“PAPER”
IHLASULAMAL 1929141034
FAKULTAS TEKNIK
2021
1. Judul : Segmentasi Citra Ikan Tuna dengan Mahalanobis Histogram Thresholding dan
Mahalanobis Fuzzy C-Means
Oleh :Andi Baso Kaswar1, Agus Zainal Arifin2, Arya Yudhi Wijaya3
Masuk : 19 Januari 2016; Direvisi: 30 Januari 2016; Diterima: 2 Februari 2016
BIDANG Perikanan
Teknologi
METODE Metode yang digunakan terdiri atas tiga tahap utama, yaitu:
Inisialisasi centroid
pengklasteran piksel
peningkatan akurasi
HASIL Hasil yang diperoleh menunjukkan bahwa metode yang diusulkan dapat
meningkatkan efisiensi metode segmentasi dalam hal jumlah iterasi dan waktu
segmentasi. Selain itu, metode yang diusulkan dapat memberikan hasil segmentasi
yang lebih akurat dibandingkan dengan metode konvensional
Berikut hasil perbandingan dari metode yang digunakan dengan metode
sebelumnya
2. Halaman Utama
Pada from menu utama terdapat menu yang memiliki beberapa
sub-sub menu yaitu:
Masuk : 2020
BIDANG Pertanian
Proses infersia
[R1] Jika warna Hijau dan ukuran Kecil maka Buruk
[R2] Jika warna Hijau dan ukuran Sedang maka Buruk
[R3] Jika warna Hijau dan ukuran Besar maka Buruk
[R4] Jika warna Kuning dan ukuran Kecil maka Buruk
[R5] Jika warna Kuning dan ukuran Sedang maka Sedang
[R6] Jika warna Kuning dan ukuran Besar maka Sedang
[R7] Jika warna Merah dan ukuran Kecil maka Sedang
[R8] Jika warna Merah dan ukuran Sedang maka Bagus
[R9] Jika warna Merah dan ukuran Besar maka Bagus
Pengujian 1
Dari data pengujian pada sensor TCS3200 dan sensor load cell weighing
maka didapatkan persentase warna 85 dengan ukuran berat 100gram.
Input: warna = 85 dan ukuran = 100
1. Warna meliputi 3 himpunan fuzzy antara lain hijau, kuning dan
merah. Dengan nilai warna yang telah diketahui sebesar 85
2. Ukuran meliputi 3 himpunan fuzzy antara lain Kecil, Sedang
dan Besar. Dengan nilai ukuran yang telah diketahui sebesar
100, maka:
µKecil [100] = 0
µSedang [100] = 0
µBesar [100] = (x-a)/(b-a)
= (100-80)/(105- 80)
= 20/25
= 0,8
Pengujian 2
Dari data pengujian pada sensor TCS3200 dan sensor load cell weighing
maka didapatkan persentase warna 24 dengan ukuran berat 92gram.
Input: Warna = 24 dan Ukuran = 92
1. Warna meliputi 3 himpunan fuzzy antara lain Hijau, Kuning dan
Merah. Dengan nilai warna yang telah diketahui sebesar 24,
maka:
µHijau [24] = (c-x)/(c-b) = (35-24)/(35-17,5) = 11/17,5 = 0,6286
µKuning [24]= 0
µMerah [24] = 0
2. Ukuran meliputi 3 himpunan fuzzy antara lain Kecil, Sedang
dan Besar. Dengan nilai ukuran yang telah diketahui sebesar 92,
maka:
µKecil [92] = 0
µSedang [92] = 0
µBesar [100] = (x-a)/(b-a) = (92-80)/(105-80) = 12/25 = 0,48
Pengujian Alat
Pengujian alat dilakukan dengan mengetes cara kerja sensor yang
terdapat pada konveyor. Masing-masing sensor akan menganalisis setiap
tomat yang melewati. Dengan jeda waktu 3 detik hasil analisis data akan
dikirim ke arduino yang telah di program untuk menentukan hasil
keputusan analisis. Tomat yang telah dianalisis kemudian akan
dijatuhkan ke konveyor dengan menggunakan motor servo. Ketika
arduino sudah mendapatkan hasil keputusan kemudian mengirimkan
sinyal kepada motor DC yang bertugas untuk menampung tomat yang
telah dianalisis. Penampungan tomat merupakan output daripada sortasi
tomat. Terdapat 3 wadah penampungan yang terdiri atas wadang kualitas
terbaik, wadah kualitas sedang dan wadang kualitas
4. Judul : Penggunaan Fuzzy Logic & Metode Mamdani untuk Menghitung
PembelianPenjualan dan Persediaan
Oleh : Maria Yus Trinity Irsan, Matius Irsan Kasau, Ika Pratiwi Simbolon
Masuk :2019
3. Implikasi
Implikasi digunakan untuk menganalisis logika fuzzy dengan metode
fungsi MIN, atau dengan rumus A AND B = MIN(A,B).
4. Aggresi/ Komposisi
Agregasi mencari nilai MAX dari himpunan seluruh nilai MIN, atau
dengan rumus MAX = MAX dari MIN(MIN1, MIN2,....,MINn)
5. Defuzzyfikasi
Defuzzyfikasi Defuzzyfikasi adalah proses menghitung nilai crisp
keanggotaan yang dicari berdasarkan nilai MAX pada
Agregasi/Komposisi. Metode Mamdani mencari nilai Centroid dari
luas grafik fungsi Pembelian dengan batas derajat keanggotaan MAX
tersebut. Berikut ini diperlihatkan proses perhitungan Centroid
metode Mamdani untuk input Penjualan 60 ekor dan 80 ekor dan
input Persediaan 15 ekor dan 30 ekor.
HASIL Hasil perhitungan pembelian metode mamdani untuk kelas 4 kasus
Dengan :
µsf[Xi] =nilai keanggotaan- nya solusi fuzzy sampai aturan ke i
µkf[Xi] = nilai keanggotaan konsekuan fuzzy aturan ke i
4) Penegasan (defuzzy)
Input proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh
dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan
merupakan suatu bilangan pada domain himpunan fuzzy dalam range
tertentu, maka harus dapat diambil suatu nilai crisp tertentu sebagai
output.
Penegasan (defuzzy)
Input proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh
dari komposisi aturasn aturan fuzzy, sedangkan output yang dihasilkan
merupakan suatu bilangan pada domain himpunan fuzzy dalam range
tertentu,
KESIMPULAN
Dari hasil penelitian tersebut maka metode fuzzy logic mamdani untuk
penelitian optimasi penjualan, sesuai hasil yang di inginkan dan metode
fuzzy logic mamdani dapat digunakan untuk optimasi penjualan.