Detection of palm fruit maturity level in the grading process through image recognition and fuzzy inference system to improve quality and productivity of crude palm oil (CPO)

2019 ◽

Vol 2 (2) ◽

pp. 19 ◽

Cited By ~ 1

Author(s):

Christyn Parsaulyan P. Maibang ◽

Amir Mahmud Husein

Keyword(s):

Palm Oil ◽

Fuzzy Inference System ◽

Fuzzy Inference ◽

Inference System

Produksi merupakan salah satu kegiatan yang dilakukan dalam sebuah perusahaan khususnya PT Rigunas Agri Utama yang bergerak dalam bidang pengolahan minyak sawit (palm oil). Perencanaan pengambilan keputusan perusahaan dalam menentukan jumlah produksi pada satu periode selanjutnya, bergantung pada sisa persediaan dari satu periode sebelumnya dan juga perkiraan jumlah permintaan pada satu periode selanjutnya. Jumlah permintaan dan persediaan merupakan suatu ketidakpastian. Logika Fuzzy merupakan salah satu ilmu yang dapat menganalisa ketidakpastian. Tujuan dari penelitian ini adalah untuk mengetahui penggunaan aplikasi logika Fuzzy metode Mamdani dalam pengambilan keputusan penentuan jumlah produksi. Pada penelitian ini digunakan metode Mamdani dengan penggunaan perangkat lunak matlab sebagai alat bantu dalam proses prediksi, baik yang menggunakan dua variabel linguistik maupun yang menggunakan tiga variabel linguistik. Untuk mendapatkan keluaran dari metode ini diperlukan 4 tahapan yakni; 1) Pembentukan himpunan fuzzy; 2) Aplikasi fungsi keanggotaan; 3) Rule fuzzy ; 4) Defuzzifikasi, dari hasil defuzzifikasi inilah kita bisa menentukan keputusan yang akan diambil

Download Full-text

Adaptive neural-fuzzy inference system vs. anaerobic digestion model No.1 for performance prediction of thermophilic anaerobic digestion of palm oil mill effluent

Process Safety and Environmental Protection ◽

10.1016/j.psep.2018.04.013 ◽

2018 ◽

Vol 117 ◽

pp. 92-99 ◽

Cited By ~ 4

Author(s):

Hui Min Tan ◽

Darwin Gouwanda ◽

Phaik Eong Poh

Keyword(s):

Anaerobic Digestion ◽

Palm Oil ◽

Performance Prediction ◽

Fuzzy Inference System ◽

Fuzzy Inference ◽

Palm Oil Mill Effluent ◽

Inference System ◽

Thermophilic Anaerobic Digestion ◽

Palm Oil Mill ◽

Neural Fuzzy

Download Full-text

Fuzzy Inference System Using Tsukamoto Method For Making Decision of Production (Case Study: PT Waru Kaltim Plantation)

METIK JURNAL ◽

10.47002/metik.v4i2.171 ◽

2020 ◽

Vol 4 (2) ◽

pp. 76-82

Author(s):

Dominggus Norvindes Dellas ◽

Ika Purnamasari ◽

Nanda Arista Rizki

Keyword(s):

Decision Making ◽

Fuzzy Sets ◽

Palm Oil ◽

Oil Palm ◽

Fuzzy Inference System ◽

Fuzzy Inference ◽

Fuzzy Rules ◽

Decision Making Process ◽

Inference System

The decision-making process using a fuzzy inference system (FIS) logic can use one of the methods called the Tsukamoto method. The process carried out in this method is the same as the fuzzy method in general, namely the formation of fuzzy sets, the fuzzification process, defuzzification, and measuring the accuracy of the result. The purpose of this study was to apply the Tsukamoto method to predict the yield of oil palm production at PT. Waru Kaltim Plantation. Based on the analysis using the Tsukamoto method, 36 fuzzy rules were obtained for each data from February 2013 to December 2015. The prediction results of palm oil production in 2013 did not change, except for May and August. In February, March, June, and August 2014 the level of production is constant, and almost throughout 2015, there was constant. The predicted MAPE for oil palm production was 31,522%, or in the fairly good category.

Download Full-text

Resolving stability issue of thermophilic high-rate anaerobic palm oil mill effluent treatment via adaptive neuro-fuzzy inference system predictive model

Journal of Cleaner Production ◽

10.1016/j.jclepro.2018.07.027 ◽

2018 ◽

Vol 198 ◽

pp. 797-805 ◽

Cited By ~ 5

Author(s):

H.M. Tan ◽

P.E. Poh ◽

D. Gouwanda

Keyword(s):

Predictive Model ◽

Palm Oil ◽

Fuzzy Inference System ◽

Fuzzy Inference ◽

High Rate ◽

Effluent Treatment ◽

Inference System ◽

Neuro Fuzzy ◽

Stability Issue ◽

Palm Oil Mill

Download Full-text

Determination of Indonesian palm-oil-based bioenergy sustainability indicators using fuzzy inference system

IOP Conference Series Earth and Environmental Science ◽

10.1088/1755-1315/65/1/012013 ◽

2017 ◽

Vol 65 ◽

pp. 012013

Author(s):

Y Arkeman ◽

R A Rizkyanti ◽

E Hambali

Keyword(s):

Palm Oil ◽

Fuzzy Inference System ◽

Fuzzy Inference ◽

Sustainability Indicators ◽

Inference System

Download Full-text

Aplikasi Peramalan Kebutuhan Beban Listrik Menggunakan Metode Adaptive Neuro Fuzzy Inference System (ANFIS)

TELKA - Telekomunikasi Elektronika Komputasi dan Kontrol ◽

10.15575/telka.v3i1.51 ◽

2017 ◽

Vol 3 (1) ◽

pp. 36-48

Author(s):

Erwan Ahmad Ardiansyah ◽

Rina Mardiati ◽

Afaf Fadhil

Keyword(s):

Fuzzy Inference System ◽

Fuzzy Inference ◽

Inference System ◽

Neuro Fuzzy

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