Optimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto
|
|
- Budi Budiaman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Optimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program Studi Sistem Informasi OLEH : Oleh : DWI YUNI NUR AFIFAH NPM: PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNIK UNIVERSITAS NUSANTARA PGRI KEDIRI
2 2
3 3
4 Optimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto Dwi Yuni Nur Afifah 1) Dr. Suryanto, M.Si 2) Arie Nugroho, S.Kom., MM 3) Program Studi Sistem Informasi, Fakultas Teknik, Jl. K.H. Achmad Dahlan No. 76 Telp (0354) Kediri dwiyuni47@gmail.com ABSTRAK Penentuan jumlah produksi merupakan suatu hal yang harus di perhatikan sebelum memulai sebuah proses produksi. Perlu di pertimbangkan berbagai faktor untuk menentukan jumlah produksi barang, agar terhindar dari risiko kerugian. Sehingga penyelesaian masalah tersebut, hendaknya dapat membuat suatu keputusan yang tepat untuk memilih berapa banyak jumlah produk yang di produksi supaya keuntungan bisa dioptimalkan. Maka dibutuhkan suatu sistem pendukung keputusan menentukan jumlah produksi. Logika fuzzy (logika samar) itu sendiri merupakan logika yang berhadapan dengan konsep kebenaran sebagian, dimana logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah binary (0 atau 1), sedangkan logika fuzzy memungkinkan nilai keanggotaan antara 0 dan 1. Logika fuzzy terdiri dari suatu Fuzzy Inference System atau sistem penalaran fuzzy. Salah satu Fuzzy inference system adalah penalaran dengan metode Tsukamoto. Toko Jamu Jaya Asli merupakan suatu toko jamu yang bergerak di bidang obat herbal yaitu salah satunya memproduksi jamu. Banyak sekali faktor yang harus dipertimbangkan dalam menentukan berapa jumlah produksi yang harus dihasilkan perbulannya yang akan dijadikan target dalam memulai sebuah usaha. Untuk itu, dalam menentukan target jumlah produksi perbulan dibutuhkan sebuah sistem pendukung keputusan untuk mengelola dan memanajemen segala sumber daya yang ada sehingga suatu produksi dapat berjalan dengan efektif dan efisien. Kata kunci : Sistem Informasi, Optimalisasi Jumlah Produksi Jamu Jaya Asli. 4
5 1. PENDAHULUAN 1.1 Latar Belakang Hampir semua perusahaan yang bergerak di bidang industri pada saat ini dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini mengharuskan perusahaan untuk merencanakan atau menentukan jumlah produksi, agar dapat memenuhi pemesanan pasar dengan tepat waktu dan dengan jumlah yang sesuai, sehingga diharapkan keuntungan akan meningkat. Penentuan jumlah produksi merupakan suatu hal yang harus di perhatikan sebelum memulai sebuah proses produksi. Perlu di pertimbangkan berbagai faktor untuk menentukan jumlah produksi barang, agar terhindar dari risiko kerugian. Sehingga penyelesaian masalah tersebut, hendaknya dapat membuat suatu keputusan yang tepat untuk memilih berapa banyak jumlah produk yang di produksi supaya keuntungan bisa dioptimalkan. Maka dibutuhkan suatu sistem pendukung keputusan menentukan jumlah produksi. Logika fuzzy (logika samar) itu sendiri merupakan logika yang berhadapan dengan konsep kebenaran sebagian, dimana logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah binary (0 atau 1), sedangkan logika fuzzy memungkinkan nilai keanggotaan antara 0 dan 1. Berbagai teori didalam perkembangan logika fuzzy menunjukkan bahwa pada dasarnya logika fuzzy dapat digunakan untuk memodelkan berbagai sistem. Logika fuzzy terdiri dari suatu Fuzzy Inference System atau sistem penalaran fuzzy. Salah satu Fuzzy inference system adalah penalaran dengan metode Tsukamoto. Pada metode Tsukamoto, data-data tersebut merupakan faktor - faktor yang mempengaruhi dan akan menjadi variabel input yang akan diolah dengan metode Tsukamoto untuk menjadi keluaran (output) berupa penentuan jumlah barang yang akan diproduksi. Toko Jamu Jaya Asli merupakan suatu toko jamu yang bergerak di bidang obat herbal yaitu salah satunya memproduksi jamu. Banyak sekali faktor yang harus dipertimbangkan dalam menentukan berapa jumlah produksi yang harus dihasilkan perbulannya yang akan dijadikan target dalam memulai sebuah usaha. Untuk itu, dalam menentukan target jumlah produksi perbulan dibutuhkan sebuah sistem pendukung keputusan untuk mengelola dan memanajemen segala sumber daya yang ada sehingga suatu produksi dapat berjalan dengan efektif dan efisien. Dalam pembuatan sistem pendukung keputusan ini diterapkan logika fuzzy untuk mengelola faktorfaktor yang menentukan jumlah produksi tersebut. Faktor tersebut akan dijadikan suatu masukan kemudian diproses dengan logika fuzzy sehingga diperoleh suatu keluaran yaitu jumlah jamu yang sebaiknya diproduksi perbulannya Hal tersebut menjadi suatu pertimbangan bagi penulis untuk membuat judul Optimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto. Sebagai upaya menentukan jumlah produksi jamu berdasarkan data persediaan dan jumlah permintaan. 2. LANDASAN TEORI 2.1 Definisi Keputusan Keputusan merupakan suatu pengakhiran daripada proses pemikiran tentang suatu masalah atau problema untuk menjawab pertanyaan apa yang harus diperbuat guna mengatasi masalah tersebut, dengan 5
6 menjatuhkan pilihan pada suatu alternatif (Hasan, 2004). Keputusan dapat diklasifikasikan menjadi 3 tingkatan, yaitu : a. Strategis, keputusan dengan ciri : kepastian besar dan orientasi masa depan. b. Taktis, keputusan dengan ciri: berhubungan dengan aktivitas jangka pendek dan alokasi sumbersumber daya guna mencapai sasaran. c. Teknik, keputusan dengan ciri: standar-standar ditetapkan dan bersifat deterministik, mengusahakan agar tugas spesifik diimplementasikan dengan efektif dan efisien. 2.2 Metode Fuzzy Tsukamoto Sistem Inferensi Fuzzy merupakan suatu kerangka komputasi yang didasarkan pada teori himpunan fuzzy, aturan fuzzy berbentuk IF-THEN, dan penalaran fuzzy. Secara garis besar, diagram blok proses inferensi fuzzy (Kusumadewi, 2003). Sistem inferensi fuzzy menerima input crisp. Input ini kemudian dikirim ke basis pengetahuan yang berisi n aturan fuzzy dalam bentuk IF-THEN. Fire strength akan dicari pada setiap aturan. Apabila jumlah aturan lebih dari satu, maka akan dilakukan agregasi dari semua aturan. Selanjutnya, pada hasil agregasi akan dilakukan defuzzy untuk mendapatkan nilai crisp sebagai output sistem. Pada dasarnya, metode tsukamoto mengaplikasikan penalaran monoton pada setiap aturannya. Kalau pada penalaran monoton, sistem hanya memiliki satu aturan, pada metode tsukamoto, sistem terdiri atas beberapa aturan. Karena menggunakan konsep dasar penalaran monoton, pada metode tsukamoto, setiap konsekuen pada aturan yang berbentuk IF- THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Output hasil inferensi dari tiaptiap aturan diberikan secara tegas (crisp) bedasarkan α-predikat (fire strength). Proses agregasi antar aturan dilakukan, dan hasil akhirnya diperoleh dengan menggunakan defuzzy dengan konsep rata-rata terbobot. Misalkan ada variabel input, yaitu x dan y, serta satu variabel output yaitu z. Variabel x terbagi atas 2 himpunan yaitu A1 dan A2, variabel y terbagi atas 2 himpunan juga, yaitu B1 dan B2, sedangkan variabel output Z terbagi atas 2 himpunan yaitu C1 dan C2. Tentu saja himpunan C1 dan C2 harus merupakan himpunan yang bersifat monoton. Diberikan 2 aturan sebagai berikut: IF x is A1 and y is B2 THEN z is C1 IF x is A2 and y is B2 THEN z is C1 Alur inferensi untuk mendapatkan satu nilai crisp z. 2.3 Menentukan Output Crisp (Defuzzifikasi) 6
7 Pada metode Tsukamoto, untuk menentukan output crisp, digunakan defuzifikasi rata-rata terpusat, yaitu: 3 METODOLOGI 1.1 Analisis / workflow kondisi sistem saat ini Pada saat ini proses produksi pada toko jamu jaya asli masih dilakukan secara manual dengan cara memproduksi barang berdasarkan permintaan yang dilaporkan oleh bagian permintaan apabila setiap hari ada sales yang meminta barang. Hal ini dirasa kurang tepat karena sering mengakibatkan kesalahan perhitungan antara permintaan dan persediaan. Sistem yang digunakan saat ini akan menghabiskan jumlah produksi yang besar yang menyebabkan keuntungan dapat menurun. Dari hasil analisis permasalahan tersebut, perlu dirancang sebuah aplikasi yang mampu menentukan jumlah produksi yang optimal yang dapat membantu dalam mengambil keputusan. Perancangan sebuah aplikasi harus dibuat secara matang, supaya tampilannya mudah dipahami dan hasilnya bermanfaat dan memuaskan bagi para pemakai. 3.2 Perhitungan menggunakan dataset kasus Kasus Peramalan Metode Tsukamoto Metode Tsukamoto akan digunakan untuk memprediksi jumlah produksi jamu pada hari ke-31 dengan menggunakan data 30 hari sebelumnya. Dari data produksi 1 bulan dicari data maksimum dan data minimum selama 30 hari. Diketahui data permintaan pada hari ke- 31 sebesar 20 dan persediaan masih 2, akan dihitung jumlah produksi pada hari ke-31 dengan menggunakan SPK. RULE: 1. [R1] IF Permintaan TURUN And Persediaan BANYAK THEN Produksi Barang BERKURANG; 2. [R2] IF Permintaan TURUN And Persediaan SEDANG THEN Produksi Barang BERKURANG; 3. [R3] IF Permintaan TURUN And Persediaan SEDIKIT THEN Produksi Barang BERKURANG; 4. [R4] IF Permintaan TETAP And Persediaan BANYAK THEN Produksi Barang BERKURANG; 5. [R5] IF Permintaaan TETAP And Persediaan SEDANG THEN Produksi Barang TETAP; 6. [R6] IF Permintaan TETAP And Persediaan SEDIKIT THEN Produksi Barang BERTAMBAH; 7. [R7] IF Permintaan NAIK And Persediaan BANYAK THEN Produksi Barang BERTAMBAH; 8. [R8] IF Permintaan NAIK And Persediaan SEDANG THEN Produksi Barang BERTAMBAH; 9. [R9] IF Permintaan NAIK And Persediaan Barang SEDIKIT THEN Produksi Barang BERTAMBAH; 3.3 Implementasi Metodologi Ke Dalam Aplikasi 1. Tampilan home 7
8 tampilan utama home yang berisi tentang tinjauan lokasi tempat penelitian dan visi, misi toko jamu jaya asli. 2. Tampilan SPK Tsukamoto tampilan olah data fuzzy tsukamoto yang berisi inputan data produksi, masa produksi, permintaan, persediaan. 5. Tampilan Bantuan tampilan olah data fuzzy tsukamoto yang berisi inputan data produksi, masa produksi, permintaan, persediaan. 3. Tampilan Proses Olah Data SPK tampilan cara menggunakan apliksi sistem pendukung keputusan terdapat petunjuk penggunaan cara kerja aplikasi. 6. Tampilan Login Admin tampilan olah data fuzzy tsukamoto yang berisi inputan data produksi, masa produksi, permintaan, persediaan. 4. Tampilan History SPK tampilan login administrator sebelum melakukan perubahan data / menghapus data. 7. Tampilan Home Admin 8
9 tampilan login administrator home yang berisi inputan data, lihat data, edit data. 8. Tampilan Input Data tampilan edit data / hapus data. tampilan login administrator input data. Disini admin bisa menambahkan data produksi sesuai dengan permintaan dan persediaan barang. 9. Tampilan Lihat Data tampilan login administrator lihat data. Admin dapat melihat data sesuai dengan inputan data barang. 10. Tampilan Edit Data 1. PENUTUP 5.1 Kesimpulan Berdasarkan pembahasan dan evaluasi dari bab-bab sebelumnya, maka dapat diambil kesimpulan sebagai berikut: Untuk menerapkan metode Tsukamoto dalam menentukan jumlah produksi jamu menggunakan logika fuzzy pada sistem pendukung keputusan. Mengembangkan sebuah sistem pendukung keputusan dengan metode Tsukamoto untuk menentukan jumlah produksi jamu agar lebih efisien. 5.2 Saran Penulis menyarankan pengembangan penelitian lebih lanjut sistem penentuan jumlah produksi sebagai berikut: Penentuan jumlah produksi dengan metode Tsukamoto ini dapat dikembangkan lagi dengan menggunakan metode-metode inferensi lainnya misalnya Metode Max-Min dan metode Sugeno. Pengembangan lebih lanjut terhadap sistem ini, dapat dilakukan beberapa 9
10 penambahan berupa perhitungan beberapa variabel seperti variabel biaya, waktu, dan lain lain agar mendapatkan hasil yang lebih optimal. 2. DAFTAR PUSTAKA 1. A.S Rosa dan Salahuddin M, Modul Pembelajaran Rekayasa Perangkat Lunak (Terstruktur dan Berorientasi Objek), Modula, Bandung, Andi, Mastering CMS Programming with PHP & MySQL. (Gratia, Ed). Yogyakarta : 3. Daihani, Dadan Umar Komputerisasi Pengambilan Keputusan. Jakarta: PT Elex Media Komputindo. 4. Hasan, M. Iqbal, Pokok-Pokok Materi Teori Pengambilan Keputusan. Bogor Selatan: Ghalia Indonesia, Jogiyanto, Hartono, Analisis & Desain Sistem Informasi Pendekatan Terstruktur Teori dan Praktek Aplikasi Bisnis, Andi, Yogyakarta, Kusumadewi, Sri dan Purnomo, Hari: Aplikasi Logika Fuzzy Untuk Pendukung Keputusan, 2004 (Graha Ilmu). Yogyakarta 7. Nasution, Arman Hakim dan Prasetyawan, Yudha : Perencanaan dan Pengendalian Produksi, 2008 (Graha Ilmu), Yogyakarta 10
PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK)
PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK) Andrian Juliansyah ( 1011287) Mahasiswa Program Studi Teknik
Lebih terperinciIMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC
IMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC Riky Amelia (1111981) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN KENAIKAN PANGKAT PEGAWAI DI KANTOR KEMENTRIAN AGAMA KABUPATEN KEDIRI DENGAN FUZZY TSUKAMOTO
Artikel Skripsi SISTEM PENDUKUNG KEPUTUSAN KENAIKAN PANGKAT PEGAWAI DI KANTOR KEMENTRIAN AGAMA KABUPATEN KEDIRI DENGAN FUZZY TSUKAMOTO SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh
Lebih terperinciMuhammad Yudin Ritonga ( )
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PRODUKSI MAKANAN MENGGUNAKAN LOGIKA FUZZY DENGAN METODE TSUKAMOTO (STUDI KASUS : PT. INDOFOOD CBP SUKSES MAKMUR MEDAN) Muhammad Yudin Ritonga (0911555) Mahasiswa Program
Lebih terperinciJURNAL SISTEM PREDIKSI INVENTORY BARANG MENGGUNAKAN METODE FUZZY TSUKAMOTO PREDICTION INVENTORY ITEMS USING FUZZY TSUKAMOTO
JURNAL SISTEM PREDIKSI INVENTORY BARANG MENGGUNAKAN METODE FUZZY TSUKAMOTO PREDICTION INVENTORY ITEMS USING FUZZY TSUKAMOTO Oleh: Reza Hadi Subiantoro 12.1.03.02.0224 Dibimbing oleh : 1. Fatkur Rhohman,
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 terperinciREVIEW JURNAL LOGIKA FUZZY
REVIEW JURNAL LOGIKA FUZZY Disusun oleh : Gita Adinda Permata 1341177004309 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS NEGERI SINGAPERBANGSA KARAWANG KATA PENGANTAR Assalamualaikum
Lebih 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 terperinci4-5-FUZZY INFERENCE SYSTEMS
4-5-FUZZY INFERENCE SYSTEMS Shofwatul Uyun Mekanisme FIS Fuzzy Inference Systems (FIS) INPUT (CRISP) FUZZYFIKASI RULES AGREGASI DEFUZZY OUTPUT (CRISP) 2 Metode Inferensi Fuzzy Metode Tsukamoto Metode Mamdani
Lebih 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 terperinciSISTEM PAKAR DIAGNOSA PENYAKIT DBD DAN DEMAM TIFOID DENGAN METODE FUZZY TSUKAMOTO (STUDI KASUS PUSKESMAS PRACIMANTORO I)
ISSN : 2338-18 SISTEM PAKAR DIAGNOSA PENYAKIT DBD DAN DEMAM TIFOID DENGAN METODE FUZZY TSUKAMOTO (STUDI KASUS PUSKESMAS PRACIMANTORO I) Waluyo (waluyo08@gmail.com) Didik Nugroho (didikhoho@gmail.com) Kustanto
Lebih terperinciSISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC
SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC ( STUDY KASUS : KARANG TARUNA DESA PUHJARAK ) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana Komputer
Lebih 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 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 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 terperinciMetode Fuzzy Tsukamoto Dalam Aplikasi Sistem Estimasi Stok Barang
Metode Fuzzy Tsukamoto Dalam Aplikasi Sistem Estimasi Stok Barang Rina Firliana 1), Jatmiko 2) Ervin Kusuma Dewi 3), Aidina Ristyawan 4) 1)3)4) Program Studi Sistem Informasi, Fakultas Teknik, Universitas
Lebih terperinciFUZZY INFERENCE SYSTEM DENGAN METODE TSUKAMOTO SEBAGAI PEMBERI SARAN PEMILIHAN KONSENTRASI (STUDI KASUS: JURUSAN TEKNIK INFORMATIKA UII)
FUZZY INFERENCE SYSTEM DENGAN METODE TSUKAMOTO SEBAGAI PEMBERI SARAN PEMILIHAN KONSENTRASI (STUDI KASUS: JURUSAN TEKNIK INFORMATIKA UII) Arkham Zahri Rakhman 1, Helmanatun Nisa Wulandari 2, Geralvin Maheswara
Lebih terperinciPREDIKSI HARGA SAHAM BERBASIS WEB DENGAN SISTEM INFERENSI FUZI TSUKAMOTO
PREDIKSI HARGA SAHAM BERBASIS WEB DENGAN SISTEM INFERENSI FUZI TSUKAMOTO Muchlas, Tole Sutikno Program Studi Teknik Elektro, Fakultas Teknologi Industri, Universitas Ahmad Dahlan Kampus III UAD, Jl. Prof
Lebih terperinciJurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:
PENERAPAN LOGIKA FUZZY UNTUK MENENTUKAN MAHASISWA BERPRESTASI DI STMIK CIKARANG MENGGUNAKAN JAVA NETBEANS DAN MYSQL Ema Dili Giyanti 1), Ali Mulyanto 2) 1) Program Studi Teknik Informatika, STMIK Cikarang
Lebih terperinci1. Pendahuluan RANCANG BANGUN SISTEM PENGENDALI SUHU RUANGAN MENGGUNAKAN FUZZY LOGIC
Ethos (Jurnal Penelitian dan Pengabdian Masyarakat): 207-212 RANCANG BANGUN SISTEM PENGENDALI SUHU RUANGAN MENGGUNAKAN FUZZY LOGIC 1 Iksal, 2 Saefudin, 3 Ilham Aswad 1 Jurusan Sistem Komputer Universitas
Lebih terperinciJURNAL SISTEM INFORMASI PADA KSU TUNAS ABADI JAYA DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)
JURNAL SISTEM INFORMASI PADA KSU TUNAS ABADI JAYA DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) INFORMATION SYSTEM AT KSU TUNAS ABADI JAYA WITH SIMPLE ADDITIVE WEIGHTING METHOD (SAW) Oleh: RIA DWI MARTHA
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY Hafsah, Heru Cahya Rustamaji, Yulia Inayati Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari No 2 Tambakbayan Yogyakarta
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI DI UNIVERSITAS MULAWARMAN MENGGUNAKAN METODE TSUKAMOTO (Studi kasus : Fakultas MIPA)
Jurnal Informatika Mulawarman Vol. 10 No. 1 Februari 2015 32 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROGRAM STUDI DI UNIVERSITAS MULAWARMAN MENGGUNAKAN METODE TSUKAMOTO (Studi kasus : Fakultas MIPA) Hanis
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JUMLAH PRODUKSI DENGAN METODE FUZZY TSUKAMOTO DI PT KSTEX BANDUNG. Fikri Nur Fathan
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JUMLAH PRODUKSI DENGAN METODE FUZZY TSUKAMOTO DI PT KSTEX BANDUNG Fikri Nur Fathan Teknik Informatika - Universitas Komputer Indonesia Jl. Dipatiukur 112-114
Lebih terperinciMatematika Diskrit Fuzzy Inference System Prodi T.Informatika
Matematika Diskrit Fuzzy Inference System Prodi T.Informatika Mahasiswa dapat melakukan penalaran dengan hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Mekanisme Fuzzy Iinference Systems
Lebih terperinciJURNAL SISTEM PENENTUAN HARGA PERCETAKAN FOTO DIGITAL MENGGUNAKAN FUZZY TSUKAMOTO DI ALIEF COMPUTER KOTA KEDIRI
JURNAL SISTEM PENENTUAN HARGA PERCETAKAN FOTO DIGITAL MENGGUNAKAN FUZZY TSUKAMOTO DI ALIEF COMPUTER KOTA KEDIRI PRICING SYSTEM USING DIGITAL PHOTO PRINTING ON FUZZY TSUKAMOTO ALIEF COMPUTER KEDIRI Oleh:
Lebih terperinciPENERAPAN FUZZY TSUKAMOTO DALAM PENGANGKATAN JABATAN PEGAWAI DI BKD LAMONGAN. Kemal Farouq, Miftahus Sholihin ABSTRAK
J u r n a l e k n i k A V o l 6 N o 2 S e p t e m b e r 2 0 1 4 ISSN No. 2085-0859 PENERAPAN UZZY SUKAMOO DALAM PENGANGKAAN JABAAN PEGAWAI DI BKD LAMONGAN Kemal arouq, Miftahus Sholihin 1) Program Studi
Lebih terperinciOndra Eka Putra, Eka Lia Febrianti
Putra., O. E., & Febrianti, E. L. 26. Analisa Jumlah Produksi pada Industri Rumah Tangga dengan Menggunakan Journal of Sainstek 8(2): 73-79 ANALISA JUMLAH PRODUKSI PADA INDUSTRI RUMAH TANGGA DENGAN MENGGUNAKAN
Lebih terperinciModel Evaluasi Performa Mahasiswa Tahun Pertama Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto
Model Evaluasi Performa Mahasiswa Tahun Pertama Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto Zaenal Abidin Program studi Sistem Informasi STMIK Teknokrat Bandar Lampung, Indonesia
Lebih terperinciPENERAPAN METODE TSUKAMOTO DALAM PEMBERIAN KREDIT SEPEDA MOTOR BEKAS PADA PT TRI JAYA MOTOR (Studi Kasus PT TRI JAYA MOTOR MEDAN )
Marsono, ISSN : 1978-6603 Saiful Nur Arif, Iskandar Zulkarnain, Penerapan Metode Tsukamoto PENERAPAN METODE TSUKAMOTO DALAM PEMBERIAN KREDIT SEPEDA MOTOR BEKAS PADA PT TRI JAYA MOTOR (Studi Kasus PT TRI
Lebih terperinciBAB II KAJIAN PUSTAKA. mengikuti sertifikasi, baik pendidikan gelar (S-1, S-2, atau S-3) maupun nongelar (D-
BAB II KAJIAN PUSTAKA A. Kualifikasi Akademik Ditjendikti - kemendiknas, (2010) menyatakan bahwa kualifikasi akademik adalah ijazah pendidikan tinggi yang dimiliki oleh guru pada saat yang bersangkutan
Lebih terperinciIJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: Perancangan Model Matematis Untuk Penentuan Jumlah Produksi di PT. XZY
IJCCS, Vol.x, No.x, July xxxx, pp. ~5 ISSN: 978-52 Perancangan Model Matematis Untuk Penentuan Jumlah Produksi di PT. XZY Dian Eko Hari Purnomo Universitas Sarjanawiyata Tamansiswa, Program Studi Teknik
Lebih terperinciMetode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan
Scientific Journal of Informatics Vol., No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/inde.php/sji e-issn 2460-0040 Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan
Lebih terperinciBAB I PENDAHULUAN. industri erat kaitannya dengan jumlah produksi yang harus disediakan. Seiring
BAB I PENDAHULUAN I.1. Latar Belakang Produksi merupakan kegiatan vital yang ada dalam suatu industri, kegiatan industri erat kaitannya dengan jumlah produksi yang harus disediakan. Seiring dengan meningkatnya
Lebih terperinciOleh: ABDUL AZIS JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013
Oleh: ABDUL AZIS 1209 100 073 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013 Sektor pertanian merupakan salah satu penopang perekonomian
Lebih terperinciPENERAPAN FUZZY SUGENO DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KELAS PEMINATAN (STUDI KASUS : STMIK POTENSI UTAMA)
PENERAPAN FUZZY SUGENO DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KELAS PEMINATAN (STUDI KASUS : STMIK POTENSI UTAMA) Alfa Saleh Teknik Informatika STMIK Potensi Utama Jl K.L. Yos Sudarso KM 6.5 No.3-A,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Metode Pengumpulan Data Dalam penelitian diagnosa penyakit asma dengan menggunakan metode fuzzy Tsukamoto, dibutuhkan data mengenai gejala penyakit dari seorang pakar atau
Lebih terperinciBAB II. KAJIAN PUSTAKA. Menurut Gorry dan Scott (1970) dalam Turban (2005) Sistem Pendukung
BAB II. KAJIAN PUSTAKA A. Sistem Pendukung Keputusan Menurut Gorry dan Scott (1970) dalam Turban (2005) Sistem Pendukung Keputusan (DSS) merupakan sistem berbasis komputer interaktif, yang membantu para
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1. Analisa Masalah PT. Intraco Agro Industry merupakan perusahaan yang bergerak dibidang pakan ternak. Masalah yang dihadapi PT. Intraco Agro Industry pada saat ini
Lebih terperinciANALISIS PENDUKUNG KEPUTUSAN PENENTUAN PEMBELIAN BAHAN BAKU UNTUK PEMBUATAN MEUBEL JENIS KURSI LETER L MENGGUNAKAN FUZZY TSUKAMOTO
ANALISIS PENDUKUNG KEPUTUSAN PENENTUAN PEMBELIAN BAHAN BAKU UNTUK PEMBUATAN MEUBEL JENIS KURSI LETER L MENGGUNAKAN FUZZY TSUKAMOTO Sulistiyono 1), Wahyu Oktri Widyarto 2) 1 Information Technology Faculty
Lebih terperinciKristanto Wijaya Program Studi Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik Universitas Tanjungpura
1 RANCANG BANGUN SISTEM INFORMASI SIMPAN PINJAM PADA CREDIT UNION KOPERASI SIMPAN PINJAM BAHTERA DENGAN FITUR NILAI REKOMENDASI PEMBERIAN PINJAMAN BERBASIS FUZZY Kristanto Wijaya Program Studi Teknik Informatika
Lebih terperinciDAFTAR ISI ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL BAB I PENDAHULUAN
DAFTAR ISI ABSTRAK... i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI... iv DAFTAR GAMBAR...x DAFTAR TABEL... xiii BAB I PENDAHULUAN 1.1 Latar Belakang Masalah...1 1.2 Identifikasi Masalah...3 1.3 Maksud
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 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 terperinciKASUS PENERAPAN LOGIKA FUZZY. Fuzzy tsukamoto, mamdani, sugeno
KASUS PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno CARA KERJA LOGIKA FUZZY MELIPUTI BEBERAPA TAHAPAN BERIKUT : 1. Fuzzyfikasi 2. Pembentukan basis pengetahuan fuzzy (rule dalam bentuk if..then).
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 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 terperinciIMPLEMANTASI METODE FUZZY TSUKAMOTO UNTUK PENDUKUNG KEPUTUSAN JUMLAH PRODUKSI BARANG PADA DISTRO ANIME
IMPLEMANTASI METODE FUZZY TSUKAMOTO UNTUK PENDUKUNG KEPUTUSAN JUMLAH PRODUKSI BARANG PADA DISTRO ANIME SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada
Lebih terperinciPemanfaatan Metode Tsukamoto Untuk Klasifikasi Daerah Rawan Penyakit Tuberkulosis Paru Dalam Bentuk Sistem Informasi Geografis
Pemanfaatan Metode Tsukamoto Untuk Klasifikasi Daerah Rawan Penyakit Tuberkulosis Paru Dalam Bentuk Sistem Informasi Geografis Muhammad Ridwan Dwiangga Fakultas Teknologi Industri, Teknik Informatika Universitas
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA UNTUK SISWA KURANG MAMPU DI SMK MUHAMMADIYAH 1 KEPANJEN MENGGUNAKAN METODE FUZZY TSUKAMOTO
Jurnal SPIRIT Vol. 9 No. 2 Nopember 27, hal 48-56 ISSN : 285-392 SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA UNTUK SISWA KURANG MAMPU DI SMK MUHAMMADIYAH KEPANJEN MENGGUNAKAN METODE FUZZY TSUKAMOTO Fadhli
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 terperinciPERANCANGAN SISTEM PERENCANAAN JUMLAH PRODUKSI ROTI MENGGUNAKAN METODE FUZZY MAMDANI
PERANCANGAN SISTEM PERENCANAAN JUMLAH PRODUKSI ROTI MENGGUNAKAN METODE FUZZY MAMDANI Murni Marbun 1, Hengki Tamando Sihotang 2, Normi Verawati Marbun 3 2 Teknik Informatika STMIK Pelita Nusantara Medan,
Lebih terperinciOPTIMALISASI JUMLAH PRODUKSI BARANG PADA PERUSAHAAN XYZ MENGGUNAKAN LOGIKA FUZZY
OPTIMALISASI JUMLAH PRODUKSI BARANG PADA PERUSAHAAN XYZ MENGGUNAKAN LOGIKA FUZZY Erna Daniati ), Moch. Mashuri ) 1), 2) Sistem Informasi UNIVERSITAS NUSANTARA PGRI Kediri Jl. KH. Achmad Dahlan No. 76,
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 terperinciVol. 4 No. 2 Oktober 2016 Jurnal TEKNOIF ISSN:
PREDIKSI JUMLAH PRODUKSI ROTI MENGGUNAKAN METODE LOGIKA FUZZY (Studi Kasus : Roti Malabar Bakery) Oleh : Minarni, Firman Aldyanto Jurusan Teknik Informatika Fakultas Teknik Industri Institut Teknologi
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN JUMLAH PRODUKSI BARANG DENGAN METODE FUZZY TSUKAMOTO BERBASIS ANDROID
TINF - 47 p- ISSN : 247 46 e-issn : 246 46 SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JUMLAH PRODUKSI BARANG DENGAN METODE FUZZY TSUKAMOTO BERBASIS ANDROID Popy Meilina *, Nurvelly Rosanti, Nuraeni Astryani
Lebih terperinciPraktikum sistem Pakar Fuzzy Expert System
Praktikum sistem Pakar Fuzzy Expert System Ketentuan Praktikum 1. Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa untuk praktikum pertemuan ke - 8 2. Mahasiswa akan mendapatkan penjelasan
Lebih terperinciTahap Sistem Pakar Berbasis Fuzzy
Company LOGO Penalaran Mamdani dan Tsukamoto Pada pendekatan Fuzzy Inference System Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2011 www.company.com
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 9 NO. 1 April 2016
PENENTUAN KUALITAS RUANG RAWAT INAP DENGAN MENGGUNAKAN FUZZY LOGIC Sinta Maria ABSTRACT The service industry is currently growing very rapidly, the competition is happening today is very competitive in
Lebih terperinciLAPORAN TUGAS AKHIR SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JUMLAH PENGADAAN BARANG PADA CV. RODA BAJA MANDIRI SEMARANG DENGAN METODE MAMDANI
LAPORAN TUGAS AKHIR SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JUMLAH PENGADAAN BARANG PADA CV. RODA BAJA MANDIRI SEMARANG DENGAN METODE MAMDANI Adiyanto Saputro Program Studi Sistem Informasi, Fakultas Ilmu
Lebih terperinciJurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL
MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL Fanisya Alva Mustika 1, Sutrisno 2 Program Studi Teknik Informatika, Universitas Indraprasta PGRI Jakarta 1,2 E-mail: alva.mustika@gmail.com
Lebih terperinciIMPLEMENTASI ALGORITMA FUZZY TSUKAMOTO UNTUK MENENTUKAN JUMLAH PRODUKSI ROTI
ISSN : 2338-4018 IMPLEMENTASI ALGORITMA FUZZY TSUKAMOTO UNTUK MENENTUKAN JUMLAH PRODUKSI ROTI Kurnia Martha Herdiastuti (kurnia19martha@gmail.com) Bebas Widada(bbswdd@gmail.com) Yustina Retno Wahyu Utami
Lebih terperinciVersi Online tersedia di : JURNAL TECH-E (Online)
JURNAL TECH-E - VOL. 1 NO. 1 (17) Versi Online tersedia di : http://bsti.ubd.ac.id/e-jurnal JURNAL TECH-E 2581-1916 (Online) Artikel Perancangan Aplikasi Penentu Jurusan IPA atau IPS Pada SMA Menggunakan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Karyawan didalam perusahaan merupakan sesuatu yang esensial untuk menjalankan roda perusahaan untuk mencapai tujuannya. Dalam pelaksanaannya, pencapaian tujuan tersebut
Lebih terperinciIMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS
IMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS Alfa Saleh Teknik Informatika, Fak Ilmu Komputer Universitas Potensi Utama Jl KL Yos Sudarso KM 65 No3-A, Tanjung Mulia,
Lebih 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 terperinciIMPLEMENTASI FUZZY INFERENCE SYSTEM METODE TSUKAMOTO PADA PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT PEMILIKAN RUMAH
IMPLEMENTASI FUZZY INFERENCE SYSTEM METODE TSUKAMOTO PADA PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT PEMILIKAN RUMAH Wilis Kaswidjanti 1), Agus Sasmito Aribowo 2), Cahyo Budi Wicaksono 3) 1,2,3) Prodi Teknik
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN SUPPLIER BAHAN BAKU KATERING CV. RIYANISA SEKARSARI MANDIRI MENGGUNAKAN METODE FUZZY TSUKAMOTO
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN SUPPLIER BAHAN BAKU KATERING CV. RIYANISA SEKARSARI MANDIRI MENGGUNAKAN METODE FUZZY TSUKAMOTO Yongky Dwi Guritno 1, Indah Fitri Astuti 2, Addy Suyatno 3 1,2,3 Program
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 Pendukung Keputusan Untuk Menentukan Supplier Kapas Terbaik pada PT. Batam Textile Industry Menggunakan Fuzzy Tsukamoto
Sistem Pendukung Keputusan Untuk Menentukan Supplier Kapas Terbaik pada PT. Batam Textile Industry Menggunakan Fuzzy Tsukamoto Dedi Chrisna Edohardika A11.2009.04733 Teknik Informatika S1 Universitas Dian
Lebih terperinciRima Ayuningtyas NIM Jurusan Teknik Informatika, Universitas Maritim Raja Ali Haji. Jl. Politeknik Senggarang, Tanjungpinang
Sistem Pendukung Keputusan Dalam Menentukan Jenis Budidaya Ikan Dengan Mengukur Kualitas Air Menggunakan Metode Fuzzy Tsukamoto (Studi Kasus : Balai Benih Ikan di Pengujan Kabupaten Bintan) Rima Ayuningtyas
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA A. Kompetensi Pedagogik Menurut Mahmudin (2008) Kompetensi Guru merupakan seperangkat pengetahuan, keterampilan, dan perilaku yang harus dimiliki, dihayati, dikuasai, dan diaktualisasikan
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 terperinciPREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO
PREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO Ahmad Bahroini 1, Andi Farmadi 2, Radityo Adi Nugroho 3 1,2,3Prodi Ilmu Komputer FMIPA UNLAM Jl. A. Yani Km 36 Banjarbaru, Kalimantan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER OBAT MENGGUNAKAN METODE FUZZY TSUKAMOTO
Hamdani, Deviana Selywita SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER OBAT MENGGUNAKAN METODE FUZZY TSUKAMOTO 1) Hamdani, 2) Deviana Selywita, Jurusan Ilmu Komputer, Fakultas MIPA, Universitas Mulawarman
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1. Analisa Masalah Saat ini, dalam melakukan seleksi penerimaan petugas Sensus Ekonomi pada kantor Badan Statistik Aceh Tamiang masih dilakukan dengan tidak terbuka.
Lebih terperinciPERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)
PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) Komang Wahyudi Suardika 1, G.K. Gandhiadi 2, Luh Putu Ida Harini 3 1 Program
Lebih terperinci1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Salah satu aplikasi sistem cerdas yang paling sukses dan masih berkembang saat ini yaitu peramalan beban listrik. Peramalan beban listrik adalah suatu ilmu
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 terperinciAPLIKASI LOGIKA FUZZY MENGGUNAKAN METODE TSUKAMOTO DALAM PENGAMBILAN KEPUTUSAN PENENTUAN JUMLAH PRODUKSI
APLIKASI LOGIKA FUZZY MENGGUNAKAN METODE TSUKAMOTO DALAM PENGAMBILAN KEPUTUSAN PENENTUAN JUMLAH PRODUKSI Skripsi untuk memenuhi sebagian persyaratan mencapai derajat Sarjana S-1 Program Studi Matematika
Lebih terperinciPENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC )
PENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC ) Edy Victor Haryanto1), Fina Nasari) Universitas Potensi Utama Jl. K. L. Yos Sudarso Km. 6,5 No.
Lebih terperinciANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN
ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN Khairul Saleh Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara Jalan Universitas
Lebih terperinciANALISIS FUZZY INFERENCE SYSTEM SUGENO DAN TSUKAMOTO DALAM MENENTUKAN JUMLAH PRODUKSI DENGAN APLIKASI WEB
ANALISIS FUZZY INFERENCE SYSTEM SUGENO DAN TSUKAMOTO DALAM MENENTUKAN JUMLAH PRODUKSI DENGAN APLIKASI WEB Kevin Adiputra, Siti Komsiyah, Michael Yosep Universitas Bina Nusantara, Jalan KH. Syahdan No.
Lebih terperinciBAB IV METODOLOGI. Gambar 4.1 Model keseimbangan air pada waduk (Sumber : Noor jannah,2004)
BAB IV METODOLOGI 4.1 Sistem Pengoperasian Waduk. Tujuan di bangun suatu sistem waduk sangat mempengaruhi strategi pengoperasian sistem waduk yang bersangkutan. Dalam mengembangkan model optimasi pengoperasian
Lebih terperinciImplementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic
JTRISTE, Vol.2, No.2, Oktober 2015, pp. 18~28 ISSN: 2355-3677 Implementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic Junaedy 1, Abdul Munir 2 STMIK KHARISMA
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 terperinciFuzzy Expert Sistem. Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015
Fuzzy Expert Sistem Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015 Ketentuan Praktikum Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa
Lebih terperinciFuzzy Inference System Dengan Metode Tsukamoto Sebagai Penunjang Keputusan Produksi (Studi Kasus : PT. Talkindo Selaksa Anugrah) Abstrak
Jurnal Sistem Informasi (JSI), VOL. 7, NO., April 205, ISSN Print : 2085-588 ISSN Online : 2355-464 Fuzzy Inference System Dengan Metode Tsukamoto Sebagai Penunjang Keputusan Produksi (Studi Kasus : PT.
Lebih terperinciMetode Tsukamoto untuk Mendiagnosa Penyakit Infeksi pada Manusia
Metode Tsukamoto untuk Mendiagnosa Penyakit Infeksi pada Manusia Irmalia Suryani Faradisa dan Putri Sari Jurusan Teknik Elektro, Institut Teknologi Nasional Malang E-mail: faradyza@gmail.com Abstrak Gejala
Lebih terperinciSistem Pendukung Keputusan Pemilihan Tenaga Kontrak Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto (Studi Kasus PT.
Sistem Pendukung Keputusan Pemilihan Tenaga Kontrak Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto (Studi Kasus PT. Solo Murni) Fadil Indra Sanjaya 1), Dadang Heksaputra 2) Magister
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 terperinciKata kunci : : SPK, Fuzzy Logic, Kinerja karyawan, WEB.
SISTEM PENDUKUNG KEPUTUSAN PENGELOLAAN KINERJA KARYAWAN DENGAN MENGGUNAKAN METODE FUZZY LOGIC BERBASIS WEB DI PT.PREMIER EQUITY FUTURES BANDUNG Ardiles Sinaga,M.T 1, Yessy Resti Melati 2 1,2 Program Studi
Lebih terperinciIMPLEMENTASI FUZZY TSUKAMOTO DALAM PENENTUAN KESESUAIAN LAHAN UNTUK TANAMAN KARET DAN KELAPA SAWIT
IMPLEMENTASI FUZZY TSUKAMOTO DALAM PENENTUAN KESESUAIAN LAHAN UNTUK TANAMAN KARET DAN KELAPA SAWIT Maya Yusida 1, Dwi Kartini 2, Andi Farmadi 3, Radityo Adi Nugroho 4, Muliadi 5 123Prodi Ilmu Komputer
Lebih terperinciAPLIKASI BERBASIS WEB PEMILIHAN OBYEK PARIWISATA DI YOGYAKARTA MENGGUNAKAN METODE TAHANI
APLIKASI BERBASIS WEB PEMILIHAN OBYEK PARIWISATA DI YOGYAKARTA MENGGUNAKAN METODE TAHANI Hafsah1), Wilis Kaswidjanti2), Tendi R. Cili3) 1,2,3) Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari
Lebih terperinciIMPLEMENTASI FUZZY MAMDANI DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KESESUAIAN BIDANG PEMINATAN MAHASISWA (STUDI KASUS : UNIVERSITAS POTENSI UTAMA)
IMPLEMENTASI FUZZY MAMDANI DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KESESUAIAN BIDANG PEMINATAN MAHASISWA (STUDI KASUS : UNIVERSITAS POTENSI UTAMA) Alfa Saleh Teknik Informatika, Fak. Ilmu Komputer
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 Penunjang Keputusan Pemberian Kredit Menggunakan Logika Fuzzy
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Sistem Penunjang Keputusan Pemberian Kredit Menggunakan Logika Fuzzy Eldas Puspitarini. 1), Kusrini 2), EmhaTaufiq Lutfi
Lebih terperinciARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA
ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA Rima Liana Gema, Devia Kartika, Mutiana Pratiwi Universitas Putra Indonesia YPTK Padang email: rimalianagema@upiyptk.ac.id ABSTRAK
Lebih terperinciAPLIKASI PERAMALAN HARGA JUAL RUMAH LELANG EX-KPR BTN MENGGUNAKAN FUZZY TSUKAMOTO
APLIKASI PERAMALAN HARGA JUAL RUMAH LELANG EX-KPR BTN MENGGUNAKAN FUZZY TSUKAMOTO Agung Triayudi 1 Muhamad Kosasih 2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi Universitas Serang Raya
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 terperinci