Kurt Gödel & the Limits of Mathematics

Fuzzy logic

Fuzzy logic:

'via Blog this'

THE PREDICTION OF DENGUE HAEMORRAGIC FEVER (DHF) IN CIMAHI USING HYBRID GENETIC ALGORITHM AND FUZZY LOGIC

International Conference on Informatics and Computational Intelligence, Bandung, 2011

THE PREDICTION OF DENGUE HAEMORRAGIC FEVER (DHF) IN CIMAHI USING HYBRID GENETIC ALGORITHM AND FUZZY LOGIC

Fhira Nhita, ST1, Prof.Thee Houw Liong2, Shaufiah, MT3

1,3 Informatics Program Study in Telkom Institute of Technology 2Bandung Institute of Technology 1fhiranhita@yahoo.com, 2houwthee@yahoo.co.id, 3shaufiah@gmail.com

Abstrak.

Kejadian Demam Berdarah Dengue (DBD) merupakan masalah nasional di bidang kesehatan. Setiap tahun angka kesakitan DBD masih tinggi. Khususnya di Cimahi, salah satu kota di provinsi Jawa Barat dimana angka kesakitan (Incidence Rate) tahun 2005 hingga 2010 di atas standar yang ditentukan Departemen Kesehatan RI.

Banyak faktor yang mempengaruhi kejadian DBD, antara lain iklim dan perilaku hidup bersih dan sehat (PHBS). Oleh karena itu, dalam penelitian ini, dibangun Sistem Prediksi demam berdarah yang dikaitkan dengan iklim, yang diharapkan bisa membantu memberikan informasi bagi Departemen Kesehatan tentang prediksi resiko DBD di tahun yang akan datang, sehingga Departemen Kesehatan dapat mengambil langkah preventif untuk mengurangi angka kesakitan DBD.

Sistem Prediksi yang dibangun dengan hybrid algorithm yaitu Algoritma Genetika dan Fuzzy Logic mampu menghasilkan akurasi testing 100% dalam memprediksi kondisi DBD di 6 bulan pertama pada tahun 2009 dan 2010 di kecamatan Cimahi Utara dan Cimahi Tengah. Sedangkan pada Cimahi Selatan diperoleh hasil prediksi 6 bulan pertama di tahun 2009 sebesar 100% tetapi pada tahun 2010 terjadi penurunan akurasi.

Kata kunci: demam berdarah, cimahi, algoritma genetika, logika fuzzy, system prediksi

Abstract

The incidence of Dengue Haemorrhagic Fever (DHF) is a national health problem in Indonesia. Every year dengue morbidity is still high. Particularly in Cimahi, one of the city in West Java province where the morbidity rate (Incidence Rate) 2005 to 2010 in the above national standard. Many factors can affect the incidence of dengue, among others, climate and living behavioral. Therefore, the development of DHF Prediction System which is associated with a climate that is expected to help provide information for the Department of Health about dengue risk prediction in the coming year, so the Health Ministry can take preventive action to reduce morbidity of DHF. The Prediction System that was built with a hybrid algorithm which Genetic Algorithms and Fuzzy Logic is able to obtain 100% testing accuracy in predicting the condition of dengue in the first 6 months in 2009 and 2010 in North Cimahi and Central Cimahi. While in South Cimahi, the prediction results obtained in the first 6 months of 2009 amounted to 100% but in 2010 a decline in accuracy.

Simplifying fuzzy rule base of multiple input multiple output systems by constructing multi-layer fuzzy controller

Rohmanuddin, M. , Houw-Liong The , Ahmad, A.S. Nazaruddin, Y.Y.
Institute Technology Bandung

This paper appears in: Systems, Man, and Cybernetics, 2000 IEEE International Conference
Publication Date: 2000
Volume: 5
On page(s): 3728 - 3733 vol.5
Location: Nashville, TN
ISSN: 1062-922X
Print ISBN: 0-7803-6583-6
INSPEC Accession Number: 6778241
Digital Object Identifier: 10.1109/ICSMC.2000.886590
Date of Current Version: 06 August 2002
Abstract

In conventional rule based fuzzy control systems, the rules have the form of “IF THEN .” The number of rules increases exponentially as the number of system variables, upon which the fuzzy rules are based, is increased. Some papers have showed that, by structuring the rules in a hierarchical way, the total numbers of rules was a linear function of the system variables. In this paper, it was shown that the number of rules could still be reduced to minimum numbers by employing the same fuzzy rule set at every level


Index Terms
* INSPEC
o
Controlled Indexing
MIMO systems , MIMO systems , fuzzy control , fuzzy logic
o
Non Controlled Indexing
fuzzy rule base , fuzzy rule base , fuzzy rule set , linear function , multi-layer fuzzy controller , multiple input multiple output systems

Intelligent Tutorial System Based on Fuzzy Genetic

INTEGRAL, Vol. 10 No. 2, Juli 2005

SISTEM TUTORIAL CERDAS
BERBASIS FUZZY GENETIK
Mewati Ayub1 ,The Houw Liong2,
Inggriani Liem3 , Achmad Hinduan4
1Jurusan Teknik Informatika, Sekolah Tinggi Teknologi Indonesia,
Bandung 40116
e-mail : mewatia@yahoo.com
2Departemen Fisika - FMIPA, Institut Teknologi Bandung
3Departemen Teknik Informatika - FTI, Institut Teknologi Bandung
4FPMIPA/PPs Universitas Pendidikan Indonesia
Intisari
Kinerja sistem kendali fuzzy bergantung pada fungsi keanggotaan dan
aturan-aturan kendali fuzzy yang digunakan. Pengaturan parameter sistem
untuk memperoleh hasil yang optimal sangat diperlukan. Dalam penelitian
ini, algoritma genetik akan digunakan untuk mengatur (tuning) parameter
fungsi keanggotaan variabel input dalam sistem kendali fuzzy. Tujuannya
adalah untuk memperoleh parameter fungsi keanggotaan sistem fuzzy
sehingga sistem kendali fuzzy dapat memberikan hasil yang optimal. Adapun
sistem kendali fuzzy yang akan diatur kembali parameternya adalah sistem
yang menjadi bagian dari sebuah sistem tutorial cerdas, yang telah
dikembangkan dalam penelitian sebelumnya. Hasil penelitian menunjukkan
algoritma genetik dapat melakukan tuning terhadap parameter sistem
kendali fuzzy sehingga diperoleh hasil yang lebih optimal.

Kata kunci: algoritma genetik, sistem kendali fuzzy


Abstract
Fuzzy controlled system performance depends on its membership functions and fuzzy rules. Therefore, system parameter adjustment is required to obtain optimal results. In this research, genetic algorithm is used for tuning membership function parameters of input variable in a fuzzy controlled system that has been used in previous research as a part of an intelligent tutoring system. The goal of our research is to determine membership function parameters in order to obtain optimal results. Experiment shows that genetic algorithm is be able to perform membership functions parameter tuning to give better performance.

Key words: genetic algorithm, fuzzy control system
Diterima : 19 April 2005
Disetujui untuk dipublikasikan : 18 Mei 2005

Penemuan Pengetahuan Memakai Model Neuro-Fuzzy

Kolokium di Lapan, Bandung
Kamis, 18 Februari 2010
Pukul : 10:00 – 11:00

Knowledge Discovery Using Neuro-Fuzzy Models
Case Study : Weather/Climate and Space Weather

Penemuan Pengetahuan Memakai Model Neuro-Fuzzy
Studi Kasus : Cuaca/Iklim dan Cuaca Antariksa

The Houw Liong
KK Fisika Sistem Kompleks, FMIPA, ITB

Abstrak

Hakekat sains ialah menemukan pengetahuan yang terandalkan (model konseptual,model empiris, model fisis, kaidah,hukum sebab akibat,teori) dari data pengamatan dan mengujinya dengan melihat kecocokannya antara prediksi pengetahuan tsb dengan data pengamatan . Metoda ini sekarang dikenal sebagai Data Mining atau Knowledge Discovery from Data (KDD) yang didukung oleh metoda statistik (clustering, regresi, korelasi, PCA, …) dan metoda inteligensi artificial (ANN, fuzzy logic ,neuro-fuzzy, SVM,….) .
Studi kasus diambil dari cuaca/iklim dan cuaca antariksa untuk melakukan prediksi jangka panjang, jangka menengah dan jangka pendek, khususnya untuk mengantisipasi curah hujan ekstrim yang mengakibatkan banjir besar di Indonesia dan super storm dari aktivitas matahari yang dapat mengakibatkan kelumpuhan telekomunikasi dan navigasi di Indonesia yang diperkirakan mungkin bisa terjadi pada akhir tahun 2012 atau awal tahun 2013 atau pada puncak aktivitas matahari di masa depan.

Prediksi Curah Hujan daerah Jakarta dengan ANFIS

Prediksi Curah Hujan daerah Jakarta berdasarkan ANFIS

R.Gernowo, The Houw Liong, F. H. Widodo, S. Nuryanto

 

Prediksi Curah Hujan bulanan dan pentad daerah Ciliwung hilir dan hulu berdasarkan ANFIS

Puncak hujan terjadi pada akhir minggu Januari dan bulan Februari yang biasanya menimbulkan banjir tahunan di daerah Jakarta.