IV PENGEMBANGAN FUZZY INFERENSI SISTEM SELEKSI METODE EOR

dokumen-dokumen yang mirip
II TINJAUAN PUSTAKA 2.1. Klasifikasi Metode EOR

PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN MINYAK TINGKAT LANJUT INDAH MUSI INDRIA DEWI G

PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN MINYAK TINGKAT LANJUT INDAH MUSI INDRIA DEWI G

BAB IV PEMBAHASAN. BAB IV berisi pembahasan tahapan penelitian, yaitu klasifikasi logika. A. Identifikasi Data Cadangan Hidrokarbon

Praktikum sistem Pakar Fuzzy Expert System

Tahap Sistem Pakar Berbasis Fuzzy

PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN MINYAK TINGKAT LANJUT INDAH MUSI INDRIA DEWI G

Fuzzy Expert Sistem. Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015

IMPLEMENTASI JARINGAN SYARAF TIRUAN DALAM PEMILIHAN METODE ENHANCED OIL RECOVERY

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ

BAB IV PEMBAHASAN. A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai. Pertimbangan Pengambilan Keputusan Pemberian Kredit

Fuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic.

MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN

Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani

BAB II: TINJAUAN PUSTAKA

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan

BAB II KAJIAN TEORI. Bab II berisi kajian teori. Teori-teori yang digunakan pada penelitian ini

PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI

METODOLOGI PENELITIAN

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI

BAB IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat

LOGIKA FUZZY (Lanjutan)

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA

DENIA FADILA RUSMAN

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

Institut Teknologi Sepuluh Nopember Surabaya

BAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan

BAB II TINJAUAN PUSTAKA

MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

4-5-FUZZY INFERENCE SYSTEMS

UNIVERSITAS BINA NUSANTARA PERANCANGAN PROGRAM APLIKASI AUTOMATIC FUZZY RULES EXTRACTOR UNTUK MENGESTIMASI VARIABEL RESERVOIR ABSTRAK

PENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC )

Sebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining

Metode Deffuzifikasi Mean of Maximum (MOM) Kolik Gas (Tympani) Kolik Twisted gut Kolik Impaksi METODE PENELITIAN Kerangka Pemikiran

Implementasi Logika Fuzzy Mamdani untuk Mendeteksi Kerentanan Daerah Banjir di Semarang Utara

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN

adalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK

PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN

Jurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI. Dalam hidup sehari-hari, banyak hal-hal yang saling berpasangan, seperti hitam

HASIL DAN PEMBAHASAN. masukan (input) yang digunakan dalam mengembangkan Fuzzy Inference System seperti yang disajikan pada Gambar 10 berikut :

Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani

BAB II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas

IMPLEMENTASI FUZZY MAMDANI DALAM MENENTUKAN PEMBELIAN CAT (STUDI KASUS PT. XYZ)

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB III METODE FUZZY MAMDANI

FUZZY SYSTEM & FUZZY REASONING DEPARTEMEN ILMU KOMPUTER IPB

Sistem Inferensi Fuzzy

Sebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining

Fuzzy Inference System

PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012

Matematika Diskrit Fuzzy Inference System Prodi T.Informatika

PENERAPAN FUZZY INFERENCE SYSTEM METODE MAMDANI UNTUK PEMILIHAN JURUSAN DI PERGURUAN TINGGI

Metodologi Penelitian. Mulai. Pembuatan model fluida reservoir. Pembuatan model reservoir

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima

BAB III METODOLOGI 3.1. PENDAHULUAN

BAB V IMPLEMENTASI SISTEM

Logika Fuzzy. Farah Zakiyah Rahmanti 2016

Logika Himpunan Fuzzy

PENGEMBANGAN SISTEM PAKAR FUZZY

Penerapan Fuzzy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang

BAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL. asing. Dalam pengalaman keseharian kita, permasalahan yang berkaitan dengan fuzzy

EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI

Himpunan Tegas (Crisp)

Himpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi

Proses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani

PENERAPAN FUZZY LOGIC PADA METODE VOLUMETRIC UNTUK MENGHITUNG CADANGAN HIDROKARBON PEMBORAN MINYAK SUATU LAPANGAN

SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI

JURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 4 NO. 1 SEPTEMBER 2011

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI

SIDANG TESIS. Oleh : Enny Rohmawati Malik. Dosen Pembimbing : Dr. Imam Mukhlash,S.Si,M.T

Erwien Tjipta Wijaya, ST.,M.Kom

PENDAHULUAN A. LATAR BELAKANG MASALAH

Penerapan Fuzzy Logic untuk Pembatasan Jumlah Partikel Pada Aplikasi yang Menggunakan Sistem Partikel

IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH

3. METODE PENELITIAN 3.1 Kerangka Pemikiran

REVIEW JURNAL LOGIKA FUZZY

Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ. Muhammad Reza Budiman

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI

STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)

SKRIPSI. MERANCANG SISTEM PAKAR BERBASIS FUZZY UNTUK PRA PENGUJIAN JUDUL SKRIPSI (Studi Teknik Informatika)

PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK)

PENERAPAN FUZZY INFERENCE SYSTEM PADA PREDIKSI CURAH HUJAN DI SURABAYA UTARA

Penerapan Fuzzy Inference System pada Prediksi Curah Hujan di Surabaya Utara

BAB 2 2. LANDASAN TEORI

DAFTAR ISI. KATA PENGANTAR i. DAFTAR ISI. iv. DAFTAR GAMBAR. viii. DAFTAR TABEL. x. DAFTAR LAMPIRAN.. xi. 1.1 Latar Belakang dan Rumusan Masalah..

ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG

Bab IV. Hasil Pengujian dan Analisis

KONTRAK PEMBELAJARAN (KP) MATA KULIAH

SIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS DI PDAM KOTA SURABAYA. oleh: WINDA ZULVINA

BAB II TINJAUAN PUSTAKA

JMP : Volume 4 Nomor 2, Desember 2012, hal

Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic

SIMULASI PENGENDALIAN KECEPATAN MOBIL OTOMATIS MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA

Transkripsi:

IV PENGEMBANGAN FUZZY INFERENSI SISTEM SELEKSI METODE EOR 4.1. Fuzzy Inferensi Sistem Tahapan-tahapan yang dilakukan pada Pengembangan Fuzzy Iinferensi Sistem untuk Seleksi Metode EOR antara lain: mendefinisikan karakteristik sistem, mendefinisikan variabel kedalam himpunan fuzzy, membentuk aturan if-then, mendefinisikan proses defuzzifikasi, menjalankan sistem, dan melakukan pengujian. Tahapan ini secara skematis di tampilkan dalam Gambar 4.1. Gambar 4.1 Diagram Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode EOR. 4.2. Masukan Masukan datanya menggunakan data lapangan berdasarkan karakteristik minyak dan batuan yang diperoleh di PPPTMGB LEMIGAS dalam bentuk data fuzzy dan data non fuzzy.

18 Pada gambar 4.2 adalah tampilan masukan data yang dipakai untuk dikembangkan pada FIS untuk Seleksi Metode EOR. Gambar 4.2 Masukan data untuk seleksi metode EOR Pada Tabel 4.1 memperlihatkan karakteristik data Lapangan A dalam reservoar A1 A12, dan variable-variabel yang digunakan pada pengembangan FIS untuk seleksi metode EOR. Tabel 4.1 Tabel input dan output Pengembangan Fuzzy Inferensi Sistem untuk seleksi Metode EOR

19 Karakteristik Data Kriteria Taber digunakan sebagai acuan seleksi metode EOR. Metode EOR tersebut diklasifikasikan menjadi sembilan metode dan tiap-tiap metode dinilai berdasarkan variabel-variabel. Setiap variabel memiliki kriteria yang berbeda terhadap suatu metode. Sebagai contoh pada Tabel 4.2 merupakan karakteristik variabel Metode Injeksi Gas Hydrocarbon (M1) sedangkan untuk metode yang lainnya dapat dilihat pada Lampiran 2.1, Lampiran 2. Berikut ini adalah gambaran untuk variabel-variabel pada Kriteia Taber untuk Metode Injeksi Gas Hydrocarbon: 1. Variabel Gravity adalah berat jenis minyak dengan satuan berat American Petroleum Institute (API). Variabel Gravity pada Metode Injeksi Hydrocarbon memiliki nilai semesta antara 0 100. Nilai yang masuk pada Kriteria Taber menunjukkan Gravity>35 maksudnya adalah kriteria keanggotaan himpunan fuzzy yang ditampilkan dalam kurva pada angka lebih besar 35 akan berada pada nilai 1 seperti terlihat pada lampiran 1.1.1. 2. Variabel Viscosity adalah ukuran kekentalan minyak dalam satuan centi poise. Variabel Viscosity pada metode injeksi hydrocarbon yang memiliki nilai semesta antara 0.1 100000. Nilai yang masuk pada Kriteria Taber menunjukkan Viscosity<10 maksudnya adalah kriteria untuk keanggotaan himpunan fuzzy yang ditampilkan dalam kurva pada angka lebih kecil 10 akan berada pada nilai 1 seperti terlihat pada lampiran 1.1.2. 3. Variabel Komposisi adalah prosentase komposisi ukuran minyak. Variabel Komposisi pada metode injeksi hydrocarbon memiliki nilai semesta antara 0 100. Nilai yang masuk pada Kriteria Taber menunjukkan Komposisi C2-C7<50 merupakan kriteria dimana dalam keanggotaan himpunan fuzzy yang ditampilkan dalam kurva pada angka lebih kecil 50 akan berada pada nilai 1 seperti terlihat pada lampiran 1.1.3. 4. Variabel Saturasi adalah prosentase volume minyak dibagi total volume. Variabel Saturasi pada metode injeksi hydrocarbon memiliki nilai semesta antara 0 100. Nilai yang masuk pada Kriteria Taber menunjukkan Saturasi > 30 maksudnya adalah kriteria keanggotaan himpunan fuzzy yang ditampilkan dalam kurva pada angka lebih besar 30 akan berada pada nilai 1 seperti terlihat pada lampiran 1.1.5. 5. Variabel Formasi adalah jenis batuan. Variabel Formasi pada metode injeksi hydrocarbon memiliki nilai non fuzzy dan mempunyai nilai kriteria jenis batuannya

20 adalah sandstone/karbonat dan tidak direpresentasikan dalam bentuk kurva. 6. Variabel Ketebalan adalah ketebalan reservoir dalam satuan feet. Variabel Viscosity pada metode injeksi hydrocarbon memiliki nilai semesta antara 0 1000. Nilai yang yang masuk pada Kriteria Taber pada Ketebalan menunjukkan Ketebalan<100 merupakan kriteria keanggotaan himpunan fuzzy yang ditampilkan dalam kurva pada angka lebih kecil 100 akan berada pada nilai 1 seperti terlihat pada lampiran 1.1.6. 7. Variabel Kedalaman adalah kedalaman reservoir dalam satuan feet. Variabel kedalaman pada metode injeksi hydrocarbon memiliki nilai semesta antara 0.1 100000. Nilai yang masuk pada Kriteria Taber menunjukkan Kedalaman antara 2000 sampai 5000 merupakan kriteria keanggotaan himpunan fuzzy yang ditampilkan dalam kurva pada angka antar 2000 sampai 5000 akan berada pada nilai 1 seperti terlihat pada lampiran 1.1.7. Tabel 4.2 Karakteristik variabel metode injeksi gas hydrocarbon (M 1 ). Variabel Semesta Data Kriteria Satuan Keterangan >35 Berat jenis minyak dengan Gravity (x 1 ) [0, 100] Fuzzy API satuan American <=35 Petroleum Institute Viscositas (x 2 ) Komposisi (x 3 ) Saturasi (x 5 ) Formasi (x 6 ) Tebal net (x 7 ) Kedalaman (x 9 ) [0.1, 100000] Fuzzy [0, 100] Fuzzy [0, 100] Fuzzy - Non-fuzzy [0, 1000] Fuzzy [0, 10000] Fuzzy <10 >=10 C 2 -C 7 >50 C 2 -C 7 <=50 >30 <=30 cp sandstone/karbonat - Jenis batuan <100 >=100 2000 ke 5000 <=2000 dan >=5000 % % ft ft Ukuran kekentalan minyak dalam satuan centi poise Prosentase komposisi minyak Prosentase volume minyak dibagi total volume Ketebalan reservoir dalam satuan feet Kedalaman reservoar dalam satuan feet 4.3. Proses Berikut adalah proses yang dikembangkan dalam Fuzzy Inferensi Sistem untuk seleksi metode EOR: 1. Memasukkan data karakteristik minyak dan batuan. Pada proses input user memberikan nilai rentang masing-masing variabel.

21 2. Pembentukan himpunan fuzzy. Pada variabel gravity dibagi menjadi beberapa himpunan fuzzy yaitu: G1, G2, G3, G4, G5, G6, G7, dengan rentang nilai 100 o API. Metode yang didefinisikan adalah: Metode Gas Hydrocarbon, N2 and Flue Gas, CO 2, Surfactant, Polymer, Alkaline, In Situ Combustion, Steamflood, Microbial. Pada Lampiran 1 dimulai lampiran 1.1 sampai dengan lampiran 9.7 menunjukkan kurva-kurva representasi masing-masing kriteria, derajat keanggotannya akan bernilai 1 jika input data memenuhi kriteria, dan akan bernilai 0 jika input data tidak memenuhi kriteria. Gambar 4.3 Himpunan Fuzzy Pengembangan Fuzzy Inferensi Sistem untuk seleksi metode EOR Selanjutnya menterjemahkan Kriteria Taber dalam bentuk aturan if-then Jika variabel memenuhi kriteria, konsekuensinya adalah metode EOR yang sedang dievaluasi dikatakan layak relatif terhadap data tersebut. Sebaliknya bila tidak memenuhi kriteria maka metode tersebut dikatakan tidak layak. Jumlah aturan dievaluasi untuk tiap metode. Fungsi konsekuensi dirumuskan sedemikian sehingga dapat mencerminkan pengaruh relatif masing-masing variabel terhadap kelayakan suatu metode. Berikut ini adalah aturan-aturan yang dikembangkan pada Fuzzy Inferensi Sistem untuk seleksi metode EOR. Aturan ke-1 If (Gravity is G1) and (Viscosity is V1) and (Komposisi is K1) and (Saturasi is ST1) and (Tebal is T1) and (Kedalaman is KD1) then (Metode is M1)

22 Aturan ke-2 If (Gravity is G2) and (Viscosity is V1) and (Komposisi is K1) and (Saturasi is ST1) and (Tebal is T1) and (Kedalaman is KD2) then (Metode is M2) Aturan ke-3 If (Gravity is G3) and (Viscosity is V2) and (Komposisi is K1) and (Saturasi is ST1) and (Tebal is T2) and (Kedalaman is KD2) then (Metode is M3) Aturan ke-4 If (Gravity is G4) and (Viscosity is V3) and (Komposisi is K1) and (Saturasi is ST1) and (Tebal is T1) and (Kedalaman is KD2) then (Metode is M4) Aturan ke-5 If (Gravity is G4) and (Viscosity is V4) and (Salinitas is S2) and (Komposisi is K1) and (Saturasi is ST2) and (Tebal is T1) and (Kedalaman is KD2) then (Metode is M5) Aturan ke-6 If (Gravity is G5) and (Viscosity is V5) and (Salinitas is S3) and (Permeabilitas is P1) and (Kedalaman is KD4) and (Temperatur is TP2) and (Porositas is PR1) then (Metode is M6) Aturan ke-7 If (Gravity is G6) and (Viscosity is V6) and (Saturasi is ST3) and (Tebal is T2) and (Permeabilitas is P3) and (Kedalaman is KD5) and (Temperatur is TP3) and (Porositas is PR1) then (Metode is M7) Aturan ke-8 If (Gravity is G7) and (Viscosity is V7) and (Saturasi is ST3) and (Tebal is T3) and (Permeabiliti is P4) and (Kedalaman is KD6) and (Porositas is PR1) then (Metode is M8) Aturan ke-9 If (Gravity is G4) and (Salinitas is S3) and (Permeabilitas is P5) and (Kedalaman is KD3) and (Temperatur is TP4) then (Metode is M9) Aturan 10

23 If (Gravity is G1) and (Viscosity is V1) and (Komposisi is K1) and (Saturasi is ST1) and (Tebal is T1) and (Kedalaman is KD1) then (Metode 1) Aturan 11 If (Gravity is G2) and (Viscosity is V1) and (Komposisi is K1) and (Saturasi is ST1) and (Tebal is T1) and (Kedalaman is Kd2) then (Metode 2) Aturan 12 If (Gravity is G3) and (Viscosity is V2) and (Komposisi is K1) and (Saturasi is ST1) and (Tebal is T1) and (Kedalaman is KD1) then (Metode 3) Aturan 13 If (Gravity is G4) and (Viscosity is V4) and (Salinity is S2) is (Saturasi is S2) and (Permeability is P2) and (Kedalaman is KD4) and (Temperatur is TP2) and (Porositas is PR1) then (Metode 5) Aturan 14 If (Gravity is G7) and (Viscosity is V7) and (Saturasi is ST3) and (Tebal is T3) and (Permeability is P4) and (Kedalaman is KD6) and (Porosity is PR1) then (Metode 8) Aturan 15 If (Gravity is G6) and (Viscosity is V6) and (Saturasi is ST3) and (Tebal is T2) and (Permeability is P3) and (Kedalaman is KD5) and (Temperatur is TP3) and (Porositas is PR1) then (Metode 7) Aturan 16 If (Gravity is G4) and (Salinity is S3) and (Permeability is P5) and (Kedalaman is KD3) and (Temperatur is TP4) then (Metode 9) Pada gambar 4.4 adalah tampilan Rule Editor untuk merepresentasikan

24 aturan-aturan pada Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode EOR dengan menggunakan MATLAB 7.1: Gambar 4.4 Rule editor pada Pengembangan Fuzzy Inferensi Sistem untuk seleksi metode EOR 3. Kemudian mencari nilai minimum masing masing metode berdasarkan aturan-aturan yang telah dibuat. Nilai kurva minimum tersebut di agregasi untuk mendapatkan nilai kurva maksimum. 4. Dari nilai kurva maksimum dapat ditentukan defuzzifikasi. Metode defuzzifikasi pada komposisi aturan Mamdani yang digunakan adalah metode centroid. Hasil metode centroid adalah crisp yaitu angka yang direpresentasikan dengan kurva segitiga untuk masing-masing metode. 5. Selanjutnya implementasi kedalam suatu program komputer menggunakan MATLAB. Setelah itu dilakukan uji sistem menggunakan data reservoar. 6. Pada tahapan ini dimungkinkan melakukan revisi fungsi-fungsi bilangan fuzzy dan atau revisi formula yang merepresentasikan konsekuensi. Revisi ini dilakukan hingga diperoleh hasil yang konsisten dengan evaluasi pakar. 7. Uji program dilakukan terhadap beberapa variasi input untuk validasi sistem. Apabila hasil yang diperoleh selama pengujian kurang sesuai dengan yang diharapkan, maka iterasi proses variabel ke himpunan fuzzy. 4.5. Output

25 Output yang dihasilkan berisi informasi mengenai Seleksi Metode EOR yang disarankan serta hasil defuzzifikasi dengan derajat keanggotaannya. Gambar 4.5 adalah tampilan interface Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode EOR. Gambar 4.5 Output Pengembangan Fuzzy Inferensi Sistem untuk seleksi metode EOR