VI. PENGEMBANGAN DECISION NETWORK YANG DIOPTIMASI DENGAN FUZZY INFERENCE SYSTEM UNTUK PENYUSUNAN KALENDER TANAM DINAMIK
|
|
- Yuliana Hartono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 113 VI. PENGEMBANGAN DECISION NETWORK YANG DIOPTIMASI DENGAN FUZZY INFERENCE SYSTEM UNTUK PENYUSUNAN KALENDER TANAM DINAMIK 6.1. Pendahuluan Secara umum, prinsip utama dalam pemodelan optimisasi adalah menentukan solusi terbaik yang optimal dari suatu tujuan yang dimodelkan melalui suatu fungsi objektif. Dalam hal ini, konsep dan prinsip ekonomis memegang peranan penting sebagai parameter/indikator keberhasilan. Solusi optimal yang dimaksud adalah solusi yang layak untuk diambil sebagai suatu keputusan dan dapat mengatasi semua kendala yang muncul dalam pencapaian fungsi tujuan tersebut. Dalam berbagai bidang, tingkat keuntungan yang maksimal atau tingkat kerugian yang minimal menjadi fungsi tujuan yang ingin dicapai. Sehingga secara alamiah, proses optimisasi sangatlah familiar dengan kehidupan manusia secara umum (Sudradjat et al. 29). Lebih lanjut Sudradjat et al. (29) menyatakan bahwa kondisi optimal akan menjadi suatu tantangan untuk dicapai apabila muncul berbagai kendala yang membatasi pencapaian kondisi optimal tersebut. Sebagai contoh pada pemodelan optimisasi pola tanam pada lahan kering, terdapat variabel keputusan yang tidak diketahui besarannya sebelum kondisi terbaik yang optimal tercapai dengan mengatasi seluruh kendala yang ada. Optimisasi decision network dimaksudkan dengan mencari nilai fungsi utilitas yang paling optimal sebagai masukan untuk kalender tanam dinamik. Optimisasi diformulasi dengan menggunakan fuzzy inference system (). Pengujian keabsahan model merupakan tahapan yang penting dalam pemodelan, karena harus selalu disadari bahwa tidak ada model simulasi yang berlaku untuk segala keadaan. Model selalu dikembangkan berdasarkan sejumlah asumsi yang membatasi keabsahan model. Pertimbangan akhir dari model yang teruji adalah model yang memenuhi kriteria : (1) model konseptual yang memberikan representasi baik bagi proses sesungguhnya; dan (2) lulus pengujian yang dilakukan dengan membandingkan hasil simulasi model dengan hasil pengamatan eksperimental dan pengukuran lapang (Pawitan 22). Pengujian tersebut merupakan validasi model. Menurut Handoko (22) validasi model identik dengan pengujian hipotesis yang dalam hal ini, model itu sendiri merupakan hipotesisnya. Validasi model dapat dilakukan melalui beberapa cara
2 114 mulai dari yang bersifat deskriptif misalnya melalui perbandingan secara grafis, yaitu membandingkan antara hasil keluaran model dengan hasil pengukuran lapang pada grafik. Cara ini lebih mudah dilihat dan dibayangkan proses yang dimodelkan serta bagaimana kesamaan atau perbedaannya dengan hasil pengamatan lapang. Dalam bab ini, selain pemaparan mengenai fungsi risiko, juga dipaparkan perihal verifikasi (validasi) fungsi risiko Metodologi Optimasi fungsi risiko yang diformulasi dengan model Fungsi risiko yang memetakan kombinasi keputusan dengan kejadian iklim ke nilai kerugian diformulasi dengan model Fuzzy Inference System (). Hal ini dengan pertimbangan bahwa data yang tersedia sangat sedikit, sehingga tidak mampu memprediksi parameter model dengan baik. Dengan model, tranformasi dari kombinasi pola tanam dengan kejadian iklim ke nilai risiko dilakukan berdasarkan kepakaran. Pengetahuan berdasar pakar tersebut selanjutnya diformalkan dengan aturan atau rule yang berbentuk (Jika... Maka...) dan dinyatakan dalam logika fuzzy. Dengan demikian, faktor ketidakpastian terakomodasi dan keterbatasan data dapat diatasi. Diagram model secara umum adalah sesuai gambar berikut : VI. VII. Gambar 6.1 Model untuk pendugaan nilai risiko Pada Gambar 6.1, x sebagai peubah input dalam penelitian ini terdiri dari 3 peubah, yaitu indeks SST Nino 4, Panjang Musim Hujan (PMH), dan Curah Hujan
3 115 Musim Kemarau (CHMK). Selanjutnya ketiga input tersebut akan memasuki rule 1 hingga rule ke r, untuk menghasilkan himpunan fuzzy output yang merupakan nilai risiko kekeringan. Nilai prediksi risiko ini, yaitu y, dihitung dengan formula defuzzykasi terhadap himpunan fuzzy aggregate dari hasil semua rule. Proses Fuzzy Inference System () dilakukan di Mathlab ver.7. Pada optimisasi dengan menggunakan digunakan data observasi dan digunakan untuk menghitung fungsi risiko Kabupaten Pacitan Verifikasi fungsi risiko yang diformulasi dengan model Verifikasi terhadap fungsi risiko dilakukan dengan membandingkan kekeringan yang diperoleh dari data observasi lapang dan dibandingkan dengan kekeringan yang diperoleh dari model Hasil dan Pembahasan Analisis Optimasi fungsi risiko yang diformulasi dengan model Fungsi risiko bencana kekeringan digunakan untuk mengetahui seberapa besar bencana kekeringan dapat dihitung berdasarkan data-data kekeringan dan luas tambah tanam historis. Optimasi dilakukan untuk mengetahui berapa kerugian yang paling minimal yang mungkin diperoleh berdasarkan pilihan teknologi yang digunakan, atau seberapa besar kerugian dapat ditekan pada penanaman berikutnya apabila diketahui informasi prediksi komponen fungsi risiko. Ada beberapa tahapan dalam proses fuzzy inference system (). Tahapan tersebut meliputi; perumusan masalah, penyusunan fuzzy membership, penyusunan rule, serta proses lain di mathlab. Perumusan masalah merupakan penentuan input dan output sebagai peubah penentu. Terdapat tiga peubah penentu, yaitu; anomali SST Nino 4 bulan Agustus ( o C), panjang musim hujan (PMH) dalam dasarian, dan akumulasi curah hujan musim kemarau (bulan Mei hingga Agustus). Digunakan SST Nino 4 bulan Agustus sebagai acuan untuk prediksi curah hujan, karena pada bulan Agustus hampir >6% anomali curah hujan di wilayah Indonesia mencapai nilai negatif (Aldrian 23). Sedangkan output adalah bencana kekeringan. Data yang digunakan merupakan data tahunan.
4 116 Langkah selanjutnya adalah penyusunan fuzzy membership (penetapan fungsi keanggotan), yaitu penentuan range nilai sehingga dapat diketahui pada posisi mana nilai tersebut berada. Range nilai tersebut adalah sebagai berikut; peubah SST Nino 4 meliputi range nilai antara -2 hingga 2 dengan acuan penetapan dari data jangka panjang (Tabel 6.1), panjang musim hujan berada dalam kisaran 1 hingga 36 dasarian, curah hujan musim kemarau berada pada kisaran <85% hingga >115% dari rata-rata tahunan untuk empat bulan musim kemarau (Mei hingga Agustus). Sedangkan bencana kekeringan diklasifikasikan menjadi tidak terkena, terkena ringan, terkena sedang, berat dan puso. Dimana tidak terkena berarti tidak mengalami kejadian, atau kejadian tersebut sangat kecil sehingga dapat diabaikan. Terkena ringan mempunyai rentang dari nol hingga <Q1 (quartile 1) dari luas kekeringan, terkena sedang (Q1<luas kekeringan<q2), terkena berat (Q2<luas kekeringan<q3), dan puso (>Q3). Rentang fuzzifikasi ini dapat berbeda-beda pada setiap kecamatan, karena baik input terutama curah hujan musim kemarau dan panjang musim hujan berbeda, juga outputnya, mengalami luas kekeringan yang berbeda, sehingga rentangnya menjadi tidak sama antar kecamatan. Tabel 6.1 Contoh himpunan fuzzy untuk input (Anomali SST Nino 4, PMH dan CHMK) Himpunan Klasifikasi Representasi Rentang Fuzzifikasi Fuzzy Interval Anomali La-Nina 1 trapesium < -2., -1.5, > SST Nino4 Normal 2 trapesium < -1., -.5,.5 1. > El-Nino 3 trapesium <.5 1., 1.5, 2. > PMH Rendah 1 trapesium < 1, 1, 8, 12 > Sedang 2 trapesium < 8, 12, 18, 22 > Tinggi 3 trapesium < 18, 22, 36, 36 > CHMK BN 1 trapesium <,, 115, 165> N 2 segitiga <115, 165, 215 > AN 3 trapesium < 165, 215, 6, 6>
5 117 Tabel 6.2 Contoh himpunan fuzzy untuk output (Kekeringan) Himpunan Klasifikasi Representasi Rentang Fuzzifikasi Fuzzy Interval Kekeringan Tidak ada 1 atau nilai dapat diabaikan Ringan 2 < 25 % luas kekeringan Sedang % luas kekeringan Berat % luas kekeringan Puso 5 >75% luas kekeringan Tabel 6.3 Contoh himpunan fuzzy untuk kekeringan Kecamatan Tulakan Himpunan Klasifikasi Representasi Rentang Fuzzifikasi Fuzzy Interval Kekeringan Tidak ada 1 atau nilai dapat diabaikan Ringan 2 Luas kekeringan < 1,86 ha Sedang < luas Kekeringan< 7.4 ha Berat < luas Kekeringan < 43.2 ha Puso 5 Luas kekeringan >43.2 ha Sistem inferensi fuzzy dapat digunakan sebagai tool untuk prediksi luas kekeringan yang mungkin terjadi, dengan memasukkan nilai input yang digunakan. Berdasarkan fungsi keanggotaan dan penetapan rule, akan diperoleh gambaran/prediksi kekeringan yang mungkin terjadi. sebagai contoh jika SST Nino 4 bernilai +2, panjang musim hujan <1 dasarian, curah hujan musim kemarau <85% dari nilai rata-rata tahunan (bawah normal/bn), dan luas tambah tanam berada pada kisaran >115% (atas normal atau AN) maka bencana kekeringan yang terjadi akan berada pada kisaran yang cukup luas. Misal, jika SST Nino4 =1.12, PMH =13, CHMK =54, maka kekeringan yang mungkin terjadi adalah seluas 25 ha. Namun demikian penetapan rule perlu menggunakan logika yang baik, sehingga dapat diperoleh kepekaan dalam penentuan/prediksi kekeringan yang diperoleh.
6 118 Gambar 6.2 Fungsi keanggotaan untuk Anomali SST Nino4 Gambar 6.3 Fungsi keanggotaan untuk CHMK
7 119 Gambar 6.4 Fungsi keanggotaan untuk PMH Gambar 6.5 Fungsi keanggotaan untuk kekeringan
8 12 Gambar 6.6 Contoh pilihan skenario di fuzzy rule Gambar 6.7 Contoh output di fuzzy rule
9 Verifikasi fungsi risiko yang diformulasi dengan model Verifikasi terhadap fungsi risiko disajikan pada Gambar 6.8. Dari aspek output nilai risiko kekeringan, terlihat bahwa prediksi nilai kekeringan dengan model memberikan nilai prediksi yang mengikuti pola observasi sebenarnya. Namun demikian, secara umum ada trend bahwa prediksi dengan berbias ke atas. Hampir semua prediksi berada di atas nilai observasi (kecuali pada tahun terakhir dan kecuali untuk Kecamatan Tulakan). Hal ini terjadi karena ada beberapa hal yang ditempuh. Pertama, karena sudah diperkirakan lebih dahulu, air tidak akan mencukupi, maka petani tidak melakukan penanaman. Kedua, dilakukannya strategi antisipasi/adaptasi, sehingga dilakukan langkah-langkah penanaman yang memperhitungkan kondisi ketersediaan air, sehingga kerugian yang ditimbulkan dapat ditekan seminimal mungkin. Dengan demikian, maka pada kondisi observasi/riil di lapang, kekeringan sering mendekati nilai lebih rendah daripada yang dihitung dengan model, hal itu terjadi karena petani tidak melakukan penanaman. Oleh karena itu perlu satu faktor koreksi dari model tersebut agar hasil prediksi menjadi lebih tepat. Kepakaran dalam menentukan selang fuzzy (fuzzy membership) juga memberikan kontribusi terhadap ketepatan hasil prediksi. Hasil sangat jelas terlihat terutama pada tahun-tahun ketika terjadi El- Nino, dan terjadi kekeringan seperti pada tahun,, dan 27 pada sebagian besar kecamatan (Gambar 6.8). Dengan hasil tersebut, dapat digunakan untuk memprediksi kejadian kekeringan dalam bentuk luasan yang mungkin terjadi. Informasi SST Nino 4 yang dituangkan kemudian dalam prediksi curah hujan, sehingga berikutnya dapat menghitung CHMK dan PMH, diharapkan dapat memberikan informasi prediksi luas kekeringan yang mungkin terjadi. Hasil regresi linier antara nilai Kekeringan observasi dengan nilai kekeringan hasil diperoleh koefisien determinasi pada selang yang cukup lebar yaitu dari.37 (Kecamatan Arjosari) hingga.88 (Kecamatan Ngadirojo/ Gambar 6.9). Namun demikian, koefisien determinasi stasiun terbanyak berada pada nilai.7. Hal ini memperlihatkan bahwa hingga sekitar 7% dari persamaan diakomodir oleh model/persamaan, sedangkan sisanya tidak dapat dijelaskan oleh model. Prediksi pada tahun 23 memperlihatkan kemungkinan terjadi kekeringan yang cukup luas, namun diperkirakan antisipasi petani sebelumnya dapat menekan kemungkinan terjadi kerugian pada wilayah yang luas.
10 luas terkena kekeringan (ha) Arjosari Donorojo luas terkena kekeringan (ha) Kebonagung Nawangan luas terkena kekeringan (ha) Ngadirojo Pacitan luas terkena kekeringan (ha) Punung Pringkuku luas terkena kekeringan (ha) Tegalombo Observasi Tulakan Observasi Gambar 6.8 Hasil verifikasi dengan observasi
11 123 4 Arjosari 4 Donorojo y =.629x R² = y = x R² = Kebonagung 4 Nawangan y =.5483x R² = y = 2.232x R² = Ngadirojo y = x R² = Pacitan y = x R² = Punung 4 Pringkuku 2 1 y = x R² = y = x R² = Tegalombo 6 Tulakan y =.773x R² = y =.3424x R² = Luas terkena kekeringan observasi (ha) Luas terkena kekeringan observasi (ha) Gambar 6.9 Perbandingan nilai kekeringan observasi dengan hasil keluaran
12 Simpulan Fungsi risiko bencana kekeringan digunakan untuk mengetahui seberapa besar bencana kekeringan dapat dihitung berdasarkan data-data kekeringan dan luas tambah tanam historis. Optimasi dilakukan untuk mengetahui berapa kerugian yang paling minimal yang mungkin diperoleh berdasarkan pilihan teknologi yang digunakan, atau seberapa besar kerugian dapat ditekan pada penanaman berikutnya apabila diketahui informasi prediksi komponen fungsi risiko. Sistem inferensi fuzzy dapat digunakan sebagai tool untuk prediksi luas kekeringan yang mungkin terjadi, dengan memasukkan nilai input yang digunakan. Berdasarkan fungsi keanggotaan dan penetapan rule, akan diperoleh gambaran/prediksi kekeringan yang mungkin terjadi. Namun demikian penetapan rule perlu menggunakan logika yang baik, sehingga dapat diperoleh kepekaan dalam penentuan/prediksi kekeringan yang diperoleh. Hasil regresi linier antara nilai kekeringan observasi dengan nilai kekeringan hasil diperoleh koefisien determinasi pada selang yang cukup lebar yaitu dari.37 (Kecamatan Arjosari) hingga.88 (Kecamatan Ngadirojo). Dalam penetapan rule untuk fuzzy inference system, diperlukan kepekaan yang cukup tinggi untuk menghasilkan prediksi yang mendekati ketepatan, oleh karena itu diperlukan suatu tool lain seperti algoritma genetika sebagai alat bantu dalam meningkatkan tingkat ketepatan. Sistem inferensi fuzzy merupakan suatu alat ukur dalam penyusunan fungsi risiko, sebagai bagian dari decision network untuk mendukung kalender tanam dinamik. Oleh karena itu, bahasan pada bab selanjutnya memaparkan mengenai pengembangan kalender tanam dinamik.
PENGEMBANGAN MODEL KALENDER TANAM DINAMIK SEBAGAI TEKNOLOGI ADAPTASI
125 VII. PENGEMBANGAN MODEL KALENDER TANAM DINAMIK SEBAGAI TEKNOLOGI ADAPTASI 7.1. Pendahuluan Salah satu informasi yang dirasakan sangat penting dalam kaitan dengan penjadwalan penanaman petani adalah
Lebih terperinciPENENTUAN FUNGSI RISIKO PADA PENGELOLAAN RISIKO IKLIM UNTUK MENDUKUNG KALENDER TANAM DINAMIK
PENENTUAN FUNGSI RISIKO PADA PENGELOLAAN RISIKO IKLIM UNTUK MENDUKUNG KALENDER TANAM DINAMIK Determination of Risk Functions in Climate Risk Management to Support Dynamic Planting Calendar SUCIANTINI 1,
Lebih terperinciVI. KESIMPULAN DAN SARAN
VI. KESIMPULAN DAN SARAN 6.1. Kesimpulan Dalam penelitian ini telah dilakukan suatu rangkaian penelitian yang mencakup analisis pewilayahan hujan, penyusunan model prediksi curah hujan, serta pemanfaatan
Lebih terperinciDATA JUMLAH POHON, POHON PANEN, PRODUKSI,PROVITAS DAN HARGA TANAMAN BUAH-BUAHAN TAHUNAN DI PACITAN TAHUN 2010
Komoditi : Adpokat 1 Donorojo 517 86 4 0.41 2,000 2 Punung 2,057 427 8 0.19 2,000 3 Pringkuku 49,947 0 0 0 4 Pacitan 406 150 5 0.35 2,000 5 Kebonagung 590 590 19 0.33 1,750 6 Arjosari 1,819 1,327 7 0.05
Lebih terperinciBAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan sistem yang kompleks. Logika fuzzy memberikan rangka kerja yang kuat dalam memecahkan masalah
Lebih terperinciHASIL DAN PEMBAHASAN. Penyusunan fungsi produksi menurut umur
HASIL DAN PEMBAHASAN Penyusunan fungsi produksi menurut umur Tanaman kelapa sawit akan menghasilkan tandan buah segar (TBS) yang dapat dipanen pada saat tanaman berumur 3 atau 4 tahun. Produksi TBS yang
Lebih terperinciPENDAHULUAN 1.1. Latar belakang
1 I. PENDAHULUAN 1.1. Latar belakang Curah hujan merupakan salah satu parameter atmosfer yang sulit untuk diprediksi karena mempunyai keragaman tinggi baik secara ruang maupun waktu. Demikian halnya dengan
Lebih terperinciBab 1 PENDAHULUAN. 1.1 Latar Belakang
Bab 1 PENDAHULUAN 1.1 Latar Belakang Teori himpunan fuzzy banyak diterapkan dalam berbagai disiplin ilmu seperti teori kontrol dan manajemen sains, pemodelan matematika dan berbagai aplikasi dalam bidang
Lebih terperinciI. PENDAHULUAN 1.1. Latar Belakang
I. PENDAHULUAN 1.1. Latar Belakang Perubahan iklim membawa dampak pada hampir semua aspek kehidupan dan aktivitas ekonomi. Dampak yang dirasakan ada yang bersifat langsung seperti pada sektor pertanian
Lebih terperinciHimpunan Tegas (Crisp)
Logika Fuzzy Logika Fuzzy Suatu cara untuk merepresentasikan dan menangani masalah ketidakpastian (keraguan, ketidaktepatan, kekuranglengkapan informasi, dan kebenaran yang bersifat sebagian). Fuzzy System
Lebih terperinci1. PENDAHULUAN. [8 Januari 2006] 1 ( )
1. PENDAHULUAN 1.1. Latar Belakang Informasi ramalan curah hujan sangat berguna bagi petani dalam mengantisipasi kemungkinan kejadian-kejadian ekstrim (kekeringan akibat El- Nino dan kebanjiran akibat
Lebih terperinciIII. EVALUASI DAMPAK KERAGAMAN IKLIM TERHADAP KERAGAMAN HASIL TANAMAN PADA BERBAGAI TEKNOLOGI BUDIDAYA
33 III. EVALUASI DAMPAK KERAGAMAN IKLIM TERHADAP KERAGAMAN HASIL TANAMAN PADA BERBAGAI TEKNOLOGI BUDIDAYA 3.1. Pendahuluan Keragaman iklim terutama curah hujan sangat besar variasinya, sesuai dengan ruang
Lebih terperinci1 Pendahuluan. 1.1 Latar Belakang Masalah
1 Pendahuluan 1.1 Latar Belakang Masalah Kebutuhan masyarakat akan perkiraan cuaca terutama curah hujan ini menjadi sangat penting untuk merencanakan segala aktifivitas mereka. Curah hujan juga memiliki
Lebih terperinciPENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA
LOGO PENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA Oleh: DYNES RIZKY NAVIANTI (1208100017) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI
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 terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Program linier merupakan metode matematika dalam mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan, seperti memaksimumkan keuntungan dan meminimumkan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini penulis akan menjelaskan mengenai landasan teori yang digunakan pada penelitian ini. Penjabaran ini bertujuan untuk memberikan pemahaman lebih mendalam kepada penulis
Lebih terperinciPREDIKSI CURAH HUJAN TAHUNAN MENGGUNAKAN ANFIS DENGAN PENGELOMPOKAN DATA (Studi Kasus Pada Stasiun Meteorologi Bandara Jalaluddin Gorontalo)
PREDIKSI CURAH HUJAN TAHUNAN MENGGUNAKAN ANFIS DENGAN PENGELOMPOKAN DATA (Studi Kasus Pada Stasiun Meteorologi Bandara Jalaluddin Gorontalo) Ifan Wiranto, Wahab Musa, Wrastawa Ridwan Jurusan Teknik Elektro
Lebih terperinci3. METODE PENELITIAN 3.1 Kerangka Pemikiran
65 3. METODE PENELITIAN 3.1 Kerangka Pemikiran Permasalahan utama yang dihadapi industri gula nasional yaitu rendahnya kinerja khususnya produktivitas dan efisiensi pabrik gula. Untuk menyelesaikan permasalahan
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 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. Daftar Isi Daftar Gambar Bab 1. Pendahuluan... 5
Daftar Isi Daftar Isi... 2 Daftar Gambar... 4 Bab 1. Pendahuluan... 5 Bab 2. Metode Prediksi Iklim, Pola Tanam dan... 6 2.1 Pemodelan Prediksi Iklim... 6 2.2 Pengembangan Peta Prediksi Curah Hujan... 8
Lebih terperinciBAB I PENDAHULUAN. di negara ini berada hampir di seluruh daerah. Penduduk di Indonesia
BAB I PENDAHULUAN A. Latar Belakang Masalah Negara Indonesia merupakan negara yang terbentang luas, area pertanian di negara ini berada hampir di seluruh daerah. Penduduk di Indonesia sebagian besar berprofesi
Lebih terperinciANALISIS DAMPAK PERUBAHAN TUTUPAN LAHAN HUTAN TERHADAP IKLIM DI PULAU KALIMANTAN MENGGUNAKAN MODEL IKLIM REGIONAL (REMO) SOFYAN AGUS SALIM G
ANALISIS DAMPAK PERUBAHAN TUTUPAN LAHAN HUTAN TERHADAP IKLIM DI PULAU KALIMANTAN MENGGUNAKAN MODEL IKLIM REGIONAL (REMO) SOFYAN AGUS SALIM G02400013 DEPARTEMEN GEOFISIKA DAN METEOROLOGI FAKULTAS MATEMATIKA
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Perancangan Sistem Pakar Fuzzy Sebagai Pendukung Keputusan Manajemen Pola Tanam Tanaman Pangan Berdasarkan Ketersediaan Air
Lebih terperinciKAT (mm) KL (mm) ETA (mm) Jan APWL. Jan Jan
BAB IV HASIL DAN PEMBAHASAN 4.1 Kerentanan Produktifitas Tanaman Padi Analisis potensi kerentanan produksi tanaman padi dilakukan dengan pendekatan model neraca air tanaman dan analisis indeks kecukupan
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
16 5.1 Hasil 5.1.1 Pola curah hujan di Riau BAB V HASIL DAN PEMBAHASAN Data curah hujan bulanan dari tahun 2000 sampai dengan 2009 menunjukkan bahwa curah hujan di Riau menunjukkan pola yang sama dengan
Lebih terperinciPerbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation
65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah
Lebih terperinciSINTESIS PERMASALAHAN PENGELOLAAN RISIKO IKLIM UNTUK SISTEM USAHA TANI BERBASIS PADI MELALUI PEMANFAATAN KALENDER TANAM DINAMIK
11 II. SINTESIS PERMASALAHAN PENGELOLAAN RISIKO IKLIM UNTUK SISTEM USAHA TANI BERBASIS PADI MELALUI PEMANFAATAN KALENDER TANAM DINAMIK 2.1. Kabupaten Pacitan Kabupaten Pacitan yang terletak di bagian paling
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Kelapa sawit (Elaeis guineensis Jacq.) merupakan salah satu komoditas perkebunan unggulan, yang menghasilkan minyak nabati paling efisien yang produknya dapat digunakan dalam
Lebih terperinciV. KESIMPULAN DAN SARAN. Iidanya gangguan pada luas panen maupun produksi padi di Indonesia maupun di
V. KESIMPULAN DAN SARAN 5.1. EEesimpulan Iidanya gangguan pada luas panen maupun produksi padi di Indonesia maupun di Jawa Barat pada setiap tahun El-Nino menunjukkan bahwa terdapat hubungan yang erat
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini
Lebih 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 terperinciPenentuan Tingkat Pelayanan Ruas Jalan Di Kabupaten Sleman Dengan Fuzzy Logic
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Penentuan Tingkat Pelayanan Ruas Jalan Di Kabupaten Sleman Dengan Fuzzy Logic Umi Nurofi atin, Agus Maman Abadi Program Studi Matematika,
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 terperinciPENGELOLAAN RISIKO IKLIM UNTUK SISTEM USAHA TANI BERBASIS PADI MELALUI PEMANFAATAN KALENDER TANAM DINAMIK SUCIANTINI
PENGELOLAAN RISIKO IKLIM UNTUK SISTEM USAHA TANI BERBASIS PADI MELALUI PEMANFAATAN KALENDER TANAM DINAMIK SUCIANTINI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 22 PERNYATAAN MENGENAI DISERTASI
Lebih terperinciBAB I PENDAHULUAN. melakukan tindakan menabung. Pada era modern, tindakan menabung telah
A. Latar Belakang Masalah BAB I PENDAHULUAN Pada hakikatnya setiap manusia pasti memiliki kebutuhan dalam menjalani kehidupan. Kebutuhan manusia dapat terpenuhi dengan cara bekerja keras. Hasil dari kerja
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 terperinciANALISIS MUSIM KEMARAU 2011 DAN PRAKIRAAN MUSIM HUJAN 2011/2012 PROVINSI DKI JAKARTA
ANALISIS MUSIM KEMARAU 2011 DAN PRAKIRAAN MUSIM HUJAN 2011/2012 PROVINSI DKI JAKARTA Sumber : BADAN METEOROLOGI, KLIMATOLOGI DAN GEOFISIKA STASIUN KLIMATOLOGI PONDOK BETUNG TANGERANG 1. TINJAUAN UMUM 1.1.
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 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 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 terperinciANALISIS POTENSI KEKERINGAN DI BEBERAPA WILAYAH INDONESIA PADA MUSIM KEMARAU Pusat Pemanfaatan Penginderaan Jauh LAPAN
ANALISIS POTENSI KEKERINGAN DI BEBERAPA WILAYAH INDONESIA PADA MUSIM KEMARAU 2015 Pusat Pemanfaatan Penginderaan Jauh LAPAN PENDAHULUAN Musim kemarau identik dengan kondisi berkurangnya curah hujan. Jika
Lebih terperinciBadan Penelitian dan Pengembangan Pertanian
Press Release PREDIKSI DAMPAK DINAMIKA IKLIM DAN EL-NINO 2014-2015 TERHADAP PRODUKSI PANGAN BADAN PENELITIAN DAN PENGEMBANGAN PERTANIAN I. Prediksi Iklim hingga Akhir 2014/Awal 2015 1. Prediksi berbagai
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 terperinciVIII ANALISIS HUBUNGAN EFISIENSI TEKNIS DAN PENDAPATAN
VIII ANALISIS HUBUNGAN EFISIENSI TEKNIS DAN PENDAPATAN Analisis hubungan efisiensi dan pendapatan yang dibahas dalam penelitian ini adalah perbandingan antara nilai efisiensi teknis dengan rasio dari R/C.
Lebih terperinciSistem Pendukung Keputusan untuk Penentuan Kelolosan Beasiswa Sekolah Menengah Kejuruan (SMK) Menggunakan Metode Fuzzy
Sistem Pendukung Keputusan untuk Penentuan Kelolosan Beasiswa Sekolah Menengah Kejuruan (SMK) Menggunakan Metode Fuzzy Yogiek Indra Kurniawan 1 dan Pungki Arina Windiasani 2 Program Studi Informatika,
Lebih terperinciGambar 8. Pola Hubungan Curah Hujan Rata-rata Harian RegCM3(Sebelum dan Sesudah Koreksi) dengan Observasi
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Koreksi Bias Data Curah Hujan dan Suhu Luaran Model RegCM3 Data luaran RegCM3 merupakan hasil simulasi kondisi iklim yang memiliki resolusi spasial yang
Lebih terperinciMETODOLOGI PENELITIAN
7 terboboti dari daerah output fuzzy. Metode ini paling dikenal dan sangat luas dipergunakan. First of Maxima (FoM) dan Last of Maxima (LoM) Pada First of Maxima (FoM), defuzzifikasi B( y) didefinisikan
Lebih terperinciMODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA
MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA Muhammad Ilham 10211078 Program Studi Fisika, Institut Teknologi Bandung, Indonesia Email: muhammad_ilham@students.itb.ac.id Asisten:
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Sebagai negara yang terletak diantara Samudra Pasifik-Hindia dan Benua Asia-Australia, serta termasuk wilayah tropis yang dilewati oleh garis khatulistiwa, menyebabkan
Lebih terperinciPenerapan Fuzzy Inference System pada Prediksi Curah Hujan di Surabaya Utara
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 22) ISSN: 23-928X A-23 Penerapan Fuzzy Inference System pada Prediksi Curah Hujan di Surabaya Utara Dynes Rizky Navianti, I Gusti Ngurah Rai Usadha, Farida Agustini
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 terperinciPasang Surut Surabaya Selama Terjadi El-Nino
Pasang Surut Surabaya Selama Terjadi El-Nino G181 Iva Ayu Rinjani dan Bangun Muljo Sukojo Jurusan Teknik Geomatika, Fakultas Teknik Sipil dan Perencanaan, Institut Teknologi Sepuluh Nopember (ITS) Jl.
Lebih terperinciDaftar Isi. Daftar Isi Daftar Gambar Bab 1. Pendahuluan... 5
Daftar Isi Daftar Isi... 2 Daftar Gambar... 4 Bab 1. Pendahuluan... 5 Bab 2. Metode Prediksi Iklim, Pola Tanam dan... 6 2.1 Pemodelan Prediksi Iklim... 6 2.2 Pengembangan Peta Prediksi Curah Hujan... 8
Lebih terperinciPenerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas
Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak
Lebih 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 terperinciAnalisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic
Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau
Lebih terperinciModel Potensi Penyebaran Penyakit Demam Berdarah Dengue di Kabupaten Jember Menggunakan Metode Fuzzy
Model Potensi Penyebaran Penyakit Demam Berdarah Dengue di Kabupaten Jember Menggunakan Metode Fuzzy Dia Bitari Mei Yuana Jurusan Teknologi Informasi Politeknik Negeri Jember, Jl. Mastrip PO Box 164, Jember,
Lebih terperinciIV. ANALISA FAKTOR KELAYAKAN FINANSIAL
32 IV. ANALISA FAKTOR KELAYAKAN FINANSIAL 4.1. Identifikasi Indikator Kelayakan Finansial Pada umumnya ada enam indikator yang biasa dipertimbangkan untuk dipakai dalam penilaian kelayakan finansial dari
Lebih terperinciFUZZY LINIER PROGRAMMING UNTUK PEMILIHAN JENIS KENDARAAN DALAM MENGANTISIPASI KEMACETAN LALU LINTAS DI KOTA MEDAN
FUZZY LINIER PROGRAMMING UNTUK PEMILIHAN JENIS KENDARAAN DALAM MENGANTISIPASI KEMACETAN LALU LINTAS DI KOTA MEDAN Zulfikar Sembiring 1* 1 Fakultas Teknik, Universitas Medan Area * Email : zoelsembiring@gmail.com
Lebih terperinciOleh: ABDUL AZIS JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013
Oleh: ABDUL AZIS 1209 100 073 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013 Sektor pertanian merupakan salah satu penopang perekonomian
Lebih terperincipersamaan regresi. Adapun rumus yang digunakan untuk menentukan curah hujan kritis adalah sebagai berikut: CH kritis = ( 0.
9 a : intersep (perubahan salinitas jika tidak hujan) b : slope (kemiringan garis regresi). Koefisien determinasi (r 2 ) masing-masing kelompok berdasarkan klaster, tahun, dan lahan peminihan (A dan B)
Lebih terperinci8. MODEL RAMALAN PRODUKSI PADI
8. MODEL RAMALAN PRODUKSI PADI 8.1 Pendahuluan Padi merupakan makanan utama sekaligus mempunyai nilai politis yang tinggi bagi orang Indonesia, yang menyediakan pendapatan secara musiman dan tenaga kerja
Lebih terperinciKARAKTERISTIK WILAYAH STUDI. A. Kondisi Geografis. Wonogiri (Jawa Tengah) : Kabupaten Trenggalek (Jawa Timur)
III. KARAKTERISTIK WILAYAH STUDI A. Kondisi Geografis 1. Batas Administrasi Kabupaten Pacitan merupakan bagian dari koridor tengah di Pantai Selatan Jawa yang wilayahnya membentang sepanjang Pantai Selatan
Lebih terperinciPERENCANAAN JUMLAH PRODUKSI MEJA ALUMUNIUM UNTUK MEMINIMALKAN BIAYA PRODUKSI DENGAN METODE FUZZY MAMDANI Di UD. Meubel Alumunium, Mojokerto
PERENCANAAN JUMLAH PRODUKSI MEJA ALUMUNIUM UNTUK MEMINIMALKAN BIAYA PRODUKSI DENGAN METODE FUZZY MAMDANI Di UD. Meubel Alumunium, Mojokerto SKRIPSI Oleh : MUISA OCTAVIA NPM : 0632010185 JURUSAN TEKNIK
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data runtun waktu dari fenomena real seperti data finansial biasanya bersifat nonstasioner. Tipe data runtun waktu finansial biasanya dicirikan oleh pola-pola seperti
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Konsep program linier (linear programming) ditemukan dan diperkenalkan seorang ahli matematika bangsa Amerika, Dr.George Dantzig yaitu dengan dikembangkannya metode
Lebih terperinciBAB 1 1. PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 1. PENDAHULUAN Pada bab ini akan dijelaskan mengenai latar belakang, perumusan masalah, tujuan penelitian, ruang lingkup penelitian, metodologi penelitian, dan sistematika penulisan laporan dari
Lebih terperinciMETODOLOGI PENELITIAN. Bab ini menjelaskan tahapan yang dilakukan dalam penelitian tugas akhir ini. Adapun kerangka kerja yang dilakukan adalah:
BAB 3 METODOLOGI PENELITIAN Bab ini menjelaskan tahapan yang dilakukan dalam penelitian tugas akhir ini. Adapun kerangka kerja yang dilakukan adalah: Gambar 3. 1 Kerangka Kerja Penelitian 3.1 Pencarian
Lebih terperinciBAB I PENDAHULUAN. berpikir untuk melakukan dan mengatasi segala permasalahan yang dihadapi dengan bantuan
BAB I PENDAHULUAN 1.1 Latar Belakang Kemampuan dan peranan komputer yang cukup signifikan acapkali membuat manusia berpikir untuk melakukan dan mengatasi segala permasalahan yang dihadapi dengan bantuan
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 terperinciPengantar. Kalender Tanam Terpadu: Generasi Baru Perencanaan Tanam Menghadapi Perubahan Iklim
Pengantar Kalender Tanam Terpadu: Generasi Baru Perencanaan Tanam Menghadapi Perubahan Iklim Dr. Ir. Haryono, M.Sc. Kepala Badan Penelitian dan Pengembangan Pertanian Sudah sering kita dengar, rasakan,
Lebih terperinciPemetaan Tingkat Kekeringan Berdasarkan Parameter Indeks TVDI Data Citra Satelit Landsat-8 (Studi Kasus: Provinsi Jawa Timur)
Pemetaan Tingkat Kekeringan Berdasarkan Parameter Indeks TVDI Data Citra Satelit Landsat-8 (Studi Kasus: Provinsi Jawa Timur) Diah Witarsih dan Bangun Muljo Sukojo Jurusan Teknik Geomatika, Fakultas Teknik
Lebih terperinciPendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy
Pendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy Asrianda 1 Teknik Informatika Kampus Bukit Indah Lhokseumawe email : asrianda@unimal.ac.id ABSTRAK Bertambahnya permintaan
Lebih terperinciPrediksi Beban Listrik jangka Panjang di Kabupaten Batu Bara tahun dengan Menggunakan Metode Fuzzy Clustering
Prediksi Beban Listrik jangka Panjang di Kabupaten Batu Bara tahun 2015-2014 dengan Menggunakan Metode Fuzzy Clustering Hermansyah Alam I nst it ut T ek no lo g i M ed a n E ma il : he r ma ns_it m@ ya
Lebih terperinci5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS
5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS Pendahuluan Pada model VARX hubungan peubah penjelas dengan peubah respon bersifat parametrik. Stone (1985) mengemukakan pemodelan yang bersifat fleksibel
Lebih terperinciKATA PENGANTAR TANGERANG SELATAN, MARET 2016 KEPALA STASIUN KLIMATOLOGI PONDOK BETUNG TANGERANG. Ir. BUDI ROESPANDI NIP
PROPINSI BANTEN DAN DKI JAKARTA KATA PENGANTAR Puji syukur kehadirat Tuhan YME atas berkat dan rahmat Nya kami dapat menyusun laporan dan laporan Prakiraan Musim Kemarau 2016 di wilayah Propinsi Banten
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 terperinciI. INFORMASI METEOROLOGI
I. INFORMASI METEOROLOGI I.1 ANALISIS DINAMIKA ATMOSFER I.1.1 MONITORING DAN PRAKIRAAN FENOMENA GLOBAL a. ENSO ( La Nina dan El Nino ) Berdasarkan pantauan suhu muka laut di Samudra Pasifik selama bulan
Lebih terperinciDAFTAR ISI. ABSTRAK...ii. KATA PENGANTAR...iv. DAFTAR TABEL...xi. DAFTAR GAMBAR...xiii BAB I PENDAHULUAN Latar Belakang...
DAFTAR ISI ABSTRAK...ii KATA PENGANTAR...iv DAFTAR TABEL...xi DAFTAR GAMBAR...xiii BAB I PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...4 1.3 Batasan Masalah...5 1.4 Tujuan Penelitian...6
Lebih terperinciFuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic.
Fuzzy Systems Fuzzy Logic Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic. Masalah: Pemberian beasiswa Misalkan
Lebih terperinci2.4. Association Rule BAB III METODELOGI PENELITIAN Studi Literatur Pengumpulan Data Retrieve Data...
DAFTAR ISI LEMBAR PERNYATAAN KEASLIAN... v HALAMAN PERSEMBAHAN... vi KATA PENGANTAR... vii ABTRAK... ix DAFTAR ISI... x DAFTAR TABEL... xiii DAFTAR GAMBAR... xiv BAB I... 1 PENDAHULUAN... 1 1.1. Latar
Lebih terperinciREVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA
Seminar Nasional Sistem Informasi Indonesia, 6 November 2017 REVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA Anisa Citra Mutia, Aria Fajar Sundoro,
Lebih terperinciLOGIKA FUZZY PADA PROSES PELET PAKAN IKAN
LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN Agung Saputra 1), Wisnu Broto 2), Ainil Syafitri 3) Prodi Elektro Fakultas Teknik Univ. Pancasila, Srengseng Sawah Jagakarsa, Jakarta, 12640 Email: 1) agungsap2002@yahoo.com
Lebih terperinciRegresi Linier Berganda untuk Penentuan Nilai Konstanta pada Fungsi Konsekuen di Logika Fuzzy Takagi-Sugeno
Regresi Linier Berganda untuk Penentuan Nilai Konstanta pada Fungsi Konsekuen di Logika Fuzzy Takagi-Sugeno Zaenal Abidin (23515015) Program Studi Magister Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciPenerapan Fuzzy Inference System pada Prediksi Curah Hujan di Surabaya Utara
Penerapan Fuzzy Inference System pada Prediksi Curah Hujan di Surabaya Utara Dynes Rizky Navianti, Farida Agustini Widjajati, I Gusti Ngurah Rai Usadha Jurusan Matematika, Fakultas MIPA, Institut Teknologi
Lebih terperinciHASIL DAN PEMBAHASAN. masukan (input) yang digunakan dalam mengembangkan Fuzzy Inference System seperti yang disajikan pada Gambar 10 berikut :
Penentuan perangkat keras dan perangkat lunak yang akan digunakan untuk mengembangkan sistem Perangkat keras (hardware) Perangkat keras yang digunakan pada saat pengembangan sistem adalah komputer dengan
Lebih terperinciTabel Lampiran 1. Hasil Perhitungan Analisis Neraca Air dengan Kecamatan Anjatan Kabupaten Indramayu Tahun Normal. Tabel Lampiran 2. Hasil Perhitungan
LAMPIRAN 167 Tabel Lampiran 1. Hasil Perhitungan Analisis Neraca Air dengan Kecamatan Anjatan Kabupaten Indramayu Tahun Normal. Tabel Lampiran 2. Hasil Perhitungan Analisis Neraca Air dengan Kecamatan
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 terperinciPengertian Kerangka Validasi Teknik-Teknik Validasi
Validasi Model Pengertian Kerangka Validasi Teknik-Teknik Validasi 1. Pengertian Validasi adalah tahapan untuk memperoleh gambaran apakah model telah sesuai (match) dengan sistem yang diwakilinya (representativeness)
Lebih terperinciIV. PERANCANGAN 4.1 Kerangka Sistem Yang Dirancang
69 IV. PERANCANGAN 4.1 Kerangka Sistem Yang Dirancang Kerangka sistem yang dirancang ini dikembangkan dari kerangka pemikiran sistem pakar yang telah disebutkan pada bagian metodologi. Pada kerangka sistem
Lebih terperinciBAHAN DAN METODE PENELITIAN
18 BAHAN DAN METODE PENELITIAN Model pertumbuhan dan produksi kelapa sawit dengan berbagai taraf penunasan dibangun melalui dua kegiatan yaitu (1) percobaan lapangan, dan (2) penyusunan model. Percobaan
Lebih terperinciBAB 4 LOGICAL VALIDATION MELALUI PEMBANDINGAN DAN ANALISA HASIL SIMULASI
BAB 4 LOGICAL VALIDATION MELALUI PEMBANDINGAN DAN ANALISA HASIL SIMULASI 4.1 TINJAUAN UMUM Tahapan simulasi pada pengembangan solusi numerik dari model adveksidispersi dilakukan untuk tujuan mempelajari
Lebih terperinciI. INFORMASI METEOROLOGI
I. INFORMASI METEOROLOGI I.1 ANALISIS DINAMIKA ATMOSFER I.1.1 MONITORING DAN PRAKIRAAN FENOMENA GLOBAL a. ENSO ( La Nina dan El Nino ) Berdasarkan pantauan suhu muka laut di Samudra Pasifik selama bulan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Tidak semua himpunan yang dijumpai dalam kehidupan sehari-hari terdefinisi secara jelas, misalnya himpunan orang miskin, himpunan orang pandai, himpunan orang tinggi,
Lebih terperinciVI. HASIL DAN PEMBAHASAN
VI. HASIL DAN PEMBAHASAN 6.1. IMPLEMENTASI SISTEM Implementasi merupakan tahap mempersiapkan sistem untuk dapat dioperasikan dan merupakan tahap pembuatan perangkat lunak. SCHATZIE 1.0 merupakan paket
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 terperinciPENDAHULUAN Latar Belakang
1 PENDAHULUAN Latar Belakang Pengelolaan DAS di Indonesia telah dimulai sejak tahun 70-an yang diimplementasikan dalam bentuk proyek reboisasi - penghijauan dan rehabilitasi hutan - lahan kritis. Proyek
Lebih terperinci