MAKALAH

ARTIFICIAL INTELEGENT TEORI FUZZY METODE MAMDANI

Disusun untuk memenuhi tugas mata kuliah Artificial Intelegent

Dosen Pengampu:
Nur Khafidhoh,M. Kom.

Disusun Oleh :
Anggun Dwi Cahyaningrum (2202041059)
Qurrotul Ainiyah (2202041066)

PROGRAM STUDI INFORMATIKA

FAKULTAS TEKNOLOGI INFORMASI
UNIVERSITAS KH. A. WAHAB HASBULLAH
TAMBAKBERAS JOMBANG
2023
 KATA PENGANTAR

Assalamu’alaikum Wr. Wb.

Dengan memanjatkan puji syukur ke hadirat Allah SWT, atas segala limpahan
rahmat dan karunia-Nya, sehingga kami dapat menyelesaikan makalah ini guna
memenuhi tugas kelompok untuk mata kuliah Artificial Intelegent tentang Fuzzy Metode
Mamdani.
Kami menyadari sepenuhnya, bahwa didalam penyusunan makalah ini tidak lepas
dari tantangan dan hambatan. Namun berkat usaha dan dorongan dari pihak-pihak lain
yang memperlancar jalannya penyusunan makalah ini sehingga makalah ini dapat kami
selesaikan.
Kami menyadari bahwa dalam proses penulisan makalah ini masih jauh dari kata
sempurna baik materi maupun cara penulisannya. Namun demikian, kami telah berupaya
dengan segala kemampuan dan pengetahuan yang dimiliki sehingga dapat selesai dengan
baik dan oleh karenanya, kami dengan rendah hati dan dengan tangan terbuka menerima
masukan, saran dan usul guna penyempurnaan makalah ini. Kami berharap semoga
makalah ini dapat memberikan manfaat bagi perkembangan dunia pendidikan.
Wassalamu’alaikum Wr. Wb.

Jombang, 05 Januari 2024

Penyusun

i
 DAFTAR ISI

KATA PENGANTAR ................................................................................................ i

DAFTAR ISI .............................................................................................................. ii

BAB I
PENDAHULUAN
A. Latar Belakang................................................................................................ 1
B. Rumusan Masalah........................................................................................... 1
C. Tujuan Penulisan............................................................................................. 1

BAB II
PEMBAHASAN
A. Pengertian Teori Fuzzy Metode Mamdani...................................................... 2
B. Jurnal Fuzzy Metode Mamdani...................................................................... 3

BAB III
PENUTUP
A. Simpulan......................................................................................................... 10
B. Saran............................................................................................................... 11
DAFTAR PUSTAKA................................................................................................. 12

ii
 BAB I
PENDAHULUAN

A. Latar Belakang
Dalam era teknologi dan informasi, kebutuhan untuk mengatasi ketidakpastian dalam
pengambilan keputusan semakin menjadi perhatian utama. Teori Fuzzy, yang pertama kali
diperkenalkan oleh Lotfi A. Zadeh pada tahun 1965, menyajikan suatu kerangka kerja yang
kuat untuk menangani ketidakpastian, kompleksitas, dan keaburan informasi dalam suatu
sistem. Seiring dengan perkembangan teori ini, berbagai metode dan pendekatan telah
diusulkan untuk menerapkan konsep fuzzy ke dalam berbagai aplikasi praktis.
Salah satu kontribusi paling signifikan dalam implementasi teori fuzzy adalah Metode
Mamdani. Diperkenalkan oleh Ebrahim H. Mamdani melalui makalahnya pada tahun
1975, metode ini telah menjadi pendekatan yang sangat penting dalam pengembangan
sistem kontrol logika fuzzy. Metode Mamdani memberikan sarana bagi para ahli manusia
untuk menggambarkan pengetahuan mereka secara linguistik dan mengubahnya menjadi
aturan fuzzy untuk mengambil keputusan secara otomatis.
Melalui makalah ini, diharapkan pembaca akan mendapatkan pemahaman yang lebih
baik tentang konsep teori fuzzy, khususnya Metode Mamdani, serta menghargai peran
vitalnya dalam menangani ketidakpastian untuk meningkatkan keputusan dan kontrol
dalam berbagai konteks aplikasi.

B. Rumusan Masalah
1. Apa itu Teori Fuzzy?
2. Apa itu Teori Fuzzy Metode Mamdani?
3. Data apa saja yang digunakan pada jurnal yang direview?
4. Bagaimana cara penyelesain masalah pada jurnal yang di review?

C. Tujuan Penulisan
1. Untuk mengetahui pengertian Teori Fuzzy.
2. Untuk memahami Teori Fuzzy Metode Mamdani.
3. Untuk mengetahui Data-data yang digunakan pada Jurnal yang direview.
4. Untuk memahami cara penyelesaian masalah pada jurnal yang direview.

1
 BAB II
PEMBAHASAN

A. Pengertian Teori Fuzzy Metode Mamdani

Teori Fuzzy dan Metode Mamdani adalah dua konsep kunci dalam bidang
ilmu komputer dan kecerdasan buatan yang membantu mengatasi ketidakpastian
dan keaburan dalam sistem. Berikut adalah pengertian keduanya:
1. Teori Fuzzy:
Teori Fuzzy adalah suatu kerangka kerja matematis yang digunakan untuk
menangani ketidakpastian dan keaburan dalam suatu sistem. Diperkenalkan oleh
Lotfi A. Zadeh pada tahun 1965, teori ini menggantikan logika biner (1 atau 0)
dengan nilai keanggotaan yang berkisar antara 0 dan 1. Dalam konteks teori
fuzzy, suatu pernyataan dapat memiliki tingkat kebenaran yang lebih dari satu
nilai, menggambarkan ketidakpastian dan kompleksitas informasi dengan lebih
baik. Konsep dasar teori fuzzy mencakup himpunan fuzzy, aturan fuzzy, dan
operasi fuzzy.
2. Metode Mamdani:
Metode Mamdani adalah salah satu metode yang digunakan untuk
menerapkan teori fuzzy dalam suatu sistem kontrol logika fuzzy. Diperkenalkan
oleh Ebrahim H. Mamdani pada tahun 1975, metode ini digunakan untuk
mengubah pengetahuan manusia ke dalam aturan fuzzy yang dapat digunakan
untuk mengambil keputusan atau mengendalikan suatu sistem. Langkah-langkah
umum dalam Metode Mamdani melibatkan fuzzifikasi (konversi input crisp ke
dalam nilai keanggotaan fuzzy), evaluasi aturan (menggunakan aturan fuzzy
untuk menghasilkan output fuzzy), dan defuzzifikasi (mengubah output fuzzy
menjadi nilai crisp).
Dengan menggunakan Metode Mamdani, para ahli manusia dapat menyusun
aturan linguistik mereka ke dalam sistem kontrol logika fuzzy, yang dapat
menangani ketidakpastian dan keaburan dalam suatu sistem dengan

2
 memanfaatkan konsep nilai keanggotaan fuzzy. Metode Mamdani sering
digunakan dalam berbagai aplikasi, termasuk sistem kendali pintar, pengambilan
keputusan, dan prediksi.
Secara singkat, teori fuzzy memberikan dasar matematis untuk
menggambarkan keaburan, sementara Metode Mamdani adalah satu pendekatan
konkrit dalam menerapkan teori fuzzy untuk tujuan pengendalian dan
pengambilan keputusan.

B. Jurnal Teori Fuzzy Metode Mamdani

1. Jurnal 1 :
a. Judul : Penerapan Metode Mamdani Fuzzy Logic untuk Menentukan
Pembelian Alat Berat dalam Proyek Migas di PT SMOE Indonesia.
b. Data yang Digunakan : Fuzzy inference system(FIS) penelitian ini terdiri
dari empat variabel input dan satu variabel output. Variabel input yaitu beli
Alat Berat/modal Delivery, Service Centre, dan Kualitas. Serta variabel
outputyaitu Keputusan.
c. Cara penyelesain:
Langkah pertama fuzzifikasi adalah mencari derajat keanggotaan masing –
masing variable Alat Berat
a) Variabel inputHarga Beli Alat Beratterdiri dari 3 himpunan fuzzy,
yaitu murah, sedang dan mahal. Jika diketahui inputHarga Beli Alat
Berat: 140 maka berada pada nilai linguistik MURAH [0 100 200] .
μMURAH [140] =200−140100=60100= 0,6b)

b) Variabel inputDeliveryterdiri dari 3 himpunan fuzzy, yaitu

Lambat, sedang dan Cepat. Jika diketahui inputDelivery: 26 maka
berada pada nilai linguistik LAMBAT [0 25 40]
μLAMBAT [26] =40−2615=1415= 0.933
c) Variabel inputService Centreterdiri dari 3 himpunan fuzzy, yaitu
kurang, sedang dan bagus. Jika diketahui inputService Centre: 68
maka berada pada nilai linguistik SEDANG [35 55 75].
μSEDANG [68] =75−6820=720= 0.35

3
 d) Variabel inputKualitas terdiri dari 2 himpunan fuzzy, yaitu rendah
dan tinggi. Jika diketahui inputKualitas: 40 maka berada pada nilai
linguistik RENDAH [0 25 55].

μRENDAH [40] =55−4030=1530= 0.5

e) Fungsi Implikasi
Aturan yang terpengaruh derajat keanggotaan antara lain, yaitu [R5]
[R5]JIKA Harga Beli Alat Berat_MURAH, DAN
Delivery_LAMBAT, DAN Service Centre_SEDANG, DAN
Kualitas_RENDAH, MAKA Keputusan_DIBELI;α-predikat =
μHarga Beli Alat Berat_MURAH/[140]∩ μDelivery_LAMBAT/[26]
∩ μService Centre_SEDANG/[68] ∩ μKualitas_RENDAH/[40]
=Min (0.6, 0.933, 0.35, 0.5)= 0.35.
d. Hasil
Hasil implementasi logika fuzzymenggunakan metode Mamdani dalam
menentukan Keputusan yang mana lebih Dibeli dengan aplikasi
MATLAB 6.1. setelah memasukkan variabel input dan output seperti
gambar berikut:

4
 Selanjutnya adalah memasukkan aturan berbasis pengetahuan seperti
gambar:

Tahap terakhir adalah rule vieweryang digunakan untuk melakukan dan

menguji perhitungan hasil defuzzifikasi berdasarkan data-data yang di
input. Barikut gambarnya :

Hasil defuzzifikasi menunjukkan 76.8% berada di rangeKeputusan DIBELI [50

75 100] berarti hasil yang didapatkan sesuai dengan aturannya dan dapat
ditetapkan.

5
2. Jurnal 2 :
a. Judul : Penerapan Metode Fuzzy Mamdani Untuk Memprediksi Angka
Penjualan Token Berdasarkan Persediaan dan Jumlah Permintaan Pada PT.
PLN (Persero) Padang Padang Berbasis Web
b. Data Yang Digunakan
Analisa data didapatkan setelah melakukan pengamatan langsung di
objek penelitian PT. PLN Rayon Indarung Padangyang berada di kecamatan
penggambiran, kota Padang. Variabel-variabel data yang di dapatkan ialah
data jumlah penjualan (pemasangan), persediaan dan jumlah permintaan
barang. Data yang didapatkan terhitung dari bulan September 2016 sampai
bulan September 2017 yang dapat dilihat dari tabel berikut ini.

Tabel.1 Data Permintaan

No. Bulan Permintaan Persediaan Penjualan

1. Oktober 504 376 349

2. November 900 531 369
3. Desember 502 1062 362
4. Januari 14 1202 398
5. Februari 1007 818 303
6. Maret 302 1522 296
7. April 500 1528 286
8. Mei 871 1742 446
9. Juni 805 2167 219
10. Juli 503 2753 156
11. Agustus 501 3100 312
12. September 508 3289 441

c. Cara Penyelesain
1. Menentukan Himpunan Fuzzy
Variabel Permintaan telah didefinisikan pada tiga himpuan fuzzy,
yaitu: rendah, sedang dan tinggi. Permintaan 504 bh termasuk
kedalam himpunan fuzzy rendah, sedang dan tinggi maka tingkat
keanggotaan sesuai fungsi berikut:

6
 a. Himpunan Fuzzy Permintaan rendah (504) = 400 –504 / 100
=0.0Nilai 504 tidaktermasuk dalam range Permintaan rendah, maka
hasil yang didapat adalah 0,0
b. .HimpunanFuzzy Permintaan sedang(504)=900–504/500=0,80.Nilai
504 termasuk dalam range Permintaan normal, maka hasil yang
didapat adalah 0,80.
c. Himpunan Fuzzy Permintaan tinggi (504) =504 –400 / 500
=0,20Nilai 504 termasuk dalam range Permintaan tinggi,
maka hasil yang didapat adalah0,52.Variabel permintaan telah
didefinisikan pada tiga himpuan fuzzy, yaitu: rendah, sedang dan
tinggi.

Variabel persediaan telah didefinisikan pada tiga himpuan fuzzy,

yaitu: rendah, sedang dan tinggi. Persediaan 376 bh termasuk
kedalam himpunan fuzzy rendah maka tingkat keanggotaan sesuai
fungsi berikut:

a. Himpunan Fuzzy Persediaan rendah (376) = 1100 –376 / 750

=0,96Nilai 376 termasuk dalam range Persediaan rendah,maka hasil
yang didapat adalah 0,96.
b. Himpunan Fuzzy Persediaan sedang (376) =2200 –376 / 1000
=1,82Nilai 376 tidak termasuk dalam range Persediaan sedang,
maka hasil yang didapat adalah 1,82.
c. Himpunan Fuzzy Persediaan tinggi (376) =376 –1400 / 1000
=0,0.Nilai 376 tidak termasuk dalam range Persediaan tinggi,
maka hasil yang didapat adalah 0,0.Variabel persediaan telah
didefinisikan pada tiga himpuan fuzzy, yaitu: rendah, sedang dan
tinggi.
2. Penalaran
Tahap dari proses perhitungan fuzzy berikutnya adalah tahapan
penalaran. Dalam proses penalaran ada 3 hal yang dilakukan yaitu
mengaplikasi operator fuzzy, metode implikasi dankomposisi.Dari 8 rule
yang ada, rule fuzzy yang akan ditampilkan hanya 4 aturan saja,yaitu

7
 (Rule 4), (Rule 5), (Rule 7) dan (Rule 8) Proses rule dapat dilihat
sebagai berikut:

[Rule 4] If (Permintaan issedang) and (Persediaan is tinggi) then

(Penjualan is sedang) Operator yang digunakan adalah AND, sehingga :
α4 = min (μpermintaan [504], μpersediaan[376])
= min (0,80 ; 0,0)
= 0,0

[Rule 5] If (Permintaan is sedang) and (Persediaan is sedang) then

(Penjualan is sedang) Operator yang digunakan adalah AND, sehingga:
α5 = min (μpermintaan [504], μpersediaan[376])
= min (0,80 ; 1,82)
= 0,80

[Rule 7] If (Permintaan is tinggi) and (Persediaan is tinggi) then

(Penjualan is tinggi) Operator yang digunakan adalah AND, sehingga:
α7 = min (μpermintaan [504], μpersediaan[376])
= min (0,20 ; 0,0)
= 0,0

[Rule 8] If (Permintaan is tinggi) and (Persediaan is sedang) then

(Penjualan is tinggi) Operator yang digunakan adalah AND, sehingga:
α8 = min (μpermintaan [504], μpersediaan[376])
= min (0,20 ; 1,82)
= 0,20
3. Defuzzifikasi
Langkah terakhir dalam proses ini adalah defuzzifikasi atau disebut
juga tahap penegasan.Metode yang digunakan adalah metode centroid.
Berikut ini mengubah himpunan fuzzy menjadi bilangan real:
[Rule 4 ] μPenjualan sedang (x) = 0,0, maka nilai x adalah ;
Penjualan (sedang) = (x -260) / 20 =0,0
= (0,80 x 20) +260
= 260

8
 [ Rule 5 ] μPenjualan sedang (x) = 0,80, maka nilai x adalah ;
Penjualan(sedang) = (x -260) / 20 =0,80
= (0,80 x 20) + 260
= 276
[ Rule 7] μPenjualan tinggi (x) = 0,0, maka nilai x adalah ;
Penjualan (tinggi) = (x -370) / 220 =0,0
= (0,0 x 220) + 370
= 370
[ Rule 8] Penjualan tinggi (x) = 0,20, maka nilai x adalah ;
Penjualan (tinggi) = ( x -370) / 220 =0,20
= (0,20 x 220) + 370
= 414
4. Hasil
Berdasarkan penelitian yang penulis lakukan pada PT. PLN
(Persero) Rayon Indarung Padang mengenai sistem baru yang
diterapkan dengan logika fuzzy, maka penulis dapat menarik kesimpulan
bahwa metode Fuzzy Mamdani akan bermanfaat dalam pengambilan
keputusan. Atas analisis dan pembahasan yang penulis lakukan maka
penulis dapat mengambil kesimpulan sebagai berikut:
1. Dapat menggunakan data primer hasil survei dua program dari listrik
pasca bayar dan prabayar untuk mendapatkan jumlah persediaan
pada pihak PT. PLN dan jumlah permintaan pada pelanggan.
2. Pihak PT. PLN dapat membatasi meteran pasca bayar dengan
menentukan pelanggan yang patut menggunakan meteran listrik
pasca bayar atau prabayar dengan melihat beberapa aspek
kebutuhanpelanggan.
3. Dapat menentukan stock meteran prabayar (token) berdasarkan
jumlah persediaan yang terdapat pada pihak PT.PLN dan banyaknya
permintaan pemasanggan daripelanggan.

3. Jurnal 3 :

9
a. Judul : Memilih sekolah dasar untuk anak menggunakan fuzzy logic
metode mamdani
b. Data Yang Digunakan
Variabel penelitian sangat diperlukan untuk kelangsungan penelitian,
berikut adalah tabel variabel penelitian yang akan dilaksanakan untuk
penelitiann ini:

10
 d. Cara Penyelesain
Berdasarkan Perhitungan Manual
a. Biaya = 76
1) µMahal [ x ] = (100 x)/(100 70) µMurah [76] =
(10076)/(100 70)
= 24/30
= 0,80
2) µMahal [76] = 0

b. Tenaga pengajar = 71
1) µKurang bagus [ x ] = (100 x)/(100 70) µKurang bagus [71]
= (10071)/(100 70)
= 29/30
= 0,97
2) µBagus [71] = 0

c. Lingkungan Sekolah = 79
1) µTidak nyaman [ x ] = (100 x)/(100 70) µTidak nyaman [79]
= (100 79)/(100 70)
= 21/30
= 0,7
2) µNyaman [79] = 0

11
 d. Jarak Sekolah = 30
1) µJauh [ x ] = (60x)/(6030) µJauh [30] = (6030)/(6030)
= 30/30
=1
2) µDekat [30] = 0

e. Durasi Jam Sekolah = 74

1) µLama [ x ] = (100 x)/(100 70)
µLama [74] = 74)/(100 70)
= 26/30
= 0,87
2) µSebentar [74] = 0

Langkah selanjutnya adalah mencari αpredikat dari tiap-tiap rule:

[R1] IF (Biaya mahal) AND (Tenaga Pengajar kurang bagus) AND (Lingkungan Sekolah
tidak nyaman) AND (Jarak Sekolah jauh) AND (Durasi Jam Sekolah sebentar)
THEN (Memilih Sekolah Dasar Untuk Anak
Kurang Bagus).

α-predikat1 = µBiaya mahal µTenaga Pengajar kurang bagus µLingkungan Sekolah

tidak nyaman µJarak Sekolah jauh µDurasi Jam Sekolah sebentar
= min (µBiaya mahal [76], µTenaga Pengajar kurang bagus [71], µLingkungan
Sekolah tidak nyaman [79], µJarak Sekolah jauh [30], µDurasi Jam
Sekolah
sebentar [74])
= min (0, 0.97, 0.7, 1, 0.87)
=0

[R2] sampai dengan [R17] = 0

[R18] IF (Biaya murah) AND (Tenaga Pengajar kurang bagus) AND (Lingkungan Sekolah
tidak nyaman) AND (Jarak Sekolah jauh) AND (Durasi Jam Sekolah lama) THEN
(Memilih Sekolah Dasar Untuk Anak Kurang Bagus).
α-predikat30 = µBiaya murah µTenaga Pengajar kurang bagus µLingkungan Sekolah
tidak nyaman µJarak Sekolah jauh µDurasi Jam Sekolah lama
= min (µBiaya murah [76], µTenaga Pengajar kurang bagus [71], µLingkungan
Sekolah tidak nyaman [79], µJarak Sekolah jauh [30], µDurasi Jam Sekolah
lama [75])
= min (0.80, 0.97, 0.7, 1, 0.87)
= 0.7

[R19] sampai dengan [R32] = 0

Berdasarkan hasil aplikasi fungsi implikasi dari tiap aturan, digunakan metode MAX
untuk melakukan komposisi antar semua aturan. Daerah hasil dibagi menjadi 2 bagian,
dimana fungsi keanggotaan untuk hasil komposisi ini adalah:
(z 0)/21;0z 21

µ[z] =1;21z39 (60 z)/21;39 z 60

12
 Metode penegasan yang digunakan adalah metode Centroid. Untuk itu, langkah
pertama yaitu dihuitung momen untuk setiap daerah.

Kemudian dihitung luas tiap daerah:

A1 = (21 - 0) x 0.7 /2 = 14.7
A2 = (39 - 21) x 0.7 = 12.6
A3 = (60 - 39) x 0.7 /2 = 14.7

Titik pusat dapat diperoleh dari:

Jadi Jenis Asuransi nasabah berdasarkan perhitungan manual bernilai 69.45 yang
tergolong pada Baik sedangkan Output MATLAB = 70

13
 BAB III
PENUTUP

A. Simpulan
Dalam makalah ini, kita telah membahas secara mendalam
tentang teori fuzzy dan metode Mamdani sebagai salah satu
pendekatan yang menggunakan konsep fuzzy dalam pengambilan
keputusan. Terdapat beberapa poin kunci yang dapat diambil
sebagai simpulan:
1. Teori Fuzzy sebagai Alat Pengukuran Ketidakpastian:
Teori fuzzy memberikan kerangka kerja matematis yang kuat
untuk mengatasi ketidakpastian dan ambiguitas dalam sistem
yang kompleks. Konsep nilai keanggotaan dan fungsi
keanggotaan membantu merepresentasikan informasi yang tidak
tegas atau pasti.
2. Metode Mamdani sebagai Model Pengambilan Keputusan:
Metode Mamdani merupakan salah satu pendekatan yang
paling umum digunakan dalam aplikasi teori fuzzy. Dengan
menggunakan aturan-aturan fuzzy, input dan output sistem
dihubungkan dengan menggunakan basis aturan yang
mencerminkan pengetahuan manusia.
3. Kelebihan dan Kelemahan Metode Mamdani:
Meskipun Metode Mamdani efektif dalam menangani
ketidakpastian dan kompleksitas, beberapa kelemahan seperti
kesulitan dalam menentukan aturan fuzzy dan menyesuaikan
parameter sistem mungkin dapat menjadi tantangan dalam
penerapannya.
4. Aplikasi Luas dalam Berbagai Bidang:
Teori fuzzy dan Metode Mamdani telah diterapkan secara luas
dalam berbagai bidang, termasuk kontrol sistem, pengambilan
keputusan, dan kecerdasan buatan. Kemampuannya untuk
menangani ketidakpastian membuatnya relevan dalam skenario di
mana model matematis tradisional mungkin tidak mencukupi.
5. Tantangan dan Peluang Masa Depan:

14
 Meskipun teori fuzzy dan Metode Mamdani telah memberikan
kontribusi besar dalam pemodelan sistem kompleks, masih ada
tantangan dan ruang untuk pengembangan lebih lanjut. Integrasi
dengan teknologi baru seperti kecerdasan buatan dan
pembelajaran mesin menjadi peluang untuk meningkatkan kinerja
dan aplikasi lebih lanjut.

Dengan demikian, teori fuzzy dan Metode Mamdani bukan hanya

merupakan alat matematis yang kuat untuk menangani
ketidakpastian, tetapi juga memberikan kontribusi yang signifikan
dalam pengembangan sistem cerdas dan pengambilan keputusan
yang lebih adaptif. Dengan pemahaman mendalam tentang konsep
ini, kita dapat terus mengembangkan solusi inovatif untuk tantangan
dunia nyata.

B. Saran
Saran untuk Makalah tentang Teori Fuzzy dan Metode Mamdani:
1. Analisis Kritis terhadap Kelebihan dan Kelemahan:
Selidiki secara mendalam kelebihan dan kelemahan Metode
Mamdani. Sertakan contoh-contoh konkret di berbagai bidang
aplikasi dan jelaskan bagaimana metode ini dapat ditingkatkan
atau disempurnakan.
2. Studi Kasus Implementasi Praktis:
Sertakan studi kasus konkret yang menunjukkan implementasi
Metode Mamdani dalam situasi dunia nyata. Diskusikan hasil,
tantangan yang dihadapi, dan manfaat yang diperoleh dari
penerapan metode ini dalam konteks spesifik.
3. Perbandingan dengan Metode Fuzzy Lainnya:
Lakukan perbandingan mendalam antara Metode Mamdani
dengan metode fuzzy lainnya, seperti Metode Sugeno.
Identifikasi keunggulan dan kekurangan masing-masing metode
dalam berbagai konteks aplikasi.
4. Pengaruh Parameter dan Aturan Terhadap Performa Sistem:

15
 Teliti bagaimana pengaturan parameter dan aturan fuzzy dapat
memengaruhi performa sistem. Berikan saran tentang cara
memilih parameter yang optimal dan menentukan aturan fuzzy
yang sesuai dengan kebutuhan spesifik suatu aplikasi.
5. Integrasi dengan Teknologi Terbaru:
Jelaskan kemungkinan integrasi Metode Mamdani dengan
teknologi terbaru seperti kecerdasan buatan, pembelajaran mesin,
atau komputasi berbasis awan. Identifikasi cara di mana metode
ini dapat diperbarui atau ditingkatkan melalui integrasi dengan
inovasi-inovasi terkini.

16
 DAFTAR PUSTAKA

http://journal.aptikomkepri.org/index.php/JDDAT/article/view/32/22
https://jkomtekinfo.org/ojs/index.php/komtekinfo/article/view/8/19
https://www.idebahasa.or.id/escience/index.php/home/article/view/42/29

17