• Tidak ada hasil yang ditemukan

Analisis Sistem Inferensi Fuzzy Tsukamoto Dalam Menilai Tingkat Kesehatan Perusahaan

N/A
N/A
Protected

Academic year: 2017

Membagikan "Analisis Sistem Inferensi Fuzzy Tsukamoto Dalam Menilai Tingkat Kesehatan Perusahaan"

Copied!
2
0
0

Teks penuh

(1)

DAFTAR PUSTAKA

Suwandi, Mohammad Isa Irawan., & Imam Mukhlash,. 2011. Aplikasi Sistem Inferensi Fuzzy Metode Sugeno dalam Memprediksi Produksi Air Mineral dalam Kemasan. Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA.

Suwandi, Mohammad Isa Irawan., & Imam Mukhlash,. 2011. Implementasi Sistem Inferensi Fuzzy Takagi-Sugeno Untuk Mendeteksi Awal Kanker Kulit Melanoma Berbasis Data Vektor. Instituti Teknologi Sepuluh November.

Kartina Diah KW, ST, Zulfa Noviardi, 2010. Penerapan Inferensi Fuzzy Untuk Kendali Suhu Ruangan Pada Pendingin Ruangan (AC). Seminar Nasional Informatika 2010 (semnasIF 2010).

Hermawan Prasetya, Taufik Djatna, Perancangan Sistem Cerdas Menggunakan Sistem Inferensi Fuzzy Untuk Penentuan Argo Industri Hijau. Institut Pertanian Bogor.

Hidayati Mustafidah, Dwi Aryanto, Sistem Inferensi Fuzzy Untuk Memprediksi Prestasi Belajar Mahasiswa Berdasarkan Nilai Ujian Nasional, Tes Potensi Akademik, dan Motivasi Belajar. Universitas Muhammadiyah Purwokerto.

Fajri Zufa, Perbandingan Sistem Inferensi Fuzzy Metode Mamdani dan Metode Sugeno dalam Memprediksi Laju Inflasi (Studi Kasus Pada Data Inflasi Indonesia). Universitas Brawijaya.

Jang, J.S.R. et al. 1997. Neoro-Fuzzy and Soft Computing. London: Prentice Hall.

J. W.Carlyle. 1961. Equivalent stochastic sequential machines. Tech. Report No. 415, ERL University of California, Berkeley.

Kamble, P.N. 2013. FLC Modeling of Clasical EEG Signals Model by the Technique Tsukamoto Fuzzy Rule Base. International Journal of Statistics and Mathematics (7)3: 52-57.

Klir, George J., Clair, U.S., and Yuan, Bo. 1997. Fuzzy Set Theory, Foundation and Application. New Jersey: Prentice Hall International, Inc.

Nasr, A.S., Rezai, M. & Barmaki, M.D. 2012. Analysis of groundwater quality using mamdani fuzzy inference system (mfis) in yazd province, iran. International Journal of Computer Applications.59 (7): 45-53.

Nasution, H. 2012. Implementasi Logika Fuzzy pada Sistem Kecerdasan Buatan.

Jurnal ELKHA 4(2): 4-8.

Tal.A. 1965. Abstract synthesis of sequential machines by answers to questions of first type in questionnairelanguage. Automatikai Telemechanika. pp. 676-682.

Thamrin. Fanoeel,. 2012. Studi Inferensi Fuzzy Tsukamoto Untuk Penentuan Faktor Pembebanan Trafo PLN.

Wang, L.X,. 1997. A Course in Fuzzy Systems and Control. New Jersey: PrenticeHall International, Inc.

Zadeh, L.A. 1965. Fuzzy sets Information and Control, Vol.8, pp. 338-353.

(2)

Zadeh, L.A. 1990. Fuzzy Sets and Systems. International Journal of General Systems. 17(2): 129-138.

Zadeh, L.A. 2004. Fuzzy Logic Systems: Origin, Concepts, and Trends. Computer Science Division Department of EECS UC Berkeley. 1-138.

Zimmermann, 1991. Fuzzy Set Theory an Its Applications, Second Edition, Kluwer Academic Publishers.

Referensi

Dokumen terkait

Logika fuzzy yang digunakan adalah sistem inferensi fuzzy Tsukamoto karena metode ini menggunakan aplikasi nilai monoton, Output hasil inferensi dari tiap-tiap

Puji dan syukur kehadirat Allah Swt karena atas rahmat dan karuniaNya penulis dapat menyelesaikan tesis yang berjudul “Analisis Rule Fuzzy Inferensi Sugeno Dalam Sistem

Kesimpulan yang dapat diambil dari hasil ujicoba di atas adalah Algoritma Sistem Inferensi Fuzzy Mamdani terbukti dapat digunakan sebagai metode klasifikasi untuk memprediksi

R8 : Jika Aspek Keuangan „TIDAK SEHAT”, Aspek Operasional “KURANG SEHAT” dan Tes Psikotes “SEHAT” maka Tingkat Kesehatan “KURANG SEHAT” R9 : Jika Aspek Keuangan

Berdasarkan uraian di atas, simpulan dari penelitian ini adalah dengan menggunakan sistem inferensi fuzzy metode Mamdani, bisa diprediksi tingkat kelulusan

Untuk memprediksi tingkat kebisingan lalu lintas di jalan raya, maka pada penelitian ini akan diimplementasikan sistem inferensi fuzzy model sugeno yang akan

diperbandingkan beberapa algoritma inferensi fuzzy (Mamdani, Sugeno dan Tsukamoto) pada penghemat energi pendingin ruangan [Saepullah & Wahono, 2015]. Pada penelitian

PREDIKSI LAMA STUDI MAHASISWA MENGGUNAKAN SISTEM INFERENSI FUZZY DENGAN METODE TSUKAMOTO CONTOH KASUS MAHASISWA PROGRAM STUDI MATEMATIKA FMIPA UNISBA Diajukan sebagai salah satu