68 ISSN: (Print), (Online)

(1)

68 ISSN: 2338-8145 (Print), 2338-9761 (Online)

Fuzzy Tsukamoto Pada Color Quantification

Untuk Penentuan Harga Jasa Percetakan

Made Ayu Dusea WIdyadara 1), Wing Wahyu WInarno 2), Hanif Al Fatta 3) Magister Teknik Informatika STIMIK Amikom Yogyakarta 1) 2) 3)

[email protected]

Abstract - Image processing in the printing world for determining the use of inks in the printing process is

not widely used. Because of all this using only printing the print area count in determining the estimated requirement of ink used. Based on these experiences, the researchers made a prototype design that perform image processing on the design to be printed so that the needs of ink used on each design will look different despite having comparable size. Image processing with color Quantification is done with the application of the formula and fuzzy Tsukamoto. Results obtained with the application of the formula Tsukamoto fuzzy 23.08% and amounted to 54.92%. This provides an opportunity for printing to enhance its competitiveness based on the results of this study that by lowering prices, it will not affect the quality of the print is done.

Keywords: color Quantification, Tsukamoto fuzzy, digital image, printing, prototype

Abstrak – Pengolahan citra dalam dunia percetakan untuk penentuan penggunaan tinta dalam proses

cetak masih belum banyak digunakan. Karena selama ini percetakan hanya menggunakan hitungan luas cetak dalam menentukan perkiraan kebutuhan tinta yang digunakan. Berdasarkan pengalaman tersebut, maka peneliti membuat rancangan berupa prototype yang melakukan pengolahan citra pada desain yang akan dicetak sehingga kebutuhan tinta yang digunakan pada setiap desain akan terlihat berbeda meskipun memiliki ukuran luas yang sama. Proses pengolahan citra dengan color quantification dilakukan dengan penerapan rumus dan fuzzy Tsukamoto. Hasil yang diperoleh dengan penerapan rumus 23,08% dan fuzzy Tsukamoto sebesar 54,92%. Hal ini memberikan peluang bagi percetakan untuk meningkatkan daya saingnya berdasarkan hasil penelitian ini bahwa dengan menurunkan harga, tidak akan mempengaruhi kualitas cetak yang dilakukan.

Kata kunci: color quantification, fuzzy Tsukamoto, citra digital, percetakan, prototype 1.a Latar Belakang

Pengolahan citra RGB untuk percetakan sangatlah penting peranannya terutama dalam menghitung jumlah biaya cetak. Selama ini dari hasil pengamatan di beberapa percetakan harga cetak tidak mempertimbangkan kerumitan baik warna atau desain pada gambar, semua diperhitungkan sama berdasarkan luasan bidang cetak. Hal ini sebenarnya tidak terlalu adil dari aspek pembeli atau percetakan karena setiap desain menghabiskan komposisi warna yang berbeda, sehingga diperlukan alat bantu untuk memperkirakan harga cetak pada setiap desain yang dihitung berdasarkan komposisi warna bukan berdasarkan luasan bidang cetak (per meter). Dari sisi percetakan, sistem perhitungan berdasarkan komposisi warna ini bisa menjadi keunggulan dalam persaingan bisnis, dimana pembeli mendapatkan harga sesuai desain yaitu jika komposisi warna yang digunakan rendah maka biaya yang dikeluarkan lebih murah. Percetakan juga tidak akan dirugikan, karena biaya yang diberikan kepada pembeli merupakan

biaya yang sesuai dengan komposisi warna yang digunakan serta percetakan dapat menentukan margin habis tinta pada preproses, sehingga percetakan teresebut dapat memberikan harga lebih murah dibandingkan dengan percetakan lain yang tidak hanya sekedar menurunkan harga tanpa ada perhitungan yang dapat membuat rugi.

2.a. Kajian Pustaka

Citra digital dapat diwakili oleh sebuah matriks dua dimensi f(x,y) yang terdiri dari M kolom dan N baris, dimana perpotongan antara kolom dan baris disebut piksel (pixel= picture element) atau elemen terkecil dari sebuah citra. Pada gambar berwarna masing-masing piksel memiliki warna tertentu, warna tersebut adalah merah (red), hijau (green) dan biru (blue). Jika masing-masing warna memiliki range 0-255, maka totalnya adalah 2553_{=16.581.375(16K) variasi warna}

berbeda pada gambar, di mana variasi warna ini cukup untuk gambar apapun. Karena jumlah bit yang diperlukan untuk setiap piksel, gambar tersebut juga disebut gambar bit warna. Color

(2)

image ini terdiri dari tiga matriks yang mewakili nilai-nilai merah, hijau, dan biru untuk setiap pikselnya. Setelah dilakukan pengelompokan warna berdasarkan range nya, maka dihitunglah jumlah piksel berdasarkan RGB pada gambar tersebu tsehingga menghasilkan persentase warna yang digunakan pada gambar.

Matriks membentuk suatu citra digital, dimana elemen-elemen matriks tersebut dapat diakses melalui indeksnya, yaitu baris dan kolom. Sebuah citra digital berukuran N x M, dengan keterangan sebagai berikut.

N = Jumlah baris (panjang/tinggi matriks) 0 ≤ y ≤ N – 1

M = Jumlah kolom (lebar matriks) 0 ≤ x ≤ M – 1

L = Intensitas warna maksimal (derajat keabuan) 0 ≤ f(x,y) ≤ L – 1

Gambar 1. Contoh Struktur data citra digital Dengan menggunakan logika fuzzy dimana logika fuzzy adalah salah satu komponen pembentuk soft computing. Logika fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentuan keanggotaan function menjadi ciri utama dalam penalaran dengan logika fuzzy tersebut. Logika fuzzy bisa dianggap sebagai kotak hitam yang berhubungan antara ruang input menuju ruang output [6]. Logika fuzzy merupakan salah satu cabang dari ilmu komputer yang mempelajari tentang nilai kebenaran yang bernilai banyak. Berbeda dengan nilai kebenaran pada logika klasik yang bernilai 0(salah) atau 1(benar). Logika fuzzy mempunyai nilai kebenaran real dalam selang [0,1]. Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh seorang

ilmuwan Amerika Serikat berkebangsaan Iran dari Universitas California di Berkeley pada tahun 1965. Meskipun demikian, logika fuzzy lebih banyak dikembangkan oleh praktisi Jepang [11]. Pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan dengan tegas (crisp) berdasarkan α-predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Misalnya ada 2 variabel input, var-1(x) dan var-2(y) serta 1 variabel output var-3(z), dimana var-1 terbagi atas 2 himpunan yaitu A1 dan A2 dan var-2 terbagi atas himpunan B1 dan B2. Sedangkan var-3 juga terbagi atas 2 himpunan yaitu C1 dan C2 [6].

Gambar 2. Diagram blok sistem inferensi fuzzy Tsukamoto

Sistem inferensi fuzzy menerima input crisp. Input ini kemudian dikirim ke basis pengetahuan yang berisi n aturan fuzzy dalam bentuk IF-THEN. Fire strength akan dicari pada setiap aturan. Apabila jumlah aturan lebih dari satu, maka akan dilakukan agregasi dari semua aturan. Selanjutnya, pada hasil agregasi akan dilakukan defuzzy untuk mendapatkan nilai crisp sebagai output sistem.

Pada metode penarikan kesimpulan samar Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan samar dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil penarikan kesimpulan (inference) dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength). Hasil akhir diperoleh dengan menggunakan rata-rata berbobot (weight average)[7].

2.b. Metode Penelitian

Metode penelitian yang digunakan adalah penelitian Action Research dimana penelitian ini

(3)

bertujuan mengembangkan keterampilan-keterampilan atau cara pendekatan baru dan untuk memecahkan masalah dengan penerapan langsung di dunia kerja atau dunia aktual lainnya. Peneliti ini melakukan analisis terhadap performa metode fuzzy Tsukamoto untuk color quantification pada jasa percetakan. Metode Fuzzy Tsukamoto dilakukan pada penentuan harga setelah proses color quantification pada desain atau gambar.

1. Metode Pengumpulan Data

Pengumpulan data dilakukan dengan cara observasi (pengamatan langsung) dengan mencatat pengeluaran tinta pada percetakan. Serta melakukan metode kepustakaan, yaitu pengambilan data dengan cara menelaah teori-teori yang terdapat pada buku-buku berhubungan dengan yang akan diselesaikan

2. Metode Analisis Data

Analisis data yang dilakukan bertujuan untuk menguji kualitas/ketepatan hasil, dan menguji hipotesis penelitian. Metode analisis hasil penelitian ini dilakukan dengan pengecekan hasil dengan inputan desain yang sama tetapi memiliki komposisi warna yang berbeda.

3. Alur Penelitian

Pada penelitian yang akan dilakukan langkah-langkah yang akan dilakukan untuk mencapai hasil yang diinginkan adalah seperti Gambar 3 berikut ini :

Gambar 3. Alur penelitian

4. Hasil dan Pembahasan

4.1. Identifikasi Masalah

Penggunaan tinta pada mesin cetak saat ini belum terukur berdasarkan citra sebelum

dilakukan proses cetak, sehingga dalam penentuan harga cetak hanya berdasarkan luasan bidang yang akan dicetak bukan berdasarkan berapa banyak tinta yang dikeluarkan untuk mencetak sebuah citra tersebut berdasarkan kepekatan warna dan kerumitan desain

4.2. Analisis dan Rancangan Sistem

Analisis yang digunakan dalam penelitian ini adalah analisis kebutuhan yang didapatkan dari proses wawancara sehingga perancang dapat mengetahui secara rinci kebutuhan pengguna. Dalam proses wawancara didapatkan bahwa percetakan selama ini kebingungan dalam menentukan jumlah tinta yang digunakan dalam proses cetak sehingga percetakan hanya memperkirakan jumlah keluaran tinta dengan menghitung nya berdasarkan luasan bidang cetak saja tanpa memperhitungkan kepekatan warna serta kerumitan gambar.

Kebutuhan dari pengguna dapat dikelompokkan menjadi dua jenis yaitu kebutuhan fungsional dan non fungsional. Kebutuhan fungsional dari sistem agar pengguna dapat berinteraksi dengan sistem adalah sebagai berikut :

a. Sistem dapat menerima input citra dari pengguna.

b. Sistem mampu memproses dari input pengguna untuk dapat meghasilkan jumlah tinta yang dibutuhkan dalam proses cetak desain.

Kebutuhan lain yang dibutuhkan adalah kebutuhan non fungsional. Kebutuhan non fungsional pada sistem dapat mempengaruhi performa sistem. Kebutuhan non fungsional pada sistem dijelaskan dalam paparan berikut ini :

a. Aplikasi bersifat aman karena tidak menggunakan peralatan yang berbahaya. b. Pengguna hanya membutuhkan sebuah

komputer untuk dapat mengakses aplikasi. c. Aplikasi berjalan secara offline.

Berikut adalah gambaran use case dari prototype yang akan dibangun.

(4)

Gambar 4. Use case prototype 4.3. Proses Konversi Warna

Warna cyan(C), magenta(M), dan yellow(Y) adalah warna komplementer terhadap Red, Green, dan Blue. Dua buah warna komplementer jika dicampur dengan perbandingan yang tepat menghasilkan warna putih. Model warna ini berorientasi hardware, terutama untuk model printer.

CMY digunakan hanya untuk mengonversi system RGB menjadi system yang bisa dilihat oleh mata. Model CMY dapat diperoleh dari model RGB dengan persamaan berikut (Prasetyo E, 2012). C = 1-R C = C-K

M = 1-G M = M-K Y = 1-B Y = Y-K K = min(C, M, K)

Pengelompokan warna pada citra berdasarkan CMYK ini bertujuan untuk mengetahui luasan warna yang terkandung dalam suatu citra. Hasil pengelompokan warna ini berupa frekuensi dari tiap warna CMYK yang nantinya akan digunakan pada proses perhitungan berikutnya.

Proses konversi warna RGB (monitor) ke warna CMYK (printer) dan proses pengelompokan warna berdasarkan CMYK pada penelitian ini menggunakan MATLAB. Proses pengkonversian gambar dan pengelompokan gambar dapat dilihat pada gambar 5.

Gambar 5. hasil konversi warna dan pengelompokan warna sesuai dengan CMYK 4.4. Mesin Cetak dan Tinta

Pada penelitian ini menggunakan mesin printer EPSON Stylus Photo 1390 dengan 90 nozzle configuration dan ink dropelet volume 1.5pl Ultra Micro Dots. Penggunaan mesin printer tersebut dilakukan karena mesin printer EPSON Stylus Photo 1390 memiliki kelebihan dapat dimodifikasi dengan menggunakan tinta DuPont Artistri Ink 5000 Series. Pada tinta DuPont seri 5000 tersebut memiliki optical density yang diketahui relatif berdekatan yaitu Cyan 1.1, Magenta 1.02, Yellow 1.14, dan Key 1.18.

Penentuan tinta dan mesin cetak ini berpengaruh dalam perhitungan yang akan digunakan dalam penelitian ini karena ink dropelet volume dan optical density yang akan berpengaruh pada keluaran tinta.

4.5. Penerapan metode

Berdasarkan frekuensi warna CMYK pada citra yang telah ditemukan berdasarkan proses pengelompokan warna, dihitunglah banyaknya tinta yang dibutuhkan untuk proses cetak citra dengan rumus yang telah diuraikan oleh Manfred H. Breede (1999) pada buku karanganya halaman 137 - 141 yang berjudul Handbook of Graphic Arts Equations.

Pemakaian Tinta = L x N x D x R L = Luas area cetak dalam inci

N = Jumlah cetakan D = Jenis tinta R = Resolusi

Dengan memasukan data uji maka didapatkanlah hasil pada tabel 1.

Tabel 1. Data uji berdasarkan rumus

Data

Citra Dalam pixel

Keluaran

tinta Harga

1 1754 2480 2,4259 4851,8941

(5)

72 ISSN: 2338-8145 (Print), 2338-9761 (Online) 3 2480 1754 1,7253 3450,5191 4 1754 2480 4,2287 8457,4499 5 1000 1400 0,9009 1801,8706 6 1000 500 0,0871 174,1824 7 1000 500 0,1130 225,9340 8 1000 500 0,1254 250,8949 9 1000 500 0,1069 213,8272 10 1000 500 0,0667 133,3745 11 1000 1000 0,5701 1140,2010 12 1000 1000 0,2122 424,4827 13 1000 1000 0,4983 996,6914 14 1000 1000 0,0978 195,5049 15 1000 1000 0,2623 524,6727 16 1240 1754 1,0083 2016,6086 17 1240 1754 1,6744 3348,8126 18 2480 1754 3,1225 6244,9571 19 1000 1400 0,3081 616,1986 20 1000 1000 0,6126 1225,1855

Keterangan : Harga tinta per 1 ml = Rp.2000 pada tahun 2016

Penggunaan metode yang kedua adalah menote fuzzy Tsukamoto, penggunaan metode fuzzy Tsukamoto ini membutuhkan rule yang dijelaskan pada tabel 2.

Tabel 2. Rule fuzzy Tsukamoto

Rule Warna C Warna M Warna Y Warna K Harga

1 High High High High High

2 High High High Low High

3 High High Low High High

4 High High Low Low High

5 High Low High High High

6 High Low High Low Low

7 High Low Low High Low

8 High Low Low Low Low

9 Low High High High High

10 Low High High Low High

11 Low High Low High High

12 Low High Low Low Low

13 Low Low High High Low

14 Low Low High Low Low

15 Low Low Low High Low

16 Low Low Low Low Low

Rule yang terdapat pada fuzzy Tsukamoto ini akan digunakan bersama frekuensi warna hasil pengelompokan warna CMYK dalam penerapan rumus fungsi keanggotaan warna cyan, magenta, yellow dan key. Rumus fungsi keanggotaan ini akan menentukan µ high dan µ low pada tiap warna.

Penentuan rumus fungsi keanggotaan tinta didasarkan pada observasi dimana penggunaan tinta untuk proses cetak dimulai dari 1 mililiter hingga 4 mililiter. Sehingga didapatkanlah rumus fungsi keanggotaan tinta sebagai berikut dan grafik keanggotaan tinta pada gambar 6.

(6)

Penentuan nilai α dari tiap warna CMYK dilakukan berdasarkan rule yang telah ditentukan, yaitu proses dengan menggunakan fungsi implikasi MIN untuk mendapatkan nilai α-predikat tiap-tiap rule (α1, α2, α3, ... αn). Kemudian masing-masing nilai α-predikat ini digunakan untuk menghitung keluaran hasil inferensi secara tegas (crisp) masing-masing rule (z1, z2, z3,...zn).

Misalnya pada rule 1 dimana C high, M high, Y high dan K high maka Harga high. Nilai α yang diambil dari nilai terkecil pada masing-masing warna CMYK berdasarkan rule.

Pada metode fuzzy Tsukamoto, untuk menentukan output crisp digunakan defuzzifikasi

rata-rata terpusat, yaitu :

Z = (∑α1.z1) / ∑α1

Z merupakan hasil akhir yang akan dikalikan dengan frekuensi yang didapatkan dari hasil pengelompokan warna berdasarkan wilayah kepekatan warna untuk menghasilkan jumlah total tinta yang dibutuhkan dalam mencetak gambar. Data uji yang digunakan pada penelitian ini sebanyak 20 gambar yang akan diproses melalui konversi citra RGB ke CMYK, pengelompokan warna berdasarkan wilayah yang menghasilkan frekuensi, dan pengolahan data uji dengan menggunakan metode fuzzy Tsukamoto yang dapat dilihat pada tabel 3.

Tabel 3. Data uji berdasarkan fuzzy Tsukamoto

Data

Gambar Dalam pixel

Keluaran tinta Harga 1 1754 2480 2,82006 4438,25 2 1000 600 2,49435 5607,85 3 2480 1754 2,90201 3720,29 4 1754 2480 2,20696 5222,78 5 1000 1400 2,23288 4625,077 6 1000 500 3,28928 3886,74 7 1000 500 3,26987 4022,44 8 1000 500 3,11811 3981,35 9 1000 500 3,19245 4201,71 10 1000 500 3,28795 3652,6611 11 1000 1000 3,61073 4985,77 12 1000 1000 2,89471 5098,13 13 1000 1000 3,21306 4330,48 14 1000 1000 3,51371 3512,85 15 1000 1000 3,21475 4964,38 16 1240 1754 2,71433 5626,87 17 1240 1754 2,51276 5502,87 18 2480 1754 2,39241 4900,80 19 1000 1400 3,51211 3477,25 20 1000 1000 3,23235 1471,31

Berdasarkan kedua hasil perhitungan tersebut akan dibandingkan dengan data observasi yang mana berdasarkan hasil observasi pada percetakan, berapapun luasan cetak serta serumit dan sepekat apapun tinta yang digunakan tidak berpengaruh pada harga cetak dan keluaran cetak yang telah ditentukan yaitu 4 mililiter per cetak dengan harga Rp.8.000. Perbandingan data tersebut dapat dilihat pada tabel 4 berikut ini. Tabel 4. Perbandingan data uji

Data Hasil Uji (mL) Harga (Rupiah)

Obser vasi rumus Tsuka moto Obser vasi rumus Tsuka moto 4 2,43 2,82 8000 4851,89 4438,25 4 0,32 2,49 8000 634,98 5607,85 4 1,73 2,90 8000 3450,52 3720,29 4 4,23 2,21 8000 8457,45 5222,78 4 0,90 2,23 8000 1801,87 4625,08 4 0,09 3,29 8000 174,18 3886,74 4 0,11 3,27 8000 225,93 4022,44 4 0,13 3,12 8000 250,89 3981,35 4 0,11 3,19 8000 213,83 4201,71 4 0,07 3,29 8000 133,37 3652,66 4 0,57 3,61 8000 1140,20 4985,77 4 0,21 2,89 8000 424,48 5098,13 4 0,50 3,21 8000 996,69 4330,48 4 0,10 3,51 8000 195,50 3512,85 4 0,26 3,21 8000 524,67 4964,38 4 1,01 2,71 8000 2016,61 5626,87 4 1,67 2,51 8000 3348,81 5502,87 4 3,12 2,39 8000 6244,96 4900,80 4 0,31 3,51 8000 616,20 3477,25 4 0,61 3,23 8000 1225,19 1471,31

Perancangan prototype dilakukan berdasarkan proses perhitungan sebelumnya. Gambar 7 akan menjelaskan alur pembuatan prototype.

(7)

Data sampel yang telah dikumpulkan akan digabungkan untuk pengimplementasian pengembangan prototype logika fuzzy Tsukamoto untuk penentuan harga jasa pada percetakan. Prototype memiliki bagian sistem yang memproses data input pengguna berupa proses upload gambar untuk menghasilkan output yang sesuai yaitu jumlah tinta yang digunakan dalam proses cetak dan harga. Berikut adalah gambaran prototype yang dirancang.

Gambar 8. Prototype perhitungan tinta Pengumpulan data observasi, perhitungan data sampel dengan rumus dan fuzzy Tsukamoto akan dibandingkan dengan menggunakan rumus sebagai berikut. Ee = p – p* keterangan : p = Nilai Eksak p* = Nilai Perkiraan Ee = Kesalahan Absolut

Kesalahan relatif adalah kesalahan mutlak dibandingkan dengan terhadap nilai eksak yang terjadi. Penulisan rumusnya adalah seperti di bawah ini.

εe = Ee /p

εe =Kesalahan Relatif

Hasil dari perhitungan perbedaan ketiga data tersebut didapatkanlah rata-rata perbedaan antara data observasi dengan data rumus sebesar 23% dan perbedaan data observasi dengan data fuzzy Tsukamoto sebesar 54,92%.

5. Penutup

Berdasarkan hasil penelitian dengan menggunakan pengolahan citra, perbedaan pada data hasil uji observasi dengan hasil rumus sebesar 23,08% sedangkan pada data hasil uji observasi dengan hasil fuzzy Tsukamoto sebesar 54,92%. Hal ini memberikan referensi kepada pihak percetakan bahwa penurunan harga dapat dilakukan berdasarkan acuan perhitungan yang dilakukan tanpa harus mengurangi kualitas cetak

hal ini dapat menjadi keunggulan tersendiri bagi percetakan yang menggunakanya yaitu, dapat menurunkan harga cetak tanpa mempengaruhi kualitas sehingga meningkatkan keunggulan dengan percetakan lain.

6. Daftar Pustaka

[1] Abadpour, Arash, 2005, Color Image Processing Using Principal Component Analysis, Tehran.

[2] Ahmad, Usman, 2005, Pengolahan Citra

Digital dan Teknik Pemrogramanya, Graha Ilmu, Yogyakarta.

[3] Cie Christina, 2015, Ink Jet Textile

Printing, Elsevier, UK.

[4] Guritno, S., Sudaryono., Rahardja, U.,

2011, Theory and aplication of IT research, ANDI, Yogyakarta.

[5] Kusumadewi, Sri, 2002, Analisis

Desain Sistem Fuzzy Menggunakan Tool Box Matlab, Graha Ilmu, Yogyakarta.

[6] Kusumadewi, Sri, 2003, Artificial Intelligence (Teknik dan Aplikasinya). Graha Ilmu. Yogyakarta.

[7] Kusumadewi, S. dan Hartati, S.,

2006, Neuro-Fuzzy: Integrasi Sistem Fuzzy dan Jaringan Syaraf, Penerbit Graha Ilmu, Yogyakarta.

[8] Marbuko, Cholid dan Abu Achmadi,

2005, Metodologi Penelitian. Bumi Aksara, Jakarta.

[9] Michael Kriss, 2015, Handbook of Digital

Imaging, John Wiley & Sons, USA [10] R.U. Hewage and D.U.J. Sonnadara,

2011, Colour Image Segmentation Technique for Screen Printing, Proceedings of the Technical Sessions, 27 (2011) 60-67, Institute of Physics, Sri Lanka

[11] Setiadji, 2009, Himpunan & Logika

Samar serta Aplikasinya, Graha Ilmu, Yogyakarta.

[12] Sugiharto, A., 2006, Pemrograman GUI

dengan MATLAB, Andi Offset, Yogyakarta.

[13] Ujiie H,2006, Digital Printing of Textiles, Woodhead Publishing, England.

[14] Simanjuntak, Novan Parmonangan., 18

Juli 2016, “Aplikasi Fuzzy Logic Controller pada Pengontrolan Lampu Lalu Lintas”,

http://informatika.stei.itb.ac.id/~rinaldi.mun

ir/MetNum/2011-