IMPLEMENTASI FUZZY LOGIC MAMDANI UNTUK MENENTUKAN KELAYAKAN CALON ANGGOTA TAMTAMA (CATAM) TENTARA NEGARA INDONESIA ANGKATAN DARAT (TNI-AD)
|
|
- Iwan Susanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 IMPLEMENTASI FUZZY LOGIC MAMDANI UNTUK MENENTUKAN KELAYAKAN CALON ANGGOTA TAMTAMA (CATAM) TENTARA NEGARA INDONESIA ANGKATAN DARAT (TNI-AD) Gusrio Tendra Akademi Manajemen Informatika dan Komputer Tri Dharma Pekanbaru Abstract. Fuzzy logic is a form of multi-valued logic derived from fuzzy set theory to deal with reasoning forecasts. Fuzzy provide a means to represent and process information linguistic and subjective attributes of the real world. Fuzzy logic is an extension Crisp Boolean Logic to handle the concept of partial truth. Use of Fuzzy Mamdani method in this study aims to determine the feasibility and inequities Member State Army Candidate Indonesia especially enlisted into an Army Soldier. Feasibility of a soldier assessed the level of speed physical endurance and discipline in the conduct Phase Selection. The system was designed by using fuzzy toolbox in Matlab is expected to be implemented to assist the management in the decision to choose a candidate Member State Army enlisted Indonesia in particular. Keywords: Fuzzy Logic Mamdani Matlab Abstrak. Fuzzy logic adalah bentuk logika multi-nilai yang berasal dari teori himpunan fuzzy untuk menangani penalaran perkiraan. Fuzzy menyediakan sarana untuk mewakili dan memproses informasi linguistik dan atribut subjektif dari dunia nyata. Logika fuzzy adalah perpanjangan Boolean Crisp Logic untuk menangani konsep kebenaran parsial. Penggunaan Metode Fuzzy Mamdani dalam penelitian ini bertujuan untuk menentukan kelayakan dan ketidaklayakan Calon Anggota Tentara Negara Indonesia khususnya Tamtama menjadi seorang Prajurit Angkatan Darat. Kelayakan seorang Prajurit dinilai dari tingkat Kecepatan Ketahanan Fisik serta Kedisiplinannya didalam melakukan Tahapan Seleksi. Sistem yang dirancang dengan menggunakan fuzzy toolbox pada Matlab diharapkan dapat di implementasikan untuk membantu pihak manajemen dalam mengambil keputusan untuk memilih Calon Anggota Tentara Negara Indonesia khususnya Tamtama. Kata Kunci: Fuzzy Logic Mamdani Matlab. PENDAHULUAN Logika fuzzy sangat berguna dalam dua konteks umum yaitu dalam situasi yang melibatkan sistem yang sangat kompleks yang perilaku tidak dipahami dengan baik dan dalam situasi di mana perkiraan tapi cepat solusi dijamin (Kaur 2012). Logika fuzzy diterapkan dalam pengambilan keputusan yang sistematis yang meliputi teknik kualitatif dan kuantitatif. Sebuah pengambilan keputusan dan sistem evaluasi untuk perekrutan karyawan dapat menyederhanakan pekerjaan pengembangan sumber daya manusia di industri (Abhlamid et.al 2013). Penerapan logika fuzzy juga dapat digunakan untuk mengevaluasi hasil wawancara dalam perekrutan karyawan sebuah perusahaan. Setiap atribut yang dievaluasi oleh pengambil keputusan untuk setiap pemohon kemudian dimasukkan ke dalam antarmuka fuzzy. Antarmuka fuzzy dapat dirancang dengan beberapa atribut dan fungsi keanggotaan mereka yang konsisten (Dereli et.al 2010). Implementasi logika fuzzy juga telah diterapkan oleh Italian Triathlon Federation Roma dalam seleksi bakat pada Olympic Distance Triathlon yang bertujuan untuk mengoptimalkan sumber daya yang tersedia. Hal ini bertujuan untuk merancang strategi terbaik untuk mencapai hasil maksimal dalam bidang olahraga (Bottoni 2011). Logika fuzzy juga dapat diterapkan dalam bidang pemasaran untuk menentukan pelanggan terbaik. Hal ini berguna untuk meningkatkan daya beli konsumen terhadap produk yang dipasarkan. Penghargaan yang diberikan terhadap konsumen akan membuat konsumen sulit untuk mengalihkan pandangannya ke perusahaan lain yang sama-sama memasarkan produk yang sama (Siregar 2013). Dalam pelaksanan kegiatan penerimaan Calon Anggota Tamtama (CATAM) ada beberapa 1
2 2 Jurnal PI-Cache Volume 5 Nomor 1 Maret 2016 tahapan test seleksi kekuatan fisik yang menjadi penilaian seperti Kecepatan Ketahanan Fisik dan Kedisplinan. Dalam tahapan seleksi ini pelatih harus benar-benar melihat kemampuan terbaik dari Calon Anggota Tamtama (CATAM) dan menilai siapa yang layak menjadi Prajurit TNI-AD. Permasalahan yang muncul pada saat menentukan kelayakan Calon Anggota Tamtama (CATAM) yang layak menjadi Prajurit dan ketidaktepatan dalam memberikan kelayakan kepada Calon Prajurit yang dinilai subjektifitas oleh Calon Anggota Tamtama (CATAM). Sehingga kelayakan yang diberikan masih tidak pasti karena masih bersifat fuzzy (kabur/tidak jelas). Adapun kelayakan Calon Anggota Tamtama (CATAM) masih berdampak pada hasil yang diberikan kurang tepat. Salah satu metode yang dipakai untuk menentukan kelayakan adalah Metode Fuzzy Mamdani. TINJAUAN PUSTAKA Logika Fuzzy Logika fuzzy adalah alat matematika yang kuat untuk mewakili ketidakpastian di segala bidang. Peran logika fuzzy sangat penting bila diterapkan pada fenomena yang kompleks yang tidak mudah dijelaskan dengan metode matematika terutama ketika tujuannya adalah untuk menemukan solusi pendekatan yang baik. Fuzzy set telah terbukti menjadi cara yang terkemuka untuk memecahkan masalah keputusan di mana informasi yang tersedia adalah subjektif dan jelas (Banerje dan Ghosh 2013). Dari banyak hal logika fuzzy digunakan sebagai suatu cara untuk memetakan permasalahan dari input menuju ke output yang diharapkan. Logika fuzzy sangat berguna dalam dua konteks umum yaitu dalam situasi yang melibatkan sistem yang sangat kompleks yang perilaku tidak dipahami dengan baik dan dalam situasi di mana perkiraan tapi cepat solusi dijamin (Kaur dan Kaur 2012) Metode Mamdani Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun Untuk memperoleh output diperlukan 3 tahapan yaitu: 1. Pembentukan Himpunan Fuzzy (Fuzzifikasi) Fuzzifikasi adalah suatu proses untuk merubah suatu masukan dari bentuk tegas (crisp) menjadi fuzzy (variabel linguistik) yang biasanya disajikan dalam bentuk himpunan-himpunan fuzzy dengan suatu fungsi keanggotaannya masing-masing. 2. Aplikasi Fungsi Implikasi (Aturan) Aplikasi Fungsi Implikasi berisikan aturanaturan fuzzy yang digunakan untuk mengontrol sistem. Aturan-aturan ini dibuat berdasarkan logika dan intuisi manusia serta berkaitan erat dengan jalan pikiran dan pengalaman pribadi yang membuatnya. Jadi tidak salah bahwa aturan ini dikatakan tidak subjektif tergantung dari ketajaman yang membuat. Aturan yang telah ditetapkan digunakan untuk menghubungkan antara variable-variabel masukan dengan variabelvariabel keluaran. Aturan ini berbentuk JIKA-MAKA (IF-THEN) sebagai contoh adalah: Aturan 1: Jika x adalah A1 dan y adalah B1 maka z adalah C1 Aturan 2: Jika x adalah A2 dan y adalah B2 maka z adalah C2 Aturan i: Jika x adalah A3 dan y adalah Bi maka z adalah Ci 3. Defuzzifikasi Defuzzifikasi dapat didefenisikan sebagai proses pengubahan besaran fuzzy yang disajikan dalam bentuk himpunan-himpunan fuzzy keluaran dengan fungsi keanggotaannya untuk mendapatkan kembali bentuk tegasnya (crisp). Hal ini diperlukan sebab dalam aplikasi nyata yang dibutuhkan adalah nilai tegas (crips). METODOLOGI PENELITIAN Dalam penelitian ini bertujuan untuk lebih memahami bagaimana cara yang tepat untuk menganalisa kelayakan Calon Anggota Tamtama (CATAM). Penelitian ini menggunakan metode fuzzy logic Mamdani. 1. Mengidentifikasi Permasalahan Pada tahap ini dirumuskan masalah yang akan menjadi objek penelitian. Perumusan masalah dilakukan untuk menentukan masalah apa saja yang terdapat pada objek penelitian serta memberikan batasan dari permasalahan yang akan diteliti. 2. Menganalisa Permasalahan Langkah analisis masalah adalah langkah untuk dapat memahami masalah yang telah ditentukan ruang lingkup atau batasannya.
3 Tendra Implementasi Fuzzy Logic Mamdani Untuk Menentukan Kelayakan Calon Anggota Tamtama Dengan menganalisa masalah yang telah ditentukan tersebut. Teknik analisis yang digunakan dapat dilakukan dengan beberapa tahap berikut: a. Tahap identify yaitu mengidentifikasi permasalahan yang terjadi. b. Tahap understand yaitu memahami lebih lanjut tentang permasalahan yang ada dengan cara melakukan pengumpulan data yang dibutuhkan yakni berupa Melakukan studi dari jurnal buku dan artikel di internet yang berhubungan penelitian dan melakukan wawancara. c. Tahap analyze yaitu mencari kelemahankelemahan sistem yang ada dan mengumpulkan informasi tentang kebutuhan-kebutuhan lebih lanjut yang diperlukan oleh pemakai. 3. Mempelajari Literatur Berdasarkan permasalahan yang ada maka ditentukan tujuan yang akan dicapai dari penulisan ini. Pada tujuan ini ditentukan target yang akan dicapai terutama yang dapat mengatasi masalah-masalah yang ada. Setelah masalah dianalisa maka dipelajari literatur yang berhubungan dengan permasalahan tersebut. 4. Mengumpulkan Data Dalam pengumpulan data dapat dilakukan dengan beberapa cara yaitu: a. Pengamatan b. Wawancara c. Studi pustaka 5. Analisa dan Rancangan Setelah menentukan metode yang akan digunakan maka selanjutnya adalah merancang sistem. Pada perancangan sistem akan dilakukan beberapa kegiatan sebagai berikut : a. Membuat variabel input domain dan nilai keanggotaan pada fuzzy b. Membuat inferensi yang nantinya nilai fuzzy diubah ke bentuk bilang crisp c. Membuat rule-rule inferensi fuzzy yang telah ditentukan guna mendapatkan nilai yang diharapkan. d. Merancang arsitektur fuzzy logic Mamdani. 6. Menguji Perhitungan Fuzzy Logic Mamdani Setelah variabel dan rule-rule inferensi fuzzy ditentukan maka tahap selanjutnya ialah melakukan proses perhitungan secara manual terhadap data yang didapat sebagai acuan untuk membandingkan data yang dihitung secara manual dengan data yang didapat dengan menggunakan sistem. 7. Implementasikan Fuzzy Logic Mamdani pada Matlab Pada tahap Implementasi penulis mengimplementasikan hasil perancangan sistem menggunakan TOOLBOX. Sistem diuji dengan melakukan pencocokan hasil dari analisa dan perancangan sistem yang telah dirancang untuk melihat konsistensi data. 8. Menguji Hasil Evaluasi akhir yang dirancang untuk mengetahui apakah sistem yang dirancang tersebut sesuai yang diharapkan. Evaluasi dilakukan untuk membandingkan hasil yang didapatkan pada tahap perancangan sistem yang dibuat secara manual dan membandingkannya dengan hasil yang didapatkan dengan menggunakan sistem (MATLAB). 9. Menarik Kesimpulan Pada tahap ini penulis melakukan kesimpulan penelitian yang telah dilakukan untuk menganalisa kelayakan Calon Anggota Tamtama (CATAM) pada KOREM 031- WIRABIMA Pekanbaru-Riau. HASIL DAN PEMBAHASAN Analisa Masalah Dalam melakukan analisa data pada penelitian ini dilakukan dengan menggunakan fuzzy logic Mamdani. Di mana logika fuzzy adalah logika yang dapat mereprentasikan keadaan linguistik seperti sedikit lumayan banyak dan sebagainya. Oleh karena itu fuzzy logic dapat memungkinakan nilai keanggotaan antara 0 sampai dengan 1 atau sesuatu dapat dinyatakan sebagian benar atau sebagian salah pada saat yang sama. Fuzzy logic juga mempunyai tingkat toleransi pada data yang diolah tanpa mengabaikan kaidah dari data tersebut. Identifikasi data untuk evaluasi belajar mahasiswa dilakukan dengan menentukan variabel yang diperlukan dalam pengolahan dan analisis di mana variabel / kriteria untuk dapat menentukan kelayakan Calon Anggota Tamtama (CATAM) adalah Kecepatan Ketahanan dan Kedisiplinan Perancangan Sistem Setelah dilakukan analisa terhadap data yang ada maka tahap yang berikutnya dilakukan desain sistem. Desain sistem dilakukan berdasarkan variabel-variabel input proses output. Pada bagian desain ini penulis akan
4 4 Jurnal PI-Cache Volume 5 Nomor 1 Maret 2016 membahas mengenai perancangan dari model yang akan digunakan dalam mendapatkan daftar Calon Anggota Tamtama (CATAM) yang layak menjadi Anggota Tamtama. Pada perancangan ini penulis akan menentukan pengkodean dari item-item yang akan digunakan di dalam melakukan perekrutan Anggota Tamtama. Berikut ini akan ditampilkan bagaimana sistem fuzzy Mamdani dapat melakukan seleksi kelayakan untuk mendapatkan kandidat Anggota Tamtama melalui proses fuzzy Mamdani pada gambar 1 berikut ini: Gambar 1. Arsitektur Fuzzy Mamdani Kelayakan CATAM Input Data Input data merupakan langkah awal dalam memberikan tanggapan dari sistem inferensi fuzzy di mana dengan diinputkan data tersebut maka proses pengolahan akan berlangsung / dimulai. Data yang akan diinputkan adalah tabel data Calon Anggota Tamtama (CATAM) pada KOREM 031 Wirabima Pekanbaru-Riau. Tabel 1: Data Catam Berdasarkan Test Kekuatan Fisik Data yang telah disebutkan pada tabel 1 di atas merupakan sebagian dari beberapa data Calon Anggota Tamtama (CATAM) yang terdapat pada KOREM 031 Wirabima Pekanbaru-Riau tahun Setelah data Calon Anggota Tamtama (CATAM) didata seperti di atas maka disusunlah cara-cara untuk mengklasifikasikan data Calon Anggota Tamtama (CATAM) tersebut menjadi suatu kesimpulan bahwasanya seorang Calon Anggota Tamtama (CATAM) dapat menjadi Anggota Tamtama. Adapun Calon Anggota Tamtama (CATAM) yang dapat dikategorikan layak sebagai Anggota Tamtama adalah seorang CATAM yang mampu menyelesaikan tahapan test fisik dengan nilai dan waktu yang terbaik. 1. Kecepatan Pada variabel Kecepatan memiliki 3 (Tiga) himpunan fuzzy yaitu Rendah Sedang dan Tinggi. Pada kriteria ini penulis memberikan kesimpulan tentang data Kecepatan yang didapat di antaranya penulis menyimpulkan bahwa yang termaksud himpunan Rendah jika catatan waktu yang didapat 15:33 21:10 Menit yang termaksud himpunan Sedang jika catatan waktu yang didapat 13:15 15:41 Menit dan yang termaksud himpunan Tinggi jika catatan waktu yang didapat 0-15:33 Menit. 2. Ketahanan Pada variabel Ketahanan memiliki 3 (Tiga) himpunan fuzzy yaitu Rendah Sedang dan Tinggi. Pada kriteria ini penulis memberikan kesimpulan tentang data Ketahanan yang didapat di antaranya penulis menyimpulkan bahwa yang termaksud himpunan Rendah jika nilai Ketahanan 0-30 yang termaksud himpunan Sedang jika nilai Ketahanan dan yang termaksud himpunan Tinggi jika nilai Ketahanan Kedisiplinan Pada variabel Kedisiplinan memiliki 3 (Tiga) himpunan fuzzy yaitu Rendah Sedang dan Tinggi. Pada kriteria ini penulis memberikan kesimpulan tentang data Kedisiplinan yang didapat di antaranya penulis menyimpulkan bahwa yang termaksud himpunan Rendah jika catatan waktu yang didapat 21:00 25:09 Menit yang termaksud himpunan Sedang jika catatan waktu yang didapat 18:09 21:09 Menit dan yang termaksud himpunan Tinggi jika catatan waktu yang didapat 0 20:09 Menit. Tabel 2. Himpunan Fuzzy Mamdani Kelayakan CATAM
5 Tendra Implementasi Fuzzy Logic Mamdani Untuk Menentukan Kelayakan Calon Anggota Tamtama Perancangan Model Sistem Fuzzy Mamdani Dalam menyelesaikan permasalahan ini dengan menggunakan sistem fuzzy dapat digunakan langkah-langkah sebagai berikut: 1. Fuzzyfikasi Melakukan spesifikasi masalah dan mendefinisikan linguistik variabel menentukan variabel input dan variabel output. Pada permasalahan ini yang menjadi input adalah Kecepatan Ketahanan dan Kedisiplinan. Untuk output dari penelitian ini adalah rekomendasi kelayakan Calon Anggota Tamtama (CATAM). Awalnya akan dirancang knowledge base yaitu input dan output membership function serta fuzzy if then rule. Pembuatan fuzzy if then rule diekstrak berdasarkan kemampuan manusia berikut akan dimasukkan nilai dalam tahapan pertama atas nama Josafat dengan waktu tempuh Kecepatan 1321 Ketahanan 35 dan Kedisiplinan a. Kecepatan terdiri dari 3 himpunan fuzzy Rendah Sedang dan Tinggi. μ Rendah x 0 x 1533 z x x 1541 Nilai keanggotaan himpunan Rendah Sedang dan Tinggi dari variabel Kecepatan bisa dicari dengan cara sebagai berikut di mana variabel data Calon Anggota Tamtama (CATAM) pertama sebagai acuan dengan catatan waktu µtinggi [13.21] ( ) / ( ) 0.97 µsedang [13.21] ( ) / ( ) 0.03 µrendah [13.21] 0 Untuk fuzzyfikasi data Calon Anggota Tamtama (CATAM) lainnya sama dengan perhitungan fuzzyfikasi di atas atas nama Josafat. Berikut tabel 3 Hasil perhitungan fuzzyfikasi data Calon Anggota Tamtama (CATAM) dengan variabel Kecepatan. Tabel 3: Hasil Fuzzyfikasi Variabel Kecepatan Gambar 2: Fungsi Keanggotaan Kecepatan Fungsi keanggotaan pada variabel Kecepatan dapat dirumuskan sebagai berikut. μ Tinggi x 1 x z x x 1533 μ Sedang x 0 x 1315/ x 1541 z x x x 1541 b. Ketahanan terdiri dari tiga himpunan variabel fuzzy Rendah Sedang dan Tinggi.
6 6 Jurnal PI-Cache Volume 5 Nomor 1 Maret 2016 Gambar 3 Fungsi Keanggotaan Variabel Ketahanan Fungsi keanggotaan pada variabel Ketahanan dapat dirumuskan sebagai berikut: μ Rendah x 1 x z x 30 0 x 30 μ Sedang x 0 20/ x 30 z x x 30 x μ Tinggi x 0 x 30 z x 37 1 x 37 Nilai keanggotaan himpunan Redah Sedang dan Tinggi dari variabel Ketahanan dapat dicari dengan cara sebagai berikut. Dimana variabel Ketahanan data Calon Anggota Tamtama (CATAM) pertama sebagai acuan dengan jumlah Ketahanan 35. µrendah [35] 0 µsedang [35] (37-35) / (37-27) 0.3 µtinggi [35] 0.7 Untuk fuzzyfikasi data Calon Anggota Tamtama (CATAM) lainnya sama dengan perhitungan fuzzyfikasi di atas atas nama Josafat. Berikut tabel 4 Hasil perhitungan fuzzyfikasi data Calon Anggota Tamtama (CATAM) dengan variabel Ketahanan. Tabel 4: Hasil Fuzzyfikasi Variabel Ketahanan c. Kedisiplinan terdiri dari tiga himpunan variabel fuzzy Rendah Sedang dan Tinggi. Gambar 4 Fungsi Keanggotaan Variabel Kedisiplinan Fungsi keanggotaan pada variabel Kedisiplinan dapat dirumuskan sebagai berikut: μ Tinggi x 1 x z x x 2009 μ Sedang x 0 x 1809/ x 2109 z x x x 2109 μ Rendah x 0 x 210 z x x 2109 Nilai keanggotaan himpunan Rendah Sedang dan Tinggi dari variabel Kedisiplinan dapat dicari dengan cara sebagai berikut. Dimana variabel Kedisiplinan data Calon Anggota Tamtama (CATAM) pertama sebagai acuan dengan catatan waaktu Kedisiplinan µtinggi [17.02] 1; µsedang [17.02] 0; µrendah [17.02] 0 Untuk fuzzyfikasi data Calon Anggota Tamtama (CATAM) lainnya sama dengan perhitungan fuzzyfikasi di atas atas nama Josafat. Berikut tabel 5 Hasil perhitungan fuzzyfikasi data Calon Anggota Tamtama (CATAM) dengan variabel Kedisiplinan. Tabel 5 Hasil Fuzzyfikasi Variabel Kedisiplinan
7 Tendra Implementasi Fuzzy Logic Mamdani Untuk Menentukan Kelayakan Calon Anggota Tamtama μcukup Layak x 0 x 30/x 70 z x x 50 x μlayak x 0 x 30/x 80 z x x x 80 Variabel Output (Hasil) Rekomendasi Kelayakan terdiri dari empat himpunan variabel fuzzy Tidak Layak Kurang Layak Cukup Layak Layak dan Sangat Layak. Gambar 5. Fungsi Keanggotaan Output Variabel Kelayakan Fungsi keanggotaan pada variabel Rekomendasi Kelayakan dapat dirumuskan sebagai berikut: μtidak Layak x 1 x z x 30 0 x 30 μkurang Layak x 0 20/ x 50 z x x x 50 μsangat Layak x 0 x 70 z x x Linguistic Rules Di sini dilakukan pemetaan dari Input dan Output pada sistem fuzzy yang akhirnya akan di setting ke dalam bentuk Condition dan Action. Hal ini bisa disebut dengan IF Then Rule dengan format If Antecedent then Consequent. Antecedent yang dimaksud adalah Input dari sistem fuzzy sedangkan untuk Consequent diasosiasikan terhadap Output. Tabel 6: Hasil Fuzzyfikasi Input Data Josafat Varia bel Kecep atan Ketaha nan Kedisipli nan µrend µrenda µrendah ah h [35] [17.02] [13.21] Himpu nan µsedan g [13.21] 0.03 µtingg i [13.21] 0.97 µsedan g[35] 0.3 µtinggi [35] 0.7 µsedang [17.02] 0 µtinggi[1 7.02] 1 Tiga variabel masukan dan sebuah variabel keluaran yang telah didefinisikan dengan melakukan analisa data batas tiap-tiap himpunan fuzzy pada tiap-tiap variabelnya maka dibentuk 19 rule (aturan) fuzzy dalam menentukan rekomendasi kelayakan untuk menjadi Anggota Tamtama yaitu: 1. IF Kecepatan Rendah Then Rekomendasi Tidak Layak.
8 8 Jurnal PI-Cache Volume 5 Nomor 1 Maret IF Kecepatan Sedang AND Ketahanan Rendah AND Kedisplinan Rendah Then Rekomendasi Kurang Layak. 3. IF Kecepatan Sedang AND Ketahanan Rendah AND Kedisiplinan Sedang Then Rekomendasi Kurang Layak. 4. IF Kecepatan Sedang AND Ketahanan Sedang AND Kedisiplinan Rendah Then Rekomendasi Kurang Layak. 5. IF Kecepatan Tinggi AND Ketahanan Rendahi AND Kedisiplinan Rendah Then Rekomendasi Cukup Layak. 6. IF Kecepatan Tinggi AND Ketahanan Rendah AND Kedisiplinan Sedang Then Rekomendasi Cukup Layak. 7. IF Kecepatan Tinggi AND Ketahanan Rendah AND Kedisiplinan Tinggi Then Rekomendasi Cukup Layak. 8. IF Kecepatan Sedang AND Ketahanan Tinggi AND Kedisiplinan Tinggi Then Rekomendasi Layak. 9. IF Kecepatan Tinggi AND Ketahanan Sedang AND Kedisiplinan Sedang Then Rekomendasi Layak. 10. IF Kecepatan Tinggi AND Ketahanan Sedang AND Kedisiplinan Tinggi Then Rekomendasi Layak. 11. IF Kecepatan Tinggi AND Ketahanan Tinggi AND Kedisiplinan Rendah Then Rekomendasi Cukup Layak. 12. IF Kecepatan Tinggi AND Ketahanan Tinggi AND Kedisiplinan Sedang Then Rekomendasi Layak. 13. IF Kecepatan Sedang AND Ketahanan Rendah AND Kedisiplinan Tinggi Then Rekomendasi Cukup Layak. 14. IF Kecepatan Sedang AND Ketahanan Sedang AND Kedisiplinan Sedang Then Rekomendasi Cukup Layak. 15. IF Kecepatan Sedang AND Ketahanan Sedang AND Kedisiplinan Tinggi Then Rekomendasi Cukup Layak. 16. IF Kecepatan Sedang AND Ketahanan Tinggi AND Kedisiplinan Rendah Then Rekomendasi Cukup Layak. 17. IF Kecepatan Sedang AND Ketahanan Tinggi AND Kedisiplinan Sedang Then Rekomendasi Cukup Layak. 18. IF Kecepatan Tinggi AND Ketahanan Sedang AND Kedisiplinan Rendah Then Rekomendasi Cukup Layak. 19. IF Kecepatan Tinggi AND Ketahanan Tinggi AND Kedisiplinan Tinggi Then Rekomendasi Sangat Layak. Uji data pertama atas nama Josafat dengan input nilai kecepatan nilai ketahanan 35 dan nilai kedisiplinan dari uji data tersebut didapatlah rule ke 10 rule ke 15 dan rule ke 19 yang memiliki nilai sebagai berikut: [R10] IF Kecepatan Tinggi AND Ketahanan Sedang AND Kedisiplinan Tinggi Then Rekomendasi Layak. α-predikat 10 µkecepatan Tinggi ^ µketahanan Sedang ^ µkedisiplinan Tinggi. Min(µTinggi[13.21] µsedang[35] ^ µtinggi[17.02] Min(0.97; 0.3; 1) 0.3 Gambar 6: Aturan Fuzzy 10 Komposisi Rule Dari aplikasi fungsi implikasi dari tiap aturan digunakan metode MAX untuk melakukan komposisi antarsemua aturan. Berikut ini gambar 7 komposisi keseluruhan aturan fuzzy. Gambar 7: Komposisi Seluruh Aturan (Rule) Rekomendasi Berdasarkan data gabungan seperti pada gambar 7 maka kita bisa melihat di mana gambar lebih dominan pada garis himpunan Layak.
9 Tendra Implementasi Fuzzy Logic Mamdani Untuk Menentukan Kelayakan Calon Anggota Tamtama Gambar 8: Hasil Komposisi Arsir Defuzzyfikasi (Tegas) Metode penegasan yang akan digunakan adalah metode centroid. Rumus yang digunakan adalah (2 6): Z(30*0)+(40*0.03)+(50*0.03)+(60*0.3)+(70 *0.3)+(80*0.7)+(90*0.7)+(100*0.7) / z 83.5 Jadi dari hasil proses Defuzzyfikasi di atas dapat dilihat bahwa data Calon Anggota Tamtama (CATAM) atas nama Josafat dengan nilai 83.5 sehingga bisa disimpulkan bahwa Calon Anggota Tamtama (CATAM) atas nama Josafat Sangat Layak untuk direkomendasikan. Dalam perhitungan Defuzzyfikasi Calon Anggota Tamtama (CATAM) lainnya dapat dilakukan dengan cara yang sama seperti di atas. Tabel 7. Hasil Defuzzyfikasi Data Calon Anggota Tamtama (CATAM) menggunakan metode Mamdani dapat dilakukan dengan menggunakan Tool yang mendukung untuk menyelesaikan penelitian ini salah satunya adalah dengan Toolbox fuzzy menggunakan Matlab Versi R2008a. Software ini berfungsi untuk menghitung nilai variabel Calon Anggota Tamtama (CATAM) yang melakukan test kekuatan fisik dalam perekrutan Prajurit Tamtama. Data yang digunakan ialah dalam bentuk linguistik. Bentuk rule yang diuji dengan menggunakan Software Matlab dengan kasus evaluasi sistem di atas dengan memasukan nilai variabel pada input data pertama atas nama Josafat di form Editor rule [ ] dapat dilihat pada gambar 9 berikut: Gambar 9 : Editor Rule Evaluasi Atas Nama Josafat Pada gambar 9 telah dimasukkan nilai variabel evaluasi untuk mendapatkan nilai rekomendasi terlihat bahwa hasil rekomendasi menyatakan Lulus dengan nilai selisih dari hitung manual 835 dengan sistem 805 dan dinyatakan Sangat Layak. Dari gambar 5.7 dapat kita tampilkan dalam bentuk tampilan grafik yang disebut dengan surface viewer pada Rekomendasi dan ditampilkan pada gambar 10 berikut: IMPLEMENTASI Implementasi data Calon Anggota Tamtama (CATAM) dengan logika fuzzy dengan
10 10 Jurnal PI-Cache Volume 5 Nomor 1 Maret 2016 Gambar 10: Surface Viewer Rekomendasi Atas Nama Josafat Dalam perhitungan Defuzzyfikasi Calon Anggota Tamtama (CATAM) lainnya dapat dilakukan dengan cara yang sama seperti di atas. Tabel 8. Hasil Selisih Perhitungan Defuzzyfikasi Data Calon Anggota Tamtama (CATAM) SIMPULAN Dari hasil penelitian ini baik yang dihitung secara manual maupun dengan bantuan Matlab dalam menganalisa metode Mamdani berbasis logika fuzzy maka dapat ditarik beberapa kesimpulan: 1. Logika fuzzy dapat digunakan untuk mengembangkan model dan menganalisa kelayakan dan ketidak layakan Calon Anggota Tamtama (CATAM). 2. Sistem yang telah dirancang dapat di implementasikan untuk membantu pihak manajemen dalam mengambil keputusan untuk memilih Calon Anggota Tamtama (CATAM). 3. Pada perangkat lunak ini logika fuzzy berhasil dimasukkan kedalam proses Matlab. 4. Visualisasi Metode Mamdani proses dapat memudahkan user dalam menyelesaikan perhitungan penerimaan Calon Anggota Tamtama (CATAM) yang melibatkan beberapa alternatif untuk menghasilkan sebuah keputusan yang tepat dan benar berdasarkan kriteria tertentu dengan penilaian riil dan preferensi. 5. Dengan visualisasi dapat diketahui langkah-langkah dalam penyelesaian permasalahan dengan menggunakan metode Mamdani. 6. Dari hasil perhitungan Metode Mamdani didapat kelayakan dan ketidak layakan Calon Anggota Tamtama (CATAM) mana saja yang menjadi prioritas utama untuk dijadikan rekomendasi tersebut. 7. Perangkat lunak ini hanya memberikan nilai derajat rekomendasi keputusan yang sebenarnya tergantung pada pengguna. DAFTAR RUJUKAN [1] Ablhamid R. K. Santoso B. & Muslim M. A. (2013). Decision Making And Evaluation System For Employee Recruitment Using Fuzzy Analytic Hierarchy Process. Interational Refereed Journal Of Engineering And Science (IRJES) ISSN (Online) X (Print) Volume 2 Issue [2] Banerjee R. & Ghosh D. N. (2013). Faculty Recruitment In Engineering Organization Through Fuzzy Multi- Criteria Group Decision Making Methods. International Journal Of U- And E- Science And Technology [3] Bottoni A. Gianfelici A. Tamburri R. & Faina M. (2011). Talent Selecion Criteria For Olympic Distance Triathon. Journal Of Human Sport And Exercise ISSN [4] Dereli T. (2010). A Fuzzy Approach For Personal Selection Process. Turkish Journal Of Fuzzy System (eissn: ) An Official Journal Of Turkish Fuzzy System Association Vol [5] Harmoko i. W. (2012). Prototipe Model Prediksi Peluang Kejadian Hujan Menggunakan Metode Fuzzy Logic Tipe Mamdani dan Sugeno. Jurnal TICOM Vol.1 No
11 Tendra Implementasi Fuzzy Logic Mamdani Untuk Menentukan Kelayakan Calon Anggota Tamtama [6] Irmawan D. & Herusantoso K. (2011). Penerapan Logika Fuzzy Sebagai Sistem Pendukung Keputusan Prakiraan Cuaca. Konferensi Teknologi Informasi dan Komunikasi Untuk Indonesia [7] Kamboj V. & Kaur A. (2013). Comparison Of Constant Sugeno-Type And Mamdani-Type Fuzzy Inference System For Load Sensor. International Journal Of Soft Computing And Engineering (IJSCE) ISSN: Volume-3 Issue [8] Kaur A. & Kaur A. (2012). Comparison Of Mamdani-Type And Sugeno-Type Fuzzy Inference System For Air Conditioning System. International Journal Of Soft Computing And Engineering (IJSCE) ISSN: Volume-2 Issue [9] Kusumadewi S. & Purnomo H. (2010). Aplikasi Logika Fuzzy Untuk Pendukung Keputusan Edisi 2. Yogyakarta: Graha Ilmu. [10] Mustafidah H. & Aryanto D. (2012). Sistem Inferensi Fuzzy Untuk Memprediksi Prestasi Belajar Mahasiswa Berdasarkan Nilai Ujian Nasional Tes Potensi Akademik dan Motivasi Belajar. JUITA ISSN: Vol. II No [11] Ojokoh Omisore Samuel & Ogunniyi. (2012). A Fuzzy Logic Based Personalized Recommender System. International Journal Of Computer Science And Information Technology & Security (IJCSITS) ISSN: Vol 2 NO [12] Poonam. (2012). Uncertainty Handlin Fuzzy Logic In Rule Based System. International Journal Of Advanced Science And Technology Vol [13] Siregar S. H. (2013). Sistem Penunjang Keputusan Untuk Menentukan Pelanggan Terbaik Menggunakan Metode Fuzzy Mamdani. Pelita Informatika Budi Dharma Volume: IV Nomor: [14] Tarigan P. (2013). Sistem Pengendali Pendingin Ruangan Menggunakan Fuzzy Logic Berbasis MIcrocontroler ATMega Informasi dan Teknologi Ilmiah (INTI) ISSN: X Volume 1 Nomor [15] Triayudi A. (2012). Analisa Sistem Penilaian Kinerja Guru Menggunakan Fuzzy Inference System Mamdani: Studi Kasus UPT Dinas Pendidkan Kec. Penengahan Lampung Selatan. Jurnal TICOM Vol.1 No
Logika Fuzzy Pengambilan Keputusan Pemilihan Penerima Beasiswa Menggunakan Metode Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Logika Fuzzy Pengambilan Keputusan Pemilihan Penerima Beasiswa Menggunakan Metode Mamdani Erma Suryani, Indah Puspita, Agus Maman Abadi Program Studi
Lebih terperinciPerekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani
BINA INSANI ICT JOURNAL, Vol.3, No. 2, Desember 2016, 279-290 ISSN: 2355-3421 (Print) ISSN: 2527-9777 (Online) 279 Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani Ghofar Taufik 1,*
Lebih terperinciPenerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk
Nusantara of Enginering/Vol.3/No.1/ISSN: 2355-6684 41 Penerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk Fajar Rohman Hariri Jurusan Teknik Informatika, Fakultas Teknik,
Lebih terperinciMODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN
Seminar Nasional Inovasi dan Teknologi (SNIT) 202 MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN Ghofar Taufiq AMIK Bina Sarana Informatika Jakarta Jl. Kramat Raya
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 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 terperinciANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN
ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN Khairul Saleh Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara Jalan Universitas
Lebih terperinciSTUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)
STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) Desi Vinsensia Program Studi Teknik Informatika STMIK Pelita Nusantara
Lebih terperinciNURAIDA, IRYANTO, DJAKARIA SEBAYANG
Saintia Matematika Vol. 1, No. 6 (2013), pp. 543 555. ANALISIS TINGKAT KEPUASAN KONSUMEN BERDASARKAN PELAYANAN, HARGA DAN KUALITAS MAKANAN MENGGUNAKAN FUZZY MAMDANI (Studi Kasus pada Restoran Cepat Saji
Lebih terperinciPENILAIAN 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 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 terperinciAnalisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan
128 ISSN: 2354-5771 Analisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan Raheliya Br Ginting STT Poliprofesi Meda E-mail: itink_ribu@yahoo.com Abstrak Pengambilan keputusan harus
Lebih terperinciPENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI Much. Djunaidi Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com
Lebih terperinciAPLIKASI 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 terperinciPERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ. Rianto Samosir, Iryanto, Rosman Siregar
Saintia Matematika Vol. 1, No. 6 (2013), pp. 517-527. PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ Rianto Samosir, Iryanto, Rosman Siregar Abstrak: Logika
Lebih terperinciJurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL
MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL Fanisya Alva Mustika 1, Sutrisno 2 Program Studi Teknik Informatika, Universitas Indraprasta PGRI Jakarta 1,2 E-mail: alva.mustika@gmail.com
Lebih terperinciImplementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic
JTRISTE, Vol.2, No.2, Oktober 2015, pp. 18~28 ISSN: 2355-3677 Implementasi Metode Fuzzy-Mamdani Dalam Menentukan Jumlah Produksi Penganan Menggunakan Visual Basic Junaedy 1, Abdul Munir 2 STMIK KHARISMA
Lebih terperinciPREDIKSI PRODUKTIVITAS TENAGA KERJA KONSTRUKSI MENGGUNAKAN PENDEKATAN FUZZY LOGIC
PREDIKSI PRODUKTIVITAS TENAGA KERJA KONSTRUKSI MENGGUNAKAN PENDEKATAN FUZZY LOGIC Elizar Program Studi Teknik Sipil, Universitas Islam Riau, Jl.Kaharuddin Nst 113 Pekanbaru Mahasiswa Program Doktor Teknik
Lebih terperinciAnalisis Rule Inferensi Mamdani dalam Menentukan Beasiswa Peningkatan Prestasi Akademik ( PPA)
Analisis Rule Inferensi Mamdani dalam Menentukan Beasiswa Peningkatan Prestasi Akademik ( PPA) Khairul Saleh, M. Kom, Universitas Asahan; address, telp/fax of institution/affiliation Jurusan Teknik Informatika,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy Zadeh (1965) memperkenalkan konsep fuzzy sebagai sarana untuk menggambarkan sistem yang kompleks tanpa persyaratan untuk presisi. Dalam jurnalnya Hoseeinzadeh et
Lebih terperinciPENERAPAN ARTIFICIAL INTELIGENCE UNTUK MENENTUKAN BAKAT DAN MINAT PADA UKM XPRESSI UPI-YPTK PADANG DENGAN MENGGUNAKAN LOGIKA FUZZY
PENERAPAN ARTIFICIAL INTELIGENCE UNTUK MENENTUKAN BAKAT DAN MINAT PADA UKM XPRESSI UPI-YPTK PADANG DENGAN MENGGUNAKAN LOGIKA FUZZY Fakultas Ilmu Komputer, Universitas Putra Indonesia YPTK Padang e-mail
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 terperinciIMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS
IMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS Alfa Saleh Teknik Informatika, Fak Ilmu Komputer Universitas Potensi Utama Jl KL Yos Sudarso KM 65 No3-A, Tanjung Mulia,
Lebih terperinciANALISA 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 terperinciANALISA DAN PERANCANGAN PROTOTIPE SISTEM PENILAIAN KINERJA GURU MENGGUNAKAN FIS MAMDANI :
ANALISA DAN PERANCANGAN PROTOTIPE SISTEM PENILAIAN KINERJA GURU MENGGUNAKAN FIS MAMDANI : STUDI KASUS UPT DINAS PENDIDIKAN KEC. PENENGAHAN LAMPUNG SELATAN Agung Triayudi 1, Nazori AZ 2 Program Studi Magister
Lebih terperinciMetode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Metode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh T - 42 Yudha Al Afis, Agus Maman Abadi Prodi Matematika,
Lebih terperinciEVALUASI 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 terperinciSIMULASI PENENTUAN GURU BERPRESTASI DENGAN METODE FUZZY LOGIC MAMDANI INFERENCE MENGGUNAKAN APLIKASI MATLAB
SIMULASI PENENTUAN GURU BERPRESTASI DENGAN METODE FUZZY LOGIC MAMDANI INFERENCE MENGGUNAKAN APLIKASI MATLAB Pio A. F. Islami 1, Kirya Mateeke Moses 2, Muqodimah Nur Lestari 3, Aji Prasetya Wibawa 4 1,
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 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 terperinciFUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR
Seminar Nasional Informatika 23 (semnasif 23) ISSN: 979-2328 UPN Veteran Yogyakarta, 8 Mei 23 FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Sundari Retno Andani ) ) AMIK Tunas Bangsa
Lebih terperinciIMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA
IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA Subhan Hartanto Sistem Informatika, Universitas Pembangunan Panca Budi Jl. Jend Gatot Subroto, Simpang Tj., Medan Sunggal, Kota Medan,
Lebih terperinciLAPORAN AKHIR PENELITIAN DOSEN PEMULA USULAN PENELITIAN DOSEN PEMULA
LAPORAN AKHIR PENELITIAN DOSEN PEMULA USULAN PENELITIAN DOSEN PEMULA PENERAPAN LOGIKA FUZZY PADA PENILAIAN KINERJA PEGAWAI: PENERAPAN LOGIKA FUZZY PADA PENILAIAN KINERJA PEGAWAI: STUDI KASUS UNIVERSITAS
Lebih terperinciPENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI Ahmad Mufid Program Studi Sistem Komputer Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Sultan Fatah No. 83 Demak Telpon
Lebih terperinciLogika 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 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 terperinciPenilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani M-4 Dewi Mardhiyana Universitas Pekaloangan dewimardhiyana139@gmail.com
Lebih terperinciPENERAPAN FUZZY MAMDANI MAX-MIN DALAM PENGEMBANGAN SISTEM INFORMASI PENENTUAN GAJI PEGAWAI PADA SEKOLAH TINGGI TEKNIK POLIPRFESI
EKSPLORA INFORMATIKA 6 PENERAPAN FUZZY MAMDANI MAX-MIN DALAM PENGEMBANGAN SISTEM INFORMASI PENENTUAN GAJI PEGAWAI PADA SEKOLAH TINGGI TEKNIK POLIPRFESI Asprina Br Surbakti STT Poliprofesi Medan Jl. Sei
Lebih terperinciPenentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno
Penentuan Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Shenna Miranda #1, Minora Longgom Nasution *2, Muhammad Subhan #3 #1 Student of Mathematics department State University
Lebih terperinciJOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi
JOBSHEET SISTEM CERDAS REASONING 2 Fuzzifikasi S1 PENDIDIKAN TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS NEGERI MALANG 2016 PRAKTIKUM SISTEM CERDAS - REASONING JOBSHEET 2 - FUZZIFIKASI
Lebih terperinciPenentuan Jumlah Konsumsi Dengan Metode Penalaran Fuzzy Mamdani ( Studi Kasus Prediksi Konsumsi Susu Untuk Balita ) Agus Purwo Handoko 1)
ISSN : 1693 1173 Penentuan Jumlah Konsumsi Dengan Metode Penalaran Fuzzy Mamdani ( Studi Kasus Prediksi Konsumsi Susu Untuk Balita ) Agus Purwo Handoko 1) Abstract This paper is an explanation on fuzzy
Lebih terperinciPENENTUAN PENJURUSAN SISWA SMA DENGAN MENGGUNAKAN FUZZY LOGIC METODE MAMDANI
JURNAL LOGIC. VOL. 15. NO. 3. NOPEMBER 2015 199 PENENTUAN PENJURUSAN SISWA SMA DENGAN MENGGUNAKAN FUZZY LOGIC METODE MAMDANI Ni Made Karmiathi Jurusan Teknik Elektro, Politeknik Negeri Bali Bukit JImbaran,
Lebih terperinciPENERAPAN METODE TSUKAMOTO DALAM PEMBERIAN KREDIT SEPEDA MOTOR BEKAS PADA PT TRI JAYA MOTOR (Studi Kasus PT TRI JAYA MOTOR MEDAN )
Marsono, ISSN : 1978-6603 Saiful Nur Arif, Iskandar Zulkarnain, Penerapan Metode Tsukamoto PENERAPAN METODE TSUKAMOTO DALAM PEMBERIAN KREDIT SEPEDA MOTOR BEKAS PADA PT TRI JAYA MOTOR (Studi Kasus PT TRI
Lebih terperinciPenggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen
Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen Dwi Rolliawati Fakultas Ilmu Komputer, Sistem Komputer, Universitas Narotama dwi.roliawati@narotama.ac.id Abstrak Dosen sebagai pendidik
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 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 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 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 terperinciPenentuan Jumlah Permintaan Obat Pada Kantor Kepolisian Resort Kota Menggunakan. Logika Fuzzy Mamdani. Siti Fathimah
ISSN: 2089-3787 1629 Penentuan Jumlah Permintaan Obat Pada Kantor Kepolisian Resort Kota Menggunakan Logika Fuzzy Mamdani Siti Fathimah Jurusan Sistem Informasi, STMIK Banjarbaru Jl. Ahmad Yani K.M. 33,5,
Lebih terperinciPenerapan Metode Fuzzy Mamdani dalam Perencanaan Produksi Roti
ISSN: 0216-3284 885 Penerapan Metode Fuzzy Mamdani dalam Perencanaan Produksi Roti Novi Apriyanti 1, Huzainsyahnoor Aksad 2 Program Studi Sistem Informasi STMIK Banjarbaru 1 Program Studi Teknik Informatika
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 terperinciPREDIKSI 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 terperinciPENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI
PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI Hilda Lutfiah, Amar Sumarsa 2, dan Sri Setyaningsih 2. Program Studi Matematika Fakultas Matematika
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)
SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ) Dimas Wahyu Wibowo 1, Eka Larasati Amalia 2 1,2 Teknik Informatika, Politeknik Negeri
Lebih 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 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 terperinciJURNAL SISTEM PENENTUAN HARGA PERCETAKAN FOTO DIGITAL MENGGUNAKAN FUZZY TSUKAMOTO DI ALIEF COMPUTER KOTA KEDIRI
JURNAL SISTEM PENENTUAN HARGA PERCETAKAN FOTO DIGITAL MENGGUNAKAN FUZZY TSUKAMOTO DI ALIEF COMPUTER KOTA KEDIRI PRICING SYSTEM USING DIGITAL PHOTO PRINTING ON FUZZY TSUKAMOTO ALIEF COMPUTER KEDIRI Oleh:
Lebih 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 terperinciPERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)
PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) Komang Wahyudi Suardika 1, G.K. Gandhiadi 2, Luh Putu Ida Harini 3 1 Program
Lebih 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 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 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 terperinciSISTEM PENDUKUNG KEPUTUSAN GURU TELADAN MENGGUNAKAN METODE FUZZY MAMDANI ABSTRAK
SISTEM PENDUKUNG KEPUTUSAN GURU TELADAN MENGGUNAKAN METODE FUZZY MAMDANI (STUDI KASUS PROGRAM STUDI TEKNIK INFORMATIKA-S1 UDINUS) Wisnu Joyo Anggita Teknik Informatika Universitas Dian Nuswantoro Semarang
Lebih terperinciIMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)
IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) Junius_Effendi* Email : Cyberpga@ymail.com ABSTRAK Penelitian ini dilakukan untuk memperlajari
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Metode Pengumpulan Data Dalam penelitian diagnosa penyakit asma dengan menggunakan metode fuzzy Tsukamoto, dibutuhkan data mengenai gejala penyakit dari seorang pakar atau
Lebih terperinciBab 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 terperinciProses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum
Prosiding Penelitian SPeSIA Unisba 2015 ISSN: 2460-6464 Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum 1 Fitria Tri Suwarmi, 2 M. Yusuf Fajar,
Lebih terperinciSeminar Nasional Inovasi Dan Teknologi Informasi (SNITI 3) ISSN : Samosir, November 2016
Analisis Penerapan Fuzzy Inference System (FIS) Dengan Metode Mamdani Pada Sistem Prediksi Mahasiswa Non Aktif (Studi Kasus : AMIK Tunas Bangsa Pematangsiantar) Anjar Wanto 1 1 Fakultas Ilmu Komputer-Teknologi
Lebih terperinciMengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani
Seminar Nasional Teknologi Informatika, "The Future of Computer Vision", 27, ISBN : 978-62-56--7 Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani Sepri Yanti
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 terperinciPenerapan Fuzzy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang
Penerapan Fuy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang Thomson Mary Program Studi Pendidikan Informatika, STKIP PGRI Sumatera Barat Kampus II, Gunung Pangilun, Padang Email:
Lebih terperinciIMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH
IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH Reino Adi Septiawan Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang Email : a11.2009.04948@gmail.com
Lebih terperinciISSN : e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 2254
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 2254 PERANCANGAN DAN IMPLEMENTASI SISTEM ROBOT PENGGENGGAM BENDA MENGGUNAKAN FUZZY LOGIC DESIGN AND IMPLEMENTATION OF FUZZY
Lebih terperinciPenerapan Fuzzy Mamdani Untuk Sistem Pendukung Keputusan Pemilihan Telepon Seluler
Penerapan Fuzzy Mamdani Untuk Sistem Pendukung Keputusan Pemilihan Telepon Seluler Wira Buana Dosen STMIK Jayanusa wira_buana59@yahoo.com ABSTRAK Fuzzy logic merupakan salah satu pendekatan yang menggunakan
Lebih terperinciPENILAIAN PESERTA TERHADAP PENYAMPAIAN MATERI PEMBICARA SEMINAR ENTREPRENUER MENGGUNAKAN APLIKASI FUZZY
PENILAIAN PESERTA TERHADAP PENYAMPAIAN MATERI PEMBICARA SEMINAR ENTREPRENUER MENGGUNAKAN APLIKASI FUZZY Agung Baitul Hikmah AMIK BSI Tasikmalaya agung.abl@bsi.ac.id Abstract In a seminar event, a speaker
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 terperinciPresentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ. Muhammad Reza Budiman
Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ Muhammad Reza Budiman 5209100075 Jurusan Sistem Informasi Fakultas Teknologi Informasi
Lebih terperinciSIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI
SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI Nofriadi * 1), Havid Syafwan 2) 1) Program Studi Sistem Informasi, STMIK Royal Kisaran Jl. Prof. M. Yamin 173 Kisaran, Sumatera
Lebih 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 terperinciPENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC )
PENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC ) Edy Victor Haryanto1), Fina Nasari) Universitas Potensi Utama Jl. K. L. Yos Sudarso Km. 6,5 No.
Lebih terperinciPEMODELAN SISTEM FUZZY DENGAN MENGGUNAKAN MATLAB
PEMODELAN SISTEM FUZZY DENGAN MENGGUNAKAN MATLAB Afan Galih Salman Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University Jln. K.H. Syahdan No 9, Palmerah, Jakarta Barat 11480 asalman@binus.edu
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 terperinciKLASIFIKASI PENERIMAAN BEASISWA DENGAN MENGGUNAKAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS POLITEKNIK KESEHATAN KEMENTRIAN KESEHATAN SEMARANG)
KLASIFIKASI PENERIMAAN BEASISWA DENGAN MENGGUNAKAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS POLITEKNIK KESEHATAN KEMENTRIAN KESEHATAN SEMARANG) Fasrul Rahman Ansori Teknik Informatika, Ilmu Kompputer, Universitas
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 terperinciadalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK
1 Evaluasi Kinerja Pelayanan Perawat Menggunakan Fuzzy Inference System (FIS) Mamdani ( Studi Kasus : Puskesmas Bonang 1 Demak) ARIS MUTHOHAR Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer,
Lebih terperinciSISTEM 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 terperinciAplikasi Fuzzy Inference System Dalam Penilaian Prestasi Mahasiswa
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 A -10 Aplikasi Fuzzy Inference System Dalam Penilaian Prestasi Mahasiswa Rani Mita Sari, Agus Maman Abadi FMIPA, Universitas Negeri Yogyakarta
Lebih terperinciANALISIS PERBANDINGAN HARGA MOBIL BEKAS MENGGUNAKAN METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DAN TSUKAMOTO
Jur. Ris. Ap. Mat. Vol. 1, No. 1 (2017), pp. 1 52. Jurnal Riset dan Aplikasi Matematika e-issn 2581-0154 URL: journal.unesa.ac.id/index.php/jram ANALISIS PERBANDINGAN HARGA MOBIL BEKAS MENGGUNAKAN METODE
Lebih terperinciMENENTUKAN TINGKAT PRODUKSI MAKSIMUM DENGAN TEKNIK ARTIFICIAL INTELLIGENCE MENGGUNAKAN LOGIKA FUZZY LINIER PROGRAMMING
MENENTUKAN TINGKAT PRODUKSI MAKSIMUM DENGAN TEKNIK ARTIFICIAL INTELLIGENCE MENGGUNAKAN LOGIKA FUZZY LINIER PROGRAMMING Wanayumini Teknik Perangkat Lunak (Informatika) Universitas Asahan (UNA) e-mail :
Lebih terperinciSISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB
JURNAL MATRIX VOL. 3, NO. 1, MARET 2013 39 SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB I Ketut Suwintana Jurusan Akuntansi Politeknik Negeri Bali Kampus Bukit Jimbaran Bali Telp. +62 361 701981 Abstrak:.Logika
Lebih terperinciIMPLEMENTASI METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DALAM PEMILIHAN PEKERJAAN BAGI LULUSAN IBI DARMAJAYA
IMPLEMENTASI METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DALAM PEMILIHAN PEKERJAAN BAGI LULUSAN IBI DARMAJAYA Asri Bunga Renjani* 1, Yulmaini 2 Bandar Lampung, Telp. 0721-787214, Fax. 0721-700261 1,2 Teknik
Lebih terperinciAnalisa Sistem Penilaian Kinerja Guru Menggunakan Fuzzy Inference System Mamdani: Studi Kasus UPT Dinas Pendidikan Kec. Penengahan Lampung Selatan
Analisa Sistem Penilaian Kinerja Guru Menggunakan Fuzzy Inference System Mamdani: Studi Kasus UPT Dinas Pendidikan Kec. Penengahan Lampung Selatan Agung Triayudi 1, Nazori AZ 2 Program Studi Magister Ilmu
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 terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN DOSEN PEMBIMBING DENGAN METODE LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN DOSEN PEMBIMBING DENGAN METODE LOGIKA FUZZY Ainul Yaqin 1), Ema Utami 2), Emha Taufiq Luthfi 3) 1,2,3 Magister Teknik informatika STMIK AMIKOM Yogyakarta 1,2,3 Jl Ring
Lebih terperinciBAB I PENDAHULUAN. ada tiga, yaitu association rules, classification dan clustering.
BAB I PENDAHULUAN 1.1. Latar Belakang Data mining adalah serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basis data. Informasi yang
Lebih terperinciPenerapan 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 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 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 terperinciIMPLEMENTASI ALGORITMA FUZZY TSUKAMOTO UNTUK MENENTUKAN JUMLAH PRODUKSI ROTI
ISSN : 2338-4018 IMPLEMENTASI ALGORITMA FUZZY TSUKAMOTO UNTUK MENENTUKAN JUMLAH PRODUKSI ROTI Kurnia Martha Herdiastuti (kurnia19martha@gmail.com) Bebas Widada(bbswdd@gmail.com) Yustina Retno Wahyu Utami
Lebih terperinciFuzzy Inference System Metode Mamdani Dalam Penentuan Nilai Akhir Ujian Hafalan Al.Qur an
164 BINA INSANI ICT JOURNAL, Vol.3, No.1, Juni 2016, 164 171 ISSN: 2355-3421 (Print) ISSN: 2527-9777 (Online) Fuzzy Inference System Metode Mamdani Dalam Penentuan Nilai Akhir Ujian Hafalan Al.Qur an Kusuma
Lebih terperinci