LAPORAN TUGAS BESAR

ARTIFICIAL INTELLIGENCE

AUTOMATIC BRAKING SYSTEM PADA ECT (ELECTRONIC

CONTROL TRANSMISSION) MENGGUNAKAN FUZZY lOGIC
METODE MAMDANI

DISUSUN OLEH

Farhan Bumi Sangaji 1103140101

Kuncoro Triandono Mukti 11031444126

Reza Adriansyah 1103144151

TELKOM UNIVERSITY
FAKULTAS TEKNIK ELEKTRO
PROGRAM STUDI S1 SISTEM KOMPUTER
BANDUNG
2017
 DAFTAR ISI

DAFTAR ISI ........................................................................................................................... i

BAB I PENDAHULUAN ....................................................................................................... 1
BAB II DASAR TEORI ......................................................................................................... 2
2.1 Logika Fuzzy ......................................................................................................... 2
2.2. Struktur Dasar Logika Fuzzy ............................................................................. 2
2.2. Metode Mamdani................................................................................................. 3
2.3. File DLL (Dynamic Link Library) ....................................................................... 3
2.4. MATLAB FIS ........................................................................................................ 4
BAB III PERANCANGAN .................................................................................................... 5
3.1. Analisa Input dan Output ................................................................................... 5
3.2. Fungsi Keanggotaan........................................................................................... 5
3.2.1. Fungsi Keanggotaan Speed/ Kecepatan ............................................... 6
3.2.2. Fungsi Keanggotaan Distance / Jarak ................................................... 7
3.2.3 Fungsi Keanggotaan Angle / Kemiringan ............................................... 8
3.2.4. Fungsi Keanggotaan Brake Level / Tingkat Pengereman .................. 9
3.3. Penyusunan Aturan Fuzzy (Fuzzy Rules) .................................................... 10
3.4. PerancanganGUIAplikasi....................................................................................... 12
BAB IV PENGUJIAN ......................................................................................................... 14
4.1 Kasus .................................................................................................................. 14
4.1.1 KASUS A .................................................................................................... 14
4.1.2 KASUS B .................................................................................................... 15
4.2 HASIL PROGRAM ............................................................................................ 16
4.2.1 HASIL PROGRAM KASUS A ................................................................. 16
4.2.1 HASIL PROGRAM KASUS B ................................................................. 16
KESIMPULAN .................................................................................................................... 17
DAFTAR PUSTAKA .......................................................................................................... 18
LAMPIRAN A ...................................................................................................................... 19

i
BAB I PENDAHULUAN

Dewasa ini kendaraan, terutama mobil menjadi kebutuhan yang dianggap penting bagi
sebagian besar orang. Terlebih dengan kemudahan dalam mendapatkan sebuah mobil
dengan sistem kredit. Hal ini mendorong semakin banyaknya jumlah mobil yang ada di jalan.
Semakin banyaknya jumlah mobil yang ada di jalan maka resiko terjadinya kelalaian ataupun
kecelakaan semakin tinggi. Beberapa faktor penyebab kecelakaan dikarenakan faktor human
error, mungkin dikarenakan mengantuk atau kurang bisa berfikir dan mengambil keputusan
tepat dalam waktu yang singkat. Maka dari itu perlu dibuat sistem pengereman otomatis pada
mobil. Sistem kontrol pengereman mobil dapat di-generate dengan sistem inferensi fuzzy
Mamdani. Dimana sistem fuzzy dapat mengakomodir variabel-variabel samar.
Dalam penelitian ini akan dipaparkan bagaimana penerapan sistem inferensi fuzzy
Mamdani dalam pengereman otomatis mobil. Sehingga nantinya akan tercipta sebuah sistem
kontrol yang lebih presisi dan tepat sehingga tidak membahayakan pengemudi lain.

1.2 Tujuan
Tujuan yang ingin di capai adalah membuat sebuah sistem pengereman otomatis
pada mobil agar memperkecil jumlah resiko terjadinya kecelakaan pada kendaraan
mobil dengan menerapkan inferensi fuzzy Mamdani.

1.3 Rumusan
Berdasarkan latar belakang di atas maka permasalahan yang dirumuskan adalah
"bagaimana cara pembuatan sistem pengereman otomatis dengan menggunakan
inferen fuzzy Mamdani".

1.4 Batasan
Agar penulisan tugas besar ini lebih terarah,Oleh sebab itu,Pada laporan ini kami
hanya membahas " Inferensi fuzzy Mamdani yg di pakai di sistem pengereman otomatis
pada kendaraan mobil".

1
BAB II DASAR TEORI
2.1 Logika Fuzzy
Menurut Asus Naba, logika fuzzy adalah: “Sebuah metodologi berhitung dengan
variabel kata-kata (linguistic variable) sebagai pengganti berhitung dengan bilangan. Kata-
kata digunakan dalam fuzzy logic memang tidak sepresisi bilangan, namun kata-kata jauh
lebih dekat dengan intuisi manusia”. Mengenai logika fuzzy pada dasarnya tidak semua
keputusan dijelaskan dengan 0 atau 1, namun ada kondisi diantara keduanya, daerah
diantara keduanya inilah yang disebut dengan fuzzy atau tersamar. Secara umum ada
beberapa konsep sistem logika fuzzy , sebagai berikut dibawah ini:

a. Himpunan tegas yang merupakan nilai keanggotaan suatu item dalam suatu
himpunan tertentu.
b. Himpunan fuzzy yang merupakan suatu himpunana yang digunakan untuk
mengatasi kekakuan dari himpunan tegas.
c. Fungsi keanggotaan yang memiliki interval 0 sampai 1
d. Variabel linguistic yang merupakan suatu variabel yang memiliki nilai berupa
kata-kata yang dinyatakan dalam bahasa alamiah dan bukan angka.
e. Operasi dasar himpunan fuzzy merupakan operasi untuk menggabungkan dan
atau memodifikasi himpunan fuzzy.
f. Aturan (rule) if-then fuzzy merupakan suatu pernyataan if-then, dimana
beberapa kata-kata dalam pernyataan tersebut ditentukan oleh fungsi
keanggotaan.

Dalam proses pemanfaatan logika fuzzy, ada beberapa hal yang harus
diperhatikan salah satunya adalah cara mengolah input menjadi output melalui sistem
inferensi fuzzy. Metode inferensi fuzzy atau cara merumuskan pemetaan dari masukan
yang diberikan kepada sebuah keluaran. Proses ini melibatkan fungsi keanggotaan,
operasi logika, serta aturan IF-THEN. Hasil dari proses ini akan menghasilkan sebuah
sistem yang disebut dengan FIS (Fuzzy Inferensi System). Dalam logika fuzzy tersedia
beberapa jenis FIS diantaranya adalah Mamdani, Sugeno, dan Tsukamoto.

2.2. Struktur Dasar Logika Fuzzy

Gambar 1. Blok Diagram Logika Fuzzy

Berdasarkan gambar 2.1, dalam system logika fuzzy terdapat beberapa tahapan
operasional yang meliputi:
1. Fuzzifikasi
Fuzzifikasi adalah suatu proses pengubahan nilai tegas yang ada ke dalam fungsi
keanggotaan.

2
 2. Penalaran (Inference Machine)
Mesin penalaran adalah proses implikasi dalam menalar nilai masukan guna
penentuan nilai keluaran sebagai bentuk pengambilan keputusan. Salah satu
model penalaran yang banyak dipakai adalah penalaran maxmin. Dalam penalaran
ini, proses pertama yang dilakukan adalah melakukan operasi min sinyal keluaran
lapisan fuzzifikasi, yang diteruskan dengan operasi max untuk mencari nilai
keluaran yang selanjutnya akan didefuzzifikasikan sebagai bentuk keluaran.
3. Aturan Dasar (Rule Based)
Aturan dasar (rule based) pada control logika fuzzy merupakan suatu bentuk
aturan relasi “Jika-Maka”atau “if-then” seperti berikut ini: if x is A then y is B
dimana A dan B adalah linguistic values yang didefinisikan dalam rentang variabel
X dan Y. Pernyataan “x is A” disebut antecedent atau premis. Pernyataan “y is B”
disebut consequent atau kesimpulan.
4. Defuzzifikasi
Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari
komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan
suatu bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan
suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai
crisp tertentu.
2.2. Metode Mamdani
Metode Mamdani adalah cara untuk mendapatkan keluaran dengan menggunakan
tahapan:
1. Fuzzifikasi
Tahapan di mana variabel masukan maupun keluaran terdiri atas satu atau
lebih himpunan fuzzy. Selanjutnya derajat keanggotaan masing-masing variabel
ditentukan, sehingga akan didapatkan nilai linguistiknya. Dengan cara ini, setiap
variabel masukan difuzzifikasikan.
2. Implikasi
tahap di mana proses mendapatkan kesimpulan sebuah aturan IF-THEN
dilakukan berdasarkan derajat kebenaran. Fungsi Implikasi yang digunakan pada
metode ini adalah fungsi minimum, artinya menetapkan fungsi terkecil di antara
dua atau lebih bilangan.
3. Komposisi / Agregasi
adalah suatu proses untuk mengkombinasikan keluaran semua IF-THEN
menjadi sebuah kesimpulan tunggal. Jika pada bagian kesimpulan terdapat lebih
dari satu pernyataan, maka proses agregasi dilakukan secara terpisah untuk tiap
variabel keluaran aturan IF-THEN. Agre-gasi semacam ini dijalankan dengan
logika fuzzy OR.
4. Penegasan (defuzzy)
Tahapan di mana besaran fuzzy hasil dari sistem inferensi, diubah menjadi
besaran tegas. Input dari defuzzifikasi adalah suatu himpunan yang diperoleh dari
komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan
bilangan pada domain himpunan fuzzy tersebut.

2.3. File DLL (Dynamic Link Library)

File DLL (Dynamic Link Library) adalah file library windows, merupakan kode yang
sudah dikompilasi dan dapat digunakan oleh program lain. Jika kita meletakan fungsi sub
rutin ke dalam dll, berarti fungsi tersebut dapat diakses oleh semua program pada saat
yang bersamaan. DLL biasanya ditulis dengan bahasa C/C++, Delphi atau bahasa lainnya
yang mendukung sistem operasi windows.

3
2.4. MATLAB FIS
sebuah lingkungan komputasi numerikal dan bahasa pemrograman komputer
generasi keempat. Dikembangkan oleh The MathWorks, MATLAB memungkinkan
manipulasi matriks, pem-plot-an fungsi dan data, implementasi algoritma,
pembuatan antarmuka pengguna, dan peng-antarmuka-an dengan program dalam
bahasa lainnya. Meskipun hanya bernuansa numerik, sebuah kotak kakas (toolbox) yang
menggunakan mesin simbolik MuPAD, memungkinkan akses terhadap kemampuan
aljabar komputer. Sebuah paket tambahan, Simulink, menambahkan simulasi grafis
multiranah dan Desain Berdasar-Model untuk sistem terlekat dan dinamik.

4
BAB III PERANCANGAN

Aplikasi yang akan dibuat menggunakan Bahasa pemrograman C# dan DLL Fuzzy
Logic. Serta digunakan MATLAB Fuzzy Inference System (FIS) Sebagai alat bantu
perhitungan untuk mengoreksi hasil yang ditampilkan dari aplikasi.

3.1. Analisa Input dan Output

Dalam sistem kontrol pengereman mobil otomatis terdapat beberapa faktor pemicu
pengereman dan faktor pemicu seberapa kuat rem menahan laju kendaraan. Faktor-faktor
tersebutlah yang nantinya digunakan sebagai input dalam sistem ini. Faktor pertama yang
adalah jarak mobil terhadap titik berhenti. Titik berhenti ini bisa merupakan titik tujuan atau
titik dimana didepan terdapat objek yang memungkinkan terjadinya tabrakan. Semakin
dekat kendaraan dengan titik henti maka dibutuhkan kekuatan rem yang lebih tinggi,
begitu pula sebaliknya.
Kemudian kecepatan sebuah mobil saat melaju juga menjadi faktor penting dalam
melakukan pengereman. Jika mobil tersebut melaju dengan kecepatan tinggi maka akan
membutuhkan kekuatan rem yang lebih besar untuk bisa berhenti, begitu pula saat mobil
melaju dengan kecepatan yang rendah maka tidak terlalu dibutuhkan pengereman yang
kuat agar bisa berhenti. Selain faktor jarak dan kecepatan terdapat pula faktor lain yang
berpengaruh yaitu kondisi jalan. Dalam sistem ini kondisi jalan yang diperhatikan adalah
kemiringan jalan. Kemiringan jalan dapat mempercepat laju kendaraan atau bisa pula
memperlambat, dimana hal tersebut berpengaruh terhadap seberapa kuat pengereman
agar mobil tersebut berhenti. Jika mobil melaju di jalan yang menurun maka dibutuhkan
pengereman yang lebih kuat daripada saat melaju di jalan yang mendatar. Begitupun saat
dijalan yang menanjak, pengereman tidak perlu sekuat saat dijalan mendatar karena
mobil sudah mengalami perlambatan dengan sendirinya. Tetapi setelah mobil berhenti,
baik dalam jalan menurun ataupun menanjak tetap harus dilakukan pengereman penuh
agar mobil tidak bergerak tanpa kontrol.
Berdasarkan analisa tersebut didapatkan variabel input yang akan digunakan
dalam sistem ini yaitu Jarak (d), Kecepatan (s) dan Kemiringan Jalan (a). Serta output
sistem yang akan dicapai adalah tingkat kekuatan pengereman mobil.

3.2. Fungsi Keanggotaan

Pada tahap ini akan disusun fungsi keanggotaan dari masing-masing input dan
output. Sebelum membuat fungsi keanggotaan, pertama dilakukan penentuan himpunan
universal dan nama variabel dari setiap input dan output.
Tabel 1. Tabel himpunan universal
Input/output Nama variabel Himpunan Universal

Kecepatan (km/h) Speed [0,120]

Jarak (m) Distance [0,10]

Kemiringan Jalan ( ) Angle [-90,90]

Tingkat Kekuatan Rem Brake Level [0,10]

5
 Kemudian akan disusun fungsi keanggotaannya. Untuk memproses bilangan input
tersebut digunakan fungsi keanggotaan fuzzy yang merepresentasikan kondisi umum dari
setiap input tersebut.
3.2.1. Fungsi Keanggotaan Speed/ Kecepatan

Untuk variabel Kecepatan akan dipilih 3 fungsi keanggotaan yaitu Slow, Medium
dan Fast. Dengan grafik fungsi keanggotaannya adalah sebagai berikut:

Gambar 2. Grafik fungsi keanggotaan variabel Speed

1, X ≤ 30

Slow (X) 50 - X, 30 < X < 50

50-30

0, X ≥ 50
X - 40, 40 < X ≤ 60

60-40

Medium (X) -X - 80, 60 < X ≤ 80

80-60

0, X ≤ 40, X ≥ 80

1, X ≥ 90

X - 70, 70 < X < 90

Fast (X)
90-70

0, X ≤ 70

6
3.2.2. Fungsi Keanggotaan Distance / Jarak

untuk variabel Jarak juga terdiri dari 3 fungsi keanggotaan yaitu Near, Far dan
TooFar. Grafik fungsi keanggotaannya adalah sebagai berikut:

Gambar 3. Grafik fungsi keanggotaan variabel Distance

1, X≤2

Near (X) 2 - X, 1<X<2

2-1

0, X≥2

X - 1, 1<X≤4

4-1
Far (X)
-X - 5, 4 < X ≤ 5

5-4

0, X ≤ 40, X ≥ 80

1, X≥7
TooFar (X) X - 4, 4< X <7

7-4

0, X≤4

7
3.2.3 Fungsi Keanggotaan Angle / Kemiringan

Untuk variabel Kemiringan terdiri dari 3 fungsi keanggotaan yaitu Down, Flat dan UP,
Grafik fungsi keanggotaannya adalah sebagai berikut:

Gambar 4. Grafik fungsi keanggotaan variabel Angle

1, X ≤ -40

Down (X) -30 - X, -40 < X < -20

-30-(-0)

0, X ≥ -20

X – (-30), -20 X ≤ 0

0 – (-30)
Flat (X)
-X - 30, 0 < X ≤ 30

30 - 0

0, -30, X ≥ 30

1, X ≥ 40

X - 20, 20< X <40

Up (X) 40 - 20

0, X ≤ 20

8
3.2.4. Fungsi Keanggotaan Brake Level / Tingkat Pengereman

Untuk variabel output Tingkat Pengereman terdiri dari 3 fungsi keanggotaan yaitu
Weak, Medium dan Strong. Grafik fungsi keanggotaan adalah sebagai berikut:

Gambar 5. Grafik fungsi keanggotaan variabel Brake Level

1, X ≤ 3

Weak (X) 4 - X, 3 < X < 4

4-3

0, X ≥ 4

1, X ≥ 4, X ≤ 6

X – 3, 3 < X < 4
Medium (X)
4–3

7 - X, 6< X ≤ 7

7-6
1,
0, XX ≥≤ 7-30, X ≥ 30
X - 4, 6< X <7
Strong (X)
7-6

0, X ≤ 3, X ≥ 7

9
3.3. Penyusunan Aturan Fuzzy (Fuzzy Rules)

Untuk memproses data input dan fungsi keanggotaan agar didapatkan output,
maka digunakan fuzzy rules yaitu sebuah pengetahuan dasar dalam pengambilan
keputusan output. Aturan-aturan ini disusun berdasarkan pengetahuan penulis,
pendapat ahli serta didukung oleh karya tulis ilmiah. Sistem ini menggunakan 3
variabel input, jika semua kemungkinan kombinasi dipakai maka akan terdapat 27
rules. Antara lain :

1. If (Speed is Slow) and (Distance is Near) and (Angle is Down) then (BrakeLevel is
Strong)

2. If (Speed is Slow) and (Distance is Near) and (Angle is Up) then (BrakeLevel is
Weak)
3. If (Speed is Slow) and (Distance is Near) and (Angle is Flat) then (BrakeLevel is
Medium)
4. If (Speed is Slow) and (Distance is Far) and (Angle is Flat) then (BrakeLevel is
Weak)
5. If (Speed is Slow) and (Distance is Far) and (Angle is Up) then (BrakeLevel is
Weak)
6. If (Speed is Slow) and (Distance is Far) and (Angle is Down) then
(BrakeLevel is Medium)
7. If (Speed is Slow) and (Distance is TooFar) and (Angle is Flat) then (BrakeLevel is
Weak)
8. If (Speed is Slow) and (Distance is TooFar) and (Angle is Up) then (BrakeLevel is
Weak)
9. If (Speed is Slow) and (Distance is TooFar) and (Angle is Down) then (BrakeLevel
is Medium)
10. If (Speed is Medium) and (Distance is Near) and (Angle is Flat) then (BrakeLevel is
Strong)
11. If (Speed is Medium) and (Distance is Near) and (Angle is Up) then
(BrakeLevel is Medium)
12. If (Speed is Medium) and (Distance is Near) and (Angle is Down) then (BrakeLevel
is Strong)
13. If (Speed is Medium) and (Distance is Far) and (Angle is Flat) then (BrakeLevel is
Medium)
14. If (Speed is Medium) and (Distance is Far) and (Angle is Up) then
(BrakeLevel is Weak)
15. If (Speed is Medium) and (Distance is Far) and (Angle is Down) then (BrakeLevel
is Strong)
16. If (Speed is Medium) and (Distance is TooFar) and (Angle is Flat) then (BrakeLevel
is Weak)
17. If (Speed is Medium) and (Distance is TooFar) and (Angle is Up) then (BrakeLevel
is Weak)
18. If (Speed is Medium) and (Distance is TooFar) and (Angle is Down) then
(BrakeLevel is Medium)
19. If (Speed is Cepat) and (Distance is Near) and (Angle is Flat) then (BrakeLevel is
Strong)
20. If (Speed is Cepat) and (Distance is Near) and (Angle is Up) then
(BrakeLevel is Medium)
21. If (Speed is Cepat) and (Distance is Near) and (Angle is Down) then (BrakeLevel is
Strong)

10
22. If (Speed is Cepat) and (Distance is Far) and (Angle is Flat) then (BrakeLevel is
Strong)
23. If (Speed is Cepat) and (Distance is Far) and (Angle is Up) then
(BrakeLevel is Medium)
24. If (Speed is Cepat) and (Distance is Far) and (Angle is Down) then (BrakeLevel is
Strong)
25. If (Speed is Cepat) and (Distance is TooFar) and (Angle is Flat) then (BrakeLevel
is Medium)
26. If (Speed is Cepat) and (Distance is TooFar) and (Angle is Up) then (BrakeLevel is
Weak)
27. If (Speed is Cepat) and (Distance is TooFar) and (Angle is Down) then (BrakeLevel
is Strong)

11
3.4. Perancangan GUI Aplikasi

Gambar 6. Tampilan Utama

Gambar 7. Tampilan Manual kalkulator

12
 Pada tamppilan utama terdapat Trackbar berfuingsi sebagai masukkan dari
pengguna. Gauge berfungsi sebagai prantara visual dari value Trackbar.

Gambar 8. Tampilan Utama saat sedang digunakan

13
BAB IV PENGUJIAN

Mencoba untuk melakukan uji coba aplikasi dengan scenario yang terlah dibuat. Dan
melihat apakah hasil dari scenario tersebut beserta kesimpulan
.
4.1 Kasus

4.1.1 KASUS A

Masukkan 3 Titik yang menghasilkan 2 Rules, Semisal ada pengendara yang tertidur
melaju dengan kecepatan 75 (km/h), dan berada pada jalan yang menurun sebesar 45° dan
didepannya berada sebuah kendaraan yang jaraknya kurang lebih 7 meter. Maka seberapa
kuat tingkat pengereman yang akan dilakukan oleh system. Maka dapat diasumsikan
masukkan untuk system berupa. Speed = 75 (km/h) dan Distance = 7 meter serta Angle = -
45.
Pada variabel Speed didapatkan
 Medium (0,25) & Fast (0,25)
Pada variabel Distance didapatkan
 TooFar (1)
Pada Variabel Angle didapatkan
 Down (1)
Penerapan Rules serta Implikasi
 Medium (0,25) ^ TooFar (1) ^ Down (1) = Medium (0,25)
 Fast (0,25) ^ TooFar (1) ^ Down (1) = Strong (0,25)
Menggunakan Fuzzy inference system metode mamdani untuk mendapatkan area medium
dan Strong

Centroid / COG dengan Titik sempel pada 1 s/d 10

(1+2+3)∗0+(4+5+6+7+8+9+10)∗0.25
𝐵𝑟𝑎𝑘𝑒 𝐿𝑒𝑣𝑒𝑙 = =7
0∗3+0.25∗7

14
4.1.2 KASUS B
Semisal ada pengendara yang tertidur melaju dengan kecepatan 50 (km/h), dan
berada pada jalan yang menanjak sebesar 29° dan didepannya berada sebuah kendaraan
yang jaraknya kurang lebih 4 meter. Maka seberapa kuat tingkat pengereman yang akan
dilakukan oleh system. Maka dapat diasumsikan masukkan untuk system berupa. Speed =
50 (km/h) dan Distance = 4 meter serta Angle = 29.
Pada variabel Speed didapatkan
 Medium (0,5) & Slow (0)
Pada variabel Distance didapatkan
 Far (1) & TooFar (0)
Pada Variabel Angle didapatkan
 Up (0,45) & Flat (0,03)
Penerapan Rules serta Implikasi
 Medium (0,5) ^ Far (1) ^ Up (0,45) = weak (0,45)
 Medium (0,5) ^ Far (1) ^ Flat (0,03)= Medium (0,03)
 Medium (0,5) ^ Toofar (0) ^ Up (0,45)= weak (0)
 Medium (0,5) ^ Toofar (0) ^ Flat(0,03)= Weak(0)
 Slow (0)^ far (1) ^ Up (0,55)= weak (0)
 Slow (0)^ far (1) ^ Flat(0,03)= weak(0)
 Slow (0)^ TooFar (0) ^ Up (0,45)= weak(0)
 Slow (0)^ TooFar (0) ^ Flat(0, 03)= weak(0)
Agregasi
 Weak (0,45) n Weak (0) n Weak (0) n Weak (0) n Weak (0) n Weak (0) = Weak (0,45)
 Medium (0,5)

COG/Centroid

𝐵𝑟𝑎𝑘𝑒 𝐿𝑒𝑣𝑒𝑙 =
(1+2+3)∗0,45+(4+5+6)∗0.03
0.45∗3+0.03∗3
= 2.206

15
4.2 HASIL PROGRAM

4.2.1 HASIL PROGRAM KASUS A

Gambar 7. Hasil dari Kasus 3 Rules

4.2.1 HASIL PROGRAM KASUS B

Gambar 9. Hasil dari Kasus B

16
KESIMPULAN
Pada kasus pertama pengendara berada pada kondisi tertidur dengan kecepatan tinggi, jalan
yang menurun serta ada kendaraan lain didepannya dengan jarak yang lumayan jauh. Sedangkan pada
kasus kedua kendaraan berjalan dengan kecepatan yang tidak terlalu tinggi dengan kondisi jalan yang
sedikit menanjak dan ada kendaraan yang tidak terlalu jauh didepannya.
Dengan melakukan perhitungan manual pada Kasus A didapatkan tingkat pengereman 7 dan
Kasus B 2.206, setelah melakukan perhitungan dengan program didapatkan hasil yang sama. Apabila
terdapat 2,01 maka akan dilakukan pembulatan keatas menjadi 3 pada brake level. Maka pada kasus
B terjadi pembulatan menjadi 3 pada brake level.

17
 DAFTAR PUSTAKA

[1] Atmospheric Stability, 2005, Nopember 12 2010 <http://www.ux1.eiu.edu/~cfjps/

1400/ stability.html>

[2] Kusumadewi, Sri, & Hartati, Sri (2010), Neuro-Fuzzy Integrasi Sistem Fuzzy &
Jaringan Syaraf Edisi 2, Yogyakarta, Graha Ilmu

[3] Kusumadewi, Sri, dan Purnomo, Hari (2010), Aplikasi Logika Fuzzy untuk Pendukung
Keputusan, Yogyakarta, Graha Ilmu.

[4] Naba, Agus (2009), Belajar Cepat Fuzzy Logic Menggunakan MATLAB, Yogyakarta,
Andi Offset.

[5] Zakir, Achmad (2008), Modul Praktis Analisa dan Prakiraan Cuaca, Jakarta, Pusat Sistem
Data dan Informasi Meteorologi.

[6] Decky Irmawan, Khamami Herusantoso, PENERAPAN LOGIKA FUZZY SEBAGAI

SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA

[7] Penerapan Logika Fuzzy Metode Sugeno untuk Sistem Pendukung Keputusan Prakiraan
Cuaca

[8] Andika Satya Wisnu, Sistem Kontrol Pengereman Mobil Otomatis dengan Sistem Inferensi
Fuzzy Mamdani

18
 LAMPIRAN A

Berikut pembagian Jobdesk beserta Deskripsinya.

Nama Anggota Persentase Deskripsi
Kuncoro Triandono Mukti - 40% Pencarian Judul, Teori dan
1103144126 Implementasi, Perhitungan,
Programmer, Penyusun
Laporan.

Farhan Sangaji Bumi - 30% Penyusunan Laporan, Teori,

Perhitungan, Penyusunan
Laporan.

Reza Ardiansyah Rusmanto - 30% Perhitungan, Teori, Pencarian

Judul, Penyusunan Laporan.

19