Contoh Kasus Fuzzy dalam menentukan Jumlah Produksi Barang berdasarkan Jumlah Permintaan konsumen dan Jumlah Barang yang tersedia di gudang.

Slides:



Advertisements
Presentasi serupa
MACAM-MACAM BIAYA. DARI SISI PEMANFAATANNYA BIAYA DIGOLONGKAN MENJADI 2 MACAM YAITU : BIAYA EXPLISIT : BIAYA UNTUK FAKTOR-FAKTOR PRODUKSI. BIAYA.
Advertisements

COMPENSATION PLAN. Kunjungi
QUIS MATEMATIKA BISNIS
KEUNGGULAN SISTEM KOKOPELLI
Kasus 1 Buat algoritma untuk menghitung gaji pegawai. Gaji pegawai didapat dari gaji pokok ditambah tunjangan keluarga dan tunjangan jabatan. Tunjangan.
Ekonomi Mikro Struktur Pasar.
<Artificial intelligence>
AMBANG RANGSANGAN AMBANG MUTLAK (ABSOLUT THRESHOLD)
Metode Deret Seragam (A)
FUNGSI PERMINTAAN DAN FUNGSI PENAWARAN
Elastisitas.
JEMBATAN AC Nilai suatu tahanan dapat diketahui rangkaian jembatan DC dalam hal mana pada kondisi setimbang dicapai apabila: Rx = R3 (R2 / R1) Nilai capasitansi.
SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2011
Permasalahan suhu pada ampermeter
POLA PRODUKSI oleh;: Nurul K.
INFERENSI.
Logika Fuzzy.
Sistem Inferensi Fuzzy
1 Pertemuan 6 Signal conditioning Matakuliah: H0262/Pengukuran dan Instrumentasi Tahun: 2005 Versi: 00/01.
Logika Fuzzy.
MASALAH POKOK DALAM PEREKONOMIAN
FUZZY INFERENCE SYSTEMS
MOTOR INFERENSI.
Jurusan Teknik Informatika Samuel Wibisono
BIAYA PRODUKSI JANGKA PANJANG
ELASTISITAS PERMINTAAN DAN PENAWARAN
Teori Produksi (perilaku produsen)
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA BAGI MAHASISWA BERBASIS LOGIKA FUZZY ADE SYAYUTI MANNAF K
FUZZY INFERENCE SYSTEMS
LOGIKA FUZZY Kelompok Rhio Bagus P Ishak Yusuf
Logika Fuzzy.
Pertemuan 18 SISTEM PAKAR.
LOGIKA FUZZY PERTEMUAN 3.
Penalaran Mamdani dan Tsukamoto Pada pendekatan Fuzzy Inference System
Kasus Buat algoritma untuk menghitung total pembayaran dari proses pembelian.
CONTOH PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno
Kuliah Sistem Fuzzy Pertemuan 5 “Sistem Inferensi Fuzzy”
Model Fuzzy Tsukamoto.
KECERDASAN BUATAN LOGIKA FUZZY (Fuzzy Logic) Edy Mulyanto.
FUZZY INFERENCE SYSTEMS
Model Fuzzy Mamdani.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
KECERDASAN BUATAN (Artificial Intelligence) Materi 5
Logika Fuzzy.
FUZZY TSUKAMOTO UTHIE.
FUZZY INFERENCE SYSTEM (FIS) - MAMDANI
Sistem Inferensi Fuzzy
FUZZY INFERENCE SYSTEM (FIS)
Array Buat algoritma untuk mencari nilai terbesar dari 5 nilai mahasiswa yang diinputkan dengan array.
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
FUZZY INFERENCE SYSTEM (FIS) - SUGENO
LATIHAN 1 (kelompok 1 – 3) Permintaan terbesar 6000 kemasan/hari, permintaan terkecil 2000 kemasan/hari Persediaan barang digudang terbanyak mencapai 700.
LOGIKA FUZZY Dosen Pengampu : Dian Tri Wiyanti, S.Si, M.Cs
Oleh : Yusuf Nurrachman, ST, MMSI
Perhitungan Membership
METODE FIS Pertemuan Ke-5.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
Penyusun: Tri Nurwati (dari segala sumber :)
Sistem Inferensi Fuzzy
Operasi Himpunan Fuzzy
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
Rusmala, S.Kom., M.Kom Pertemuan 9, 10, 11
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
METODE FIS Pertemuan Ke-5.
FUZZY TSUKAMOTO UTHIE.
CCM110 Matematika Diskrit Pertemuan-11, Fuzzy Inference System
Logika Fuzzy (Fuzzy Inference System)
Penalaran Logika Fuzzy
FUZZY TSUKAMOTO UTHIE.
FUNGSI TURUNAN SOAL DAN PEMBAHASAN Oleh Amirul syah.
Transcript presentasi:

Contoh Kasus Fuzzy dalam menentukan Jumlah Produksi Barang berdasarkan Jumlah Permintaan konsumen dan Jumlah Barang yang tersedia di gudang.

Tentukan Kasus Tentukan Goal Tentukan Humpunan Input Tentukan Himpunan Output Tentukan Rule (Inferensi)

Ceritanya: Suatu perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Dari data 1 bulan terakhir, permintaan terbesar hingga mencapai 5000 kemasan/hari, dan permintaan terkecil sampai 1000 kemasan/hari. Persediaan barang digudang terbanyak sampai 600 kemasan/hari, dan terkecil pernah sampai 100 kemasan/hari. Dengan segala keterbatasannya, sampai saat ini, perusahaan baru mampu memproduksi barang maksimum 7000 kemasan/hari, serta demi efisiensi mesin dan SDM tiap hari diharapkan perusahaan memproduksi paling tidak 2000 kemasan.

Pertanyaannya: Berapa kemasan makanan jenis ABC yang harus diproduksi, jika jumlah permintaan sebanyak 4000 kemasan, dan persediaan di gudang masih 300 kemasan

Aturan Fuzzy Perusahaan [R1] IF Permintaan TURUN And Persediaan BANYAK THEN Produksi Barang BERKURANG; [R2] IF Permintaan TURUN And Persediaan SEDIKIT THEN Produksi Barang BERKURANG; [R3] IF Permintaan NAIK And Persediaan BANYAK THEN Produksi Barang BERTAMBAH; [R4] IF Permintaan NAIK And Persediaan SEDIKIT THEN Produksi Barang BERTAMBAH;

Aturan Fuzzy (disederhanakan) TURUN dan BANYAK => BERKURANG; TURUN dan SEDIKIT => BERKURANG; NAIK dan BANYAK => BERTAMBAH; NAIK dan SEDIKIT => BERTAMBAH;

Analisis Data

Fuzzy untuk Permintaan TURUN [400] = (5000-4000)/4000 = 0,25 NAIK [400] = (4000-1000)/4000 = 0,75

Fuzzy untuk Persediaan Barang SEDIKIT [300]: (600-300)/500 = 0,6 BANYAK [300]: (300-100)/500 = 0,4

Fuzzy untuk Produksi

[R1] TURUN And BANYAK THEN BERKURANG; αpr1 => AND(0.25 , 0.4) atau MIN(0.25 , 0.4) => 0.25 BERKURANG[ Z ] = (7000-Z)/5000 0.25 = (7000-Z)/5000 Z = 5750 Z1 = 5750

{R2] TURUN And SEDIKIT THEN BERKURANG; αpr2 => AND(0.25 , 0.6) atau MIN(0.25 , 0.6) => 0.25 BERKURANG[ Z ] = (7000-Z)/5000 0.25 = (7000-Z)/5000 Z = 5750 Z2 = 5750

[R3] NAIK And BANYAK THEN BERTAMBAH; αpr3 => AND(0.75 , 0.4) atau MIN(0.75 , 0.4) => 0.4 BERTAMBAH [ Z ] = (Z-2000)/5000 0.4 = (Z-2000)/5000 Z = 4000 Z3 = 4000

[R4] NAIK And SEDIKIT THEN BERTAMBAH; αpr4 => AND(0.75 , 0.6) atau MIN(0.75 , 0.6) => 0.6 BERTAMBAH [ Z ] = (Z-2000)/5000 0.6 = (Z-2000)/5000 Z = 5000 Z3 = 5000

Fuzzy Produksi berdasarkan Aturan 1-4.

Inferensi / Pengambil kesimpulan