BAB 2 LANDASAN TEORI
|
|
- Yandi Sutedja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB 2 LANDASAN TEORI 2.1 Persediaan Pengertian Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk digunakan memenuhi tujuan tertentu, misalnya untuk proses produksi atau perakitan, untuk dijual kembali, dan untuk suku cadang dari suatu peralatan atau mesin. Sistem pengendalian persediaan dapat didefinisikan sebagai serangkaian kebijakan pengendalian untuk menentukan tingkat persediaan yang harus dijaga, kapan pesanan untuk menambah persediaan harus dilakukan dan berapa besar pesanan harus diadakan (Ginting, Rosnani, 2007). Persediaan (inventory), dalam konteks produksi, dapat diartikan sebagai sumber daya menganggur (idle resource). Sumber daya menganggur ini belum digunakan karena menunggu proses lebih lanjut. Yang dimaksud dengan proses lebih lanjut, berupa kegiatan produksi seperti dijumpai pada sistem manufaktur, kegiatan pemasaran seperti dijumpai pada sistem distribusi ataupun kegiatan konsumsi seperti pada sistem rumah tangga. Keberadaan persediaan atau sumber daya menganggur ini dalam suatu sistem mempunyai suatu tujuan tertentu. Alasan utamanya adalah karena sumber daya tertentu tidak bisa didatangkan ketika sumber daya tersebut dibutuhkan. Sehingga, untuk menjamin tersedianya sumber daya tersebut perlu adanya persediaan yang siap digunakan ketika dibutuhkan. Adanya persediaan menimbulkan konsekuensi berupa resiko-resiko tertentu yang harus ditanggung perusahaan akibat adanya persediaan tersebut. Beberapa fungsi penting yang dikandung oleh persediaan dalam memenuhi kebutuhan perusahaan, sebagai berikut: 1. Menghilangkan risiko keterlambatan pengiriman bahan baku atau barang yang dibutuhkan perusahaan.
2 2. Menghilangkan risiko jika material yang dipesan tidak baik sehinggaharus dikembalikan. 3. Menghilangkan risiko terhadap kenaikan harga barang atau inflasi. 4. Untuk menyimpan bahan baku yang dihasilkan secara musiman sehingga perusahaan tidak akan kesulitan jika bahan itu tidak tersedia dipasaran. 5. Mendapatkan keuntungan daripembelian berdasarkan potongan kuantitas (quantity discounts). 6. Memberikan pelayanan kepada pelanggan dengan tersedianya barang diperlukan Pengendalian Persediaan Alasan utama adannya persediaan adalah karena sumber daya tertentu tidak bisa didatangkan ketika sumber daya tersebut perlu adanya persediaan yang siap digunakan ketika dibutuhkan. Adanya persediaan menimbulkan konsekuensi berupa risiko-risiko tertentu yang harus ditanggung perusahaan akibat adanya persediaan tersebut. Selain itu juga perusahaan harus menanggung biaya-biaya yang timbul akibat adanya persediaan tersebut.adapun alasan perlu dalam persediaan adalah: 1. Transaction Motive menjamin kelancaran proses pemenuhan (secara ekonomis) permintaan barang harus sesuai dengan kebutuhan pemakai. 2. Precatuainary Motive meredam fluktuasi permintaan/pasokan yang tidak beraturan. 3. Speculation Motive alat spekulasi untuk mendapatkan keuntungan berlipat dikemudiaan hari.
3 2.1.3 Pengawasan Persediaan Unsur biaya yang terdapat dalam persediaan dapat digolongkan menjadi tiga, yaitu biaya pemesanan, biaya penyimpanan, dan biaya kekurangan persediaan (Herjanto, Eddy, 1999). 1. Biaya pemesanan Biaya pemesanan (ordering costs, procurement costs) adalah biaya yang dikeluarkan sehubungan dengan kegiatan pemesanan bahan/barang, sejak dari penempatan pemesanan sampai tersedianya barang digudang. Biaya pemesanan ini meliputi semua biaya yang dikeluarkan dalam rangka mengadakan pemesanan barang tersebut, yang dapat mencakup biaya administrasi dan penempatan order, biaya pemilihan vendor/pemasok, biaya pengangkutan dan bongkar muat, biaya penerimaan dan biaya pemeriksaan barang. 2. Biaya penyimpanan Biaya penyimpanan (carrying costs, holding costs) adalah biaya yang dikeluarkan berkenaan dengan diadakannya persediaan barang. Yang termasuk biaya ini, antara lain biaya sewa gudang, biaya administrasi pergudangan, gaji pelaksana pergudangan, biaya listrik, biaya modal yang tertanam dalam persediaan, biaya asuransi, atau biaya kerusakan, kehilangan atau penyusutan barang selama dalam penyimpanan. 3. Biaya kekurangan persediaan Biaya kekurangan persediaan (shortages costs, stock-out costs) adalah biaya yang timbul sebagai akibat tidak tersedianya barang pada waktu diperlukan. Biaya kekurangan persediaan ini pada dasarnya bukan biaya nyata (riil), melainkan berupa biaya kehilangan kesempatan.
4 2.2 Fungsi Persediaan Berdasarkan fungsinya, persediaan dapat dikelompokkan dalam 4 jenis, yaitu (Herjanto, Eddy, 1999): a. Fluctuation Stock Merupakan persediaan untuk menjaga terjadinya fluktuasi permintaan yang tidak dapat diperkirakan sebelumnya, dan untuk mengatasi jika terjadi kesalahan/ penyimpangan dari perkiraan penjualan, waktu produksi, atau waktu pengiriman barang. b. Anticipation Stock Merupakan persediaan yang dibutuhkan untuk menghadapi permintaan yang diramalkan, misalnya pada saat jumlah permintaan besar, tetapi kapasitas produksi tidak mampu memenuhi permintaan tersebut. Jumlah permintaan yang besar ini diakibatkan oleh sifat musiman dari suatu produk. Persediaan ini juga menjaga kemungkinan sukarnya diperoleh bahan baku, agar proses produksi tidak berhenti. c. Lot Size Inventory Merupakan persediaan yang diadakan dalam jumlah yang lebih besar daripada kebutuhan saat itu. Persediaan jenis ini dilakukan untuk mendapatkan potongan harga (discount) karena pembelian barang dalam jumlah besar. Persediaan jenis ini juga dapat menghemat biaya pengangkutan karena memperkecil frekuensi pengiriman barang dan biaya per unit pengangkutannya lebih murah. d. Pipeline/Transit Inventory Merupakan persediaan yang sedang dalam proses pengiriman dari tempat asal ke tempat di mana barang itu akan digunakan. Persediaan ini timbul karena jarak dari tempat asal ke tempat tujuan cukup jauh dan bisa memakan waktu beberapa hari atau beberapa minggu.
5 2.3 Jenis-Jenis Persediaan Persediaan dapat dikelompokkan menurut jenis dan posisi barang tersebut di dalam urutan pengerjaan produk, yaitu: a. Persediaan Bahan Baku (Raw Material Stock) Merupakan persediaan dari barang-barang yang dibutuhkan untuk proses produksi. Barang ini bisa diperoleh dari sumber-sumber alam, atau dibeli dari supplier yang menghasilkan barang tersebut. b. Persediaan Bagian Produk (Purchased Parts) Merupakan persediaan barang-barang yang terdiri dari parts yang diterima dari perusahaan lain, yang secara langsung diassembling dengan bagian lain tanpa melalui proses produksi. c. Persediaan Bahan-Bahan Pembantu (Supplies Stock) Merupakan persediaan barang-barang yang diperlukan dalam proses produksi untuk membantu kelancaran produksi, tetapi tidak merupakan bagian dari barang jadi. d. Persediaan Barang Setengah Jadi (Work in Process) Merupakan barang-barang yang belum berupa barang jadi, akan tetapi masih diproses lebih lanjut sehingga menjadi barang jadi. e. Persediaan Barang Jadi (Finished Good) Merupakan barang-barang yang selesai diproses atau diolah dalam pabrik dan siap untuk disalurkan kepada distributor, pengecer, atau langsung dijual ke pelanggan.
6 2.4 Logika Fuzzy Logika adalah ilmu yang mempelajari secara sistematis kaidah-kaidah penalaran yang absah (valid). Dalam dunia ilmu dikenal dua macam penalaran, yaitu penalaran deduktif dan penalaran induktif. Penalaran deduktif adalah penalaran untuk menarik kesimpulan berdasarkan premis-premis yang diandaikan benar dengan mengikuti pola penalaran tertentu. Sedangkan penalaran induktif adalah penalaran untuk menarik kesimpulan yang berlaku umum berdasarkan sejumlah premis yang bersifat faktual (Frans, Susilo, 2006). Logika fuzzy merupakan salah satu komponen pembentuk soft computing. Logika fuzzyadalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam ruang output. Dasar logika fuzzy adalah teori himpunan fuzzy. Dalam teori himpunan dikenal fungsi karakteristik yaitu fungsi dari himpunan semesta X ke himpunan [0,1] (Kusumadewi, Sri, 2002) Alasan Digunakan Logika Fuzzy Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain: 1. Konsep logika fuzzy mudah dimengerti. Karena logika fuzzy menggunakan dasar teori himpunan, maka konsep matematis yang mendasari penalaran fuzzy tersebut cukup mudah untuk dimengerti. 2. Logika fuzzy sangat fleksibel, artinya mampu beradaptasi dengan perubahanperubahan, dan ketidakpastian yang menyertai permasalahan. 3. Logika fuzzy memiliki toleransi terhadap data yang tidak tepat. Jika diberikan sekelompok data yang cukup homogen, dan kemudian ada beberapa data yang eksklusif, maka logika fuzzy memiliki kemampuan untuk menangani data eksklusif tersebut. 4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinier yang sangat kompleks.
7 5. Logika fuzzy dapat membangun dan mengaplikasikan pengalamanpengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. 6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvesional. 7. Logika fuzzy didasarkan pada bahasa alami. Logika fuzzy menggunakan bahasa sehari-hari sehingga mudah dimengerti Himpunan Fuzzy Himpunan didefinisikan sebagai suatu koleksi obyek-obyek yang terdefinisi secara tegas, dalam arti dapat ditentukan secara tegas (crips) apakah suatu adalah anggota himpunan itu atau tidak (Frans, Susilo, 2006). Himpunan fuzzy adalah perluasan jangkauan fungsi keanggotaan dari himpunan tegas, sehingga fungsi tersebut akan mencakup bilangan riil pada interval [0,1]. Pada himpunan tegas (crisp), nilai keanggotaan suatu item dalam suatu himpunan A, yang sering ditulis dengan, memiliki dua kemungkinan, yaitu: a. satu (1), yang mengerti bahwa satu item menjadi anggota dalam suatu himpunan. b. nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan. Contoh 2.1: Jika diketahui: { } { } { }
8 Bisa dikatakan bahwa: nilai keanggotaan 2 pada himpunan A,, karena. nilai keanggotaan 3 pada himpunan A,, karena. nilai keanggotaan 4 pada himpunan A,, karena. nilai keanggotaan 2 pada himpunan B,, karena. nilai keanggotaan 3 pada himpunan B,, karena. Atribut Himpunan Fuzzy, yaitu: a. Linguistik, yaitu penamaan suatu yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami. b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel. Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu: a. variabel fuzzy variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh: pemasukan, penyaluran, persediaan, umur, temperatur dan lainlain. b. Himpunan fuzzy Himpunan fuzzymerupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Contoh: Variabel umur, terbagi menjadi 3 himpunan fuzzy,yaitu: Muda, Parobaya, dan Tua. c. Semesta Pembicara Semesta pembicara adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan riil yang senantiasa naik (bertambah) secara monoton
9 dari kiri ke kanan. Nilai semesta pembiacara dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicara ini tidak dibatasi batas atasnya. Contoh: Semesta pembicaraan untuk variabel umur: [0 + ] d. Domain Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicara dan boleh dioperasikan dalam suatu himpunan fuzzy. Contoh: a. MUDA = [0 45] b. PAROBAYA = [35 55] c. TUA = [45 + ] Fungsi Keanggotaan Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data dengan nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Beberapa jenis fungsi yang biasa digunakan untuk mendapatkan nilai keanggotaan yaitu: Representasi Linier Pada representasi ini, pemetaan input ke derajat keanggotaannya digambarkan sebagai suatu garis lurus. Ada 2 keadaan himpunan fuzzy linier, yaitu:
10 Representasi Linier Naik Kenaikan nilai derajat keanggotaan () fuzzy dimulai pada nilai domain yang memiliki derajat keanggotaan nol bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi. Derajat keanggotaan 1 0 a b Gambar 2.1 Representasi Linier Naik (Sumber: Kusumadewi, Sri, 2002) Fungsi keanggotaan: { dengan: adalah derajat keanggotaan dari adalah variabel semesta pembicaraan a adalah nilai linguistiki b adalah nilai linguistik II
11 Representasi Linier Turun Nilai derajat keanggotaan dimulai dari nilai domain dengan keanggotaan tertinggi pada sisi kiri, kemudian bergerak turun ke nilai domain yang memiliki derajat keanggotaan lebih rendah. Derajat keanggotaan 1 0 a b Gambar 2.2 Representasi Linier Turun (Sumber: Kusumadewi, Sri, 2002) Fungsi keanggotaan: { dengan: adalah derajat keanggotaan dari adalah variabel semesta pembicaraan a adalah nilai linguistik I b adalah nilai linguistik II
12 Representasi Kurva Segitiga Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linier turun dan naik). Derajat keanggotaan 1 0 a b c Gambar 2.3 Representasi Kurva Segitiga (Sumber: Kusumadewi,Sri, 2002) Fungsi keanggotaan: { dengan: adalah derajat keanggotaan dari adalah variabel semesta pembicaraan a adalah nilai linguistik I b adalah nilai linguistik II c adalah nilai linguistik III
13 Representasi Kurva Trapesium Representasi kurva trapesium pada dasarnya merupakan kurva segitiga hanya saja beberapa titik mempunyai nilai keanggotaan satu. Derajat keanggotaan 1 0 a b c d Gambar 2.4 Representasi Kurva Trapesium (Sumber: Kusumadewi, Sri, 2002) Fungsi Keangggotaan: { dengan: adalah derajat keanggotaan dari adalah variabel semesta pembicaraan a adalah nilai linguistik I b adalah nilai linguistik II c adalah nilai linguistik III d adalah nilai linguistik IV
14 Representasi Kurva Bentuk Bahu Representasi dengan kurva segitiga, pada sisi kanan dan kirinya akan naik dan turun. Tetapi terkadang salah satu sisi dari variabel tersebut tidak mengalami perubahan. Representasi kurva bentuk bahu digunakan untuk mengakhiri variabel suatu daerah fuzzy Derajat keanggotaan 1 0 Gambar 2.5 Representasi Kurva Bentuk Bahu (Sumber: Kusumadewi,Sri, 2002) Representasi Kurva S Pada representasi ini, digunakan untuk memrepresentasikan kenaikan dan penurunan secara tidak linier. Ada 2 keadaan himpunan fuzzy linier, yaitu: Representasi Kurva S-Pertumbuhan Untuk kurva Sigmoid untuk pertumbuhan akan bergerak dari sisi paling kiri (nilai keangotaan=0) ke sisi paling kanan (nilai keanggotaan=1).
15 Derajat Keanggotaan 1 0 a b c Gambar 2.6 Representasi Kurva S-Pertumbuhan (Sumber: Kusumadewi, Sri, 2002) Fungsi Keangggotaan: { dengan: adalah derajat keanggotaan dari adalah variabel semesta pembicaraan a adalah nilai linguistik I b adalah nilai linguistik II c adalah nilai linguistik III
16 Representasi Kurva S-Penyusutan Untuk kurva Sigmoid untuk penyusutan akan bergerak dari sisi paling kanan (nilai keangotaan=1) ke sisi paling kiri (nilai keanggotaan=0) Derajat Keanggotaan 1 0 a b c Gambar 2.7 Representasi Kurva S-Penyusutan (Sumber: Kusumadewi, Sri, 2002) Fungsi Keangggotaan: { dengan: adalah derajat keanggotaan dari adalah variabel semesta pembicaraan a adalah nilai linguistiki b adalah nilai linguistik II c adalah nilai linguistik III
17 Representasi Kurva Bentuk Lonceng Representasi dengan kurva bentuk lonceng menggunakan 2 parameter: 1. γ untuk titik puncak lonceng 2. β untuk separuh dari separuh bagian lonceng. Dengan titik infleksi memberikan nilai keanggotaan = 0.5, Jika β sangat besar, maka nilai keanggotaannya bisa menjadi nol. Derajat Keanggotaan Titik infleksi, γ-β Pusat γ 1 Titik infleksi, γ+β 0,5 0 β β β β Domain Gambar 2.8 Representasi Kurva Bentuk Lonceng (Sumber: Kusumadewi, Sri, 2002) Operasi pada Himpunan Fuzzy Nilai keanggotaan sebagai hasil dari operasi 2 himpunan dikenal dengan nama fire strength atau. Ada beberapa operasi yang didefinisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan fuzzy (Setiadji, 2009), yaitu: a. Operator and (interseksi atau irisan) Operator ini berhubungan dengan operasi interseksi pada himpunan. sebagai hasil operasi dengan operator and diperoleh dengan mengambil nilai
18 keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan. = min (, ) b. Operator or (uniuon atau gabungan) Operator ini berhubungan dengan operasi union pada himpunan. sebagai hasil operasi dengan operator or diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen pada himpunan-himpunan yang bersangkutan. = ma (, ) c. Operator not (komplemen) Operator ini berhubungan dengan operasi komplemen pada himpunan. sebagai hasil operasi dengan operator not diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari 1. = Fungsi Implikasi Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan berhubungan dengan suatu relasi fuzzy. Bentuk umum proposisi menggunakan operator fuzzy adalah: Jika adalah A maka y adalah B Dengan dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Proposisi yang mengikuti Jika disebut sebagai anteseden, sedangkan proposisi yang mengikuti maka disebut sebagai konsekuen. Proposisi ini dapat diperluas dengan menggunakan operator fuzzy, yaitu: Jika ( 1 adalah A 1 ) ( 2 adalah A 2 ) ( 3 adalah A 3 )... ( n adalah A n ) maka y adalah B dengan: adalah operator (misal: OR atau AND).
19 Secara umum, ada 2 fungsi implikasi yang dapat digunakan, yaitu: 1. Min (minimum). Fungsi ini akan memotong output himpunan fuzzy. Gambar 2.9 menunjukan salah satu contoh penggunaan fungsi min. Contoh penggunaan fungsi min untuk kasus persediaan kertas seperti terlihat pada Gambar 2.9 berikut: Aplikasi operator AND Aplikasi fungsi implikasi MIN Jika Permintaan TINGGI dan Biaya Produksi SEDANG maka Persediaan Normal Gambar 2.9 Fungsi Implikasi: MIN 2. Dot (product) Fungsi ini akan menskala output himpunan fuzzy. Gambar 3.0 menunjukan salah satu contoh penggunaan fungsi fuzzy dot. Aplikasi operator AND Aplikasi fungsi implikasi Dot (product) Jika Permintaan TINGGI dan Biaya Produksi SEDANG maka Persediaan Normal Gambar 3.0 Fungsi Implikasi: DOT
20 2.4.6 Sistem Inferensi Fuzzy Salah satu aplikasi logika fuzzy yang telah berkembang sangat luas adalah sistem inferensi fuzzy (Fuzzy Inference System/FIS), yaitu sistem komputasi yang bekerja atas dasar prinsip penalaran fuzzy, seperti halnya manusia melakukan penalaran dengan nalurinya. Misalnya penentuan persediaan kertas, sistem pendukung keputusan, sistem klasifikasi data, sistem pakar, sistem pengenalan pola, robotika, dan sebagainya. Dalam penelitian ini akan dibahas salah satu dari proses semacam itu, yaitu penentuan persediaan kertas. Sistem ini berfungsi untuk mengambil keputusan melalui proses tertentu dengan mempergunakan aturan inferensi berdasarkan logika fuzzy. Pada dasarnya sistem inferensi fuzzy terdiri dari empat unit, yaitu: a. Unit fuzzifikasi (fuzzification unit). b. Unit penalaran logika fuzzy (fuzzy logic reasoning unit). c. Unit basis pengetahuan (knowledge base unit), yang terdiri dari dua bagian: 1) Basis data (data base), yang memuat fungsi-fungsi keanggotaan dari himpunan-himpunan fuzzy yang terkait dengan nilai dari variabel linguistiknya. 2) Basis aturan (rule base), yang memuat aturan-aturan berupa implikasi fuzzy. d. Unit defuzzifikasi atau unit penegasan (defuzzification unit) Metode Fuzzy Sugeno Penalaran metode fuzzy Sugeno hampir sama dengan penalaran metode fuzzy Mamdani yang sering dikenal dengan metode Ma-Min, hanya saja output sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linier. Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun Perbedaan antara metode fuzzy Mamdani dan metode fuzzy Sugeno ada pada konsekuen.
21 Metode fuzzy Sugeno menggunakan konstanta atau fungsi matematika dari variabel input: jika a adalah Ã, dengan a, b dan c adalah variabel, i dan himpunan fuzzy ke-i untuk a dan b, dan f(a,b) adalah fungsi matematik. Untuk mendapatkan output (hasil) pada metode fuzzy Sugeno, maka terdapat 4 langkah sebagai berikut: 1. Pembentukan himpunan fuzzy Menentukan semua variabel yang terkait dalam proses yang akan ditentukan. Untuk masing-masing variabel input, tentukan suatu fungsi fuzzifikasi yang sesuai. 2. Pembentukan aturan dasar fuzzy Menyusun basis aturan, yaitu aturan-aturan berupa implikasi-implikasi fuzzy yang menyatakan relasi antara variabel input dengan variabel output. Bentuk umumnya adalah sebagai berikut: jika a adalah Ãi, dengan a, b dan c adalah predikat fuzzy yang merupakan variabel, i dan himpunan fuzzy ke-i untuk a dan b, dan f(a,b) adalah fungsi matematik. Banyaknya aturan ditentukan oleh banyaknya nilai variabel untuk masing-masing variabel input. 3. Komposisi aturan Apabila sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Metode yang digunakan dalam melakukan inferensi sistem fuzzy adalah metode Min (minimum). Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai minimum aturan, kemudian menggunakan nilai tersebut untuk memodifikasi daerah fuzzy dan
22 mengaplikasikannya ke output dengan menggunakan operator OR (gabungan). Jika semua proporsi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang merefleksikan kontribusi dari tiap-tiap proporsi. Secara umum dapat dituliskan sebagai berikut: = min (, ) dengan: = nilai keanggotaan solusi fuzzy sampai aturan ke-i = nilai keanggotaan konsekuen fuzzy aturan ke-i 4. Penegasan Masukan dari proses penegasan adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan rill yang tegas. Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka dapat diambil suatu nilai tegas tertentu sebagai output. Apabila komposisi aturan menggunakan metode fuzzy Sugeno maka defuzzifikasi (Z) dilakukan dengan cara mencari nilai rata-rata terpusatnya. dengan: N= Banyaknya representasi aturan fuzzy = dari aturan fuzzy ke-i N i z i i 1 N i i 1 = Nilai perkiraan pada anteseden aturan ke-i Z = Nilai outputcrisp/nilai tegas
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Permintaan 2.1.1 Pengertian Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat pendapatan tertentu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI 2.1 Pengertiaan Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk digunakan memenuhi tujuan tertentu, misalnya untuk proses produksi atau perakitan,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1 Persediaan 2.1.1 Definisi Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk proses produksi atau perakitan,
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 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 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 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 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 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Pengendalian Persediaan 2.1.1 Definisi Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk proses
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 terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Himpunan Himpunan adalah setiap daftar, kumpulan atau kelas objek-objek yang didefenisikan secara jelas, objek-objek dalam himpunan-himpunan yang dapat berupa apa saja: bilangan, orang,
Lebih 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 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 terperinciBAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA A. Penjurusan di SMA Sepanjang perkembangan Pendidikan formal di Indonesia teramati bahwa penjurusan di SMA telah dilaksanakan sejak awal kemerdekaan yaitu tahun 1945 sampai sekarang,
Lebih 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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah suatu kumpulan atau koleksi objek-objek yang mempunyai kesamaan sifat tertentu. Objek ini disebut elemen-elemen atau anggota-anggota dari himpunan (Frans
Lebih 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 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 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 terperinciMENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO
MENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANZA MENGGUNAKAN METODE TSUKAMOTO Ganjar Ramadhan Jurusan Teknik Informatika, Universitas Islam Negeri Syarif Hidayatullah Jakarta Email : ganjar.ramadhan05@yahoo.com
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Game dan Video Game Menurut kamus Cambridge Advanced Learner Dictionary, game adalah sebuah aktivitas menghibur dan menyenangkan yang dimainkan oleh anak anak. Sedangkan video
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini
Lebih terperinciBAB 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 terperinciKECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana
Logika Fuzzy KECERDASAN BUATAN (Artificial Intelligence) Materi 8 Entin Martiana 1 Kasus fuzzy dalam kehidupan sehari-hari Tinggi badan saya: Andi menilai bahwa tinggi badan saya termasuk tinggi Nina menilai
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Persediaan pada Supply Chain Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk proses produksi atau perakitan,
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 terperinciAplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic
Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha Menggunakan Fuzzy Logic 1. Pendahuluan Jual beli motor merupakan suatu kegiatan transaksi yang mungkin sering kita temukan di kehidupan sehari-hari. Untuk
Lebih 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 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 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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Persediaan 2.1.1 Pengertian Persediaan Masalah umum pada suatu model persediaan bersumber dari kejadian yang dihadapi setiap saat dibidang usaha, baik dagang ataupun industri.
Lebih terperinciMATERI KULIAH (PERTEMUAN 12,13) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy. Politeknik Negeri Sriwijaya Palembang
HIMPUNAN FUZZY MATERI KULIAH (PERTEMUAN 2,3) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy Jurusan Teknik Komputer Politeknik Negeri Sriwijaya Palembang Pokok Bahasan Sistem fuzzy Logika fuzzy Aplikasi
Lebih terperinciBerupa persediaan barang berwujud yang digunakan dalam proses produksi. Diperoleh dari sumber alam atau dibeli dari supplier
Hand Out Manajemen Keuangan I Disusun oleh Nila Firdausi Nuzula Digunakan untuk melengkapi buku wajib Inventory Management Persediaan berguna untuk : a. Menghilangkan resiko keterlambatan datangnya bahan
Lebih terperinciBAB II: TINJAUAN PUSTAKA
BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali
Lebih 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 terperinciBAB 2 LANDASAN TEORI. 2.1 Arti dan Peranan Pengendalian Persediaan Produksi
BAB 2 LANDASAN TEORI 2.1 Arti dan Peranan Pengendalian Persediaan Produksi Persediaan dapat diartikan sebagai bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sistem Pendukung Keputusan dapat diartikan sebagai sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan dalam situasi tertentu. Sistem
Lebih terperinciMANAJEMEN PERSEDIAAN
MANAJEMEN PERSEDIAAN PERSEDIAAN: BAHAN / BARANG YG DISIMPAN & AKAN DIGUNAKAN UTK MEMENUHI TUJUAN TERTENTU MISAL UTK PROSES PRODUKSI / PERAKITAN, UNTUK DIJUAL KEMBALI & UTK SUKU CADANG DR SUATU PERALATAN
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Penelitian dengan judul Pemodelan Untuk Menentukan Kecukupan Angka Gizi Ibu Hamil. Penentuan status kecukupan angka gizi ibu hamil dilakukan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Arti dan Peranan Persediaan Merujuk pada penjelasan Herjanto (1999), persediaan dapat diartikan sebagai bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan
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 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 terperincike dalam suatu ruang output. Orang yang belum pernah mengenal logika fuzzy pasti
BAB II LANDASAN TEORI 2.1 Logika Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Orang yang belum pernah mengenal logika fuzzy pasti akan
Lebih terperinciBAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem Definisi Sistem
BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem 2.1.1 Definisi Sistem Menurut Mustakini (2009:34), Sistem dapat didefinisikan dengan pendekatan prosedur dan pendekatan komponen, sistem dapat didefinisikan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Arti dan Peranan Pengendalian Persediaan Persediaan dapat diartikan sebagai bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk proses
Lebih terperinciPenerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi
Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Berdasarkan Data Persediaan dan Jumlah Permintaan Ria Rahmadita Surbakti 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED riarahmadita@gmail.com
Lebih terperinciBAB 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 terperinciIMPLEMENTASI FUZZY MAMDANI PENENTUAN OPTIMASI PERSEDIAAN STOK PRODUK BARANG DALAM SEBUAH PERUSAHAAN DEFI IRWANSYAH
IMPLEMENTASI FUZZY MAMDANI PENENTUAN OPTIMASI PERSEDIAAN STOK PRODUK BARANG DALAM SEBUAH PERUSAHAAN DEFI IRWANSYAH Dosen Teknik Industri Universitas Malikussaleh Lhokseumawe ABSTRAK Sebuah perusahaan membutuhkan
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 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 terperinciPENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO
PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO Asrianda 1 asrianda@unimal.ac.id Abstrak Bertambahnya permintaan mahasiswa atas kebutuhan makan seharihari, berkembangnya usaha warung
Lebih terperinciLogika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy.
LOGIKA FUZZY UTHIE Intro Pendahuluan Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy. Lotfi Asker Zadeh adalah seorang ilmuwan
Lebih 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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Persediaan merupakan suatu aktiva yang meliputi barang-barang milik perusahaan dengan maksud untuk dijual dalam suatu periode usaha tertentu, atau persediaan barang-barang yang masi
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya
Aplikasi Sistem Inferensi Fuzzy Metode Sugeno dalam Memperkirakan Produksi Air Mineral dalam Kemasan Oleh Suwandi NRP 1209201724 Dosen Pembimbing 1. Prof. Dr M. Isa Irawan, MT 2. Dr Imam Mukhlash, MT Institut
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bab ini berisi tentang pemahaman dari logika fuzzy dan data mining. Pada bab ini juga akan dijelaskan bagian-bagian yang perlu diketahui dalam logika fuzzy dan data mining, sehingga
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI A. Kelapa Sawit Kelapa sawit adalah tumbuhan industri/ perkebunan yang berguna sebagai penghasil minyak masak, minyak industri, maupun bahan bakar. Pohon Kelapa Sawit terdiri dari
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 terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Persediaan Persediaan dapat diartikan sebagai aktiva yang meliputi barang-barang milik perusahaan dengan maksud untuk dijual dalam suatu periode tertentu, atau persediaan
Lebih terperinciHimpunan Tegas (Crisp)
Logika Fuzzy Logika Fuzzy Suatu cara untuk merepresentasikan dan menangani masalah ketidakpastian (keraguan, ketidaktepatan, kekuranglengkapan informasi, dan kebenaran yang bersifat sebagian). Fuzzy System
Lebih terperinciLogika Himpunan Fuzzy
Logika Himpunan Fuzzy 1 Fungsi Keanggotaan untuk crisp logic True False 1 0 80F Panas Temperature f temperature >= 25C, Panas (1 atau Benar); f temperature < 25C, tidak Panas (0 atau Salah). Fungsi keanggotaan
Lebih terperinciI. PENDAHULUAN Sebagai perusahaan yang memproduksi trafo, PT Bambang Djaja harus merencanakan dengan baik
Inventory control System Untuk Menentukan Order quantity dan Reorder point Bahan Baku Pokok Transformer Menggunakan Metode Fuzzy (Studi Kasus : PT Bambang Djaja Surabaya) Denia Fadila Rusman Jurusan Sistem
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini.
BAB II LANDASAN TEORI Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini. 2.1 CLUSTERING Clustering adalah proses pengelompokkan suatu
Lebih terperinciBAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan sistem yang kompleks. Logika fuzzy memberikan rangka kerja yang kuat dalam memecahkan masalah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Persediaan 2.1.1 Pengertian Persediaan Setiap perusahaan, apakah perusahaan itu perusahaan jasa ataupun perusahaan manufaktur, selalu memerlukan persediaan. Tanpa adanya persediaaan,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pengertian Manajemen Produksi dan Operasi Manajemen produksi terdiri dari dua kata yaitu manajemen dan produksi maka dari itu sebelum mengetahui mengenai manajemen produksi
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 terperinciLogika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy.
LOGIKA FUZZY UTHIE Pendahuluan Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy. Lotfi Asker Zadeh adalah seorang ilmuwan Amerika
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 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Persediaan 2.1.1 Pengertian Persediaan Pada setiap perusahaan, baik perusahaan kecil, perusahaan menengah maupun perusahaan besar, persediaan sangat penting bagi kelangsungan
Lebih terperinciBAB 2 2. LANDASAN TEORI
BAB 2 2. LANDASAN TEORI Bab ini akan menjelaskan mengenai logika fuzzy yang digunakan, himpunan fuzzy, penalaran fuzzy dengan metode Sugeno, dan stereo vision. 2.1 Logika Fuzzy Logika fuzzy adalah suatu
Lebih 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. 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEOI 2.1 Pengertian Pengendalian Persediaan Persediaan dapat diartikan sebagai bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk proses produksi
Lebih terperinciBAB II KAJIAN PUSTAKA. 1. Pengertian Penyakit Jantung Koroner (Coronary Heart Disease) jaringan pembuluh lebih kecil yang efisien (Iman, 2001:13).
BAB II KAJIAN PUSTAKA A. Penyakit Jantung Koroner 1. Pengertian Penyakit Jantung Koroner (Coronary Heart Disease) Penyakit Jatung Koroner (PJK) adalah suatu kelainan yang disebabkan oleh penyempitan atau
Lebih terperinciRANCANG BANGUN SISTEM PENGUNDIAN SEPAKBOLA MENGGUNAKAN LOGIKA FUZZY
RANCANG BANGUN SISTEM PENGUNDIAN SEPAKBOLA MENGGUNAKAN LOGIKA FUZZY Irving Vitra Paputungan, Denni Irawan Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia Jl. Kaliurang
Lebih terperinciSISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH
KECERDASAN BUATAN SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH AMARILIS ARI SADELA (E1E1 10 086) SITI MUTHMAINNAH (E1E1 10 082) SAMSUL (E1E1 10 091) NUR IMRAN
Lebih terperinciBAB 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 terperinciBAB II KONSEP PERSEDIAAN DAN EOQ. menghasilkan barang akhir, termasuk barang akhirnya sendiri yang akan di jual
BAB II KONSEP PERSEDIAAN DAN EOQ II.1 Pengertian Persediaan Persediaaan adalah semua sediaan barang- barang untuk keperluan menghasilkan barang akhir, termasuk barang akhirnya sendiri yang akan di jual
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 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 terperinciPenerapan Logika Fuzzy
1 Penerapan Logika Fuzzy M. Faisal Baehaki - 13506108 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia 1 m_faisal_b@yahoo.com
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang harus dipenuhi setiap harinya. Beras memiliki peranan penting dalam kelangsungan hidup manusia. Untuk memenuhi
Lebih 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 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 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 terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pentingnya Persediaan Bagi Perusahaan Suatu perusahaan akan selalu mempunyai persediaan, baik persediaan berupa persediaan bahan baku, persediaan barang setengah jadi ataupun persediaan
Lebih terperinciANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5.
ANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5. Indah Pratiwi Jurusan Teknik Industri, Universitas Muhammadiyah Surakarta Jl. A. Yani
Lebih terperinciAnalisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic
Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau
Lebih terperinciBAB IV METODOLOGI. Gambar 4.1 Model keseimbangan air pada waduk (Sumber : Noor jannah,2004)
BAB IV METODOLOGI 4.1 Sistem Pengoperasian Waduk. Tujuan di bangun suatu sistem waduk sangat mempengaruhi strategi pengoperasian sistem waduk yang bersangkutan. Dalam mengembangkan model optimasi pengoperasian
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan (SPK) Konsep Sistem Pendukung Keputusan (SPK) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab landasan teori bertujuan untuk memberikan penjelasan mengenai metode atau pun teori yang digunakan dalam laporan tugas akhir ini, sehingga dapat membangun pemahaman yang sama antara
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bagian ini diberikan beberapa konsep dasar yang menjadi landasan berpikir dalam penelitian ini, seperti pengertian persediaan, metode program linier. 2.1. Persediaan 2.1.1. Pengertian
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 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 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 terperinci