1

Simulasi Fuzzy Dengan

Inferensi Tsukamoto Pada Mesin Cuci

Fuji Syaipul1, Kartina Diah Kesuma Wardhani 2 & Erwin Setyo Nugroho3
PCR, Jurusan Teknik Komputer, Jl. Umban Sari No. 1, Rumbai, Pekanbaru 2826, Indonesia
fujisyaipul@gmail.com 1,diah@pcr.ac.id 2, erwinsn@pcr.ac.id 3

Abstrak
Mencuci merupakan kegiatan yang rutin dilakukan, namun bagi sebagian orang yang
mempunyai mobilitas tinggi tidak punya cukup waktu untuk kegiatan ini. Dengan bantuan mesin
cuci kegiatan mencuci lebih mudah dilakukan namun, pada mesin cuci konvensional proses
pengerjaan diatur oleh pengguna secara manual sehingga sulit menentukan waktu yang tepat.
Jika waktu yang diatur tidak cukup untuk suatu muatan pakaian yang diberikan, maka pakaian
tidak tercuci dengan baik. Sebaliknya, jika waktu mencuci diatur terlalu lama, maka akan
terjadi pemborosan waktu dan energi. Untuk itu dibutuhkan sebuah sistem yang mampu
memberikan informasi lama waktu pencucian berdasarkan logika manusia, yaitu logika fuzzy.
Dengan memasukkan variabel jumlah air, jumlah deterjen dan berat pakaian berdasarkan
sejumlah aturan yang dibuat sistem mampu memberikan informasi lama waktu pencucian.
Inferensi Tsukamoto adalah salah satu inferensi yang digunakan dalam logika fuzzy untuk
merepresentasikan setiap konsekuen pada aturan yang berbentuk IF-THEN dengan fungsi
keanggotaan yang monoton. Beradasarkan penelitian diperoleh hasil sebanyak 87,3%
pengguna menyatakan mudah dalam menggunakan simulasi dan 86% pengguna menyatakan
memberikan alternatif dalam mengetahui lama waktu pencucian, selain itu juga dilakukan
perbandingan antara inferensi Tsukamoto dan Sugeno untuk melihat selisih waktu yang
dihasilkan kedua inferensi yaitu ± 1-5 menit dengan masukan dan aturan yang sama.

Kata kunci: mesin cuci , logika fuzzy, inferensi tsukamoto.

Abstract
Washing is a routine activity, but for some people who have high mobility, they do not have
enough time to do this activity. With the aid of a washing machine, washing is easier to do, but
in a conventional washing machine, the process of it is set by the user manually so it is difficult
to determine the time exactly. If the set time is not enough for a given load clothes, the clothes
will not be washed well. Otherwise, if the washing time is set too long, it will be a waste of time
and energy. That is why it required an information system that capable of providing long-
laundering based on human logic, which is fuzzy logic. By inserting a variable amount of water,
detergent and heavy clothing base on a number of rules that the system is able to give
information about the washing time. Tsukamoto inference is one of inferences in fuzzy logic that
used in fuzzy logic to represent every consequent in the IF-THEN rules of monotonous
membership functions. Based on testing from the simulation, showing that 87,3% users agree
this simulation easier to use, and 86% users agree this simaulation gives another solution to
know about the wasting time of washing time. In addition, base on the comparison of Tsukamoto
and Sugeno, showing that the different time is about ± 1-5 minutes in conditional of the same
insert and rule.

Keywords: Washing machine, Fuzzy logic, Tsukamoto inference.

2 Fuji Syaipul1, Kartina Diah Kesuma Wardhani 2 & Erwin Setyo Nugroho3

1 Pendahuluan

1.1 Latar Belakang

Mesin cuci sudah tidak asing lagi dalam kehidupan kita sekarang, dengan mesin cuci
orang dapat lebih mudah untuk mencuci pakaian. Mesin ini sangat diminati orang terutama
mereka yang tidak punya banyak waktu untuk mencuci pakaian. Cara kerja mesin cuci sendiri
adalah dengan memutar air menggunakan rotor pada kecepatan tertentu dengan maksud
melepaskan kotoran yang menempel pada pakaian dengan bantuan deterjen.

Pada mesin cuci konvensional masing-masing proses pengerjaan diatur oleh pengguna
secara manual sehingga tidak efisien dalam penggunaan waktu dan tenaga [2]. Maka
dibutuhkan sebuah kontrol yang mampu mengambil keputusan untuk menentukan seberapa
lama waktu putaran yang diperlukan..

Logika fuzzy merupakan salah satu cabang dari ilmu kecerdasan buatan yang mampu
merepresentasikan bahasa alami atau penalaran manusia kedalam bentuk pemodelan
matematika yang sederhana sehingga dapat di implementasikan kedalam suatu mesin atau
system[5]. Logika fuzzy dapat menjembatani dan memberikan alternatif kepada pengguna
dalam mengetahui lama waktu pencucian menggunakan mesin cuci berdasarkan sejumlah
aturan yang mengikuti cara penalaran atau logika manusia. Dengan mengetahui berat kain,
jumlah air dan jumlah deterjen yang digunakan untuk mencuci serta dengan menerapkan logika
fuzzy inferensi tsukamoto maka mesin dapat mengontrol seberapa lama waktu putaran yang
dibutuhkan untuk melepaskan kotoran dari pakaian sehingga pakaian menjadi bersih dan
penggunaan mesin menjadi efektif.

Dengan memanfaatkan keunggulan logika fuzzy dan kebutuhan manusia yang tinggi
terhadap mesin cuci maka penulis membuat simulasi yang menggabungkan logika fuzzy
kedalam pengontrolan lama waktu putaran dalam mesin cuci sesuai aturan tertentu sehingga
mencuci menjadi efektif. Simulasi ini diharapkan dapat memberikan alternatif dalam
mengoptimalkan pencucian menggunakan mesin

1.2 Tujuan dan Manfaat

1.2.1 Tujuan
AdapunTujuan yang ingin dicapai dalam pembuatan proyek akhir ini adalah :
1. Menerapkan logika fuzzy untuk mengetahui lama waktu putaran yang dibutuhkan dalam
membersihkan pakaian menggunakan mesin cuci.
2. Membuat simulasi yang user friendly.
3. Membandingkan lama waktu pencucian yang dihasilkan inferensi Tsukamoto pada
penelitian sekarang dengan inferensi Sugeno yang telah dilakukan pada penelitian
sebelumnya.

1.2.2 Manfaat
manfaat dari proyek akhir ini adalah memberikan alternatif kepada pengguna mesin cuci
dalam mengetahui lama waktu yang dibutuhkan dalam mencuci menggunakan mesin cuci dalam
berbagai kondisi.
 Simulasi Fuzzy Dengan Inferensi Tsukamoto Pada Mesin Cuci
3

2 Tinjauan Pustaka

2.1 Perbandingan Penelitian

Beberapa penelitian dengan topik sejenis adalah sebagai berikut :
1. Penelitian dengan judul “Aplikasi Metode Takagi-Sugeno Pada Cara Kerja Mesin Cuci ”
yang dilakukan oleh Dwi Mei Nurhayati [2] dari Universitas Islam Negeri Malang.
Penelitian ini menggunakan variabel masukan jumlah air, jumlah deterjen dan berat pakai
serta memakai bantuan matlab dalam pembuatan nya. Keluaran yang dihasilkan pada
penelitian ini adalah waktu putaran pencucian. Perbedaan dengan penelitian sekarang
berbasis website page HTML5 serta metode yang digunakan pada penelitian sekarang juga
berbeda yaitu tsukamoto.
2. Penelitian dengan judul “Fuzzy and Adaptive Neuro-Fuzzy Inference System of Washing
Machine” yang dilakukan oleh Rana Waled Hndoosh, Saroa dan Sajeev Kumar[1] dalam
European Journal of Scientific Research. Penelitian ini menggunakan tiga variabel
masukan time washing, temperature, dan powder, serta menggunakan aplikasi netbeans
dalam pembuatannya, inferensi yang digunakan adalah mamdani yang mengeluarkan hasil
tingkat kebersihan cucian. Perbedaan dengan penelitian ini adalah masukan yang
digunakan jumlah air, jumlah deterjen, berat pakaian dan memakai metode fuzzy inferensi
Tsukamoto serta simulasi yang akan dibuat berbasis website.
3. Penelitian yang berjudul “Development and Testing of a Number of MATLAB Based
Fuzzy System Applications” yang dilakukan oleh Jaume Polo dari The University of
Warwick[3]. Penelitian yang dilakukan bertujuan menentukan lama waktu dan putaran
dalam range 1-10. Dengan memasukkan tiga variabel yaitu softness, amount of dirt dan
quantity sistem akan melakukan perhitungan dengan inferensi mamdani, setelah dilakukan
operasi fuzzy menggunakan MATLAB maka diperoleh hasil lama waktu dan putaran
dalam bentuk grafik. Perbedaan dengan penelitian sekarang dari segi masukan lebih
bervariasi dan keluaran yang dihasilkan berupa lama waktu putaran serta simulasi yang
dibuat bebasis Web.

2.2 Mesin Cuci

Mesin cuci sudah tidak asing lagi dalam kehidupan sekarang, dengan mesin cuci orang
dapat lebih mudah untuk mencuci pakaian. Mesin ini sangat diminati orang terutama mereka
yang tak punya banyak waktu untuk mencuci pakaian mereka [6]. Ada beberapa jenis mesin
cuci yang umum digunakan pada saat sekarang yaitu :
1. Mesin cuci dua pintu (Twin Tube) adalah mesin cuci yang dirakit menjadi dua tabung.
Tabung pertama berfungsi sebagai pencuci sedangkan ditabung kedua berfungsi sebagai
pengering, cara kerja mesin ini pun semuanya masih manual mulai tombol memutar
hingga mengeringkan.
2. Mesin cuci satu pintu atas (Top Loading) adalah mesin cuci yang hanya memiliki satu
tabung saja dengan posisi vertikal , yang berarti mencuci dan mengering dilakukan
dalam tabung yang sama.
3. Mesin cuci satu pintu depan (Front Loading) adalah mesin cuci yang memiliki satu
tabung dengan posisi horizontal. Salah satu keunggulan mesin ini adalah penggunan air
yang sedikit.
.
4 Fuji Syaipul1, Kartina Diah Kesuma Wardhani 2 & Erwin Setyo Nugroho3

2.3 Logika Fuzzy

Konsep tentang logika fuzzy diperkenalkan oleh prof. Lotfi Astor Zadeh pada tahun
1965. Logika fuzzy adalah metodologi sistem kontrol pemecahan masalah yang cocok untuk
diimplementasikan pada sistem yang sederhana hingga kompleks serta dapat diterapkan pada
perangkat keras. Dalam logika klasik dinyatakan bahwa segala sesuatu bersifat biner, yang
artinya hanya mempunyai dua kemungkinan benar atau salah, 0 atau 1. Akan tetapi, dalam
logika fuzzy memungkinkan nilai keanggotaan berada di antara 0 dan 1 [5]. Maka dengan
logika fuzzy bisa saja suatu keadaan mempunyai dua nilai secara bersamaan tetapi tergantung
besar nilai bobot keanggotaan yang dimiliki oleh keadaan tersebut.
Bila dibandingkan dengan logika konvensional, kelebihan logika fuzzy adalah
kemampuan nya dalam proses penalaran secara bahasa sehingga dalam perancangannya tidak
memerlukan persamaan matematik yang rumit. Ada beberapa alasan yang dapat diutarakan
mengenai kelebihan menggunakan logika fuzzy di antaranya adalah mudah dimengerti,
memiliki toleransi terhadap data-data yang tidak tepat, mampu memodelkan fungsi-fungsi
nonlinear yang sangat kompleks, dapat membangun dan mengaplikasikan pengalaman-
pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan, dapat bekerja
sama dengan teknik-teknik kendali secara konvensional, dan didasarkan pada bahasa alami [5].

2.4 Sistem Inferensi Tsukamoto

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 secara tegas (crisp)
berdasarkan α-predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata
terbobot.

Gambar 2.7 Inferensi menggunakan metode tsukamoto

Ada 4 tahapan dalam metode tsukamoto yaitu :
1. Fuzzifikasi.
2. Pembentukan Rule.
3. Inferensi
4. Defuzzifikasi.
Fuzzifikasi adalah proses pemetaan nilai masukan yang masih dalam bentuk variabel
numerik yang telah dikuantitasi sebelum diolah oleh dalam logika fuzzy harus di ubah dahulu
kedalam variabel fuzzy, melalui fungsi keanggotaan yang telah disusun maka dari nilai-nilai
masukan tersebut menjadi informasi fuzzy yang berguna nantinya untuk proses pengolahan
secara fuzzy pula [7].
Inferensi adalah Penalaran fuzzy yaitu prosedur inferensi yang digunakan untuk
menarik kesimpulan dari himpunan aturan fuzzy JIKA-MAKA dari satu atau lebih kondisi.
Metode inferensi fuzzy yang digunakan dalam penelitian ini adalah Metode Tsukamoto[5].
 Simulasi Fuzzy Dengan Inferensi Tsukamoto Pada Mesin Cuci
5

Defuzzifikasi atau Defuzzification adalah proses pemetaan aksi kendali fuzzy menjadi
aksi kendali non-fuzzy (crisp) yang menggunakan rata-rata terbobot dengan rumus :

𝛼−𝑝𝑟𝑒𝑑1∗𝑧1+𝛼−𝑝𝑟𝑒𝑑2∗𝑧2+𝛼−𝑝𝑟𝑒𝑑3∗𝑧3+⋯𝛼−𝑝𝑟𝑒𝑑𝑛∗𝑧𝑛
Z= 𝛼−𝑝𝑟𝑒𝑑1+𝛼−𝑝𝑟𝑒𝑑2+𝛼−𝑝𝑟𝑒𝑑3…+𝛼−𝑝𝑟𝑒𝑑𝑛

Z merupakan nilai crisp yang dihasilkan setiap rule, α-predn merupakan nilai derajat
keanggotaan dari variabel fuzzy ke-n yang sebelumnya telah diolah menggunakan operator
fuzzy (min), dan z1-zn adalah nilai yang didapatkan dari himpunan fuzzy yang dicari..

2.5 HTML5 dan Javascript

Html 5 adalah teknologi terbaru yang dikembangkan oleh World Wide Web Consortium
atau W3C untuk mendefinisikan sebuah markah tunggal yang dapat ditulis dengan cara HTML
maupun XHTML. Tujuan utama pengembangan HTML 5 adalah untuk memperbaiki teknologi
html lama agar mendukung teknologi multimedia terbaru dan menciptakan sebuah platform
untuk website yang dinamis [4], mudah dibaca oleh manusia dan mudah dimengerti oleh mesin
walaupun belum semua browser mampu menginterpretasikan tag-tag dalam HTML 5 secara
utuh.
JavaScript adalah sebuah bahasa pemrograman berorientasi objek (OOP) yang
digunakan untuk membuat web dinamis dan interaktif, dengan fitur built-in untuk
mengakses bagian dari sebuah dokumen HTML. JavaScript memiliki standar sendiri,
ECMA International adalah sebuah industri asosiation yang berdiri pada tahun 1961
dan didedikasikan untuk standarisasi informasi dan komunikasi dan elektronik
konsumen. Standar itu didukung oleh semua browser web termasuk Microsoft Internet
Explorer.

3 Perancangan
3.1 Perancangan Fuzzy
Seperti yang telah dijelaskan pada tinjauan pustaka terdapat empat elemen yang harus
didefenisikan terlebih dahulu yaitu variabel, himpunan, domain dan semesta pembicaraan.
Variabel yang digunakan pada penelitian sekarang memakai data dari penelitian sebelumnya
yang dilakukan oleh Dwi Mei Nurhayati pada tahun 2007 [2] sebagai berikut :
1. Variabel JUMLAH AIR (dalam liter), terdiri atas tiga himpunan fuzzy :
a. Maximal : dengan domain 35 - 55 liter
b. Standar : dengan domain 20 - 40 liter
c. Minimal : dengan domain 5 - 25 liter

Gambar 3.1 Kurva Fungsi Keanggotaan Variabel Jumlah Air

2. Variabel JUMLAH DETERJEN (dalam gram), terdiri atas tiga himpunan fuzzy:
6 Fuji Syaipul1, Kartina Diah Kesuma Wardhani 2 & Erwin Setyo Nugroho3

a. Banyak : dengan domain 45 - 70 gram

b. Sedang : dengan domain 25 - 50 gram
c. Sedikit : dengan domain 5 - 30 gram

Gambar 3.2 Kurva Fungsi Keanggotaan Variabel Jumlah Deterjen

3. Variabel BERAT PAKAIAN (dalam kg), terdiri atas tiga himpunan fuzzy
a. Berat : dengan domain 4 - 6 kg
b. Sedang : dengan domain 2 - 5 kg
c. Ringan : dengan domain 0 - 3 kg

Gambar 3.3 Kurva Fungsi Keanggotaan Variabel Berat Pakaian

4. Variabel WAKTU PENCUCIAN (dalam menit), terdiri atas tiga himpunan fuzzy:
a. Lama : dengan domain 30 - 50 menit
b. Agak Lama : dengan domain 15 - 35 menit
c. Sebentar : dengan domain 5 - 20 menit

Gambar 3.4 Kurva Fungsi Keanggotaan Variabel Lama Waktu

3.2 Use Case Diagram

Use Case Diagram merupakan gambar atau bagan yang menggambarkan fungsionalitas
dari suatu sistem atau aplikasi yang dibangun. Perancangan use case dalam simulasi ini
menggambarkan apa yang akan dilakukan oleh pengguna. Dalam sistem ini pengguna terdiri
dari user saja
 Simulasi Fuzzy Dengan Inferensi Tsukamoto Pada Mesin Cuci
7

Gambar1 usecase diagram

3.3 Class Diagram

Class Diagram menggambarkan class-class dari setiap komponen sistem, class
diagram pada sistem ini hanya terdiri dari class diagram user.

Gambar 2 Class Diagram

3.4 Flowchart
Flowchart merupakan gambar atau bagan yang menggambarkan urutan proses pada
aplikasi atau sistem yang dibangun secara berurutan sehingga mudah untuk dimengerti.
Mulai

Jlh air : 0 ltr

Jlh deterjen : 0 gram
Berat pakaian : 0 kg
Lama waktu : 0 menit

Jlh air, jlh deterjen,

berat pakaian

Fuzzifikasi

Inferensi
Tsukamoto

Defuzzifikasi

Tampilkan
lama waktu

Selesai

Gambar 3. Flowchart fuzzy tsukamoto

8 Fuji Syaipul1, Kartina Diah Kesuma Wardhani 2 & Erwin Setyo Nugroho3

4 Hasil dan Pembahasan

Halaman utama akan menampilkan tiga variabel masukan yang harus diisi oleh pengguna
simulasi agar simulasi dapat dijalankan. Adapun tiga variabel itu adalah berat pakaian, jumlah
deterjen dan jumlah air yang digunakan.

Pada kondisi sebenarnya pengguna dimungkinkan hanya mengisikan berat pakaian saja
dan selanjutnya sensor akan mendeteksi berat dalam mesin sehingga mengeluarkan jumlah air
dan deterjen sesuai kebutuhan. Pada simulasi yang telah dibuat pengguna juga dimungkinkan
hanya mengisi variabel berat pakaian saja dan selanjutnya variabel jumlah deterjen dan air akan
terisi secara otomatis sesuai ketentuan mencuci menggunakan mesin cuci ini mengantisipasi
pengguna yang tidak tahu berapa banyak air dan deterjen yang digunakan sesuai berat pakaian
nya sehingga lebih efektif dan efisien dalam mencuci namun dalam simulasi ini pengguna masih
dapat memasukkan jumlah air dan deterjen sesuai keinginan jika tidak ingin mengikuti
ketentuan mencuci menggunakan mesin cuci yang telah ada.

(a) (b)
Hasil beberapa pengujian yang dilakukan menggunakan masukan dan aturan yang sama
terhadap kedua metode adalah sebagai berikut :
 Simulasi Fuzzy Dengan Inferensi Tsukamoto Pada Mesin Cuci
9

Tabel 1. Perbandingan waktu metode Sugeno dan Tsukamoto

No Berat Jumlah Jumlah Hasil Waktu Hasil Waktu
Pakaian(Kg) Air(Ltr) Deterjen(gr) Sugeno(Menit) Tsukamoto(Menit)
1 1 10 10 15 10
2 2 20 25 15 17
3 3 35 30 30 25
4 3 37 45 33,3 27,8
5 4 50 60 43,3 44,2
6 5 52 70 45,38 45
7 5,5 55 66 46 45

Perbandingan waktu yang dihasilkan metode Sugeno dan Tsukamoto dapat dilihat juga pada
grafik di gambar 4.17. Selisih waktu antara kedua metode berkisar antara ±1-5 menit
berdasarkan 6 percobaan yang telah dilakukan. Pada metode Sugeno waktu yang dihasilkan
sama walaupun masukan berbeda

Gambar 4.17 Grafik waktu sugeno dan tsukamoto

Perbedaan waktu yang dihasilkan oleh kedua metode dengan rule dan inputan yang sama
adalah dikarenakan pada metode Sugeno output yang dihasilkan dari setiap aturan / rule
bernilai konstanta sehingga nilai Z setiap rule dianggap konstan memiliki nilai derajat
keanggotaan tertinggi yang berada pada angka 1. Sedangkan pada metode Tsukamoto,
output yang dihasilkan dari setiap rule adalah himpunan fuzzy. Untuk mencari nilai
keanggotaan SEBENTAR dapat dicari menggunakan fungsi keanggotan yang ada pada
rumus waktu pencucian

5 Kesimpulan dan Saran

5.1 Kesimpulan
Kesimpulan yang dapat diambil dari pengujian dan analisa perangkat lunak adalah
sebagai berikut :
1. Perbedaan waktu yang dihasilkan antara metode Sugeno dan Tsukamoto terletak pada
proses mencari nilai Z untuk setiap aturan, jika pada metode Sugeno nilai Z yang
dihasilkan konstan maka pada metode Tsukamoto nilai Z berupa himpunan Fuzzy.
2. Selisih waktu yang dihasilkan metode Sugeno dan Tsukamoto ±1-5 Menit.
3. Metode Tsukamoto dapat menghasilkan waktu yang sama meskipun dengan masukan yang
berbeda, jika kondisi nilai Z sama tetapi aturan yang dipenuhi berbeda.
4. Logika fuzzy dengan inferensi Tsukamoto mampu memberikan informasi berupa lama
waktu pencucian dalam satuan menit.
10 Fuji Syaipul1, Kartina Diah Kesuma Wardhani 2 & Erwin Setyo Nugroho3

5. Antarmuka simulasi dapat dimengerti dengan mudah oleh pengguna. Hal ini dapat dilihat
dari persentase kuesioner dengan nilai > 80%.

5.2 Saran
Dalam pembuatan proyek akhir simulasi Fuzzy dengan inferensi Tsukamoto pada mesin
cuci dapat diajukan beberapa saran yang bisa digunakan sebagai bahan pertimbangan untuk
pengembangan simulasi yang lebih sempurna pada masa mendatang. Adapun saran yang dapat
diajukan adalah sebagai berikut:
1. Variabel masukan yang digunakan dapat ditambah dengan variabel jenis pakaian,
kecepatan putaran tabung, dan temperatur.
2. Simulasi ini hanya melakukan proses pencucian disarankan untuk kedepannya dapat
dilakukan untuk proses pembilasan dan pengeringan.
3. Metode yang digunakan pada simulasi adalah Tsukamoto untuk pengembangannya
kedepan bisa menggunakan metode lain seperti Mamdani ,Tahani ataupun Umano.
4. Simulasi agar dapat diterapkan pada mesin cuci

6 Daftar Pustaka
[1] Hndoosh, Rana Waleed., Saroa, M.S., and Kumar, Sanjeev. (2012). Fuzzy and
Adaptive Neuro-Fuzzy Inference System of Washing Machine. Dalam
EJSR_86_3_15.pdf di ambil 22 Februari 2013 dari
http://www.europeanjournalofscientificresearch.com/ISSUES/EJSR_86_3_15.pdf

[2] Nurhayati, Dwi Mei. (2007). Aplikasi Metode Takagi Sugeno Pada Cara Kerja
Mesin Cuci. Malang: Universitas Islam Negeri Malang

[3] Polo, Jaume. (2001). Development and Testing of a Number of MATLAB Based
Fuzzy System Applications. Dalam 120pub.pdf diambil 22 Februari 2013 dari
http://deeea.urv.cat/public/PROPOSTES/pub/pdf/120pub.pdf

[4] Sikos, Leslie F. (2011). Web Standards Mastering HTML5, CSS3, and XML. New
York City : Apress

[5] T, Sutojo. (2010). Kecerdasan Buatan. Yogyakarta: Andi Yogyakarta

[6] Kurniadi, F. (2004). Simulasi Fuzzy Logic Control Pada Mesin Cuci Menggunakan
Simulink MATLAB. Diambil dari
http://elib.unikom.ac.id/files/disk1/11/jbptunikompp-gdl-s1-2004-franskurni-501-
BAB+III.doc

[7] Kuswadi, S. (2007). Kendali Cerdas (Teori dan Aplikasi Praktisnya). Yogyakarta:
Andi Yogyakarta