MODEL FUZZY TAHANI UNTUK PENENTUAN SISWA TERBAIK DI SEKOLAH
|
|
- Ratna Tan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 207, pp. 24~22 24 MODEL FUZZY TAHANI UNTUK PENENTUAN SISWA TERBAIK DI SEKOLAH Ghofar Taufik AMIK BSI Jakarta Abstrak Mencari dan menentukan siswa terbaik dalam sebuah sekolah adalah bukan perkara yang mudah. Begitupun dengan sekolah yang melakukan penentuan siswa terbaiknya dari para siswa terbaik yang dimiliknya. Penilaian yang terlalu rumit terhadap kriteria-kriteria yang ditentukan serta penilaian yang bersifat subjektif menjadi kendala bagi sekolah untuk mendapatkan hasil yang terbaik untuk menentukan siswa terbaik mereka. Dengan penerapan logika fuzzy Tahani dalam penentuan siswa terbaik ini dapat mengurangi tingkat kerumitan serta penilaian yang bersifat subjektif. Dengan logika fuzzy dapat memetakan ruang yang tepat bagi input kedalam outputnya dengan mengatur sistem blackbox diantara ruang input dan output tersebut. Dalam penilitian ini kriteria yang terdiri dari nilai mata pelajaran (Matematika, Bahasa Indonesia, Bahasa Inggris dan Nilai Rata-Rata Rapor), kedisiplinan, keaktifan dan kepribadian dijadikan sebagai data input fuzzy yang ditentukan fungsi keanggotaannya. Tujuan dari penelitan ini adalah menerapkan logika fuzzy tahani untuk penentuan siswa terbaik pada sekolah. Manfaat dari hasil penelitian ini adalah diharapkan agar dapat digunakan oleh sekolah sebagai pertimbangan dalam penentuan siswa terbaik di sekolah. Manfaat kebijakan dari hasil penelitian ini dapat digunakan sebagai bahan pertimbangan bagi sekolah sebagai penunjang alat bantu dalam penentuan siswa terbaik. Penelitian ini juga dapat memberikan dasar pertimbangan untuk menentukan seorang siswa yang dinilai layak menjadi siswa terbaik di sekolah. Kata Kunci: Logika Fuzzy, Tahani, Penentuan Siswa Terbaik. Pendahuluan Sekolah merupakan salah satu tempat untuk belajar mendapatkan ilmu dan pengetahuan secara formal. Belajar banyak hal tentang ilmu pengetahuan di sekolah menjadikan para siswa dan siswi menjadi cerdas dan pintar jika dilakukan dengan sungguhsungguh. Dan sudah banyak sekolah baik negeri maupun swasta yang melahirkan siswa-siswi terbaik disekolahnya. Bahkan dapat mempunyai prestasi di tingkat regional, nasional maupun internasional dalam bidang ilmu pengetahuan. Dalam hal mencari siswa dan siswi terbaik di sekolah bukanlah perkara yang dapat dianggap mudah. Sekolah bisa saja mempunyai lebih dari satu atau bahkan puluhan siswa terbaiknya. Menentukan siswa terbaik yang dilakukan pada sekolah dengan melakukan penilaian terhadap kriteria-kriteria yang sudah ditentukan oleh pihak sekolah. Kriteria-kriteria penilaian untuk menentukan siswa terbaik pada sekolah terdiri dari penilaian untuk kriteria Nilai Mata Pelajaran (Matematika, Bahasa Indonesia, Bahasa Inggris dan Nilai Rata- Rata Rapor), kedisiplinan, keaktifan dan kepribadian. Banyaknya kriteria ini membuat pihak sekolah harus lebih ketat dan rumit dalam melakukan penilaiannya agar mendapatkan hasil yang baik. Bahkan di sekolah juga terjadi penilaian yang bersifat subjektif tanpa memikirkan kriteria-kriteria penilaian yang sudah ada. Berdasarkan latar belakang ini penulis mencoba untuk menerapkan logika fuzzy untuk peentuan siswa terbaik di sekolah. Logika fuzzy secara umum adalah sebuah metodologi berhitung dengan variabel kata-kata (linguistic variable), sebagai pengganti berhitung dengan bilangan. (Naba, 2009). Dan tujuan dari penelitian ini adalah menerapkan logika fuzzy dengan metode Tahani guna penentuan siswa terbaik pada SMA X serta menghasilkan rangking dari hasil penentuan siswa terbaik. 2. Metode Penelitian Diterima 26 Januari 207; Revisi 6 Februari 207; Disetujui 5 Maret, 207
2 Logika Fuzzy Logika fuzzy adalah suatu cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output (Kusumadewi, 2002). Logika fuzzy adalah merupakan salah satu komponen pembentuk soft computing, pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 965. Dasar logika fuzzy adalah teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan (membership function) menjadi ciri utama dari penalaran dengan logika fuzzy tersebut (Kusumadewi & Purnomo, 200). Fuzzy Tahani Fuzzy Tahani merupakan salah satu metode fuzzy yang menggunakan basis data standar. Pada basis data standar, data diklasifikasikan berdasarkan bagaimana data tersebut dipandang oleh user. Oleh karena itu pada basis data standar data yang ditampilkan akan keluar seperti data yang telah disimpan. Fuzzy database model Tahani masih menggunakan relasi standar, tetapi model Tahani ini menggunakan teori himpunan fuzzy pada suatu variabel untuk mendapatkan informasi pada querynya. Sehingga pada pencarian data menggunakan rumus dari derajat keanggotaan pada suatu variabel himpunan fuzzy (Kusumadewi & Purnomo, 200). Berikut ini adalah tahapan logika fuzzy model Tahani (Kahar, 203):. Menggambarkan fungsi keanggotaan (membership function) untuk setiap kriteria atau variabel fuzzy, ke dalam nilai keanggotaannya (derajat keanggotaan) yang memiliki interval antara 0 sampai, dengan pendekatan fungsi keanggotaan berbentuk kurva segitiga. 2. Fuzzifikasi adalah fase pertama dari perhitungan fuzzy yaitu pengubahan nilai tegas ke nilai fuzzy. Dimana setiap variabel fuzzy dihitung nilai derajat keanggotaanya terhadap setiap himpunan fuzzy. 3. Fuzzifikasi Query Operator yang digunakan untuk relasi dasar dalam pembentukan query pada himpunan fuzzy yaitu sebagai berikut (Kahar, 203) : a. Interseksi, operator ini berhubungan dengan operasi interseksi pada himpunan dengan menggunakan operator AND, diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunanhimpunan yang bersangkutan dengan persamaan berikut : (4) µ A B = min(µ A(x), µ B(y) )... b. Union, operator ini berhubungan dengan operasi union pada himpunan dengan menggunakan operator OR, diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen pada himpunan-himpunan yang bersangkutan dengan persamaan berikut : (5) µ A B = max(µ A(x), µ B(y) ).. c. Komplemen, operator ini berhubungan dengan operasi komplemen pada himpunan dengan menggunakan operator NOT, diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari dengan persamaan berikut ini : µ = - µ A(x).. (6) 4. Setelah diperoleh hasil operasi relasi dari pembentukan query, maka data hasil rekomendasi baik operator AND atau OR adalah nilai rekomendasi > 0. Menjelaskan kronologis penelitian, termasuk desain penelitian, prosedur penelitian (dalam bentuk algoritma, Pseudocode atau lainnya), bagaimana untuk menguji dan akuisisi data. Deskripsi dari program penelitian harus didukung referensi, sehingga penjelasan tersebut dapat diterima secara ilmiah. 3. Pembahasan 3.. Kriteria Penilaian Dalam menentukan siswa terbaik ada beberapa kriteria yang dijadikan dasar penilaian. Kriteria penilaian ini merupakan variabel input dalam penelitian ini. Adapun kriteria penilaian untuk menentukan siswa terbaik adalah sebagai berikut : ) Nilai Mata Pelajaran Matematika, Bahasa Indonesia, Bahasa Inggris dan Nilai Rata-Rata Rapor 2) Kedisiplinan Meliputi kehadiran siswa dalam mengikuti kegiatan belajar disekolah dan KNiST, 30 Maret
3 kepatuhan siswa dalam mengikuti tata tertib yang berlaku di sekolah. 3) Keaktifan Kegiatan ekstrakurikuler maupun aktif dalam organisasi-organisasi siswa di sekolah menjadi dasar penilaian kriteria ini. 4) Kepribadian Meliputi penilaian terhadap tingkah laku dan kepribadian siswa pada saat mengikuti kegiatan belajar di sekolah maupun saat berinteraksi di luar sekolah Fungsi Keanggotaan Dari kriteria penilaian untuk menentukan siswa terbaik tersebut dapat dijadikan sebagai variabel input. Dari variabel input yang sudah terbentuk maka dapat ditentukan fungsi keanggotaanya (membership function). Berikut adalah variabel input yang digunakan untuk proses penentuan siswa terbaik : Tabel. Variabel Penentuan Siswa Terbaik Nama Variabel Nilai Matematika Nilai Bahasa Indonesia Nilai Bahasa Inggris Nilai Rata- Rata Rapor Semesta Pembicaraan [0, 00] [0, 00] [0, 00] [0, 00] Kedisiplinan [0, 0] Keaktifan [0, 0] Kepribadian [0, 0] Himpunan Fuzzy Sangat Baik, Baik, Cukup,, Sangat Sangat Baik, Baik, Cukup,, Sangat Sangat Baik, Baik, Cukup,, Sangat Sangat Memuaskan, Memuaskan, Baik, Memuaskan Baik, Cukup, Baik, Cukup, Baik, Cukup, Dari variabel tersebut maka dapat dibentuk fungsi keanggotaan (membership function) dari fuzzy sebagai berikut : ) Nilai Matematika Variabel Nilai Matematika mempunyai 5 himpunan fuzzy yaitu Sangat Baik, Baik, Cukup,, Sangat. Fungsi keanggotaannya digambarkan dengan kurva sebagai berikut : µ [a ] Sumber: Hasil Penelitian (206) Gambar. Grafik Fungsi Keanggotaan Nilai Matematika Nilai Matematika adalah : ; a 30 µ Sangat [a] = µ [a] = µ Cukup [a] = µ Baik [a] = Sangat (a 35) (45 35) (55 a) (55 45) (40 a) (40 30) ; 30 a 40 0; a 40 ; 35 a 45 ; 45 a 55 0; a 35 atau a 55 (a 50) (60 50) (70 a) (70 60) ; 50 a 60 ; 60 a 70 0; a 50 atau a 70 (a 65) (65 75) (85 a) (85 75) µ Sangat Baik [a] = ; 65 a 75 ; 75 a 85 0; a 65 atau a 85 0; a 80 (a 80) (90 80) Cukup ; 80 a 90 ; a 90 Sangat Baik ) Nilai Bahasa Indonesia Variabel Nilai Bahasa Indonesia mempunyai 5 himpunan fuzzy yaitu Sangat Baik, Baik, Cukup,, Sangat. Fungsi keanggotaannya digambarkan dengan kurva sebagai berikut : Baik KNiST, 30 Maret
4 Sangat Cukup Baik Sangat Baik Sangat Cukup Baik Sangat Baik µ [b ] µ [c ] Sumber: Hasil Penelitian (206) Gambar 2. Grafik Fungsi Keanggotaan Nilai Bahasa Indonesia Nilai Bahasa Indonesia adalah : µ Sangat [b] = µ [b] = µ Cukup [b] = µ Baik [b] = (b 35) (45 35) (55 b) (55 45) ; b 30 (40 b) (40 30) ; 30 b 40 0; b 40 ; 35 b 45 ; 45 b 55 0; b 35 atau b 55 (b 50) (60 50) (70 b) (70 60) ; 50 b 60 ; 60 b 70 0; b 50 atau b 70 (b 65) (65 75) (85 b) (85 75) µ Sangat Baik [b] = ; 65 b 75 ; 75 b 85 0; b 65 atau b 85 0; b 80 (b 80) (90 80) ; 80 b 90 ; b Sumber: Hasil Penelitian (206) Gambar 3. Grafik Fungsi Keanggotaan Nilai Bahasa Inggris Nilai Bahasa Inggris adalah : µ Sangat [c] = µ [c] = µ Cukup [c] = µ Baik [c] = (c 35) (45 35) (55 c) (55 45) ; c 30 (40 c) (40 30) ; 30 c 40 0; c 40 ; 35 c 45 ; 45 c 55 0; c 35 atau c 55 (c 50) (60 50) (70 c) (70 60) ; 50 c 60 ; 60 c 70 0; c 50 atau c 70 (c 65) (65 75) (85 c) (85 75) µ Sangat Baik [c] = ; 65 c 75 ; 75 c 85 0; c 65 atau c 85 0; c 80 (c 80) (90 80) ; 80 c 90 ; c 90 3) Nilai Bahasa Inggris Variabel Nilai Bahasa Inggris mempunyai 5 himpunan fuzzy yaitu Sangat Baik, Baik, Cukup,, Sangat. Fungsi keanggotaannya digambarkan dengan kurva sebagai berikut : 4) Nilai Rata-rata Rapor Variabel Nilai Rata-rata Rapor mempunyai 5 himpunan fuzzy yaitu Sangat Memuaskan, Memuaskan, Baik, Cukup, Memuaskan. Fungsi keanggotaannya digambarkan dengan kurva sebagai berikut : KNiST, 30 Maret
5 Sangat Memuaskan Cukup Baik Memuaskan Memuaskan Cukup Baik µ [d ] µ [e ] Sumber: Hasil Penelitian (206) Gambar 4. Grafik Fungsi Keanggotaan Nilai Rata-rata Rapor Nilai Rata-rata Rapor adalah : µ Memuaskan [d] = µ Cukup [d] = µ Baik [d] = (d 53) (58 53) (63 d) (63 58) ; d 50 µ [e] = (55 d) ; 50 d 55 (55 50) 0; d 55 ; 53 d 58 ; 58 d 63 0; d 53 atau d 63 (d 60) (65 60) (70 d) (70 65) µ Memuaskan [d] = ; 60 d 65 ; 65 d 70 0; d 60 atau d 70 (d 65) (65 75) (85 d) (85 75) 00 ; 65 d 75 ; 75 d 85 0; d 65 atau d Sumber: Hasil Penelitian (206) Gambar 5. Grafik Fungsi Keanggotaan Kedisiplinan Kedisiplinan adalah : µ Cukup [e] = µ Baik [e] = ; e 2 (4 e) (4 2) 2 e 4 0; e 4 0; e 3 atau e 7 (e 3) (5 3) 3 e 5 (7 e) (7 5) 5 e 7 0; e 6 (e 6) (8 6) 6 e 8 ; e 8 6) Keaktifan Variabel Keaktifan mempunyai 3 himpunan fuzzy yaitu Baik, Cukup. Fungsi keanggotaannya digambarkan dengan kurva sebagai berikut : µ Sangat Memuaskan [d] = 0; c 80 (c 80) (90 80) ; 80 c 90 ; c 90 µ [f ] Cukup Baik 5) Kedisiplinan Variabel Kedisiplinan mempunyai 3 himpunan fuzzy yaitu Baik, Cukup. Fungsi keanggotaannya digambarkan dengan kurva sebagai berikut : Sumber: Hasil Penelitian (206) Gambar 6. Grafik Fungsi Keanggotaan Keaktifan Kedisiplinan adalah : KNiST, 30 Maret
6 µ [f] = ; f 2 (4 f) (4 2) 2 f 4 0; f 4 µ [g] = ; g 2 (4 g) (4 2) 2 g 4 0; g 4 µ Cukup [f] = 0; f 3 atau f 7 (f 3) (5 3) 3 f 5 (7 f) (7 5) 5 f 7 µ Cukup [g] = 0; g 3 atau g 7 (g 3) (5 3) 3 g 5 (7 g) (7 5) 5 g 7 µ Baik [f] = 0; f 6 (f 6) (8 6) 6 f 8 ; f 8 µ Baik [g] = 0; g 6 (g 6) (8 6) 6 g 8 ; g 8 7) Kepribadian Variabel Kepribadian mempunyai 3 himpunan fuzzy yaitu Baik, Cukup. Fungsi keanggotaannya digambarkan dengan kurva sebagai berikut : µ [g ] Cukup Baik Gambar 7. Grafik Fungsi Keanggotaan Kepribadian Kepribadian adalah : 3.3. Fuzzifikasi Berikut ini adalah data sampel dari penilaian terhadap kriteria penentuan siswa terbaik : Nama Siswa Dina Oktaviani Salman Habibie Hardi Wiranata Fika Rahmania Novia Maharani Bangga Irawan Tabel 2. Penilaian Siswa Terbaik NMT NID NIG NRR KED KEA KEP Keterangan : NMT = Nilai Matematika NID = Nilai Bahasa Indonesia NIG = Nilai Bahasa Inggris NRR = Nilai Rata-Rata Rapor KED = Kedisiplinan KEA = Keaktifan KEP = Kepribadian Dari data hasil penilaian siswa terbaik pada tabel maka nilai dari masing-masing kriteria selanjutnya dilakukan proses fuzzifikasi sesuai dengan ekspresi fungsi keanggotaan dari masing-masing kriteria yang sudah dibentuk, sebagai berikut : ) Nilai Matematika Tabel 3. Hasil Fuzzifikasi Variabel Nilai Matematika Nama Siswa NMT Derajat Keanggotaan [a] Sangat Cukup Baik Sangat Baik Dina Oktaviani Salman Habibie Hardi Wiranata Fika Rahmania Novia Maharani Bangga Irawan KNiST, 30 Maret
7 2) Nilai Bahasa Indonesia Tabel 4. Hasil Fuzzifikasi Variabel Nilai Bahasa Indonesia Nama Siswa NID Derajat Keanggotaan [b] Sangat Cukup Baik Sangat Baik Dina Oktaviani Salman Habibie Hardi Wiranata Fika Rahmania Novia Maharani Bangga Irawan ) Nilai Bahasa Inggris Tabel 5. Hasil Fuzzifikasi Variabel Nilai Bahasa Inggris Nama Siswa NIG Derajat Keanggotaan [c] Sangat Cukup Baik Sangat Baik Dina Oktaviani Salman Habibie Hardi Wiranata Fika Rahmania Novia Maharani Bangga Irawan ) Nilai Rata-Rata Rapor Tabel 6. Hasil Fuzzifikasi Variabel Nilai Rata-Rata Rapor Nama Siswa Derajat Keanggotaan [d] NR Sangat R Cukup Baik Memuaskan Memuaskan Memuaskan Dina Oktaviani Salman Habibie Hardi Wiranata Fika Rahmania Novia Maharani Bangga Irawan ) Kedisiplinan Tabel 7. Hasil Fuzzifikasi Variabel Kedisiplinan Nama Siswa KED Derajat Keanggotaan [e] Cukup Baik Dina Oktaviani Salman Habibie Hardi Wiranata Fika Rahmania Novia Maharani Bangga Irawan ) Keaktifan Tabel 8. Hasil Fuzzifikasi Variabel Keaktifan Nama Siswa KEA Derajat Keanggotaan [f] Cukup Baik Dina Oktaviani Salman Habibie Hardi Wiranata Fika Rahmania Novia Maharani Bangga Irawan ) Kedisiplinan Tabel 9. Hasil Fuzzifikasi Variabel Kedisiplinan Nama Siswa KEP Derajat Keanggotaan [g] Cukup Baik Dina Oktaviani Salman Habibie Hardi Wiranata Fika Rahmania Novia Maharani Bangga Irawan D. Fuzzifikasi Query Berikut ini adalah studi kasus untuk menyeleksi data siswa berdasarkan kriteria (variabel) penentuan siswa terbaik dengan ketentuan : ) Nilai Matematika dengan derajat keanggotaan Sangat Baik 2) Nilai Bahasa Indonesia dengan derajat keanggotaan Sangat Baik KNiST, 30 Maret
8 3) Nilai Bahasa Inggris dengan derajat keanggotaan Sangat Baik 4) Nilai Rata-rata Rapor dengan derajat keanggotaan Sangat Memuaskan 5) Kedisiplinan dengan derajat keanggotaan Baik 6) Keaktifan dengan derajat keanggotaan Baik 7) Kepribadian dengan derajat keanggotaan Baik Yang dieksekusi dengan menggunakan Structure Query Language (SQL). SQL yang dibentuk adalah sebagai berikut : SELECT nama_siswa, n_mtk, n_bind, n_bing, ratarapor, disiplin, aktif, pribadi FROM siswa_terbaik WHERE n_mtk = SgtBaik AND n_bind = SgtBaik AND n_bing Mtk = SgtBaik AND ratarapor = SgtMemuaskan AND disiplin = Baik AND aktif = Baik AND pribadi = Baik ; Dan hasil yang didapat adalah sebagai berikut : Tabel 0 Hasil Fuzzifikasi Query Penentuan Siswa Terbaik Nama Siswa Dina Oktaviani Salman Habibie Hardi Wiranata Fika Rahmania Novia Maharani Bangga Irawan NMT NID NIG NRR KED KEA KEP Simpulan Logika fuzzy Tahani dapat diterapkan untuk penentuan siswa terbaik di SMA X Jakarta dengan menggunakan nilai kriteria penilaian untuk penentuan siswa terbaik sebagai data input fuzzy. Dengan logika fuzzy Tahani penentuan siswa terbaik di SMA X Jakarta dengan memperhatikan nilai yang proporsional bagi setiap kriteria menjadi lebih adil dan akurat perekrutannya. Logika fuzzy Tahani dapat dijadikan sebagai alat bantu pendukung keputusan dalam melakukan proses penentuan siswa terbaik di sekolah. Manfaat dari hasil penelitian ini adalah diharapkan agar dapat digunakan oleh sekolah sebagai pertimbangan dalam penentuan siswa terbaik di sekolah. Manfaat kebijakan dari hasil penelitian ini dapat digunakan sebagai bahan pertimbangan bagi sekolah sebagai penunjang alat bantu dalam penentuan siswa terbaik. Penelitian ini juga dapat memberikan dasar pertimbangan bagi sekolah untuk menentukan seorang siswa yang dinilai layak menjadi siswa terbaik di sekolah. Untuk penelitian selanjutnya dapat dikembangkan lagi dari kriteria-kriteria yang ada dengan menyederhanakan ataupun menambah lagi himpunan fuzzynya. Referensi Kahar, N. (203). Sistem Pendukung Keputusan Penerima Jamkesmasda Di Kota Jambi. Konferensi Nasional Informatika Vol., Kusumadewi, S. (2002). Analisis & Desain Sistem Fuzzy Menggunakan Tool Box Matlab. Yogyakarta: Graha Ilmu. Kusumadewi, S., & Purnomo, H. (200). Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu. Naba, A. (2009). Belajar Cepat Fuzzy Logic Menggunakan MATLAB. Yogyakarta: ANDI. KNiST, 30 Maret
DECISSION SUPPORT SYSTEM MODELS DENGAN FUZZY TAHANI UNTUK PROMOSI KARYAWAN
Seminar Nasional Inovasi dan Tren (SNIT)205 DECISSION SUPPORT SYSTEM MODELS DENGAN FUZZY TAHANI UNTUK PROMOSI KARYAWAN Ghofar Taufiq Akademi Manajemen Informatika dan Komputer Bina Sarana Informatika (AMIK
Lebih terperinciLOGIKA FUZZY TAHANI UNTUK PENDUKUNG KEPUTUSAN PEREKRUTAN KARYAWAN TETAP
LOGIKA FUZZY TAHANI UNTUK PENDUKUNG KEPUTUSAN PEREKRUTAN KARYAWAN TETAP Ghofar Taufiq 1 1 Jurusan Komputerisasi Akuntansi, AMIK Bina Sarana Informatika Jakarta e-mail: 1 ghofar.gft@bsi.ac.id ABSTRACT The
Lebih terperinciFuzzy Tahani Untuk Model Pendukung Keputusan Penilaian Kinerja Guru
BINA INSANI ICT JOURNAL, Vol.4, No. 2, Desember 2017, 131-140 ISSN: 2355-3421 (Print) ISSN: 2527-9777 (Online) 131 Fuzzy Tahani Untuk Model Pendukung Keputusan Penilaian Kinerja Guru Ghofar Taufik 1,*
Lebih terperinciPEMANFAATAN METODE FUZZY TAHANI UNTUK REKRUTMEN PEMBINA PRAMUKA PADA MTS SWASTA LAMONGAN
PEMANFAATAN METODE FUZZY TAHANI UNTUK REKRUTMEN PEMBINA PRAMUKA PADA MTS SWASTA LAMONGAN Nurul Fuad Fakultas Teknik Informatika Universitas Islam Lamongan Jl Veteran No 9 Lamongan fuad@unisla.ac.id ABSTRAK
Lebih terperinciIMPLEMENTASI LOGIKA FUZZY TAHANI UNTUK MODEL SISTEM PENDUKUNG KEPUTUSAN EVALUASI KINERJA KARYAWAN
2 Jurnal Pilar Nusa Mandiri Vol.XII, No. Maret 26 IMPLEMENTASI LOGIKA FUZZY TAHANI UNTUK MODEL SISTEM PENDUKUNG KEPUTUSAN EVALUASI KINERJA KARYAWAN Ghofar Taufiq Komputerisasi Akuntansi AMIK Bina Sarana
Lebih terperinciSISTEM PENUNJANG KEPUTUSAN UNTUK PENILAIAN GURU MENGGUNAKAN MODEL LOGIKA FUZZY TAHANI
SWABUMI, Vol.5 Maret 207, pp. 90-98 ISSN : 255-990X SISTEM PENUNJANG KEPUTUSAN UNTUK PENILAIAN GURU MENGGUNAKAN MODEL LOGIKA FUZZY TAHANI Melan Susanti STMIK Nusa Mandiri Jakarta Jl. Damai No. 8 Warung
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 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 terperinciSISTEM PENUNJANG KEPUTUSAN PENERIMA BEASISWA DENGAN LOGIKA FUZZY TAHANI
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 27, pp. 59~54 59 SISTEM PENUNJANG KEPUTUSAN PENERIMA BEASISWA DENGAN LOGIKA FUZZY TAHANI Arief Rusman STMIK Nusa Mandiri Jakarta e-mail : reevust@gmail.com
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)
SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ) Dimas Wahyu Wibowo 1, Eka Larasati Amalia 2 1,2 Teknik Informatika, Politeknik Negeri
Lebih terperinciBAB II. KAJIAN PUSTAKA. A. Kinerja Pegawai di Universitas Muhammadiyah Purwokerto
BAB II. KAJIAN PUSTAKA A. Kinerja Pegawai di Universitas Muhammadiyah Purwokerto Masalah kinerja pegawai di Universitas Muhammadiyah Purwokerto sangat mendapat perhatian. Hal ini dibuktikan dengan diadakannya
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 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 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 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 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 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 terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA)
86 RANCANG BANGUN APLIKASI REKOMENDASI PEMBELIAN LAPTOP DENGAN METODE FUZZY DATABASE MODEL TAHANI BERBASIS WEB Hendry Setiawan 1, Seng Hansun 2 Program Studi Teknik Informatika, Universitas Multimedia
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 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 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 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 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 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 terperinciPenilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani M-4 Dewi Mardhiyana Universitas Pekaloangan dewimardhiyana139@gmail.com
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri.
BAB II LANDASAN TEORI 2.1 Penelusuran Minat dan Kemampuan (PMDK) PMDK adalah salah satu program penerimaan mahasiswa baru yang diselenggarakan oleh suatu perguruan tinggi secara mandiri. Sesuai dengan
Lebih terperinciSistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani
Sistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani Eddy Triswanto S., ST., M.Kom. Jurusan Sistem Informasi Institut Informatika Indonesia Jl. Raya Sukomanunggal Jaya 3, Surabaya
Lebih terperinciSaintia Matematika ISSN: Vol. 2, No. 2 (2014), pp
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 2 (2014), pp. 115 126. PERENCANAAN JUMLAH PRODUKSI MIE INSTAN DENGAN PENEGASAN (DEFUZZIFIKASI)CENTROID FUZZY MAMDANI (Studi Kasus: Jumlah Produksi Indomie
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 terperinciSISTEM REKOMENDASI PEMILIHAN KARYAWAN TETAP PADA PT. ENSEVAL PUTERA MEGATRADING MENGGUNAKAN METODE FUZZY TAHANI BERBASIS WEB
SISTEM REKOMENDASI PEMILIHAN KARYAWAN TETAP PADA PT. ENSEVAL PUTERA MEGATRADING MENGGUNAKAN METODE FUZZY TAHANI BERBASIS WEB SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana
Lebih terperinciSTUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)
STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) Desi Vinsensia Program Studi Teknik Informatika STMIK Pelita Nusantara
Lebih terperinciBAB I PENDAHULUAN. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakang Logika fuzzy merupakan salah satu komponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika
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 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 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 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 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 terperinciPENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK)
PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK) Andrian Juliansyah ( 1011287) Mahasiswa Program Studi Teknik
Lebih 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 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 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 terperinciSiska Ernida Wati, Djakaria Sebayang, Rachmad Sitepu
Saintia Matematika Vol. 1, No. 3 (2013), pp. 273 24. PERBANDINGAN METODE FUZZY DENGAN REGRESI LINIER BERGANDA DALAM PERAMALAN JUMLAH PRODUKSI (Studi Kasus Produksi Kelapa Sawit di PT. Perkebunan III (PERSERO)
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 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 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 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 terperinciPerancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani
Perancangan Aplikasi Rekomendasi Pemilihan Lokasi Rumah dengan Memanfaatkan Fuzzy Database Metode Tahani 23 Sathya Adi Dharma Program Studi Teknik Informatika Fakultas Teknologi Informasi Institut Informatika
Lebih terperincidan kesatuan nyata yang dapat digunakan dalam pengambilan keputusan. [JOG99]
BAB II LANDASAN TEORI 2.1 Sistem Pendekatan sistem yang kbih menekankan pada elemen atatu komponennya mendefinisikan suatu sistem sebagai berikut: [JOG99] Sistem adalah kumpulan dan elemen-elemen yang
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KETUA SENAT MAHASISWA DENGAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KETUA SENAT MAHASISWA DENGAN LOGIKA FUZZY Jamaludin Malik 1), Arik Sofan Tohir 2), Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email: 1) malixjams@gmail.com,
Lebih terperinciSISTEM REKOMENDASI PEMILIHAN LEMBAGA BIMBINGAN BELAJAR MENGGUNAKAN METODE FUZZY TAHANI SKRIPSI
SISTEM REKOMENDASI PEMILIHAN LEMBAGA BIMBINGAN BELAJAR MENGGUNAKAN METODE FUZZY TAHANI SKRIPSI Diajukan Untuk Memenuhi Sebagia Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom ) Program Studi Teknik
Lebih terperinciBAB II. KAJIAN PUSTAKA. Sebelum munculnya logika fuzzy, dikenal sebuah logika tegas (Scrisp
BAB II. KAJIAN PUSTAKA A. Teori Logika Fuzzy Teori fuzzy pertama kali dikenalkan oleh Lotfi A. Zadeh pada tahun 1965 pada presentasinya mengenai fuzzy sets. 1. Pengertian logika fuzzy Sebelum munculnya
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 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 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 terperinciPERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES
PERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES Nurmalitasari STMIK Duta Bangsa Surakarta nurmal_ita@yahoo.com ABSTRAK Penelitian ini bertujuan
Lebih terperinciSISTEM PENYARINGAN MAHASISWA BEASISWA PRESTASI AMIK BSI YOGYAKARTA MENGGUNAKAN FUZZY INFERENCE SYSTEM
SISTEM PENYARINGAN MAHASISWA BEASISWA PRESTASI AMIK BSI YOGYAKARTA MENGGUNAKAN FUZZY INFERENCE SYSTEM Yoyok Rohani Program Studi Manajemen Informatika AMIK BSI Yogyakarta Jalan Ring Road Barat Ambarketawang
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 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 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 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 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 terperinciAnalisa Tingkat Kebisingan di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB
Analisa Tingkat di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB Popy Meilina Jurusan Teknik Informatika Universitas Muhammadiyah Jakarta E-mail: Opi3_five@yahoo.com.sg Abstrak -- Fuzzy Logic
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. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima
Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY Hafsah, Heru Cahya Rustamaji, Yulia Inayati Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari No 2 Tambakbayan Yogyakarta
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 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 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 terperinciMEDIA PEMBELAJARAN HIMPUNAN FUZZY BERBASIS MULTIMEDIA
MEDIA PEMBELAJARAN HIMPUNAN FUZZY BERBASIS MULTIMEDIA 1 Cendi Praseptyo, 2 Ardi Pujiyanta (5295661) 1,2 Program Studi Teknik Informatika Universitas Ahmad Dahlan Prof. Dr. Soepomo, S.H., Janturan, Umbulharjo,
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 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 terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang STKIP Tapanuli Selatan merupakan perguruan tinggi yang legal dibawah Yayasan Al-Iman Padangsidimpuan berdiri berdasarkan akta notaris pada tanggal 31 Agustus 1981.
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN PENILAIAN KINERJA DOSEN DENGAN METODE FUZZY DATABASE MODEL MAMDANI
ISSN 1412 3762 http://jurnal.upi.edu/electrans ELECTRANS, VOL.12, NO.2, SEPTEMBER 2013, 161-170 SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN PENILAIAN KINERJA DOSEN DENGAN METODE FUZZY DATABASE MODEL MAMDANI
Lebih terperinciPengantar Kecerdasan Buatan (AK045218) Logika Fuzzy
Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi
Lebih terperinciBAB 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 terperinciPENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY
Seminar Nasional Sistem Informasi Indonesia, 2-4 Desember 2013 PENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY
Lebih terperinciBAB 2 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 terperinciPenilaian Kinerja RSU Lirboyo Kediri Menggunakan Metode Fuzzy Tahani
Penilaian Kinerja RSU Lirboyo Kediri Menggunakan Metode Fuzzy Tahani SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program Studi Teknik Informatika
Lebih terperinciPenggunaan Fuzzy Tahani Untuk Sistem Informasi Stok Obat & Penjualan Obat Terlaris Pada Apotek RSU Lirboyo Kediri
Penggunaan Fuzzy Tahani Untuk Sistem Informasi Stok Obat & Penjualan Obat Terlaris Pada Apotek RSU Lirboyo Kediri SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer
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 II TINJAUAN PUSTAKA DAN DASAR TEORI. Dalam tinjauan pustaka dibawah ini terdapat 5 referensi dan 1 referensi dari
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 1.1 Tinjauan Pustaka Dalam tinjauan pustaka dibawah ini terdapat 5 referensi dan 1 referensi dari penulis sebagai berikut: Tabel 2.1 Perbandingan Metode Penelitian
Lebih terperinciANALISA TINGKAT KEPUASAN MASYARAKAT DENGAN KUALITAS KINERJA KEPOLISIAN MENGGUNAKAN METODE FUZZY LOGIC SUGENO
ANALISA TINGKAT KEPUASAN MASYARAKAT DENGAN KUALITAS KINERJA KEPOLISIAN MENGGUNAKAN METODE FUZZY LOGIC SUGENO Sestri Novia Rizki Dosen Program Studi Teknik Informatika Universitas Putera Batam sestrino90@gmail.com
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 terperinciAplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy (Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap)
Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy (Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap) Sri Yulianto J.P., Indrastanti R.W., Martha Oktriani Fakultas
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas
BAB II LANDASAN TEORI Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas dalam pembuatan tugas akhir ini. Secara garis besar teori penjelasan akan dimulai dari definisi logika fuzzy,
Lebih 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 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy 2.1.1 Pendahuluan Titik awal dari konsep modern mengenai ketidakpastian adalah paper yang dibuat oleh Lofti A Zadeh, di mana Zadeh memperkenalkan teori yang memiliki
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 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 terperinciFuzzy Database. Abstrak. Pendahuluan. Pembahasan. Jarnuji.
Fuzzy Database Jarnuji Jarnuji.jarnuji@yahoo.com Abstrak Logika fuzzy merupakan alternatif cara berpikir yang dapat memodelkan kompleks sistem menggunakan pengetahuan dan pengalaman yang dipunyai logika
Lebih terperinciAnalisa Fuzzy Logic Untuk Menentukan Kepuasan Pelayanan Kinerja Pegawai BAAK (Bagian Administrasi dan Akademik) di Universitas Internasional Batam
Konferensi Nasional Sistem Informasi 2016 STT Ibnu Sina Batam, 11 13 Agustus 2016 1 Analisa Fuzzy Logic Untuk Menentukan Kepuasan Pelayanan Kinerja Pegawai BAAK (Bagian Administrasi dan Akademik) di Universitas
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 terperinciAPLIKASI BERBASIS WEB PEMILIHAN OBYEK PARIWISATA DI YOGYAKARTA MENGGUNAKAN METODE TAHANI
APLIKASI BERBASIS WEB PEMILIHAN OBYEK PARIWISATA DI YOGYAKARTA MENGGUNAKAN METODE TAHANI Hafsah1), Wilis Kaswidjanti2), Tendi R. Cili3) 1,2,3) Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari
Lebih terperinciFUZZY INFERENCE SYSTEM SUGENO UNTUK EVALUASI KINERJA PELAYANAN PEGAWAI KANTOR CAMAT BATAM KOTA
FUZZY INFERENCE SYSTEM SUGENO UNTUK EVALUASI KINERJA PELAYANAN PEGAWAI KANTOR CAMAT BATAM KOTA Alfannisa Annurullah Fajrin 1) 1 Universitas Putera Batam Email: asykharit1302@gmail.com Abstrak Dalam proses
Lebih terperinciMenentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani
Menentukan Jumlah Produksi Berdasarkan Permintaan dan Persediaan Dengan Logika Fuzzy Menggunakan Metode Mamdani Anitaria Simanullang 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED anitaria.simanullang@gmail.com
Lebih terperinciSISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH
KECERDASAN BUATAN SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH AMARILIS ARI SADELA (E1E1 10 086) SITI MUTHMAINNAH (E1E1 10 082) SAMSUL (E1E1 10 091) NUR IMRAN
Lebih terperinciPENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN
Saintia Matematika Vol. 1, No. 3 (2013), pp. 233 247. PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN Zati Azmiana, Faigiziduhu Bu ulolo, dan Partano Siagian Abstrak.
Lebih terperinciBAB 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 terperinci1. BAB I PENDAHULUAN. Kamera digital (kamera saku dan kamera semi professional) merupakan
1. BAB I PENDAHULUAN Latar Belakang Kamera digital (kamera saku dan kamera semi professional) merupakan imaging device yang sangat akrab digunakan dalam kebutuhan masyarakat modern saat ini. Kamera digital
Lebih terperinci