Race car performance evaluation by a neuro-fuzzy inference system

Author(s):  
P. Antonini ◽  
M.L. Corradini ◽  
G. Ippoliti ◽  
S. Longhi ◽  
C. Stronati
2018 ◽  
Author(s):  
reza sulistyawan

Employee performance indicates the result of work from employee in conducting the job based on competence, manner, and motivation. In evaluating employee performance, there are many factors, including loyalty, responsibility, discipline, integrity, team work, and leadership factors. Employee roles in advancing the organization is needed because without a good performance, the organization cannot achieve its objectives well. In AMIK PakartiLuhurTangerang, employee performance evaluationis done subjectively from the result of meeting, hence, the result of evaluation is not accurate. The samples is done by purposive sampling technique, which is the questionnaire is given to respondents. Employee Performance Evaluation Model is made with Adaptive Neuro Fuzzy Inference System (ANFIS) Sugeno method and Toolbox Matlab 8.2 R2013b.To ensure that the system meet the minimum standard quality, thus, the system use Software Quality Assurance (SQA) in evaluating software quality.The conclusion from employee performance evaluation model has a good level of accuracy.


2017 ◽  
Vol 3 (1) ◽  
pp. 36-48
Author(s):  
Erwan Ahmad Ardiansyah ◽  
Rina Mardiati ◽  
Afaf Fadhil

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.


Sign in / Sign up

Export Citation Format

Share Document