TUGAS 1

KECERDASAN BUATAN

“JUDUL PENELITIAN PENERAPAN FUZZY LOGIC”

DOSEN PENGAPU:
DR. IR. ABDUL WARIS, MT.
DISUSUN OLEH

ATHOHILLAH SAHIBUL AKHAR G041191077

PROGRAM STUDI KETEKNIKAN PERTANIAN

DEPARTEMEN TEKNOLOGI PERTANIAN
FAKULTAS PERTANIAN
UNIVERSITAS HASANUDDIN
MAKASSAR
2021
 ANALISI PENGARUH PEMILIHAN FUZZY MEMBERSHIP
FUNCTION TERHADAP OUTPUT SEBUAH SISTEM FUZZY
LOGIC
Logika fuzzy
Pada pertengahan 1960, Prof.Lotfi Zadeh dari Universitas California mengembangkan
ide penggolongan set yang dinamakan set Fuzzy. Tidak seperti logika Boolean, logika
Fuzzy memiliki banyak nilai, Fuzzy membaginya dalam derajat keanggotaan dan derajat
kebenaran, yaitu sesuatu yang dapat menjadi sebagian benar dan sebagian salah pada
waktu yang sama. Hal ini telah dibuktikan oleh Bart Kosko bahwa logika boolean adalah
kasus khusus dari logika Fuzzy.
1. Sistem fuzzy
Terdapat dua sistem fuzzy yang digunakan yang biasa digunakan, yaitu sistem Fuzzy
Mamdani dan sistem Fuzzy Sugeno. Perbedaan antara keduanya adalah, pada metode
MAMDAMI, baik input maupun output system berupa himpunan Fuzzy, sedangkan
pada metode Sugeno, output system tidak berupa himpunan Fuzzy melainkan, berupa
konstanta atau persamaan linier. Suatu sistem berbasis aturan fuzzy terdiri dari 3
komponen utama, yaitu Fuzzification, Inference dan Defuzzification. Fuzzification
mengubah masukan yang nilai kebenarannya bersifat pasti ke dalam bentuk fuzzy-input,
yang berupa nilai linguistik yang nilai semantiknya ditentukan berdasarkan fungsi
keanggotaan tertentu. Pada tahap Inference, dilakukan penalaran menggunakan fuzzy-
input dan fuzzy rules yang telah ditentukan sehingga menghasilkan fuzzy-output.
Sedangkan pada tahap defuzzification, dilakukan penegasan, yang akan mengubah fuzzy
-output menjadi nilai crips berdasarkan fungsi keanggotaan yang telah ditentukan.

Disimpulkan, Metode logika Fuzzy dapat diterapkan pada analisa pengaruh

penentuan jumlah himpunan Fuzzy untuk kasus pengontrolan penyiraman tanaman,
Masing-masing tahapan yaitu : pada tahap analisa dan tahap pengujian mendapatkan
hasil yang sesuai antara analisa dan pengujian, sehingga dapat disimpulkan analisa yang
telah dilakukan berhasil. Tidak terdapat perbedaan yang signifikan terhadap hasil selama
range nilai masingmasing model sama.

METODE FUZZY LOGIC UNTUK EVALUASI KINERJA PELAYANAN

PERAWAT (STUDI KASUS : RSIA SITI HAWA PADANG)
Fuzzy logic
Logika fuzzy merupakan salah satu komponen pembentuk soft computing. Logika fuzzy
pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh padatahun 1965. Dasar dari logika
fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat
keanggotaan sebagai penentu keberadaaan elemen dalam suatu himpunan sangatlah
penting. Nilai keanggotaan atau derajat keanggotaan atau membership function menjadi
ciri utama dari penalaran dengan logika fuzzy tersebut. Dalam banyak hal, logika fuzzy
digunakan sebagai suatu cara untuk memetakan permasalahan dari input menuju output
yang diharapkan. Beberapa contoh yang dapat diambil antara lain (Dini Rusmiyati
Andari, 2009 ) :
1) Manajer pergudangan mengatakan kepada manajer produksi seberapa banyak
persediaan barang pada akhir minggu ini, kemudian manajer produksi akan menetqapkan
jumlah barang yang akan diproduksi esok hari.
2) Seorang pegawai melakukan tugasnya dengan kinerja yang sangat baik, kemudia atas
akan memberikan reward, yang sesuai dengan kinerja pegawai tersebut.
 2. Fuzzy Mamdani
Metode mamdani sering dikenal dengan metode Max-min. Metode ini diperkenalkan oleh
Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output, diperlukan 4 tahapan.
3. Metode Max ( Maximum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai
maksimum atruan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan
mengaplikasikannya ke output dengan menggunakan operator OR (union). Jika semua
proposisi telah dievaluasi, maka output akan berisi suatuhimpunan fuzzy yang
merefleksikan komtribusi dari tiap tiap proposisi.

Disimpulkan, Logika fuzzy merupakan salah satu komponen pembentuk soft computing..
Dari hasil penelitian tersebut maka metode fuzzy logic untuk penelian kinerja perawat di
rumah sakit, sesuai hasil yang di inginkan dan metode fuzzy logic dapat digunakan untuk
penelian kinerja perawat.

RANCANG BANGUN ALAT UKUR KONDISI KESEHATAN PADA PENDAKI

GUNUNG BERBASIS FUZZY LOGIC
1. Desain kontrol fuzzy
Kontrol fuzzy panas tubuh menggunakan parameter pada tabel 1 dimana parameter
tersebut merupakan panas tubuh orang dewasa, yaitu pada umur lebih dari 17 tahun.
Kemudian, parameter tersebut diimplementasikan dalam bentuk kurva segitiga
dengan menggunakan software MATLAB. Kontrol fuzzy pada pendeteksi kadar
dehidrasi seseorang berdasarkan banyaknya kadar keringat yang dikeluarkan oleh
tubuh.

Disimpulkan, Dari data keseluruhan data pulse sensor , dengan 12 responden

didaptkan nilai rata-rata error persen sebesar 0,0247. Dari keseluruhan data pengujian
MLX90615, dengan 4 responden didapatkan nilai error persen terkecil terdapat pada
pengujian 1 sebesar 0,0106%.. Dari keseluruhan data BMP 180 pada pengujian suhu
lingkungan didapatkan nilai error persen sebesar 0,056% sedangkan pada pengujian
ketinggian sebesar 0,063%

PEMODELAN SISTEM FUZZY DENGAN MENGGUNAKAN MATLAB

Logika Fuzzy adalah metode yang termasuk dalam kategori Softcomputing, metode
yang dapat mengolah data-data yang bersifat tidak pasti, impresisi dan dapat
diimplementasikan dengan biaya yang murah. Beberapa metode yang termasuk dalam
kategori softcomputing selain logika fuzzy adalah jaringan saraf tiruan, probabilistic
reasoning dan evolutionary computing. Logika fuzzy mempunyai kemampuan untuk
mengembangkan sistem fuzzy yaitu sistem intelijen dalam lingkungan yang tak pasti.
Beberapa tahapan proses pembentukan sistem fuzzy yaitu analisa input maupun output,
penentuan variabel input dan output, penentuan fungsi keanggotaan masing-masing
himpunan fuzzynya, penetapan aturan-aturan berdasarkan pengalaman atau pengetahuan
seorang pakar di bidangnya dan implementasi sistem fuzzy. Secara umum, sistem fuzzy
sangat cocok untuk penalaran pendekatan terutama untuk sistem yang menangani
masalah-masalah yang sulit didefinisikan dengan menggunakan model matematis
Misalkan, nilai masukan dan parameter sebuah sistem bersifat kurang akurat atau kurang
jelas, sehingga sulit mendefinisikan model matematikanya. Sistem fuzzy mempunyai
beberapa keuntungan bila dibandingkan dengan sistem tradisional, misalkan pada
jumlah aturan yang dipergunakan. Pemrosesan awal sejumlah besar nilai menjadi sebuah
 nilai derajat keanggotaan pada sistem fuzzy mengurangi jumlah nilai menjadi sebuah
nilai derajat keanggotaan pada sistem fuzzy mengurangi jumlah nilai yang harus
dipergunakan pengontrol untuk membuat suatu keputusan. Keuntungan lainnya adalah
sistem fuzzy mempunyai kemampuan penalaran yang mirip dengan kemampuan
penalaran manusia. Hal ini disebabkan karena sistem fuzzy mempunyai kemampuan
untuk memberikan respon berdasarkan informasi yang bersifat kualitatif, tidak akurat,
dan ambigu.

Disimpulkan, Secara keseluruhan konsep logika fuzzy menggunakan konsep

matematis sangat sederhana, mudah dimengerti dan memiliki toleransi terhadap data-
data yang tidak tepat atau kabur. sistem fuzzy dapat membangun dan mengaplikasikan
pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses latihan
dan berusaha menerjemahkan pengetahuan yang dimiliki sang ahli ke dalam sistem
komputer hingga menjadi suatu sistem pemodelan yang benar-benar bisa diandalkan
dalam pengambilan keputusan.
PERANCANGAN SISTEM PERAMALAN CUACA BERBASIS LOGIKA
FUZZY

Logika fuzzy
Logika fuzzy adalah sesuatu yang amat rumit dan tidak menyenangkan. Namun, sekali
seseorang mulai mengenalnya, ia pasti akan sangat tertarik dan akan menjadi
pendatang baru untuk ikut serta mempelajari logika fuzzy. Logika fuzzy dikatakan
sebagai logika baru yang lama, sebab ilmu tentang logika fuzzy modern dan metodis
baru ditemukan beberapa tahun yang lalu, padahal sebenarnya konsep tentang logika
fuzzy itu sendiri sudah ada pada diri kita sejak lama. Logika fuzzy adalah suatu cara
yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output.
Himpunan fuzzy
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu:
1) Variabel fuzzy Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu
sistem fuzzy. Contoh: umur, temperatur, permintaan, dsb.
2) Himpunan fuzzy Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi
atau keadaan tertentu dalam suatu variabel fuzzy.
Mathlab
Nama Matlab merupakan akronim dari kata Matrix Laboratory. Versi pertama Matlab
ditulis pada tahun 1970. Saat itu, Matlab digunakan untuk pelatihan dalam teori
matrik, aljabar linier dan analisis numerik. Fungsifungsi Matlab ini digunakan untuk
menyelesaikan masalah bagian khusus, yang disebut toolboxes. Toolboxes dapat
digunakan untuk bidang pengolahan sinyal, sistem pengaturan, fuzzy logic, numeral
network, optimasi, pengolahan citra, dan simulasi yang lain.
Fuzzifikasi
Fuzzifikasi adalah tahap pemetaan nilai masukan dan keluaran kedalam bentuk himpunan
fuzzy. Data masukan berupa himpunan crisp yang akan diubah menjadi himpunan fuzzy
berdasarkan range untuk setiap variabel masukannya. Pada proses fuzzifikasi ini
terdapat dua hal yang harus diperhatikan yaitu nilai masukan dan keluaran serta fungsi
keanggotaan (membership function) yang akan digunakan untuk menentukan nilai fuzzy
dari data nilai crisp masukan dan keluaran. Pada proses fuzzifikasi ini digunakan bentuk
fungsi keanggotaan gaussian sebagai variabel masukan karena gaussian sesuai apabila
digunakan untuk data-data alami seperti data cuaca.
Disimpulkan, Dalam menentukan sebuah peramalan khususnya cuaca yang penting
ditentukan adalah fungsi keanggotaan dan rule yang digunakan. Logika Fuzzy dengan
menggunakan metode sugeno sangat baik digunakan dalam peramalan karena tingkat
keakuratan diatas 60%. Semakin banyak variabel-variabel yang dijadikan input maka
akan menghasilkan output yang semakin baik (akurat).
 IMPLEMENTASI FUZZY LOGIC CONTROLLER UNTUK MENGATUR PH
NUTRISI PADA SISTEM HIDROPONIK NUTRIENT FILM TECHNIQUE (NFT)

Penelitian ini bertujuan untuk mengimplementasi metode Fuzzy Logic Controller (FLC)
untuk mengatur pH nutrisi pada sistem hidroponik NFT agar dapat menjaga kestabilan nilai
pH nutrisi sebesar 5,5. Adapun sistem kontrol yang digunakan adalah Arduino Mega2560
dengan Analog pH Meter Kit sebagai input, serta solenoid valve sebagai aktuator pada sistem
kontrol tersebut. Tanaman yang diatur tingkat pH nutrisinya pada sistem ini adalah selada
(Luctuca Sativa L.).
Perancangan Sistem Elektronik Kontrol pH Nutrisi Hidroponik Secara lengkap
diagram blok sistem kontrol pH pada hidroponik NFT. Perangkat keras yang digunakan
antara lain sensor analog pH SKU:SEN0161 untuk mengukur nilai pH dalam nutrisi, Liquid
Crystal Display 16x2 yang berfungsi untuk memonitor nilai pH terukur, Arduino Mega2650,
rangkaian penggerak (driver) solenoid dan dua buah AC solenoid valve yang berfungsi untuk
mengatur aliran cairan pH up dan pH down.
Untuk mengatur aliran cairan pH up dan down digunakan solenoid valve yang akan
terhubung dengan tabung pH up dan down. Untuk pengaturan dari on/off tersebut digunakan
optocoupler MOC3021. Sementara itu untuk mengendalikan tegangan digunakan triac
BT136 sebagai switching. Perancangan FLC dimulai dari merancang fungsi keanggotaan
(membership function) dari masukan dan keluaran, kemudian dirancang basis aturan (Rule
Base) dan fungsi defuzzifikasi.
Hasil yang diperoleh pada penelitian ini adalah Pengujian sensor pH dilakukan dengan
membandingkan pembacaan sensor pH dengan nilai pH yang sebenarnya dengan
menggunakan alat ukur pH meter. Cairan yang digunakan untuk pengujian terdiri dari
berbagai jenis. Tabel 3 merupakan hasil perbandingan pengujian sensor pH dengan pH meter
standar terhadap berbagai jenis cairan. Hasil perbandingan menunjukkan ada selisih rata-rata
sebesar 6.58%.
Dengan demikian dapat disimpulkan bahwa sistem kontrol pH nutrisi hidroponik
secara otomatis menggunakan 2 buah aktuator berupa AC solenoid valve dan input berupa
sensor analog pH SKU:SEN0161. Dengan menggunakan, metode Fuzzy Logic Controller
maka di peroleh kontrolyang lebih akurat.

UJI KINERJA SISTEM KONTROL UNTUK PENGENDALIAN SUHU PADA

ALAT PENGERING BIJI-BIJIAN BERBASIS FUZZY LOGIC

Penelitian ini dilakukan dengan membuat Alat pengering yang desainnya terdiri dari tungku
dan kotak pengering, tungku terdiri atas ruang pembakaran, ruang penukar panas, kompor
dan blower. Sedangkan pada kotak pengering terdiri atas ruang pengeringan dan ruang
plenum. Alat pengering ini dikendalikan oleh mikrokontroler yang telah terprogram.
 Rancangan Penelitian Merancang Sistem Alat Pengering berbasis Fuzzy logic
Kegiatan pertama yang dilakukan pada penelitian ini, yaitu merancang sistem alat pengering.
Alat pengering biji-bijian terdiri dari beberapa bagian utama yaitu ruang plenum, ruang
pengeringan dan tungku Tungku terdiri dari ruang bakar, blower dan plat pembatas. Sistem
alat pengering bijibijian dapat dilihat pada
Untuk mengendalikan suhu di ruang pengering, pada ruang bakar terdapat dua kompor
berbahan bakar gas LPG. Setiap kompor dihubungkan oleh solenoid valve, dimana solenoid
valve berfungsi sebagai pengatur laju pembakaran gas. Solenoid dihubungkan ke
mikrokontroler yang telah diberi program fuzzy yang berfungi sebagai perintah untuk
mengatur bukaan katup pada aktuator. Perancangan alat pengering harus memenuhi beberapa
syarat untuk mendapatkan model yang baik dan efisien, diantaranya kebutuhan udara
pengeringan dan kebutuhan energi pengeringan.
Hasil yang diperoleh dari penelitian ini menujukan respon suhu udara selama pengujian
kontrol tanpa menggunakan bahan. Pengujian dilakukan selama kurang lebih 15 menit, grafik
menunjukkan suhu mampu mencapai setting point pada suhu 60°C secara perlahan. Hal ini
menunjukkan komponen di dalam alat pengering dapat bekerja dengan baik.
Dengan demikian dapat di simpulkan bahwa alat pengering biji-bijian, dengan
menggunakan kontrol fuzzy dapat mengendalikan Suhu yang stabil dan dapat menghemat
penggunaan gas LPG.

SISTEM PAKAR DETEKSI TINGKAT KESUBURAN TANAH MENGGUNAKAN

FUZZY LOGIC

Penelitian ini juga dapat memberikan satu rekomendasi jenis tanaman yang tepat untuk aspek
tanah sesuai dengan data kecocokan hidup tanaman serta hanya dapat menanalisa dimana
sampel tanah diambil dengan kesesuaian jenis tanaman tertentu di Kecamatan Kraton,
Kabupaten Pasuruan. Metode yang digunakan adalah fuzzy logic, dimana setiap tanaman
mempunyai toleransi nilai kehidupan untuk tumbuh dengan menanalisa dimana sampel tanah
diambil dengan kesesuaian jenis tanaman tertentu di Kecamatan Kraton, Kabupaten
Pasuruan. Metode yang digunakan adalah fuzzy logic, dimana setiap tanaman mempunyai
toleransi nilai kehidupan untuk tumbuh dengan baik.
Penelitian ini menggunakan. Pendekatan analisis kuantititif terdiri atas perumusan
masalah, menyusun model, mendapatkan data, menguji solusi, menganalisa hasil dan
menginterprestasikan hasil. Adapu metode data dan metode yang di gunakan antara lain:
1. Analisa Data Sistem pendeteksi tingkat kesuburan tanah ini menggunakan aspek tanah
sebagai tolak ukur dalam menentukan ketepatan jenis tanaman dengan metode fuzzy
logic. Terdapat 5 aspek unsur tanah yang akan menjadi Masukan atau inputan
 sistem yaitu : Variabel Oksigen Tanah, Variabel Keasaman Tanah, Variabel
Kelembapan Tanah, Variabel Suhu Tanah, Variabel Tekstur tanah.
2. Analisa Derajat Keanggotaan
3. Rule Rule ini sebagai alat bantu untuk mengetahui jenis tanaman yang tepat pada
kondisi tanah yang akan di analisa. Aturan rule dituliskan dalam bentuk (IF-THEN),
data aturan yang digunakan dalam menganalisis menggunakan metode fuzzy logic.
4. Flowchart Sistem Aplikasi Secara umum, alur proses sistem pendeteksi tingkat
kesuburan tanah pada jenis tanaman
5. Context Diagram (CD) Diagram ini mempresentasikan atau menggambarkan
hubungan antara sistem dengan pengguna sistem (petani dan admin) yang
mempengaruhi operasi sistem. Adapun perancangan diagram konteks pada system
pakar
6. Entity Relationship Diagram (ERD) Pada proses ini elemen-elemen data
dikelompokkan menjadi satu field database beserta entitas dan hubungannya. Berikut
relasi sistem
Hasil yang diperoleh pada penelitian ini adalah Jenis Tanaman yang tepat adalah
tanaman cabai. Selanjutnya akan dilakukan penginputan ada unsur aspek tanah dengan nilai
yang sama pada sistem pakar untuk mengetahui hasil dari sistem. Hasilnya sistem pakar juga
merekomendasikan cabai, sesuai dengan hasil perhitungan manual.
Sehingga dapat di simpulkan bahwa sistem pakar ini dapat memberikan rekomendasi
jenis tanaman yang tepat sesuai dengan tingkat kesuburan tanah tertentu menggunakan
metode fuzzy logic.

ANALISIS PENENTUAN LAHAN KRITIS DENGAN METODE FUZZY LOGIC

BERBASIS PENGINDERAAN JAUH DAN SISTEM INFORMASI GEOGRAFIS
(Studi Kasus : Kabupaten Semarang)

Lokasi penelitian ini dilakukan di Kabupaten Semarang. Kabupaten Semarang secara

geografis terletak pada 110°14’54,75’’ sampai dengan 110°39’3’’ Bujur Timur dan 7°3’57”
sampai dengan 7°30’ Lintang Selatan. Keempat koordinat bujur dan lintang tersebut
membatasi wilayah seluas 100.000 Ha yang terdiri dari 19 Kecamatan.
Penelituian ini memerlukan beberapa bahan antara lain: Citra landsat 8 path/row 120/65
perekaman bulan Agustus 2016, Peta tingkat bahaya erosi Kabupaten Semarang tahun 2016,
Peta fungsi kawasan Kabupaten Semarang tahun 2016, Peta administrasi Kabupaten
Semarang tahun 2016, Data produktivitas pertanian Kabupaten Semarang tahun 2016, DEM
SRTM tahun 2016, dan Data manajemen hutan Kabupaten Semarang.
Pelaksanaan menelitian ini dilakukan menjadi bebrapa tahap, adapun tahap-tahap
tersebut antara lain:
1. Pengolahan citra Pertama dilakukan pemotongan citra agar meliputi cakupan penelitian
area studi. Citra landsat 8 path/row 120/65 di cropping berdasarkan batas administrasi
Kabupaten Semarang dari Bappeda.
2. Pengolahan data spasial Beberapa seperti Kemiringan lereng, Erosi, dan Manajemen
dengan menentukan beberapa kelas dan nilai tertentu seperti pada setiap kelas seperti
pada table kemiringan lahan di bawah ini

3. pengolahan data spasial di atas kemudian mendapatkan jumlah skor dan bobot yang
memiliki hasil berbeda-beda setiap kawasan dikarenakan bobot setiap parameter
berbeda-beda. Selanjutnya dilakukan tumpang tindih (overlay) untuk menggabungkan
semua parameter. Overlay yang digunakan adalah intersect. Di bawah ini akan
disebutkan parameter yang digunakan tiap
4. Pengolahan metode fuzzy logic Dalam pengolahan fuzzy menggunakan fuzzy logic
toolbox dengan kategori GUI (Graphical User Interface). Fuzzy logic toolbox
menyediakan 5 jenis GUI untuk keperluan rancang bangun FIS yaitu FIS editor,
membership function editor, rule editor, rule viewer, dan surface viewer. Dalam
pengolahan fuzzy menggunakan tipe mamdani. Aturan dalam tipe mamdani dapat
dijabarkan sebagai berikut :
1) Fuzzifikasi Menentukan input serta ouput dari pada tiap kawasan. Input adalah
parameter yang digunakan tiap kawasan dan output merupakan hasil yang diinginkan
yaitu kriteria tingkat lahan kritis.
2) Operasi fuzzy logic Operasi fuzzy logic yaitu operasi AND atau OR dalam if then
rules. Operasi ini didapatkan dari hasil data atribut overlay yang kemudian diterapkan
ke dalam operasi fuzzy logic.
3) Implikasi Implikasi merupakan proses mendapatkan consequent/keluaran sebuah if
then rule berdasarkan derajat kebenaran antecedent. Implikasi dilakukan pada tiap rule.
Proses implikasi pada penelitian ini menggunakan fungsi min.
4) Agregasi Agregasi yaitu proses mengombinasikan keluaran semua if then rule
menjadi sebuah fuzzy set tunggal. Fungsi yang digunakan adalah max, yang artinya
hasil gabungan dari implikasi.
5) Defuzzifikasi Masukan defuzzifikasi adalah sebuah fuzzy set (fuzzy set hasil
agregasi) dan keluarannya adalah sebuah bilangan tunggal untuk diisikan ke sebuah
variabel keluaran FIS.
Hasil yang di peroleh pada penelitian ini adalah Luas terbesar pada tingkat kekritisan sebesar
521,093 Ha yang berada di kecamatan Getasan dengan tingkat potensi kritis seperti pada
table di bawah ini:

Dengan demikian dapat di simpulkan bahwa penggunaan metode Penyebaran lahan

kritis dengan metode fuzzy logic diperoleh pada kawasan hutan yang memiliki proporsi luas
terbesar berada di Kecamatan Ungaran Barat seluas 294, 734 Ha yang masuk dalam kriteria
agak kritis sedangkan pada kawasan budidaya pertanian seluas 2948,205 Ha di Kecamatan
Getasan masuk dalam kategori yang paling dominan berada pada kriteria tingkat potensi
kritis dan pada kawasan lindung di luar kawasan hutan didominasi kriteria tingkat potensi
kritis seluas 521,093 Ha yang berada di Kecamatan Getasan.

JARINGAN SARAF TIRUAN (JST)

APLIKASI PENGOLAHAN CITRA DIGITAL DAN JARINGAN SYARAF TIRUAN

UNTUK MEMPREDIKSI KADAR BAHAN ORGANIK DALAM TANAH

penelitian adalah menentukan kadar bahan organik dalam tanah menggunakan pengolahan
citra digital dan jaringan syaraf tiruan. Citra tanah diambil menggunakan sebuah camera
digital dan diolah menggunakan algoritma pengolahan citra. Parameter citra yang digunakan
adalah : red, green, blue, saturasi, intensitas, rerata, entropi, energi, kontras, dan homogenitas
diambil dari 60 contoh tanah dengan kadar bahan organik yang berbeda. Parameter citra
tersebut digunakan sebagai data masukan dalam analisis ANN.sebagai lapisan keluaran dari
ANN adalah kadar bahan organik dalam tanah.
Hasil yang diperoleh dari penelitan ini adalah pengolahan citra dengan program image
processing tiap sampel tanah berupa data-data numerik dalam satuan piksel yaitu : red, green,
blue (RGB), hue, saturation, intensity (HSI), mean (ratarata), entropi, energi, kontras, dan
homogenitas. Data hasil pengolahan citra inilah yang digunakan sebagai input dalam analisis
JST, dipasangkan dengan target berupa kadar bahan organik dalam tanah. Training
merupakan proses pembelajaran JST untuk mencari nilai pembobot. Setelah didapat nilai
bobot yang baik, dilakukan test dengan menggunakan bobot tersebut. Metode yang
digunakan pada proses training ini adalah backpropagation, menggunakan konstanta
laju pembelajaran = 0.1, konstanta momentum = 0.1 dan konstanta gain = 0.9 dengan iterasi
yang beragam sampai dihasilkan error yang kecil.
Dengan demikian dapat di simpulkan bahwa Model integrasi pengolahan citra digital
dan jaringan saraf tiruan dapat digunakan untuk memprediksi kadar bahan organik dalam
tanah dengan hasil baik

PENERAPAN JARINGAN SYARAF TIRUAN UNTUK PERAMALAN

PENJUALAN DALAM MENDUKUNG PENGEMBANGAN AGROINDUSTRI
COKLAT DI KABUPATEN BLITAR

Tidak stabilnya penjualan dalam pemenuhan kebutuhan produk coklat dipasaran oleh unit
pengolahan coklat di Kabupaten Blitar menyebabkan terkendalanya perkembangan
agroindustri coklat di daerah tersebut. Sehingga berdampak pada peningkatan biaya produksi
dan biaya inventori jika terdapat produk yang tidak habis terjual. Peramalan penjualan yang
dilakukan oleh Kampung Coklat selama ini hanya dilakukan dengan berdasarkan data history
penjualan pada periode sebelumnya. Hal ini tentu dirasa sangat tidak tepat dan tidak akurat.
Peramalan yang tidak akurat menyebabkan kesalahan perusahaan dalam menentukan sebuah
kebijakan dan strategi. Oleh karena itu diperlukan peramalan history penjualan yang akurt.
dalam penelitian ini menggunakan alat permalan berupa metode artificial neural network
(ANN) atau juga disebut jaringan syaraf tiruan. Metode jaringan syaraf tiruan pada penelitian
ini berfungsi sebagai metode peramalan dari penjualan produk coklat. Terdapat metode
peramalan lainnya yaitu metode regresi linier, akan tetapi metode jaringan syaraf tiruan
dipilih karena dapat memberikan hasil yang lebih valid dan akurat di bandingkan dengan
metode regresi linier
Adapun metode pada penelitian ini antara lain yaitu: Pengumpulan Data, Data yang
akan dikumpulkan pada penelitian ini yaitu data sekuder. Data sekunder merupakan data
yang didapatkan langsung dari lembaga terkait dari penelitian ini. Data yang diperoleh akan
diolah dan dianalisis sesuai dengan metode yang digunakan untuk menjawab rumusan
masalah, Penentuan Responden, Penentuan sampel responden pada penelitian ini dengan
menggunakan stratified random sampling, yaitu memilih sampel berdasarkan kriteria tertentu
yang memiliki unsur yang sama. Responden dalam penelitian ini adalah berjumlah 3 orang
yang dilakukan dengan mewawancarai secara langsung 1 orang pimpinan dan 2 orang
karyawan dari Kampung Coklat dengan pertimbangan bahwa pimpinan sangat berkompeten
untuk memberikan informasi yang akurat mengenai kondisi usaha yang dilakukannya,
Metode Pengolahan, Data Metode yang digunakan dalam penelitian ini ialah metode
peramalan jaringan syaraf tiruan atau yang biasa disebut dengan artificial neural network
(ANN). Pada metode jaringan syaraf tiruan terdapat beberapa tahapan analisa yang dilakukan
untuk mendapatkan hasil peramalan yaitu: Penyusunan model
jaringan syaraf tiruan, Pelatihan model, Penggunaan Algoritma Pembelajaran
Backpropagation.
Hasil yang diperoleh pada penelitian ini adalah perhitungan peramalan permintaan
dengan menggunakan metode jaringan syaraf tiruan diperoleh hasil bahwa prakiraan
penjualan produk coklat pada awal periode bulan Juli 2017 sampai bulan Agustus 2017 akan
mengalami penurunan
Dengan demikian dapat di simpulkan bahwa Perbandingan hasil peramalan penjualan
menggunakan metode jaringan syaraf tiruan lebih baik dibandingkan dengan metode times
series. Hal ini disebabkan oleh perbedaan input dan proses pengolahan data. Pada metode
jaringan syaraf tiruan terdapat model arsitektur jaringan yang memungkinkan untuk
membuat model peramalan yang optimal sehingga hasil bisa mendekati aktualnya sedangkan
pada metode times series hanya deret angka yang dijadikan input untuk melakukan
peramalan.

JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN

SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI
KASUS : BMKG MEDAN)

Kondisi cuaca sangat berpengaruh dalam kehidupan sehari-hari, seperti dalam bidang
pertanian, transportasi dan industri. Dalam bidang pertanian, faktor cuaca dijadikan sebagai
salah satu pertimbangan dalam penentuan kecocokan jenis tanaman yang akan
dibudidayakan. Dalam bidang transportasi, factor cuaca sangat mempengaruhi kelancaran
jalur transportasi, baik transportasi laut maupun udara. Sedangkan dalam bidang industri,
banyak industri tradisional banyak yang masih bergantung pada kondisi cuaca. Industri itu
umumnya membutuhkan panas matahari, antara lain industri genteng, batu bata dan kerupuk.
Maka dari itu pengamatan terhadap kondisi cuaca, khususnya kondisi curah hujan sangat
penting dilakukan. Jaringan syaraf tiruan terdiri dari beberapa metode, yaitu metode hebb,
metode perceptron, metode backpropagation, metode adaline. Dari beberapa metode tersebut
yang digunakan untuk memprediksi curah hujan ini adalah metode backpropagation. Pada
penelitian sebelumnya telah dipaparkan tentang metode backpropagation oleh Frans Indra
Conery Saragih dengan jurnal”Jaringan Syaraf Tiruan Memprediksi Ketersediaan Bahan
Bakar Solar dengan Menggunakan Metode Backpropagation” menyatakan bahwa metode
Backpropagation adalah metode penurunan gradient meminimal untuk meminimalkan
kuadrat eror keluaran atau algoritma pembelajaran yang terawasi dengan banyak lapisan
untuk mengubah bobot-bobot yang terhubung atau neuron-neuron yang ada pada lapisan
tersembunyinya.
Penelitian ini menggunakan Analisis data dengan menggunakan data bulanan tahun
2012-2014, yaitu:
 1. Data masuk dengan 36 input yang berasal dari bulan Januari 2012 sampai dengan
desember 2014.
2. Data bersumber dari BMKG Wilayah I Medan. Data asli yang diperoleh dari BMKG
Wilayah I Medan. Selanjutnya dilakukan normalisasi data dimana Data yang
digunakan dalam penelitian ini merupakan data curah hujan tahun 2012-2014. Data
kemudian disusun dan dipilih variabel faktor-faktor dengan record data yang
memiliki informasi paling lengkap setaelah itu di lakukan implementasi dan
pengujian dimana Pengujian Data tersebut di olah dengan software Matlab d alam
melakukan pelatihan dan pengujian hasil dari pengolahan data jumlah curah hujan,
maka pengolahan data tersebut juga akan diujikan ke dalam sistem komputerisasi.
Hasil yang di peroleh pada penelitian ini adalah proses pelatihan system jaringan
Syaraf Tiruan dengan algoritma backpropagation dengan menggunakan matlab dengan
sampel data jumlah curah hujan setiap bulannya dalam kurun waktu 3 tahun yang di ubah
menjadi pola pelatihan sebanyak 12 testing dan 12 training, model terbaik adalah model 12-
6-1 dengan proses perulangan (epoch).
Dengan demikian dapat di simpulkan bahwa Data jumlah curah hujan diuji
menggunakan jaringan syaraf tiruan sudah memperoleh goal yang diharapkan berdasarkan
beberapa pola yang paling bagus menggunakan software Matlab 6.1

PREDIKSI PRODUKTIVITAS PADI MENGGUNAKAN JARINGAN SYARAF

TIRUAN BACKPROPAGATION

Beras sangat penting bagi manusia, terutama masyarakat ASEAN. Salah satu negara yang
membudidayakan beras adalah Indonesia. Pada tahun 2015, Indonesia merupakan negara
ASEAN yang menduduki peringkat ketiga tertinggi dalam hal penghasil beras terbesar di
dunia. Meski demikian Indonesia masih perlu mengimpor beras tiap tahunnya karena
tingginya permintaan dan konsumsi perkapita masyarakat Indonesia. Selain itu perbedaan
hasil panen ditiap daerah mengakibatkan kelangkaan beras karena tidak optimalnya teknik
pertanian yang digunakan. Pada penelitian ini mengimplementasikan metode jaringan syaraf
tiruan backpropagation untuk meramalkan hasil produktivitas padi. Dalam implementasinya,
data dinormalisasi menggunakan min – max normalization Min – max normalization
merupakan strategi normalisasi yang secara linear mengubah 𝑥 ke 𝑦 = (𝑥 −
𝑚𝑖𝑛)/ (𝑚𝑎𝑥 − 𝑚𝑖𝑛), dimana min dan max adalah nilai minimum dan maksimum dalam 𝑥,
dimana 𝑥 adalah himpunan nilai yang diamati dari 𝑥. Dengan demikian nilai himpunan 𝑥
akan berada pada interval 0 – 1 dan inisialisasi bobot menggunakan Nguyen – Widrow. Hasil
yang di peroleh pada penelitian ini adalah hasil RMSE yang paling minimum yakni 8.6918
dengan nilai parameter learning rate = 0.8, hidden layer = 3, hidden neuron = 4 dengan
jumlah epoch 10000 terhadap 135 data latih dan 13 data uji. Berdasarkan hasil
pengujian 5 fold cross validation terhadap kestabilan pengujian data mendapatkan nilai rata
– rata RMSE sebesar 8.2126.
Dengan demikian dapat disimpulkan bahwa Pengaruh masing – masing parameter
terhadap hasil prediksi yang dihasilkan menggunakan algoritma backpropagation sangat
bervariasi. Nilai learning rate yang bernilai kecil cenderung menghasilkan nilai kesalahan
yang besar terhadap hasil prediksi. Nilai hidden layer yang besar dari 3 cenderung
menghasilkan nilai prediksi yang cenderung seragam.

JARINGAN SYARAF TIRUAN PERCEPTRON UNTUK PENENTUAN POLA

SISTEM IRIGASI LAHAN PERTANIAN DI KABUPATEN PESISIR SELATAN
SUMATRA BARAT

Penelitian Jaringan Syaraf Tiruan dengan menggunakan algoritma Perceptron ini, akan
digunakan dalam menyelesaikan kasus untuk menunjang sebuah keputusan pada
pembangunan irigasi air di daerah Kabupaten Pesisir Selatan Provinsi Sumatera Barat.
Metode Jaringan Syaraf Tiruan algoritma Perceptron adalah sebuah metode yang mampu
melakukan proses perhitungan dengan mengenali variabel-variabel dalam pencocokan pola
dan pada akhirnya hasil keluaran dari Jaringan dapat digunakan sebagai bahan pertimbangan
pengambilan keputusan. Tujuan akhir dari penelitian ini adalah untuk membantu pihak Dinas
Pengelolaan Sumber Daya Air Kabupaten Pesisir Selatan yang kesulitan dalam menentukan
daerah mana yang seharusnya terlebih dahulu di prioritaskan untuk pembangunan sistem
irigasi, sehingga pihak Dinas Pengelolaan Sumber Daya Air Kabupaten Pesisir Selatan cepat
tanggap dalam memutuskan pembangunan sistem irigasi.
Hasil yang di peroleh dari penelitian ini adalah pola pembangunan sistem irigasi air
yang ada di daerah Kabupaten Pesisir Selatan Provinsi Sumatera Barat ini dapat diolah
dengan menggunakan Software Matlab, sehingga hasil keluaran jaringan serta nilai bobot
dan bias baru yang didapat akan digunakan dan diterapkan kedalam sebuah aplikasi yang
nantinya dapat membantu pihak Dinas Pengelolaan Sumber Daya Air Kabupaten Pesisir
Selatan dalam pengambilan keputusan untuk pembangunan sistem irigasi air.
Dengan demikian dapat di simpulkan bahwa Dengan menggunakan Jaringan Syaraf
Tiruan algoritma Perceptron ini dapat mampu mengenali pola sistem irigasi lahan pertanian
yang berada di daerah Kabupaten Pesisir Selatan Provinsi sumatera barat dengan mengacu
kepada variabel-variabel yang digunakan.

MODEL JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PARAMETER

KUALITAS TOMAT BERDASARKAN PARAMETER WARNA RGB

Penelitian ini menggnakan Model Jaringan syaraf tiruan (JST) digunakan untuk memprediksi
parameter kualitas tomat, yaitu Brix, asam sitrat, karoten total, dan vitamin C.
JST dikembangkan dari data Red Green Blue (RGB) citra tomat yang diukur menggunakan
computer vision system dan Data kualitas tomat diperoleh dari analisis di laboratorium.
Hasil yang diperoleh pada penelitian ini adalah hubungan statistik nilai warna R, G,
dan B dengan parameter kualitas tomat yang diperoleh dari uji korelasi. Dari tabel tampak
bahwa nilai warna R dan B tidak signifi kan terhadap kandungan Brix, berbeda dengan nilai
G. Sedangkan untuk kualitas lain yaitu karoten total, asam sitrat, dan vitamin C mempunyai
hubungan yang signifi kan dengan nilai R, G, dan B. Dengan menggunakan metode JST
maka klasifi kasi pola tetap dapat dilakukan meski hubungan antara data tidak signifi kan.
Dengan demikian dapat disimpulkan bahwa penggunaan model JST yang
dikembangkan dapat digunakan untuk memprediksi kandungan Brix, karoten total, asam
sitrat, dan vitamin C menggunakan parameter warna RGB di peroleh hasil yang lebih baik.

IDENTIFIKASI VARIETAS BERDASARKAN WARNA DAN TEKSTUR

PERMUKAAN BERAS MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DAN
JARINGAN SYARAF TIRUAN

Penelitian identifikasi warna dan tekstur beras menggunakan pengolahan citra digital
menjadi penting karena berpotensi digunakan sebagai dasar untuk mengidentifikasi varietas
beras. Penelitian ini bertujuan untuk mengidentifikasi varietas beras Basmati 370, Inpari 1,
dan Sintanur menggunakan analisis warna dan tekstur berdasarkan metode pengolahan citra
digital. Kombinasi analisis warna dan tekstur sebagai parameter masukan diolah lebih lanjut
menggunakan jaringan saraf tiruan (JST) untuk menentukan parameter masukan dengan
tingkat akurasi paling tinggi.
Hasil yang diperolah adalah parameter Nilai tengah warna varietas beras tidak berbeda
nyata pada nilai R dan berbeda nyata pada nilai G dan B. Nilai warna tersebut terdapat pada
kisaran yang rapat. Warna putih pada permukaan biji beras tampaknya masih sulit dibedakan
oleh perangkat keras yang digunakan pada penelitian ini. Penggunaan perangkat keras yang
lebih baik akan meningkatkan kemampuan dalam membedakan warna putih biji beras.
Penggunaan kamera digital dengan resolusi yang lebih baik dan pengaturan sumber cahaya
akan meningkatkan penampilan perbedaan warna putih yang dapat direkam pada citra digital.
Nilai keseluruhan R, G, B dengnan demikian beras varietas Sintanur memiliki nilai tertinggi,
yang diikuti secara berturut-turut oleh Basmati dan Inpari 1. Berdasarkan kondisi tersebut,
Sintanur memiliki derajat putih yang lebih tinggi daripada Basmati dan Inpar.
Dengan demikian dapat di simpulkan bahwa Citra digital dapat dikuantifikasi
menggunakan aplikasi pengolahan citra digital untuk mendapatkan data warna beras yang
meliputi R, G, B dan data tesktur beras yang meliputi ASM, kontras, korelasi, IDM, dan
entropi yang digunakan sebagai parameter masukan pada JST.
 PEMODELAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI COLOR
DIFFERENCE TEPUNG SAGU PADA PNEUMATIC CONVEYING
RECIRCULATED DRYER

Pneumatic conveying recirculate dryer (PCRD) adalah salah satu mesin pengering buatan
yang cocok digunakan untuk mengeringkan bahan tepung. Pada penelitian terdahulu telah
dirancang mesin PCRD untuk mengeringkan tepung sagu. Pengukuran perubahan warna
tepung sagu pada mesin PCRD sangat sulit dilakukan secara langsung selama proses
pengeringan. Tujuan penelitian ini adalah mengembangkan model jaringan syaraf tiruan
(JST) untuk memprediksi perbedaan warna atau color difference (∆E) antara tepung sagu
basah sebelum dikeringkan dengan tepung sagu kering setelah dikeringkan dengan mesin
PCRD. Nilai ∆E observasi diperoleh berdasarkan hasil perhitungan data warna tepung sagu.
Warna tepung sagu diukur menggunakan color meter (TES 135A). Data ∆E observasi
tersebut dilatih dan diuji pada model JST menggunakan aplikasi Graphical User Interface
(GUI) JST berbasis neural network toolbox pada Matlab R2014a. Hasil pelatihan dan
pengujian model JST menunjukkan bahwa struktur jaringan yang terbaik adalah 12 neuron
input, 5 neuron lapisan hidden layer 1, 5 neuron lapisan hidden layer 2, 1 neuron lapisan
hidden layer 3, dan 1 neuron output (12-5-5-1-1). Nilai MSE yang dicapai struktur model
JST tersebut, sebesar 0,0005121 dengan epoch 16 kali. Hasil uji validitas menunjukkan
bahwa nilai koefisien determinasi untuk proses pelatihan (R2 latih) sebesar 0.987, dan proses
pengujian (R2 uji) sebesar 0.976. Sedangkan hasil analisis optimasi menunjukkan bahwa,
nilai MSE dan MRE yang dihasilkan cukup rendah, begitupula nilai MSE dan MRE pada
setiap parameter variasi. Hal ini menunjukkan bahwa model JST tersebut valid digunakan
untuk memprediksi color difference pengeringan tepung sagu pada mesin PCRD.
Dengan demikian dapat disimpulkan bahwa hasil analisis optimasi model
menunjukkan nilai MAE dan MRE model JST cukup kecil. Hal ini menunjukkan bahwa
model JST ini dapat digunakan untuk memprediksi color difference tepung sagu yang
dikeringkan dengan mesin PCRS edangkan hasil analisis optimasi model menunjukkan nilai
MAE dan MRE model JST cukup kecil. Hal ini menunjukkan bahwa model JST ini dapat
digunakan untuk memprediksi color difference tepung sagu yang dikeringkan dengan mesin
PCR

PENGEMBANGAN MODEL JARINGAN SARAF TIRUAN UNTUK

MENDUGA EMISI GAS RUMAH KACA DARI LAHAN SAWAH DENGAN
BERBAGAI REJIM AIR

Penelitian ini dilakukan di dua tempat yang berbeda, yaitu di rumah kaca, Meiji
University, Kanagawa Jepang dan di laboratorium Teknik Sumberdaya Air, Departemen
Teknik Sipil dan Lingkungan-IPB. Terdapat tiga perlakuan pemberian air yang dilakukan
pada masing-masing lokasi untuk menjaga tinggi muka air yang diinginkan setelah tanaman
berumur 20 hari setelah tanam (HST). Ketiga perlakuan tersebut dinamakan SRI Basah, SRI
Sedang dan SRI Kering.
Adapun prosedur yang dilakukan pada penelitian ini seperti pembuatan desain
percobaan, pengukuran amisi GRK dan parameter lingkungan lainnya, pengembangan model
emisi GRK. Dari penelitian diperoleh hasil mengenai hubungan emisi GRK dengan
parameter lingkungan biofisik, prediksi Emisi GRK dengan Model JST, karakteristik emisi
GRK, Model Jaringan Syaraf Tiruan (JST) dapat digunakan untuk memprediksi GRK yang
terdiri dari gas CH4 dan N2O dari padi sawah dengan berbagai pemberian air menggunakan
data parameter lingkungan biofisik didalam tanah seperti kelembaban tanah, suhu tanah dan
daya hantar listrik (DHL) tanah. Hasil validasi model menghasilkan nilai koefisien
determinasi (R2) sebesar 0,93 dan 0,70 untuk prediksi emisi gas CH4 dan N2O yang
mengindikasikan bahwa model dapat diterima.
Berdasarkan hasil di atas dapat disimpulkan bahwa model JST yang digunakan
karakteristik emisi gas CH4 dan N2O terhadap perubahan parameter lingkungan biofisik
dapat dijelaskan dengan baik meskipun terdapat beberapa batasan.

IMPLEMENTASI JARINGAN SYARAF TIRUAN (JST) DAN PENGOLAHAN

CITRA UNTUK KLASIFIKASI KEMATANGAN TBS KELAPA SAWIT

Penelitian ini dilakukan dengan menggunakan metode eksperimen yaitu untuk membuat
program penentuan kematangan TBS kelapa sawit dengan computer visiondan jaringan
syaraf tiruan (JST). Penelitian dimulai dengan pengambilan citra TBS kelapa sawit,
mengekstraksi nilai RGB dan HSV dari citra TBS kelapa sawit, mencari nilai bobot dari citra
database untuk pembuatan JST, dan membandingkan hasil klasifikasi TBS kelapa sawit
menggunakan program dan pemanen.
Adapun tahap-tahap pada penelitian ini antara lain: Perekaman citra TBS kelapa sawit
varietas tenera dengan klon Marihat, Lonsum dan Topas, Pembuatan program untuk
pengolahan citra TBS kelapa sawit. Program ini dibuat untuk menentukan nilai RGB dan
HSV dari citra tersebut, Mencari nilai bobot citra untuk dijadikan database untuk pembuatan
jaringan syaraf tiruan (JST), dimana masing-masing nilai bobot citra harus mendekati
generalisasi 100%, Pembuatan JST dari nilai bobot yang telah ditentukanagar sistem dapat
mengenali sampel yang akan diuji, Persiapan klasifikasi menggunakan program RGB
maupun HSV dengan beberapa jenis sampel TBS yang telah disediakan, Pembuatan program
MATLAB yang digunakan untuk pembuatan menu klasifikasi kematangan TBS kelapa sawit
yang berfungsi memanggil citra TBS sampel yang akan diuji.
Hasil yang deiproleh pada penelitian ini adalah perbandingan JST RGB dan HSV
memperlihatkan bahwa program HSV lebih unggul dari RGB karena persentasi dalam
mengenali HSV lebih besar dibandingkan RGB.
 Dengan demikian dapat di simpulkan bahwa RGB memprioritaskan warna yang
dominan (R-G-B) untuk klasifikasi kematangan, sehingga keakuratannya kurang maksimal.
Fungsi penglihatan salah satu cara tradisional yang tingkat keakurasiannya kuranglah efektif.
 DAFTAR PUSTAKA

Tama, K. A., Abdurohman, M., & Yasirandi, R. (2020). Implementasi Fuzzy Logic Pada
Penjadwalan Pengairan Irigasi (Studi Kasus : Bpsda Serayu Citanduy). Journal Of
Computer Science And Informatics Engineering (J-Cosine), 4(2), 161–167.
Https://Doi.Org/10.29303/Jcosine.V4i2.320

Wahyono, S., & Arief, M. (2015). Pengendalian Suhu Dan Humidity Pada Alat Pengering
Seledri Menggunakan Kontrol Fuzzy Logic. Edu Elektrika Journal, 4(2), 21–26.

Abdul, H. (2015). Rancang Bangun Mesin Pengering Jamur Kuping Dengan Menggunakan
Metode Fuzzy Logic. Jurnal Iptek, 19, 2.

Pratiwi, R., Waris, A., & Salengke, S. (2019). Rancang Bangun Sistem Kendali Kecepatan
Putaran Motor Dc Berbasis Logika Fuzzy Untuk Mesin Pengaduk Hasil Pertanian
(Studi Kasus Pengadukan Biji Kedelai). Jurnal Agritechno, 12(1), 44–55.
Https://Doi.Org/10.20956/At.V12i1.185
Azizah, A., Waris, A., & Sapsal, M. T. (2019). Penerapan Sistem Fuzzy Logic Pada Alat
Ukur Kadar Nutrisi Pada Sistem Hidroponik. Jurnal Agritechno, 12(2), 85–93.
Https://Doi.Org/10.20956/At.V0i0.215
Hamka, M. Q., Ahmad, M., & Sapsal, M. T. (2016). Penerapan Fuzzy Logic Pada Alat Ukur
Kandungan Nutrisi Media Tanam Hidroponik. Jurnal Agritechno (Vol., 44(1), 191–
200.
Pancawati, D., & Yulianto, A. (2016). Implementasi Fuzzy Logic Controller Untuk Mengatur
Ph Nutrisi Pada Sistem Hidroponik Nutrient Film Technique ( Nft ). Jurnal Nasional
Teknik Elektro, 5(2
Santoso, D., & Waris, A. (2020). Uji Kinerja Sistem Kontrol Untuk Pengendalian Suhu Pada
Alat Pengering Biji-Bijian Berbasis Fuzzy Logic. Jrpb, 8(1), 33–39.
Https://Doi.Org/10.29303/Jrpb.V8i1.161
Nidomudin, A., Nugroho, A. P., & Cholis, M. N. (2017). Sistem Pakar Deteksi Tingkat
Kesuburan Tanah Menggunakan Fuzzy Logic. Journal Of Information Technology And
Computer Science, 2(2), 79–84. Https://Doi.Org/10.31328/Jo
Oktaviani, A., Nugraha, A., & Firdaus, H. (2017). Analisis Penentuan Lahan Kritis Dengan
Metode Fuzzy Logic Berbasis Penginderaan Jauh Dan Sistem Informasi Geografis
(Studi Kasus : Kabupaten Semarang). Jurnal Geodesi Undip, 6(4), 332–341.
Hermantoro. (2011). Aplikasi Pengolahan Citra Digital Dan Jaringan Syaraf Tiruan Untuk
Memprediksi Kadar Bahan Organik Dalam Tanah. Jurnal Keteknikan Pertanian, 25(1).
Aprilianto, H., Kumalaningsih, S., & Santoso, I. (2018). Penerapan Jaringan Syaraf Tiruan
Untuk Peramalan Penjualan Dalam Mendukung Pengembangan Agroindustri Coklat
Di Kabupaten Blitar. Habitat, 29(3), 129–137.
Https://Doi.Org/10.21776/Ub.Habitat.2018.029.3.16
Manalu, M. T. P. (2016). Jaringan Syaraf Tiruan Untuk Memprediksi Curah Hujan Sumatera
Utara Dengan Metode Back Propagation (Studi Kasus : Bmkg Medan). Jurikom
(Jurnal Riset Komputer), 3(1), 35–40.
Gandhi, R., Budi, D. S., & Fitra, A. B. (2018). Prediksi Produktivitas Padi Menggunakan
Jaringan Syaraf Tiruan Backpropagation. Jurnal Pengembangan Teknologi Informasi
Dan Ilmu Komputer, 2(12), 6048–6057.
Yanto, M., Sovia, R., & Wiyata, P. (2018). Jaringan Syaraf Tiruan Perceptron Untuk
Penentuan Pola Sistem Irigasi Lahan Pertanian Di Kabupaten Pesisir Selatan Sumatra
Barat. Sebatik, 26(21), 111–115.
Rudiati, E. M., Rahardjo, B., Sutiarso, L., & Agus, H. (2013). Model Jaringan Syaraf Tiruan
Untuk Memprediksi Parameter Kualitas Tomat Berdasarkan Parameter Warna Rgb.
Jurnal Agritech, 32(04), 411–417. Https://Doi.Org/10.22146/Agritech.9585
Adnan, Suhartini, & Bram, K. (2013). Identifikasi Varietas Berdasarkan Warna Dan Tekstur
Permukaan Beras Menggunakan Pengolahan Citra Digital Dan Jaringan Syaraf Tiruan.
Jurnal Penelitian Pertanian Tanaman Pangan, 32(2), 91–97.
Https://Doi.Org/10.21082/Jpptp.V32n2.2013.P91-97.
Abadi, J., Nursigit, B., & Lilik, S. (2017). Pemodelan Jaringan Syaraf Tiruan Untuk
Memprediksi Color Difference Tepung Sagu Pada Pneumatic Conveying
Recirculated Dryer. Jurnal Keteknikan Pertanian, 6(2), 179–186.
Arif, C., Setiawan, B. I., Widodo, S., Rudiyanto, -, Hasanah, N. A. I., & Mizoguchi, M.
(2015). Pengembangan Model Jaringan Saraf Tiruan Untuk Menduga Emisi Gas
Rumah Kaca Dari Lahan Sawah Dengan Berbagai Rejim Air. Jurnal Irigasi, 10(1), 1.
Https://Doi.Org/10.31028/Ji.V10.I1.1-10
Minarni, Salumbae, R. & Hasbi, Z. (2018). Implementasi Jaringan Syaraf Tiruan (Jst) Dan
Pengolahan Citra Untuk Klasifikasi Kematangan Tbs Kelapa Sawit. Komunikasi
Fisika Indonesia, 15(01), 36–45.