JUDUL TUGAS KELOMPOK

APLIKASI PENGGAJIAN KARYAWAN MENGGUNAKAN VB6 TERINTEGRASI DATABASE ORACLE 10G STUDI KASUS PT JATI PIRANTI SOLUSINDO (JATIS)

Read More

LOGIKA FUZZY (TUGAS)

LOGIKA FUZZY
Ada banyak manfaat untuk menggunakan logika fuzzy. Logika fuzzt adalah konseptual mudah dipahami dan memiliki pendekatan alami [8]. Logika fuzzy fleksibel dan dapat dengan mudah ditambah dan disesuaikan. Hal ini sangat toleran terhadap data yang tidak tepat dan terhadap model yang nonlinier/ kompleksitas sedikit. Hal ini juga bisa dicampur dengan teknik kontrol konvensional. Ada tiga komponen utama dari sistem fuzzy: set fuzzy, aturan fuzzy, dan bilangan fuzzy.
Logika fuzzy dan berpikir fuzzy terjadi di set fuzzy. Pertimbangkan contoh kendaraan. Kita semua berbicara kendaraan yang sama, tapi kita berpikir kendaraan pada tingkat yang berbeda. Ini adalah kata benda. Ini menggambarkan sesuatu. Ada sekelompok perangkat yang kita sebut kendaraan. Perangkat ini mungkin termasuk truk, pesawat, bus, mobil, sepeda, skuter, atau skateboard. Apa yang saya anggap kendaraan yang akan bisa menjadi sesuatu yang sangat berbeda dari apa yang orang lain anggap. Yang benar-benar kendaraan atau tidak? Beberapa tampak lebih dekat dengan gagasan kita tentang sebuah kendaraan daripada yang lain. Aristoteles akan mengatakan bahwa hanya ada satu kendaraan dan bukan kendaraan. logika fuzzy mengatakan bahwa untuk gelar masing-masing perangkat ini adalah kendaraan. Beberapa merupakan kendaraan lebih dari yang lain tetapi semua jatuh dalam grayness antara kendaraan dan bukan kendaraan. Intinya adalah bahwa kendaraan kata singkatan untuk satu set fuzzy dan hal-hal yang termasuk dalam mengatur beberapa derajat.
Lambang fuzzy sebenarnya adalah simbol “yin-yang” [13]. Simbol yin-yang, ditunjukkan pada Gambar 3 adalah sama hitam dan putih. Hal ini dalam keadaan yang paling fuzzy.

                                                                

 Gambar 3: Simbol yin-yang

Untuk lebih melihat bagaimana isi set fuzzy yang lebih kecil dan sebagainya, pertimbangkan kendaraan off-road. Sebuah kendaraan off road adalah seperangkat kecil kendaraan. Setiap kendaraan off-road adalah kendaraan, tetapi tidak setiap kendaraan sebuah kendaraan off-road. Pertanyaan yang diajuakan adala: kapan sebuah kendaraan adalah off-road? Sekali lagi ini adalah masalah derajat.Fuzzy set ini dikombinasikan dengan aturan-aturan fuzzy membangun sistem fuzzy. Fuzzy set dapat diciptakan dari apa pun.
Komponen kedua dari sistem fuzzy adalah aturan fuzzy. Aturan fuzzy didasarkan pada pengetahuan manusia. Pertimbangkan bagaimana alasan manusia dengan contoh sederhana: jika Anda membawa payung untuk bekerja? Pertama, Anda memiliki pengetahuan tentang ramalan: sekitar 70% kemungkinan hujan. Kedua, Anda memiliki pengetahuan tentang fungsi payung: untuk membuat Anda tetap kering ketika hujan. Dari pengetahuan ini, Anda dapat membuat aturan yang membimbing Anda melalui suatu keputusan. Jika hujan, Anda akan mendapatkan basah. Jika Anda mendapatkan basah, Anda akan tidak nyaman di tempat kerja. Jika Anda menggunakan payung, Anda akan tetap kering. Oleh karena itu, Anda memutuskan untuk membawa payung. Aturan yang dipandu untuk keputusan Anda berhubungan satu hal atau peristiwa atau proses ke hal atau peristiwa dalam bentuk :jika-maka” [13].
Pengetahuan tentang kesempatan hujan menyebabkan aturan yang membuat Anda memutuskan cara yang Anda lakukan. Ini adalah bagaimana aturan fuzzy diciptakan, melalui pengetahuan manusia. Mendefinisikan aturan-aturan fuzzy atau fuzzy patch. Fuzzy patch, bersama dengan grayness, merupakan ide kunci dalam logika fuzzy. “Patch ini akal sehat dasi ke geometri sederhana dan membantu mendapatkan pengetahuan untuk dapat menuliskan program ke dalam komputer,” kata Bart Kosko, penganjur terkenal di dunia dan populizer logika fuzzy [13]. Patch ditentukan oleh bagaimana sistem fuzzy dibangun untuk dapat meliputi  jalur output yang didefinisikan oleh sistem. Gambar 4 menunjukkan bercak fuzzy yang meliputi jalur output. Sebuah konsep yang dirancang oleh Kosko disebut Fuzzy Teorema Aproksimasi (FAT) menyatakan bahwa jumlah terbatas patch dapat mencakup kurva [13]. Jika patch yang besar, aturan yang besar. Jika patch kecil, aturan yang tepat. Mencoba untuk membuat aturan yang terlalu tepat membangun banyak kompleksitas ke dalam suatu sistem fuzzy.
                                                 

Gambar 4: Patch Fuzzy Meliputi Line

Setiap bilangan fuzzy adalah fungsi domain. Bilangan fuzzy memungkinkan perbandingan perkiraan [3]. Pertimbangkan objek bergerak dengan kecepatan yang kurang lebih sama dengan 50 mph. Hal ini akan “sekitar 50 mph.” Fuzzy hal yang berguna dalam  memungkinkan kita untuk mengabaikan kekakuan bahwa sebenarnya kecepatan 50,1 mph atau bahkan 51 mph. Dari perkiraan ini suatu perbandingan dapat dibuat untuk objek lain akan “sekitar 50 mph.”
Ada beberapa cara untuk mengasosiasikan nomor fuzzy ke deskripsi dalam kata-kata. Asosiasi ini terjadi dalam bentuk-bentuk tertentu. Bentuk ini disebut sebagai fungsi keanggotaan. Ada empat bentuk yang terutama digunakan. Hal ini termasuk segitiga, trapesium, Gaussian, dan Singleton.

                                                 

Gambar 5: menunjukkan bentuk yang mungkin digunakan untuk definisi subset.

DOWNLOAD MATERI

REFERENSI :

https://fahmizaleeits.wordpress.com/tag/logika-fuzzy-adalah-suatu-proses/

Read More

KUIS SISTEM BASIS DATA

JAWABAN NOMOR 1 - 3

TABEL

JAWABAN NOMOR 4

.      select nim,nama_mhs,jurusan,nama_dosen

from mahasiswa, dosen_PA, matakuliah, registrasi

where registrasi.nim = mahasiswa.nim

and registrasi.kd_mk = matakuliah.kd_mk

and matakuliah.sks = dosen_PA.nip

and matakuliah.sks = 3

normalisasi dibawa ini :

registrasi.nim = mahasiswa.nim ^ registrasi.kd_mk=matakuliah.kd_mk^(matakuliah.sks=3)

JAWABAN NOMOR 5

JAWABAN NOMOR 6

SELECT nama_barang

FROM barang

WHERE harga = 3.000.000

OR (NOT (nama_barang=”Televisi”)

AND (nama_barang=”Televisi” OR nama_barang=”Kulkas”)

AND NOT(nama_barang=”Kulkas”))

Penyederhanakan Query pada nomor 6

Z  = harga = 3.000.000

X = nama barang = “Televisi”

Y = nama_barang=”kulkas”

Z V ( -(X) Ʌ (X V Y) Ʌ  -(Y))

Z V ((-XɅ X)V( YɅ-Y ))
Z V (FALSE Ʌ FALSE)

Z V FALSE
Z

Solusinya harga = 3.000.000

JAWABAN NOMOR 7

ERD

Read More

PERANCANGAN BASIS DATA (ALJABAR RELASIONAL)

ALJABAR RELASIONAL (MATERI IV)

Aljabar relasional adalah sebuah bahasa query prosedural yang terdiri dari sekumpulan operasi dimana masukkannya adalah satu atau dua relasi dan keluarannya adalah sebuah relasi baru sebagai hasil dari operasi tersebut. Operasi-operasi dasar dalam aljabar relasional adalah : select, project, union, set difference, dan cartesian product. Disamping operasi-operasi dasar terdapat beberapa operasi tambahan seperti set intersection, natural join, division dan theta join.

Operasi Dasar Relasi Aljabar :

OPERASI UNION -> Operasi yang memakai satu relasi.

1. SELECTION (σ), Digunakan untuk memilih baris(row) dari suatu relasi

Σ predicate (r) operasi seleksi bekerja pada satu relasi dan mendefinisikan relasi yang berisi hanya tuple r yang memenuhi kondisi(predicate)

Untuk predicate yang lebih rumit dapat dibuat menggunakan operator logikal λ (AND),Ν (OR) DAN ~(NOT).

2. ) Digunakan untuk merinci kolom.pPROJECTION (

OPERASI BINARY -> Operasi yang memakai dua atau sepasang relasi.

 

UNION (U) -> RUS

Menyatukan 2 relasi r dan s, mendefinisikan relasi yang berisi seluruh tuple r, s atau keduanya, seta menghilangkan nilai atribut yang ganda

 

INTERSECTION (n) -> R n  S

Operasi  yang mendefinisikan suatu relasi yang berisi sekumpulan tuple yang ada di r dan s

SET DIFFERENCE (-) -> R-S

Operasi  yang mendefinisikan suatu relasi yang berisi tuple yang ada di relasi r tetapi tidak terdapat di relasi s

CARTESIAN PRODUCT (x) -> R x S

Operasi  yang menghasilkan relasi yang merupakan gabungan dari setiap tuple pada relasi r dengan setiap tuple pada relasi s

OPERASI  -  OPERASI DASAR

• SELECT
• PROJECT
• CARTESIAN PRODUCT
• UNION
• SET DIFFERENCE 

OPERASI  -  OPERASI TAMBAHAN

• NATURAL JOIN 
•  INTERSECTION  

CARTESIAN PRODUCT

Membentuk suatu relasi dari dua relasi yang terdiri dari kombinasi tupel-tupel yang mungkin.

 

     UNION

A ∪ B adalah relasi dengan heading (atribut) yang sama untuk setiap A dan B, dimana terdiri dari himpunan semua tuples yang terdapat pada A atau B atau kedua-duanya. Operasi union berfungsi untuk mendapatkan gabungan nilai atribut dari sebuah tabel relasi dengan nilai atribut dari tabel relasi lainnya.

   

     SET-D

Operasi set difference berfungsi untuk mendapatkan nilai yang ada dalam sebuah tabel relasi, tapi tidak ada dalam tabel relasi lainnya. A MINUS B adalah relasi dengan heading (atribut) yang sama untuk setiap A dan B, dimana terdiri dari himpunan semua tuples yang terdapat pada A, tetapi tidak terdapat pada B.

NATURAL JOIN

Membentuk suatu relasi dari dua relasi yang terdiri dari kombinasi yang mungkin dari relasi-relasi

 

INTERSECT 

hanya akan menampilkan seluruh isi dari data yang memiliki kesaman diantara hasil kedua query tersebut. struktur querynya.

OPTIMASI QUERY

Dilakukan dengan mengetahui bagaimana rencana eksekusi query yang “baik” rencana dari optimasi query dapat dilakukan dengan mengoptimalkan Ekspresi Aljabar Relasional seperti :

• Selection (σ)
• Projection (̟)
• Cartesian Product / Cross Product (X)
• Union (∪)
• Set-Difference (-)

Aljabar Relasional :

SELECT nmpel

FROM pelanggan,daya_terpasang

WHERE pelanggan.idpel = daya_terpasang.idpel

AND daya > 1300

Π nmpel (σ daya >1300 Λ pelanggan.idpel=daya_terpasang.idpel (pelanggan X daya_terpasang))

Query Decomposition :

Pada Lapis Pertama ini input adalah query dirubah menjadi Aljabar query. Query Decomposition dibagi  enjadi 4 bagian :

• Normalisasi,
• Analisa semantik,
• Memperbaiki Query,
• Menata ulang struktur dari query (restruktured)

Keterangan :

• Normalisasi - Manipulasi Queri
• Analisa - Mendeteksi queri yang salah
• Sederhanakan - Mengeleminasi predicate yang berulang
• Tata Ulang - Gunakan aturan transformasi

Normalisasi :

Aturan untuk operasi logika

• p1 ∧ p2 <=> p2 ^ p1
• p1 V p2 <=> p2 V p1
• p1 ^ ( p2 ^p3) (p1 ^ p2) ^p3
• p1 V (p2 Vp3) ( p1 V p2) Vp3
• p1 ^ (p2 Vp3) (p1 ^ p2) V (p1 ^ p3)
• p1 V (p2 ^ p3) (p1 V p2) ^ (p1 V p3)
• ¬ ( p1 ^ p2) ¬p1 V ¬p2
• ¬ ( p1 V p2) ¬p1 ^ ¬p2
• ¬(¬p) p

Contoh 1

Mencari nama pelanggan dengan ap ‘lenteng agung‘ dengan daya 1300 atau 900 watt

SQL :

Select nmpel

From pelanggan p , daya_terpasang d

Where p.idpel = d.idpel

And ap = “lenteng agung”

And (daya = 1300 Or daya = 900)

p.idpel = d.idpel ∧ ap=“lenteng agung” ∧ (daya = 1300 V Daya =900)

atau

(p.idpel = d.idpel ∧ ap=“lenteng agung” ∧ Daya = 1300)

V

(p.idpel = d.idpel ∧ ap=“lenteng agung” ∧ Daya = 900)

(p.idpel = d.idpel ∧ ∧∧ ∧ ap=“lenteng agung” ∧ ∧∧ ∧ Daya = 1300)

V

(p.idpel = d.idpel ∧ ∧∧ ∧ ap=“lenteng agung” ∧ ∧∧ ∧ Daya = 900)

ANALISA

Menemukan queri yang salah. Tipe yang tidak benar:

1. Jika ada atribut atau nama relasi tidak didefenisi dalam skema global
2. Ada operasi yang diaplikasikan ke atribut dengan tipe yang salah

Contoh 2

Select alamat

From pelanggan

Where ap > 1900

Queri tidak benar :

Atribut alamat tidak dideklarasikan dalam struktur tabel

Operator > 1900 tidak compatible dengan type text dari ap

KESALAHAN SEMANTIK

1. Ada komponen yang tidak memberikan konstribusi dalam hasil akhir
2. Hanya sebagian dari relational queris yang dapat di tes untuk koreksi
3. Untuk mendektesi : query graph dan Join Graph

Contoh 3

SELECT nmpel, daya

FROM pelanggan p, 

daya_terpasang d, harga h

WHERE p.idpel = d.idpel

AND d.gol = h.gol

AND tarif <1100

Cari nama pelanggan dan daya dengan tarif kurang dari 1100

QUERY GRAPH

SELECT nmpel, daya

FROM FROM pelanggan p, daya_terpasang d, harga h

WHERE p.idpel = d.idpel

AND d.gol = h.gol 

AND tarif <1100

referensi :
http://happyanjas.blogspot.com/2014/03/materi-4.html

Read More