Perilaku Kamera Untuk Pengambilan Sudut pandang Otomatis Menggunakan Metode Knowledge-Based System
|
|
- Erlin Sugiarto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Perilaku Kamera Untuk Pengambilan Sudut pandang Otomatis Menggunakan Metode Knowledge-Based System Prananto Yuwono 1) Moch. Hariadi 2) Supeno Mardi S. N 3) 1) Jurusan Teknik Elektro ITS, Surabaya 60111, aan@elect-eng.its.ac.id 2) Jurusan Teknik Elektro ITS, Surabaya 60111, mochar@ee.its.ac.id 3) Jurusan Teknik Elektro ITS, Surabaya 60111, mardi@ee.its.ac.id Abstrak - Penelitian ini menjelaskan tentang bagaimana membuat kamera dengan sudut pandang otomatis menggunakan Knowledge-Based System yang merupakan salah satu bidang Artificial Intelligence (AI) yang dalam hal ini menawarkan kemudahan pengambilan keputusan berdasarkan aturan if-then sederhana. Kamera virtual bergerak secara otomatis berdasarkan perubahan state dari FSM yang telah dikondisikan, selanjutnya digunakan logika fuzzy dengan variabel kesehatan dari player, jarak musuh, dan jumlah musuh untuk mendapatkan sudut pandang kamera yang lebih bervariasi dan lebih halus derajat sudutnya. Dalam thesis ini disimulasikan sistem pengambilan keputusan pada kamera virtual dari game peperangan yang memiliki jangkauan sudut pandang antara 0 90 derajat. Perilaku kamera dapat berubah sudut pandang secara otomatis dari sudut yang sempit (< 45 derajat), sudut sedang (= 45 derajat), dan sudut lebar (> 45 derajat) lebih dinamis berdasarkan logika fuzzy tersebut. Pada posisi state menyerang maka kamera akan berubah ke sudut 20 derajat langsung ketika hanya menggunakan knowledge based, tetapi ketika ditambahkan logika fuzzy sudut kamera akan bergerak bervariasi antara 12 derajat sampai 20 derajat. Kata Kunci: kamera virtual, Knowledge-Based System, perilaku kamera perilaku. perilaku kamera adalah perilaku kamera virtual yang ada didalam game. Dalam permainan ini kita akan meneliti kamera yang bisa mengambil keputusan secara otomatis untuk mengambil gambar-gambar dari sudut-sudut yang terbaik pada adegan yang terbaik juga. Ini berguna untuk menambah tingkat kedinamisan visual game jadi bermain game akan terasa lebih seru dengan sudut pandang yang bagus juga. 2. TEORI PENUNJANG 2.1 Finite State Machine (FSM) FSM merupakan salah satu metode yang paling populer untuk memodelkan perilaku agen/npc dalam sebuah game. Bahkan seakan menjadi standard karena telah digunakan secara luas dalam berbagai game. Hal ini mengingat kesederhanaan dan kemudahan FSM untuk diimplementasikan. FSM terdiri dari dua elemen utama yaitu keadaan (state) dan transisi (transition). State merupakan keadaan objek saat ini, sedangkan transisi adalah hal yang dilakukan untuk dapat berpindah dari satu state ke state yang lain (Gambar2.1) 1. PENDAHULUAN Game merupakan suatu program dimana didalamnya terdapat banyak sekali susunan struktur penunjang mulai dari skenario, model karakter, map, script programming, ilustrasi suara, penataan kamera, penataan suara, sampai pada pmbuatan environment. Hal-hal tersebut tidak bias dipisahkan dalam pembuatan game. Game yang bagus dan berkualitas adalah dimana game tersebut memiliki jalan certia atau skenario yg bagus, yang seru dan tidak membosankan, memiliki penataan suara yang bagus, memiliki karakter dan penataan grafis yang bagus juga.penelitian ini akan membahas permainan dari segi penataan kameranya yang disebut sebagai Gambar 2.1: Diagram FSM State dilambangkan dengan lingkaran, sedangkan transisi disimbolkan dengan anak panah dengan arah tertentu. Pada Gambar 1, angka 1-5 adalah state sedangkan huruf a-g adalah transisi. Kelebihan dari FSM adalah sederhana dan mudah diimplementasikan. Sedangkan kekurangannya adalah pada sistem yang besar, FSM akan sulit diperlihara.
2 FSM diimplemtasikan dalam bahasa pemrograman dengan berbagai cara, yaitu: cara tradisional (menggunakan switch-case), look-up tabel (menggunakan matriks untuk menyimpan state), dan dengan paradigma Object Oriented. FSM berkembang menjadi beberapa variasi dengan menggabungkan dengan metode lain, antara lain: Fuzzy State Machine (FuSM), Probabilistic FSM (PFSM), Hierarchical FSM (HFSM), dan lainnya. 2.2 Knowledge-Based System DSS (decission support systems) merupakan alat bantu untuk memecahkan persoalan-persoalan yang kurang terstruktur dengann baik. KBS ( knowledge-based system atau expert system) merupakan alat bantu untuk memecahkan persoalan yang mengikuti cara kerja pakar (expert). Penggabungan antara KBS dan DSS yang disebut dengan KB-DSS memberi suatu alternative baru untuk memecahkan persoalan. Knowledge Based System adalah suatu system yang menggunakan set pengetahuan (knowledge) yang dikodekan ke bahasa mesin untuk dapat menyimpulkan dan melakukan suatu tugas. Knowledge Based System digunakan untuk dapat membantu manusia dalam menyelesaikan masalah yang dihadapi dengan berdasarkan atas pengetahuan yang telah diprogramkan ke systemm tersebut. Untuk hal inilah maka digunakan knowledge based system dalam memecahkan masalah yang berhubungan AI Gambar 2.2: Skema Knowledge-Based System (dev2.tech-knowledgee.net) Komponen KBS Knowledge-Based System terdiri dari 3 komponen. Seperti terlihat pada gambar 2.6 yaitu : 1. Fact Base (Working Memory) 2. Knowledge Base 3. Rule Engine (Inference Engine) Contoh deklarasi fact base: Knowledge Base Berisi sekumpulan aturan yang dapat memindahkan dari kondisi awal permasalahan ke solusi. Knowledge Base berupa procedural language dan bersifat long- term knowledge. Kelebihan dan Kekurangann KBS Kelebihan KBS 1. Sederhana dan mudah dimengerti 2. Cepat 3. Konsisten Kekurangan KBS 1. Tidak bisa memberi jawaban jika tidak ada di knowledge base 2. Tidak bisa memberi respon yang kreatif 3. Tidak efisien dan sudah diimplementasikan pada sistem yang besar 2.3 Logika Fuzzy Logika Fuzzy adalah sebuah metode untuk menangani masalah ketidakpastian. Yang dimaksud dengan ketidakpastian yaitu suatu masalah yang mengandung keraguan, ketidaktepatan, kurang lengkapnya informasi, dan nilai kebenarannya bersifat sebagian. Ide tentang logika Fuzzy sebenarnya telah lama dipikirkan, yaitu semenjak jaman filsuf Yunani kuno. Dalam hal ini Plato adalah filsuf pertama yang meletakkan pondasi dasar dari logika Fuzzy. Plato menyatakan bahwa ada area ketiga selain benar dan salah. Pemikiran ini sempat menghilang selama 2 milenium sebelum akhirnya pada abad ke 19 para ahli menemukan teori probabilitas yang bisa digunakan untuk menangani masalah ketidakpastian. Teori ini terus berkembang hingga akhirnya pada tahun 1960 Lotfi A. Zadeh memperkenalkan teori himpunan Fuzzy. Lotfi A. Zadeh merupakan seorang profesor dari University of California, Berkeley, Amerika Serikat dan merupakan profesor pertama yang mempublikasikan makalah tentang konsep logika Fuzzy. Munculnya konsep logika fuzzy bukan berarti menggantikan teori probabilitas yang sebelumnya ada. Akan tetapi dengan adanya logika fuzzy telah ditemukan alternatif lain yang bias digunakan untuk menyelesaikan masalah
3 ketidakpastian. Beberapa tahun setelah munculnya teori logika fuzzy, para ilmuwan jepang berhasil mengaplikasikan konsep tersebut kedalam perangkat elektronik maupun pada proses produksi dalam industry. Pada dasarnya teori himpunan fuzzy merupakan perluasan dari teori himpunan klasik. Dalam teori himpunan klasik, setiap elemn hanya akan memiliki dua kemumgkian keanggotaan terhadap himpunan yaitu menjadi bagian dari himpunan atau bukan merupakan anggota himpunan. Sebagai contoh himpunan A adalah bilangan bilangan genap dari 0 sampai 7 maka maka anggota himpunan A adalah 2,4,6 dan maka yang bukan anggota bilangan A adalah 8,9,10 dan seterusnya. Dengan demikian nilai keanggotaan dari setiap elemen hanya memiliki dua yaitu 0 jika bukan merupakan anggota himpunan dan 1 jika merupakan anggota himpunan. Keterbatasan dari himpunan klasik adalah tidak dapat menangani ketidakpastian. Sebagai contoh A adalah himpunan botol berisi penuh air sehingga Ā adalah himpunan botol kosong. Bagaimana bila ada botol yang berisi setengah atau seperempat. Tentu botol tersebut bukan merupakan anggota himpunan A atau Ā. Dengan menggunakan logika Fuzzy maka kekurangan tersebut akan teratasi karena logika Fuzzy memetakan suatu elemen menjadi suatu bilangan real antara 0 sampai 1. Jadi pada kasus botol di atas maka nilai keanggotaan dari botol setengah penuh adalah 0.5. Sekumpulan obyek umum yang dapat dimasukkan dengan berbagai derajat (kelas) dari keanggotaan atas [0,1] interval. Konvensi untuk memiliskan fuzzy set yang dihasilkan dari universe U yang diskrit adalah sebagai berikut: (2.1) sedangkan jika U adalah kontinyu, maka. fuzzy set A dinotasikan sebagai: (2.2) Suatu sistem yang berbasis pada Logika Fuzzy dapat digambarkan dengan bagan berikut ini : Gambar 2.3. Bagan sistem berbasis fuzzy [6] Pada gambar 2.3, proses awal pada sistem yang berbasis aturan fuzzy adalah melakukan fuzzification yaitu mengubah masukan yang bersifat pasti menjadi bentuk fuzzy. Pada proses fuzzification didefinisikan variabel lingustik dari nilai masukan yang semantiknya ditentukan berdasarkan fungsi keanggotaannya. Variabel linguistik merupakan suatu interval numerik yang memiliki nilai-nilai linguistik. Variabel linguistik dibuat sebagai pendekatan alternatif dari pemikiran manusia yang berfungsi untuk meringkas informasi dan mengungkapkan informasi tersebut dalam bentuk masukan fuzzy [6]. Karena pada penelitian ini digunakan bentuk gambar sebagai representasi fungsi keanggotaannya maka penjelasan selanjutnya akan difokuskan pada bentuk gambar. Pada representasi ini, fungsi keanggotaan akan dinyatakan dalam suatu grafik fungsi. Terdapat beberapa bentuk grafik fungsi yang digunakan untuk menentukan fungsi keanggotaan, dalam penelitian ini digunakan dua fungsi ke anggotaan antara lain : 1. Fungsi Bentuk Segitiga Seperti namanya, fungsi segitiga berbentuk bangun segitiga yang memiliki titik pucak. Fungsi ini memiliki anggota yang dipetakan dalam interval [0,1] dimana hanya satu anggota saja yang memiliki derajad keanggotaan sama dengan satu yaitu yang berada pada titik puncak segitiga [6].
4 Gambar 2.10: fungsi segitiga [7] 2. Fungsi Bentuk Trapesium Fungsi trapesium berbeda dengan fungsi segitiga dimana pada fungsi trapesium ada beberapa anggota yang memiliki derajat keanggotaan sama dengan satu. [6] Gambar 2.10: fungsi trapesium [7] Setelah masukan diubah menjadi fuzzy input yang memliki variabel linguistik dan fungsi keanggotaan tertentu, selanjutnya dilakukan proses inference yaitu memasukkan aturan-aturan yang ada dalam basis pengetahuan. Terdapat banyak model aturan Fuzzy yang bisa digunakan dalam proses inference akan tetapi ada dua model aturan yang paling sering digunakan yaitu : 1. Model Mamdani Bentuk aturan yang digunakan pada model Mamdani adalah sebagai berikut : IF x 1 is A 1 AND AND x n is A n THEN y is B (2.3) Dimana A 1,, A n, B adalah nilai-nilai linguistik, sedangkan x 1 is A 1 menyatakan bahwa nilai dari variabel x 1 adalah anggota himpunan fuzzy A. 2. Model Sugeno Model Sugeno merupakan varian dari model Mamdani dan memiliki bentuk aturan sebagai berikut : IF x 1 is A 1 AND AND x n is A n THEN y = f(x 1,., x n ) (2.4) Dimana f bisa berupa sembarang fungsi dari variabel-variabel masukan yang nilainya berada dalam interval variabel keluaran. Kedua model tersebut memiliki karakteristik yang berbeda. Model Sugeno sering digunakan untuk membangun sistem yang menuntut hasil yang cepat. Karena perhitungannya yang sangat sederhana maka model ini sering digunakan untuk sistem kontrol. Akan tetapi model ini memiliki kelemahan yaitu hasil yang diperoleh kurang manusiawi atau masih terkesan kaku. Pada penelitian ini digunakan Model Mandani karena hasi perhitunganl yang diperoleh lebih manusiawi. Proses terakhir adalah defuzzification yaitu mengubah fuzzy Output menjadi nilai yang bersifat pasti. Fuzzy Output diperoleh dari proses inference. Bentuk dari Fuzzy Output masih berupa variabel linguistik sehingga harus diubah menjadi suatu nilai yang bersifat pasti. Ada beberapa metode yang digunakan untuk melakukan proses defuzzification, dalam peneltian ini digunakan centroid method : Centroid Method Metode ini juga biasa disebut dengan Center of Area atau Center of Gravity. Metode ini merupakan metode yang paling penting dan menarik dari semua metode yang ada. Pada metode ini nilai tegas keluarannya diperoleh berdasarkan titik berat dari kurva hasil proses pengambilan keputusan.[7] Gambar 2.10: metode centroid [7] Dari penjelasan tentang logika Fuzzy dapat diketahui bahawa suatu sistem yang menggunakan logika Fuzzy mampu menangani suatu masalah ketidakpastian dimana masukan yang diperoleh merupakan suatu nilai yang kebenarannya bersifat sebagian. Atas dasar itulah logika Fuzzy digunakan pada penelitian ini, dengan tujuan untuk mendapatkan respon perilaku kamera virtual berdasarkan variabel input yang dimiliki.
5 3. METODE PENELITIAN Pada penelitian ini kita akan membuat suatu simulasi perilaku kamera dengan mengambil sudut pandang terbaik dari adegan terbaik dalam sebuah game peperangan yang dimana didalamnya terdapat banyak sekali karakter-karakter yg terlibat. Tetapi dalam penelitan ini hanya digunakan agent yang berperan sebagai first person saja sehingga dapat memudahkan dalam melakukan analisa. Dalam game peperangan ini terdapat sistem penataan kamera yang sangat standard dengan hanya mengikuti first person dari belakang dan hanya terdapat satu sudut pandang saja. Dalam penelitian ini dibuat macam-macam sudut pandang yang akan membuat game terasa lebih dinamis dari segi sudut pandangnya sehingga terasa lebih seru dan menarik. Sudut pandang dalam penelitian ini akan bergerak secara otomatis bedasar pada state dalam FSM dari agent tersebut sehingga sudut pandang akan berubah jika agent mengalami state tertentu. 3.1 Desain FSM Agent Pada penelitian ini kita menggunakan FSM agent untuk membuat suatu kondisi dimana state yang akan dideteksi akan digunakan oleh knowledgebased system dalam mengambil suatu keputusan dalam pemilihan sudut pandang kamera. Seperti dibawah ini : Pada posisi standby atau idle maka tidak terdeteksi suatu aksi apapun dan state normal. Pada posisi berlari maka state akan terdeteksi bahwa ada aksi berlari maka disini akan di pilih keputusan ketika berlari maka kamera akan menentukan sudut pandang nya. Pada posisi dimana state mendeteksi adanya musuh, maka state akan berubah menjadi menyerang, maka diambil keputusan juga kamera akan berputar melewati agent kearah depan melalui dua tahap, dan kembali ke posisi semula. Pada posisi state agent mati maka kamera juga akan brubah naik ke atas dan berubah sudut menjadi 90 derajat. Gambar 3.2: Desain FSM Agent Gambar 3.1: flowcart penelitian Game peperangan yang dibuat merupakan pengembangan dari prototipe game Glorious Combat yang dibuat oleh David Lancaster dari perusahaan pembuat game Rebel Planet Creation ( David menyediakan kode sumber game tersebut secara gratis dan mendorong orang lain untuk memakai dan mengembangkannya. 3.2 Menentukan Aturan Dalam mengambil suatu gambar ada beberpa aturan yang nantinya sebagai parameter yang dimasukkan ke dalam knowledge based system. aturan aturan tersebut digunakan untuk mengambil keputusan dalam pengambilan sudut pandang kamera, aturan-aturannya adalah : IF musuh = 1 THEN kamera = 20 derajat IF musuh = 1 AND kesehatan = 0 THEN kamera = 90 derajat
6 IF musuh = 1 AND jumlah = 15 THEN kamera = 45 derajat IF musuh = 1 AND jumlah = 1 THEN kamera = 20 derajat IF musuh = 0 THEN kamera = 20 derajat IF musuh = 1 AND jarak = 5 AND jumlah = 15 THEN kamera = 30 derajat Aturan-aturan diatas masih sangat sederhana dan kurang halus dalam pemilihan pengambilan sudut pandang tersebut, maka oleh karena itu diberikan fuzzy agar pengambilan keputusan lebih halus dan lebih dinamis. Untuk membuat fuzzy disini kita membuat 3 parameter input yaitu : Kesehatan Tabel 3.1 : Variabel linguistic Input Kesehatan Variabel Notasi Nilai SL Sangat Lemah 0-4 L Lemah 1-8 Sd Sedang 5-15 K Kuat SK Sangat Kuat Gambar 3.4 derajat keanggotaan Input jarak Jumlah Tabel 3.3 Variabel linguistic Input jumlah Variabel Notasi Nilai S Sangat Dekat 0-5 Sd Dekat 3-11 B Jauh 9-15 Gambar 3.5derajat keanggotaan Input jumlah Dan output-nya adalah : Sudut Pandang Gambar 3.3: derajat keanggotaan Input kesehatan Jarak Musuh Tabel 3.4: Variabel linguistic Input Kesehatan Variabel Notasi Nilai S Sempit 0-30 Sd Sedang L Lebar Tabel 3.2 : Variabel linguistic Input jarak Variabel Notasi Nilai SD Sangat Dekat 0--5 D Dekat 2-10 J Jauh 8-15 SJ Sangat Jauh Gambar 3.3: derajat keanggotaan output sudut pandang
7 Parameter parameter diatas dapat dibuat aturan-aturan yang digunakan untuk mengambil keputusan Antara lain aturan-aturan tersebut sebagai berikut : Gambar 4.1 grafik hasil percobaan kelompok1 Hasil Percobaan kelompok 2 Tabel 4.2: Hasil percobaan kelompok 2 percob keseha Jarak Jumla Sudut aan tan h Pandang Aturan-aturan tersebut diatas akan difuzzykan untuk memberikan hasil yg lebih maksimal dan lebih halus dalam pemilihan keputusan dalam pemilihan sudut pandang kamera. 4. HASIL DAN PEMBAHASAN Dari penelitian ini didapatkan 3 parameter input dan 1 parameter output dan diberikan beberapa aturan yang akan diproses dengan menggunakan fuzzy logic. Dari parameter-parameter diatas dapat dilihat bahwa nilai-nilai yang ada akan digunakan untuk menentukan nilai output yang berupa nilai derajat dari sudut pandang kamera Hasil Percobaan kelompok 1 Tabel 4.1: Hasil percobaan kelompok 1 percobaan kesehatan Jarak Jumlah Sudut Pandang Gambar 4.2: grafik hasil percobaan kelompok 2
8 Hasil Percobaan kelompok 3 Tabel 4.3: Hasil percobaan kelompok 3 percobaan kesehatan Jarak Jumlah Sudut Pandang KESIMPULAN Dari hasil berbagai macam scenario percobaan seperti diatas, maka dapat disimpulkan beberapa hal, yaitu : knowledge-based system dapat mengambil keputusan dengan baik dalam kondisi yang sudah ditentukan. Tetapi sebatas kondisi itu saja. Jika mendeteksi musuh kamera langsung berubah ke sudut 30 derajat, jika mati kamera langsung berubah ke 90 derajat. Fuzzy memberikan banyak variasi sudut pandang kamera dengan parameterparameter yg sudah ditentukan. Pada posisi mati jika tanpa fuzzy kamera langsung berubah ke sudut 90 derajat, tetapi dengan fuzzy pada saat mati berubah secara bervariasi antara sudut derajat. Perilaku kamera pada glorius combat ini dapat berubah sudut pandang secara otomatis dari sudut yang sempit (< 45 derajat) sudut sedang (= 45 derajat) dan sudut lebar (> 45 derajat) lebih dinamis berdasarkan pada variabel kesehatan, jarak musuh, dan jumlah musuh DAFTAR REFERENSI Gambar 4.3:grafik hasil percobaan kelompok 3 Percobaan diatas telah menunjukkan bahwa perubaha sudut pandang yang ditentukan oleh input yang berbeda-beda sangat halus, ini di tunjukkan dengan nilai besaran sudut nya yang mempunyai sudut dengan nilai yang sangat bervarisi. Jika seluruh percobaan digabungkan maka akan didapatkan hasil grafik 3D seperti dibawah ini, Gambar 4.4:grafik hasil seluruh percobaan [1] Doron Friedman, Yishai A.Feldman. Automated cinematic reasoning about camera behavior,vecg Laboratory, Department of Computer Science, University College London, UK, 2006, Efi Arazi School of Computer Science, The Inter disciplinary Center, P. O.Box 167, Herzliya, Israel, 2006 [2] Ian Millington, Artifical Intelligent for games (The Morgan Kaufmann Series in Interactive 3D Technology), Morgan Kaufmann Publisher Inc., San Francisco, CA, USA, 2006 [3] Jarret Raim. Finite state machine in games, [4] Jason Brownlee. Finite state machine (fsm) [5] U.G. Gupta, Validating and Verifying Knowledge-based Systems,IEEE Press, Los Alamitos, [6] Jang, J. Roger, Sun. Chuen-Tsai, Mizuntani. Eiji. (1997). Neuro-Fuzzy and Soft Computing. Prentice-Hall Inc. Fuzzy Logic Toolbox Four Use with [7] Matlab, The MathWorks Inc
9
Perilaku Kamera Untuk Pengambilan Sudut Pandang Otomatis Menggunakan Metode
Perilaku Kamera Untuk Pengambilan Sudut Pandang Otomatis Menggunakan Metode Knowledge-Based System Prananto Yuwono 2208205802 2010 PROGRAM MAGISTER BIDANG KEAHLIAN JARINGAN CERDAS MULTIMEDIA JURUSAN TEKNIK
Lebih terperinciStrategi Menyerang Jarak Dekat Menggunakan Klasifikasi Bayesian Pada NPC (Non Player Character)
Strategi Menyerang Jarak Dekat Menggunakan Klasifikasi Bayesian Pada NPC (Non Player Character) Siti Asmiatun 1, Latius Hermawan 2, Tri Daryatni 3 Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, Semarang
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 terperinciSTRATEGI MENYERANG NPC GAME FPS MENGGUNAKAN FUZZY FINITE STATE MACHINE Ady Wicaksono 1), Mochamad Hariadi 2), Supeno Mardi S. N 3)
STRATEGI MENYERANG NPC GAME FPS MENGGUNAKAN FUZZY FINITE STATE MACHINE Ady Wicaksono 1), Mochamad Hariadi 2), Supeno Mardi S. N 3) 1) Pasca Sarjana Teknik Elektro ITS, Surabaya 60111 2) Jurusan Teknik
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 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 terperinciPERILAKU OTONOM DAN ADAPTIF NON PLAYER CHARACTER MUSUH PADA GAME 3 DIMENSI MENGGUNAKAN FUZZY STATE MACHINE DAN RULE BASED SYSTEM
PERILAKU OTONOM DAN ADAPTIF NON PLAYER CHARACTER MUSUH PADA GAME 3 DIMENSI MENGGUNAKAN FUZZY STATE MACHINE DAN RULE BASED SYSTEM Fahrul Pradhana Putra 1, Ahmad Zainul Fanani 2,Moch. Hariadi 3 1 Magister
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 terperinciProf. Erich P., Johannes Kepler Univ. Suyanto, Artificial Intelligence
Prof. Erich P., Johannes Kepler Univ. Suyanto, Artificial Intelligence 12/11/2009 1 Pada hidup sehari-hari, kita terbiasa dengan ucapan kecil, agak panas, sekitar jam 2. Ucapan yang tidak presisi (imprecise
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 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
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 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 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 terperinciKecerdasan Buatan dalam Game untuk Merespon Emosi dari Teks Berbahasa Indonesia Menggunakan Klasifikasi Teks dan Logika Fuzzy
Kecerdasan Buatan dalam Game untuk Merespon Emosi dari Teks Berbahasa Indonesia Menggunakan Klasifikasi Teks dan Logika Fuzzy Mitra Istiar Wardhana 1), Surya Sumpeno 2), Mochamad Hariadi 3) 1,2 Pasca Sarjana
Lebih terperinciLOGIKA FUZZY 3/18/2017 OVERVIEW SEJARAH LOGIKA FUZZY WHAT IS FUZZY LOGIC? LOGIKA BOLEAN PERMASALAHAN DUNIA NYATA
OVERVIEW Pengertian Logika Fuzzy LOGIKA FUZZY SHINTA P. SARI Sejarah Logika Fuzzy Teori Logika Fuzzy Aplikasi Logika Fuzzy PRODI. INFORMATIKA FASILKOM UIGM 2017 WHAT IS FUZZY LOGIC? Pengertian Fuzzy not
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 terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciBAB 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 terperinciLOGIKA FUZZY. Dr. Ade Gafar Abdullah JPTE-UPI
LOGIKA FUZZY Dr. Ade Gafar Abdullah JPTE-UPI Introduction Logika fuzzy adalah cabang dari sistem kecerdasan buatan (Artificial Intelegent) yang mengemulasi kemampuan manusia dalam berfikir ke dalam bentuk
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 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 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 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 terperinciKecerdasan Buatan (Artificial Intelligence) Muhammad Dahria
Kecerdasan Buatan (Artificial Intelligence) Muhammad Dahria Abstrak Kecerdasan Buatan (Artificial Intelligence) merupakan salah satu bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer)
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 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 terperinciBAB I PENGANTAR KECERDASAN BUATAN
BAB I PENGANTAR KECERDASAN BUATAN 1. 1 DEFINISI Kecerdasan buatan (Artificial Intelligence) : Bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan seperti
Lebih terperinciFuzzy Database. Abstrak. Pendahuluan. Pembahasan. Jarnuji.
Fuzzy Database Jarnuji Jarnuji.jarnuji@yahoo.com Abstrak Logika fuzzy merupakan alternatif cara berpikir yang dapat memodelkan kompleks sistem menggunakan pengetahuan dan pengalaman yang dipunyai logika
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 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 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 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Desain penelitian Tahap Analisis Studi Literatur Data Penelitian Tahap Perancangan Desain Sistem Fuzzy Mamdani Tahap Pengembangan Pembangunan Perangkat Lunak Tahap Pengujian
Lebih terperinciPENENTUAN KUALITAS BIOGAS UNTUK PEMENUHAN ENERGI SKALA RUMAH TANGGA BERBASIS FUZZY LOGIC
PENENTUAN KUALITAS BIOGAS UNTUK PEMENUHAN ENERGI SKALA RUMAH TANGGA BERBASIS FUZZY LOGIC Aminatus S 1), Juniarko Prananda 2) Teknik Keselamatan Kerja PPNS Surabaya 1),. Teknik Sistem Perkapalan ITS Surabaya
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 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 terperinciSISTEM PAKAR MENGGUNAKAN MESIN INFERENSI FUZZY. Wilis Kaswidjanti. Abstrak
Jurnal Teknik Elektro Vol. No. Juli - Desember 0 9 SISTEM PAKAR MENGGUNAKAN MESIN INFERENSI FUZZY Wilis Kaswidjanti Abstrak Salah satu cara untuk menangani ketidakpastian pada bidang sistem pakar dapat
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 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 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 terperinciPengenalan Kecerdasan Buatan (KB)
Pengenalan Kecerdasan Buatan (KB) Pengertian Kecerdasan Buatan VS Kecerdasan Alami Komputasi KB VS Komputasi Konvensional Sejarah KB Lingkup KB Soft Computing Referensi Luger & Stubblefield - bab 1 Sri
Lebih terperinciEXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS
EXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS Agus Sasmito Aribowo Teknik Informatika. UPN Veteran Yogyakarta Jl. Babarsari no 2 Tambakbayan 55281
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 terperinciPERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ. Rianto Samosir, Iryanto, Rosman Siregar
Saintia Matematika Vol. 1, No. 6 (2013), pp. 517-527. PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ Rianto Samosir, Iryanto, Rosman Siregar Abstrak: Logika
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 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 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: 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 terperinciMahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan Sistem Fuzzy.
Chapter 7 Tujuan Instruksional Khusus Mahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan. Mahasiswa mampu melakukan perhitungan
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 terperinciSIMULASI MULTI-AGENT DENGAN HEXAGONAL GRID MENGGUNAKAN METODE KNOWLEDGE-BASED SYSTEM
SIMULASI MULTI-AGENT DENGAN HEXAGONAL GRID MENGGUNAKAN METODE KNOWLEDGE-BASED SYSTEM Ibrohim Yofid Fananda 1 *, Mochamad Hariadi 2, Supeno Mardi 3 Pasca Elektro, Institut Teknologi Sepuluh Nopember Surabaya,
Lebih terperinciArtificial intelligence
Artificial intelligence Team teaching: Sri Winiarti, Andri Pranolo, dan Anna Hendri SJ Andri Pranolo W : apranolo.tif.uad.ac.id M : 081392554050 E : andri.pranolo@tif.uad.ac.id Informatics Engineering,
Lebih terperinciARTIFICIAL INTELLIGENCE / AI (Kecerdasan Buatan)
ARTIFICIAL INTELLIGENCE / AI (Kecerdasan Buatan) Definisi : - Awalnya komputer difungsikan sebagai alat hitung. - Seiring dengan perkembangan jaman, komputer diharapkan dapat diberdayakan untuk mengerjakan
Lebih terperinciKECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) By :Suthami A.
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) By :Suthami A. Definisi Kecerdasan buatan (Artificial Intelligence) : Bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer) dapat melakukan
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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan
Lebih terperinciBAB 2 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 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 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 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 terperinciPergantian Senjata NPC pada Game FPS Menggunakan Fuzzy Sugeno
Pergantian Senjata NPC pada Game FPS Menggunakan Fuzzy Sugeno Yunifa Miftachul Arif 1), Ady Wicaksono 2), Fachrul Kurniawan 3) 1,3) Jurusan Teknik Informatika, Fakultas Saintek, UIN Maulana Malik Ibrahim
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 terperinciDistribusi Gaussian Perilaku Tarung NPC Prajurit pada Game Peperangan Menggunakan Metode Box-Muller
Distribusi Gaussian Perilaku Tarung NPC Prajurit pada Game Peperangan Menggunakan Metode Box-Muller Nur Kholis Majid 1 *, Moch. Hariadi 2**, Supeno Mardi 3** Jurusan Teknik Elektro ITS, Surabaya,Indonesia
Lebih terperinciPEMODELAN SISTEM FUZZY STATIS SECARA UMUM DAN IDENTIFIKASI KONSTANTA PARAMETER DALAM SISTEM FUZZY STATIS
PEMODELAN SISTEM FUZZY STATIS SECARA UMUM DAN IDENTIFIKASI KONSTANTA PARAMETER DALAM SISTEM FUZZY STATIS Nadia Ersa Febrina 1, Rahmi Rusin 2 1 Mahasiswa Departemen Matematika, FMIPA UI, Kampus UI Depok
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY. Abstraksi
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY Denny Cristiono T.S., Yugowati P.,Sri Yulianto J.P. Fakultas Teknologi Informasi Universitas Kristen
Lebih terperinciARTIFICIAL INTELLIGENCE
ARTIFICIAL INTELLIGENCE APA YANG DIMAKSUD DENGAN ARTIFICIAL INTELLIGENT ( AI )? AI atau Kecerdasan Buatan atau Kecerdasan Tiruan adalah : Kemampuan suatu komputer melaksanakan kegiatan kegiatan yang biasanya
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 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 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 terperinciSIMULASI KENDALI MUTU DOSIS OBAT BERBASIS BOBOT DENGAN MENGGUNAKAN LOGIKA FUZZY
Abstract SIMULASI KENDALI MUTU DOSIS OBAT BERBASIS BOBOT DENGAN MENGGUNAKAN LOGIKA FUZZY Panca Hariwan Program Studi Teknik Komputer AMIK Bina Sarana Informatika panca_hariwan@bsi.ac.id; panca_85@yahoo.com
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 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 terperinciSISTEM PAKAR DENGAN BEBERAPA KNOWLEDGE BASE MENGGUNAKAN PROBABILITAS BAYES DAN MESIN INFERENSI FORWARD CHAINING
SISTEM PAKAR DENGAN BEBERAPA KNOWLEDGE BASE MENGGUNAKAN PROBABILITAS BAYES DAN MESIN INFERENSI FORWARD CHAINING Agus Sasmito Aribowo 1), Siti Khomsah 2) 1) Teknik Informatika. UPN Veteran Yogyakarta Jl.
Lebih terperinciFUZZY INFERENCE SISTEM MAMDANI UNTUK PENENTUAN KREDIT PADA KPN ESTIKA DEWATA. Oleh
FUZZY INFERENCE SISTEM MAMDANI UNTUK PENENTUAN KREDIT PADA KPN ESTIKA DEWATA Oleh I Made Budi Suwadnyana 1, A.A. Gede Bagus Ariana 2 Program Studi Teknik Informatika STMIK STIKOM INDONESIA Email: balibudi55@yahoo.com
Lebih terperinciBAB I PERKEMBANGAN LOGIKA FUZZY
BAB I PERKEMBANGAN LOGIKA FUZZY 1.1. Apakah Logika Fuzzy? Dalam kehidupan sehari-hari kita sering menjumpai suatu kondisi yang tidak dapat ditentukan batas-batasnya secara tepat. Pemberian batasan secara
Lebih terperinciANIMASI OBYEK TIGA DIMENSI DENGAN TEKNIK NON-PHOTOREALISTIC RENDERING UNTUK AUGMENTED REALITY MENGGUNAKAN LOGIKA FUZZY
ANIMASI OBYEK TIGA DIMENSI DENGAN TEKNIK NON-PHOTOREALISTIC RENDERING UNTUK AUGMENTED REALITY MENGGUNAKAN LOGIKA FUZZY 1 Moch. Yordan Rismarinandyo Siagian S,ST 2 Mochhammad Hariadi, S.T., M.Sc, P.hD Fakultas
Lebih terperinciJURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 31-40 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS DATA RUNTUN WAKTU DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
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 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 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 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 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Program linier merupakan metode matematika dalam mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan, seperti memaksimumkan keuntungan dan meminimumkan
Lebih terperinciPERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( )
TUGAS AKHIR PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati (1207 100 031) Dosen Pembimbing: Drs. I G Ngurah Rai Usadha, M.Si Dra. Nuri
Lebih terperinciDESAIN SIMULASI PENGAMBILAN KEPUTUSAN MULTIOBJECTIVE MENGGUNAKAN AGEN CERDAS
DESAIN SIMULASI PENGAMBILAN KEPUTUSAN MULTIOBJECTIVE MENGGUNAKAN AGEN CERDAS Mohamad Iman Prajitno 1, Bambang Wahyu W 2, Muh. Chosyi'in 3, Supeno Mardi S 4, Moch. Hariadi 5 Pasca Sarjana Jurusan Teknik
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 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 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 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 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 terperinciPERANCANGAN GAME TURN BASED STRATEGY MENGGUNAKAN LOGIKA FUZZY DAN NAIVE BAYES CLASSIFIER
PERANCANGAN GAME TURN BASED STRATEGY MENGGUNAKAN LOGIKA FUZZY DAN NAIVE BAYES CLASSIFIER Dery Fathurochman 1), Wina Witanti 2), Rezki Yuniarti 3) 1,2,3) Jurusan Teknik Informatika, Universitas Jenderal
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 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 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 terperinciManuver Kelompok NPC Berbasis Boids
Manuver Kelompok NPC Berbasis Boids Pengembangan Game Real Time Strategy Yonly Adrianus Benufinit 1, Moch. Hariadi 2, Supeno Mardi S. N 3 Mahasiswa Program Pasca Sarjana, Jurusan Teknik Elektro, Fakultas
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 terperinciVisualisasi Konsep Umum Sistem Pakar Berbasis Multimedia
Riau Journal Of Computer Science Vol.3 No.1 Januari 2016 : 17-22 17 Visualisasi Konsep Umum Sistem Pakar Berbasis Multimedia B. HERAWAN HAYADI 1 1 Dosen Fakultas Ilmu Komputer Universitas Pasir Pengaraian
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 terperinci