Bab IV. Hasil Pengujian dan Analisis
|
|
- Shinta Indradjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Bab IV Hasil Pengujian dan Analisis Pada bab ini akan dibahas mengenai pengujian mengenai sistem yang sudah dirancang dan dibuat. Pengujian yang dilakukan adalah pengujian dengan memberikan inputan yang sesuai dengan data tanah yang diperoleh dari hasil riset ahli tanah dan juga data yang sesuai dengan ciri-ciri dari indikator setiap karakteristik tanah sebagai perbandingan. 4.1 Pengujian Perangkat Lunak Generik Pengujian ini dilakukan dengan memberikan inputan-inputan berupa datadata tanah yang diperoleh berdasarkan hasil penelitian yang sudah dilakukan oleh ahli tanah dan juga data yang sesuai dengan ciri-ciri tanah sebagai perbandingan. Karena data hasil penelitian yang didapat tidak sesuai dengan teori yang ada hal ini dikarenakan pada kenyataannya pada saat di lapangan kondisi tanah terkadang berada pada kondisi ekstrem yang menyebabkan ada beberapa ciri-ciri yang tidak sesuai dengan teori yang ada. Berikut adalah tabel contoh data yang di uji pada aplikasi. 54
2 Tabel 4.1. tabel pengujian Generik No Halus Perakaran Medium Kasar Bahan Organik Drainase cukup cukup cukup cukup baik cukup cukup jelek cukup jelek cukup Hue YR Y YR Y B YR YR Y YR Y YR Warna Value Kroma Kelas remah remah granular granular granular granular granular platy prismatik kolumnar granular Struktur Ukuran Perkembangan kekuatan kekuatan kekuatan mudah mudah kekuatan mudah kekuatan mudah mudah mudah sedang sedang sedang hancur hancur sedang hancur sedang hancur hancur hancur Liat Tekstur Debu Pasir tidak tidak tidak tidak Basah plastis plastis plastis plastis plastis plastis plastis plastis plastis plastis plastis Konsistensi sangat sangat butir butir butir butir dalam Lembab gembur gembur gembur gembur gembur gembur gembur kuat kuat kuat kuat Kondisi cukup Kering lunak lunak teguh teguh teguh teguh teguh teguh teguh lunak teguh Halus Pori Tanah Medium Kasar Generik O O A A A 55 E E B B B ----
3 Data sampel dari nomor 1-12 merupakan data pengujian yang dimasukkan sesuai dengan teori atau ciri-ciri tanah pada umumnya yang digunakan sebagai pembanding dengan data yang didapat dari hasil penelitian ahli tanah yaitu pada sampel data nomor 13. Hal ini dilakukan untuk mengetahui kinerja program yang dikerjakan apakah sudah sesuai dengan teori yang ada. Gambar 4.1. pengujian sampel data nomor 1 Dapat dilihat dari gambar di atas pada sampel data nomor 1 sistem fuzzy mampu menyelesaikan pengklasifikasian horison generik dengan benar. Hal ini terjadi karena nilai inputan pada sistem masih berada dalam jangkauan derajat keanggotaan himpunan yang sesuai dengan ciri-ciri dari setiap horison generik yang ada. 56
4 Gambar 4.2. Pengujian sampel data nomor 13 Pada gambar diatas pada contoh sampel data nomor 13 menunjukkan bahwa sistem tidak dapat membaca inputan yang dimasukkan sehingga sistem tidak bisa menganalisa inputan yang dimasukkan karena ada inputan yang dimasukkan tidak berada dalam jangkauan derajat keanggotaan himpunan yang sesuai dengan ciri-ciri dari setiap horison generik yang ada. Yaitu pada input nilai tekstur liat, debu dan pasir dimana pada teori ciri-ciri dari horison Generik B pada tektur liat memiliki keanggotaan himpunan tinggi sedangkan pada data tekstur liat memiliki keanggotaan himpunan rendah sehingga sistem tidak bisa membaca inputan yang dimasukkan. Perancangan model fuzzy sangat berperan dalam hal ini sehingga apabila ada sedikit saja kekeliruan dalam menentukan setiap batas derajat keanggotan setiap himpunan maka analisis sistem juga akan mengalami kesalahan. Berikut adalah perhitungan secara matematis berdasarkan sampel data nomor 1 yang dilakukan yang akan dijelaskan mulai dari kelas perakaran sampai kelas pori-pori tanah. Sebelum melakukan perhitungan akan dijelaskan terlebih dahulu mengenai rulerule atau aturan-aturan yang digunakan dalam menganalisa inputan yang dimasukkan : R1 : IF akar halus sedikit AND akar medium sedikit AND akar kasar banyak AND bahan organik tinggi AND drainase cukup AND value gelap AND kroma murni AND kelas struktur remah AND perkembangan kekuatan sedang AND liat sangat rendah AND debu tinggi AND pasir tinggi AND lembab sangat gembur AND 57
5 kering lunak AND pori halus sedikit AND pori medium sedang AND pori kasar sedang THEN Generik O R2 R3 R4 : IF akar halus sedang AND akar medium sedang AND akar kasar banyak AND bahan organik tinggi AND drainase cukup AND value sedang AND kroma sedang AND kelas struktur granular AND perkembangan kekuatan sedang AND liat sangat rendah AND debu rendah AND pasir rendah AND lembab gembur AND kering cukup teguh AND pori halus sedikit AND pori medium sedang AND pori kasar sedang THEN Generik A : IF akar halus banyak AND akar medium banyak AND akar kasar sedang AND bahan organik rendah AND drainase cukup AND value terang AND kroma bercak AND kelas struktur granular AND perkembangan kekuatan sedang AND liat rendah AND debu sangat rendah AND pasir sangat rendah AND lembab gembur AND kering teguh AND pori halus sedang AND pori medium sedikit AND pori kasar sedikit THEN Generik E : IF akar halus banyak AND akar medium banyak AND akar kasar sedikit AND bahan organik sedang AND drainase jelek AND value gelap AND kroma murni AND kelas struktur platy AND perkembangan kekuatan sedang AND liat tinggi AND debu sangat rendah AND pasir sangat rendah AND lembab butir kuat AND kering teguh AND pori halus banyak AND pori medium banyak AND pori kasar sedikit THEN Generik B Berdasarkan sampel data nomor 1 maka akan diperoleh hitungan sebagai berikut : µ akar halus sedikit (20) = 40 x = = 0, µ akar halus sedang (20) = 0 µ akar halus banyak (20) = 0 µ akar medium sedikit (20) = 40 x = = 0, µ akar medium sedang (20) = 0 58
6 µ akar medium banyak (20) = 0 µ akar kasar sedikit (80) = 0 µ akar kasar sedang (80) = 0 µ akar kasar banyak (80) = x 60 = = 0, µ Bahan organik SR (5) = 0 µ Bahan organik R (5) = 0 µ Bahan organik S (5) = 0 µ Bahan organik T (5) = 5,5 x 1 µ Bahan organik ST (5) = 1 = 5,5 5 1 = 0,5 µ value gelap (2) = 3,5 x 3,5 = 3,5 2 3,5 = 0,43 µ value sedang (2) = 0 µ value terang (2) = 0 µ kroma tidak murni (5) = 0 µ kroma sedang (5) = 0 µ kroma murni (5) = x 3,5 2,5 = 5 3,5 2,5 = 0,6 µ Liat SR (5) = 15 x 15 = = 0,67 µ Liat R (5) = 0 µ Liat S (5) = 0 µ Liat T (5) = 0 µ Liat ST (5) = 0 µ debu SR (60) = 0 59
7 µ debu R (60) = 0 µ debu S (60) = 0 µ debu T (60) = 75 x = = µ debu ST (60) = 0 µ Pasir SR (60) = 0 µ Pasir R (60) = 0 µ Pasir S (60) = 0 µ Pasir T (60) = 75 x = = µ Pasir ST (60) = 0 µ pori halus sedikit (25) = x 0 27,5 = 25 27,5 = 0,91 µ pori halus sedang (25) = 0 µ pori halus banyak (25) = 0 µ pori medium sedikit (75) = 0 µ pori medium sedang (75) = x 45 = = 0, µ pori medium banyak (75) = 0 µ pori Kasar sedikit (75) = 0 µ pori Kasar sedang (75) = x 45 = = 0, µ pori Kasar banyak (75) = 0 Setelah semua hitungan telah didapatkan maka nilai output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat. nilai output crisp/nilai tegas Z dapat dicari dengan cara mengubah input (berupa himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy) menjadi suatu bilangan pada domain 60
8 himpunan fuzzy tersebut. Pada dasarnya, metode Tsukamoto mengaplikasikan penalaran monoton pada setiap aturannya. Kalau pada penalaran monoton, sistem hanya memiliki satu aturan, pada metode Tsukamoto, sistem terdiri atas beberapa aturan. Karena menggunakan konsep dasar penalaran monoton, pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk If-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sehingga output dari horison generic dapat kita lihat pada gambar dibawah ini : Gambar 4.3. Fungsi keanggotaan output Generik Kemudian dari tiap-tiap aturan yang ada dengan menggunakan penalaran monoton dapat diperoleh nilai z 1 z 4 pada aturan pertama keempat. R1 : α 1 = min(0,5; 0,5; 0,5; 0,5; 1; 0,43; 0,6; 1; 1; 0,67; 1; 1; 1; 1; 0,91; 0,375; 0,375) α 1 = 0,375 Z 1 = α 1 = 0,375 R2 : α 2 = min (0; 0; 0,5; 0,5; 1; 0; 0; 0; 1; 0,67; 0; 0; 0; 0; 0,91; 0,375; 0,375) α 2 = 0 Z 2 = α 2 = 0 R3 : α 3 = min (0; 0; 0; 0; 1; 0; 0; 0; 1; 0; 0; 0; 0; 0; 0; 0; 0) α 3 = 0 Z 3 = α 3 = 0 61
9 R4 : α 4 = min (0; 0; 0; 0; 0; 0,43; 0,6; 0; 1; 0; 0; 0; 0; 0; 0; 0; 0) α 4 = 0 Z 4 = α 4 = 0 Setelah nilai α-predikat untuk aturan pertama sampai keempat telah didapat, maka dengan menggunakan penalaran monoton, diperoleh nilai Z 1 Z 4 kemudian dengan metode defuzifikasi (penegasan) hasil akhir akan didapatkakn. Metode defuzifikasi yang digunakan dalam metode Tsukamoto adalah metode defuzifikasi ratarata terpusat (Center Average Defuzzyfier). z = n i=1 αizi n i=1 αi z = α 1Z 1 +α 2 Z 2 +α 3 Z 3 +α 4 Z 4 α 1 +α 2 +α 3 +α 4 Z = 0,375x0,375+0x0+0x0+0x0 0, Z = 0,375 Dari perhitungan diatas diketahui yang memiliki nilai yang sama dengan Z adalah nilai pada output Z 1 (Rule 1) yaitu horison generik O sedangkan rule lainnya bernilai nol. Sehingga dapat disimpulkan bahwa pada sampel data nomor 1 merupakan horison generik O dan berdasarkan perhitungan matematis dan aplikasi yang dijalankan menghasilkan hasil yag sama. 4.2 Pengujian Perangkat Lunak Penciri dan Klasifikasi Tanah Pada perangkat lunak penciri sistem dibangun dengan menggunakan metode aturan produksi. Penggunaan metode ini dikarenakan karakteristik pada horison penciri memiliki nilai-nilai pasti sehingga tidak diperlukan metode fuzzy dalam pembuatannya. Sehingga jika inputan yang dimasukkan memenuhi syarat maka output yang dihasilkan juga akan sesuai dengan ciri-ciri dari masing-masing horison penciri 62
10 yang ada. Sebagai contoh untuk horison penciri Anthropik memiliki ciri-ciri seperti tabel berikut ini : Tabel 4.2 ciri-ciri Penciri Anthropik Indikator Nilai Indikator Ciri lain - P2O5 >250 ppm - tebal >18 cm - bahan organik >1% - Warna Warna gelap: Value <3,5 (kondisi lembab) Value <5,5 (kondisi kering) - Kejenuhan basa >50% - Lingkungan Daerah tidak pernah kering dari 3 bulan - Kekerasan Tidak keras dan tidak memadat (pada kondisi kering tidak ada air) Apabila inputan yang dimasukkan memenuhi syarat-syarat seperti pada tabel yang di atas maka sistem akan menganalisa dan jenis horison penciri yang terdeteksi adalah Anthropik. Tetapi jika tidak memenuhi syarat di atas aplikasi akan terus menganalisa sampai menemukan jenis horison penciri yang sesuai dan yang memenuhi syarat dari setiap horison penciri yang ada. Pada sistem klasifikasi tanah sistem juga dibangun menggunakan metode aturan produksi. Pada bagian klasifikasi tanah sistem akan langsung mengambil input yang berasal dari hasil analisis dari sistem horison penciri, jika memenuhi syarat maka akan dihasilkan hasil akhir berupa salah satu jenis klasifikasi tanah dari 12 jenis klasifikasi tanah yang ada. Semisal untuk jenis tanah inceptisol memiliki ciri-ciri memiliki horison penciri kambik, umbrik, dan Mollik. Jika hasil pada sistem horison penciri sesuai dengan ciri-ciri tersebut maka output final dari sistem klasifikasi tanah adalah tanah inceptisol. 63
BAB III PERANCANGAN. Tabel 3.1. Ciri-ciri Horison Generik pada klasifikasi tanah. Nilai Indikator Horison O A E B. Indikator
BAB III PERANCANGAN Pada bagian ini akan dijelaskan mengenai perancangan sistem untuk menentukan jenis klasifikasi tanah tanah yang terdiri dari perancangan sistem untuk menentukan Horison Generiknya,
Lebih terperinciBab II Dasar Teori. 2.1 Klasifikasi Tanah Pengertian Klasifikasi Tanah
Bab II Dasar Teori Pada bab ini akan dijelaskan secara singkat mengenai pengertian Klasifikasi Tanah dan klasifikasi tanah USDA beserta jenis-jenis tanah yang termasuk dalam klasifikasi USDA. Kemudian
Lebih terperinciSIFAT-SIFAT FISIK dan MORFOLOGI TANAH
III. SIFAT-SIFAT FISIK dan MORFOLOGI TANAH Sifat morfologi tanah adalah sifat sifat tanah yang dapat diamati dan dipelajari di lapang. Sebagian dari sifat morfologi tanah merupakan sifat fisik dari tanah
Lebih terperinciPENUNTUN PRAKTIKUM SIFAT SIFAT FISIK TANAH KELAS A PROGRAM STUDI AGROEKOTEKNOLOGI. OLEH I Wayan Narka
0 PENUNTUN PRAKTIKUM SIFAT SIFAT FISIK TANAH KELAS A PROGRAM STUDI AGROEKOTEKNOLOGI OLEH I Wayan Narka FAKULTAS PERTANIAN UNIVERSITAS UDAYANA DENPASAR 2016 1 I. PENDAHULUAN Tanah merupakan akumulasi tubuh
Lebih terperinciModul ini mencakup bahasan tentang sifat fisik tanah yaitu: 1.tekstur, 2. bulk density, 3. porositas, 4. struktur 5. agregat 6. warna tanah 7.
Modul ini mencakup bahasan tentang sifat fisik tanah yaitu: 1.tekstur, 2. bulk density, 3. porositas, 4. struktur 5. agregat 6. warna tanah 7. Konsistensi Warna merupakan petunjuk untuk beberapa sifat
Lebih terperinci4-5-FUZZY INFERENCE SYSTEMS
4-5-FUZZY INFERENCE SYSTEMS Shofwatul Uyun Mekanisme FIS Fuzzy Inference Systems (FIS) INPUT (CRISP) FUZZYFIKASI RULES AGREGASI DEFUZZY OUTPUT (CRISP) 2 Metode Inferensi Fuzzy Metode Tsukamoto Metode Mamdani
Lebih terperinciDASAR-DASAR ILMU TANAH
DASAR-DASAR ILMU TANAH OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011 SIFAT FISIK TANAH AIR UDARA PADATAN Massa Air = M A Volume Air = V A Massa Udara = 0 Volume Udara =
Lebih terperinciDASAR-DASAR ILMU TANAH WIJAYA
DASAR-DASAR ILMU TANAH OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 AIR UDARA PADATAN Massa Air = M A Volume Air = V A Massa Udara = 0 Volume Udara = V U Massa Padatan
Lebih terperinciPraktikum sistem Pakar Fuzzy Expert System
Praktikum sistem Pakar Fuzzy Expert System Ketentuan Praktikum 1. Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa untuk praktikum pertemuan ke - 8 2. Mahasiswa akan mendapatkan penjelasan
Lebih 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 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 terperinciDASAR-DASAR ILMU TANAH
DASAR-DASAR ILMU TANAH OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 SIFAT FISIK TANAH AIR UDARA PADATAN Massa Air = M A Volume Air = V A Massa Udara = 0 Volume Udara =
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 terperinciAPLIKASI SOIL TAXONOMY USDA BERBASIS FUZZY LOGIC ( STUDI DI FAKULTAS PERTANIAN DAN BISNIS UNIVERSITAS KRISTEN SATYA WACANA ) oleh.
APLIKASI SOIL TAXONOMY USDA BERBASIS FUZZY LOGIC ( STUDI DI FAKULTAS PERTANIAN DAN BISNIS UNIVERSITAS KRISTEN SATYA WACANA ) oleh Agus Kunawan NIM : 612008031 Skripsi Untuk melengkapi salah satu syarat
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 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 terperinciPERANCANGAN SISTEM. Kelas Kriteria
Kelas Kriteria Lahan S2 Unit lahan memiliki lebih dari 4 pembatas ringan, dan/atau memiliki tidak lebih dari 3 pembatas sedang S3 Unit lahan memiliki lebih dari 3 pembatas sedang, dan/atau 1 atau lebih
Lebih terperinciIMPLEMENTASI FUZZY TSUKAMOTO DALAM PENENTUAN KESESUAIAN LAHAN UNTUK TANAMAN KARET DAN KELAPA SAWIT
IMPLEMENTASI FUZZY TSUKAMOTO DALAM PENENTUAN KESESUAIAN LAHAN UNTUK TANAMAN KARET DAN KELAPA SAWIT Maya Yusida 1, Dwi Kartini 2, Andi Farmadi 3, Radityo Adi Nugroho 4, Muliadi 5 123Prodi Ilmu Komputer
Lebih 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 terperinciBAB V HASIL DAN PEMBAHASAN
V HSIL DN PEMHSN 5.1 Sebaran entuk Lahan erdasarkan pengamatan di lokasi penelitian dan pengkelasan lereng berdasarkan peta kontur, bentuk lahan di lokasi penelitian sangat bervariasi. entuk lahan diklasifikasikan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY oleh: 1 I Putu Dody Lesmana, 2 Arfian Siswo Bintoro 1,2 Jurusan Teknologi Informasi, Politeknik
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Permintaan, 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 terperinciREVIEW JURNAL LOGIKA FUZZY
REVIEW JURNAL LOGIKA FUZZY Disusun oleh : Gita Adinda Permata 1341177004309 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS NEGERI SINGAPERBANGSA KARAWANG KATA PENGANTAR Assalamualaikum
Lebih 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 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 terperinciMatematika Diskrit Fuzzy Inference System Prodi T.Informatika
Matematika Diskrit Fuzzy Inference System Prodi T.Informatika Mahasiswa dapat melakukan penalaran dengan hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Mekanisme Fuzzy Iinference Systems
Lebih terperinciSistem Inferensi Fuzzy
Sistem Inferensi Fuzzy METODE SUGENO 27 Sistem Inferensi Fuzzy Metode Tsukamoto Metode Sugeno! Diperkenalkan oleh Takagi-Sugeno-Kang, tahun 1985.! Bagian output (konsekuen) sistem tidak berupa himpunan
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 terperinciAnalisis Sistem Inferensi Fuzzy Sugeno dalam Menentukan Kesesuaian Lahan Tembakau di Kabupaten Temanggung
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Analisis Sistem Inferensi Fuzzy Sugeno dalam Menentukan Kesesuaian Lahan Tembakau di Kabupaten Temanggung Dewi Imawati, Agus Maman Abadi Program
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. 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 terperincimanusia diantaranya penyakit mata konjungtivitis, keratitis, dan glaukoma.
6 BAB II TINJAUAN PUSTAKA 2.1 Gambaran Tentang Mata Mata merupakan organ tubuh manusia yang paling sensitif apabila terkena benda asing misal asap dan debu. Debu akan membuat mata kita terasa perih atau
Lebih terperinciLAPORAN PRAKTIKUM DASAR DASAR ILMU TANAH
LAPORAN PRAKTIKUM DASAR DASAR ILMU TANAH REZI YUNESMI D1B012104 AGRIBISNIS F FAKULTAS PERTANIAN UNIVERSITAS JAMBI NOVEMBER / 2013 Pengambilan Contoh Tanah Untuk Uji Tanah 1. Tempat dan Waktu Praktikum
Lebih terperinciSIFAT-SIFAT TANAH PARANITA ASNUR
SIFAT-SIFAT TANAH PARANITA ASNUR SIFAT FISIKA TANAH Batas- Batas Horison Batas horison satu dengan lainnya dapat terlihat jelas/baur Pengamatan taah di lapangan ketajaman peralihan horisonhorison dibedakan
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 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini
Lebih terperinciBAB 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 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 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 terperinciTabel 1. Deskripsi Profil di Lokasi Penelitian Horison Kedalaman Uraian
14 BAB V HASIL DAN PEMBAHASAN 5.1. Karakteristik Tanah Deskripsi profil dan hasil analisis tekstur tiap kedalaman horison disajikan pada Tabel 1 dan Tabel 2. Tabel 1. Deskripsi Profil di Lokasi Penelitian
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Objek Penelitian Objek penelitian dalam tugas akhir ini adalah BPR BKK Kendal yang beralamatkan di jalan Soekarno Hatta No 335 Kendal. Penelitian ini berlangsung dari bulan
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 terperinciSPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ
SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi
Lebih terperinciADLN - Perpustakaan Universitas Airlangga BAB IV PEMBAHASAN. menggunakan pemrograman Microsoft Visual Basic.NET
27 BAB IV PEMBAHASAN Pada bab ini akan dibahas tentang penerapan fuzzy inference system Tsukamoto untuk mendiagnosis penyakit mata serta implementasi ke dalam program menggunakan pemrograman Microsoft
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 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 terperinciPENALARAN 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 terperinciOptimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto
Optimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program Studi Sistem Informasi
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 terperinciKASUS PENERAPAN LOGIKA FUZZY. Fuzzy tsukamoto, mamdani, sugeno
KASUS PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno CARA KERJA LOGIKA FUZZY MELIPUTI BEBERAPA TAHAPAN BERIKUT : 1. Fuzzyfikasi 2. Pembentukan basis pengetahuan fuzzy (rule dalam bentuk if..then).
Lebih 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 terperinciBAB II. KAJIAN PUSTAKA. Menurut Gorry dan Scott (1970) dalam Turban (2005) Sistem Pendukung
BAB II. KAJIAN PUSTAKA A. Sistem Pendukung Keputusan Menurut Gorry dan Scott (1970) dalam Turban (2005) Sistem Pendukung Keputusan (DSS) merupakan sistem berbasis komputer interaktif, yang membantu para
Lebih terperinciLAMPIRAN. Deskripsi Profil I (Desa Sionggang Selatan) Profil I Horison Kedalaman Keterangan
LAMPIRAN Deskripsi Profil I (Desa Sionggang Selatan) Profil I Horison Kedalaman Keterangan (cm) A 0-7/13 Warna Coklat keabu-abuan sangat gelap (10YR 3/2); tekstur lempung liat berpasir, struktur remah,
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 terperinciErwien Tjipta Wijaya, ST.,M.Kom
Erwien Tjipta Wijaya, ST.,M.Kom PENDAHULUAN Logika Fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh tahun 1965 Dasar Logika Fuzzy adalah teori himpunan fuzzy. Teori himpunan fuzzy adalah peranan
Lebih terperinciBAB 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 terperinciLOGIKA FUZZY (Lanjutan)
Metode Mamdani Metode mamdani sering dikenal sebagai metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Menurut metode ini, ada empat tahap yang harus dilalui untuk mendapatkan
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 terperinciModel Evaluasi Performa Mahasiswa Tahun Pertama Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto
Model Evaluasi Performa Mahasiswa Tahun Pertama Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto Zaenal Abidin Program studi Sistem Informasi STMIK Teknokrat Bandar Lampung, Indonesia
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Himpunan Himpunan adalah setiap daftar, kumpulan atau kelas objek-objek yang didefenisikan secara jelas, objek-objek dalam himpunan-himpunan yang dapat berupa apa saja: bilangan, orang,
Lebih 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 terperinciBAB IV IMPLEMENTASI DAN HASIL PENGUJIAN
BAB IV IMPLEMENTASI DAN HASIL PENGUJIAN 4.1 Implementasi Sistem Implementasi sistem merupakan tahapan dimana sistem yang telah dirancang sebelumnya dapat berjalan dan dioperasikan. Implementasi sistem
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 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 terperinci1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Salah satu aplikasi sistem cerdas yang paling sukses dan masih berkembang saat ini yaitu peramalan beban listrik. Peramalan beban listrik adalah suatu ilmu
Lebih terperinciMetode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan
Scientific Journal of Informatics Vol., No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/inde.php/sji e-issn 2460-0040 Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan
Lebih 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 terperinciSifat-sifat Fisika Tanah ILMU TANAH (DASAR-DASAR ILMU TANAH)
Sifat-sifat Fisika Tanah ILMU TANAH (DASAR-DASAR ILMU TANAH) A. TEKSTUR Perbandingan relatif partikel-partikel tanah, yaitu pasir (sand), debu (silt), dan klei/lempung/liat (clay) dalam suatu masa tanah
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 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 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 terperinciPENGAMATAN MINIPIT DI LAPANG DAN KLASIFIKASI TANAH
.1 PENDAHULUAN Dasar utama melakukan klasifikasi dan memahami tanah adalah diskripsi profil tanah yang dilakukan di lapang. Pengamatan di lapang pada dasarnya dibedakan menjadi 3 (tiga) macam, yaitu; 1)
Lebih terperinciHimpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi
Himpunan Fuzzy Sistem Pakar Program Studi : S1 sistem Informasi Outline Himpunan CRISP Himpunan Fuzzy Himpunan CRISP Pada himpunan tegas (crisp), nilai keanggotaan suatu item dalam suatu himpunan A, yang
Lebih terperinciREVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA
Seminar Nasional Sistem Informasi Indonesia, 6 November 2017 REVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA Anisa Citra Mutia, Aria Fajar Sundoro,
Lebih terperinciProgram Studi Teknik Informatika, Jurusan Teknologi Informasi, Politeknik Negeri Malang 1. Abstrak
SISTEM PAKAR DIAGNOSA PENYAKIT TANAMAN JAGUNG MENGGUNAKAN METODE FUZZY INFERENCE TSUKAMOTO (STUDI KASUS DI DINAS PERTANIAN KOTA BLITAR) Yudha Rizki Widyanto 1, Ariadi Retno Tri Hayati Ririd,S.Kom.,M.Kom
Lebih terperinciBAB IV METODOLOGI. Gambar 4.1 Model keseimbangan air pada waduk (Sumber : Noor jannah,2004)
BAB IV METODOLOGI 4.1 Sistem Pengoperasian Waduk. Tujuan di bangun suatu sistem waduk sangat mempengaruhi strategi pengoperasian sistem waduk yang bersangkutan. Dalam mengembangkan model optimasi pengoperasian
Lebih terperinciTabel Lampiran 1. Sifat Kimia Tanah di Wilayah Studi Penambangan PT Kaltim Prima Coal
LAMPIRAN 45 46 Tabel Lampiran 1. Sifat Kimia Tanah di Wilayah Studi Penambangan PT Kaltim Prima Coal No Sifat Kimia Tanah Nilai Keterangan 1 ph (H 2 O) 4,59 Masam 2 Bahan Organik C-Organik (%) 1,22 Rendah
Lebih terperinciHUBUNGAN TANAH - AIR - TANAMAN
MINGGU 2 HUBUNGAN TANAH - AIR - TANAMAN Irigasi dan Drainasi Widianto (2012) TUJUAN PEMBELAJARAN 1. Memahami sifat dan karakteristik tanah untuk menyediakan air bagi tanaman 2. Memahami proses-proses aliran
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 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 terperincike dalam suatu ruang output. Orang yang belum pernah mengenal logika fuzzy pasti
BAB II LANDASAN TEORI 2.1 Logika Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Orang yang belum pernah mengenal logika fuzzy pasti akan
Lebih terperinciPenggunaan 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 terperinciRima Ayuningtyas NIM Jurusan Teknik Informatika, Universitas Maritim Raja Ali Haji. Jl. Politeknik Senggarang, Tanjungpinang
Sistem Pendukung Keputusan Dalam Menentukan Jenis Budidaya Ikan Dengan Mengukur Kualitas Air Menggunakan Metode Fuzzy Tsukamoto (Studi Kasus : Balai Benih Ikan di Pengujan Kabupaten Bintan) Rima Ayuningtyas
Lebih terperinciBAB 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 terperinciDeskripsi Pedon Tanah (lanjutan)
Deskripsi Pedon KB 61 (SPT7) Seri Pucungsatu, Typic Melanudands, berabu di atas berlempung, isotermik Kode Profil : KB 61 Lokasi : 4 km Utara Desa Bulukerto Koordinat : 671496mE; 9137140 mn Klasifikasi
Lebih terperinciSISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC
SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC ( STUDY KASUS : KARANG TARUNA DESA PUHJARAK ) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana Komputer
Lebih terperinciIMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC
IMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC Riky Amelia (1111981) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih terperinciIV. PERANCANGAN 4.1 Kerangka Sistem Yang Dirancang
69 IV. PERANCANGAN 4.1 Kerangka Sistem Yang Dirancang Kerangka sistem yang dirancang ini dikembangkan dari kerangka pemikiran sistem pakar yang telah disebutkan pada bagian metodologi. Pada kerangka sistem
Lebih terperinciImplementasi Logika Fuzzy Mamdani untuk Mendeteksi Kerentanan Daerah Banjir di Semarang Utara
Scientific Journal of Informatics Vol. 2, No. 2, November 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Implementasi Logika Fuzzy Mamdani untuk Mendeteksi Kerentanan
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 terperinciBAB 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengertian Dasar Logika Fuzzy Logika fuzzy merupakan teknik untuk mengolah istilah linguistik. Teknik ini memperluas ide logika lebih dari sekedar benar atau salah untuk memungkinkan
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Permintaan informasi mengenai kelas kesesuaian lahan bagi budidaya tanaman semakin meningkat sejalan dengan pembangunan sektor pertanian. Informasi ini sangat berguna bagi para
Lebih terperinciBAB III ANALISIS SISTEM
BAB III ANALISIS SISTEM 3. Identifikasi Masalah Masalah yang dihadapi adalah sebagai berikut :. Banyak kriteria yang terlibat dalam perhitungan yang masih menggunakan cara konvensional sehingga membutuhkan
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 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 terperinciFUZZY INFERENCE SYSTEM DENGAN METODE TSUKAMOTO SEBAGAI PEMBERI SARAN PEMILIHAN KONSENTRASI (STUDI KASUS: JURUSAN TEKNIK INFORMATIKA UII)
FUZZY INFERENCE SYSTEM DENGAN METODE TSUKAMOTO SEBAGAI PEMBERI SARAN PEMILIHAN KONSENTRASI (STUDI KASUS: JURUSAN TEKNIK INFORMATIKA UII) Arkham Zahri Rakhman 1, Helmanatun Nisa Wulandari 2, Geralvin Maheswara
Lebih 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 terperinciHASIL DAN PEMBAHASAN. Sifat-sifat Tanah. Sifat Morfologi dan Fisika Tanah. Sifat morfologi dan fisika tanah masing-masing horison pada pedon pewakil
HASIL DAN PEMBAHASAN Sifat-sifat Tanah Sifat Morfologi dan Fisika Tanah Pedon Berbahan Induk Batuliat Sifat morfologi dan fisika tanah masing-masing horison pada pedon pewakil berbahan induk batuliat disajikan
Lebih terperinciProses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani
JURNAL SAINTIFIK VOL.3 NO. 2, JULI 2017 Proses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani Darmawati Jurusan Matematika FMIPA Universitas Sulawesi Barat; e-mail: dharmawangs89@gmail.com
Lebih terperinci