BAB 2 TINJAUAN PUSTAKA
|
|
- Hartanti Ratna Irawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 al. (2011) mengatakan bahwa logika fuzzy adalah konsep yang kuat untuk penanganan nonlinear, waktu yang berbeda-beda, dan sistem adaptif. Hal ini memungkinkan penggunaan nilai-nilai linguistik dari variabel dan hubungan tidak tepat untuk perilaku pemodelan sistem. Zadeh (1973) menyatakan prinsip yang disebut "prinsip ketidakcocokan", yang menyatakan bahwa kompleksitas dan presisi tidak kompatibel karena ketidakmampuan pikiran manusia untuk memahami sistem yang kompleks dengan cara yang rinci. Dengan mengurangi kebutuhan untuk presisi ini memungkinkan untuk lebih mudah mengekspresikan hubungan kualitatif tentang sistem yang diketahui lebih kompleks. Fuzzy logic ditujukan sebagai formalisasi mode penalaran atau perkiraan dari nilai yang sebernarnya (Zadeh, 2004). Zadeh (1973) mencatat bahwa metode ini dapat menghadapi ketidakpastian dan dapat diterapkan dalam sistem perangkat lunak seperti psikologi, sosiologi, dan ekonomi. Dalam bukunya Klir & Yuan (1995) mengatakan logika adalah studi tentang metode dan prinsip-prinsip penalaran dalam segala bentuk yang mungkin. logika klasik berkaitan dengan proposisi yang diperlukan untuk menjadi benar atau salah. masing-masing proposisi memiliki lawannya, yang biasanya disebut negasi dari proposisi. Sebuah proposisi dan negasi diharuskan untuk mengasumsikan nilai kebenaran yang berlawanan. Pada dasarnya, Fuzzy Logic (FL) adalah logika multi valued, yang memungkinkan nilai-nilai menengah untuk didefinisikan antara evaluasi konvensional seperti benar atau salah, ya atau tidak, tinggi atau rendah, dll. Pendapat seperti agak tinggi atau sangat cepat dapat dirumuskan secara matematis dan diproses oleh
2 6 komputer, untuk menerapkan cara yang lebih mirip manusia berpikir dalam pemrograman komputer.(poonam, et al. 2012) Dalam banyak hal, logika fuzzy digunakan sebagai suatu cara untuk memetakan permasalahan dari input menuju ke output yang diharapkan. Termasuk dalam hal prediksi yang merupakan suatu gambaran masa depan yang akan diketahui kejadiannya dengan tingkat akurasi yang tinggi. Alasan mengapa logika fuzzy digunakan dalam penyelesaian masalah prediksi. Logika Fuzzy adalah konsep yang kuat untuk menangani masalah nonlinear, waktu yang bervariasi, dan sistem adaptif. Ini memungkinkan penggunaan nilai-nilai linguistik dari variabel dan hubungan yang tidak tepat untuk perilaku pemodelan sistem. Sistem cerdas berdasarkan logika fuzzy sering digunakan dalam memilah proses untuk mendeteksi cacat dalam implementasinya.( Hosseinzadeh, et al. 2011) Logika fuzzy dapat meningkatkan proses penilaian dengan menggunakan himpunan fuzzy untuk menentukan derajat yang tumpang tindih. Selain itu, aplikasi logika "If-Then" dapat meningkatkan interpretasi dan penjelasan hasil dan memberikan pandangan umum dalam pembangunan proses pengambilan keputusan (Roubus et al, 2003). Logika Fuzzy merupakan suatu logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness) antara benar atau salah. Dalam teori logika fuzzy suatu nilai bisa bernilai benar atau salah secara bersama. Namun berapa besar keberadaan dan kesalahan suatu tergantung pada bobot keanggotaan yang dimilikinya. Jadi logika fuzzy secara bahasa diartikan sebagai kabur atau samar samar (Nasution, 2012). 2.2 Teori Himpunan Fuzzy Fuzzy logic dimulai dengan konsep himpunan fuzzy. Sebuah himpunan fuzzy didefinisikan sebagai suatu sistem tanpa anggota tertentu yang memiliki batas yang jelas. Himpunan fuzzy dapat mencakup semua elemen dari semesta pembicaraan hanya dengan satu derajat relatif keanggotaan. (Zadeh, 1965). Dengan kata lain, satu himpunan didefinisikan sebagai satu himpunan pasangan terurut dan dapat dibentuk dalam persamaan berikut: D={(x, µ D (x))} xϵx, µ D (x)ϵ[0.1]...(1)
3 Konsep Dasar Himpunan Fuzzy Dalam bukunya Klir & Yuan (1995) menulis ada beberapa konsep dasar dan terminologi himpunan fuzzy, memisalkan 2 set fuzzy yang mewakili konsep inflasi tinggi dan rendah. Ekspresi dari konsep-konsep ini, berdasarkan fungsi keanggotaan A1, dan A2. 1 A 1 (x)= (10 x)/15 0 Ketika x Ketika 13.30< x < 10.8 Ketika x A 3 (x)= (x 12)/15 0 Ketika x 12 Ketika 12 < x < 18 Ketika x 18 Pada dasarnya, teori himpunan fuzzy merupakan perluasan dari teori himpunan klasik. Pada teori himpunan klasik (crisp), keberadaan suatu elemen pada himpunan A, hanya akan memiliki dua kemungkinan keanggotaan, yaitu menjadi anggota A atau tidak menjadi anggota A, Suatu nilai yang menunjukkan seberapa besar tingkat keanggotaan suatu elemen (x) dalam suatu himpunan (A), sering dikenal dengan nama nilai keanggotaan atau derajat keanggotaan, dinotasikan dengan µa(x). Pada himpunan klasik, hanya ada dua nilai keanggotaan, yaitu µa(x) = 1 untuk x menjadi anggota A; dan µa(x) = 0 untuk x bukan anggota dari A. (Nezhad, et al. 2013) Operasional Himpunan Fuzzy Zadeh (1965) mengemukakan model operator fuzzy terdiri yang atas dua operator, yaitu operator-operator (AND, OR) dan operator-operator alternatif yang dikembangkan dengan menggunakan konsep transformasi tertentu. 2.3 Fugsi Keanggotaan Dalam jurnalnya Batra & Trivedi (2013) menulis bahwa gagasan keanggotaan dalam fuzzy melingkupi masalah derajat keanggotaan, yang merupakan angka antara 0 dan 1. Derajat keanggotaan 0 merupakan keanggotaan tidak lengkap, sementara derajat keanggotaan 1 mewakili keanggotaan lengkap. Hal ini ditandai dengan pemetaan dari
4 8 input data ke nilai keanggotaanya [0,1]. Pemetaan ini dikenal sebagai fungsi keanggotaan yang dilambangkan dengan(μ) Representasi Kurva Bahu Kurva bahu terdiri dari bahu kanan dan bahu kiri. Kurva bahu kiri mereprensentasikan kondisi konstan dari kiri dengan nilai keanggotaan 1 kemudian turun dengan nilai keanggotaan menuju ke 0. Sedangkan kurva bahu kanan mereprentasikan keadaan yang linier naik menuju nilai keanggotaan 1 secara konstan kekanan. (Suwandi, et al. 2011) µ(x) 1 rendah tinggi derajat keanggotaan 0 a domain b Gambar 2.1 Karakteristik Kurva Bahu Bentuk karakteristik kurva bahu ditunjukkan seperti persamaan dibawah ini : Fungsi keanggotaan : 1; [ x] rendah b - x/c; 0; 0; [ x] tinggi x - a/c; 1; x a a x b x b x a a x b x b
5 9 2.4 Fuzzifikasi Fuzzifikasi adalah tahap pemetaan nilai masukan dan kedalam bentuk himpunan fuzzy. Data masukan berupa bilangan tegas (crisp) yang akan diubah menjadi himpunan fuzzy berdasarkan range untuk setiap variabel masukannya. Pada proses fuzzifikasi ini terdapat dua hal yang harus diperhatikan yaitu nilai masukan dan keluaran serta fungsi keanggotaan (membership function) yang akan digunakan untuk menentukan nilai fuzzy dari data nilai crisp masukan dan keluaran. Pada proses fuzzifikasi ini digunakan bentuk fungsi keanggotaan dengan menggunakan kurva bahu sebagai variabel masukan.(mahaswari & Asthana, 2013) Dalam tahap ini akan dimodelkan data yang menjadi bahan proses pembentukan fungsi keanggotaaan, yaitu tinggi dan rendah. Semua himpunan Fuzzy setiap varabel Fuzzy pada data masukan akan direpresentasikan dengan menggunakan fungsi keanggotaan yang sama. Tahap pertama yaitu melakukan fuzzifikasi. Fuzzifikasi merupakan tahap pembentukan himpunan Fuzzy pada variabel Fuzzy dan penentuan derajat keanggotaan dengan menggunakan fungsi keanggotaan kurva bahu. Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya yang memiliki interval antara 0 sampai Aturan IF - THEN Dalam jurnalnya Mayilvaganan & Rajeswari (2014) mengatakan aturan adalah sebuah struktur knowledge yang menghubungkan beberapa informasi yang sudah diketahui ke informasi lain, sehingga dapat disimpulkan, sebuah rule adalah sebuah bentuk knowledge yang procedural. Dengan demikian yang dimaksud dengan aturan adalah sebuah program komputer untuk memproses masalah dari informasi spesifik yang terdapat dalam knowledge base, dengan menggunakan inference engine untuk menghasilkan informasi baru.
6 Inferensi Inferensi adalah proses transformasi dari suatu input dalam domain fuzzy ke suatu output dalam domain fuzzy. Proses transformasi pada bagian inferensi membutuhkan aturan aturan fuzzy yang terdapat didalam basis-basis aturan. Blok inferensi mengunakan teknik penalaran untuk menyeleksi basis-basis aturan dan rule dari blok knowledge base. Teknik penalaran yang digunakan adalah teknik penalaran MAX MIN yang berfungsi sebagai logika pengambil keputusan.(sofwan, 2005) Fuzzy Inferensi Sistem Logika fuzzy diimplementasikan dalam tiga tahap, yaitu 1. Tahap Fuzzyfikasi (Fuzzyfication), yaitu pemetaan dari nilai masukan tegas ke dalam himpunan fuzzy. 2. Tahap Inferensi, yaitu pembangkitan aturan fuzzy. 3. Tahap Defuzzyfikasi (Defuzzyfication), yaitu transformasi keluaran dari nilai fuzzy kenilai tegas (crisp). Input (Crips) Fuzzyfikasi Fuzzy Rule Base Output (Crips) Defuzzyfikasi Fuzzy Infernsi Gambar 2.2 Tahapan Proses Logika Fuzzy (Mahmood & Taha 2013) Metode Fuzzy Inference System (FIS) Sugeno Dalam pemodelan fuzzy Sugeno, dinamika sistem dibuat oleh aturan implikasi fuzzy dengan model sistem linear yang menjadi ciri dari suatu permasalahan yang belum jelas (kabur).(siji & Rajes 2013). Sistem inferensi fuzzy menerima input berupa nilai tegas (crisp). Input ini kemudian dikirim ke basis pengetahuan yang berisi aturan fuzzy dalam bentuk IF- THEN. Nilai keanggotaan anteseden atau (α) akan dicari pada setiap aturan. Apabila
7 11 aturan lebih dari satu, maka akan dilakukan agregasi semua aturan. Selanjutnya pada hasil agregasi akan dilakukan defuzzifikasi untuk mendapatkan nilai crisp kembali sebagai outputnya Metode Fuzzy Inference System (FIS) Tsukamoto Bandyopadhyay et al. (2013) dalam jurnalnya mengatakan pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan dengan tegas (crisp) berdasarkan predikat ( ). 2.7 Defuzzifikasi Dalam jurnalnya Mashhadan & Lobaty (2013) menulis defuzifikasi adalah cara mengubah informasi kabur (fuzzy) menjadi informasi yang bernilai tegas, defuzifikasi merupakan transformasi yang menyatakan kembali keluaran dari domain fuzzy ke dalam domain crisp. Proses defuzzifikasi ini dilakukan dengan mencari nilai rataratanya. Proses defuzifikasi dapat dilakukan dengan persamaan berikut......(2)
BAB 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 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 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 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 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 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 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 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 terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY oleh: 1 I Putu Dody Lesmana, 2 Arfian Siswo Bintoro 1,2 Jurusan Teknologi Informasi, Politeknik
Lebih 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 terperinciSISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH
KECERDASAN BUATAN SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH AMARILIS ARI SADELA (E1E1 10 086) SITI MUTHMAINNAH (E1E1 10 082) SAMSUL (E1E1 10 091) NUR IMRAN
Lebih 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah kata benda yang berasal dari kata himpun. Kata kerjanya adalah menghimpun. Menghimpun adalah kegiatan yang berhubungan dengan berbagai objek apa saja.
Lebih 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 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 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 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 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 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 2 LANDASAN TEORI
BAB LANDASAN TEORI. Himpunan Himpunan adalah setiap daftar, kumpulan atau kelas objek-objek yang didefenisikan secara jelas, objek-objek dalam himpunan-himpunan yang dapat berupa apa saja: bilangan, orang,
Lebih terperincimanusia diantaranya penyakit mata konjungtivitis, keratitis, dan glaukoma.
6 BAB II TINJAUAN PUSTAKA 2.1 Gambaran Tentang Mata Mata merupakan organ tubuh manusia yang paling sensitif apabila terkena benda asing misal asap dan debu. Debu akan membuat mata kita terasa perih atau
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 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bab ini berisi tentang pemahaman dari logika fuzzy dan data mining. Pada bab ini juga akan dijelaskan bagian-bagian yang perlu diketahui dalam logika fuzzy dan data mining, sehingga
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 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 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 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 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 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 2 2. LANDASAN TEORI
BAB 2 2. LANDASAN TEORI Bab ini akan menjelaskan mengenai logika fuzzy yang digunakan, himpunan fuzzy, penalaran fuzzy dengan metode Sugeno, dan stereo vision. 2.1 Logika Fuzzy Logika fuzzy adalah suatu
Lebih terperinciJOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi
JOBSHEET SISTEM CERDAS REASONING 2 Fuzzifikasi S1 PENDIDIKAN TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS NEGERI MALANG 2016 PRAKTIKUM SISTEM CERDAS - REASONING JOBSHEET 2 - FUZZIFIKASI
Lebih terperinciPENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI Much. Djunaidi Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com
Lebih terperinciDENIA FADILA RUSMAN
Sidang Tugas Akhir INVENTORY CONTROL SYSTEM UNTUK MENENTUKAN ORDER QUANTITY DAN REORDER POINT BAHAN BAKU POKOK TRANSFORMER MENGGUNAKAN METODE FUZZY (STUDI KASUS : PT BAMBANG DJAJA SURABAYA) DENIA FADILA
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara
Lebih terperinciMenentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani
Menentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani Anitaria Simanullang 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED anitaria.simanullang@gmail.com
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 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 terperinciNURAIDA, IRYANTO, DJAKARIA SEBAYANG
Saintia Matematika Vol. 1, No. 6 (2013), pp. 543 555. ANALISIS TINGKAT KEPUASAN KONSUMEN BERDASARKAN PELAYANAN, HARGA DAN KUALITAS MAKANAN MENGGUNAKAN FUZZY MAMDANI (Studi Kasus pada Restoran Cepat Saji
Lebih terperinciPERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)
PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) Komang Wahyudi Suardika 1, G.K. Gandhiadi 2, Luh Putu Ida Harini 3 1 Program
Lebih 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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan perekonomian yang terjadi saat ini menjadikan persaingan bisnis semakin kompetitif, konsumen semakin kritis dalam memilih produk berkualitas tinggi sehingga
Lebih terperinciBAB II TINJAUAN PUSTAKA
5 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 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 terperinciPenentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno
Penentuan Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Shenna Miranda #1, Minora Longgom Nasution *2, Muhammad Subhan #3 #1 Student of Mathematics department State University
Lebih 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 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 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 terperinciPENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI Ahmad Mufid Program Studi Sistem Komputer Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Sultan Fatah No. 83 Demak Telpon
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Metode Pengumpulan Data Dalam penelitian diagnosa penyakit asma dengan menggunakan metode fuzzy Tsukamoto, dibutuhkan data mengenai gejala penyakit dari seorang pakar atau
Lebih terperinci4-5-FUZZY INFERENCE SYSTEMS
4-5-FUZZY INFERENCE SYSTEMS Shofwatul Uyun Mekanisme FIS Fuzzy Inference Systems (FIS) INPUT (CRISP) FUZZYFIKASI RULES AGREGASI DEFUZZY OUTPUT (CRISP) 2 Metode Inferensi Fuzzy Metode Tsukamoto Metode Mamdani
Lebih terperinciSISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC
SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC ( STUDY KASUS : KARANG TARUNA DESA PUHJARAK ) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana Komputer
Lebih terperinciSISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB
JURNAL MATRIX VOL. 3, NO. 1, MARET 2013 39 SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB I Ketut Suwintana Jurusan Akuntansi Politeknik Negeri Bali Kampus Bukit Jimbaran Bali Telp. +62 361 701981 Abstrak:.Logika
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
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 mengenai ketidakpastian
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 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 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 terperinciPENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN
Saintia Matematika Vol. 1, No. 3 (2013), pp. 233 247. PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN Zati Azmiana, Faigiziduhu Bu ulolo, dan Partano Siagian Abstrak.
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 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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah suatu kumpulan atau koleksi objek-objek yang mempunyai kesamaan sifat tertentu. Objek ini disebut elemen-elemen atau anggota-anggota dari himpunan (Frans
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 terperinci( ) ( ;,, ) Π(,, ) ( ;, ) ( ;, ) ( ) BAB I PENDAHULUAN A. Latar Belakang Masalah Provinsi Daerah Istimewa Yogyakarta merupakan salah satu kota tujuan wisata yang cukup menarik minat para wisatawan baik
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 terperinciMenentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 13 Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani Ghulam Abdul Malik, Agus Maman Abadi Prodi Matematika, Universitas
Lebih terperinciMetode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Metode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh T - 42 Yudha Al Afis, Agus Maman Abadi Prodi Matematika,
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 terperinciAnalisis Rule Inferensi Mamdani dalam Menentukan Beasiswa Peningkatan Prestasi Akademik ( PPA)
Analisis Rule Inferensi Mamdani dalam Menentukan Beasiswa Peningkatan Prestasi Akademik ( PPA) Khairul Saleh, M. Kom, Universitas Asahan; address, telp/fax of institution/affiliation Jurusan Teknik Informatika,
Lebih terperinciPENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK)
PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK) Andrian Juliansyah ( 1011287) Mahasiswa Program Studi Teknik
Lebih 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 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 terperinciEVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI
EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI Karmila Suryani 1), Khairudin 2) 1) FKIP Universitas Bung Hatta Padang 2) FKIP Universitas Bung Hatta Padang e-mail: karmilasuryani.ptik@gmail.com,khaihatta@yahoo.com
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 terperinciOptimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto
Optimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program Studi Sistem Informasi
Lebih 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 terperinciBab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI
Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI III.1 Teori Logika fuzzi III.1.1 Logika fuzzi Secara Umum Logika fuzzi adalah teori yang memetakan ruangan input ke ruang output dengan menggunakan aturan-aturan
Lebih terperinciFuzzy Inference System untuk Mengurangi Kemacetan di Perempatan Jalan
Fuzzy Inference System untuk Mengurangi Kemacetan di Perempatan Jalan Edwin Romelta / 13508052 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
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 terperinciMATERI KULIAH (PERTEMUAN 12,13) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy. Politeknik Negeri Sriwijaya Palembang
HIMPUNAN FUZZY MATERI KULIAH (PERTEMUAN 2,3) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy Jurusan Teknik Komputer Politeknik Negeri Sriwijaya Palembang Pokok Bahasan Sistem fuzzy Logika fuzzy Aplikasi
Lebih terperinciPREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO
PREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO Ahmad Bahroini 1, Andi Farmadi 2, Radityo Adi Nugroho 3 1,2,3Prodi Ilmu Komputer FMIPA UNLAM Jl. A. Yani Km 36 Banjarbaru, Kalimantan
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 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 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 terperinciLAPORAN AKHIR PENELITIAN DOSEN PEMULA USULAN PENELITIAN DOSEN PEMULA
LAPORAN AKHIR PENELITIAN DOSEN PEMULA USULAN PENELITIAN DOSEN PEMULA PENERAPAN LOGIKA FUZZY PADA PENILAIAN KINERJA PEGAWAI: PENERAPAN LOGIKA FUZZY PADA PENILAIAN KINERJA PEGAWAI: STUDI KASUS UNIVERSITAS
Lebih terperinciTahap Sistem Pakar Berbasis Fuzzy
Company LOGO Penalaran Mamdani dan Tsukamoto Pada pendekatan Fuzzy Inference System Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2011 www.company.com
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh pada tahun 1965 yang merupakan guru besar di University of California Berkeley pada papernya yang berjudul
Lebih 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 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 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 terperinciREVIEW JURNAL LOGIKA FUZZY
REVIEW JURNAL LOGIKA FUZZY Disusun oleh : Gita Adinda Permata 1341177004309 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS NEGERI SINGAPERBANGSA KARAWANG KATA PENGANTAR Assalamualaikum
Lebih terperinciBAB 2 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 terperinciPenerapan Logika Fuzzy
1 Penerapan Logika Fuzzy M. Faisal Baehaki - 13506108 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia 1 m_faisal_b@yahoo.com
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 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 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 terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Penelitian dengan judul Pemodelan Untuk Menentukan Kecukupan Angka Gizi Ibu Hamil. Penentuan status kecukupan angka gizi ibu hamil dilakukan
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI 2.1 Pengertiaan Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk digunakan memenuhi tujuan tertentu, misalnya untuk proses produksi atau perakitan,
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 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 terperinci