• Tidak ada hasil yang ditemukan

Pembangkitan Rule Menggunakan Rough Set Pada Fungsi Keanggotaan Fuzzy

N/A
N/A
Protected

Academic year: 2017

Membagikan "Pembangkitan Rule Menggunakan Rough Set Pada Fungsi Keanggotaan Fuzzy"

Copied!
2
0
0

Teks penuh

(1)

51

DAFTAR PUSTAKA

Arief, Mohammad Rizal, Daniel O Siahaan, & Isye Arieshanti. 2010. Klasterisasi

Teks Menggunakan Metode Max-Max Roughness (MMR) Dengan Pengayaan Similaritas Kata. KURSOR, Vol. 5, No. 4, pp.246~255, ISSN 0216-0544.

Banjarnahor, J. 2012. Aplikasi Logika Fuzzy Dalam Penentuan Kepuasan Rawat Inap (Studi Kasus Rawat Inap RSU Herna Medan). Skripsi. Universitas Sumatera Utara.

G. Frege, Grundlagen der Arithmetik, 2. 1983. Verlag von Herman Pohle, Jena.

Ganivada, Avatharam, Shubhra Sankar Ray, & Sankar K. Pala. 2013. Fuzzy Rough

Sets, and A Granular Neural Network for Unsupervised Feature Selection. Elsevier. Neural network 48. pp.91~108.

Gelley, Ned & Roger Jang. 2000. Fuzzy Logic Toolbox. USA: Mathwork, Inc.

Hasherni, Ray R., Bruce A. Pearce, Ramin B. Arani, Willam G. Hinson, Merle G. Paule. 2007. Modified Rough Sets, And Genetic Algorithms For Hybrid

Diagnostic Systems. ISBN-13: 978-1-4612-8637-0 e-ISBN-13:

978-1-4613-1461-5. DOl: 10.1007/978-1-4613-978-1-4613-1461-5.

Kothari, Ashwin. Member IAENG, Allhad Gokhale, Avinash Keskar, & Shreesha Srinath,Rakesh Chalasani. 2008. Feature Space Reductions Using Rough Sets

for a Rough-Neuro Hybrid Approach Based Pattern Classifier. Proceedings

of the World Congress on Engineering and Computer Science 2008, WCECS 2008, pp.975~979, San Francisco, USA. ISBN: 978-988-98671-0-2

Maharani, W. 21 Juni 2008. Analisis Performansi Algoritma Rough Adaptive

Neuro-Fuzzy Inference System. Seminar Nasional Aplikasi Teknologi Informasi

2008 (SNATI 2008), pp. C39~C42,ISSN: 1907-5022 Yogyakarta.

Nurhayati. 2014. Metode Rough Set untuk Melihat Perilaku Suami yang Menjadi

Akseptor KB Vasektomi. Informasi dan Teknologi Ilmiah (INTI), Vol.6,

No.2, pp.94~99. ISSN : 2339-210X.

Pawlak, Z. 1982. Rough sets, International Journal of Computer and Information

Sciences. 11,341-356.

(2)

52

Polkowski, L. 2002. Rough Sets Mathematical Foundations; Springer-Verlag Berlin

Heidelberg GmbH. Original published by Physica-Verlag Heidelberg. New York. ISSN 1615-3871, ISBN 978-3-7908-1510-8, ISBN 978-3-7908

(eBook), DOI 10.1007/978-3-7908-1776-8

Radwan, Elsayed, & Adel M. A. Assiri. 2013. Thyroid Diagnosis based Technique on

Rouhg Set with Modified Similarity Relation. IJACSA (International Journal of Advanced Computer Science and Appications), Vol. 4, No.10, pp.120~126.

Sadek, Rowayda A., M. Sami Soliman, dan Hagar S. Salyed. November 2013.

Effective Anomaly Intrusion Detection System based on Neural Network with Indicator Variable and Rough set Reduction. IJCSI (International Journal of

Computer Science Issues, Vol.10, Issue 6, No. 2, pp.227~233, ISSN (print):1694-0814 | ISSN (online): 1694-0784.

Saindra, Gede S., & Reza Pulungan. January 2012. Reduksi Parameter

Quality-Of-Service Menggunakan Rough-Set-Theory Dalam Simulasi Routing Algoritma Dijkstra. IJCCS, Vol.6, No.1, pp. 79~90. ISSN: 1978-1520.

Yao, Y.Y., S.K.M. Wong, and T.Y. Lin. 1997. A Review Of Rough Set Models. ISBN-13: 978-1-4612-8637-0 e-ISBN-ISBN-13: 978-1-4613-1461-5. DOl: 10.1007/978-1-4613-1461-5.

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

Referensi

Dokumen terkait

Wang et al (2013) pemilihan fungsi keanggotaan merupakan kunci utama pada logika fuzzy karena disain fungsi keanggotaan sangat mempengaruhi ketepatan dan kualitas keputusan

Berdasarkan hasil pengujian yang telah dilakukan dalam penelitian optimasi fungsi keanggotaan fuzzy mamdani menggunakan algoritme genetika untuk penentuan kesesuaian

response charging maupun discharging dari bidirectional DC-DC converter dengan kontrol logika fuzzy untuk fungsi keanggotaan segitiga dapat dilihat pada Gambar 12

Penelitian ini menghasilkan perancangan model kendali logika Fuzzy dan kemudian diterapkan pada suatu aplikasi perangkat lunak yang dapat mengendalikan robot hingga

Dalam analisis data akan dilakukan perhitungan logika fuzzy menggunakan metode Tsukamoto terhadap contoh kasus penentuan kategori beasiswa mahasiswa yang

Proses yang dilakukan pada penelitian ini terdiri dari 2 tahap fuzzy, tahap pertama adalah penentuan bakat dengan Fuzzy Logic dan tahap kedua adalah penentuan

Dalam optimasi fungsi keanggotaan fuzzy menggunakan Algoritma genetika dalam penentuan kebutuhan gizi bayi mpasi, algoritma genetika digunakan untuk menentukan

Aplikasi Logika Fuzzy Untuk Pendukung Keputusan Penentuan Keluarga Miskin Di Kota Yogyakarta.. Universitas Pembangunan Nasional ”Veteran”: