scholarly journals Fuzzy Inference System Tsukamoto Untuk Optimalisasi Jumlah Media Promosi Brosur di Sekolah Menengah Kejuruan

2019 ◽  
Vol 6 (2) ◽  
pp. 12-24
Author(s):  
Mrs Irmayansyah
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Inference System ◽  
Percent Error ◽  
Mean Absolute Percent Error ◽  
Absolute Percent Error

Promosi adalah menginformasikan (informing), mempengaruhi dan membujuk (persuading), serta mengingatkan (reminding) pelanggan tentang perusahaan dan bauran pemasarannya. Brosur yaitu suatu alat untuk promosi barang, jasa, yang terbuat dari kertas yang dimana didalamnya terdapat sejumlah informasi dan juga penawaran mengenai jasa atau produk tersebut. Brosur sebagai media promosi amat penting terutama untuk memperkenalkan SMK Taruna Andigha Bogor agar dikenal oleh masyarakat dan menyampaikan pesan atau informasi kepada siswa-siswi SMP. Dalam melakukan upaya promosi, baik dalam bentuk iklan, publisitas, penjualan pribadi dan promosi penjualan tentunya memerlukan perencanaan matang dan akurat. Untuk menentukan nilai output crisp/hasil yang tegas (Z) dicari dengan cara mengubah input (berupa himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy) menjadi suatu bilangan pada domain himpunan fuzzy. Penerapan metode fuzzy tsukamoto digunakan untuk mengoptimalkan jumlah brosur pada SMK Taruna Andigha Bogor. Sehingga diperoleh tujuan dalam penelitian, untuk mengoptimalkan jumlah brosur yang akan digunakan oleh SMK Taruna Andigha. Dari hasil perhitungan fuzzy tsukamoto untuk setiap wilayah kota dan kabupaten bogor di dapat nilai z untuk kota bogor 0,1 sampai dengan 0,39 sedangkan nilai z untuk kabupaten bogor o,09 sampai dengan 0,45, perhitungan tersebut merupakan hasil nilai kesesuaian jumlah pendaftar, jumlah siswa dan jumlah brosur dari hasil perhitungan fuzzy tsukamoto di analisis dengan metode analisa data menggunakan MAPE (mean absolute percent error) dengan tingkat error hasil perhitungan MAPE sebesar 38 %.

scholarly journals Mamdani and Sugeno Fuzzy Performance Analysis on Rainfall Prediction

2021 ◽  
Vol 2 (2) ◽  
pp. 176-192
Author(s):  
Yuan Ardi ◽  
Syahril Effendi ◽  
Erna Budhiarti Nababan
Keyword(s):  
Fuzzy Inference ◽  
Inference Model ◽  
Inference Models ◽  
Cropping Patterns ◽  
Percent Error ◽  
Rainfall Prediction ◽  
Mean Absolute Percent Error ◽  
Fuzzy Models ◽  
North Sumatra ◽  
Absolute Percent Error

Fuzzy logic is an extension of traditional reasoning, where x is a member of set A or not, or an x can be a member of set A with a certain degree of membership . The ability of fuzzy models to map fuzzy values is the reason for using fuzzy inference models in various cases that use fuzzy values to produce a clear or definite output. In this research, an analysis of the level of accuracy generated by the Sugeno and Mamdani inference model will be carried out in predicting rainfall at Polonia Station, Medan, North Sumatra. Prediction results will be analyzed for accuracy by comparing the results obtained by Sugeno fuzzy inference models and Mamdani using Mean Absolute Percent Error (MAPE). When compared to the results of the Mean Absolute Percent Error (MAPE) Sugeno fuzzy inference model of 1.33% and mamdani fuzzy inference model of 1.45%, then the accuracy rate for the Sugeno inference model is 100%-1.33% = 98.67% while the Mamdani fuzzy inference model is 100%-1.45 = 98.55%. The end result is that the membership function model used in the Sugeno fuzzy model is more accurate than the Mamdani fuzzy inference model in the test case of rainfall prediction at Polonia station in Medan. North Sumatra. The results of the analysis carried out for the Sugeno and Mamdani fuzzy models are influenced by the accuracy of the input values. Rainfall prediction is an important thing to study, weather conditions in certain areas can be predicted so that it can help people's daily activities, can determine a series of community social activities. For example, information on rainfall and its classification is widely used as a guide for agriculture, tourism and transportation, for example: Cropping Patterns, Harvest Predictions, Shipping and flight schedules

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

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.

ZERO-DAY POLYMORPHIC CYBERATTACKS DETECTION USING FUZZY INFERENCE SYSTEM

2020 ◽  
pp. 8-13
Author(s):  
V. V. Fesokha ◽  
I. Y. Subach ◽  
V. O. Kubrak ◽  
A. V. Mykytiuk ◽  
S. O. Korotaiev
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Inference System

IMPLEMENTASI PENENTUAN ARSITEKTUR MASJID MODERN DI ACEH MENGGUNAKAN PEMODELAN SISTEM CERDAS

2018 ◽  
Vol 2 (1) ◽  
Author(s):  
Soraya Masthura Hasan ◽  
T Iqbal Faridiansyah
Keyword(s):  
Fuzzy Inference System ◽  
Architectural Design ◽  
Fuzzy Inference ◽  
Intelligent System ◽  
Selection Process ◽  
System Modeling ◽  
Inference System ◽  
Normal Limits ◽  
Roof Structure ◽  
Selection Of

Mosque architectural design is based on Islamic culture as an approach to objects and products from the Islamic community by looking at their suitability and values and basic principles of Islam that explore more creative and innovative ideas. The purpose of this system is to help the team and the community in seeing the best mosque in the top order so that the system can be used as a reference for the team and the community. The variables used in the selection of modern mosques include facilities and infrastructure, building structure, roof structure, mosque area, level of security and facilities. The system model used is a fuzzy promethee model that is used for the modern mosque selection process. Fuzzy inference assessment is used to determine the value of each variable so that the value remains at normal limits. Fuzzy values will then be included in promethee assessment aspects. The highest promethee ranking results will be made a priority for the best mosque ranking. This fuzzy inference system and promethee system can help the management team and the community in determining the selection of modern mosques in aceh in accordance with modern mosque architecture. Intelligent System Modeling System In Determining Modern Mosque Architecture in the City of Aceh, this building will be web based so that all elements of society can see the best mosque in Aceh by being assessed by all elements of modern mosque architecture.Keywords: Fuzzy inference system, Promethe, Option of  Masjid

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

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.

Sign in / Sign up

Export Citation Format

Share Document