hezy_kurnia@gmail.com Abstrak Logika Fuzzy dapat dimanfaatkan untuk memprediksi ketersediann beras pada suatu wilayah. Penyediaan beras yang dilakukan masyarakat pada saat ini masih dalam kategori sederhana, mulai dari pembelian baik dari panen sendiri maupun perdagangan antar daerah. Sistem penyediaan ini cukup beresiko besar untuk menanggung ketersediaan pangan sepanjang tahun. Dengan menggunakan metode fuzzy nantinya akan dapat membantu dalam mendapatkan keputusan tentang prediksi ketersediann beras pada suatu wilayah. Kata Kunci : Logika Fuzzy, Fuzzy Tahani, Beras, Sistem Pendukung Keputusan 1. PENDAHULUAN Logika fuzzy dapat dimanfaatkan untuk memprediksi ketersediaan beras pada suatu wilayah. Dengan menggunakan logika fuzzy data akan dikelompokkan kedalam beberapa himpunan fuzzy sesuai dengan himpunan fuzzy yang akan diolah sifat kelekatan datanya. Himpunan fuzzy ini bersifat linear atau ekponensial, tergantung dari fungsi keanggotaan fuzzy yang dipilih. Dengan logika fuzzy maka data yang ada sebelumnya dapat digunakan untuk memprediksi ketersedian beras untuk waktu yang akan datang pada suatu wilayah. 2. LANDASAN TEORI Menurut Suyanto (2011) logika fuzzy didefenisikan sebagai suatu jenis logic yang bernilai ganda dan berhubungan dengan ketidakpastian dan kebenaran pasial. Defenisi lain dari logika Fuzzy merupakan modifikasi dari teori himpunan dimana setiap anggotanya memiliki derajat keanggotaan yang bernilai kontinu antara 0 sampai 1 (Rian Anggraeni, 2004).Selain itu, logika fuzzy juga didefeniksikan suatu cara yang tepat untuk memetakan suatu ruang input, kedalam suatu ruang output (Lia Amalia, 2010) Fuzzy logic (logika kabur) didasari atas konsep himpunan kabur yang memetakan domain input kedalam domain output. Perbedaan mendasar himpunan tegas dengan himpunan kabur adalah nilai keluarannya. Himpunan tegas hanya memiliki dua nilai output yaitu nol dan satu, sedangkan himpunan kabur memiliki banyak nilai kelua ran yang dikenal dengan nilai derajat keanggotaannya. Untuk memahami logika fuzzy, ada beberapa konsep himpunan fuzzy. Himpunan fuzzy memiliki dua atribut (T.Sutojo,2010), yaitu : 1. Linguistik, yaitu : nama suatu kelompok yang mewakili suatu keadan tertentu dengan menggunakan bahasa alami, misalnya rendah, sedang, tinggi mewakili variabel jumlah. 2. Numeris, yaitu : suatu nilai yang menunjukkan ukuran dari suatu variabel, misalnya 10, 35, 40, dan sebagainya. Logika Fuzzy memiliki elemen dasar sistem inferensi fuzzy seperti yang terlihat pada gambar
2 Input Fuzzyfikasi Mesin Inferensi Defuzzyfikasi Output Gambar 2.1. Struktur Sistem Inferensi Fuzzy Selama ini sudah ada beberapa penelitian tentang basis data fuzzy, sebagian besar basis data fuzzy merupakan perluasan dari basis data relasional, namun dikemas dalam formulasi yang berbeda tergantung pada tipe ambiguitas yang akan diekspresikan dan dimanipulasi. Salah satunya adalah model Tahani. Fuzzy model Tahani adalah salah satu cabang dari logika fuzzy, yang merupakan salah satu dari metode fuzzy yang menggunakan basis data standar. Tahani mendeksripsikan suatu metode pemrosesan query fuzzy, dengan didasarkan atas manipulasi bahasa yang dikenal dengan nama SQL ( Stryctured Query Language), sehingga fuzzy model Tahani sangat tepat digunakan dalam proses pencarian data yang tepat dan akurat ( Lia Amalia,2010). 3. ANALISA DAN PERANCANGAN Pada penelitian untuk menentukan prediksi ketersediaan beras di masyarakat diproses mengunakan logika fuzzy untuk menghasilkan suatu output dan data. Data yang telah didapat dianalisa sehingga dikelompokkan menjadi beberapa kelompok data yang dapat diproses dengan merancang rule-rule dengan menggunakan sistem fuzzy. Sistem yang dibangun merupakan sistem basisdata fuzzy, karena yang digunakan adalah model tahani, maka relasi yang ada dalam basisdata masih bersifat standar. a. Kebutuhan input Kebutuhan input untuk memprediksi ketersediaan beras dimasyarakat adalah jumlah pasokan beras, volume perdagangan, dan konsumsi masyarakat. b. Kebutuhan output Output sistem berupa hasil prediksi ketersedian beras di masyarakat berdasarkan kriteria yang telah ditentukan Tahapan dalam memprediksi ketersediaan beras di masyarakat secara sederhana terdiri dari tiga tahap yaitu tahap I menetukan jumlah pasokan beras, tahap II menetukan jumlah volume perdagangan beras, tahap III menentukan jumlah konsumsi masyarakat dan tahap IV hasil prediksi dimana setiap tahapan saling berkaitan. a. Fungsi Keanggotaan Data Pasokan Beras Pada Analisa Fungsi Keanggotaan data pasokan beras, data yang digunakan adalah data pasokan beras yang telah masuk Tabel 3.1 Data Prediksi Beras No Bulan Konsu msi Beras Pasoka n Beras Volum e Beras 1 Januari Februari Maret April Mei Juni Juli Agustus
3 9 September Oktober November Desember Untuk variabel data pasokan beras dikategorikan dalam himpunan fuzzy rendah, sedang, dan tinggi. Untuk himpunan fuzzy rendah dan tinggi meggunakan pendekatan fungsi keanggotaan yang berbentuk bahu sedangkan untuk himpunan sedang dan tinggi menggunakan pendekatan fungsi keanggotaan yang berbentuk segitiga, seperti yang terlihat pada gambar 3.1 Gambar 3.1. Fungsi Keanggotaan untuk Variabel Pasokan Beras Untuk variabel pasokan beras dibagi menjadi 3 himpunan fuzzy, yaitu rendah, sedang, dan tinggi dengan semesta pembicaraan ( ), seperti yang terlihat pada tabel 3.2. Tabel 3.2. Himpunan Fuzzy Variabel Pasokan Beras Semesta Pembicara an Himpunan Fuzzy Domain ( ) Rendah [0,150,250] Sedang [150,250,500 ] Tinggi [250,500] b. Fungsi Keanggotaan Data Volume Perdagangan Untuk variabel volume perdagangan beras dikategorikan dalam himpunan fuzzy rendah, sedang, tinggi. Untuk himpunan fuzzy rendah dan tinggi meggunakan pendekatan fungsi keanggotaan yang berbentuk bahu sedangkan untuk himpunan sedang dan tinggi menggunakan pendekatan fungsi keanggotaan yang berbentuk segitiga, seperti yang terlihat pada gambar Gambar 3.2. Fungsi Keanggotaan untuk Variabel Volume Perdagangan Beras 66
4 Untuk variabel volume perdagangan beras dibagi menjadi 3 himpunan fuzzy, yaitu rendah, sedang, dan tinggi dengan semesta pembicaraan ( ), seperti yang terlihat pada tabel 3.2. Tabel 3.2. Himpunan Fuzzy Variabel Volume Perdagangan Beras Semesta Pembicara an Himpunan Fuzzy Domain ( ) Rendah [0,250,300] Sedang [250,300,500 ] Tinggi [300,500] c. Fungsi Keanggotan Data Konsumsi Beras Untuk variabel konsumsi beras dikategorikan dalam himpunan fuzzy rendah, sedang, tinggi. Untuk himpunan fuzzy rendah dan tinggi meggunakan pendekatan fungsi keanggotaan yang berbentuk bahu sedangkan untuk himpunan sedang dan tinggi menggunakan pendekatan fungsi keanggotaan yang berbentuk segitiga, seperti yang terlihat pada gambar 3.3. Gambar 3.3. Fungsi Keanggotaan untuk Variabel Volume konsumsi Beras Untuk variabel konsumsi beras dibagi menjadi 3 himpunan fuzzy, yaitu rendah, sedang, dan tinggi dengan semesta pembicaraan (5-13), seperti yang terlihat pada tabel 3.3. Tabel 3.3. Himpunan Fuzzy Variabel Volume Perdagangan Beras Semesta Pembicara an Himpunan Fuzzy Domain (5-13) Rendah [0,5,9] Sedang [5,9,13] Tinggi [9,13] d. Fungsi Keanggotaan Output Fungsi keanggotaan untuk prediksi ketersediaan beras mempunyai 3 buah himpunan fuzzy yaitu defisit, sedang, dan surplus dengan meggunakan pendekatan fungsi keanggotaan yang berbentuk bahu dan segitiga, seperti yang terlihat pada gambar
5 Gambar 3.4. Fungsi Keanggotaan output Untuk variabel ketersediaan beras dibagi menjadi 3 himpunan fuzzy, yaitu defisit, sedang, dan surplus dengan semesta pembicaraan (2-10), seperti yang terlihat pada tabel 3.3. Tabel 3.4. Himpunan Fuzzy Variabel Volume Perdagangan Beras Semesta Pembicara an Himpunan Fuzzy Domain (2-10) Rendah [0,2,6] Sedang [2,6,10] Tinggi [6,10] Dalam penelitian ini digunakan basis data model tahani, karena itu sistem ini hanya digunakan untuk menguji kebenaran penelitian ini yang dibuat dengan database MySQL. Struktur basis data yang dipakai adalah struktur basis data sederhana, berikut struktur tabel yang digunakan : a. Tabel data prediksi beras Tabel data prediksi beras ini digunakan untuk menyimpan data prediksi beras dalam databse prediksi ketersediaan beras, adapun struktur tabel dapat dilihat pada tabel 3.4. Tabel 3.4. Tabel Data Prediksi b. Tabel data user Tabel data user digunakan untuk menyimpan data user dalam data base prediksi ketersediaan beras, adapun struktur tabelnya dapat dilihat pada tabel
6 Tabel 3.5. Tabel data user Nama Field Nama pass Type Varcha r Varcha r Panjan Ket. g 20 PK (Primary key) IMPLEMENTASI Data prediksi ketersediaan yang digunakan untuk pengujian sistem ini sebanyak 12 data, dapat dilihat pada tabel 4.1. Tabel 4.1. Tabel Data Prediksi Ketersediaan Beras No Bulan Pasoka n Beras Volum e Beras Konsu msi Beras 1 Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Pengkajian prediksi ketersediaan beras berdasarkan pasokan beras dilakukan dengan pengelompokan variabel dan parameter, berdasarkan 1 variabel dan 3 parameter. Data lebih rinci dapat dilihat pada gambar 4.1. Gambar 4.1. Data Prediksi Ketersediaan Beras Berdasarkan Pasokan Beras Dari gambar 4.1. dapat dilihat bahwa data prediksi ketersediaan beras berdasarkan pasokan beras yang paling dominan pada derajat keanggotaan sedang. 69
7 Pengkajian prediksi ketersediaan beras berdasarkan volume perdagangan beras dilakukan dengan pengelompokan variabel dan parameter, berdasarkan 1 variabel dan 3 parameter. Data lebih rinci dapat dilihat pada gambar 4.2. Gambar 4.2. Data Prediksi Ketersediaan Beras Bedasarkan Volume Perdagangan Dari gambar 4.2. dapat dilihat bahwa data prediksi ketersediaan beras berdasarkan volume perdagangan beras yang paling dominan pada derajat keanggotaan tinggi. Pengkajian prediksi ketersediaan beras berdasarkan konsumsi beras dilakukan dengan pengelompokan variabel dan parameter, berdasarkan 1 variabel dan 3 parameter. Data lebih rinci dapat dilihat pada gambar 4.3. Gambar 4.3. Data Prediksi Ketersediaan Beras Bersarkan Konsumsi Beras Dari tabel 4.4. dapat dilihat bahwa data prediksi ketersediaan beras berdasarkan konsumsi beras yang paling dominan pada derajat keanggotaan tinggi. Query adalah metode untuk mengakses record record dari satu tabel atau lebih yang mempunyai attribut sesuai dengan kriteria tertentu. Penggunaan query dalam aplikasi database menjadikan proses manipulasi data menjadi lebih mudah. Adapun quuery yang digunakandalam sistem ini yaitu sebagai berikut : 1. Query 1 Pada bulan apa saja kecamatan mengalami prediksi beras defisit, sedang dan surplus? a. Query prediksi ketersediaan beras defisit select*from hasil where keterangan = Defisit Hasil query1 data data prediksi ketersediaan beras defisit dapat dilihat pada gambar
8 Gambar 4.4. Data Prediksi Ketersediaan Beras Defisit b. Query prediksi ketersediaan beras sedang select*from hasil where keterangan = Sedang Hasil query2 data data prediksi ketersediaan beras sedang dapat dilihat pada gambar 4.5. Gambar 4.5. Data Prediksi Ketersediaan Beras Sedang c. Query prediksi ketersediaan beras surplus select*from hasil where keterangan = Surplus Hasil query3 data data prediksi ketersediaan beras surplus dapat dilihat pada gambar 4.6 Gambar 4.6. Data Prediksi Ketersediaan Beras Surplus 71
9 4.1. Desain Antarmuka (Interface) Form Login Form Login merupakan form untuk memberikan akses kepada user masuk ke dalam sistem. Adapun form login dapat dilihat pada gambar 4.7. Gambar 4.7. Form Login Form Menu Utama Form menu utama adalah form yang tampil ketika user log in. Pada form menu terdapat pilihan entry dan laporan. Adapun bentuk form menu utama dapat dilihat pada gambar 4.8. Gambar 4.8. Form Menu Utama Form Entry Data Predikdi Ketersediaan Beras Form ini digunakan oleh petugas kecamatan untuk mengentry-kan data data yang dibutuhkan untuk memprediksi ketersediaan beras. Adapun bentuk form entry data dapat dilihat pada gambar
10 Gambar 4.9. Form Entry Data Form Laporan Prediksi Ketersediaan Beras Form laporan predikdi ketersediaan beras merupakan form untuk melihat data data beras defidit, sedang, surplus, dan keseluruhan yang ada pada database. Adapun bentuk form laporan dapat dilihat pada gambar Gambar Form Laporan Melalui form laporan prediksi ketersediaan beras ini dapat dilihat informasi semua data beras atau bulan yang mengalami defisit, sedang, dan surplus. Adapun bentuk tampilan laporan beras defisit dapat dilihat pada gambar Gambar Laporan Data Prediksi Ketersediaan Beras Defisit 73
11 Adapun bentuk tampilan laporan beras sedang, dapat dilihat pada gambar 4.12 Gambar Laporan Data Prediksi Ketersediaan Beras Sedang Adapun bentuk tampilan laporan beras surplus, dapat dilihat pada gambar Gambar Laporan Data Prediksi Ketersediaan Beras Surplus 5. Kesimpulan Berdasarkan penelitian yang telah di lakukan maka di dapatkan kesimpulan sebagai berikut: a) Pembuatan sistem prediksi ketersediaan beras menggunakan metode fuzzy model tahani dapat membantu pihak kecamatan dalam pengambilan keputusan, disini melalui pengkajian dari segi pasokan beras, volume perdagangan, dan konsumsi. b) Apabila sistem prediksi ketersediaan beras ini diterapkan di Kecamatan Harau, maka akan membantu kegiatan program pengembangan kecamatan di Kecamatan Harau ini. c) Dalam penerapan sistem prediksi ketersediaan beras trdapat beberapa faktor yang perlu dipertimbangkan seperti : sarana dan infrastruktur pendukung, pengguna (user), dan biaya. 74
12 REFERENSI [1] Andriansyah, Dicky Eka. Sistem Pengendalian Temperatur Menggunakan Algoritma PID Self Tuning Berbasis Fuzzy Logic Pada Desuperheater di Unit Utilitas Trans Pasific Petrochemical Indotama (TPPI) Tuban. Jurusan Teknik Fisika FTI ITS Surabaya. [2] Anggraeni,Rian Sistem Pencarian Kriteria Kelulusan Menggunakan Metode Fuzzy Tahani. Fakultas Teknologi informasi Universitas Islam Indonesia. [3] Eliyani Decision Support System Untuk Pembelian Mobil Menggunakan Fuzzy Database Model Tahani. Jurusan Teknik Informatika Muhammadiyah. Gresik [4] Suyanto Artificial Intelligence. Informatika; Bandung [5] T.Sutojo dkk Kecerdasan buatan. Yogyakarta;Andi. 75
SPK 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 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 terperinciLOGIKA FUZZY DALAM SISTEM PENDUKUNG KEPUTUSAN UNTUK ANALISA PENDISTRIBUSIAN RASKIN ( STUDI KASUS DI KECAMATAN BUKIT SUNDI )
LOGIKA FUZZY DALAM SISTEM PENDUKUNG KEPUTUSAN UNTUK ANALISA PENDISTRIBUSIAN RASKIN ( STUDI KASUS DI KECAMATAN BUKIT SUNDI ) Irzal Arief Wisky Universitas Putra Indonesia YPTK Padang irzal.arief2@gmail.com
Lebih terperinciSISTEM PENCARIAN KRITERIA KELULUSAN MENGGUNAKAN METODE FUZZY TAHANI Kasus pada Fakultas Teknologi Industri Universitas Islam Indonesia
Media Informatika, Vol. 2, No. 2, Desember 2004, 65-74 ISSN: 0854-4743 SISTEM PENCARIAN KRITERIA KELULUSAN MENGGUNAKAN METODE FUZZY TAHANI Kasus pada Fakultas Teknologi Industri Universitas Islam Indonesia
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TINJAUAN TEORITIS 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern mengenai ketidakpastian
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 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 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 terperinciTAKARIR. data atau informasi dan transformasi data yang bergerak dari pemasukan data hingga ke keluaran. Database
TAKARIR artificial intelligence backward chaining Data Flow Diagram (DFD) Database Decision Tree expert system forward chaining Flowchart Hardware Input Interface knowladge base Login Logout Output kecerdasan
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 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 I PENDAHULUAN. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakang Logika fuzzy merupakan salah satu komponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KETUA SENAT MAHASISWA DENGAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KETUA SENAT MAHASISWA DENGAN LOGIKA FUZZY Jamaludin Malik 1), Arik Sofan Tohir 2), Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email: 1) malixjams@gmail.com,
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 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 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 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 terperinciBAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri.
BAB II LANDASAN TEORI 2.1 Penelusuran Minat dan Kemampuan (PMDK) PMDK adalah salah satu program penerimaan mahasiswa baru yang diselenggarakan oleh suatu perguruan tinggi secara mandiri. Sesuai dengan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang .
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem database yang digunakan oleh manusia hanya mampu menangani data yang bersifat pasti (crisp), begitu pula pada query yang menggunakan bahasa Structured Query
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 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 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 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 terperincidan kesatuan nyata yang dapat digunakan dalam pengambilan keputusan. [JOG99]
BAB II LANDASAN TEORI 2.1 Sistem Pendekatan sistem yang kbih menekankan pada elemen atatu komponennya mendefinisikan suatu sistem sebagai berikut: [JOG99] Sistem adalah kumpulan dan elemen-elemen yang
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 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 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 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 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 terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN TUNJANGAN DENGAN METODE FUZZY TAHANI BERBASIS WEB
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN TUNJANGAN DENGAN METODE FUZZY TAHANI BERBASIS WEB Septian Eko Prasetyo 5302413080 Rombel IV PROGRAM STUDI PENDIDIKAN TEKNIK INFORMATIKA DAN KOMPUTER JURUSAN TEKNIK
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 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 terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1. Analisis Masalah Pada masa sekarang ini banyak produsen makanan yang berlomba lomba menciptakan berbagai jenis makanan yang bervariatif, dari jenis makanan yang
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1. Analisis Sistem Analisis sistem adalah tahapan yang memiliki tujuan untuk mempelajari prosedur yang sedang berjalan saat ini dan kebutuhan pengguna dari aplikasi
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 terperinciAplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy (Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap)
Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy (Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap) Sri Yulianto J.P., Indrastanti R.W., Martha Oktriani Fakultas
Lebih terperinciANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG
ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG Harison Dosen Jurusan Teknik Informatika Fakultas Teknologi Industri Institut Teknologi Padang Abstrak Keputusan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK PENENTUAN PENERIMA BERAS MISKIN MENGGUNAKAN BASIS DATA FUZZY
SISTEM PENDUKUNG KEPUTUSAN UNTUK PENENTUAN PENERIMA BERAS MISKIN MENGGUNAKAN BASIS DATA FUZZY Standy Oei Jurusan Teknik Informatika Universitas Nusantara Manado Jl. Lengkong Wuaya Paal Dua, Manado, 95129
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Analisa sistem pada yang berjalan bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Sistem Pendukung Keputusan Pemilihan Produk
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 terperinciImplementasi Fuzzy Database Model Tahani untuk Pembelian Rumah Perumnas
Pekanbaru, 18-19 Mei 17 Implementasi Fuzzy Database Model Tahani untuk Pembelian Rumah Perumnas Ewi Ismaredah UIN Suska Riau Pekanbaru e-mail : ewi.ismaredah@uin-suska.ac.id Jl.H.R.Soebrantas No.155 km
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Kebutuhan akan teori dalam dunia pendidikan sangat besar. Teori banyak di tulis ke dalam sebuah buku maupun jurnal. Pada universitas potensi utama,
Lebih terperinciSISTEM REKOMENDASI PEMILIHAN KARYAWAN TETAP PADA PT. ENSEVAL PUTERA MEGATRADING MENGGUNAKAN METODE FUZZY TAHANI BERBASIS WEB
SISTEM REKOMENDASI PEMILIHAN KARYAWAN TETAP PADA PT. ENSEVAL PUTERA MEGATRADING MENGGUNAKAN METODE FUZZY TAHANI BERBASIS WEB SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang harus dipenuhi setiap harinya. Beras memiliki peranan penting dalam kelangsungan hidup manusia. Untuk memenuhi
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 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 I PENDAHULUAN. Sebuah toko komputer ingin membangun suatu database yang isinya tidak
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sebuah toko komputer ingin membangun suatu database yang isinya tidak hanya komponen-komponen dasar komputer, tetapi juga informasi yang dapat membantu dalam
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 III METODE PENELITIAN. sistem yang digunakan untuk menggambarkan aliran data secara keseluruhan
30 BAB III METODE PENELITIAN Metode penelitian pada tugas akhir ini mencakup beberapa tahapan pengerjaan antara lain : 3.1. Perancangan Sistem Perancangan sistem pada penelitian tugas akhir ini terdiri
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Valentine Ponsel dalam melakukan pemilihan perangkat Android masih dilakukan secara manual berdasarkan model dan merk. Cara seperti ini menyebabkan
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1. Analisis Masalah Dalam pemilihan KPR masyarakat haruslah jeli, namun untuk menentukan KPR masyarakat umum memiliki kendala di saat memiliki minat untuk membeli
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 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 terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Bagi para calon mahasiswa cenderung bingung memilih jurusan yang mana yang akan mereka geluti di dunia pendidikan. Sekolah Tinggi Teknologi Sinar
Lebih terperinciPenggunaan Fuzzy Tahani Untuk Sistem Informasi Stok Obat & Penjualan Obat Terlaris Pada Apotek RSU Lirboyo Kediri
Penggunaan Fuzzy Tahani Untuk Sistem Informasi Stok Obat & Penjualan Obat Terlaris Pada Apotek RSU Lirboyo Kediri SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer
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 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 terperinciBAB IV ANALISA DAN PERANCANGAN PROSES
BAB IV ANALISA DAN PERANCANGAN 4.1 Gambaran Umum Sistem Implementasi sistem secara keseluruhan akan merancang sebuah sistem yang memprediksikan harga emas dengan menggunakan metode Automatic Clustering
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Pendukung Keputusan 2.1.1 Pengertian Sistem Pendukung Keputusan Sistem Pendukung Keputusan (Decision Support System) adalah sistem informasi berbasis komputer yang dapat
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 terperinciSISTEM PENDUKUNG KEPUTUSAN PEMBELIAN NOTEBOOK MENGGUNAKAN LOGIKA FUZZY TAHANI
Jurnal Informatika Mulawarman Vol. 6 No. 3 September 2011 98 SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN NOTEBOOK MENGGUNAKAN LOGIKA FUZZY TAHANI 1) Hamdani 2) Haviluddin 3) Muhammad Syarif Abdillah 1,2,3) Program
Lebih terperinciSISTEM REKOMENDASI PEMILIHAN LEMBAGA BIMBINGAN BELAJAR MENGGUNAKAN METODE FUZZY TAHANI SKRIPSI
SISTEM REKOMENDASI PEMILIHAN LEMBAGA BIMBINGAN BELAJAR MENGGUNAKAN METODE FUZZY TAHANI SKRIPSI Diajukan Untuk Memenuhi Sebagia Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom ) Program Studi Teknik
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 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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern
Lebih terperinciBAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL. asing. Dalam pengalaman keseharian kita, permasalahan yang berkaitan dengan fuzzy
BAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL 4.1 Pengenalan konsep fuzzy logic Konsep mengenai fuzzy logic bukanlah merupakan sesuatu yang baru dan asing. Dalam pengalaman keseharian kita,
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 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 terperinciSIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY
SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY Nesi Syafitri. N Teknik Informatika, Fakultas Teknik Universitas Islam Riau, Jalan Kaharuddin Nasution No. 3,
Lebih terperinciadalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK
1 Evaluasi Kinerja Pelayanan Perawat Menggunakan Fuzzy Inference System (FIS) Mamdani ( Studi Kasus : Puskesmas Bonang 1 Demak) ARIS MUTHOHAR Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer,
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 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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Metode Peramalan Peramalan (forecasting) adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah situasi atau kondisi yang
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 terperinciAPLIKASI PENCARIAN LULUSAN MAHASISWA DENGAN BORANG AKREDITASI MENGGUNAKAN METODE FUZZY SKRIPSI
APLIKASI PENCARIAN LULUSAN MAHASISWA DENGAN BORANG AKREDITASI MENGGUNAKAN METODE FUZZY SKRIPSI Diajukan Oleh : DESTA KURNIAWAN NPM : 0634010175 JURUSAN TEKNIK INFORMATIKA PROGDI SISTEM INFORMASI FAKULTAS
Lebih terperinciIMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH
IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH Reino Adi Septiawan Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang Email : a11.2009.04948@gmail.com
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 III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1. Analisis Masalah Yang Sedang Berjalan Masalah-masalah yang sering dihadapi oleh PT. Blue Bird Medan adalah kesulitan dalam mencatat dan membedakan Penyusutan Aktiva
Lebih terperinciBAB II LANDASAN TEORI. language pada sistem basis data yang antara lain meliputi :
BAB II LANDASAN TEORI Bab ini menguraikan teori-teori yang digunakan dalam pembuatan tugas akhir dengan judul penerapan representasi logika fuzzy untuk structured query language pada sistem basis data
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No., (203) 2337-3520 (230-928X Print) Perancangan Sistem Pakar Fuzzy Untuk Pengenalan Dini Potensi Terserang Stroke Berbasis Web Harmuda Pandiangan, M Isa Irawan dan
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 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 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 terperinciBAB III METODE PENELITIAN. pegawai negeri pada instansi pemerintahan, seperti digambarkan sebagai
30 BAB III METODE PENELITIAN Tugas akhir ini berupa proyek (pengembangan), di mana sistem yang ada dapat memberikan suatu penyelesaian dari permasalahan mengenai analisa tingkat resiko yang akan dihadapi
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 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 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 terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1. Analisis Masalah Masalah-masalah yang sering dihadapi oleh Dinas Perhubungan Sumatra Utara adalah kesulitan dalam pencatatan serta menentukan banyak setoran pendapatan
Lebih terperinciSiska Ernida Wati, Djakaria Sebayang, Rachmad Sitepu
Saintia Matematika Vol. 1, No. 3 (2013), pp. 273 24. PERBANDINGAN METODE FUZZY DENGAN REGRESI LINIER BERGANDA DALAM PERAMALAN JUMLAH PRODUKSI (Studi Kasus Produksi Kelapa Sawit di PT. Perkebunan III (PERSERO)
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1. Analisa Masalah PT. Intraco Agro Industry merupakan perusahaan yang bergerak dibidang pakan ternak. Masalah yang dihadapi PT. Intraco Agro Industry pada saat ini
Lebih terperinciSISTEM PAKAR MENDIAGNOSA PENYAKIT GINJAL MENGGUNAKAN METODE ALGORITMA FUZZY LOGIC SKRIPSI
SISTEM PAKAR MENDIAGNOSA PENYAKIT GINJAL MENGGUNAKAN METODE ALGORITMA FUZZY LOGIC SKRIPSI Oleh : Ennanda Putrie A.S 0734010385 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS PEMBANGUNAN
Lebih terperinciBAB IV HASIL DAN UJI COBA
91 BAB IV HASIL DAN UJI COBA IV.1. Tampilan Hasil Berikut ini dijelaskan tentang tampilan hasil dari perancangan sistem informasi akutansi dana subsidi keterampilan program peningkatan mutu pada SMP Negeri
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 terperinciBAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem Definisi Sistem
BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem 2.1.1 Definisi Sistem Menurut Mustakini (2009:34), Sistem dapat didefinisikan dengan pendekatan prosedur dan pendekatan komponen, sistem dapat didefinisikan
Lebih terperinciAnalisa Tingkat Kebisingan di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB
Analisa Tingkat di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB Popy Meilina Jurusan Teknik Informatika Universitas Muhammadiyah Jakarta E-mail: Opi3_five@yahoo.com.sg Abstrak -- Fuzzy Logic
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 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Basis data merupakan kumpulan data yang berisi informasi yang sesuai bagi sebuah institusi/perusahaan (Silberschatz, 2002). Data-data yang disimpan dalam basis data
Lebih terperinciKristanto Wijaya Program Studi Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik Universitas Tanjungpura
1 RANCANG BANGUN SISTEM INFORMASI SIMPAN PINJAM PADA CREDIT UNION KOPERASI SIMPAN PINJAM BAHTERA DENGAN FITUR NILAI REKOMENDASI PEMBERIAN PINJAMAN BERBASIS FUZZY Kristanto Wijaya Program Studi Teknik Informatika
Lebih terperinci