Logika Klasik Misalkan himpunan klasik A dan B. P adl nilai kebenaran bahwa x A dan Q adl nilai kebenaran bahwa x B. jika x A maka T(P) = 1, jika x A
|
|
- Adi Lesmono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Logika Fuzzy 1
2 Logika Klasik Misalkan himpunan klasik A dan B. P adl nilai kebenaran bahwa x A dan Q adl nilai kebenaran bahwa x B. jika x A maka T(P) = 1, jika x A maka T(P) = 0 jika x B maka T(Q) = 1, jika x B maka T(Q) = 0 Atau menggunakan fungsi karakteristik sebagai berikut (untuk P adl nilai kebenaran bahwa x A) : 2
3 Operator OR maka Operator AND maka Operator NOT Jika T(P) = 1 maka Jika T(Q) = 1 maka T( P) T( Q) 0 0 3
4 Logika Fuzzy Misalkan himpunan fuzzy A dan B. P adl kebenaran yang didefinisikan pada himpunana fuzzy A Dengan cara yang sama Q adl kebenaran kebenaran yang didefinisikan pada himpunana fuzzy B. Operator-operator dasar pada logika klasik juga berlaku pada logika fuzzy, yaitu OR, AND, dan NOT 4
5 Operator OR maka Operator AND maka Operator NOT 5
6 Logika Fuzzy 6
7 Ada banyak cara untuk menentukan nilai-nilai atau fungsi-fungsi keanggotaan ke variabel fuzzy Proses ini dapat dilakukan dengan cara intuitif atau berdasarkan suatu algoritma atau operasi logika tertentu Beberapa metode yang dapat digunakan adalah: Intuisi Inferensi Urutan rangking (rank ordering) Penalaran induktif Jaringan saraf Algoritma genetik 7
8 Metode ini hanya berdasarkan intuisi manusia belaka Diturunkan dari kapasitas manusia untuk membentuk fungsi keanggotaan melalui kecerdasaan dan pengetahuannya sebagai manusia saja Intuisi meliputi pengetahuan kontekstual dan semantik terkait masalah yang bersangkutan; juga termasuk nilai kebenaran linguistik Contoh: Fungsi keanggotaan untuk variabel fuzzy suhu dalam serajat celcius yang berbagi menjadi sangat dingin, dingin, normal, panas, dan sangat panas 8
9 Ilustrasi: Fungsi keanggotaan di atas tentu saja untuk suatu konteks tertentu, misalnya untuk jangkauan suhu dimana manusia merasa nyaman. Jika konteksnya berbeda misalnya untuk jangkauan suhu dimana mesin dapat beroperasi aman maka kurvanya akan berubah. 9
10 Contoh Misalkan semesta berat badan manusia dalam kilogram. Gunakan intuisi untuk menentukan fungsi keanggotaan yang mungkin. Penyelesaian: Misalkan dalam bahasa manusia dikatakan: Sangat Ringan (VL) adalah berat badan kurang atau sama dgn 30 kg Ringan (L) adalah berat badan kg Rata-rata (A) adalah berat badan kg Berat (H) adalah berat badan kg Sangat berat (VH) adalah berat badan lebih dari 75 kg Maka berdasar intuisi tsb dapat dibuat fungsi keanggotaan sbb: 10
11 Dalam metode inferensi digunakan penalaran deduktif, artinya akan dilakukan deduksi atau menarik kesimpulan dimana ada sejumlah fakta dan pengetahuan yang telah dimiliki Contoh: akan dilakukan identifikasi sebuah segitiga, maka akan dilihat fakta apa saja yang ada dan diperlukan pengetahuan mengenai geometri serta bentuk-bentuk geometri Jika fungsi keanggotaan tentang suhu di atas ditentukan menggunakan metode inferensi, fakta-fakta apa yang harus diketahui dan pengetahuan tentang apa pula yang harus diketahui sebelumnya? 11
12 Identifikasi Jenis Segitiga. Sudut segitiganya adalah A, B, dan C, dengan urutan A B C, serta U adalah semesta segitiga yaitu U = {(A, B, C) A B C ; A + B + C = 18 } Segitiga akan dikelompokkan ke dalam 5 jenis yaitu: I : mendekati segitiga sama kaki R : mendekati segitiga siku-siku IR : mendekati segitiga sama kaki dan siku-siku E : mendekati segitiga sama sisi T : segitiga lainnya (tidak termasuk dlm 4 jenis yg sblmnya) 12
13 Penentuan nilai keanggotaan akan dilakukan dengan metode inferensi karena kita mempunyai pengetahuan tentang geometri untuk membantu menentukan nilainya. harus diingat bahwa A B C dan A + B + C = 18 Maka: Utk segitiga yg mendekati segitiga sama kaki (I) maka: Misalnya, jika A = B atau B = C maka nilai keanggotaan dlm segitiga sama kaki I = 1; dan jika A = 120, B = 60, C = 0 maka I = 0 (Ingat bhw pd segitiga samakaki, dua sudutnya pasti sama besar) 13
14 Untuk segitiga siku-siku (R) Misalnya: Jika A = 90 maka nilai keanggotaan dlm segitiga siku-siku R = 1; dan jika A = 180 maka R = 0 (Ingat bhw pd segitiga siku-siku, satu sudutnya pasti sebesar =90 ). Untuk segitiga sama kaki dan siku-siku (IR) Untuk ini bisa ditentukan dengan mengambil logika irisan (operator AND) antara fungsi keanggotaan segitiga sama kaki dan fungsi keanggotaan segitiga siku-siku 14
15 Untuk segitiga sama sisi (E) Misalnya: Jika A = B = C maka nilai keanggotaan dlm segitiga siku-siku E = 1; dan jika A = 180 maka E = 0. (Ingat bhw pd segitiga sama sisi maka A = B = C = 60 ). 15
16 Untuk segitiga lainnya (T) Untuk ini akan digunakan aturan De Morgan atau komplemen dari union I, R, E. Hasilnya: 16
17 Menggunakan ketentuan fungsi keanggotaan di atas, maka misalkan ada suatu segitiga x pada gambar di bawah. Termasuk dalam himpunan fuzzy yang manakah segitiga x tersebut? Dapat ditentukan dengan menghitung nilai keanggotaan segitiga x tersebut dlm himpunan fuzzy I, R, IR, E dan T, kemudian meemilih nilai keanggotaan yang terbesar untuk menentukan jenis segitiga x. {X A = 85 B = 50 C = 45 ; A + B + C = 180 } Tentukanlah nilai keanggotaan dalam himpunan: - segitiga sama kaki (I) - segitiga siku-siku (R) - segitiga sama kaki dan siku-siku ((IR) - segitiga sama sisi (E) - segitiga lainnya (T) 17
18 Nilai keanggotaan segitiga x dalam himpunan segitiga sama kaki (I): I ( x) min(35 (5,5 ) ) 1 0,0833 0,92 Nilai keanggotaan segitiga x dalam himpunan segitiga sama sisi (E) : E ( x) 1 1 (40 ) ,222 0,78 Tugas: Tentukan nilai keanggotaan segitiga x dalam jenis segitiga yang lain. 18
19 Selengkapnya: ( x) 0,92 ( x) ( x) I R E IR 0,94 0,78 ( x) 0,92 ( x) 0,05 T Terlihat bahwa nilai keanggotaan segitiga x yang tertinggi adalah dalam jenis segitiga siku-siku yaitu sebesar 0,94. Bagaimana dengan yang lain? 19
20 Menggunakan ketentuan fungsi keanggotaan segitiga seperti di atas, maka tentukan jenis suatu segitiga y jika sudut-sudutnya adalah 45, 75, dan 60. Tentukanlah nilai keanggotaan dalam: - segitiga sama kaki (I) - segitiga siku-siku (R) - segitiga sama kaki dan siku-siku (IR) - segitiga sama sisi (E) - segitiga lainnya (T) segitiga y termasuk dalam himpunan segitiga yang mana? 20
21 Nilai keanggotaan variabel fuzzy dapat ditentukan menggunakan metode-metode untuk mengakses preferensi dari seseorang (individual), suatu komite, atau polling dan cara-cara memperoleh opini yang lain. Preferensi ditentukan dengan perbandingan berpasang-pasangan (pairwise) dan hal ini akan menentukan urutan keanggotaan. Contoh 1o000 orang responden diberi kuesioner untuk memilih sepasang warna yang disukai diantara 5 warna yaitu X = {merah, oranye, kuning, hijau, biru}. Tentukan himpunan fuzzy A pada semesta warna untuk warna terbaik 21
22 Berikut hasil survai dan ilustrasi penentuan urutan rangkingnya: Jumlah preferensi untuk setiap warna (jumlahan menurut baris) dihitung dan hasilnya diurutkan rangkingnya pada kolom terakhir. Presentase preferensi diplot dalam skala yg dinormalisasi maka fungsi keanggotaan diperlihatkan pada gambar berikut. 22
23 Hasil fungsi keanggotaan: Perhatikan bahwa: urutan diambil menaik fungsinya diskret 23
24 Penalaran induktif menarik sesuatu yang sifatnya umum (general) dari sesuatu yang khusus (spesifik) Induksi dilakukan menggunakan prinsip minimisasi entropi. Entropi merupakan suatu ukuran ketidakpastian dari suatu distribusi; entropi juga didefinisikan sebagai nilai ekspektasi informasi. Dikatakan bahwa aturan induksi adalah suatu aturan yang konsisten dengan semua informasi yang ada (available) dimana entropinya minimum Dalam kasus satu dimensi; misalkan probabilitas kejadian sampel ke-i yaitu w i adalah {p(w i )}. Jika kita observasi w i di masa datang dan ternyata benar maka kita bisa menghitung nilai informasinya yaitu I(w i ) 24
25 Dan jika ternyata tidak benar maka nilai informasinya adalah: Entropi untuk keseluruhan N sampel adalah: Dengan: k : parameter normalisasi p i = p(w i ) tanda negatif dalam k digunakan utk memastikan bahwa S karena ln x untuk x 1 25
26 Untuk membagi data set ke dalam fungsi keanggotaan, diperlukan prosedur untuk menentuan nilai ambang (threshold) antara kelas-kelas data. Garis nilai ambang dapat ditentukan menggunakan metode screening minimisasi entropi, kemudian selanjutnya dilakukan proses segmentasi; pertama data dibagi menjadi 2 kelas. Prosedur kemudian diulang-ulang dengan cara yg sama sampai diperoleh segmentasi sesuai jumlah kelas (himpunan fuzzy) yang diinginkan. Cara ini dilakukan untuk membagi data ke dalam kelas-kelas sekaligus meminimalisasi entropi saat prosesnya berlangsung 26
27 Misalkan contoh pada gambar berikut: Misalkan akan dicari nilai ambang utk sampel pada jangkauan nilai x 1 hingga x 2. Tentukan entropi utk wilayah [x 1, x] dan [x, x 2 ]; wilayah pertama disebut wilayah p dan wilayah kedua disebut wilayah q. Dengan cara memindah-mindahkan nilai ambang x, maka dapat diperoleh entropi utk tiap nilai ambang x yg berbeda pilihlah yg minimum 27
28 Entropi utk tiap nilai ambang x dlm wilayah x 1 dan x 2 ditentukan sbb: Dengan Dan p k (x) : probabilitas kondisional utk kelas k pd wilayah [x 1, x 1 +x] q k (x) : probabilitas kondisional utk kelas k pd wilayah [x 1 +x, x 2 ] p(x) : probabilitas semua sampel berada dlm wilayah [x 1, x 1 +x] q(x) : probabilitas semua sampel berada dlm wilayah [x 1 +x, x 2 ] p(x) + q(x) = 1 28
29 Nilai x yang membeikan entropi minimum disebut nilai ambang optimum. Berikut formula-formula yg dibutuhkan: Dengan: n k (x) : jumlah sampel kelas k yg berada di [x l, x l +x] n(x) : jumlah total sampel yg berada di [x l, x l +x] N k (x) : jumlah sampel kelas k yg berada di [x l +x, x 2 ] N(x) : jumlah total sampel yg berada di [x l +x, x 2 ] n : jumlah total sampel di [x 1, x 2 ] l : jarak tertentu dalam interval [x 1, x 2 ] 29
30 30
Contoh Penerapan Algoritma Genetik Untuk Menentukan Fungsi Keanggotaan Misalkan system dengan input dan output tunggal seperti pada table berikut.
Logika Fuzzy Pertemuan 10 Contoh Penerapan Algoritma Genetik Untuk Menentukan Fungsi Keanggotaan Misalkan system dengan input dan output tunggal seperti pada table berikut. Tabel 1. Data set No Data x
Lebih terperinciRelasi Tegas (Crips Relation)
Logika Fuzzy (3) 1 Cartesian Product Terdapat dua himpunan A = {0, 1} dan B = {a, b, c}. Maka beberapa variasi hasil-kali kartesian (cartesian product) dapat dituliskan sebagai berikut: 2 Relasi Tegas
Lebih terperinciMetode 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 terperinciSifat-sifat Fungsi Keanggotaan, Fuzzifikasi, Defuzzifikasi. Logika Fuzzy
Sifat-sifat Fungsi Keanggotaan, Fuzzifikasi, Defuzzifikasi Logika Fuzzy 1 Fitur Fungsi Keanggotaan Fungsi keanggotaan himpunan fuzzy: Core (inti) Support (pendukung) Boundary (batas) 2 (a) (b) Himp. Fuzzy
Lebih terperinciRelasi Tolerans & Relasi Ekivalen. Logika Fuzzy
Relasi Tolerans & Relasi Ekivalen Logika Fuzzy 1 Sifat-sifat Relasi Misalkan terdapat sebuah semesta dengan 3 elemen dinyatakan X = {1, 2, 3}, maka berikut adalah sifat-sifat relasi yang mungkin: Refleksivitas
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 terperinciMahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan Sistem Fuzzy.
Chapter 7 Tujuan Instruksional Khusus Mahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan. Mahasiswa mampu melakukan perhitungan
Lebih 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 terperinciBAB I Pengenalan Kecerdasan Buatan (Artificial Inteligent / AI ) Created A.Tohir from Dosen Mr.Zulkifli
BAB I Pengenalan Kecerdasan Buatan (Artificial Inteligent / AI ) Created A.Tohir from Dosen Mr.Zulkifli Definisi Kecerdasan Buatan Merupakan salah satu bagian dari ilmu komputer Yang membuat agar mesin
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 terperinciFuzzy Pattern Recognition. Logika Fuzzy
Fuzzy Pattern Recognition Logika Fuzzy 1 Pengenalan pola (pattern recognition) adalah proses untuk mengidentifikasi struktur yang ada dalam data dengan cara membandingkannya dengan struktur yang telah
Lebih terperinciPertemuan 8 Aljabar Linear & Matriks
Pertemuan 8 Aljabar Linear & Matriks 1 Jika A adl matriks nxn yg invertible, untuk setiap matriks b dgn ukuran nx1, maka sistem persamaan linier Ax = b mempunyai tepat 1 penyelesaian, yaitu x = A -1 b
Lebih terperinciDasar Logika Fuzzy. Kuliah Kontrol Cerdas Semester genap 2006/2007. Feb 20, KC-Slide-02
Dasar Logika Fuzzy Kuliah Kontrol Cerdas Semester genap 2006/2007 Feb 20, 2007-1 Materi Konsep Dasar Algoritma Fuzzy Operator Fuzzy Feb 20, 2007-2 Konsep Dasar [1] Teori klasik, himpunan = kumpulan elemen
Lebih terperinciLOGIKA FUZZY FUNGSI KEANGGOTAAN
LOGIKA FUZZY FUNGSI KEANGGOTAAN FUNGSI KEANGGOTAAN (Membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai/derajat keanggotaannya yang memiliki interval
Lebih 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 terperinciSebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining
Sebelumnya... Penalaran pada Sistem Pakar Contoh forward chaining & backward chaining Ketidakpastian dalam Sistem Pakar Teori Peluang Teori Bayes Jaringan Bayes Faktor Kepastian Kecerdasan Buatan Pertemuan
Lebih terperinciPEMETAAN KOMPETENSI DASAR MATA PELAJARAN MATEMATIKA WAJIB SEKOLAH MENENGAH ATAS/MADRASAH ALIYAH
PEMETAAN MATA PELAJARAN MATEMATIKA WAJIB SEKOLAH MENENGAH ATAS/MADRASAH ALIYAH : X 1.1 Menggunakan aturan pangkat, akar, dan logaritma 1.2 Melakukan manipulasi aljabar dalam perhitungan yang melibatkan
Lebih terperinciBAB II KAJIAN TEORI. Berikut diberikan landasan teori mengenai teori himpunan fuzzy, program
BAB II KAJIAN TEORI Berikut diberikan landasan teori mengenai teori himpunan fuzzy, program linear, metode simpleks, dan program linear fuzzy untuk membahas penyelesaian masalah menggunakan metode fuzzy
Lebih terperinciFuzzy Clustering. Logika Fuzzy
Fuzzy Clustering Logika Fuzzy Misalkan sistem uzzy dengan dua input dan output; input terdiri atas dan, outputnya y Fungsi keanggotaan dapat berbentuk: Gaussian Segitiga Bentuk lain Fungsi Gaussian i :
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 terperinciSist 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 terperinciSebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining
Sebelumnya... Penalaran pada Sistem Pakar Contoh forward chaining & backward chaining Ketidakpastian dalam Sistem Pakar Teori Peluang Teori Bayes Jaringan Bayes Faktor Kepastian Kecerdasan Buatan Pertemuan
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 terperinciFuzzy Associative Memory (FAM) Logika Fuzzy
Fuzzy Associative Memory (FAM) Logika Fuzzy 1 Misalkan suatu sistem fuzzy dengan n input dan satu output. Setiap input X1, X2,, Xn dipartisi menjadi k partisi fuzzy. Maka menggunakan aturan fuzzy IF THEN..
Lebih terperinciPENERAPAN INFERENSI FUZZY UNTUK KENDALI SUHU RUANGAN PADA PENDINGIN RUANGAN (AC)
PENERAPAN INFERENSI FUZZY UNTUK KENDALI SUHU RUANGAN PADA PENDINGIN RUANGAN (AC) Kartina Diah KW,ST1), Zulfa Noviardi2) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1
Lebih terperinciPada dasarnya lebih sulit drpd classifier berdasar teori bayes, terutama untuk data dimensi tinggi.
1 Fokus pd desain fungsi pembeda (discriminant function) atau decision surface scr langsung yang membedakan satu kelas dengan kelas yg lain berdasarkan kriteria yg telah ditentukan. Pada dasarnya lebih
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 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 KAJIAN TEORI. masalah fuzzy linear programming untuk optimasi hasil produksi pada bab
BAB II KAJIAN TEORI Berikut diberikan landasan teori mengenai program linear, konsep himpunan fuzzy, program linear fuzzy dan metode Mehar untuk membahas penyelesaian masalah fuzzy linear programming untuk
Lebih terperinciBAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL. asing. Dalam pengalaman keseharian kita, permasalahan yang berkaitan dengan fuzzy
BAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL 4.1 Pengenalan konsep fuzzy logic Konsep mengenai fuzzy logic bukanlah merupakan sesuatu yang baru dan asing. Dalam pengalaman keseharian kita,
Lebih terperinciMenemukan Bermacam-macam Segitiga dengan Pendekatan PMR (Pendidikan Matematika Realistik) Oleh T. Wakiman, dosen PGSD UNY
Menemukan Bermacam-macam Segitiga dengan Pendekatan PMR (Pendidikan Matematika Realistik) Oleh T. Wakiman, dosen PGSD UNY Pengantar Segitiga dapat didefinisikan sebagai kurva tertutup sederhana yang terdiri
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 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 terperinciLogika Himpunan Fuzzy
Logika Himpunan Fuzzy 1 Fungsi Keanggotaan untuk crisp logic True False 1 0 80F Panas Temperature f temperature >= 25C, Panas (1 atau Benar); f temperature < 25C, tidak Panas (0 atau Salah). Fungsi keanggotaan
Lebih 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 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 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 terperinciDENIA FADILA RUSMAN
Sidang Tugas Akhir INVENTORY CONTROL SYSTEM UNTUK MENENTUKAN ORDER QUANTITY DAN REORDER POINT BAHAN BAKU POKOK TRANSFORMER MENGGUNAKAN METODE FUZZY (STUDI KASUS : PT BAMBANG DJAJA SURABAYA) DENIA FADILA
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Metode Peramalan Peramalan (forecasting) adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah situasi atau kondisi yang
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang harus dipenuhi setiap harinya. Beras memiliki peranan penting dalam kelangsungan hidup manusia. Untuk memenuhi
Lebih terperinciMETODE, PROSES, SIKAP DAN IMPLIKASI ILMIAH. Topik ke-3
METODE, PROSES, SIKAP DAN IMPLIKASI ILMIAH Topik ke-3 A. Metode Ilmiah Sebagai Dasar IPA Metode ilmiah sbg pangkal kelahiran IPA Berawal dr kelemahan penalaran deduktif (abstrak dan lepas dr pengalaman)
Lebih terperinciAPLIKASI KOMPUTER. Pokok Bahasan : Statistik berbasis komputer: - Pengantar Dasar Statistik - Pengenalan aplikasi untuk statistik - Contoh Penerapan
APLIKASI KOMPUTER Pokok Bahasan : Statistik berbasis komputer: - Pengantar Dasar Statistik - Pengenalan aplikasi untuk statistik - Contoh Penerapan 1 Pengantar Statistik Berhubungan dengan banyak angka
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 terperinciTeori Dasar Himpunan. Julan HERNADI. December 27, Program Studi Pendidikan Matematika Universitas Muhammadiyah, Ponorogo
1 Program Studi Pendidikan Matematika Universitas Muhammadiyah, Ponorogo December 27, 2012 PENGERTIAN DASAR Denition Himpunan merupakan koleksi objek-objek yang disebut anggota atau elemen himpunan tersebut.
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 terperinciRINGKASAN CATATAN KULIAH PENDAHULUAN TEORI HIMPUNAN
RINGKASAN CATATAN KULIAH PENDAHULUAN TEORI HIMPUNAN Apakah himpunan itu? Tidak ada definisi himpunan, yang ada hanya sinonim-sinonim atau kesamaan kata. 1. Menurut Kamus Besar Bahasa Indonesia: himpunan
Lebih terperinciBAB 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 terperinciBAB 2 2. LANDASAN TEORI
BAB 2 2. LANDASAN TEORI Bab ini akan menjelaskan mengenai logika fuzzy yang digunakan, himpunan fuzzy, penalaran fuzzy dengan metode Sugeno, dan stereo vision. 2.1 Logika Fuzzy Logika fuzzy adalah suatu
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA A. Logika Fuzzy Logika fuzzy pertama kali dikembangkan oleh Prof. Lotfi A. Zadeh, seorang peneliti dari Universitas California, pada tahun 1960-an. Logika fuzzy dikembangkan dari
Lebih terperinciFuzzy Set Logika Fuzzy Fuzzy System
Fuzzy Set Logika Fuzzy Fuzzy System 1 Crisp Set Crisp set membedakan anggota dan non anggota dengan batasan pasti Misalkan A sebuah crisp set dan x anggota A maka : A [x]=1 Jika y bukan anggota A maka
Lebih terperinciMATERI KULIAH (PERTEMUAN 12,13) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy. Politeknik Negeri Sriwijaya Palembang
HIMPUNAN FUZZY MATERI KULIAH (PERTEMUAN 2,3) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy Jurusan Teknik Komputer Politeknik Negeri Sriwijaya Palembang Pokok Bahasan Sistem fuzzy Logika fuzzy Aplikasi
Lebih terperinciPusat Pengembangan Pendidikan Universitas Gadjah Mada 1
2. ALJABAR LOGIKA 2.1 Pernyataan / Proposisi Pernyataan adalah suatu kalimat yang mempunyai nilai kebenaran (benar atau salah), tetapi tidak keduanya. Contoh 1 : P = Tadi malam BBM mulai naik (memiliki
Lebih terperinci2/24/2011
1. Penalaran 2. Metode Penalaran 3. Kekeliruan penalaran hukum 4. Pemecahan masalah hukum ETIMOLOGIS Dari kata NALAR yang berarti: 1. Pertimbangan ttg baik, buruk, dsb: akal budi; misal: setiap keputusan
Lebih terperinciBAB 2 LANDASAN TEORI. Himpunan fuzzy adalah bentuk umum himpunan biasa yang memiliki tingkat
BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Himpunan fuzzy adalah bentuk umum himpunan biasa yang memiliki tingkat keanggotaan dari tiap-tiap elemen yang dibatasi dengan interval [ 0, 1 ]. Oleh karena itu
Lebih terperinciESTIMATOR FUNGSI PDF. Pertemuan 4
ESTIMATOR FUNGSI PDF Pertemuan 4 1 Bangkitkan data dimensi sebanyak N = 500 yang terdistribusi Gaussian N(m,S) dan rerata m = [0 0] T dan kovarian dengan Plot data yg dibangkitkan tsb, pengertian apa yg
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 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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Fuzzy berarti kabur atau samar-samar. Himpunan fuzzy adalah himpunan yang keanggotaannya memiliki nilai kekaburan/kesamaran antara salah dan benar. Konsep tentang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Adapun landasan teori yang dibutuhkan dalam pembahasan tugas akhir ini di antaranya adalah definisi graf, lintasan terpendek, lintasan terpendek fuzzy, metode rangking fuzzy, algoritma
Lebih terperinciAljabar Linier & Matriks
Aljabar Linier & Matriks 1 Vektor Orthogonal Vektor-vektor yang saling tegak lurus juga sering disebut vektor orthogonal. Dua vektor disebut saling tegak lurus jika dan hanya jika hasil perkalian titik-nya
Lebih terperinciINDUKSI MATEMATIKA A. Penalaran Induktif dan Deduktif Penalaran dalam matematika ada dua jenis, yaitu penalaran induktif dan penalaran deduktif. 1.
INDUKSI MATEMATIKA A. Penalaran Induktif dan Deduktif Penalaran dalam matematika ada dua jenis, yaitu penalaran induktif dan penalaran deduktif. 1. Penalaran induktif Penalaran Induktif adalah proses berpikir
Lebih terperinciFuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic.
Fuzzy Systems Fuzzy Logic Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic. Masalah: Pemberian beasiswa Misalkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Persediaan 2.1.1 Pengertian Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk digunakan memenuhi tujuan tertentu, misalnya untuk proses produksi
Lebih terperinciIMPLEMENTASI SISTEM FUZZY UNTUK PENGATURAN LAMPU LALU LINTAS BERDASARKAN KEPADATAN ARUS KENDARAAN
TUGAS MATA KULIAH SISTEM FUZZY Bidang Pengaturan Lalu Lintas IMPLEMENTASI SISTEM FUZZY UNTUK PENGATURAN LAMPU LALU LINTAS BERDASARKAN KEPADATAN ARUS KENDARAAN KELOMPOK Bagus Tris AtmajaNRP 2405 100 019
Lebih terperinciSTATISTIKA. Pertemuan ke-1. By : Winda Aprianti, M.Si
STATISTIKA Pertemuan ke-1 By : Winda Aprianti, M.Si 1 BAB 1 PENDAHULUAN Pengertian dan Definisi Statistik Kerangka berpikir logis secara statistik Jenis-jenis Statistika Populasi dan Sampel Peran Statistik
Lebih terperinciANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB
ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB Sri Kusumadewi Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab Oleh: Sri Kusumadewi
Lebih terperinciBelajar Mudah Algoritma Data Mining : C4.5
Belajar Mudah Algoritma Data Mining : C4.5 Algoritma data mining C4.5 merupakan salah satu algoritma yang digunakan untuk melakukan klasifikasi atau segmentasi atau pengelompokan dan bersifat prediktif.
Lebih terperinciBAB IV PEMBAHASAN. Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan
BAB IV PEMBAHASAN Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan teori aljabar max-plus dalam pengaturan lampu lalu lintas di simpang empat Beran Kabupaten Sleman Provinsi Daerah
Lebih terperinciDASAR-DASAR MATEMATIKA
DASAR-DASAR MATEMATIKA Manfaat Matematika Pengertian Karakteristik Matematika Perbedaan matematika dan Pendidikan Matematika Refleksi Pengantar Dasar Matematika 1 MANFAAT MEMPELAJARI MATEMATIKA PERDAGANGAN
Lebih terperinciDaya Rangkaian AC [2]
Daya Rangkaian AC [2] Slide-11 Ir. Agus Arif, MT Semester Gasal 2016/2017 1 / 16 Materi Kuliah 1 Nilai Efektif Tegangan & Arus Efektif Nilai Efektif Gelombang Berkala Nilai RMS Gelombang Sinusoidal Nilai
Lebih terperinciLOGIKA SAMAR (FUZZY LOGIC)
LOGIKA SAMAR (FUZZY LOGIC) 2. Himpunan Samar 2.. Himpunan Klasik dan Himpunan Samar Himpunan klasik merupakan himpunan dengan batasan yang tegas (crisp) (Jang, Sun, dan Mizutani, 24). Sebagai contoh :
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 terperinciBAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan sistem yang kompleks. Logika fuzzy memberikan rangka kerja yang kuat dalam memecahkan masalah
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 HIMPUNAN CRIPS Himpunan adalah suatu kumpulan objek-objek yang mempunyai kesamaan sifat tertentu. Suatu himpunan harus terdefinisi secara tegas, artinya untuk setiap objek selalu
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 terperinciLogika Matematika Diskret (TKE132107) Program Studi Teknik Elektro, Unsoed
Logika Matematika Diskret (TKE132107) Program Studi Teknik Elektro, Unsoed Iwan Setiawan Tahun Ajaran 2013/2014 Logika Klasik Matematika Diskret (TKE132107) - Program Studi Teknik
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 terperinciVI. HASIL DAN PEMBAHASAN. Warna merupakan ciri dominan yang bisa dibedakan secara visual untuk
VI. HASIL DAN PEMBAHASAN A. Segmentasi Warna merupakan ciri dominan yang bisa dibedakan secara visual untuk mendapatkan informasi dari basisdata citra. Segmentasi warna adalah proses mengelompokkan citra
Lebih terperinciPROSES BERPIKIR ILMIAH
PROSES BERPIKIR ILMIAH Penalaran (Reasoning)) - Kemampuan berpikir menurut suatu alur kerangka berpikir tertentu. Cirinya : Logis dan analitis Proses berpikir Ilmiah adalah : gabungan cara berpikir deduktif
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 terperinciSekoin uang logam mempunyai dua permukaan H dan T dilemparkan berkali kali. Hasil yg diperoleh pada setiap pelemparan apakah H atau T di catat Hasil
Pertemuan 13 &14 Sekoin uang logam mempunyai dua permukaan H dan T dilemparkan berkali kali. Hasil yg diperoleh pada setiap pelemparan apakah H atau T di catat Hasil dari keseluruhan event yang didapat
Lebih terperinciLATIHAN OTOT UNTUK MENINGKATKAN KEMAMPUAN FUNGSIONAL-NYA PERLU MENGGUNAKAN BEBAN BEBAN : BERAT BADAN SENDIRI BEBAN YG BERASAL DARI LUAR.
LATIHAN OTOT UNTUK MENINGKATKAN KEMAMPUAN FUNGSIONAL-NYA PERLU MENGGUNAKAN BEBAN BEBAN : BERAT BADAN SENDIRI BEBAN YG BERASAL DARI LUAR. PEMBERIAN BEBAN HARUS FISIOLOGIS, YAITU: SESUAI DGN KEMAMPUAN YG
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 terperinciSoal Babak Penyisihan 7 th OMITS SOAL PILIHAN GANDA
Soal Babak Penyisihan 7 th OMITS SOAL PILIHAN GANDA 1) Sebuah barisan baru diperoleh dari barisan bilangan bulat positif 1, 2, 3, 4, dengan menghilangkan bilangan kuadrat yang ada di dalam barisan tersebut.
Lebih terperinciBab 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 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 terperinciMateri 8: Introduction to Fuzzy Logic
Materi 8: Introduction to Fuy Logic I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Introduction to Fuy Logic Kusuma Wardana, M.Sc. 2 Fuy berarti kabur, samar Istilah Logika Fuy diperkenalkan
Lebih terperinciARGUMEN (ARGUMENT) Drs. C. Jacob, M.Pd LOGIKA BERUSAHA UTK MEMBEDAKAN ARGUMEN VALID (CORRECT) & INVALID (INCORRECT)
ARGUMEN (ARGUMENT) Drs. C. Jacob, M.Pd Email: cjacob@upi.edu LOGIKA BERUSAHA UTK MEMBEDAKAN ARGUMEN VALID (CORRECT) & INVALID (INCORRECT) SUATU ARGUMEN MEMUAT SATU ATAU LEBIH KALIMAT YG DISEBUT PREMIS
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 terperinciBAB II : PEMBIASAN CAHAYA
BAB II : PEMBIASAN CAHAYA I.. Pembiasan Ketika sebuah cahaya mengenai sebuah permukaan bidang batas yang memisahkan dua medium berbeda, maka energi cahaya tsb dipantulkan dan memasuki medium kedua. Perubahan
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 terperinciMatematika Industri I
LOGIKA MATEMATIKA TIP FTP - UB Pokok Bahasan Proposisi dan negasinya Nilai kebenaran dari proposisi Tautologi Ekuivalen Kontradiksi Kuantor Validitas pembuktian Pokok Bahasan Proposisi dan negasinya Nilai
Lebih terperinciBAB II KAJIAN TEORI. diantaranya mengenai Pariwisata di Yogyakarta, obyek wisata, penelitianpenelitian
BAB II KAJIAN TEORI Bab II berisi kajian teori. Teori-teori yang digunakan dalam penelitian ini diantaranya mengenai Pariwisata di Yogyakarta, obyek wisata, penelitianpenelitian terdahulu, teori himpunan
Lebih terperinciOtak melakukan Integrasi (penggabungan), rekognisi, reorganisasi & interpretasi informasi sensoris yg lebih kompleks Makna
SENSASI PERSEPSI Dita Rachmayani., S.Psi., M.A PROSES Sensasi Transduksi Persepsi Tanggapan Proses pendeteksian hadirnya stimuli Sederhana/perasaan/- kesan yg timbul sebagai akibat Perangsangan suatu reseptor
Lebih terperinciBAB 7 TEORI HIMPUNAN FUZZY
7 TEORI HIMPUNN FUZZY Himpunan fuzzy (fuzzy set) adalah generalisasi konsep himpunan ordiner. Untuk semesta wacana (universe of discourse) U, himpunan fuzzy ditentukan oleh fungsi yang memetakan anggota
Lebih terperincijanganlah kamu mengikuti sesuatu tanpa ilmu, sebab pendengaran, penglihatan dan hati /akal akan dimintai pertanggung jawabannya (Q.
janganlah kamu mengikuti sesuatu tanpa ilmu, sebab pendengaran, penglihatan dan hati /akal akan dimintai pertanggung jawabannya (Q.S 17 : 36) Sains (ilmu) Science (L) = to know Dikembangkan berdasarkan
Lebih terperinciMenentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 13 Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani Ghulam Abdul Malik, Agus Maman Abadi Prodi Matematika, Universitas
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 terperinciKALKULUS PERNYATAAN. Totologi & Kontradiksi. Tingkat Kekuatan Operator. Tabel Kebenaran 9/30/2013. Nur Insani, M.Sc
KALKULUS PERNYATAAN Totologi & Kontradiksi Nur Insani, M.Sc Satu atau lebih proposisi dapat dikombinasikan untuk menghasilkan proposisi baru lewat penggunaan operator logika: negasi (-), dan (^), atau
Lebih terperinci