BAB 2 LANDASAN TEORI
|
|
- Irwan Kartawijaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 20 f. Penyusunan laporan dan kesimpulan akhir. Menyusun laporan hasil analisis dan perancangan ke dalam format penulisan tugas akhir dengan disertai kesimpulan akhir. BAB 2 LANDASAN TEORI 2.1 Fuzzy logic Fuzzy logic merupakan suatu sistem cerdas yang digunakan untuk merepresentasikan ketidakpastian sesuai dengan cara manusia berfikir dan mengambil kesimpulan. Fuzzy logic secara matematis pertama kali diperkenalkan oleh Lotfi A. Zadeh (Suyanto, 2006) Himpunan Fuzzy Himpunan fuzzy merupakan superset dari himpunan konvensional. Pada himpunan fuzzy derajat keanggotaan berada diantara 0 dan 1. Derajat keanggotaan yang bernilai 1 menyatakan keanggotaan penuh, sedangkan derajat keanggotaan yang bernilai 0 menyatakan bukan anggota sama sekali. Pada himpunan fuzzy dapat terjadi keanggotaan yang bersifat parsial (Ibrahim, 2003). Pada himpunan konvensional, himpunan memiliki batasan yang kaku. Sebagai contoh, suatu himpunan konvensional didefinisikan sebagai A = {x x > 6} ada batasan yang jelas yaitu 6 sehingga jika x lebih besar dari 6 maka x anggota himpunan A dan jika sebaliknya maka x bukan anggota himpnan A. Berlawanan dengan himpunan konvensional, himpunan fuzzy merupakan suatu himpunan tanpa batasan yang kaku. Oleh karena itu transisi dari anggota himpunan ke bukan
2 21 anggota himpunan terjadi secara bertahap dan transisi ini diimplementasikan dengan fungsi keanggotaan. Secara matematis suatu himpunan fuzzy A dalam semesta X dapat dinyatakan sebagai himpunan pasangan terurut A={(x, µ A (x)) x X } di mana µ A adalah fungsi keanggotaan dari himpunan fuzzy A yang merupakan suatu pemetaan dari himpunan semesta X ke interval tertutup [0,1] (Ibrahim, 2003). Perbedaan himpunan fuzzy dan himpunan konvensional terlihat pada gambar 2.1 Gambar 2.1. Himpunan konvensional dan himpunan fuzzy Pada gambar diatas ada tiga himpunan yaitu poors, averages dan richs dalam himpunan semesta kekayaan. Pada himpunan konvensional terlihat batasan kaku antara poors, averages dan richs. Pada himpunan fuzzy tidak ada batasan yang kaku, seseorang dapat menjadi anggota himpunan poors dengan derajat keanggotaan 0.1 sekaligus menjadi anggota himpunan averages dengan derajat keanggotaan 0.7. Keunggulan utama dari fuzzy logic adalah kemampuannya mengolah ekspresi kata atau kalimat menggantikan nilai-nilai numeris. Ekspresi tersebut dikenal dengan istilah variabel linguistik. Sebagai contoh, variabel fuzzy kecepatan dapat dibagi menjadi tiga variabel linguistik yaitu lambat, sedang dan cepat. Setiap variabel lingustik dinyatakan dalam fungsi keanggotaan dalam semesta pembicaraan. Nilai dari fungsi keanggotaan bervariasi antara 0 dan 1. Bentuk kurva fungsi keanggotaan juga bervariasi seperti bentuk kurva segitiga, kurva bahu atau sigmoid. Tidak ada aturan pasti yang mengatur pemilihan bentuk kurva, namun keakuratan hasil yang dihasilkan dari sistem fuzzy berkaitan erat dengan kesesuaian kurva yang dipilih untuk mewakili variabel linguistik yang dimaksud.
3 22 Gambar 2.2. Bagian dari fuzzy logic Dalam sistem fuzzy ada beberapa istilah yang perlu diketahui untuk dapat memahami sitem, yaitu: 1. Variabel fuzzy Variabel fuzzy merupakan variabel yang akan dibahas dalam suatu sistem fuzzy. Contoh: kecepatan. 2. Himpunan fuzzy Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Contoh: Pada variabel fuzzy kecepatan dapat dibagi menjadi tiga himpunan fuzzy yaitu lambat, menengah dan cepat 3. Semesta pembicaraan (universe of discourse) Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak ada batas atasnya. Contoh: Semesta pembicaraan untuk variabel fuzzy kecepatan [0 120] 4. Domain Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif dan negatif. Contoh: Domain himpunan fuzzy untuk menengah [40 80] Membership Function (Fungsi Keanggotaan)
4 23 Setiap variabel linguistik diasosiasikan dengan himpunan fuzzy yang masing-masing memiliki fungsi keanggotaan yang telah didefinisikan. Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan pendekatan fungsi Terdapat banyak fungsi yang dapat digunakan untuk memetakan titik-titik input ke dalam nilai keanggotannya. Beberapa diantaranya adalah triangular membership function, trapezoid membership function, gaussian membership function dan generalized bell membership function (Surbakti, 2006). Gambar 2.3. Berbagai jenis fungsi keanggotaan Operator Himpunan Fuzzy Seperti halnya himpunan konvensional, ada beberapa operasi yang didefinisikan secara khusus untuk mengkombinasikan dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil dari operasi dua himpunan sering dikenal dengan nama fire strength atau -predikat. Ada tiga operator dasar yang diciptakan oleh Zadeh, yaitu: a. Operator AND Operator ini berhubungan dengan operasi interseksi pada himpunan. -predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan. µ AB [x]=min(µ A [x], µ B [y]) b. Operator OR
5 24 Operator ini berhubungan dengan operasi union pada himpunan. -predikat sebagai hasil operasi dengan operator OR diperoleh dengna mengambil nilai keanggotaan terbesar antar elemen pada himpunan-himpunan yang bersangkutan. µaub[x]=max(µa[x], µb[y]) c. Operator NOT Operator ini berhubungan dengan operasi komplemen pada himpunan -predikat sebagai hasil operasi dengan operator NOT diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari satu µa = 1 - µa[x] (Kusumadewi dan Hartati, 2006) Aturan Fuzzy Penalaran pada fuzzy menggunakan aturan fuzzy yang berbentuk IF-THEN. Aturan fuzzy terdiri atas dua bagian antaseden atau premis dan konsekuen atau konklusi. Bentuk aturan fuzzy adalah sebagai berikut: IF x is A THEN y is B (x is A) adalah antaseden atau premis dan (y is B) adalah konsekuen atau konklusi. A dan B adalah variabel linguistik yang terdefinisi dalam himpunan fuzzy pada semesta X dan Y (Jang dan Sun, 1995). Aturan fuzzy sering didapati dalam kehidupan seharihari, misalnya: a. JIKA tekanan besar MAKA volume kecil b. JIKA permintaan tinggi MAKA harga naik c. JIKA jalanan licin MAKA mengemudi berbahaya Fuzzy Inference System Fuzzy Inference System merupakan suatu kerangka komputasi yang didasarkan teori himpunan fuzzy, aturan fuzzy berbentuk if...then dan penalaran fuzzy. Mekanisme inferensi memiliki dua tugas utama yaitu: (1) menentukan aturan yang paling sesuai
6 25 dengan situasi terkini berdasarkan data yang dimasukkan dan (2) menggambarkan kesimpulan berdasarkan data masukan dan informasi pada rule-base. Gambar 2.4 menunjukkan fuzzy inference system, terlihat bahwa fuzzy inference system terdiri atas lima blok yaitu rule-base yang berisi aturan fuzzy if-then, database yang menetapkan fungsi keanggotaan untuk himpunan fuzzy yang digunakan pada aturan fuzzy, decision making unit yang melakukan operasi inferensi pada aturan, fuzzification interface yang merubah input crisp menjadi fuzzy dengan derajat keanggotannya dan defuzzification interface yang merubah hasil sistem inferensi yang berupa fuzzy menjadi crisp sebagai keluaran terakhir. Berikut ini akan dijelaskan lebih rinci untuk masing-masing proses pada fuzzy inference system Gambar 2.4. Fuzzy Inference System Fuzzification Pada fuzzification, nilai masukan crisp dikonversi menjadi nilai fuzzy. Nilai crisp yang dimasukkan akan disesuaikan dengan variable linguistik sesuai dengan derajat keanggotaannya berdasarkan fungsi keanggotaan yang telah ditetapkan Gambar 2.5. Fuzzification untuk masukan crisp menjadi fuzzy Inference
7 26 Decision making unit melakukan operasi inferensi pada aturan fuzzy. Nilai fuzzy dalam aturan fuzzy digabungkan dengan operator penghubung seperti interseksi (AND), union (OR) atau komplemen (NOT). Hasil operasi dari dua nilai fuzzy dalam derajat keanggotaan disebut fire strength atau -predikat. Fire strength menggambarkan kekuatan aturan fuzzy yang telah dibentuk untuk dibangkitkan. Defuzzification Defuzzifikasi merupakan proses akhir dari sistem fuzzy. Pada defuzzifikasi akan dilakukan konversi dari hasil fuzzy yang dihasilkan pada proses inferensi menjadi hasil crisp. Ada beberapa metode defuzzfikasi yang dapat digunakan, diantaranya rata-rata terbobot. Metode ini menggabungkan konsekuen pada aturan fuzzy dengan keluaran pada sistem inferensi berdasarkan rumus dimana n merupakan jumlah aturan fuzzy, µ i merupakan fire strength untuk aturan ke-i dan Z i merupakan hasil inferensi aturan ke-i. Ada beberapa metode inferensi yang dapat digunakan diantaranya adalah sistem inferensi metode tsukamoto. Sistem inferensi menggunakan metode tsukamoto memiliki karakteristik yaitu konsekuen direpresentasikan dalam fungsi yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan -predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot.
8 27 Gambar 2.6. Inferensi fuzzy model Tsukamoto Keunggulan Fuzzy logic Ada beberapa alasan mengapa orang menggunakan fuzzy logic, antara lain: 1. Konsep fuzzy logic mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti. 2. Fuzzy logic sangat fleksibel. 3. Fuzzy logic memiliki toleransi terhadap data-data yang tidak tepat. 4. Fuzzy logic mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks. 5. Fuzzy logic dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. 6. Fuzzy logic dapat bekerjasama dengan teknik-teknik kendali secara konvensional. 7. Fuzzy logic didasarkan pada bahasa alami. 8. Sangat mudah digabungkan dengan teknologi lain, misalnya algoritma genetika, jaringan saraf. 2.2 Forex Forex merupakan singkatan dari foreign exchange atau dikenal juga dengan valuta asing. Perdagangan forex adalah suatu jenis perdagangan atau transakasi yang
9 28 memperdagangkan mata uang suatu negara terhadap mata uang negara lainnya yang melibatkan pasar internasional. Nilai transaksi pada pasar forex dapat mencapai $USD 2 triliun per harinya. Dengan demikian prospek investasi pada perdagangan forex sangat menjanjikan, disamping itu pergerakan harga forex sulit untuk dipermainkan oleh kalangan tertentu, karena perputarannya yang sangat cepat. Forex menjadi alternatif investasi yang populer karena profit yang dapat diperoleh melebihi rata-rata perdagangan pada umumnya (berkisar 5% - 20% per bulan, bahkan dapat mencapai lebih dari 100% per bulan). Namun demikian forex juga memiliki resiko yang tinggi karena perputaran uang di dalamnya yang sangat cepat. Tidak semua mata uang diperdagangkan pada pasar forex, hanya mata uang tertentu yang diperdagangkan seperti USD (US Dollar), JPY (Yen Jepang), GBP (Great Britain Poundsterling), EUR (Euro), CHF (Swiss franc) dan AUD (Australian Dollar). 2.3 Analisis Teknikal Analisis teknikal merupakan suatu metode yang dapat digunakan untuk memprediksi pergerakan harga dan trend pasar yang akan datang dengan menganalisa grafik pasar masa lalu. Alat utama untuk analisis teknikal adalah grafik. Grafik menggambarkan perubahan harga mata uang berdasarkan transaksi-transaksi yang terjadi pada masa lalu. Berdasarkan perubahan ini dapat diperoleh pola-pola pergerakan harga mata uang terhadap mata uang lainnya. Pola-pola inilah yang digunakan untuk menentukan pergerakan harga yang akan datang, karena menurut analisis teknikal pergerakan harga mata uang akan mengikuti pola pergerakan yang telah terjadi di masa lalu. Sementara analisis fundamental percaya bahwa pergerakan harga mata uang dipengaruhi oleh faktor-faktor fundamental seperti ekonomi, politik dan moneter negara yang bersangkutan. Pada kesempatan ini penulis akan menggunakan analisis teknikal untuk memprediksi pergerakan harga mata uang yang akan datang karena analisis teknikal mudah untuk dikomputasi dan analisis teknikal berlaku untuk semua grafik mata uang. Analisis teknikal menggunakan beberapa indikator untuk memprediksi pergerakan harga mata uang yang akan datang, diataranya adalah:
10 29 1. Open : merupakan harga pembukaan suatu mata uang pada selang waktu tertentu 2. High : merupakan harga tertinggi suatu mata uang pada selang waktu tertentu 3. Low : merupakan harga terendah suatu mata uang pada selang waktu tertentu 4. Close : merupakan harga penutupan suatu mata uang pada selang waktu tertentu 5. Volume : merupakan jumlah mata uang yang diperdagangkan pada selang waktu tertentu Berbagai analisis teknikal telah dikembangkan untuk memprediksi pergerakan harga forex, diantaranya adalah Relative Strength Index (RSI), Stochastic Oschilator, Simple Moving Average, Fibonacci, Candlestick. Analisis Fibonacci menggunakan perbandingan bilangan Fibonacci untuk menentukan pergerakan harga forex (Marshall dan Moubray, 2005). Analisis dengan Fibonacci akan semakin akurat jika digabungkan dengan analisis lainnya yaitu candlstick (Fischer dan Fischer, 2003). Dua analisis ini yaitu, Fibonacci dan Candlestick akan digunakan untuk memprediksi pergerakan harga forex. 2.4 Analisis Fibonacci Bilangan fibonacci diperkenalkan oleh Leonardo Fibonacci, seorang saudagar yang sangat terkenal di Eropa karena kejeniusannya. Berikut ini adalah deret fibonacci: 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233,... Bilangan berikutnya diperoleh dengan menjumlahkan dua bilangan sebelumnya. Perbandingan bilangan-bilangan fibonacci ini menjadi dasar untuk memprediksi pergerakan harga pasar Leonardo Fibonacci Leonardo de Pisa de Fibonacci ( ) adalah seorang matematikawan Italia yang dikenal sebagai penemu bilangannya Fibonacci. Ayahnya,Guilielmo, memimpin sebuah pos perdagangan untuk Republik Pisa di Bugia, Afrika Utara. Leonardo ikut bersama ayahnya dan di sana ia mulai mempelajari matematika. Fibonacci mempelajari sistem bilangan arab yang dilihatnya lebih efisien. Fibonacci kemudian berkelana ke penjuru daerah Mediterania untuk belajar kepada matematikawan Arab yang terkenal mada masa itu, dan baru pulang kembali sekitar tahun 1200-an. Pada 1202, di usia 27, ia menuliskan apa yang telah dipelajari dalam
11 30 buku Liber Abaci, atau Buku Perhitungan. Buku ini menunjukkan kepraktisan sistem bilangan Arab dengan cara menerapkannya ke dalam pembukuan dagang, konversi berbagai ukuran dan berat, perhitungan bunga, pertukaran uang dan berbagai aplikasi lainnya. Buku ini disambut baik oleh kaum terpelajar Eropa, dan menghasilkan dampak yang penting kepada pemikiran Eropa, meski penggunaannya baru menyebarluas setelah ditemukannya percetakan sekitar tiga abad berikutnya (Martinez, 2007) Perbandingan Fibonacci Perbandingan Fibonacci merupakan perbandingan bilanga-bilangan fibonacci yang digunakan untuk memprediksi arah pergerakan pasar forex. Perbandingan fibonacci yang digunakan adalah 0.236, 0.382, 0.50, 0.782, 1.00, 1.27, 1.618, 2.00 dan Untuk menentukan posisi open akan digunakan perbandingan bilangan fibonacci 0.236, 0.382, 0.50 dan Dan untuk posisi close digunakan perbandingan bilangan fibonacci 1.00, 1.27, 1.618, 2.00 dan Fibonacci dan Pergerakan pasar Pada pasar forex, rasio Fibonacci digunakan untuk menentukan posisi pembukaan dan posisi penutupan untuk suatu perdagangan. (a) Gambar 2.7 Sinyal beli (a) dan sinyal jual (b) (b) Sinyal beli terjadi ketika harga bergerak naik dari titik A menuju titik B kemudian retrace hingga titik C sesuai level Fibonacci. Sinyal jual terjadi ketika harga begerak turun dari titik A menuju titik B kemudian retrace hingga titik C sesuai level Fibonacci.
12 31 Gambar 2.8. Level Fibonacci Grafik di atas menunjukkan adanya sinyal beli. Perdagangan forex dimulai pada titik C dan ditutup pada titik D. Posisi titik C dan titik D dapat dihitung dengan persamaan di bawah ini: Tabel 2.1. Persamaan untuk posisi titik C dan D Target Fibonacci Persamaan titik C dan D 23.6% B - (B-A) * = C 38.2% B - (B-A) * = C 50% B - (B-A) * 0.5 = C 61.8% B - (B-A) * = C 78.6% B - (B-A) * = C 100% (B-A) * 1 + A = D 127% (B-A) * A = D 161.8% (B-A) * A = D 200% (B-A) * 2 + A = D 261.8% (B-A) * A = D (Martinez, Jared F, 2007).
13 32 Posisi titik C dan titik D dapat ditentukan dengan metode lain. Candlestick merupakan metode yang sangant sesuai digabungkan dengan Fibonacci (Fischer dan Fischer, 2003). Gambar 2.9. Perbandingan Fibonacci pada pergerakan pasar forex 2.5 Analisis Candlestick Analisis Candlestick merupakan salah satu teknik analisis teknikal yang banyak digunakan dan akan terus digunakan karena efektif untuk segala analisis pasar pada semua interval waktu. Teori Candlestick mengasumsikan bahwa trend pasar dapat diprediksi dengan mengidentifikasi pola-pola candle tertentu pada grafik Candlestick (Fischer dan Fischer, 2003) Sejarah Candlestick Salah satu orang yang paling terkenal yang menggunakan data-data masa lalu untuk memprediksi pergerakan harga yang akan datang adalah Munehisa Homma. Dia mengumpulkan data-data perdagangan yang memberikan keuntungan dari pasar beras selama tahun 1700-an. Munehisa Homma lahir pada tahun Ia terlahir dari keluarga hartawan. Pada tahun 1750 Homma diberi jabatan untuk mengontrol bisnis keluarganya. Homma
14 33 kemudian memulai perdagangan beras di kota Sakata. Ketika ayah Munehisa Homma meninggal, Homma dipercayakan untuk mengelola asset keluarga meskipun ia masih sangat muda. Homma kemudian mulai melakukan perdagangan pada pasar beras yang lebih besar, Dojima Rice Exchange di Osaka. Homma mengumpulkan berbagai informasi mengenai pasar beras, ia juga mengumpulkan informasi mengenai kondisi cuaca selama satu tahunan. Ini ia lakukan untuk mempelajari psikologi para investor, ia juga menganalisa harga beras pada masa lalu. Setelah mendominasi pasar di Osaka, Homma mulai berdagang di pasar regional Edo (sekarang disebut Tokyo). Ia menggunakan wawasannya untuk menghasilkan kekayaan. Disebutkan bahwa Homma mampu mengendalikan pasar beras, ketika panen beras di Sakata (asal Homma) bagus, maka harga beras di Dojima Rice Exchange jatuh dan harga beras di Edo anjlok. Pada tahun berikutnya Homma menjadi konsultan keuangan untuk pemerintah. Ia meninggal pada tahun Dasar-dasar perdagangannya yang telah di terapkan pada pasar beras, berkembang menjadi metodologi candlestick yang sekarang ini digunakan (Nison, 1991) Dasar Candlestick Candlestick merupakan analisis yang banyak digunakan karena grafik Candlestick memberikan tampilan pasar secara visual. Investor dapat dengan mengetahui harga pembukaan, harga penutupan, harga tertinggi dan harga terendah. Investor juga dapat dengan mudah mengetahui apakah dalam interval waktu tertentu terjadi bullish atau bearish. Berikut ini merupakan gambar candlestick yang menunjukkan bullish dan bearish. (a) (b)
15 34 Gambar Candle yang menunjukkan bullish (a) dan bearish (b) Bagian tengah candle disebut real body. Real body menunjukkan perbedaan harga antara pembukaan dan penutupan. Jika harga pembukaan lebih rendah dari harga penutupan (bullish) maka real body berwarna putih (Gambar a), jika harga pembukaan lebih tinggi dari harga penutupan (bearish) maka real body berwarna hitam (Gambar b). Garis yang berada di bawah dan diatas real body disebut shadow. Shadow menunjukkan harga ekstrim. Shadow di atas real body disebut upper shadow, ini menunjukkan harga tertinggi pada interval waktu tertentu. Shadow di bawah real body disebut lower shadow, ini menunjukkan harga terendah pada interval waktu tertentu. Jika suatu candle tidak memiliki upper shadow maka ia disebut shaven head dan jika suatu candle tidak memiliki lower shadow maka ia disebut shaven buttom Pola-Pola Candlestick Nilai forex dalam perdagangan mengalami fluktuasi, naik dan turun. Trader yang memulai perdagangannya dengan open buy berharap nilai forex mengalami bullish yaitu meningkat sehingga pada akhir perdagangan akan ditutup dengan menjual forex dengan harga yang lebih tinggi. Sebaliknya trader yang memulai perdagangannya dengan open sell berharap nilai forex mengalami bearish yaitu menurun sehingga pada akhir perdagangan akan ditutup dengan membeli forex dengan harga yang lebih rendah. Arah pergerakan pasar, bullish atau bearish, dapat dilihat dari pola-pola candlestick yang muncul. Pola-pola candlestick tersusun atas satu atau kombinasi dari beberapa candle. Dalam penelitian ini penulis akan menggunakan pola candlestick yang tersusun atas dua candle. Untuk mengidentifikasi terjadinya bullish akan digunakan tiga pola yaitu bullish engulfing candle, piercing line dan bullish harami. Dan untuk mengidentifikasi terjadinya bearish akan digunakan tiga pola juga yaitu bearish engulfing candle, dark cloud cover dan bearish harami. Berikut ini penjelasan untuk masing-masing pola: 1. Bullish engulfing candle Bullish engulfing candle terdiri atas dua candle dengan warna yang berlawanan. Candle pertama berwarna hitam dan candle kedua berwarna putih. Candle kedua
16 35 menelan candle pertama, harga pembukaan candle kedua lebih rendah dari harga penutupan candle pertama dan harga penutupan candle kedua lebih tinggi dari harga pembukaan candle pertama. Ada empat kriteria yang menunjukkan pola bullish engulfing candle, yaitu: a. Trend pasar adalah downtrend (menurun) b. Candle kedua harus menelan candle pertama c. Warna candle pertama yaitu hitam menunjukkan trend yang sedang terjadi yaitu downtrend. d. warna candle kedua berlawanan dengan candle pertama Candle pertama mempunyai real body yang kecil sementara candle kedua mempunyai real body yang panjang, ini menunjukkan kekuatan trend sebelumnya semakin melemah dan perubahan trend ke arah yang sebaliknya semakin menguat. Gambar Bullish engulfing candle 2. Piercing Line Pola piercing line terjadi pada trend yang mengalami downtrend. Candle pertama berwarna hitam dan menunjukkan trend yang sedang terjadi. Candle kedua mempunyai harga pembukaan lebih rendah harga terendah pada candle sebelumnya dan harga penutupannya di atas setengah real body candle sebelumnya. Ada tiga kriteria yang menunjukkan pola piercing line, yaitu: a. Candle pertama berwarna hitam dengan real body yang panjang dan candle ini melanjutkan trend yang sedang terjadi yaitu downtrend.
17 36 b. Candle kedua berwarna putih dengan harga pembukaan yang lebih rendah dari harga terendah pada candle sebelumnya. c. Harga penutupan candle kedua di atas setengah candle sebelumnya. Candle pertama berwarna hitam dengan real body yang panjang melanjutkan terjadinya downtrend. Candle kedua memiliki harga pembukaan lebih rendah dari harga terendah pada candle sebelumnya. Sinyal ini menunjukkan bahwa downtrend akan berakhir dan diperkuat dengan harga penutupan candle kedua berada di atas setengah candle pertama. Gambar Piercing line 3. Bullish Harami Bullish harami terjadi pada trend yang mengalami downtrend. Pola ini berkebalikan dengan bullish engulfing candle. Bullish harami diawali dengan candle pertama yang memiliki real body yang panjang dan candle ini menunjukkan trend yang sedang terjadi. Candle kedua memiliki real body yang kecil dan real body ini berada di dalam real body candle sebelumnya. Ada tiga kriteria yang menunjukkan pola bullish harami, yaitu: a. Candle pertama mempunyai real body yang panjang dan menunjukan trend yang sedang terjadi yaitu downtrend. b. Candle kedua memiliki real body yang kecil dan berada diantara rentang body dari candle sebelumnya. c. Warna candle kedua berlawanan dengan candle sebelumnya
18 37 Gambar Bullish harami 4. Bearish Engulfing Candle Bearish engulfing candle terdiri atas dua candle dengan warna yang berlawanan. Candle pertama berwarna putih dan candle kedua berwarna hitam. Candle kedua menelan candle pertama, harga pembukaan candle kedua lebih tinggi dari harga penutupan candle pertama dan harga penutupan candle kedua lebih rendah dari harga pembukaan candle pertama. Ada empat kriteria yang menunjukkan pola bearish engulfing candle, yaitu: a. Trend pasar adalah uptrend (menaik) b. Candle kedua harus menelan candle pertama c. Warna candle pertama yaitu putih menunjukkan trend yang sedang terjadi yaitu uptrend. d. warna candle kedua berlawanan dengan candle pertama Candle pertama mempunyai real body yang kecil sementara candle kedua mempunyai real body yang panjang, ini menunjukkan kekuatan trend sebelumnya semakin melemah dan perubahan trend ke arah yang sebaliknya semakin menguat.
19 38 Gambar Bearish engulfing candle 5. Dark cluod Cover Pola dark cloud cover terjadi pada trend yang mengalami uptrend. Pola ini diawali dengan candle putih yang memiliki real body yang panjang dan candle ini mengikuti trend yang sedang terjadi. Candle kedua berwarna hitam dengan harga pembukaan lebih tinggi dari harga tertinggi pada candle sebelumnya dan harga penutupannya di bawah setengah real body candle sebelumnya. Ada tiga kriteria yang menunjukkan pola dark cloud cover, yaitu: a. Candle pertama berwarna putih dengan real body yang panjang dan candle ini melanjutkan trend yang sedang terjadi yaitu uptrend. b. Candle kedua berwarna hitam dengan harga pembukaan yang lebih tinggi dari harga tertinggi pada candle sebelumnya. c. Harga penutupan candle kedua di bawah setengah candle sebelumnya. Candle pertama berwarna putih dengan real body yang panjang melanjutkan terjadinya uptrend. Candle kedua memiliki harga pembukaan lebih tinggi dari harga tertinggi pada candle sebelumnya. Sinyal ini menunjukkan bahwa uptrend akan berakhir. Sinyal ini diperkuat dengan harga penutupan candle kedua di bawah setengah candle pertama.
20 39 Gambar Dark cloud cover 6. Bearish Harami Bearish harami terjadi pada trend yang mengalami uptrend. Pola ini berkebalikan dengan bearish engulfing candle. Bearish harami diawali dengan candle pertama yang memiliki real body yang panjang dan candle ini menunjukkan trend yang sedang terjadi. Candle kedua memiliki real body yang kecil dan real body ini berada di dalam real body candle sebelumnya. Ada tiga kriteria yang menunjukkan pola bearish harami, yaitu: a. Candle pertama mempunyai real body yang panjang dan menunjukan trend yang sedang terjadi yaitu uptrend. b. Candle kedua memiliki real body yang kecil dan berada diantara rentang body dari candle sebelumnya. c. Warna candle kedua berlawanan dengan candle sebelumnya
21 40 Gambar Bearish harami 2.6 Penelitian Terkait Chiung-Hon Leon Lee dan Alan Liu telah melakukan penelitian mengenai sistem pendukung keputusan keuangan menggunakan pola-pola candlestick yang diproses dengan sistem fuzzy. Pada sistem ini, pengetahuan pakar mengenai pola candlestick disimpan pada database. Trader dapat mengambil keputusan sendiri berdasarkan pola candlestick yang telah diidentifikasi. Pengetahuan mengenai pola candlestick tersedia pada sistem dan trader dapat merubah, melakukan validasi dan memberikan kekaburan pola candlestick melalui graphical interface (Lee dan Liu, 2006).
BAB 1 PENDAHULUAN Latar Belakang
12 BAB 1 PENDAHULUAN 1.1. Latar Belakang Foreign Exchange, lebih dikenal dengan istilah forex, merupakan salah satu pilihan investasi yang berkembang di Indonesia. Forex Trading adalah transaksi perdagangan
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 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 terperinciPengantar Kecerdasan Buatan (AK045218) Logika Fuzzy
Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi
Lebih terperinciBAB I PENDAHULUAN. yang menyebabkan adanya Foreign Exchange (Forex) dimana satu orang atau
BAB I PENDAHULUAN 1.1. Latar Belakang Pada perkembangan jaman yang terjadi sekarang ini, banyak perusahaan yang sudah menjalani bisnis sampai ke negara asing. Hal ini menyebabkan adanya perdagangan antar
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 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 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 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. 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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan
Lebih 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 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 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 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 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 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 terperinciBAB II: TINJAUAN PUSTAKA
BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 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 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 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 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 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 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 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 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 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 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 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 Sistem Pendukung Keputusan Sebuah aplikasi berupa Sistem Pendukung Keputusan (Decision Support System) mulai dikembangkan pada tahun 1970. Decision Support Sistem (DSS) dengan
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 terperinciPENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO
PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO Asrianda 1 asrianda@unimal.ac.id Abstrak Bertambahnya permintaan mahasiswa atas kebutuhan makan seharihari, berkembangnya usaha warung
Lebih terperinciBAB 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 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 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 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 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 terperinciDENIA FADILA RUSMAN
Sidang Tugas Akhir INVENTORY CONTROL SYSTEM UNTUK MENENTUKAN ORDER QUANTITY DAN REORDER POINT BAHAN BAKU POKOK TRANSFORMER MENGGUNAKAN METODE FUZZY (STUDI KASUS : PT BAMBANG DJAJA SURABAYA) DENIA FADILA
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Metode Peramalan Peramalan (forecasting) adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah situasi atau kondisi yang
Lebih 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 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 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 terperinciLOGIKA FUZZY. By: Intan Cahyanti K, ST
LOGIKA FUZZY By: Intan Cahyanti K, ST Pengertian Adalah suatu cara untuk memetakan suatu ruang input kedalam suatu ruang output. Skema Logika Fuzzy Antara input dan output terdapat suatu kotak hitam yang
Lebih terperinciBAB VII LOGIKA FUZZY
BAB VII LOGIKA FUZZY Logika fuzzy 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 memetakan
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 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 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 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 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 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 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 terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH
68 REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH Septiani Nur Hasanah 1, Nelly Indriani Widiastuti 2 Program Studi Teknik Informatika. Universitas Komputer Indonesia. Jl.
Lebih terperinciBAB 2 LANDASAN TEORI 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 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 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 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 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 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 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 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 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 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 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( ) ( ;,, ) Π(,, ) ( ;, ) ( ;, ) ( ) BAB I PENDAHULUAN A. Latar Belakang Masalah Provinsi Daerah Istimewa Yogyakarta merupakan salah satu kota tujuan wisata yang cukup menarik minat para wisatawan baik
Lebih terperinciAPLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI)
APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI) 1Venny Riana Agustin, 2 Wahyu H. Irawan 1 Jurusan Matematika, Universitas
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KETUA SENAT MAHASISWA DENGAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KETUA SENAT MAHASISWA DENGAN LOGIKA FUZZY Jamaludin Malik 1), Arik Sofan Tohir 2), Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email: 1) malixjams@gmail.com,
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Penelitian dengan judul Pemodelan Untuk Menentukan Kecukupan Angka Gizi Ibu Hamil. Penentuan status kecukupan angka gizi ibu hamil dilakukan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern mengenai ketidakpastian
Lebih terperinciBAB II 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 terperinciMANUAL CANDLESTICK Versi 1.0 Oleh Fabianto Wangsamulya
MANUAL CANDLESTICK Versi 1.0 Oleh Fabianto Wangsamulya Pengantar Candlestick adalah satu teknik untuk memetakan pergerakan harga pasar baik itu pasar saham, komoditi, atau juga valuta asing (forex). Teknik
Lebih terperinciSEKOLAH FOREX SEMESTER PENDEK
SEKOLAH FOREX SEMESTER PENDEK Your Teacher Your Books Your Friends They Are Here.. Let s Study Together..!! 2.2. Analisa Teknikal Analisis teknis adalah kerangka di mana trader mempelajari pergerakan harga.
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 terperinciPendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy
Pendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy Asrianda 1 Teknik Informatika Kampus Bukit Indah Lhokseumawe email : asrianda@unimal.ac.id ABSTRAK Bertambahnya permintaan
Lebih 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 II LANDASAN TEORI. instrument pasar uang adalah jangka pendek, mudah diperjual belikan serta likuid.
BAB II LANDASAN TEORI II.1 Pasar Finansial Pasar finansial disegmentasikan ke pasar uang dan pasar modal. Karakteristik instrument pasar uang adalah jangka pendek, mudah diperjual belikan serta likuid.
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 I PENDAHULUAN 1.1. Latar Belakang Lia Saputri, 2016
BAB I PENDAHULUAN 1.1. Latar Belakang Foreign Exchange (forex) saat ini berkembang pesat sebagai salah satu model investasi yang menggiurkan, karena forex trading memiliki tingkat pengembalian yang tinggi.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Pada era teknologi dan informasi perkembangan berita semakin pesat
BAB I PENDAHULUAN 1.1 Latar Belakang Pada era teknologi dan informasi perkembangan berita semakin pesat dimana berbagai pihak yang membutuhkan informasi dapat mengakses informasi tersebut dengan mudah
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 terperinciPenerapan Logika Fuzzy
1 Penerapan Logika Fuzzy M. Faisal Baehaki - 13506108 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia 1 m_faisal_b@yahoo.com
Lebih 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 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 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 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 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 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 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Algoritma dan Pemrograman Terhadap berbagai masalah yang timbul perlu dicarikan pemecahannya sehingga dapat memberikan solusi yang benar atau yang paling benar. Berbicara mengenai
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
1 BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Penelitian yang dilakukan oleh Apriliani Wulandari, (2007), Penelitian ini memfokuskan pada penggunaan kriteria Bayes dalam proses pemberian
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 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 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 terperinciPengaturan Kecepatan Putaran Motor Listrik 3 Phasa Menggunakan Logika Fuzzy Tsukamoto pada Proses Penyaringan Minyak Goreng
Pengaturan Kecepatan Putaran Motor Listrik 3 Phasa Menggunakan Logika Fuzzy Tsukamoto pada Proses Penyaringan Minyak Goreng Sunanto Jurusan Teknik Informatika, STMIK Amik Riau, Pekanbaru,Riau sunanto@stmik-amik-riau.ac.id
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 terperinci21 NAMA CANDLESTICK YANG HARUS DIKETAHUI OLEH TRADER
21 NAMA CANDLESTICK YANG HARUS DIKETAHUI OLEH TRADER Candlestick merupakan salah satu alat dari analisa teknikal yang paling akurat memberikan informasi dari sekian indikator yang dimiliki para trader.
Lebih terperinciBAB I PENDAHULUAN. utama untuk memperoleh suatu keinginan, dengan uang tersebutlah suatu transaksi
BAB I PENDAHULUAN I.1 Latar Belakang Penelitian Dalam perekonomian global uang merupakan alat transaksi manusia paling utama untuk memperoleh suatu keinginan, dengan uang tersebutlah suatu transaksi bisa
Lebih terperinciIMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH
IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH Reino Adi Septiawan Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang Email : a11.2009.04948@gmail.com
Lebih 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 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 terperinci