Klasifikasi Kemiskinan Menggunakan Fuzzy Inference System (FIS) Metode Mamdani
|
|
- Hendra Muljana
- 6 tahun lalu
- Tontonan:
Transkripsi
1 SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 20 Klasifikasi Kemiskinan Menggunakan Fuzzy Inference System (FIS) Metode Mamdani Navila Teguh Pambudi, Nurlia Ningsih, Agus Maman Abadi Program Studi Matematika, FMIPA, Universitas Negeri Yogyakarta navilateguh@gmail.com Abstrak Kemiskinan merupakan masalah di setiap negara di dunia, termasuk di Indonesia. Salah satu upaya pemerintah untuk menanggulangi masalah kemiskinan tersebut adalah dengan memberikan bantuan kepada masyarakat seperti bantuan PKH kepada warga miskin melalui Dinas Sosial. Tetapi Dinas Sosial ini seringkali mengalami kesulitan untuk mengklasifikasi kemiskinan di suatu daerah. Pemanfaatan sistem logika fuzzy merupakan cara yang tepat untuk menentukan tingkat kemiskinan sebuah keluarga, dalam hal ini digunakan model Mamdani. Ada beberapa tahapan yang dilakukan dalam model Mamdani, yaitu fuzzifikasi, evaluasi aturan-aturan, agregasi, serta defuzzifikasi. Masukan (input) yang digunakan dalam karya ilmiah ini adalah luas bangunan, kualitas lantai, kualitas dinding, kepemilikan aset, pendapatan keluaraga, dan jumlah tanggungan. Keluaran (output) dari sistem ini adalah klasifikasi kemiskinan. Output tersebut dibandingkan dengan data dari Dinas Sosial. Hasilnya menunjukkan bahwa persentase kecocokan dari sistem logika fuzzy adalah 87 persen. Hal ini menunjukkan bahwa model fuzzy dapat digunakan untuk menentukan tingkat kemiskinan pada Dinas Sosial. Kata kunci: Dinas Sosial, logika fuzzy, kemiskinan. I. PENDAHULUAN Indonesia merupakan salah satu negara berkembang yang berpendapatan menegah-rendah [1] hingga saat ini masih memiliki permasalahan mengenai kemiskinan, sama seperti beberapa negara lainnya yang tergolong miskin di dunia. Banyak sekali kriteria yang digunakan untuk menentukan tingkat kemiskinan, diantaranya ada 14 kriteria yang digunakan BPS untuk menentukan tingkat kemiskinan seseorang salah satunya adalah kelayakan rumah yang ditinjau dari luas bangunan, kualitas lantai, kualitas dinding, dan lain sebagainya [2]. Kemiskinan diukur berdasarkan kemampuan memenuhi kebutuhan dasar, yamg artinya kemiskinan dipandang sebagai ketidakmampuan dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan makanan yang diukur dari sisi pengeluaran [3]. Dalam mengatasi permasalahan tersebut, pemerintah tentu tidak tinggal diam. Berbagai upaya telah dilakukan untuk mengatasi kemiskinan, salah satunya dengan adanya program PKH (Program Keluarga Harapan) yang berada dibawah koordinasi TimKoordinasi Penanggulangan Kemiskinan(TKPK), baik dipusat maupun didaerah. PKH adalah program perlindungan social yang memberikan bantuan tunai kepada Rumah Tangga Sangat Miskin (RTSM). Program ini dalam jangka pendek bertujuan mengurangi beban RTSM dan dalam jangka panjang diharapkan dapat memutus mata rantai kemiskinan antar generasi, sehingga generasi berikutnya dapat keluar dari perangkap kemiskinan.[4]. Permasalahannya adalah fakta bahwa klasifikasi yang jelas antara rumah tangga miskin dan tidak miskin tidak realistis [5]. Oleh karena itu, penilaian rumah tangga miskin ini perlu diperbaiki sehingga penentuan rumah tangga miskin ini sesuai dengan keadaan yang sebenarnya. Dengan demikian, perlu adanya cara untuk menentukan seseorang benar-benar dalam keadaan miskin atau tidak. Penelitian telah dilakukan oleh (Aisyah, 2013), dengan menggunakan fuzzy logic untuk menentukan tingkat kemiskinan pada koperasi Baytul-Ikhtiar. Penggunaan fuzzy logic digunakan untuk menentukanbobot penilaian terhadap kriteria yang digunakan, yaitu sejumlah 4 kriteria [6]. Ada beberapa metode yang dapat digunakan untuk menentukan klasifikais kemiskinan, diantaranya tingkat pendapatan [1], kepemilikan aset, serta berdasarkan Sumargo [7] salah satu yang dapat dijadikan tolok ukur kemiskinan adalah kondisi fisik rumah. Konsep fuzzy menjadi menarik untuk penelitian PT-129
2 ISBN (Cetak) (On-line) mengenai kemiskinan karena aplikasi nilai crisp konvensional yang memisahkan kategori miskin dan tidak miskin semakin diyakini tidak cukup untuk mewakili fenomena sosial yang kompleks seperti kemiskinan [8]. Oleh karena itu, dalam penelitian ini digunakan logika Fuzzy untuk menentukan klasisikasi kemiskinan guna memperoleh data penerima progam PKH. II. METODE PENELITIAN Logika fuzzy secara umum memiliki tahapan pengerjaan sebagai berikut [9]: 1. Menentukan variabel linguistik. 2. Membentuk fungsi keanggotaan. 3. Membentuk rule base. 4. Mengubah data crisp menjadi nilai fuzzy menggunakan fungsi keanggotaan. 5. Melakukan evaluasi rule pada rule base. 6. Menggabungkan hasil yang didapatkan pada setiap rule. 7. Mengubah output data menjadi nilai non-fuzzy. Pada kasus ini data yang digunakan adalah 90 data rumah tangga yang berada di Kelurahan Ponjong, Kecamatan Ponjong, Kabupaten Gunungkidul, yang di tunjukkan pada Tabel 1. No. Nama Luas Bangunan TABEL 1. DATA PENDUDUK DI DUSUN X Jenis Lantai Jenis Dinding Kepemilikan Aset Pendapatan Keluarga Jumlah Tanggungan 1. Karso Sami 60 Tegel Bambu Sarti 65 Semen Kayu Ngatinem 60 Semen Kayu Iswanto 50 Semen Kayu a. Fuzzification Proses fuzzification adalah tahapan awal dimana terjadi proses memetakan suatu nilai crisp dalam himpunan fuzzy. Dengan kata lain membuat suatu nilai crisp menjadi suatu nilai yang berkisar antara 0 hingga 1 dalam himpunan-himpunan fuzzy yang tersedia [10]. Himpunan variabel yang digunakan pada kasus ini adalah sebagai berikut: 1. Luas bangunan : {sempit, sedang, luas} 2. Kualitas lantai : {rendah, sedang, tinggi} 3. Kualitas dinding : { rendah, sedang, tinggi } 4. Kepemilikan aset :{sedikit, sedang, banyak} 5. Pendapatan keluarga : {rendah, sedang, tinggi} 6. Banyak tanggungan : {sedikit, sedang, banyak} Fungsi derajat keanggotaan yang dapat dibentuk untuk setiap kriteria adalah sebagai berikut: Fungsi derajat keanggotaan dari variabel luas bangunan ditunjukkan pada Gambar 1. GAMBAR 1. FUNGSI DERAJAT KEANGGOTAN VARIABLE LUAS BANGUNAN PT-130
3 SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 (1) (2) (3) Nilai-nilai pada variable kualitas lantai adalah nilai kualitatif sehingga perlu diubah terlebih dahulu menjadi nilai skala seperti ditunjukkan pada Tabel 2. TABEL 2. NILAI SKALA VARIABEL KUALITAS LANTAI Jenis Lantai Nilai Tanah 1 Tegel 2 Semen 3 Ubin 4 Keramik 5 Fungsi derajat keanggotaan dari variable kualitas lantai ditunjukkan pada Gambar 2. GAMBAR 2. FUNGSI DERAJAT KEANGGOTAN VARIABLE KUALITAS LANTAI (4) (5) (6) PT-131
4 ISBN (Cetak) (On-line) Nilai-nilai pada variable kualitas dinding adalah nilai kualitatif sehingga perlu diubah terlebih dahulu menjadi nilai skala seperti ditunjukkan pada Tabel 3. TABEL 3. NILAI SKALA VARIABEL KUALITAS DINDING Jenis Dinding Nilai Bambu 1 Triplek 2 Kayu 3 Batako 4 Bata 5 Fungsi derajat keanggotaan dari variable kualitas dinding ditunjukkan pada Gambar 3 GAMBAR 3. FUNGSI DERAJAT KEANGGOTAAN VARIABEL KUALITAS DINDING (7) (8) Fungsi derajat keanggotaan dari variable kepemilikan aset ditunjukkan pada Gambar 4. (9) GAMBAR 4. FUNGSI DERAJAT KEANGGOTAN VARIABLE KEPEMILIKAN ASET (RATUS RIBU RUPIAH) (10) PT-132
5 SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 (11) (12) Fungsi derajat keanggotaan dari pendapatan keluarga ditunjukkan pada Gambar 5 GAMBAR 5. FUNGSI DERAJAT KEANGGOTAN VARIABLE PENDAPATAN KELUARGA (13) (14) (15) Fungsi derajat keanggotaan dari jumlah tanggungan ditunjukkan pada Gambar 6. GAMBAR 6. FUNGSI DERAJAT KEANGGOTAN VARIABLE JUMLAH TANGGUNGAN PT-133
6 ISBN (Cetak) (On-line) (16) (17) (18) Fungsi derajat keanggotaan dari klasifikasi kemiskinan ditunjukkan pada Gambar 7. GAMBAR 7. FUNGSI DERAJAT KEANGGOTAN VARIABLE KLASIFIKASI KEMISKINAN (19) (20) b. Rule Rule merupakan serangkaian aturan yang digunakan sebagai dasar perhitungan yang akan digunakan pada logika Fuzzy. Menurut Suliadi, jika ada r konstanta linguistik dan p peubah input, maka banyaknya aturan dasar adalah [11]. Dalam penelitian ini setiap peubah input terdiri atas 3 konstanta linguistic dan 6 peubah input maka akan terdapat rules, namun hanya akan digunakan 154 rules. Hal ini dikarenakan ada beberapa aturan dasar yang tidak relevan untuk digunakan dalam penelitian ini. Tabel 4 menunjukkan rule yang digunakan untuk perhitungan pada kasus ini. No. Luas Bangunan Kualitas Lantai Kualitas Dinding TABEL 4. RULE If Kepemilikan Aset Pendapatan Keluarga Jumlah Tanggungan 1. Sempit Rendah Rendah Sedikit Rendah Banyak Sangat Miskin 2. Sempit Rendah Rendah Sedang Rendah Banyak Sangat Miskin Then (21) PT-134
7 SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY Sempit Rendah Rendah Banyak Rendah Banyak Sangat Miskin 90. Sempit Sedang Sedang Banyak Tinggi Sedikit Tidak Miskin c. Defuzzification Defuzzifikasi merupakan upaya mengonversi derajat keanggotaan setiap anggota domain peubah output hasil proses logika fuzzy menjadi satu nilai output yang merupakan hasil akhir yang diharapkan. Metode defuzzifikasi yang digunakan dalam penelitian ini adalah Center of Gravity (centroid), CoG. Metode ini pada dasarnya mencari titik keseimbangan daerah solusi fuzzy dengan menghitung rata-rata terboboti dari daerah output fuzzy. Metode ini merupakan metode yang paling dikenal dan sangat luas digunakan. III. HASIL DAN PEMBAHASAN Hasil yang didapatkan setelah melakukan penarikan kesimpulan dengan menggunakan metode centroid adalah ditunjukkan pada Tabel 5. TABEL 5. HASIL MENGGUNAKAN METODE CENTROID No. Nama Luas Jenis Kepemilikan Pendapatan Jumlah Jenis Lantai Bangunan Dinding Aset Keluarga Tanggungan TK 1. Karso Sami 60 Tegel Bambu Sarti 65 Semen Kayu Ngatinem 60 Semen Kayu Wartini 60 Semen Kayu Mugio 56 Tegel Bambu Asmo Rejo 110 Ubin Batako Prapto Rejo 80 Tegel Tripleks Hartono 80 Tegel kayu Suprapto 250 Keramik Batako Sugito 50 Keramik Batako Sunaryo 70 Keramik Batako War 80 Tegel kayu Suyadi 50 Keramik Batako Sunarto 50 Keramik Batako Marini 75 Keramik Batako Sanusi 100 Tegel bambu Suyanto 50 Semen bambu Marbandi 75 Semen kayu Iswanto 50 Semen kayu TABEL 6. PERBANDINGAN HASIL LOGIKA FUZZY DENGAN DATA DARI DINAS SOSIAL No. Nama Tingkat Kemiskinan Kesimpulan Logika Fuzzy Status Kemiskinan data Dinas Sosial 1. Karso Sami 17.4 Sangat Miskin Sangat Miskin 2. Sarti 17.4 Sangat Miskin Sangat Miskin 3. Ngatinem 17.4 Sangat Miskin Sangat Miskin 4. Wartini 34.2 Miskin Miskin 5. Mugio 17.4 Sangat Miskin Sangat Miskin 6. Asmo Rejo 62.7 Tidak Miskin Tidak Miskin 7. Prapto Rejo 39.3 Miskin Miskin 79. Hartono 17.4 Sangat Miskin Sangat Miskin 80. Suprapto 82.6 Sangat Miskin Tidak Miskin 81. Sugito 50 Miskin Tidak Miskin 82. Sunaryo 63.6 Tidak Miskin Tidak Miskin 83. War 17.4 Sangat Miskin Sangat Miskin 84. Suyadi 50 Miskin Miskin 85. Sunarto 50 Miskin Miskin 86. Marini 65.8 Tidak Miskin Tidak Miskin 87. Sanusi 50 Miskin Miskin 88. Suyanto 50 Miskin Miskin 89. Marbandi 17.4 Sangat Miskin Sangat Miskin 90. Iswanto 31.5 Miskin Sangat Miskin PT-135
8 ISBN (Cetak) (On-line) Agar perbandingan antara hasil yang didapatkan dari logika fuzzy dengan data dari Dinas Sosial dapat dilihat hasilnya sebagai berikut : Persentase kecocokan dari sistem logika fuzzy terhadap kondisi sebenarnya di Dinas Sosial ini adalah persen. Hal ini membuktikan bahwa metode logika fuzzy dengan model Mamdani untuk menentukan klasifikasi kemiskinan di Dinas Sosial Gunungkidul dapat digunakan sebagai alat pendukung yang baik. IV. SIMPULAN DAN SARAN Model Mamdani pada logika fuzzy dapat digunakan untuk menentukan klasifikasi kemiskinan dengan input yang terdiri atasluas bangunan, kualitas lantai, kualitas dinding, kepemilikan aset, pendapatan keluarga, dan jumlah tanggungan.aplikasi model pada data uji penelitian ini menghasilkan persentase kecocokan sebesar persen, sehingga model ini dapat digunakan sebagai penentu tingkat kemiskinan di Dinas Sosial Gunungkidul. Untuk penelitian selanjutnya dapat ditambahkan peubah input untuk meningkatkan kecocokan klasifikasi kemiskinan. Selain itu, penggunaan model lain, seperti model Neural Network juga dapat dicobakan pada penelitian selanjutnya. DAFTAR PUSTAKA [1] [World Bank].,2017, Indonesia, [10 Juni 2017] [2] [Badan Pusat Statistik], 2014, Indonesia, [10 Juni 2017] [3] A. Cahyat, Bagaimana kemiskinan diukur? Beberapa model penghitungan kemiskinan di Indonesia, Center for International Forestry K. Elissa, Title of paper if known, unpublished, 2004 [4] [Tim Nasional Percepatan Penanggulangan Kemiskinan], 2014, Indonesia., [10 Juni 2017] [5] M. Othman, S. H. A. Hamzah, & M. F. Yahaya, Fuzzy index poverty (fip): measuring poverty in rural area of terengganu, International conference on user science and engineering (i-user), 2010, [6] A. N. Rofi ah, Penentuan tingkat kemiskinan menggunakan logika fuzzy pada Koperasi Baytul-Ikhtiar Bogor [skripsi], Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor, 2013 [7] B. Sumargo, Validitas dan reliabilitas pengukuran kemiskinan [tesis], Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor, 2002 [8] D. Neff, Fuzzy Set Theoretic Applications in Poverty Research, Policy and Society, 2013, [9] P. Singhala, D. N. Shah, & B. Patel, Temperature Control using Fuzzy Logic, International Journal of Instrumentation and Control Systems (IJICS), 2014, 1 10 [10] [10 Juni 2017]. [11] Suliadi, Model fuzzy untuk menghitung indeks pembangunan berkelanjutan [tesis], Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor, 2003 PT-136
METODOLOGI 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 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 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 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 terperinciPENENTUAN PRIORITAS RUMAH TANGGA MISKIN MENGGUNAKAN FUZZY TSUKAMOTO
PENENTUAN PRIORITAS RUMAH TANGGA MISKIN MENGGUNAKAN FUZZY TSUKAMOTO Vivi Nur Wijayaningrum 1, Wayan Firdaus Mahmudy 2 1,2 Program Studi Magister Ilmu Komputer, Fakultas Ilmu Komputer, Universitas Brawijaya
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 terperinciAplikasi Fuzzy Logic Controller pada Sistem Lalu Lintas di Jalan Abu Bakar Ali, Yogyakarta
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Aplikasi Fuzzy Logic Controller pada Sistem Lalu Lintas di Jalan Abu Bakar Ali, Yogyakarta Indah Puspita, Erma Suryani, Agus Maman Abadi Program Studi
Lebih terperinciFuzzy Expert Sistem. Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015
Fuzzy Expert Sistem Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015 Ketentuan Praktikum Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa
Lebih terperinciPENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012
PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012 PENALARAN FUZZY Digunakan untuk menghasilkan suatu keputusan tunggal / crisp saat defuzzifikasi Penggunaan akan bergantung
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. Farah Zakiyah Rahmanti 2016
Logika Fuzzy Farah Zakiyah Rahmanti 2016 Topik Bahasa Alami Crisp Logic VS Fuzzy Logic Fungsi Keanggotaan (Membership Function) Fuzzifikasi (Fuzzyfication) Inferensi (Inference) Komposisi (Composition)
Lebih terperinciPENGEMBANGAN SISTEM PAKAR FUZZY
FUZZY EXPERT SYSTEM FUZZY INFERENCE SYSTEM FUZZY REASONING Toto Haryanto MATA KULIAH SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR PENGEMBANGAN SISTEM PAKAR FUZZY Domain Masalah Fuzzifikasi
Lebih terperinciPenerapan Metode Fuzzy Mamdani untuk Memprediksi Penjualan Gula
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 27 T - 23 Penerapan Metode Fuzzy Mamdani untuk Memprediksi Penjualan Gula Nurlia Ningsih, Navila Teguh Pambudi, Agus Maman Abadi Program Studi Matematika,
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 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 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 terperinciPENDEKATAN LOGIKA FUZZY UNTUK MEMPREDIKSI IPK AKHIR MAHASISWA MATEMATIKA INSTITUT PERTANIAN BOGOR
1 PENDEKATAN LOGIKA FUZZY UNTUK MEMPREDIKSI IPK AKHIR MAHASISWA MATEMATIKA INSTITUT PERTANIAN BOGOR ANA MARNIDA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 2 PERNYATAAN MENGENAI TESIS DAN
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 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 terperinciIMPLEMENTASI FUZZY LOGIC CONTROLLER PADA ROBOT LINE FOLLOWER
PROSIDING SEMINAR NASIONAL TEKNOLOGI IV Samarinda, November IMPLEMENTASI FUZZY LOGIC CONTROLLER PADA ROBOT LINE FOLLOWER Supriadi, Ansar Rizal Prodi Teknik Komputer, Jurusan Teknologi Informasi, Politeknik
Lebih terperinciLogika Himpunan Fuzzy
Logika Himpunan Fuzzy 1 Fungsi Keanggotaan untuk crisp logic True False 1 0 80F Panas Temperature f temperature >= 25C, Panas (1 atau Benar); f temperature < 25C, tidak Panas (0 atau Salah). Fungsi keanggotaan
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 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 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 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 terperinciPenerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk
Nusantara of Enginering/Vol.3/No.1/ISSN: 2355-6684 41 Penerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk Fajar Rohman Hariri Jurusan Teknik Informatika, Fakultas Teknik,
Lebih terperinciImplementasi Fuzzy Logic Controller Untuk Mengaturan ph Cairan Pada Air Limbah
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Implementasi Fuzzy Logic Controller Untuk Mengaturan ph Cairan Pada Air Limbah Firdaus Ridwan, Agus Maman Abadi Program Studi Matematika, FMIPA Universitas
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 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 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 terperinciFuzzy Set Logika Fuzzy Fuzzy System
Fuzzy Set Logika Fuzzy Fuzzy System 1 Crisp Set Crisp set membedakan anggota dan non anggota dengan batasan pasti Misalkan A sebuah crisp set dan x anggota A maka : A [x]=1 Jika y bukan anggota A maka
Lebih terperinciKlasifikasi Kabupaten-Kabupaten di Provinsi Sulawesi Selatan Berdasarkan Pola dan Struktur Pertumbuhan Ekonomi Menggunakan Logika Fuzzy
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Klasifikasi Kabupaten-Kabupaten di Provinsi Sulawesi Selatan Berdasarkan Pola dan Struktur Pertumbuhan Ekonomi Menggunakan Logika Fuzzy Rifaldy Fajar,
Lebih terperinciLogika Fuzzy Pengambilan Keputusan Pemilihan Penerima Beasiswa Menggunakan Metode Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Logika Fuzzy Pengambilan Keputusan Pemilihan Penerima Beasiswa Menggunakan Metode Mamdani Erma Suryani, Indah Puspita, Agus Maman Abadi Program Studi
Lebih terperinciPENDEKATAN LOGIKA FUZZY UNTUK MEMPREDIKSI IPK AKHIR MAHASISWA MATEMATIKA INSTITUT PERTANIAN BOGOR
1 PENDEKATAN LOGIKA FUZZY UNTUK MEMPREDIKSI IPK AKHIR MAHASISWA MATEMATIKA INSTITUT PERTANIAN BOGOR ANA MARNIDA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 2 PERNYATAAN MENGENAI TESIS DAN
Lebih terperinciPenerapan Fuzzy Logic untuk Pembatasan Jumlah Partikel Pada Aplikasi yang Menggunakan Sistem Partikel
Penerapan Fuzzy Logic untuk Pembatasan Jumlah Partikel Pada Aplikasi yang Menggunakan Sistem Partikel Biolardi Yoshogi (13509035) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
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 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 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 terperinciPerbaikan UTS. Telah ada tugas, merangkum paper, tujuan: Apakah tugas tsb telah dikerjakan dengan baik? Contoh yang SALAH:
Perbaikan UTS Telah ada tugas, merangkum paper, tujuan: memperbaiki hasil UTS Apakah tugas tsb telah dikerjakan dengan baik? Contoh yang SALAH: Paper tidak terkait / berbasis WEB Tidak ada unsur kecerdasan
Lebih terperinciAplikasi Fuzzy Logic Pada Pengaturan Air Cooler Untuk Ruangan
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Aplikasi Fuzzy Logic Pada Pengaturan Air Cooler Untuk Ruangan Riris Eka Lestari, Agus Maman Abadi Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciSeminar Nasional Inovasi Dan Teknologi Informasi (SNITI 3) ISSN : Samosir, November 2016
Analisis Penerapan Fuzzy Inference System (FIS) Dengan Metode Mamdani Pada Sistem Prediksi Mahasiswa Non Aktif (Studi Kasus : AMIK Tunas Bangsa Pematangsiantar) Anjar Wanto 1 1 Fakultas Ilmu Komputer-Teknologi
Lebih terperinciPerekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani
BINA INSANI ICT JOURNAL, Vol.3, No. 2, Desember 2016, 279-290 ISSN: 2355-3421 (Print) ISSN: 2527-9777 (Online) 279 Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani Ghofar Taufik 1,*
Lebih terperinciSISTEM PAKAR DIAGNOSA PENYAKIT DBD DAN DEMAM TIFOID DENGAN METODE FUZZY TSUKAMOTO (STUDI KASUS PUSKESMAS PRACIMANTORO I)
ISSN : 2338-18 SISTEM PAKAR DIAGNOSA PENYAKIT DBD DAN DEMAM TIFOID DENGAN METODE FUZZY TSUKAMOTO (STUDI KASUS PUSKESMAS PRACIMANTORO I) Waluyo (waluyo08@gmail.com) Didik Nugroho (didikhoho@gmail.com) Kustanto
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 terperinciCrisp Logic. Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh:
Logika Fuzzy Teori Dasar Crisp Logic Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh: Rule: If the temperature is higher than 80F, it is hot; otherwise, it is not
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 PRODUKTIVITAS TENAGA KERJA KONSTRUKSI MENGGUNAKAN PENDEKATAN FUZZY LOGIC
PREDIKSI PRODUKTIVITAS TENAGA KERJA KONSTRUKSI MENGGUNAKAN PENDEKATAN FUZZY LOGIC Elizar Program Studi Teknik Sipil, Universitas Islam Riau, Jl.Kaharuddin Nst 113 Pekanbaru Mahasiswa Program Doktor Teknik
Lebih terperinciREKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO
REKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO Endra Pratama, Titin Sri Martini, Mania Roshwita Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
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 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 terperinciPREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI
PREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI Rizka Munia Yogaswara 1), Gunawan Abdillah 2), Dian Nursantika
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 terperinciMetode Fuzzy. Analisis Keputusan TIP FTP UB
Metode Fuzzy Analisis Keputusan TIP FTP UB Pokok Bahasan Pendahuluan Logika Klasik dan Proposisi Himpunan Fuzzy Logika Fuzzy Operasi Fuzzy Contoh Pendahuluan Penggunaan istilah samar yang bersifat kualitatif
Lebih terperinciBAB III METODE FUZZY MAMDANI
29 BAB III METODE FUZZY MAMDANI Fuzzy Inference System merupakan sebuah kerangka kerja perhitungan berdasarkan konsep teori himpunan fuzzy dan pemikiran fuzzy yang digunakan dalam penarikan kesimpulan
Lebih terperinciIMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS
IMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS Alfa Saleh Teknik Informatika, Fak Ilmu Komputer Universitas Potensi Utama Jl KL Yos Sudarso KM 65 No3-A, Tanjung Mulia,
Lebih terperinciCi Crisp Logic. Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh:
Logika Fuzzy 1 Teori Dasar Ci Crisp Logic Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh: Rule: If the temperature is higher than 80F, it is hot; otherwise, it is
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 terperinciPENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO
PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO Magdalena Simanjuntak Program Studi Teknik Informatika, STMIK Kaputama E-mail : magdalena.simanjuntak84@gmail.com ABSTRACT This study aimed to analyze
Lebih terperinciContoh Kasus. Bagus Ilhami HIdayat
Contoh Kasus Suatu perusahaan tekstil akan memproduksi pakaian dengan jenis XYZ. Dari 1 bulan terakhir, permintaan terbesar mencapai 5000 potong per hari, dan permintaan terkecil mencapai 1000 potong per
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 terperinciSIMULASI PENGENDALIAN KECEPATAN MOBIL OTOMATIS MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA
SIMULASI PENGENDALIAN KECEPATAN MOBIL OTOMATIS MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA Helmy Thendean, M.Kom 1) Albert, S.Kom 2) Dra.Chairisni Lubis, M.Kom 3) 1) Program Studi Teknik Informatika,Universitas
Lebih terperinciIMPLEMENTASI FUZZY MAMDANI DALAM MENENTUKAN PEMBELIAN CAT (STUDI KASUS PT. XYZ)
IMPLEMENTASI FUZZY MAMDANI DALAM MENENTUKAN PEMBELIAN CAT (STUDI KASUS PT. XYZ) Edy Victor Haryanto Universitas Potensi Utama Jl. K. L. Yos Sudarso Km. 6,5 No. 3 A Tj. Mulia Medan edy@potensi-utama.ac.id,
Lebih terperinciPemodelan Pengendali Logika Samar Secara Manual Pada Kiln PT. Semen Tonasa (Tonasa IV)
Pemodelan Pengendali Logika Samar Secara Manual Pada Kiln PT. Semen Tonasa (Tonasa IV) St. Nawal Jaya 1 1 Progam Studi Teknik Elektro, Fakultas Teknik Unhalu E-mail : stnjaya@gmail.com Abstract This paper
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 terperinciPENGGUNAAN METODE LOGIKA FUZZY UNTUK MEMPREDIKSI PRODUKSI BENIH LOBSTER AIR TAWAR (LAT)
PENGGUNAAN METODE LOGIKA FUZZY UNTUK MEMPREDIKSI PRODUKSI BENIH LOBSTER AIR TAWAR (LAT) MUHAMMAD TRI HABIBIE unindra.trihabibie@yahoo.com Program Studi Teknik Informatika Fakultas Teknik, Matematika dan
Lebih terperinciFUZZY SYSTEM & FUZZY REASONING DEPARTEMEN ILMU KOMPUTER IPB
FUZZY SYSTEM & FUZZY REASONING Workshop on Fundamental Concept and Implementation of Fuzzy Logic March 17 th 2016 Net Centric Computing Lab DEPARTEMEN ILMU KOMPUTER IPB Outline Crips VS Fuzzy Pengembangan
Lebih terperinciImplementasi Logika Fuzzy Mamdani untuk Mendeteksi Kerentanan Daerah Banjir di Semarang Utara
Scientific Journal of Informatics Vol. 2, No. 2, November 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Implementasi Logika Fuzzy Mamdani untuk Mendeteksi Kerentanan
Lebih terperinciPenggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen
Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen Dwi Rolliawati Fakultas Ilmu Komputer, Sistem Komputer, Universitas Narotama dwi.roliawati@narotama.ac.id Abstrak Dosen sebagai pendidik
Lebih terperinciJMP : Volume 4 Nomor 2, Desember 2012, hal
12 JMP : Volume 4 Nomor 2, Desember 2012, hal. 253-264 APLIKASI FUZZY INFERENCE SYSTEM METODE MAMDANI UNTUK REKOMENDASI PEMILIHAN BIDANG KAJIAN PADA MAHASISWA PROGRAM STUDI MATEMATIKA UNSOED Yusuf Nur
Lebih terperinciAplikasi Fuzzy Inference System Dalam Penilaian Prestasi Mahasiswa
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 A -10 Aplikasi Fuzzy Inference System Dalam Penilaian Prestasi Mahasiswa Rani Mita Sari, Agus Maman Abadi FMIPA, Universitas Negeri Yogyakarta
Lebih terperinciKONTRAK PEMBELAJARAN (KP) MATA KULIAH
KONTRAK PEMBELAJARAN (KP) MATA KULIAH Kode MK: TSK-710 Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro Pengajar : Eko Didik Widianto, ST, MT Semester : 7 KONTRAK PEMBELAJARAN Nama
Lebih terperinciSistemInferensiFuzzy
SistemInferensiFuzzy Bahan Kuliah IF4058 Topik Khusus IF Oleh: Rinaldi Munir Teknik Informatika STEI ITB 1 SistemInferensiFuzzy Fuzzy Inference System (FIS) Sistem Inferensi Fuzzy Inferensi: penarikan
Lebih terperinciSeminar Tugas Akhir. Perancangan Sistem Pakar Fuzzy Untuk Pengenalan Dini Potensi Terserang Stroke Berbasis Web
Seminar Tugas Akhir Perancangan Sistem Pakar Fuzzy Untuk Pengenalan Dini Potensi Terserang Stroke Berbasis Web Oleh: Harmuda Pandiangan 1209 100 089 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPENENTUAN KUALITAS CABE MERAH VARIETAS HOT BEAUTY DENGAN FUZZY INFERENCE SYSTEM TSUKAMOTO
PENENTUAN KUALITAS CABE MERAH VARIETAS HOT BEAUTY DENGAN FUZZY INFERENCE SYSTEM TSUKAMOTO oleh TAUFIQ HANIF TRI SUSELO M0107017 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciBAB III PERANCANGAN Sistem Kontrol Robot. Gambar 3.1. Blok Diagram Sistem
BAB III PERANCANGAN Pada bab ini akan dijelaskan mengenai perancangan sistem yang meliputi sistem kontrol logika fuzzy, perancangan perangkat keras robot, dan perancangan perangkat lunak dalam pengimplementasian
Lebih terperinciIMPLEMENTASI LOGIKA FUZZY UNTUK MENGENDALIKAN PH DAN LEVEL AIR KOLAM RENANG
IMPLEMENTASI LOGIKA FUZZY UNTUK MENGENDALIKAN PH DAN LEVEL AIR KOLAM RENANG Nazrul Effendy, M. Heikal Hasan dan Febry Wikatmono Jurusan Teknik Fisika, Fakultas Teknik, Universitas Gadjah Mada Jln. Grafika
Lebih terperinciIV PENGEMBANGAN FUZZY INFERENSI SISTEM SELEKSI METODE EOR
IV PENGEMBANGAN FUZZY INFERENSI SISTEM SELEKSI METODE EOR 4.1. Fuzzy Inferensi Sistem Tahapan-tahapan yang dilakukan pada Pengembangan Fuzzy Iinferensi Sistem untuk Seleksi Metode EOR antara lain: mendefinisikan
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 terperinciAhmadi *1), Richa Watiasih a), Ferry Wimbanu A a)
Prosiding Seminar Nasional Teknologi Elektro Terapan 2017 Vol.01 No.01, ISSN: 2581-0049 Ahmadi *1), Richa Watiasih a), Ferry Wimbanu A a) Abstrak: Pada penelitian ini metode Fuzzy Logic diterapkan untuk
Lebih terperinciMODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN
Seminar Nasional Inovasi dan Teknologi (SNIT) 202 MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN Ghofar Taufiq AMIK Bina Sarana Informatika Jakarta Jl. Kramat Raya
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 terperinciPengaturan Air Cooler untuk Ruangan menggunakan Logika Fuzzy
Pengaturan Air Cooler untuk Ruangan menggunakan Logika Fuzzy Willy Setiawan - 13508043 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10
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 terperinciIMPLEMENTASI METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DALAM PEMILIHAN PEKERJAAN BAGI LULUSAN IBI DARMAJAYA
IMPLEMENTASI METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DALAM PEMILIHAN PEKERJAAN BAGI LULUSAN IBI DARMAJAYA Asri Bunga Renjani* 1, Yulmaini 2 Bandar Lampung, Telp. 0721-787214, Fax. 0721-700261 1,2 Teknik
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 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 PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ)
PERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ) Edy Victor Haryanto 1, Fina Nasari 2 1,2 UniversitasPotensiUtama Jl. K.
Lebih terperinciAnalisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan
128 ISSN: 2354-5771 Analisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan Raheliya Br Ginting STT Poliprofesi Meda E-mail: itink_ribu@yahoo.com Abstrak Pengambilan keputusan harus
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat
BAB IV HASIL DAN PEMBAHASAN A. Analisis Tingkat Kesehatan Bank Tingkat kesehatan bank dapat diketahui dengan melihat peringkat komposit bank tersebut. Menurut peraturan Bank Indonesia No. 13/1/PBI/2011
Lebih terperinciIMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)
IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) Junius_Effendi* Email : Cyberpga@ymail.com ABSTRAK Penelitian ini dilakukan untuk memperlajari
Lebih terperinciBAB 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 terperinciJurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL
MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL Fanisya Alva Mustika 1, Sutrisno 2 Program Studi Teknik Informatika, Universitas Indraprasta PGRI Jakarta 1,2 E-mail: alva.mustika@gmail.com
Lebih 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 terperinciPresentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ. Muhammad Reza Budiman
Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ Muhammad Reza Budiman 5209100075 Jurusan Sistem Informasi Fakultas Teknologi Informasi
Lebih terperinciSebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining
Sebelumnya... Penalaran pada Sistem Pakar Contoh forward chaining & backward chaining Ketidakpastian dalam Sistem Pakar Teori Peluang Teori Bayes Jaringan Bayes Faktor Kepastian Kecerdasan Buatan Pertemuan
Lebih terperinciSISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI
SISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI 1209100023 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
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 terperinciRANCANG BANGUN FUZZY MAMDANI SISTEM UNTUK DEDUPLIKASI PENUNJANG KEPUTUSAN KELAYAKAN NASABAH PADA LEASING PT. CS FINANCE. Sarwo
RANCANG BANGUN FUZZY MAMDANI SISTEM UNTUK DEDUPLIKASI PENUNJANG KEPUTUSAN KELAYAKAN NASABAH PADA LEASING PT. CS FINANCE Sarwo Sekolah Tinggi Manajemen Informatika dan Komputer Mercusuar sarwo@mercusuar.ac.id
Lebih terperinciIMPLEMENTASI LOGIKA FUZZY UNTUK AKUISI DATA BERBASIS WEB SERVER. Jl. Raya Kaligawe KM 4, PO BOX 1054, Semarang 50142
IMPLEMENTASI LOGIKA FUZZY UNTUK AKUISI DATA BERBASIS WEB SERVER Munaf Ismail 1*, Muhamad Haddin 1, Agus Suprajitno 1 1 Universitas Islam Sultan Agung Jl. Raya Kaligawe KM 4, PO BOX 1054, Semarang 50142
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 terperinci