• Tidak ada hasil yang ditemukan

DAFTAR PUSTAKA

N/A
N/A
Protected

Academic year: 2023

Membagikan "DAFTAR PUSTAKA"

Copied!
3
0
0

Teks penuh

(1)

78

DAFTAR PUSTAKA

Adipraja, P. F. E., Sulistyo, D. A. dan Wahyuni, I. (2020), “Pemodelan Fuzzy Inference System Tsukamoto Untuk Prediksi Kejadian Banjir Di Kota Malang”, Jurnal Teknologi Informasi dan Ilmu Komputer, Vol. 7, hal.

189–196. doi: 10.25126/jtiik.202071898.

Aldrian, E. Budiman. Karmini, M. (2011), Adaptasi dan Mitigasi Perubahan Iklim di Indonesia, Jakarta: Pusat Perubahan Iklim dan Kualitas Udara Kedeputian Bidang Klimatologi, Badan Meteorologi, Klimatologi, dan Geofisika (BMKG).

Anggraini, M. A. (2019), Balikpapan Masuk Wilayah Rawan, Terus Meningkat saat ini Ada 88 Titik Banjir, ini Penyebabnya.

Tersedia pada: https://kaltim.tribunnews.com/2019/10/17/balikpapan- masuk-wilayah-rawan-terus-meningkat-saat-ini-ada-88-titik-banjir-ini- penyebabnya?page=all (Diakses: 13 Februari 2020).

Arif, D. A., Giyarsih, S. R. dan Mardiatna, D. (2017), “Kerentanan Masyarakat Perkotaan terhadap Bahaya Banjir di Kelurahan Legok, Kecamatan Telanipura, Kota Jambi,” Majalah Geografi Indonesia, Vol. 31, No.2, hal.

79–87. doi: 10.22146/mgi.29779.

Armanda, R. S. dan Mahmudy, W. F. (2016), “Penerapan Algoritma Genetika Untuk Penentuan Batasan Fungsi Kenggotaan Fuzzy Tsukamoto Pada Kasus Peramalan Permintaan Barang,” Jurnal Teknologi Informasi dan Ilmu Komputer, Vol. 3. No.3, hal. 169. doi: 10.25126/jtiik.201633201.

Bodenhofer, U. (2003), Genetic Algorithms: Theory and Applications. 3rd ed.

Laboratorium Linz-Hagenberg.

BPBD Kota Balikpapan. (2020), Dokumen Banjir Kota Balikpapan Tahun 2016- 2019. Balikpapan.

BPS Kota Balikpapan. (2017), Balikpapan dalam Angka 2017: Statistik Jumlah Curah Hujan dan Hari Hujan Menurut Bulan di Kota Balikpapan Tahun 2016. BPS Kota Balikpapan: Balikpapan.

(2)

79 BPS Kota Balikpapan. (2018), Balikpapan dalam Angka 2018: Statistik Jumlah Curah Hujan dan Hari Hujan Menurut Bulan di Kota Balikpapan Tahun 2017. BPS Kota Balikpapan: Balikpapan.

BPS Kota Balikpapan. (2019), Balikpapan dalam Angka 2019: Statistik Jumlah Curah Hujan dan Hari Hujan Menurut Bulan di Kota Balikpapan Tahun 2018. BPS Kota Balikpapan: Balikpapan.

BPS Kota Balikpapan, (2020), Balikpapan dalam Angka 2020: Statistik Jumlah Curah Hujan dan Hari Hujan Menurut Bulan di Kota Balikpapan Tahun 2019. BPS Kota Balikpapan: Balikpapan.

Dewanto, W., Muslim, M. dan Sunaryo, S. (2013), “Rancang Bangun Model Potensi Banjir pada Jalan Arteri di Kota Malang Menggunakan Logika Fuzzy,” Jurnal EECCIS, Vol. 7, No. 1, hal. 53–58.

Fadilah, S. (2019), Optimasi Derajat Keanggotaan Fuzzy Tsukamoto menggunakan Algoritma Genetika untuk Prediksi Cuaca. Pekanbaru:

Tugas Akhir, Universitas Islam Sultan Syarif Kasim Riau.

Fauziah, N. et al. (2016), “Peramalan Mengunakan Fuzzy Time Series Chen ( Studi Kasus : Curah Hujan Kota Samarinda ),” Statistika, Vol. 4, No. 2.

Findayani, A. (2015), “Kesiap Siagaan Masyarakat dalam Penanggulangan Banjir di Kota Semarang,” Vol. 12, No. 1, hal. 102–114. doi:

10.15294/jg.v12i1.8019.

Fitri, A. dan Mahmudy, W. F. (2017), “Optimasi Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika pada Penentuan Prioritas Penerima Zakat,” Optimasi Keanggotaan Fuzzy Tsukamoto, Vol. 1, No. 2, hal. 125–

138.

Gen, M. dan Cheng, R. (2000), Genetic Algorithms & Engineering Optimization.

Diedit oleh H. R. Parsaei. Canada: John Wiley & Sons, Inc.

Goldberg, D. E. 1989, Genetic Algorithms in Search, Optimization and Machine Learning. Canada: Addison-Wesley.

Margi, K. S. & Pendawa, S. W. 2015, Analisa dan Penerapan Metode Single Exponential Smoothing Untuk Prediksi Penjualan Pada Periode Tertentu (Studi Kasus : PT. Media Cemara Kreasi). Jakarta, s.n.

Mitchell, M. (1999), Introduction to genetic algorithms, A Bradford Book The

(3)

80 MIT Press. Cambridge, Massachusetts. doi: 10.1007/BF02823145.

Pamungkas, R. A., Indwiarti dan Rohmawati, A. (2019), “Implementasi Genetic Algorithm dalam Model ARIMA untuk Memprediksi Observasi Time Series”, Vol. 4, hal. 37–50.

Rosyidie, A. (2013), “Banjir: Fakta dan Dampaknya, Serta Pengaruh dari Perubahan Guna Lahan,” Journal of Regional and City Planning, Vol. 24, No. 3, hal. 241–249.

Setiawan, A., Yanto, B. dan Yasdomi, K. (2018), Logika Fuzzy dengan Matlab Contoh Kasus Penelitian Penyakit Bayi Dengan Fuzzy Tsukamoto, Jayapangus Press.

Suprayogi, D. A. & Mahmudy, W. F. 2015, "Penerapan Algoritma Genetika Traveling Salesman Problem with Tim Window: Studi Kasus Rute Antar Jemput Laundry", Jurnal Buana Informatika, Vol. VI, No. 2, pp. 121-130.

Sutrisno. (2011), “Analisis Perbandingan Fuzzy Regresi Berganda dengan Regresi Berganda Konvensional sebagai Alat Peramalan”.

Wahyuni, I. dan Ahda, F. A. (2018), “Pemodelan Fuzzy Inference System Tsukamoto Untuk Prediksi Curah Hujan Studi Kasus Kota Batu,” Jurnal Ilmiah Teknologi Informasi Asia, Vol. 12, No. 2, hal. 115. doi:

10.32815/jitika.v12i2.260.

Wahyuni, I., Ahda, F. A. dan Adipraja, P. F. E. (2018), “Penerapan Metode Hybrid FIS Tsukamoto dan Algoritma Genetika untuk Prediksi Curah Hujan di Daerah Batu,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), hal. 483–492. doi: 10.25126/jtiik.

Wang, L. X. (1997) , A Course in ’Fuzzy A Course in Fuzzy Systems and Control, Prentice-Hall International, Inc.

Winardi, S., Azis, R. A. dan Halim, A. (2019) “Sistem Informasi Geografis Daerah Rawan Banjir untuk Wilayah Kota Medan,” Vol. 20, No. 1, hal.

93–104.

Zadeh, L. A., 1965. Fuzzy Sets. Information and Control, Vol. VIII, No. 3, hal.

338-353.

Zimmermann, H.-J., 2001. Fuzzy Set Theory and Its Applications. 4th ed. New York: Kluwer Academic.

Referensi

Dokumen terkait

Sistem Pakar Diagnosa Tingkat Resiko Penyakit Rabies Pada Anjing Menggunakan Metode Fuzzy Inference Sistem (FIS) Tsukamoto.. Skripsi Sarjana

Perancangan dan Pembuatan Sistem Informasi Keuangan dan Penentuan Jumlah Produksi menggunakan Fuzzy Inference System (FIS) Tsukamoto, sistem mampu melakukan

- Curah hujan/jam adalah total curah hujan terbaca yang terkumpul dalam setiap 1 jam.. - Curah hujan/hari adalah total curah hujan yang tl+elah terkumpul dalam

student satisfaction on lecturer performance with fuzzy inference system (FIS) tsukamoto method", IOP Conference Series: Materials Science and Engineering,

Konsep sistem ini adalah Sistem Penunjang Keputusan, yang menggunakan metode Fuzzy Inference System (FIS) Tsukamoto sebagai solusi untuk penanganan

Kesimpulan Dalam peelitian ini dapat ditarik kesimpulan bahwa metode logika fuzzy dengan Fuzzy Inference System FIS Tsukamoto dapat menyelesaikan permasalahan penentuan kesesuaian

L., irfan M., Jumadi 2017, Analisa Perbandingan Logic Fuzzy Metode Tsukamoto, Sugeno Dan Mamdani STUDI KASUS : PREDIKSI JUMLAH PENDAFTAR MAHASISWA BARU FAKULTAS SAINS DAN TEKNOLOGI

Kesimpulan Berdasarkan hasil analisis prediksi curah hujan Kota Bandung menggunakan Logika Fuzzy Time Series, dapat menunjukkan hasil nilai prediksi curah hujan Januari 2020 sebesar