Improved strength prediction of cemented paste backfill using a novel model based on adaptive neuro fuzzy inference system and artificial bee colony

Prakiraan atau peramalan beban listrik dibutuhkan dalam menentukan jumlah listrik yang dihasilkan. Ini menentukan agar tidak terjadi beban berlebih yang menyebabkan pemborosan atau kekurangan beban listrik yang mengakibatkan krisis listrik di konsumen. Oleh karena itu di butuhkan prakiraan atau peramalan yang tepat untuk menghasilkan energi listrik. Teknologi softcomputing dapat digunakan sebagai metode alternatif untuk prediksi beban litrik jangka pendek salah satunya dengan metode Adaptive Neuro Fuzzy Inference System pada penelitian tugas akhir ini. Data yang di dapat untuk mendukung penelitian ini adalah data dari APD PLN JAWA BARAT yang berisikan laporan data beban puncak bulanan penyulang area gardu induk majalaya dari januari 2011 sampai desember 2014 sebagai data acuan dan data aktual januari-desember 2015. Data kemudian dilatih menggunakan metode ANFIS pada software MATLAB versi b2010. Dari data hasil pelatihan data ANFIS kemudian dilakukan perbandingan dengan data aktual dan data metode regresi meliputi perbandingan anfis-aktual, regresi-aktual dan perbandingan anfis-regresi-aktual. Dari perbandingan disimpulkan bahwa data metode anfis lebih mendekati data aktual dengan rata-rata 1,4%, menunjukan prediksi ANFIS dapat menjadi referensi untuk peramalan beban listrik dimasa depan.

Download Full-text

Prediction of the Number of Airport Passengers Using Fuzzy C-Means and Adaptive Neuro Fuzzy Inference System

International Review of Automatic Control (IREACO) ◽

10.15866/ireaco.v10i3.12003 ◽

2017 ◽

Vol 10 (3) ◽

pp. 280

Author(s):

Sunarsan Sitohang ◽

Abba Suganda Girsang ◽

Suharjito Suharjito

Keyword(s):

Fuzzy Inference System ◽

Fuzzy Inference ◽

Inference System ◽

Fuzzy C Means ◽

Neuro Fuzzy

Download Full-text

Prediction of heat transfer coefficient during condensation of R404a in helically coiled tubes using adaptive neuro-fuzzy inference system

10.26678/abcm.encit2018.cit18-0166 ◽

2018 ◽

Author(s):

Ali Khosravi ◽

Juan Jose Garcia Pabon ◽

TULIO DA MOTTA CORREA ◽

Luiz Machado

Keyword(s):

Heat Transfer ◽

Heat Transfer Coefficient ◽

Transfer Coefficient ◽

Fuzzy Inference System ◽

Fuzzy Inference ◽

Inference System ◽

Neuro Fuzzy

Download Full-text

PENGEMBANGAN SISTEM MANAJEMEN PENDUKUNG KEPUTUSAN PENILAIAN MUTU KEPEGAWAIAN DINAS PENDIDIKAN REMBANG MENGGUNAKAN ALGORITMA ANFIS (ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM)

Explore IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika ◽

10.35891/explorit.v12i1.2020 ◽

2020 ◽

Vol 12 (1) ◽

pp. 6-17

Author(s):

Angga debby frayudha ◽

Aris Yulianto ◽

Fatmawatul Qomariyah

Keyword(s):

Fuzzy Inference System ◽

Industry 4.0 ◽

Fuzzy Inference ◽

System Model ◽

Inference System ◽

Neuro Fuzzy

Di era revolusi industry 4.0 terdapat banyak sekali kemudahan yang diberikan teknologi kepada manusia. Tentu ini akan menjadi baik apabila manusia mampu memanfaatkan hal tersebut dengan baik pula. Namun disisi lain juga bisa mengakibatkan dampak negative terhadap manusia, misalnya dengan adanya internet bisa mengakibatkan manusia melakukan penipuan di media social. Selain itu dengan canggihnya teknologi dapat menjadikan manusia menjadi malas yang bisa berimbas menurunnya kualitas sumber daya manusia. Maka dari itu untuk menghadapi hal ini perlu menyiapkan pendidikan yang baik.Pendidikan akan berjalan baik apabila lembaga yang mengurusnya berkompeten dalam melakukan tugasnya .Penulis coba memberikan ide untuk memprediksi kinerja pegawai Dinas Pendidikan Kabupaten Rembang menggunakan mentode ANFIS (Adaptive Neuro Fuzzy Inference System) guna untuk membantu lembaga tersebut menyeleksi maupun menilai kinerja karyawan demi meningkatkan kualitas dari segi sumber daya manusia. ANFIS merupakan jaringan adaptif yang berbasis pada sistem kesimpulan fuzzy (fuzzy inference system). Model penilaian kinerja pegawai di Dinas Pendidikan Kabupaten Rembang dengan menggunakan Adaptive Neuro-Fuzzy Inference System (ANFIS) menghasilkan penilaian yang lebih baik dan akurat. Hasil pengujian metode tersebut memiliki nilai akurasi 65%. Dengan metode ANFIS (Adaptive Neuro Fuzzy Inference System) dapat memprediksi kinerja karyawan sebagai salah satu pengambilan keputusan terhadap kinerja pegawai. Selain itu nantinya system penlaian kinerja pegawai akan lebih tertata dan efisien.

Download Full-text