LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima
|
|
- Johan Setiabudi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima Sekolah Tinggi Manajemen Industri
2 Pengertian Logika Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output Fuzzy Set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh pada tahun 1965, orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental Fuzzy Set. Ide dasar fuzzy set yang meliputi inclusion, union, intersection, complement, relation dan convexity
3 Contoh Pemetaan Logika Fuzzy Manajer pergudangan mengatakan pada manajer produksi seberapa banyak persediaan barang pada akhir minggu ini, kemudian manajer produksi akan menetapkan jumlah barang yang harus diproduksi esok hari Persediaan Barang Akhir Kotak Hitam Persediaan Barang Esok Pemetaan Input-output pada masalah produksi Diberikan data persediaan barang, berapa jumlah barang yang harus diproduksi?
4 Alasan Memilih Logika Fuzzy dalam penerapan diberbagai bidang 1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti 2. Logika fuzzy sangat fleksibel dan didasarkan pada bahasa alami 3. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks 4. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat 5. Logika fuzzy dapat membangun dan mengaplikasikan pengalamanpengalaman para pakar secara langsung tanpa harus melalui proses pelatihan 6. Logika fuzzy dapat bekerja sama dengan teknik-teknik kendali secara konvensional
5 Himpunan Fuzzy Crisp Set Crisp Set adalah Himpunan yang membedakan anggota dan non anggotanya dengan batasan yang jelas Fuzzy Set Fuzzy set merupakan dasar dari fuzzy logic. Suatu fuzzy set di dalam Universe (semesta) U didefinisikan sebagai suatu fungsi keanggotaan yang memetakan setiap objek di U menjadi suatu nilai real dalam interval [0,1].
6 Contoh Himpunan Fuzzy 1. Crisp Set Nilai keanggotan suatu item x dalam suatu himpunan A yang sering ditulis dengan μa[x]. memiliki2 kemungkinan yaitu : - Satu(1) yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan - Nol(0) yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan Misalnya Jika diketahui: S = [1, 2, 3, 4, 5, 6] adalah semesta pembicaraan A = [1, 2, 3] B = [3, 4, 5] Maka dapat dikatakan: - Nilai keanggotaan 2 pada himpunan A, μa [2] = 1, karena 2 є A - Nilai keanggotaan 4 pada himpunan A, μa [4] = 0, karena 4
7 Contoh Himpunan Fuzzy 2. Fuzzy Set Contoh dalam Fuzzy Set : - Misalkan, x = {5, 10, 20, 30, 40, 50, 60, 70, 80} adalah crisp set Usia dalam satuan tahun. - Balita, Dewasa, Muda, dan Tua adalah empat fuzzy set yang merupakan subset dari x.
8 Contoh Himpunan Fuzzy Pada tabel tersebut terdapat 4 buah fuzzy set dengan anggota dan derajat keanggotaannya sebagai berikut: - Balita = {} - Dewasa = {20, 30, 40, 50, 60, 70, 80} di mana derajat keanggotaannya dinyatakan oleh Dewasa = {0.8, 1, 1, 1, 1, 1, 1} - Muda = {5, 10, 20, 30, 40, 50} di mana derajat keanggotaannya dinyatakan oleh muda = {1, 1, 0.8, 0.5, 0.2, 0.1} -Tua = {20, 30, 40, 50, 60, 70, 80} di mana derajat keanggotaannya dinyatakan oleh Tua = {0.1, 0.2, 0.4, 0.6, 0.8, 1, 1}
9 Atribut Himpunan Fuzzy Linguistik Numeris Yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti : MUDA, PAROBAYA, TUA,dsb Yaitu suatu nilai (angka) yang menunjukan ukuran dari suatu variabel seperti : 40, 25, 30, dsb
10 Komponen Sistem Fuzzy Variabel Fuzzy Merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy seperti umur, temperatur, dsb Himpunan Fuzzy Merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy Semesta Pembicaraan Domain Merupakan keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy Merupakan keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy
11 Definisi Fungsi Keanggotaan Fuzzy Adalah suatu kurva yang menunjukan pemetaan titik-titik input data kedalam nilai keanggotaannya (derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Didalam fuzzy sistems, fungsi keangotaan memainkan peranan yang sangat penting untuk merepresentasikan masalah dan menghasilkan keputusan yang akurat.
12 Macam-Macam Fungsi Keanggotaan Fuzzy Representasi Linear Linear Naik Fungsi Sigmoid Linear Turun Fungsi Keanggotaan Fungsi Phi Fungsi Segitiga Fungsi Trapesium
13 Fungsi Representasi Linier 1. Linear Naik Kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0] bergerak ke kanan menuju nilai domain yang memiliki derajat keanggotaan lebih tinggi. FungsiKeanggotaan : 0; x a μ[x] = (x-a)/(b a) ; a x b Representasi Nilai Naik 1; x b
14 Fungsi Representasi Linier 2. Linear Turun Garis lurus dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah FungsiKeanggotaan : (x-a)/(b a) ; a x b μ[x] = 0; x b Representasi Linear Turun
15 Fungsi Sigmoid 2. Fungsi Sigmoid Sesuai dengan namanya, fungsi ini berbentuk kurva sigmoidal seperti huruf S. Setiap nilai x (anggota crisp set) dipetakan ke dalam interval [0,1].
16 Fungsi Phi 2. Fungsi Phi Pada fungsi keanggotaan ini, hanya terdapat satu nilai x yang memiliki derajat keanggotaan yang sama dengan 1, yaitu ketika x = c. Nilai-nilai di sekitar c memiliki derajat keanggotaan yang masih mendekati 1.
17 Fungsi Segitiga 2. Fungsi Segitiga Sama seperti fungsi phi, pada fungsi ini juga terdapat hanya satu nilai x yang memiliki derajat keanggotaan sama dengan 1, yaitu ketika x = b. Tetapi, nilai-nilai di sekitar b memiliki derajat keanggotaan yang turun cukup tajam menjauhi 1.
18 Fungsi Trapesium 2. Fungsi Trapesium Berbeda dengan fungsi segitiga, pada fungsi ini terdapat beberapa nilai x yang memiliki derajat keanggotaan sama dengan 1, yaitu ketika b x c. Tetapi derajat keanggotaan untuk a < x < b dan c < x d memiliki karakteristik yang sama dengan fungsi segitiga.
19 Operator Dasar Operasi Himpunan 1. Operator AND Operator ini berhubungan dengan operasi interseksi pada himpunan. α-predikat sebagai hasil operasi dengan operator AND diperoleh mengambil nilai keanggotaan terkecil antarelemen pada himpunan-himpunan yang bersangkutan. μa B = min (μa[x], μb[y])
20 Operator Dasar Operasi Himpunan 2. Operator OR Operator ini berhubungandenganperasiunion padahimpunan. α-predikat sebagai hasil operasi dengan operator AND diperoleh mengambil nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan. μaub = max(μa[x], μb[y])
21 Operator Dasar Operasi Himpunan 3. Operator NOT Operator ini berhubungan dengan operasi komplemen himpunan. α-predikat sebagai hasil operasi dengan operator AND diperoleh mengambil nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan μa = 1-μA[x]
22 Penalaran Monoton Penalaran Monoton Metode ini digunakan sebagai dasar untuk teknik implikasi fuzzy Jika dua daerah fuzzy direalisasikan dengan implikasi sederhana sebagai berikut : IF x is A THEN y is B Transfer Fungsi Y=f((x,A),B) Maka sistem fuzzy dapat berjalan tanpa harus melalui komposisi dan dekomposisi fuzzy. Nilai output dapat diestimasi secara langsung dari nilai keanggotaan yang berhubungan dengan antesedennya
23 a. A 1 A 2 B Aplikasi fungsi implikasi Min X 1 X 2 Y If X 1 is A 1 and X 2 is A 2 Then Y is B b. A 1 A 2 B Aplikasi fungsi implikasi Dot X 1 X 2 Y If X 1 is A 1 and X 2 is A 2 Then Y is B Gambar 4. (a) Aplikasi fungsi implikasi menggunakan operator min. (b) Aplikasi fungsi implikasi menggunakan operator dot.
24 Fungsi Implikasi Fungsi Implikasi Bentuk umum aturan yang digunakan dalam fungsi implikasi adalah : IF x is A THEN y is B Dengan : x dan y adalah skalar A dan B adalah himpunan fuzzy Proposisi yang mengikuti IF disebut anteseden Proposisi yang mengikutithen disebut konsekuen
25 Komponen Fungsi Implikasi Komponen Fungsi Implikasi Min (minimum) Dot (product) fungsi ini akan memoong output himpunan fuzzy fungsi ini akan menskala output himpunan fuzzy
26 Metode Inferensi Fuzzy Yaitu melakukan penalaran menggunakan fuzzy input dan fuzzy rules yang telah ditentukan sehingga menghasilkan fuzzy output Secara sintaks suatu fuzzy rule (aturan fuzzy) dituliskan sebagai berikut : IF antecendent THEN consequent
27 Metode Inferensi Fuzzy MetodeTsukamoto Metode Aturan Inferensi Fuzzy Metode Mamdani Metode Sugeno
28 Metode Inferensi Fuzzy Setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya output hasi linferensi dari tiap-tiap aturan diberikan secara tegas berdasarkan α-predikat. Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot.
29 Metode Inferensi Fuzzy Sering dikenal dengan nama Metode Max-Min. Metode ini diperkenal kan oleh Ebrahim Mamdani pada tahun 1975 Pembentukan himpunan fuzzy Tahapan Mendapatkan Output Aplikasi Fungsi Implikasi Komposisi Aturan Penegasan (Defuzzy) Metode Centroid Metode Bisektor Metode Mean of Maximum Metode Largest of Maximum Metode Smallest of Maximum
30 Metode Inferensi Fuzzy Penalaran ini hampir sama dengan penalaran Mamdani, hanya saja output (konsekuen) sistem tidak berupa himpunan fuzzy melainkan berupa konstanta atau persamaan linear. a. Model Fuzzy Sugeno Orde-Nol IF (X 1 is A 1 ) - (X 2 is A 2 ) - (X 3 is A 3 ) -. - (X N is A N ) THEN z = k Dengan : Ai adalah himpunan fuzzy ke-i sebagai anteseden k adalah konstanta (tegas) sebagai konsekuen b. Model Fuzzy Sugeno Orde-Satu IF (X 1 is A 1 ) -. - (X N is A N ) THEN z = p 1 * x p N * X N + q Dengan : Ai adalah himpunan fuzzy ke-i sebagai anteseden pi adalah suatu konstanta ke-i q merupakan konstanta dalam konsekuen
31 Database Fuzzy Sebagian besar basis data standar diklasifikasikan berdasarkan bagaimana data tersebut dipandang oleh user dan menggunakan query untuk mencari data yang diinginkan. Namun terkadang dibutuhkan suatu data yang bersifat ambiguous, maka digunakan basis data fuzzy. Salah satu diantaranya adalah model Tahani. Basisdata fuzzy model Tahani masih tetap menggunakan relasi standar, hanya saja model ini menggunakan teori himpunan fuzzy untuk mendapatkan informasi pada query-nya.
32 Akhirnya SELESAI juga... ffffuuuuhhhhhhhh
Pengantar 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 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 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 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 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 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 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 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 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 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 II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 LOGIKA FUZZY Titik awal dari konsep modern mengenai ketidakpastian adalah paper yang dibuat oleh Lofti A Zadeh, dimana Zadeh memperkenalkan teori yang memiliki obyek-obyek dari
Lebih terperinciBAB II LANDASAN TEORI. 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 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 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 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 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 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 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 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 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 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 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 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 II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Komponen Mobil Mesin terdiri atas beberapa bagian yang memiliki fungsinya masingmaning. Bagian-bagian atau komponen-komponen tersebut bekerja bersama-sama untuk menghasilkan
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 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 terperinciBAB II: TINJAUAN PUSTAKA
BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali
Lebih terperinciBAB II. 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sistem Pendukung Keputusan dapat diartikan sebagai sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan dalam situasi tertentu. Sistem
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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Game dan Video Game Menurut kamus Cambridge Advanced Learner Dictionary, game adalah sebuah aktivitas menghibur dan menyenangkan yang dimainkan oleh anak anak. Sedangkan video
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 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 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 terperincike dalam suatu ruang output. Orang yang belum pernah mengenal logika fuzzy pasti
BAB II LANDASAN TEORI 2.1 Logika Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Orang yang belum pernah mengenal logika fuzzy pasti akan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab landasan teori bertujuan untuk memberikan penjelasan mengenai metode atau pun teori yang digunakan dalam laporan tugas akhir ini, sehingga dapat membangun pemahaman yang sama antara
Lebih terperinciBAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem Definisi Sistem
BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem 2.1.1 Definisi Sistem Menurut Mustakini (2009:34), Sistem dapat didefinisikan dengan pendekatan prosedur dan pendekatan komponen, sistem dapat didefinisikan
Lebih 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Persediaan 2.1.1 Pengertian Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk digunakan memenuhi tujuan tertentu, misalnya untuk proses produksi
Lebih terperinciRANCANG BANGUN SISTEM PENGUNDIAN SEPAKBOLA MENGGUNAKAN LOGIKA FUZZY
RANCANG BANGUN SISTEM PENGUNDIAN SEPAKBOLA MENGGUNAKAN LOGIKA FUZZY Irving Vitra Paputungan, Denni Irawan Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia Jl. Kaliurang
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 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 terperinciMengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani
Seminar Nasional Teknologi Informatika, "The Future of Computer Vision", 27, ISBN : 978-62-56--7 Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani Sepri Yanti
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 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 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 terperinciProses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum
Prosiding Penelitian SPeSIA Unisba 2015 ISSN: 2460-6464 Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum 1 Fitria Tri Suwarmi, 2 M. Yusuf Fajar,
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 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 terperinciDefinisi LOGIKA FUZZY. Himpunan Fuzzy. Himpunan Fuzzy(contd) 3/13/2012. Budi Rudianto
3/3/22 Definisi LOGIKA FUY Budi Rudianto http://rizaldi.web.id/repo/fuzzy/logikafuzzy-.ppt Logika Fuzzy adalah peningkatan dari logika Boolean yang mengenalkan konsep kebenaran sebagian. Di mana logika
Lebih terperinciBAB IV METODOLOGI. Gambar 4.1 Model keseimbangan air pada waduk (Sumber : Noor jannah,2004)
BAB IV METODOLOGI 4.1 Sistem Pengoperasian Waduk. Tujuan di bangun suatu sistem waduk sangat mempengaruhi strategi pengoperasian sistem waduk yang bersangkutan. Dalam mengembangkan model optimasi pengoperasian
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 terperinciFUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR
Seminar Nasional Informatika 23 (semnasif 23) ISSN: 979-2328 UPN Veteran Yogyakarta, 8 Mei 23 FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Sundari Retno Andani ) ) AMIK Tunas Bangsa
Lebih 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 terperinciPENERAPAN ALGORITMA FUZZY PADA USAHA KREATIF TAS POLO
PENERAPAN ALGORITMA FUZZY PADA USAHA KREATIF TAS POLO Dwi Yulian RL 1* Teknik Informatika, Sekolah Tinggi Ilmu Komputer PGRI, Banyuwangi, Indonesia 1* lingkeku@gmail.com Abstrak Usaha kreatif Polo adalah
Lebih terperinciLOGIKA FUZZY (Lanjutan)
Metode Mamdani Metode mamdani sering dikenal sebagai metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Menurut metode ini, ada empat tahap yang harus dilalui untuk mendapatkan
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 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 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 terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy 2.1.1 Pendahuluan Titik awal dari konsep modern mengenai ketidakpastian adalah paper yang dibuat oleh Lofti A Zadeh, di mana Zadeh memperkenalkan teori yang memiliki
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 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 terperinciKOTAK HITAM. Pemetaan input-output pada masalah produksi Diberikan data persediaan barang, berapa jumlah barang yang harus diproduksi?
LOGIKA FUZZY 7 7. PENDAHULUAN Orang yang belum pernah mengenal logika fuzzy pasti akan mengira bahwa logika fuzzy adalah sesuatu yang amat rumit dan tidak menyenangkan. Namun, sekali seseorang mulai mengenalnya,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara
Lebih terperinciBAB 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 terperinciLogika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy.
LOGIKA FUZZY UTHIE 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 Amerika
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 terperinciPEMODELAN SISTEM FUZZY DENGAN MENGGUNAKAN MATLAB
PEMODELAN SISTEM FUZZY DENGAN MENGGUNAKAN MATLAB Afan Galih Salman Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University Jln. K.H. Syahdan No 9, Palmerah, Jakarta Barat 11480 asalman@binus.edu
Lebih terperincidan kesatuan nyata yang dapat digunakan dalam pengambilan keputusan. [JOG99]
BAB II LANDASAN TEORI 2.1 Sistem Pendekatan sistem yang kbih menekankan pada elemen atatu komponennya mendefinisikan suatu sistem sebagai berikut: [JOG99] Sistem adalah kumpulan dan elemen-elemen yang
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TINJAUAN TEORITIS 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern mengenai ketidakpastian
Lebih 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 terperinciBAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri.
BAB II LANDASAN TEORI 2.1 Penelusuran Minat dan Kemampuan (PMDK) PMDK adalah salah satu program penerimaan mahasiswa baru yang diselenggarakan oleh suatu perguruan tinggi secara mandiri. Sesuai dengan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Logika Fuzzy Teori himpunan logika samar dikembangkan oleh Prof. Lofti Zadeh pada tahun 1965. Zadeh berpendapat bahwa logika benar dan salah dalam logika konvensional tidak dapat
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 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI A. Kelapa Sawit Kelapa sawit adalah tumbuhan industri/ perkebunan yang berguna sebagai penghasil minyak masak, minyak industri, maupun bahan bakar. Pohon Kelapa Sawit terdiri dari
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan (SPK) Konsep Sistem Pendukung Keputusan (SPK) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management
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 terperinciKECERDASAN BUATAN LOGIKA FUZZY
KECERDASAN BUATAN LOGIKA FUZZY Pengertian adalah suatu cara untuk memetakan suatu ruang input ke dalam suatu ruang output. Skema logika fuzzy Antara input dan output terdapat suatu kotak hitam yang harus
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 II LANDASAN TEORI. Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini.
BAB II LANDASAN TEORI Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini. 2.1 CLUSTERING Clustering adalah proses pengelompokkan suatu
Lebih terperinciLOGIKA SAMAR (FUZZY LOGIC)
LOGIKA SAMAR (FUZZY LOGIC) 2. Himpunan Samar 2.. Himpunan Klasik dan Himpunan Samar Himpunan klasik merupakan himpunan dengan batasan yang tegas (crisp) (Jang, Sun, dan Mizutani, 24). Sebagai contoh :
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 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 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1 Persediaan 2.1.1 Definisi Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk proses produksi atau perakitan,
Lebih terperinciSTUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)
STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) Desi Vinsensia Program Studi Teknik Informatika STMIK Pelita Nusantara
Lebih terperinciBAB II KAJIAN PUSTAKA. mengikuti sertifikasi, baik pendidikan gelar (S-1, S-2, atau S-3) maupun nongelar (D-
BAB II KAJIAN PUSTAKA A. Kualifikasi Akademik Ditjendikti - kemendiknas, (2010) menyatakan bahwa kualifikasi akademik adalah ijazah pendidikan tinggi yang dimiliki oleh guru pada saat yang bersangkutan
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 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 terperinciANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5.
ANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5. Indah Pratiwi Jurusan Teknik Industri, Universitas Muhammadiyah Surakarta Jl. A. Yani
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 terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN DOSEN PEMBIMBING DENGAN METODE LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN DOSEN PEMBIMBING DENGAN METODE LOGIKA FUZZY Ainul Yaqin 1), Ema Utami 2), Emha Taufiq Luthfi 3) 1,2,3 Magister Teknik informatika STMIK AMIKOM Yogyakarta 1,2,3 Jl Ring
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sebuah aplikasi berupa Sistem Pendukung Keputusan (Decision Support System) mulai dikembangkan pada tahun 1970. Decision Support Sistem (DSS) dengan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Kecerdasan Buatan Kecerdasan buatan merupakan salah satu inovasi yang terdapat dalam bidang ilmu pengetahuan. Kecerdasan buatan telah dimulai sejak komputer modern pertama kali
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 terperinciSIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI
SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI Nofriadi * 1), Havid Syafwan 2) 1) Program Studi Sistem Informasi, STMIK Royal Kisaran Jl. Prof. M. Yamin 173 Kisaran, Sumatera
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya
Aplikasi Sistem Inferensi Fuzzy Metode Sugeno dalam Memperkirakan Produksi Air Mineral dalam Kemasan Oleh Suwandi NRP 1209201724 Dosen Pembimbing 1. Prof. Dr M. Isa Irawan, MT 2. Dr Imam Mukhlash, MT Institut
Lebih terperinciBAB 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 terperinci