APLIKASI PREDIKSI BERAT BADAN BERDASARKAN CITRA DIGITAL MENGGUNAKAN LOGIKA FUZZY
|
|
- Sugiarto Hermawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Seminar Nasional Teknologi Informasi 2016 A9 APLIKASI PREDIKSI BERAT BADAN BERDASARKAN CITRA DIGITAL MENGGUNAKAN LOGIKA FUZZY Reinaldo Noviandri 1) Yulius Denny Prabowo 2) Teknik Informatika Institut Teknologi dan Bisnis Kalbis Jl. Pulomas Selatan Kav.22 Jakarta Timur reinaldo.noviandri@gmail.com 1), yulius.prabowo@kalbis.ac.id 2) ABSTRACT This research aims to build an application to predict body weight through a photo taken with a camera. To determine a person s weight, generally require a weight gauge that is commonly called as a weight scale. Because the shape is large enough, weight scale is quite difficult to bring. To determine body weight from the photo, author use the method of computer vision and fuzzy logic, computer vision can be used to determine the height and width of objects visible in the photo, then those values are processed using fuzzy logic. After being tested on seven people, the result showed that the application error rate is 8,57%. Key words Computer vision, fuzzy logic 1. Pendahuluan Computer vision merupakan metode yang dapat membantu komputer untuk mengenali masukan berupa citra [1]. Pada penelitian ini metode computer vision digunakan untuk memperoleh data berupa tinggi dan lebar badan seseorang dari fotonya. Logika fuzzy merupakan sebuah logika yang dapat merepresentasikan ketidakpastian, ketidakjelasan, ketidaktepatan, kekurangan informasi, dan kebenaran parsial yang diperkenalkan oleh Lotfi A. Zadeh pada tahun 1965 [2]. Di pedesaan Kamuli, Uganda, sebuah studi sudah dikembangkan di mana prediksi berat badan dapat dilakukan berdasarkan macam-macam ukuran badan. Dalam studi ini digunakan data dari 411 ekor babi. Untuk melakukan perhitungan prediksi berat badan, digunakan lima acuan ukuran badan yaitu, panjang badan, ketebalan dada, tinggi, lebar badan, dan bagian panggul. Model prediksi dibuat dengan cara membuat regresi berat badan dari ukuran-ukuran badan babi [3]. Selain itu, di pedesaan Kenya bagian barat, terdapat juga studi untuk menghitung estimasi berat badan babi menggunakan panjang badan dan ukuran lilitan badan babi tersebut. Dalam studi ini sampel acak diperoleh dari 288 peternakan babi. Model prediksi dibuat menggunakan 75% dari data yang ada dan divalidasi menggunakan 25% sisanya. Berat badan diregresikan menggunakan analisis model campuran [4]. Pada penelitian ini, informasi yang digunakan untuk memprediksi berat badan adalah tinggi dan lebar badan yang terlihat pada citra, lalu data tersebut diolah menggunakan logika fuzzy untuk menentukan kisaran berat badan seseorang yang ada dalam citra tersebut. Sebagai data awal digunakan foto dan perhitungan berat badan secara manual, data berat badan aktual digunakan sebagai pembanding akurasi dari aplikasi yang dibuat. Batasan masalah yang ada ialah jumlah orang dalam setiap citra hanya satu, jarak antara orang dengan kamera yang digunakan sejauh 2 meter hingga 2,5 meter. Posisi orang harus berdiri tegap dan menghadap ke kamera. Latar belakang yang digunakan adalah latar belakang polos tanpa motif. 2. Metodologi Penelitian Computer vision merupakan sekumpulan metode yang dapat membuat komputer mampu menerima masukan berupa citra. Secara teknis, computer visionakan menggunakan komputer untuk memperoleh, memproses, dan menganalisis sebuah citra digital. Sebagai contoh manusia dapat membedakan botol parfum dan botol minum hanya dengan melihatnya saja. Namun di komputer, kedua citra tersebut mempunyai bentuk yang hampir sama sehingga sulit untuk membedakannya [1]. Dalam computer vision untuk menganalisa sebuah citra digital, maka diperlukan proses pengolahan citra. Secara umum, langkah-langkah proses pengolahan citra yaitu, akuisisi citra, image preprocessing, segmentasi, representasi dan deskripsi, interpretasi dan pengenalan, dan basis pengetahuan [5]. Namun, pada penelitian ini hanya digunakan tiga langkah yaitu akuisisi citra, image preprocessing, dan segmentasi. Akuisisi citra bertujuan untuk menentukan data yang diperlukan dan metode perekaman untuk memperoleh citra digital tersebut [5].Terdapat dua gambar sebagai data, gambar pertama berupa latar belakang tanpa objek, dan gambar kedua terdapatobjek di dalamnya Jarak antara kamera dengan objek pada saat pengambilan gambar pertama dan kedua sama. Objek yang terdapat pada citra digital tersebut harus memenuhi kriteria dan batasan yang sudah ada agar tidak mengganggu proses pengolahan citra. 47
2 A9 Seminar Nasional Teknologi Informasi 2016 Setelah citra diakuisisi, citra tersebut kemudian diolah untuk meningkatkan kualitas citra hasil dari tahapan akuisisi citra sebelumnya. Ada empat tahapan image preprocessingyang digunakan dalam penelitian ini, yaitu [5]: 1. Peningkatan kualitas citra. Peningkatan kualitas citra pada penelitian ini dilakukan dengan cara: a. Mengubah menjadi citra grayscale, untuk mempermudah pemrosesan citra selanjutnya.langkah ini dilakukan dengan mengubah piksel warna yang terdiri dari tiga bagian (Red, Green, Blue) menjadi skala keabuan. b. Memperhalus sudut-sudut objek sehingga dapat mempermudah proses pendeteksian. c. Mempertajam lagi objek yang ada pada citra untuk mempermudah pendeteksian. 2. Menghilangkan derau Untuk menghilangkan derau, dilakukan proses pengurangan resolusi citra dari 3072 x 4096 piksel menjadi 819 x 614 piksel. Hasilnya adalah derau yang terlihat pada citra awal dapat hilang, dampaknya proses pengolahan citra menjadi lebih cepat dibanding sebelum dilakukan penghilangan derau. 3. Perbaikan Citra Perbaikan citra dilakukan dengan menyambungkan garis-garis putus yang menjadi batas antara objek dan latar belakang sehingga batasan-batasan objek dapat terlihat dengan jelas. 4. Menentukan citra yang akan diobservasi Untuk menentukan citra yang akan diobservasi, maka pada penelitian ini dilakukan proses pengambilan nilai absolut dari dua citra yang telah diperoleh pada proses akuisisi citra. Hal ini dilakukan untuk menghitung perbedaan piksel secara absolut antara citra pertama dan kedua. Citra pertama merupakan gambar latar belakang tanpa objek, sedangkan citra kedua merupakan citra dengan objek namun dengan posisi kamera yang sama sehingga satu-satunya perbedaan dari kedua citra adalah adanya objek pada citra pertama tersebut. Setelah image preprocessing dilakukan,langkah selanjutnya adalah segmentasi. Segmentasi ini bertujuan untuk mempartisi citra menjadi bagianbagian pokok yang mengandung informasi penting [5]. Pada penelitian ini, tahapan segmentasi dilakukan dengan cara mencari kontur dari objek yang terdapat pada citra akan dicari, setelah ditemukan, kontur tersebut akan membentuk garis membentuk persegi panjang sesuai dengan tinggi dan lebar objek. Kerangka pikir yang digunakan dalam penelitian ini dapat dilihat pada gambar 1. Gambar 1 Alur pembangunan aplikasi Pada gambar 2 terlihat bahwa terdapat beberapa kontur yang terdeteksi. Terdapat kontur besar yang mengelilingi objek membentuk persegi panjang, namun banyak juga terdapat kontur-kontur kecil yang terdeteksi di sekitar objek. Kontur-kontur kecil ini bukan merupakan pendeteksian kontur seperti yang sudah direncanakan, yaitu kontur seharusnya hanya terdapat pada batasan objek dan latar belakang. Sesuai dengan rancangan, apabila kontur yang dideteksi belum cukup baik, maka pendeteksian kontur akan dilakukan secara manual, dengan cara pengkotakkan pada citra akan dibuat secara manual. Gambar 2 Hasil deteksi kontur 48
3 Seminar Nasional Teknologi Informasi 2016 A9 Setelah kontur terdeteksi dengan baik, maka akan terlihat tinggi dan lebar objek yang ada pada citra tesebut. Kedua nilai ini akan digunakan sebagai input untuk fuzzy inferensi Tsukamoto pengolahan fuzzy inferensi Tsukamoto. Data tersebut dapat dilihat pada tabel 1. Tabel 1 Data tinggi, lebar, dan berat badan Gambar 3 Hasil deteksi kontur secara manual Logika fuzzy merupakan sebuah logika yang dapat merepresentasikan ketidakpastian, ketidakjelasan, ketidaktepatan, kekurangan informasi, dan kebenaran parsial. Logika ini diperkenalkan oleh Lotfi A. Zadeh pada tahun Sebagai contoh, logika fuzzy dapat membantu menentukan nilai 8,3 pada ujian apakah dapat dikatakan bagus atau tidak bagus apabila nilai 9 dapat dikatakan bagus, dan nilai 8 dapat dikatakan tidak bagus [2]. Metode Tsukamoto merupakan salah satu metode yang digunakan dalam fuzzy inference system. Dalam setiap fuzzy inference system terdapat sistem yang terdiri dari himpunan fuzzy, variabel fuzzy, dan nilai keanggotaan. Nilai keanggotaan merupakan sebuah nilai yang merepresentasikan himpunan fuzzy. Nilai keanggotaan himpunan fuzzy tidak hanya berada pada nol ataupun satu, tetapi juga terletak di antaranya [6]. Tahapan yang dilakukan untuk melakukan pengolahan fuzzy adalah [7]: 1. Pembentukan himpunan fuzzy Di tahap ini nilai himpunan fuzzy akan ditentukan berdasarkan variabel fuzzy,inputberupa tinggi dan lebar setelah pendeteksian kontur dan data yang sudah diperoleh sebelumnya untuk membuat kurva fungsi keanggotaannya. Data yang sudah diambil berupa foto objek tersebut dan berat badannya setelah dilakukan penimbangan menggunakan alat timbangan Setelah itu, foto yang sudah diperoleh sebelumnya dihitung tinggi dan lebarnya menggunakan aplikasi sehingga menghasilkan nilai dalam satuan piksel. Nilai tersebut berupa tinggi, lebar, dan berat badan asli dari pengambilan data digunakan untuk Tinggi Lebar Berat Asli 49
4 A9 Seminar Nasional Teknologi Informasi 2016 Setelah itu, nilai himpunan fuzzy ditentukan bedasarkan variabel dan himpunan fuzzyvariabel input maupun variabel output masing-masing dibagi menjadi dua himpunan fuzzy. Untuk menampung dua himpunan tersebut, digunakan tiga variabel fuzzy, yaitu : a. Tinggi, yang merupakan tinggi objek yang ada di dalam citra. Variabel tersebut terdiri dari dua himpunan fuzzy, yaitu SEDIKIT dan BANYAK. b. Lebar, yang merupakan lebar objek yang ada di dalam citra. Variabel tersebut terdiri dari dua himpunan fuzzy, yaitu SEDIKIT dan BANYAK. c. Output-nya berupa berat badan objek yang terdapat di dalam citra. Variabel ini terdiri dari dua himpunan fuzzy, yaitu BERKURANG dan BERTAMBAH. 2. Penerapan fungsi implikasi Pada tahap ini, setiap konsekuen yang ada dibuat menggunakan aturan if-then. Lalu setiap aturan tersebut dievaluasi dalam mesin inferensi, metode fuzzy Tsukamoto menggunakan fungsi implikasi min untuk mendapatkan nilai α-predikat tiap-tiap rule (α1, α2, α3,... αn). Masing-masing nilai α-predikat digunakan untuk menghitung hasil inferensi secara tegas (crisp) pada masing-masing aturan (z1, z2, z3,... zn). Untuk mendapatkan daerah hasil implikasi diperlukan sejumlah aturan. Jumlah aturan yang terbentuk dari himpunan fuzzy dan variabel fuzzy adalah empat buah. Empat aturan yang digunakan adalah sebagai berikut : a. Jika tinggi SEDIKIT dan lebar BANYAK maka berat BERKURANG. b. Jika tinggi SEDIKIT dan lebar SEDIKIT maka berat BERKURANG. c. Jika tinggi BANYAK dan lebar BANYAK maka berat BERTAMBAH. d. Jika tinggi BANYAK dan lebar SEDIKIT maka berat BERTAMBAH. 3. Defuzzifikasi Pada tahap ini, hasil akhir akan diperoleh dengan menggunakan metode rata-rata terbobot 3. Hasil Pengujian dilakukan dengan mengambil tujuh foto objek yang ingin dideteksi berat badannya. Hasil implementasinya dapat dilihat pada tabel 2. Tinggi Tabel 2 Hasil implementasi program Lebar Berat Asli Berat Perhitungan Error (%) ,2 46, ,39 16, ,92 6, ,3 45, ,74 13, ,29 8,47 Pada tabel 2 dapat dilihat bahwa rata-rata error sebesar 23,61%. Nilai error dihitung dengan cara mencari selisih antara berat asli dan berat perhitungan, lalu hasilnya dikalikan dengan angka 100. Karena ratarata error yang cukup besar, maka harus dilakukan perubahan pada program, khususnya pada bagian pendeteksian objek. Perubahan tersebut dilakukan dilakukan dengan memperkecil area pendeteksian menjadi seperti pada Gambar 4. Gambar 4 Hasil perubahan pendeteksian objek Untuk mendapatkan perubahan tersebut, hasil deteksi objek sebelumnya di crop sesuai pendeteksian kontur sebelumnya. Lalu, kontur dibuat lagi secara manual terdiri dari tiga bagian, yakni bagian kepala, bagian badan, dan bagian kaki seperti terlihat pada Gambar 4. Dari tiga bagian tersebut, dihitung tinggi dan lebar kontur dari masing-masing bagian. Pada setiap bagian dihitung luasnya dan setiap luas bagian dijumlahkan. Nilai luas ini yang akan dijadikan sebagai variabel fuzzy dan diolah menjadi nilai berat badan. Implementasi dilakukan pada data foto yang sudah dikumpulkan. Hasilnya dapat dilihat pada tabel ,4 27,92 Rata-rata error (%) 23,61 50
5 Seminar Nasional Teknologi Informasi 2016 A9 Tabel 3 Hasil implementasi pendeteksian objek yang baru Luas Berat Dari data pada tabel 3 dapat ditentukan satu himpunan fuzzy berupa luas dan dua variabel yaitu BESAR dan KECIL. Setelah itu perhitungan nilai himpunan fuzzy dilakukan berdasarkan data yang ada. Untuk menerapkan fungsi implikasi ditentukan dua aturan fuzzyberdasarkan variabel yang ada yaitu luas dan berat, yaitu : 1. Jika luas BESAR maka berat BERTAMBAH. 2. Jika luas KECIL maka berat BERKURANG. Fungsi min diterapkan pada setiap aturan yang dapat dituliskan sebagai berikut : 1. = min (0,60) = 0,60 Berdasarkan himpunan berat badan dan aturan yang ada maka (z 40)/91 = 0,60 2. = min (0,40) = 0,40 Berdasarkan himpunan berat badan dan aturan yang ada maka (131 z)/91 = 0,40 z = 94,60 Proses defuzzifikasi akan menggunakan metode rata-rata terbobot dari hasil fungsi implikasi dari kedua aturan diatas. Dari proses tersebut didapatkan hasil bahwa berat badan objek sebesar 94,60 kg dengan input luas objek sebesar piksel. Perhitungan fuzzy tersebut diimplementasikan pada tujuh orang yang sudah ditentukan. Hasilnya dapat dilihat pada tabel 4. Tabel 4 Hasil implementasi pendeteksian objek yang kedua Luas Berat Asli Berat Perhitungan Error (%) ,06 12, ,5 2, ,47 0, ,86 31, ,57 6, ,03 4, ,5 1,04 Rata-rata error (%) 8,57 Dari rata-rata error pada tabel 4 bisa disimpulkan bahwa perbedaan hasil perhitungan berat dan berat asli jauh lebih kecil dibandingkan dengan metode pendeteksian objek yang pertama. Oleh karena itu, program pendeteksian berat badan ini akan menggunakan metode pendeteksian objek yang kedua, lalu dilanjutkan dengan menerapkan metode fuzzy Tsukamoto untuk memprediksi berat badan objek yang ada pada citra. 51
6 A9 Seminar Nasional Teknologi Informasi Simpulan Posisi kamera dan jarak pengambilan citra akan mempengaruhi hasil pendeteksian objek, oleh karena itu posisi kamera dan jarak saat pengambilan citra pertama dan kedua sedapat mungkin dibuat sama. Pencahayaan juga berpengaruh terhadap akurasi hasil pendeteksian objek. Metode pendeteksian objek dilakukan dua kali, pendeteksian objek pertama dilakukan dengan cara mendeteksi seluruh tubuh secara utuh dan pendeteksian objek kedua dilakukan dengan cara membaginya dalam beberapa bagian yaitu bagian kepala, badan, dan kaki, sehingga daerah pendeteksian lebih kecil karena lebar pendeteksian bagian kepala dan kaki tidak disamakan dengan lebar pendeteksian bagian badan. Dengan demikian hasil pendeteksian objek lebih akurat. Metode fuzzy inferensi Tsukamoto dapat memprediksi berat badan objek dari citra digital dengan tingkat error terbesar 23,61%. REFERENSI [1] DeMaagd, K., Oliver, A., Oostendorp, Nathan., Scott, K., 2012, Practical Computer Vision, O Reilly, United States of America.Castleman, Kenneth R., 1998, Digital Image Processing, Prentice Hall, New Jersey. [2] Kusumadewi, S., Hartati, S., Harjoko, A., Wardoyo, R., 2006, Fuzzy Multi-Attribute Decision Making, Graha Ilmu, Yogyakarta. [3] M, Walugembe., G, Nadiope., J, D, Stock., K, J, Stalder., D, Pezo., M, F, Rothschild., 2014, Prediction of Luve Body Weight Using Various Body Measurements in Ugandan Village Pigs, Iowa State University. [4] K, M, Florence., E, Dewey, Catherine., M, A, Samuel., S, Esther., O, O, William., 2011, Prediction of Live Body Weight Using Length and Girth Measurements for Pigs in Rural Western Kenya, Journal of Swine Health and Production. [5] Sutoyo, T., Mulyanto, E., Suhartono, V., Nurhayati, O.D., Wijanarto., 2009, Teori Pengolahan Citra Digital, Andi, Yogyakarta. [6] Hasibuan, Y.M., Kusumastuti, N., Irawan, Beni., 2014, Pengendalian Kecepatan Kendaraan Roda Empat Dengan Menggunakan Fuzzy Inference System Metode Mamdani, Buletin Ilmiah Math Stat dan Terapannya (Bimaster). Vol 03. [7] Istraniady., Andrian, P., 2013, Analisis Perbandingan Metode Fuzzy Tsukamoto dan Metode Fuzzy Mamdani Pada Perbandingan Harga Sepeda Motor Bekas, STMIK GI MDP. 52
PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 03, No. (204), hal 39-46. PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI Yoakim Marinus
Lebih terperinciAnalisis Fungsi Keanggotaan Fuzzy Tsukamoto Dalam Menentukan Status Kesehatan Tubuh Seseorang
Analisis Fungsi Keanggotaan Fuzzy Tsukamoto Dalam Menentukan Status Kesehatan Tubuh Seseorang Nurul Khairina Politeknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal nurulkhairina27@gmail.com Abstrak
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh pada tahun 1965 yang merupakan guru besar di University of California Berkeley pada papernya yang berjudul
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Metode Pengumpulan Data Dalam penelitian diagnosa penyakit asma dengan menggunakan metode fuzzy Tsukamoto, dibutuhkan data mengenai gejala penyakit dari seorang pakar atau
Lebih terperinciPREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO
PREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO Ahmad Bahroini 1, Andi Farmadi 2, Radityo Adi Nugroho 3 1,2,3Prodi Ilmu Komputer FMIPA UNLAM Jl. A. Yani Km 36 Banjarbaru, Kalimantan
Lebih terperinciMEMBANDINGKAN CITRA DIGITAL UNTUK MEMPREDIKSI KETERHUBUNGANNYA
A7 Seminar Nasional Teknologi Informasi 2016 MEMBANDINGKAN CITRA DIGITAL UNTUK MEMPREDIKSI KETERHUBUNGANNYA Pradita Chandra Kurniawan 1) Yulius Denny Prabowo 2) Teknik Informatika Institut Teknologi dan
Lebih terperinciPERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)
PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) Komang Wahyudi Suardika 1, G.K. Gandhiadi 2, Luh Putu Ida Harini 3 1 Program
Lebih 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 terperinciDAFTAR ISI LEMBAR JUDUL... LEMBAR PERSEMBAHAN... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN TUGAS AKHIR... ABSTRAK... ABSTRACT... KATA PENGANTAR...
DAFTAR ISI Halaman LEMBAR JUDUL... LEMBAR PERSEMBAHAN... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN TUGAS AKHIR... ABSTRAK... ABSTRACT... KATA PENGANTAR... BIODATA ALUMNI... DAFTAR ISI... DAFTAR TABEL... DAFTAR
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 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 terperinciIMPLEMENTASI METODE FUZZY UNTUK KLASIFIKASI USIA JERUK NIPIS
IMPLEMENTASI METODE FUZZY UNTUK KLASIFIKASI USIA JERUK NIPIS Hendry Setio Prakoso 1, Dr.Eng. Rosa Andrie.,ST.,MT 2, Dr.Eng. Cahya Rahmad.,ST.,M.Kom 3 1,2 Teknik Informatika, Teknologi Informasi, Politeknik
Lebih terperinciPENENTUAN HARGA JUAL SEPEDA MOTOR BEKAS MENGGUNAKAN FUZZY LOGIC (METODE TSUKAMOTO) DAN IMPLEMENTASINYA ABSTRAK
1 PENENTUAN HARGA JUAL SEPEDA MOTOR BEKAS MENGGUNAKAN FUZZY LOGIC (METODE TSUKAMOTO) DAN IMPLEMENTASINYA 1 Indra Prasetya, Dra. Yuniarsi Rahayu, M.Kom Program Studi Teknik Informatika S1 Fakultas Ilmu
Lebih terperinciPendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy
Pendapatan Masyarakat Disekitar Kampus dengan Adanya Mahasiswa Menggunakan Fuzzy Asrianda 1 Teknik Informatika Kampus Bukit Indah Lhokseumawe email : asrianda@unimal.ac.id ABSTRAK Bertambahnya permintaan
Lebih terperinciPenerapan Logika Fuzzy Metode Sugeno Untuk Memprediksi Jumlah Penumpang Di Terminal Ronggo Sukowati Pamekasan
Penerapan Logika Fuzzy Metode Sugeno Untuk Memprediksi Jumlah Penumpang Di Terminal Ronggo Sukowati Pamekasan Tony Yulianto 1, Sugiono 2, M. Fariz Fadillah Mardianto 3 1,2,3) Program Studi Matematika,
Lebih terperinciANALISIS PERBANDINGAN HARGA MOBIL BEKAS MENGGUNAKAN METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DAN TSUKAMOTO
Jur. Ris. Ap. Mat. Vol. 1, No. 1 (2017), pp. 1 52. Jurnal Riset dan Aplikasi Matematika e-issn 2581-0154 URL: journal.unesa.ac.id/index.php/jram ANALISIS PERBANDINGAN HARGA MOBIL BEKAS MENGGUNAKAN METODE
Lebih terperinciKLASIFIKASI PENERIMAAN BEASISWA DENGAN MENGGUNAKAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS POLITEKNIK KESEHATAN KEMENTRIAN KESEHATAN SEMARANG)
KLASIFIKASI PENERIMAAN BEASISWA DENGAN MENGGUNAKAN LOGIKA FUZZY TSUKAMOTO (STUDI KASUS POLITEKNIK KESEHATAN KEMENTRIAN KESEHATAN SEMARANG) Fasrul Rahman Ansori Teknik Informatika, Ilmu Kompputer, Universitas
Lebih 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 terperinciPENERAPAN METODE TSUKAMOTO DALAM PEMBERIAN KREDIT SEPEDA MOTOR BEKAS PADA PT TRI JAYA MOTOR (Studi Kasus PT TRI JAYA MOTOR MEDAN )
Marsono, ISSN : 1978-6603 Saiful Nur Arif, Iskandar Zulkarnain, Penerapan Metode Tsukamoto PENERAPAN METODE TSUKAMOTO DALAM PEMBERIAN KREDIT SEPEDA MOTOR BEKAS PADA PT TRI JAYA MOTOR (Studi Kasus PT TRI
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN JUMLAH PRODUKSI BARANG DENGAN METODE FUZZY TSUKAMOTO BERBASIS ANDROID
TINF - 47 p- ISSN : 247 46 e-issn : 246 46 SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JUMLAH PRODUKSI BARANG DENGAN METODE FUZZY TSUKAMOTO BERBASIS ANDROID Popy Meilina *, Nurvelly Rosanti, Nuraeni Astryani
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 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 terperinciModel Evaluasi Performa Mahasiswa Tahun Pertama Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto
Model Evaluasi Performa Mahasiswa Tahun Pertama Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto Zaenal Abidin Program studi Sistem Informasi STMIK Teknokrat Bandar Lampung, Indonesia
Lebih terperinciAnalisis Sistem Estimasi Produksi Menggunakan Metode Fuzzy Berbasis Web
T E S L A VOL. 19 NO.1 MARET 2017 Analisis Sistem Estimasi Produksi Menggunakan Metode Fuzzy Berbasis Web Boby Wisely Ziliwu 1 dan Suhartati Agoes 1 Abstract: Products demand number of that many in the
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 terperinciIMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS
IMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS Alfa Saleh Teknik Informatika, Fak Ilmu Komputer Universitas Potensi Utama Jl KL Yos Sudarso KM 65 No3-A, Tanjung Mulia,
Lebih terperinci4-5-FUZZY INFERENCE SYSTEMS
4-5-FUZZY INFERENCE SYSTEMS Shofwatul Uyun Mekanisme FIS Fuzzy Inference Systems (FIS) INPUT (CRISP) FUZZYFIKASI RULES AGREGASI DEFUZZY OUTPUT (CRISP) 2 Metode Inferensi Fuzzy Metode Tsukamoto Metode Mamdani
Lebih 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 terperinciIMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC
IMPLEMENTASI METODE FUZZY TSUKAMOTO PADA PENENTUAN HARGA JUAL BARANG DALAM KONSEP FUZZY LOGIC Riky Amelia (1111981) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih 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 terperinciPENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO
PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO Magdalena Simanjuntak Program Studi Teknik Informatika, STMIK Kaputama E-mail : magdalena.simanjuntak84@gmail.com ABSTRACT This study aimed to analyze
Lebih terperinciPenggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi
Jurnal Gradien Vol.3 No.2 Juli 2007 : 247-251 Penggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi Syamsul
Lebih terperinciPERBAIKAN KUALITAS CITRA DIGITAL BERDASARKAN HISTOGRAM EQUALIZATION DENGAN MENGGUNAKAN FUZZY
PEAIKAN KUALITAS CITA DIITAL EDASAKAN HISTOAM EQUALIZATION DENAN MENUNAKAN FUZZY Qonitatul Hasanah 1, osa Andrie Asmara 2, Ulla Delfana osiani 3 1,2 3 Teknik Informatika, Teknologi Informasi, Politeknik
Lebih terperinciMEMPREDIKSI PENENTUAN JUMLAH PRODUKSI MENGGUNAKAN FUZZY LOGIC METODE TSUKAMOTO PADA UD. BANALY FOOD
MEMPREDIKSI PENENTUAN JUMLAH PRODUKSI MENGGUNAKAN FUZZY LOGIC METODE TSUKAMOTO PADA UD. BANALY FOOD Adnan Fritzdo Maulana 1, Ahmad Zainul Fanani 2 1,2 Jurusan Teknik Informatika-S1, Fakulas Ilmu Komputer
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 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 terperinciVolume 9 Nomor 2 Desember 2015
Volume 9 Nomor 2 Desember 2015 Jurnal Ilmu Matematika dan Terapan Desember 2015 Volume 9 Nomor 2 Hal. 121 134 PENERAPAN LOGIKA FUZZY METODE SUGENO UNTUK MENENTUKAN JUMLAH PRODUKSI ROTI BERDASARKAN DATA
Lebih terperinciSIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY
SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY Nesi Syafitri. N Teknik Informatika, Fakultas Teknik Universitas Islam Riau, Jalan Kaharuddin Nasution No. 3,
Lebih terperinciPenerapan Metode Fuzzy Mamdani untuk Memprediksi Penjualan Gula
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 27 T - 23 Penerapan Metode Fuzzy Mamdani untuk Memprediksi Penjualan Gula Nurlia Ningsih, Navila Teguh Pambudi, Agus Maman Abadi Program Studi Matematika,
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 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 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 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 terperinciOptimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto
Optimalisasi Jumlah Produksi Jamu Jaya Asli Dengan Metode Fuzzy Tsukamoto SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program Studi Sistem Informasi
Lebih 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 terperinciMetode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Metode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh T - 42 Yudha Al Afis, Agus Maman Abadi Prodi Matematika,
Lebih terperinciIMPLEMENTASI FUZZY TSUKAMOTO DALAM PENENTUAN KESESUAIAN LAHAN UNTUK TANAMAN KARET DAN KELAPA SAWIT
IMPLEMENTASI FUZZY TSUKAMOTO DALAM PENENTUAN KESESUAIAN LAHAN UNTUK TANAMAN KARET DAN KELAPA SAWIT Maya Yusida 1, Dwi Kartini 2, Andi Farmadi 3, Radityo Adi Nugroho 4, Muliadi 5 123Prodi Ilmu Komputer
Lebih terperinciAnalisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan
128 ISSN: 2354-5771 Analisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan Raheliya Br Ginting STT Poliprofesi Meda E-mail: itink_ribu@yahoo.com Abstrak Pengambilan keputusan harus
Lebih terperinciREVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA
Seminar Nasional Sistem Informasi Indonesia, 6 November 2017 REVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA Anisa Citra Mutia, Aria Fajar Sundoro,
Lebih terperinciFuzzy Inference System untuk Mengurangi Kemacetan di Perempatan Jalan
Fuzzy Inference System untuk Mengurangi Kemacetan di Perempatan Jalan Edwin Romelta / 13508052 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
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 terperinciPenggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen
Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen Dwi Rolliawati Fakultas Ilmu Komputer, Sistem Komputer, Universitas Narotama dwi.roliawati@narotama.ac.id Abstrak Dosen sebagai pendidik
Lebih terperinciANALISIS PERBANDINGAN METODE FUZZY TSUKAMOTO DAN METODE FUZZY MAMDANI PADA PERBANDINGAN HARGA SEPEDA MOTOR BEKAS
ANALISIS PERBANDINGAN METODE FUZZY TSUKAMOTO DAN METODE FUZZY MAMDANI PADA PERBANDINGAN HARGA SEPEDA MOTOR BEKAS Istraniady (istraniady@mhs.mdp.ac.id), Priko Andrian (prikoandrian@yahoo.com) Mardiani (mardiani@stmik-mdp.net)
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 terperinciLogika Fuzzy. Farah Zakiyah Rahmanti 2016
Logika Fuzzy Farah Zakiyah Rahmanti 2016 Topik Bahasa Alami Crisp Logic VS Fuzzy Logic Fungsi Keanggotaan (Membership Function) Fuzzifikasi (Fuzzyfication) Inferensi (Inference) Komposisi (Composition)
Lebih terperinciSISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB
JURNAL MATRIX VOL. 3, NO. 1, MARET 2013 39 SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB I Ketut Suwintana Jurusan Akuntansi Politeknik Negeri Bali Kampus Bukit Jimbaran Bali Telp. +62 361 701981 Abstrak:.Logika
Lebih terperinciANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN
ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN Khairul Saleh Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara Jalan Universitas
Lebih terperinciPerencanaan Sistem Kontrol Pembersih Kaca Mobil dengan Fuzzy Kontrol Metode Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Perencanaan Sistem Kontrol Pembersih Kaca Mobil dengan Fuzzy Kontrol Metode Mamdani T - 19 Naela Faza Fariha, Zahrul Jannah Nur Rochim, Agus Maman
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 terperinciJurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:
PENERAPAN LOGIKA FUZZY UNTUK MENENTUKAN MAHASISWA BERPRESTASI DI STMIK CIKARANG MENGGUNAKAN JAVA NETBEANS DAN MYSQL Ema Dili Giyanti 1), Ali Mulyanto 2) 1) Program Studi Teknik Informatika, STMIK Cikarang
Lebih terperinciPENERAPAN ARTIFICIAL INTELIGENCE UNTUK MENENTUKAN BAKAT DAN MINAT PADA UKM XPRESSI UPI-YPTK PADANG DENGAN MENGGUNAKAN LOGIKA FUZZY
PENERAPAN ARTIFICIAL INTELIGENCE UNTUK MENENTUKAN BAKAT DAN MINAT PADA UKM XPRESSI UPI-YPTK PADANG DENGAN MENGGUNAKAN LOGIKA FUZZY Fakultas Ilmu Komputer, Universitas Putra Indonesia YPTK Padang e-mail
Lebih 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 terperinciPENERAPAN METODE FUZZY SUGENO UNTUK MENENTUKAN HARGA JUAL SEPEDA MOTOR BEKAS
PENERAPAN METODE FUZZY SUGENO UNTUK MENENTUKAN HARGA JUAL SEPEDA MOTOR BEKAS Ami Hilda Agustin 1, G.K. Gandhiadi 2, Tjokorda Bagus Oka 3 1 Jurusan Matematika, Fakultas MIPA - Universitas Udayana [Email:
Lebih terperinciIJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: Perancangan Model Matematis Untuk Penentuan Jumlah Produksi di PT. XZY
IJCCS, Vol.x, No.x, July xxxx, pp. ~5 ISSN: 978-52 Perancangan Model Matematis Untuk Penentuan Jumlah Produksi di PT. XZY Dian Eko Hari Purnomo Universitas Sarjanawiyata Tamansiswa, Program Studi Teknik
Lebih terperinciAnalisis Komparasi Metode Tsukamoto dan Sugeno dalam Prediksi Jumlah Siswa Baru
Analisis Komparasi Metode Tsukamoto dan Sugeno dalam Prediksi Siswa Baru Siti Abidah STMIK Banjarbaru abi.bjb@gmail.com Abstract The number of new students in the admission of students the new school year
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH
68 REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH Septiani Nur Hasanah 1, Nelly Indriani Widiastuti 2 Program Studi Teknik Informatika. Universitas Komputer Indonesia. Jl.
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY oleh: 1 I Putu Dody Lesmana, 2 Arfian Siswo Bintoro 1,2 Jurusan Teknologi Informasi, Politeknik
Lebih terperinciVersi Online tersedia di : JURNAL TECH-E (Online)
JURNAL TECH-E - VOL. 1 NO. 1 (17) Versi Online tersedia di : http://bsti.ubd.ac.id/e-jurnal JURNAL TECH-E 2581-1916 (Online) Artikel Perancangan Aplikasi Penentu Jurusan IPA atau IPS Pada SMA Menggunakan
Lebih terperinciJURNAL SISTEM PREDIKSI INVENTORY BARANG MENGGUNAKAN METODE FUZZY TSUKAMOTO PREDICTION INVENTORY ITEMS USING FUZZY TSUKAMOTO
JURNAL SISTEM PREDIKSI INVENTORY BARANG MENGGUNAKAN METODE FUZZY TSUKAMOTO PREDICTION INVENTORY ITEMS USING FUZZY TSUKAMOTO Oleh: Reza Hadi Subiantoro 12.1.03.02.0224 Dibimbing oleh : 1. Fatkur Rhohman,
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: 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 terperinciABSTRAK. Kata Kunci: komparasi, prediksi, mahasiswa baru, Tsukamoto, Sugeno, Mamdani, framework CI, registrasi. ABSTRACT
JURNAL TEKNIK INFORMATIKA, APRIL 2017 9 ANALISA PERBANDINGAN LOGIC FUZZY METODE TSUKAMOTO, SUGENO, DAN MAMDANI (STUDI KASUS : PREDIKSI JUMLAH PENDAFTAR MAHASISWA BARU FAKULTAS SAINS DAN TEKNOLOGI 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 terperinciLogika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy.
LOGIKA FUZZY UTHIE Intro Pendahuluan Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy. Lotfi Asker Zadeh adalah seorang ilmuwan
Lebih terperinciSPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ
SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi
Lebih terperinciKASUS PENERAPAN LOGIKA FUZZY. Fuzzy tsukamoto, mamdani, sugeno
KASUS PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno CARA KERJA LOGIKA FUZZY MELIPUTI BEBERAPA TAHAPAN BERIKUT : 1. Fuzzyfikasi 2. Pembentukan basis pengetahuan fuzzy (rule dalam bentuk if..then).
Lebih terperinciSISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC
SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC ( STUDY KASUS : KARANG TARUNA DESA PUHJARAK ) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana Komputer
Lebih 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 terperinciPREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI
PREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI Rizka Munia Yogaswara 1), Gunawan Abdillah 2), Dian Nursantika
Lebih terperinciImplementasi Logika Fuzzy Mamdani untuk Mendeteksi Kerentanan Daerah Banjir di Semarang Utara
Scientific Journal of Informatics Vol. 2, No. 2, November 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Implementasi Logika Fuzzy Mamdani untuk Mendeteksi Kerentanan
Lebih 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 terperinciErwien Tjipta Wijaya, ST.,M.Kom
Erwien Tjipta Wijaya, ST.,M.Kom PENDAHULUAN Logika Fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh tahun 1965 Dasar Logika Fuzzy adalah teori himpunan fuzzy. Teori himpunan fuzzy adalah peranan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Komponen Mobil Mesin terdiri atas beberapa bagian yang memiliki fungsinya masingmaning. Bagian-bagian atau komponen-komponen tersebut bekerja bersama-sama untuk menghasilkan
Lebih terperinciIMPLEMENTASI FUZZY TERHADAP SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN KELAYAKAN PEMBIAYAAN PENGAJUAN KREDIT BARANG.
Jurnal Informatika, Vol. 12, No. 2, Desember 2012 Septilia Arfida IMPLEMENTASI FUZZY TERHADAP SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN KELAYAKAN PEMBIAYAAN PENGAJUAN KREDIT BARANG 1Septilia Arfida 1Jurusan
Lebih terperinciPenentuan Jumlah Konsumsi Dengan Metode Penalaran Fuzzy Mamdani ( Studi Kasus Prediksi Konsumsi Susu Untuk Balita ) Agus Purwo Handoko 1)
ISSN : 1693 1173 Penentuan Jumlah Konsumsi Dengan Metode Penalaran Fuzzy Mamdani ( Studi Kasus Prediksi Konsumsi Susu Untuk Balita ) Agus Purwo Handoko 1) Abstract This paper is an explanation on fuzzy
Lebih 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 terperinciMetode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan
Scientific Journal of Informatics Vol., No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/inde.php/sji e-issn 2460-0040 Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan
Lebih 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 terperinciFitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan
Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak
Lebih terperinciPenerapan Metode Fuzzy Mamdani dalam Perencanaan Produksi Roti
ISSN: 0216-3284 885 Penerapan Metode Fuzzy Mamdani dalam Perencanaan Produksi Roti Novi Apriyanti 1, Huzainsyahnoor Aksad 2 Program Studi Sistem Informasi STMIK Banjarbaru 1 Program Studi Teknik Informatika
Lebih terperinciIMPLEMENTASI FUZZY INFERENCE SYSTEM METODE TSUKAMOTO PADA PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT PEMILIKAN RUMAH
IMPLEMENTASI FUZZY INFERENCE SYSTEM METODE TSUKAMOTO PADA PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT PEMILIKAN RUMAH Wilis Kaswidjanti 1), Agus Sasmito Aribowo 2), Cahyo Budi Wicaksono 3) 1,2,3) Prodi Teknik
Lebih terperinciPENERAPAN FUZZY SUGENO DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KELAS PEMINATAN (STUDI KASUS : STMIK POTENSI UTAMA)
PENERAPAN FUZZY SUGENO DALAM SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KELAS PEMINATAN (STUDI KASUS : STMIK POTENSI UTAMA) Alfa Saleh Teknik Informatika STMIK Potensi Utama Jl K.L. Yos Sudarso KM 6.5 No.3-A,
Lebih terperinciREVIEW JURNAL LOGIKA FUZZY
REVIEW JURNAL LOGIKA FUZZY Disusun oleh : Gita Adinda Permata 1341177004309 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS NEGERI SINGAPERBANGSA KARAWANG KATA PENGANTAR Assalamualaikum
Lebih 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 terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK PRODUKSI JENANG MENGGUNAKAN LOGIKA FUZZY MAMDANI
SISTEM PENDUKUNG KEPUTUSAN UNTUK PRODUKSI JENANG MENGGUNAKAN LOGIKA FUZZY MAMDANI Muhammad Agus Iriyanto Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Dian Nuswantoro Jl. Nakula no
Lebih terperinciPREDIKSI HARGA SAHAM BERBASIS WEB DENGAN SISTEM INFERENSI FUZI TSUKAMOTO
PREDIKSI HARGA SAHAM BERBASIS WEB DENGAN SISTEM INFERENSI FUZI TSUKAMOTO Muchlas, Tole Sutikno Program Studi Teknik Elektro, Fakultas Teknologi Industri, Universitas Ahmad Dahlan Kampus III UAD, Jl. Prof
Lebih terperinciRima Ayuningtyas NIM Jurusan Teknik Informatika, Universitas Maritim Raja Ali Haji. Jl. Politeknik Senggarang, Tanjungpinang
Sistem Pendukung Keputusan Dalam Menentukan Jenis Budidaya Ikan Dengan Mengukur Kualitas Air Menggunakan Metode Fuzzy Tsukamoto (Studi Kasus : Balai Benih Ikan di Pengujan Kabupaten Bintan) Rima Ayuningtyas
Lebih terperinciMenentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 13 Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani Ghulam Abdul Malik, Agus Maman Abadi Prodi Matematika, Universitas
Lebih terperinciKLASIFIKASI KEMATANGAN BUAH MANGGA HARUM MANIS BERDASARKAN NORMALISASI WARNA MENGGUNAKAN METODE FUZZY LOGIC BERBASIS WEB
KLASIFIKASI KEMATANGAN BUAH MANGGA HARUM MANIS BERDASARKAN NORMALISASI WARNA MENGGUNAKAN METODE FUZZY LOGIC BERBASIS WEB Niki Nurdayani, Prihastuti Harsani, Arie Qur ania Email :niki.nurdayani26@gmail.com
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Objek Penelitian Objek penelitian dalam tugas akhir ini adalah BPR BKK Kendal yang beralamatkan di jalan Soekarno Hatta No 335 Kendal. Penelitian ini berlangsung dari bulan
Lebih terperinci