IMPLEMENTASI LOGIKA FUZZY UNTUK PENENTUAN PEMINATAN DENGAN MENGGUNAKAN METODE SUGENO PADA SMA N 1 PEMALI
|
|
- Farida Sanjaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 IMPLEMENTASI LOGIKA FUZZY UNTUK PENENTUAN PEMINATAN DENGAN MENGGUNAKAN METODE SUGENO PADA SMA N 1 PEMALI Aryansah Teknik Informatika STMIK ATMA LUHUR PANGKALPINANG Jl. Jend. Sudirman, Selindung Lama, Pangkalpinang, Kepulauan Babel aryaaryansah@ymail.com Abstract Penentuan peminatan pada siswa SMA selalu menjadi masalah sering terjadi kesalahan dalammenentukan peminatan. Dimana data yang diolah sangat banyak dengan waktu yang sedikit. Dengan ini penulis memberikan solusi berupa Implementasi logika fuzzy ini adalah sebuah sistem yang di buat untuk menentukan peminatan pada SMA di kelas X. Sistem ini dibuatkan fuzzy inferensi sistem (FIS) dengan Metode Sugeno (Height metthod) dan memiliki kombinasi rule sebanyak 288. Tahapan FIS diantaranya adalah menghitung nilai variabel-variabel, konversikan variabel tersebut ke bentuk derajat keanggotaan pada himpunan fuzzy, gunakan fungsi Min untuk mengetahui nilai α-predikat, dan gunakan fungsi Max untuk menetapkan α-predikat terbesar rule maka didapatlah peminatan. Sistem ini juga dilengkapi dengan mencetak laporan hasil peminatan dengan adanya ini maka lebih efektif dan efesien dalam hal pengerjaanya. Selain itu sangat mudah dipahami dan dimengerti serta memiliki tampilan yang disesuaikan. Sistem yang dibuat menggunakan bahasa pemograman visual basic.net dan Microsoft Acces 2007 sebagai database. Kata Kunci : fuzzy inferensi system, metode sugeno (Height metthod), peminatan 1. Pendahuluan 1.1 Latar Belakang Saat ini zaman serba canggih, komputer telah menjadi sebuah kebutuhan bagi manusia. Tidak seperti dahulu kala ketika komputer masih merupakan barang mewah dan harganya pun susah terjangkau; hanya kalangan ekonomi yang tinggi saja yang bisa memilikinya. Saat ini, komputer sudah menjadi kebutuhan pokok manusia dalam segala bidang (pendidikan, perkantoran, militer, pertanian, BUMN, swasta, dan lain-lain). Hal itu dikarenakan komputer bisa melakukan segalanya dengan cepat, tepat, efesien dan efektif, mulai dari suatu persoalan yang paling mudah hingga persoalan yang sangat sulit dipecahkan oleh manusia. Salah satu penerapan komputer di kehidupan sehari-hari adalah penerapan logika fuzzy dalam suatu aplikasi. Dengan aplikasi ini, diharapkan komputer dapat membantu manusia dalam pengolahan data dengan menggunakan metode tertentu. Logika fuzzy dapat digunakan dalam berbagai bidang, seperti sistem kontrol frekuensi putaran kipas angin, sistem penunjang keputusan produksi barang, atau basis data untuk rekomendasi penerimaan beasiswa. (Sutojo dkk., 2011). SMAN1 Pemali sudah termasuk salah satu sekolah dalam penerapan Kurikulum Hal yang menarik perhatian penulis pada Kurikulum 2013 ini adalah peminatan siswa. Peminatan dapat dipilih oleh siswa baru sesuai dengan bakat yang dimiliki oleh setiap siswa/i itu sendiri. Tentu saja terdapat syarat-syarat dan ketentuan yang harus dimiliki oleh siswa/i agar kelompok peminatan sesuai dengan minat dan keinginannya. Akan tetapi, SMAN 1 Pemali ini, sudah menggunakan cara terkomputerisasi, namun dalam hal pengolahan data belum terotomatisisasi dalam hal 1
2 penentuan peminatan siswa, sehingga masih banyak terdapat perbedaan pendapat antara pihak sekolah dan siswa yang bersangkutan. Dikarenakan terdapat sangat banyak data yang diolah, sehingga menjadi tidak efisien jika harus dilakukan berulang-ulang dalam pengolahan data untuk mendapat suatu kesimpulan. Selain itu, karena kurikulum ini adalah kurikulum yang tergolong baru, maka sekolah ini masih belum siap untuk menerapkanya. Oleh karena itu, dalam penelitian kali ini, penulis akan mengusulkan solusi aplikasi peminatan siswa berbasis komputer dengan menggunakan logika fuzzy menggunakan metode Sugeno sehingga panitia penerimaan siswa baru hanya cukup mengentri data-data yang dibutuhkan dan komputer akan mengelolah data yang dientrikan dan komputer akan mengelolahnya hingga dicapai suatu kesimpulan peminatan siswa yang di harapkan dan sesuai dengan minat. 1.2 Rumusan Masalah Dari latar belakang tersebut, yang telah di paparkan, dapat dirumuskan suatu permaslahan,yaitu pengimplementasian logika fuzzy peminatan siswa SMAN 1 Pemali dengan yang menggunakan metode Sugeno, agar peminatan sesuai minat dan harapan siswa bersangkutan. 1.3 Batasan Masalah Dalam penelitian ini, penulis merasakan perlunya membatasi permasalahan. Adapun batasan-batasan masalahannya adalah sebagai berikut. a. Metode Logika fuzzy peminatan yang di gunakan adalah metode Sugeno (Height metthod) b. Data yang digunakan adalah nilai hasil SKHUN raport SMP, dan Rekomendasi Guru BK SMP. c. Kelompok peminatan dalam aplikasi ini mencakup Matematika dan Ilmu Alam (MIA), dan Ilmu-Ilmu Sosial (IIS). 1.4 Metode Penelitian a. Wawancra b. Studi Pustaka c. Tahap rakayasa sistem dengan menggunakan model waterfall. 1) Plening 2) Analisa 3) Desain 4) Implementasi 1.5 Tujuan Penulisan Tujuan yang hendak penulis capai dalam penulisan skripsi ini adalah membuat aplikasi untuk menerapkan logika fuzzy dalam pemecahan masalah peminatan siswa SMAN 1 Pemali 2. Landasan Teori 2.1 Pengertian Kurikulum Undang-Undang Nomor 20 Tahun 2003 tentang Sistem Pendidikan Nasional menyebutkan bahwa kurikulum adalah seperangkat rencana dan pengaturan mengenai tujuan, isi, dan bahan pelajaran serta cara yang digunakan sebagai pedoman penyelenggaraan kegiatan pembelajaran untuk mencapai tujuan pendidikan tertentu. Berdasarkan pengertian tersebut, ada dua dimensi kurikulum: a. Rencana dan pengaturan mengenai tujuan, isi dan bahan pelajaran; dan b. Cara yang digunakan untuk kegiatan pembelajaran. Kurikulum 2013 yang diberlakukan mulai tahun ajaran 2013/2014 memenuhi kedua dimensi tersebut (Nuh, 2013) 2.2 Kelompok Peminatan Kurikulum Sekolah Menengah Atas (SMA) dirancang untuk memberikan kesempatan kepada peserta didik belajar berdasarkan minat. Struktur kurikulum memperkenankan peserta didik 2
3 melakukan pilihan dalam bentuk pilihan Kelompok Peminatan dan pilihan mata pelajaran antar Kelompok Peminatan. Kelompok Peminatan yang dapat dipilih peserta didik terdiri atas kelompok Matematika dan Ilmu Alam (MIA) dan Ilmu-Ilmu Sosial (IIS). Sejak mendaftar ke SMA, saat kelas X, peserta didik sudah harus memilih kelompok peminatan yang akan dimasuki. Pemilihan kelompok peminatan didasarkan atas nilai rapor SMP/MTs, nilai ujian nasional SMP/MTs, rekomendasi guru bimbingan dan konseling di SMP, hasil tes penempatan (placement test) ketika mendaftar di SMA, dan tes bakat minat oleh psikolog. Pada semester kedua di kelas X, seorang peserta didik masih mungkin mengubah Kelompok Peminatan berdasarkan hasil pembelajaran di semester pertama dan rekomendasi guru bimbingan dan konseling (Nuh, 2013). 2.3 Kecerdasan Buatan Kecerdasan buatan berasal dari bahasa Inggris Artificial Intelligence atau disingkat AI. Secara harfiah, intelligence adalah kata sifat yang berarti cerdas, sedangkan artificial berarti buatan. Kecerdasan buatan yang dimaksud merujuk pada mesin yang mampu berpikir, menimbang tindakan yang akan diambil, dan mampu mengambil keputusan seperti yang dilakukan oleh manusia (Sutojo dkk., 2011). Kecerdasan buatan merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Pada awal diciptakannya, komputer hanya difungsikan sebagai alat hitung saja. Akan tetapi, seiring dengan perkembangan zaman, peran komputer semakin mendominasi kehidupan umat manusia. Komputer tidak lagi hanya digunakan sebagai alat hitung, melainkan komputer juga diharapkan untuk mengerjakan segala sesuatu yang bisa dikerjakan oleh manusia (Sri K., 2003). 2.4 Soft computing adalah koleksi dari beberapa metodologi yang bertujuan untuk mengeksploitasi adanya toleransi terhadap ketidaktepatan, ketidakpastian, dan kebenaran parsial untuk dapat diselesaikan dengan mudah, robustness, dan biaya penyelesaiannya murah. Definisi ini pertama kali diungkapkan oleh Prof. Lotfi A. Zadeh pada tahun Soft computing merupakan inovasi baru dalam membangun sistem cerdas. Sistem cerdas ini merupakan sistem yang memiliki keahlian seperti manusia pada domain tertentu, mampu beradaptasi dan belajar agar dapat bekerja lebih baik jika terjadi perubahan lingkungan. Terdapat empat unsur pokok dalam soft computing, yaitu Sistem Fuzzy (mengakomodasi ketidaktepatan), Jaringan Syaraf (menggunakan pembelajaran), Probabilistic Reasoning (mengakomodasi ketidakpastian), dan Evolutionary Computing (optimasi). Keempat unsur tersebut bukan merupakan pesaing antara satu dengan lainnya, namun diantaranya bisa saling melengkapi. Bahkan, pada kenyataannya, biasanya unsur-unsur tersebut akan digunakan secara sinergis ketimbang dikerjakan secara sendiri-sendiri sehingga Zadeh juga mendefinisikan bahwa soft computing itu merupakan hubungan antara logika fuzzy, neurocomputing, probabilistic reasoning, dan algoritma genetik. 2.5 Logika fuzzy adalah suatu proses pengambilan keputusan berbasis aturan yang bertujuan untuk memecahkan masalah, dimana sistem tersebut sulit untuk dimodelkan atau terdapat ambiguitas dan ketidakjelasan yang berlimpah. Logika fuzzy ditentukan oleh persamaan logika, bukan dari persamaan diferensial kompleks dan berasal dari pemikiran yang mengidentifikasi serta mengambil 3
4 keuntungan dari grayness antara dua nilai ekstrem (Fahmizal, 2011). Bila dibandingkan dengan logika konvensional, kelebihan logika fuzzy adalah kemampuannya dalam proses penalaran secara bahasa sehingga dalam perancangannya tidak memerlukan persamaan matematika yang rumit. Beberapa alasan yang dapat diutarakan mengenai sebab kita menggunakan logika fuzzy antara lain adalah mudah dimengerti, memiliki toleransi terhadap data-data yang tidak tepat, mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks, dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan, dapat bekerja sama dengan teknik-teknik kendali secara konvensional, dan didasarkan pada bahasa alami (Sutojo dkk., 2011) Dasar-Dasar Logika Fuzzy Untuk memahami logika fuzzy, perlu diperhatikan dahulu tentang konsep himpunan fuzzy. Himpunanfuzzy memiliki dua atribut: a. Linguistik, yaitu nama suatu kelompok yang mewakili suatu keadaan tertentu dengan meggunakan bahasa alami, misalnya DINGIN, SEJUK, dan PANAS mewakili variabel temperatur. b. Numeris, yaitu suatu nilai yang menunjukkan ukuran dari suatu variabel, misalnya 10, 35, 40, dan sebagainya. Di samping itu, ada beberapa hal yang harus dipahami dalam memahami logika fuzzy: a. Variabel fuzzy, yaitu variabel yang akan dibahas dalam suatu sistem fuzzy. b. Himpunan fuzzy, yaitu suatu kelompok yang mewakili suatu keadaan tertentu dalam suatu variabel fuzzy. c. Semesta pembicaraan, yaitu seluruh nilai yang diizinkan untuk dioperasikan dalam suatu variabel fuzzy. d. Domain himpunan fuzzy, yaitu seluruh nilai yang diizinkan dalam semesta pembicaraan dan boleh dioperasikan dalam himpunan fuzzy (Sutojo dkk., 2011) Fungsi Keanggotaan Fungsi keanggotaan adalah grafik yang mewakili besar dari derajat keanggotaan masing-masing variabel input yang berada dalam interval antara 0 dan 1. Derajat keanggotaan sebuah variabel x dilambangkan dengan simbol μ(x). Rule-rule menggunakan nilai keanggotaan sebagai faktor bobot untuk menentukan pengaruhnya pada saat melakukan inferensi untuk menarik kesimpulan. Terdapat beberapa fungsi keanggotaan yang sering digunakan. Jenis-jenis fungsi keanggotaan tersebut adalah sebagai berikut (Sutojo dkk., 2011). 2.6 Grafik Keanggotaan Kurva Linear Pada grafik keanggotaan linear, sebuah variabel input dipetakan ke derajat keanggotaannya dengan digambarkan sebagai suatu garis lurus. Ada dua macam grafik keanggotaan linear: a. Grafik keanggotaan kurva linear naik, yaitu kenaikan himpunan fuzzy dimulai pada nilai domain yang memiliki derajat keanggotaan nol bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi. Fungsi keanggotaannya adalah μ(x) 0 ; x a x a (2.1) = { ; a x b b a 1; x b 4
5 Gambar 2.1 Grafik Keanggotaan Kurva Linear Naik b. Grafik keanggotaan kurva linear turun, yaitu himpunan fuzzy dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah. Fungsi keanggotaannya adalah μ(x) b x = { ; a x b b a 0; x b Gambar 2.2 Grafik Keanggotaan Kurva Linear Turun (2.2) c. Grafik keanggotaan kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan sama dengan satu. Fungsi keanggotaannya adalah μ(x) 0; x a atau x d x a ; a x b b a = 1; b x c d x { ; c x d d c (2.4 ) Gambar 2.4 Grafik Keanggotaan Kurva Trapesium 2.6 Metode Inferensi Logika Fuzzy Menurut T. Sutojo dkk. (2011), metode inferensi logika fuzzy dikelompokkan menjadi dua kelompok: a. Metode langsung, terdiri atas 1) Metode Tsukamoto; 2) Metode Mamdani; dan 3) Metode Sugeno. b. Metode tidak langsung. Dalam penelitian kali ini, penulis menggunakan metode Sugeno. Tahap-tahap inferensi dengan menggunakan metode ini adalah sebagai berikut. 1) Fuzzifikasi. 2) Pembentukan basis pengetahuan fuzzy (rule dalam bentuk IF-THEN). 3) Mesin inferensi Tahap ini menggunakan fungsi implikasi Min untuk mendapatkan nilai α-predikat tiap-tiap rule (α 1, α 2, α 3,, α n). Kemudian masing-masing nilai α-predikat ini digunakan untuk menghitung keluaran hasil inferensi secara tegas (crisp) masingmasing rule (z 1, z 2, z 3,, z n). c. Defuzzifikasi Menurut Lahmudin I. Panigoro (2012), terdapat berbagai cara untuk melakukan proses defuzzifikasi dengan metode ini, antara lain height method dan weight average. Jika dipilih cara height method, maka defuzzifikasi diakukan dengan cara memilih nilai predikat terbesar dari seluruh rule 5
6 yang disediakan. Sementara itu, jika menggunakan weight average, maka terlebih dahulu nilai outputnya (α) ditentukan, setelah itu gunakan rumus berikut untuk menentukan nilai tegasnya. rule, dan Terakhir, gunakan fungsi Max untuk menetapkan α-predikat terbesar dari tiap-tiap rule. 4.2 Tampilan Sisten z = α iz i α i (2.14) 3. Metode Penelitian 3.1 Teknik Pengumpulan Data a. Wawancara. b. Studi pustaka c. Tahap Rekayasa Sistem dengan menggunakan metode Waterfall dalam tahapan (PADI). Gambar 4.1 Tampilan Menu Awal 3.2 Use Case Diagram 4.3 Hasil Uji Coba Sistem Entri data siswa Entri Kelompok Peminatan siswa «extends» Ubah Kelompok Peminatan Siswa User Cetak Laporan Peminatan Gambar 3.1 Use Case Diagram Gambar 6.1 Hasil Uji Coba Sistem 4. Hasil dan Pembahasan 4.1 Untuk memperoleh kelompok peminatan, pertama-tama tentukan terlebih dahulu nilainilai dari variabel peminatan (NMIA dan NIIS). Sedangkan untuk nilai (RMIA, RIIS, SMTK, SIPA, dan SIPS) nilai ini adalah nilai tunggal, artinya tanpa harus mencari ratarata nilai tersebut, Setelah itu, konversikan tiap-tiap variabel tersebut ke dalam bentuk derajat keanggotaan, gunakan fungsi Min untuk mengetahui nilai α-predikat tiap-tiap Gambar 6.2 Hasil Uji Coba Sistem 6
7 Gambar 7.1 Hasil Uji Coba Sistem 4.4 Kelebihan dan Kekurangan Program Kelebihan a. Sangat mudah digunakan. b. Menghasilkan suatu kesimpulan yang sangat cepat dan akurat. c. Efektif dan efisien dalam pengolahan data dan pengambilan keputusa peminatan. d. Sistem yang fleksibel dan mudah dipahami Kekurangan a. Terlalu banyak nilai yang harus diinput untuk menentukan kelompok peminatan. b. Menggunakan database yang belum tentu bisa dikoneksikan pada setiap komputer atau laptop. 4.5 Kesimpulan dan Saran Kesimpulan Kesimpulan yang dapat diambil adalah sebagai berikut. a. Logika fuzzy olah data peminatan dengan memanfaatkan logika fuzzy dapat digunakan sebagai pendukung keputusan kelompok peminatan siswa SMAN 1 Pemali. b. Penerapan model Sugeno (height method) dalam penentuan kelompok peminatan dapat memberikan rekomendasi peminatan dengan lebih cepat dan tepat sesuai dengan minat yang dimiliki siswa bersangkutan. c. Data yang diolah hanya satu kali pengentrian dan menghasilkan suatu keputusan dan kesimpulan bagi setiap siswa, peminatan mana yang didapat oleh setiap siswa. d. Dilengkapi hasil laporan ke masing-masing siswa, agar orang tua siswa mengetahui anaknya masuk kepeminatan mana Saran Saran-saran yang dapat penulis berikan untuk penelitian selanjutnya adalah sebagai berikut. a. Menggunakan database yang lebih aman dan cepat untuk menyimpan data siswa. b. Mencoba untuk mengunakan bahasa pemrograman lainnya sehingga sistem dapat dijalankan lintas platform. c. Mencoba untuk menggunakan metode inferensi logika fuzzy lainnya dan membandingkan hasilnya. d. Menambah jumlah variabel input, agar hasil ketelitian peminatan lebih baik dan lebih teliti. e. Mencoba menggunakan metode Tsukamoto dan Mamdani, untuk membandingkan hasilnya. Daftar Pustaka [1] Darmayuda, Ketut Pemrograman Aplikasi Database Dengan Microsoft Visual Basic.NET 2008 Disertai Studi Kasus. Bandung: Informatika. [2] Fahmizal Fuzzy Logic and Fuzzy Logic Sun Tracking Control m/2011/02/25/paper-fuzzy-logic-andfuzzy-logic-sun-tracking-control, diakses tanggal 12 November [3] Kusumadewi, Sri Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu. [4] Merlina, Nita dan Rahmat Hidayat Perancangan Sistem Pakar. Bogor: Ghalia Indonesia. [5] Munir, Rinaldi Matematika Diskrit Revisi Kelima. Bandung: Informatika. [6] Nuh, Mohammad Peraturan Menteri Pendidikan dan Kebudayaan Nomor 69 Tahun 2013 Tentang Kerangka Dasar dan Struktur Kurikulum Sekolah Menengah Atas/Madrasah Aliyah. Jakarta: Kementerian Pendidikan dan Kebudayaan, 7
8 [7] Panigoro, Lahmudin I Logika Fuzzy Untuk Penentuan Jurusan di SMA. Skripsi. Fakultas Teknik, Universitas Negeri Gorontalo. [8] Sutojo, T. dkk Kecerdasan Buatan. Yogyakarta: Penerbit Andi. [9] Wikipedia Microsoft Access ess, diakses tanggal 13 November [10] Perangkatkeras as, diakses tanggal 7 Januari [11] Visual Basic.NET NET, diakses tanggal 13 November [12] Visual Basic.NET testing, diakses tanggal 06 Mei
Logika Fuzzy Untuk Penentuan Peminatan Pada SMAN 1 Pangkalpinang FUZZY LOGIC FOR DETERMINATION OF SPECIALIZATION ON SMAN 1 PANGKALPINANG
Logika Fuzzy Untuk Penentuan Peminatan Pada SMAN 1 Pangkalpinang FUZZY LOGIC FOR DETERMINATION OF SPECIALIZATION ON SMAN 1 PANGKALPINANG Eza Budi Perkasa Program Studi Teknik Informatika, STMIK Atma Luhur
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 terperinciSIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY
SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY Nesi Syafitri. N Teknik Informatika, Fakultas Teknik Universitas Islam Riau, Jalan Kaharuddin Nasution No. 3,
Lebih 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 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 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 terperinciPENERAPAN 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan
Lebih terperinciBAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan
BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental
Lebih 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 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 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 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 terperinciPenerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi
Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Berdasarkan Data Persediaan dan Jumlah Permintaan Ria Rahmadita Surbakti 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED riarahmadita@gmail.com
Lebih terperinciBAB 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 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 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 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 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 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 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 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 terperinciadalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK
1 Evaluasi Kinerja Pelayanan Perawat Menggunakan Fuzzy Inference System (FIS) Mamdani ( Studi Kasus : Puskesmas Bonang 1 Demak) ARIS MUTHOHAR Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer,
Lebih 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 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 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 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 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat
Lebih terperinciBAB II 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 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 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 terperinciPengenalan Kecerdasan Buatan (KB)
Pengenalan Kecerdasan Buatan (KB) Pengertian Kecerdasan Buatan VS Kecerdasan Alami Komputasi KB VS Komputasi Konvensional Sejarah KB Lingkup KB Soft Computing Referensi Luger & Stubblefield - bab 1 Sri
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)
SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ) Dimas Wahyu Wibowo 1, Eka Larasati Amalia 2 1,2 Teknik Informatika, Politeknik Negeri
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh pada tahun 1965 yang merupakan guru besar di University of California Berkeley pada papernya yang berjudul
Lebih terperinciJurnal 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 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 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 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 terperinciPenentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno
Penentuan Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Shenna Miranda #1, Minora Longgom Nasution *2, Muhammad Subhan #3 #1 Student of Mathematics department State University
Lebih terperinciBAB 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 terperinciSTUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)
STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) Desi Vinsensia Program Studi Teknik Informatika STMIK Pelita Nusantara
Lebih terperinciBAB II 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 terperinciARTIFICIAL INTELLIGENCE / AI (Kecerdasan Buatan)
ARTIFICIAL INTELLIGENCE / AI (Kecerdasan Buatan) Definisi : - Awalnya komputer difungsikan sebagai alat hitung. - Seiring dengan perkembangan jaman, komputer diharapkan dapat diberdayakan untuk mengerjakan
Lebih 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 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 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 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 terperinciPerancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani
Perancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani 23 Sathya Adi Dharma Program Studi Teknik Informatika Fakultas Teknologi Informasi Institut Informatika
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 terperinciANALISIS PERBANDINGAN HARGA MOBIL BEKAS MENGGUNAKAN METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DAN TSUKAMOTO
Jur. Ris. Ap. Mat. Vol. 1, No. 1 (2017), pp. 1 52. Jurnal Riset dan Aplikasi Matematika e-issn 2581-0154 URL: journal.unesa.ac.id/index.php/jram ANALISIS PERBANDINGAN HARGA MOBIL BEKAS MENGGUNAKAN METODE
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 terperinciProses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum
Prosiding Penelitian SPeSIA Unisba 2015 ISSN: 2460-6464 Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum 1 Fitria Tri Suwarmi, 2 M. Yusuf Fajar,
Lebih terperinciAnalisis Rule Inferensi Mamdani dalam Menentukan Beasiswa Peningkatan Prestasi Akademik ( PPA)
Analisis Rule Inferensi Mamdani dalam Menentukan Beasiswa Peningkatan Prestasi Akademik ( PPA) Khairul Saleh, M. Kom, Universitas Asahan; address, telp/fax of institution/affiliation Jurusan Teknik Informatika,
Lebih 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 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 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 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 terperinciSimulasi Pengaturan Lalu Lintas Menggunakan Logika Fuzzy
Simulasi Pengaturan Lalu Lintas Menggunakan Logika Fuzzy Raka Yusuf 1, Andi Andriansyah 2, Febi Pratiwi 3 Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Mercu Buana 1,3 Jurusan Teknik
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 terperinciPENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY
Seminar Nasional Sistem Informasi Indonesia, 2-4 Desember 2013 PENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sebuah aplikasi berupa Sistem Pendukung Keputusan (Decision Support System) mulai dikembangkan pada tahun 1970. Decision Support Sistem (DSS) dengan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
20 BAB IV HASIL DAN PEMBAHASAN A. Hasil Penelitian 1. Analisis Permasalahan Penjurusan di SMA dilakukan pada saat siswa berada di kelas X (sepuluh) dan akan naik ke kelas XI (sebelas). Masalah yang sering
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 terperinciPendekatan Logika Fuzzy untuk Perhitungan Gap pada Metode Profile Matching dalam Menentukan Kelayakan Proposal Penelitian
Pendekatan Logika Fuzzy untuk Perhitungan Gap pada Metode Profile Matching dalam Menentukan Kelayakan Proposal Penelitian Jumadi 1, a) Cecep Nurul Alam 2, b) 3, c) dan Ichsan Taufik 1, 2, 3 Jurusan Teknik
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih 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 terperinciREKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO
REKOMENDASI PEMILIHAN LAPTOP MENGGUNAKAN SISTEM INFERENSI FUZZY TSUKAMOTO Endra Pratama, Titin Sri Martini, Mania Roshwita Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciArtificial Intelegence. Eka Yuniar
Artificial Intelegence Eka Yuniar DEFINISI Awalnya komputer difungsikan sebagai alat hitung. Seiring dengan perkembangan jaman, komputer diharapkan dapatdiberdayakan untuk mengerjakan segala sesuatu yang
Lebih terperinciPerbandingan Regresi Linear, Backpropagation Dan Fuzzy Mamdani Dalam Prediksi Harga Emas
TEKNOLOGI DI INDUSTRI (SENIATI) 016 ISSN : 085-418 Perbandingan Regresi Linear, Backpropagation Dan Fuzzy Mamdani Dalam Prediksi Harga Emas Nur Nafi iyah Program Studi Teknik Informatika Universitas Islam
Lebih terperinciAnalisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic
Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau
Lebih terperinciPENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN
Saintia Matematika Vol. 1, No. 3 (2013), pp. 233 247. PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN Zati Azmiana, Faigiziduhu Bu ulolo, dan Partano Siagian Abstrak.
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 terperinciIMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)
IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) Junius_Effendi* Email : Cyberpga@ymail.com ABSTRAK Penelitian ini dilakukan untuk memperlajari
Lebih terperinciBAB 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 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 terperinciPenilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani M-4 Dewi Mardhiyana Universitas Pekaloangan dewimardhiyana139@gmail.com
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Logika Fuzzy Logika Fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasipikiran manusia
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Dalam tinjauan pustaka dibawah ini terdapat 5 referensi dan 1 referensi dari
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 1.1 Tinjauan Pustaka Dalam tinjauan pustaka dibawah ini terdapat 5 referensi dan 1 referensi dari penulis sebagai berikut: Tabel 2.1 Perbandingan Metode Penelitian
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK PENENTUAN PENERIMA BERAS MISKIN MENGGUNAKAN BASIS DATA FUZZY
SISTEM PENDUKUNG KEPUTUSAN UNTUK PENENTUAN PENERIMA BERAS MISKIN MENGGUNAKAN BASIS DATA FUZZY Standy Oei Jurusan Teknik Informatika Universitas Nusantara Manado Jl. Lengkong Wuaya Paal Dua, Manado, 95129
Lebih terperinciNURAIDA, IRYANTO, DJAKARIA SEBAYANG
Saintia Matematika Vol. 1, No. 6 (2013), pp. 543 555. ANALISIS TINGKAT KEPUASAN KONSUMEN BERDASARKAN PELAYANAN, HARGA DAN KUALITAS MAKANAN MENGGUNAKAN FUZZY MAMDANI (Studi Kasus pada Restoran Cepat Saji
Lebih 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 terperinciAnalisis Fungsi Keanggotaan Fuzzy Tsukamoto Dalam Menentukan Status Kesehatan Tubuh Seseorang
Analisis Fungsi Keanggotaan Fuzzy Tsukamoto Dalam Menentukan Status Kesehatan Tubuh Seseorang Nurul Khairina Politeknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal nurulkhairina27@gmail.com Abstrak
Lebih terperinciAplikasi Fuzzy Metode Mamdani untuk Rekomendasi Pemilihan Minat Grup Riset Mahasiswa
Aplikasi Fuzzy Metode Mamdani untuk Rekomendasi Pemilihan Minat Grup Riset Mahasiswa Astrie Kusuma Dewi 1), Adhistya Erna Permanasari 2), Indriana Hidayah 3) 1), 2), 3) Jurusan Teknik Elektro dan Teknologi
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 terperinciPENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 03, No. (204), hal 39-46. PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI Yoakim Marinus
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 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 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 terperinciJurnal Edik Informatika Penelitian Bidang Komputer Sains dan Pendidikan Informatika V3.i2( )
ANALISIS FUZZY LOGIC MENENTUKAN PEMILIHAN MOTOR HONDA DENGAN METODE MAMDANI Januardi Nasir 1,Johnson Suprianto 2 12 Program Studi Teknik Informatika Universitas Putera Batam Email: januardinasir@gmail.com
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 PENJURUSAN SISWA SMA DENGAN MENGGUNAKAN FUZZY LOGIC METODE MAMDANI
JURNAL LOGIC. VOL. 15. NO. 3. NOPEMBER 2015 199 PENENTUAN PENJURUSAN SISWA SMA DENGAN MENGGUNAKAN FUZZY LOGIC METODE MAMDANI Ni Made Karmiathi Jurusan Teknik Elektro, Politeknik Negeri Bali Bukit JImbaran,
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 terperinciKecerdasan Buatan (Artificial Intelligence) Muhammad Dahria
Kecerdasan Buatan (Artificial Intelligence) Muhammad Dahria Abstrak Kecerdasan Buatan (Artificial Intelligence) merupakan salah satu bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer)
Lebih 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 terperinciPENGEMBANGAN SISTEM PAKAR FUZZY
FUZZY EXPERT SYSTEM FUZZY INFERENCE SYSTEM FUZZY REASONING Toto Haryanto MATA KULIAH SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR PENGEMBANGAN SISTEM PAKAR FUZZY Domain Masalah Fuzzifikasi
Lebih terperinciIMPLEMENTASI ALGORITMA LOGIKA FUZZY PADA PROSES SELEKSI PENERIMAAN MAHASISWA BARU (Diterapkan Pada Politeknik Kotabaru)
ISSN: 1410-2331 IMPLEMENTASI ALGORITMA LOGIKA FUZZY PADA PROSES SELEKSI PENERIMAAN MAHASISWA BARU (Diterapkan Pada Politeknik Kotabaru) Triyanto Pangaribowo Program Studi Teknik Elektro, Fakultas Teknik
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 terperinci