SIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS DI PDAM KOTA SURABAYA. oleh: WINDA ZULVINA

Ukuran: px
Mulai penontonan dengan halaman:

Download "SIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS DI PDAM KOTA SURABAYA. oleh: WINDA ZULVINA"

Transkripsi

1 SIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS PEMELIHARAAN PERALATAN PRODUKSI DI PDAM KOTA SURABAYA oleh: WINDA ZULVINA Dosen Pembimbing : Mahendrawathi ER., ST., M.Sc.,Ph.D. Ahmad Mukhlason, S.Kom, M.Sc

2 Pendahuluan

3 Latar Belakang PDAM Kota Surabaya adalah perusahaan produksi air minum di mana pelayanannya sangat dibutuhkan oleh jutaan pelanggan. Sebagai perusahaan yang memproduksi air minum yang vital untuk masyarakat, maka PDAM harus dapat menjaga mutu dan kualitas pelayanannya. Apabila alat yang dipakai dalam produksi di WTP rusak, tentunya akan menimbulkan hambatan dalam proses produksi air minum. Untuk menghindari hal tersebut, PDAM harus melakukan preventive maintenance pada peralatan-peralatan WTP.

4 Latar Belakang (cont d) Adanya bermacam-macam alat produksi menyebabkan diperlukannya suatu perencanaan dalam melakukan preventive maintenance. Perencanaan tersebut meliputi penentuan prioritas preventive maintenance pada alat-alat produksi. Dengan adanya penentuan prioritas preventive maintenance ini, akan didapatkan informasi mengenai peralatan apa saja yang membutuhkan prioritas dalam tindakan preventive maintenance, sehingga pimpinan bagian produksi akan mampu mengambil keputusan dengan lebih baik dalam hal perencanaan pemeliharaan peralatan produksi di WTP PDAM Kota Surabaya

5 Perumusan Masalah Masalah-masalah utama yang akan diangkat dalam tugas akhir ini adalah sebagai berikut: 1. Bagaimana perencanaaan dan penentuan prioritas pemeliharaan peralatan produksi dilakukan? 2. Bagaimana implementasi metode fuzzy rules dalam melakukan penentuan prioritas pemeliharaan?

6 Tinjauan Pustaka

7 Preventive Maintenance Pengertian preventive maintenance adalah perawatan dan pelayanan yang dilakukan oleh petugas yang bertujuan menjaga agar peralatan dan fasilitas tetap dalam kondisi operasional yang memuaskan dengan menyediakan inspeksi sistematis, deteksi, dan perbaikan dari kerusakan baru, baik yang belum terjadi maupun sebelum kerusakan tersebut berkembang menjadi kerusakan besar < Sedangkan tindakan-tindakan preventive maintenance meliputi pemeriksaan, pembersihan, pelumasan, penggantian komponen dan sebagainya.

8 Himpunan Fuzzy Himpunan fuzzy didefinisikan sebagai sebuah himpunan di mana keanggotaan dari setiap elemennya tidak mempunyai batasan yang jelas (fuzzy). Misalkan himpunan nama-nama hari disimbolkan dengan A. Biasanya tiap elemen hanya memiliki dua pilihan kategori: A atau bukan A, dan tidak ada kategori setengah A. Namun dalam himpunan fuzzy bisa saja elemen tersebut masuk kategori setengah A.

9 Himpunan Fuzzy Himpunan fuzzy A dalam semesta X didefinisikan dengan fungsi yang disebut fungsi keanggotaan atau membership function dari himpunan A: di mana jika x terdapat dalam A; jika x tidak terdapat dalam A; sebagian terdapat dalam A; Untuk setiap elemen x dari semesta X, fungsi keanggotaan sama dengan derajat di mana x adalah elemen dari himpunan A. Derajat ini bernilai antara 0 dan 1, dan disebut nilai keanggotaan atau membership value.

10 Fuzzy Rule Fuzzy rule dapat didefinisikan sebagai sebuah pernyataan bersyarat dalam bentuk: IF x is A THEN y is B di mana x dan y adalah linguistic variables; dan A dan B adalah linguistic values yang ditentukan oleh himpunan fuzzy pada himpunan semesta X dan Y. Linguistic variables sendiri adalah sebuah variabel fuzzy dan linguistic values adalah nilai dari linguistic variable tersebut.

11 Fuzzy Inference Fuzzy inference adalah sebuah proses pemetaan sebuah masukan ke sebuah keluaran menggunakan teori himpunan fuzzy. Sugeno-style inference menggunakan singleton sebagai fungsi keanggotaan dalam rule consequent. Sebuah fuzzy singleton adalah sebuah himpunan fuzzy dengan fungsi yang menyatu pada sebuah poin dalam himpunan semesta dan kosong di poin-poin lain. Model Sugeno fuzzy yang paling umum digunakan mempunyai rules dalam bentuk: IF x is A AND y is B THEN z is k di mana k adalah konstanta.

12 Fuzzy Inference

13 Fuzzy Inference Langkah-langkah dalam Sugeno fuzzy inference adalah: 1) Fuzzifikasi Langkah pertama dari fuzzy inference adalah mengambil masukan, misalnya x dan y, dan menentukan derajat keanggotaan dari masukanmasukan tersebut yang sesuai dengan fungsi keanggotaan masing-masing himpunan fuzzy. 2) Operasi fuzzy logic Operasi fuzzy logic perlu dilakukan jika bagian antecedent memiliki lebih dari satu pernyataan. Hasil akhir dari operasi ini adalah derajat kebenaran antecedent yang berupa bilangan tunggal. Bilangan ini akan diteruskan ke bagian consequent. Biasanya operator AND atau OR digunakan dalam operasi ini.

14 Fuzzy Inference 3) Implikasi Implikasi adalah proses mendapatkan consequent atau keluaran sebuah IF- THEN rule berdasarkan derajat kebenaran antecedent. Masukan dari proses implikasi adalah derajat kebenaran bagian antecedent dan himpunan fuzzy pada bagian consequent. Implikasi akan mengubah bentuk himpunan fuzzy keluaran yang dihasilkan dari consequent. 4) Defuzzifikasi Langkah terakhir dari proses fuzzy inference adalah defuzzifikasi. dengan menghitung weighted average -nya di mana w adalah hasil proses operasi fuzzy logic antecedent dan z adalah keluaran rule ke-i.

15 Perancangan Sistem

16 Metode Fuzzy Rules

17 Data Masukan Data hasil wawancara: Kriteria yang mempengaruhi dilakukannya pemeliharaan, di antaranya adalah Mean Time between Failures (MTBF), Mean Time to Repair (MTTR), Sensitivity of Operation (SO). Himpunan fuzzy untuk tiap kriteria dan prioritas, didapatkan tiga himpunan yaitu Low, Medium, dan High. Parameter untuk masing-masing himpunan fuzzy yang direpresentasikan dengan kurva bahu kiri, trapesium, bahu kanan, dan khusus untuk prioritas menggunakan singleton. Range nilai untuk masing-masing kriteria dan prioritas. Rule yang akan digunakan dalam sistem.

18 Data Masukan Data historis: Jam kerja tiap alat dalam kurun waktu satu bulan. Jumlah kerusakan yang pernah terjadi dalam suatu kurun waktu. Waktu yang dibutuhkan untuk memperbaiki suatu alat yang rusak. Nilai sensitivity of operation.

19 Menghitung Nilai Kriteria Setelah data dimasukkan, data tersebut diolah untuk mendapatkan nilai MTBF (Mean Time Between Failure) dan MTTR (Mean Time To Repaire). MTBF dihitung dengan cara membagi total jam kerja dengan jumlah kerusakan yang terjadi dalam selang waktu tersebut. MTTR didapat dengan cara menghitung rata-rata waktu yang dibutuhkan untuk memperbaiki kerusakan.

20 Fuzzifikasi Untuk kriteria MTBF & MTTR: Fungsi keanggotaan Low dihitung menggunakan representasi kurva bahu kiri, Medium dihitung menggunakan representasi kurva trapesium, dan High dihitung menggunakan representasi kurva bahu kanan. Untuk kriteria SO: Fungsi keanggotaan High dihitung menggunakan representasi kurva bahu kiri, Medium dihitung menggunakan representasi kurva trapesium, dan Low dihitung menggunakan representasi kurva bahu kanan.

21 Hitung Prioritas Awal Setelah nilai keanggotaan tiap himpunan fuzzy untuk setiap kriteria didapatkan, maka nilai tersebut dimasukkan ke rule yang telah ditentukan sebelumnya oleh sang ahli. Karena menggunakan operator AND, maka fungsi min dijalankan untuk mendapatkan nilai prioritas awal untuk masing-masing rule.

22 Defuzzifikasi Setelah didapatkan prioritas awal untuk masing-masing rule yang telah ditentukan, maka seluruh prioritas awal tersebut didefuzzifikasi dengan cara menghitung weighted average-nya. di mana w adalah hasil proses operasi fuzzy logic antecedent dan z adalah keluaran rule ke-i.

23 Penentuan Prioritas Setelah nilai bobot prioritas semua alat didapatkan, maka langkah terakhir adalah mengurutkan semua bobot tersebut sehingga didapatkan suatu urutan prioritas pemeliharaan.

24 Validasi dan Uji Coba

25 Validasi Sistem Validasi dilakukan dengan membandingkan hasil yang didapat dari perhitungan sistem dengan hasil yang didapat dari perhitungan secara manual. Prioritas Alat Sugeno 1 Accelerator 1, Kompresor 1, P. air baku 1, P. distribusi 1, P. aluminium 0, Blower 0,5000 Perhitungan manual dilakukan pada Pompa Distribusi dan didapatkan hasilnya juga bernilai 1.

26 Analisis Validasi Dari perhitungan sistem dan perhitungan manual yang telah dilakukan, keduanya memberikan hasil yang sama yaitu bernilai 1. Selain itu, dilihat dari tabel 6.2, hasil keluaran yang didapat dari semua alat apabila diurutkan akan memperlihatkan suatu urutan prioritas pemeliharaan yang sama pula. Berarti, sistem dianggap telah berhasil mengimplementasikan fuzzy rules dengan baik.

27 Uji Coba Skenario uji coba pada pompa distribusi Hasil uji coba Uji Coba Jam Kerja MTTR SO 1 Rendah Rendah Sedang 2 Tinggi Rendah Sedang 3 Tinggi Tinggi Tinggi 4 Tinggi Sedang Tinggi 5 Rendah Tinggi Sedang 6 Rendah Tinggi Rendah Uji Coba Sugeno Mamdani 1 0,5 0, , , ,5 0,5 5 0,5 0, ,182142

28 Analisis Uji Coba Dari tabel hasil uji coba dapat dilihat bahwa hasilnya merupakan nilai antara 0 sampai dengan 1. Hal ini menunjukkan hasil keluarannya telah memenuhi persyaratan dari si ahli. Data masukan dalam sistem ini sangat mempengaruhi keluaran prioritas. Metode Sugeno dan Mamdani memiliki nilai keluaran yang sedikit berbeda dengan data masukan yang sama. Akan tetapi, keluaran dari metode Mamdani lebih menunjukkan hasil prioritas yang lebih bervariasi.

29 Kesimpulan Setelah dilakukan uji coba dan analisis terhadap aplikasi yang dibuat, maka dapat diambil kesimpulan sebagai berikut: Metode fuzzy rules telah terbukti dapat diterapkan sebagai penyelesaian masalah perencanaaan dan penentuan prioritas pemeliharaan peralatan produksi. Penerapan metode fuzzy rules untuk menyelesaikan penentuan prioritas pemeliharaan dilakukan dengan cara menerjemahkan pengetahuan dari ahli yang bersangkutan mengenai permasalahan tersebut ke dalam suatu fuzzy logic yang kemudian diimplementasikan dalam sistem. Fuzzy logic tepat diimplementasikan pada suatu sistem di mana sistem tersebut membutuhkan pengetahuan dari ahli di perusahaan. Dari uji coba yang telah dilakukan, dapat dilihat bahwa keluaran yang dihasilkan oleh sistem telah berhasil memenuhi persyaratan yang diberikan oleh ahli. Artinya, sistem telah berhasil menerapkan metode fuzzy rules yang sesuai dengan pengetahuan si ahli.

30 Saran Berikut ini adalah beberapa saran yang diajukan untuk perbaikan dan pengembangan lebih lanjut: Pada permasalahan ini, kriteria hanya berdasarkan tiga kriteria yaitu Mean Time Between Failure, Mean Time To Repair, dan Sensitivity of Operation. Jenis kriteria lain seperti tingkat kebisingan atau tingkat getaran suatu alat dapat ditambahkan sesuai dengan jenis dan sifat masing-masing alat. Untuk mendapatkan hasil yang lebih baik, perlu dilakukan penerjemahan kemampuan ahli ke dalam fuzzy rules yang lebih akurat serta jumlah data masukan yang lebih banyak.

31 Terima Kasih

BAB 2 TINJAUAN PUSTAKA

BAB 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 terperinci

Fuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic.

Fuzzy 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 terperinci

DENIA FADILA RUSMAN

DENIA 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 terperinci

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI III.1 Teori Logika fuzzi III.1.1 Logika fuzzi Secara Umum Logika fuzzi adalah teori yang memetakan ruangan input ke ruang output dengan menggunakan aturan-aturan

Lebih terperinci

BAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan

BAB 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 terperinci

Sist Sis em t Fuzzy Fuzz Sistem Pakar

Sist Sis em t Fuzzy Fuzz Sistem Pakar Sistem Fuzzy Sistem Pakar Pendahuluan Manusia cenderung menggunakan bahasa dalam bentuk sesuatu yang dapat dipahami secara umum, bukan dalam bentuk bahasa matematika yang mementingkan akurasi. Misalkan,

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat

BAB IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat BAB IV HASIL DAN PEMBAHASAN A. Analisis Tingkat Kesehatan Bank Tingkat kesehatan bank dapat diketahui dengan melihat peringkat komposit bank tersebut. Menurut peraturan Bank Indonesia No. 13/1/PBI/2011

Lebih terperinci

BAB II: TINJAUAN PUSTAKA

BAB 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 terperinci

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan

BAB 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 terperinci

METODOLOGI PENELITIAN

METODOLOGI PENELITIAN 7 terboboti dari daerah output fuzzy. Metode ini paling dikenal dan sangat luas dipergunakan. First of Maxima (FoM) dan Last of Maxima (LoM) Pada First of Maxima (FoM), defuzzifikasi B( y) didefinisikan

Lebih terperinci

Kata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa

Kata 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 terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

APLIKASI 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) 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 terperinci

Institut Teknologi Sepuluh Nopember Surabaya

Institut 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 terperinci

Tahap Sistem Pakar Berbasis Fuzzy

Tahap 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 terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 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 terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 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 terperinci

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

Penerapan 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 terperinci

PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012

PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012 PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012 PENALARAN FUZZY Digunakan untuk menghasilkan suatu keputusan tunggal / crisp saat defuzzifikasi Penggunaan akan bergantung

Lebih terperinci

FUZZY SYSTEM & FUZZY REASONING DEPARTEMEN ILMU KOMPUTER IPB

FUZZY SYSTEM & FUZZY REASONING DEPARTEMEN ILMU KOMPUTER IPB FUZZY SYSTEM & FUZZY REASONING Workshop on Fundamental Concept and Implementation of Fuzzy Logic March 17 th 2016 Net Centric Computing Lab DEPARTEMEN ILMU KOMPUTER IPB Outline Crips VS Fuzzy Pengembangan

Lebih terperinci

PENGEMBANGAN SISTEM PAKAR FUZZY

PENGEMBANGAN 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem Definisi Sistem

BAB 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 terperinci

BAB IV PEMBAHASAN. BAB IV berisi pembahasan tahapan penelitian, yaitu klasifikasi logika. A. Identifikasi Data Cadangan Hidrokarbon

BAB IV PEMBAHASAN. BAB IV berisi pembahasan tahapan penelitian, yaitu klasifikasi logika. A. Identifikasi Data Cadangan Hidrokarbon BAB IV PEMBAHASAN BAB IV berisi pembahasan tahapan penelitian yaitu klasifikasi logika fuzzy hasil pembahasan analisis pengujian model fuzzy dan visualisasi model fuzzy pada perhitungan cadangan hidrokarbon

Lebih terperinci

Praktikum sistem Pakar Fuzzy Expert System

Praktikum 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 terperinci

Metode Fuzzy. Analisis Keputusan TIP FTP UB

Metode Fuzzy. Analisis Keputusan TIP FTP UB Metode Fuzzy Analisis Keputusan TIP FTP UB Pokok Bahasan Pendahuluan Logika Klasik dan Proposisi Himpunan Fuzzy Logika Fuzzy Operasi Fuzzy Contoh Pendahuluan Penggunaan istilah samar yang bersifat kualitatif

Lebih terperinci

Erwien Tjipta Wijaya, ST.,M.Kom

Erwien 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 terperinci

NURAIDA, IRYANTO, DJAKARIA SEBAYANG

NURAIDA, 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 terperinci

Penentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno

Penentuan 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

SISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI

SISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI SISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI 1209100023 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

ANALISA SISTEM PENILAIAN TINGKAT KUALITAS PENGAJAR MENGGUNAKANLOGIKA FUZZY MAMDANI (STUDI KASUS PADA POLIBAN)

ANALISA SISTEM PENILAIAN TINGKAT KUALITAS PENGAJAR MENGGUNAKANLOGIKA FUZZY MAMDANI (STUDI KASUS PADA POLIBAN) Jurnal INTEKNA (Edisi Khusus), Tahun XIII, No. 3, Desember 23 : 279-285 ANALISA SISTEM PENILAIAN TINGKAT KUALITAS PENGAJAR MENGGUNAKANLOGIKA FUZZY MAMDANI (STUDI KASUS PADA POLIBAN) Lea Emilia Farida ()

Lebih terperinci

Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic

Analisis 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 terperinci

JOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi

JOBSHEET 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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

SISTEM CERDAS LATIHAN FUZZY LOGIC Dr. Fatchul Arifin, ST., MT. Phone:

SISTEM CERDAS LATIHAN FUZZY LOGIC Dr. Fatchul Arifin, ST., MT.   Phone: SISTEM CERDAS LATIHAN FUZZY LOGIC Dr. Fatchul Arifin, ST., MT. Email: fatchul@uny.ac.id Phone: +6285725125326 Latihan 1 Fuzzy If Then Rule 1. Dasar Teori If then Rules If then Rules digunakan untuk menyatakan

Lebih terperinci

SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI

SIMULASI 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 terperinci

BAB III METODE FUZZY MAMDANI

BAB III METODE FUZZY MAMDANI 29 BAB III METODE FUZZY MAMDANI Fuzzy Inference System merupakan sebuah kerangka kerja perhitungan berdasarkan konsep teori himpunan fuzzy dan pemikiran fuzzy yang digunakan dalam penarikan kesimpulan

Lebih terperinci

PREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO

PREDIKSI 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 terperinci

BAB 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. 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 terperinci

BAB III METODE TIME-INVARIANT FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS

BAB III METODE TIME-INVARIANT FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS BAB III METODE TIME-INVARIANT FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS 3.1 Model Peramalan Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi

Lebih terperinci

Mahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan Sistem Fuzzy.

Mahasiswa 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 terperinci

Penggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi

Penggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi Jurnal Gradien Vol.3 No.2 Juli 2007 : 247-251 Penggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi Syamsul

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

SISTEM 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 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 terperinci

BAB 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 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 terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

Fuzzy 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 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 terperinci

IMPLEMENTASI 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) 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 terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Logika fuzzy adalah cabang dari sistem kecerdasan buatan (Artificial Inteligent) yang mengemulasi kemampuan manusia dalam berfikir ke dalam bentuk algoritma yang

Lebih terperinci

Prof. Erich P., Johannes Kepler Univ. Suyanto, Artificial Intelligence

Prof. Erich P., Johannes Kepler Univ. Suyanto, Artificial Intelligence Prof. Erich P., Johannes Kepler Univ. Suyanto, Artificial Intelligence 12/11/2009 1 Pada hidup sehari-hari, kita terbiasa dengan ucapan kecil, agak panas, sekitar jam 2. Ucapan yang tidak presisi (imprecise

Lebih terperinci

BAB III METODE PENELITIAN

BAB 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 terperinci

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi

Lebih terperinci

BAB IV PEMBAHASAN. A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai. Pertimbangan Pengambilan Keputusan Pemberian Kredit

BAB IV PEMBAHASAN. A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai. Pertimbangan Pengambilan Keputusan Pemberian Kredit BAB IV PEMBAHASAN A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai Pertimbangan Pengambilan Keputusan Pemberian Kredit Aplikasi fuzzy logic untuk pengambilan keputusan pemberian kredit

Lebih terperinci

EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI

EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI Karmila Suryani 1), Khairudin 2) 1) FKIP Universitas Bung Hatta Padang 2) FKIP Universitas Bung Hatta Padang e-mail: karmilasuryani.ptik@gmail.com,khaihatta@yahoo.com

Lebih terperinci

PERBANDINGAN 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) 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 terperinci

FUZZY LOGIC CONTROL 1. LOGIKA FUZZY

FUZZY 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 terperinci

Contoh Kasus. Bagus Ilhami HIdayat

Contoh Kasus. Bagus Ilhami HIdayat Contoh Kasus Suatu perusahaan tekstil akan memproduksi pakaian dengan jenis XYZ. Dari 1 bulan terakhir, permintaan terbesar mencapai 5000 potong per hari, dan permintaan terkecil mencapai 1000 potong per

Lebih terperinci

Logika Himpunan Fuzzy

Logika 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 terperinci

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima

LOGIKA 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

PERBANDINGAN METODE FUZZY SUGENO DAN METODE FUZZY MAMDANI DALAM PENENTUAN STOK BERAS PADA PERUM BULOG DIVISI REGIONAL SUMUT SKRIPSI

PERBANDINGAN METODE FUZZY SUGENO DAN METODE FUZZY MAMDANI DALAM PENENTUAN STOK BERAS PADA PERUM BULOG DIVISI REGIONAL SUMUT SKRIPSI PERBANDINGAN METODE FUZZY SUGENO DAN METODE FUZZY MAMDANI DALAM PENENTUAN STOK BERAS PADA PERUM BULOG DIVISI REGIONAL SUMUT SKRIPSI DESMON GUNADI SIAGIAN 110803066 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA

Lebih terperinci

LEMBAR PENGESAHAN PERNYATAAN ABSTRAK...

LEMBAR PENGESAHAN PERNYATAAN ABSTRAK... DAFTAR ISI LEMBAR PENGESAHAN PERNYATAAN ABSTRAK... i KATA PENGANTAR... ii UCAPAN TERIMA KASIH... iv DAFTAR ISI... vi DAFTAR TABEL... viii DAFTAR GAMBAR... ix DAFTAR SIMBOL... x BAB I PENDAHULUAN... 1 1.1

Lebih terperinci

SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY

SIMULASI 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 terperinci

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA

ARTIFICIAL 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 terperinci

: Pengantar Intelegensi Buatan. Worksheet 2 : Praktikum Fuzzy Logic menggunakan MATLAB

: Pengantar Intelegensi Buatan. Worksheet 2 : Praktikum Fuzzy Logic menggunakan MATLAB Worksheet 2 : Praktikum Fuzzy Logic menggunakan MATLAB Sumber : - Belajar Cepat Fuzzy Logic menggunakan MATLAB oleh Agus Naba, Penerbit ANDI - Slide bahan Kuliah IF4058 Topik Khusus IF oleh Rinaldi Munir,

Lebih terperinci

UNIVERSITAS BINA NUSANTARA PERANCANGAN PROGRAM APLIKASI AUTOMATIC FUZZY RULES EXTRACTOR UNTUK MENGESTIMASI VARIABEL RESERVOIR ABSTRAK

UNIVERSITAS BINA NUSANTARA PERANCANGAN PROGRAM APLIKASI AUTOMATIC FUZZY RULES EXTRACTOR UNTUK MENGESTIMASI VARIABEL RESERVOIR ABSTRAK UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Informatika Matematika Skripsi Sarjana Program Ganda Semester Genap 2004/2005 PERANCANGAN PROGRAM APLIKASI AUTOMATIC FUZZY RULES EXTRACTOR UNTUK MENGESTIMASI

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY. Abstraksi

SISTEM 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 terperinci

Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani

Penilaian 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 terperinci

DAFTAR ISI LEMBAR JUDUL... LEMBAR PERSEMBAHAN... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN TUGAS AKHIR... ABSTRAK... ABSTRACT... KATA PENGANTAR...

DAFTAR ISI LEMBAR JUDUL... LEMBAR PERSEMBAHAN... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN TUGAS AKHIR... ABSTRAK... ABSTRACT... KATA PENGANTAR... DAFTAR ISI Halaman LEMBAR JUDUL... LEMBAR PERSEMBAHAN... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN TUGAS AKHIR... ABSTRAK... ABSTRACT... KATA PENGANTAR... BIODATA ALUMNI... DAFTAR ISI... DAFTAR TABEL... DAFTAR

Lebih terperinci

Pengaturan Air Cooler untuk Ruangan menggunakan Logika Fuzzy

Pengaturan Air Cooler untuk Ruangan menggunakan Logika Fuzzy Pengaturan Air Cooler untuk Ruangan menggunakan Logika Fuzzy Willy Setiawan - 13508043 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10

Lebih terperinci

PENENTUAN KUALITAS BIOGAS UNTUK PEMENUHAN ENERGI SKALA RUMAH TANGGA BERBASIS FUZZY LOGIC

PENENTUAN KUALITAS BIOGAS UNTUK PEMENUHAN ENERGI SKALA RUMAH TANGGA BERBASIS FUZZY LOGIC PENENTUAN KUALITAS BIOGAS UNTUK PEMENUHAN ENERGI SKALA RUMAH TANGGA BERBASIS FUZZY LOGIC Aminatus S 1), Juniarko Prananda 2) Teknik Keselamatan Kerja PPNS Surabaya 1),. Teknik Sistem Perkapalan ITS Surabaya

Lebih terperinci

APLIKASI METODE FUZZY SUGENO DALAM PENENTUAN PERSEDIAAN KERTAS ROKOK TAHUN 2016 (Studi kasus: PT. PUSAKA PRIMA MANDIRI (PPM)) SKRIPSI

APLIKASI METODE FUZZY SUGENO DALAM PENENTUAN PERSEDIAAN KERTAS ROKOK TAHUN 2016 (Studi kasus: PT. PUSAKA PRIMA MANDIRI (PPM)) SKRIPSI APLIKASI METODE FUZZY SUGENO DALAM PENENTUAN PERSEDIAAN KERTAS ROKOK TAHUN 2016 (Studi kasus: PT. PUSAKA PRIMA MANDIRI (PPM)) SKRIPSI JULIA VERANICA Br SEMBIRING 150823014 DEPARTEMEN MATEMATIKA FAKULTAS

Lebih terperinci

Jurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL

Jurnal 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 terperinci

ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN

ANALISIS 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 terperinci

Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic

Aplikasi 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 terperinci

Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi

Penerapan 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 terperinci

PREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI

PREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI PREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI Rizka Munia Yogaswara 1), Gunawan Abdillah 2), Dian Nursantika

Lebih terperinci

manusia diantaranya penyakit mata konjungtivitis, keratitis, dan glaukoma.

manusia 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 terperinci

Studi Kasus Fuzzy Logic 2016

Studi Kasus Fuzzy Logic 2016 1. Menentukan Himpunan Fuzzy Menggunakan Formula Di Microsoft Excell 2.1 Representasi Linier Naik Diketahui Persamaan Fungsi Keanggotaan Sebagai berikut : Berapakah µ[40], µ[45], µ[50]? Langkah-langkahnya

Lebih terperinci

EKO TRI WASISTO Dosen Pembimbing 1 Dosen Pembimbing 2

EKO TRI WASISTO Dosen Pembimbing 1 Dosen Pembimbing 2 RANCANG BANGUN SISTEM KONTROL ATTITUDE PADA UAV (UNMANNED AERIAL VEHICLE) QUADROTOR DF- UAV01 DENGAN MENGGUNAKAN SENSOR ACCELEROMETER 3-AXIS DENGAN METODE FUZZY LOGIC EKO TRI WASISTO 2407.100.065 Dosen

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB 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 terperinci

I. PENDAHULUAN Sebagai perusahaan yang memproduksi trafo, PT Bambang Djaja harus merencanakan dengan baik

I. PENDAHULUAN Sebagai perusahaan yang memproduksi trafo, PT Bambang Djaja harus merencanakan dengan baik 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 Rusman Jurusan Sistem

Lebih terperinci

PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO

PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO Magdalena Simanjuntak Program Studi Teknik Informatika, STMIK Kaputama E-mail : magdalena.simanjuntak84@gmail.com ABSTRACT This study aimed to analyze

Lebih terperinci

BAB III PERANCANGAN SISTEM

BAB III PERANCANGAN SISTEM BAB III PERANCANGAN SISTEM Pada bab ini akan dibahas perancangan serta penerapan pengendalian berbasis logika fuzzy pada sistem Fuzzy Logic Sebagai Kendali Pendingin Ruangan Menggunakan MATLAB. Dan simulasi

Lebih terperinci

PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE FUZZY-MAMDANI DENGAN FUZZY-SUGENO (Studi Kasus: PT SARIMAKMUR TUNGGALMANDIRI)

PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE FUZZY-MAMDANI DENGAN FUZZY-SUGENO (Studi Kasus: PT SARIMAKMUR TUNGGALMANDIRI) PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE FUZZY-MAMDANI DENGAN FUZZY-SUGENO (Studi Kasus: PT SARIMAKMUR TUNGGALMANDIRI) RIANTO PANGIHUTAN SAMOSIR 090803024 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA

Lebih terperinci

Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum

Proses 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 terperinci

IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA

IMPLEMENTASI 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

Logika Fuzzy. Farah Zakiyah Rahmanti 2016

Logika Fuzzy. Farah Zakiyah Rahmanti 2016 Logika Fuzzy Farah Zakiyah Rahmanti 2016 Topik Bahasa Alami Crisp Logic VS Fuzzy Logic Fungsi Keanggotaan (Membership Function) Fuzzifikasi (Fuzzyfication) Inferensi (Inference) Komposisi (Composition)

Lebih terperinci

ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG

ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG Harison Dosen Jurusan Teknik Informatika Fakultas Teknologi Industri Institut Teknologi Padang Abstrak Keputusan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Bab ini membahas teori penunjang yang berhubungan dengan penerapan metode average-based fuzzy time series pada sistem peramalan jumlah penjualan distributor telur. 2.1 Peramalan Peramalan

Lebih terperinci

Penerapan Fuzzy Logic untuk Pembatasan Jumlah Partikel Pada Aplikasi yang Menggunakan Sistem Partikel

Penerapan Fuzzy Logic untuk Pembatasan Jumlah Partikel Pada Aplikasi yang Menggunakan Sistem Partikel Penerapan Fuzzy Logic untuk Pembatasan Jumlah Partikel Pada Aplikasi yang Menggunakan Sistem Partikel Biolardi Yoshogi (13509035) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika

Lebih terperinci

BAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Komponen Mobil Mesin terdiri atas beberapa bagian yang memiliki fungsinya masingmaning. Bagian-bagian atau komponen-komponen tersebut bekerja bersama-sama untuk menghasilkan

Lebih terperinci

Analisis Komparasi Metode Tsukamoto dan Sugeno dalam Prediksi Jumlah Siswa Baru

Analisis Komparasi Metode Tsukamoto dan Sugeno dalam Prediksi Jumlah Siswa Baru Analisis Komparasi Metode Tsukamoto dan Sugeno dalam Prediksi Siswa Baru Siti Abidah STMIK Banjarbaru abi.bjb@gmail.com Abstract The number of new students in the admission of students the new school year

Lebih terperinci

Volume 9 Nomor 2 Desember 2015

Volume 9 Nomor 2 Desember 2015 Volume 9 Nomor 2 Desember 2015 Jurnal Ilmu Matematika dan Terapan Desember 2015 Volume 9 Nomor 2 Hal. 121 134 PENERAPAN LOGIKA FUZZY METODE SUGENO UNTUK MENENTUKAN JUMLAH PRODUKSI ROTI BERDASARKAN DATA

Lebih terperinci

: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto

: 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 terperinci