Optimization of conditions (pH and temperature) for Lemna gibba production using fuzzy model coupled with Mamdani’s method

Suthar, Surindra; Verma, Rashmi; Deep, Shikhar; Kumar, Kapil

doi:10.1016/j.ecoleng.2015.07.006

Cited by 7 publications

(4 citation statements)

References 21 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Oleh sebab itu, jika diberikan suatu himpunan fuzzy dalam range tertentu sebagai outpu, maka akan terlihat seperti pada Gambar 2 berikut: Gambar 2. Fuzzy model structure [8] Tabel 1. Pedoman penilaian perilaku kerja…”

Section: F Metode Additive (Sum)unclassified

Penerapan Metode Logika Fuzzy dalam Evaluasi Kinerja Dosen

Radja

Londa

Sara

2020

MATRIX

View full text Add to dashboard Cite

Indonesia terus melakukan perbaikan dan usaha peningkatan kualitas pendidikan, salah satunya pada layanan pendidikan perguruan tinggi. Seorang dosen memiliki peranan penting dalam kemajuan dan perkembangan perguruan tinggi dan selanjutnya berpengaruh pada kualitas pendidikan di Indonesia. Penilaian terhadap dosen oleh mahasiswa dan asesor atau atasan adalah sebagai upaya untuk meningkatkan performa dosen. Dalam melakukan penilaian dosen di Indonesia, terdapat beberapa acuan yang telah diterbitkan oleh Kementerian Riset Teknologi dan Pendidikan Tinggi. Penelitian ini berfokus dalam mempelajari fitur fungsi keanggotaan dalam proses inferensi fuzzy tipe Mamdani, untuk mempercepat serta meningkatkan akurasi penilaian seorang dosen dengan menggunakan tata cara scientific serta menghindari kesalahan penilaian yang dilakukan secara manual. Dalam penelitian ini, percobaan sistematis diimplementasikan berdasarkan Fuzzy Logic Toolbox dari MATLAB. Ditemukan sebuah hal positif dalam pemakaian metode ini di mana konteks penilaian dosen hanya diperlukan input variabel yang tidak banyak, tetapi tingkat akurasi penilaian tinggi.

show abstract

Section: F Metode Additive (Sum)unclassified

Penerapan Metode Logika Fuzzy dalam Evaluasi Kinerja Dosen

Radja

Londa

Sara

2020

MATRIX

View full text Add to dashboard Cite

show abstract

“…Mahasiswa [17] C. Aturan Logika Kelulusan Mahasiswa Untuk Menentukan tingkat kelulusan mahasiswa tentunya harus dibuat aturan logika yang akan digunakan sebagai acuan dalam pengolahan data [18], [19]. Aturan logika yang digunakan ini dibuat sesuai dengan himpunan yang digunakan pada variabel jumlah penerimaan peserta wisuda dan jumlah mahasisawa sehingga dapat ditentukan suatu kondisi atau status jumlah yang lulus [20].…”

Section: Gambar 1 Proses Fuzzy Tsukamoto Kelulusanunclassified

Analisis Prediksi Tingkat Kelulusan Mahasiswa Universitas Wiralodra Indramayu Menggunakan Metode Fuzzy Tsukamoto

2020

View full text Add to dashboard Cite

Universitas Wiralodra merupakan Universitas swasta pertama di Indramayu, terletak di Kota Indramayu, Jawa Barat. Seiring dengan perjalanannya, Universitas Wiralodra terus berbenah untuk meningkatkan kapasitasnya, melalui peningkatan kualitas Sumber Daya Manusia (SDM) Dosen, Manajemen, kegiatan mahasiswa, penelitian dan publikasi, serta perbaikan sarana dan prasarana kampus. Kelulusan merupakan suatu hal yang dapat diharapkan oleh setiap mahasiswa, yang nantinya akan menjadi bekal seseorang mahasiswa dalam menempuh jenjang selanjutnya. Permasalahannya apakah mahasiswa Universitas Wiralodra bisa lulus dengan maksimal atau tidak. Dalam penelitian lebih memfokuskan bagaimana implementasi teori logika fuzzy dalam memprediksi tingkat kelulusan mahasiswa Universitas Wiralodra. Teori logika fuzzy ini digunakan karena mudah untuk dimengerti. Pada Penelitian ini menggunakan teori fuzzy tsukamoto dengan 2 variabel input yang terdiri dari jumlah penerimaan wisuda dan jumlah mahasiswa yang akan menhasilkan status jumlah mahasiswa yang lulus. Tujuan dari penelitian ini yaitu untuk memprediksi jumlah mahasiswa yang lulus dalam setiap tahunnya di Universitas Wiralodra Indramayu. Pada penelitian selanjutnya agar keputusan dalam menganalisis kondisi tingkat kelulusan mahasiswa agar digabungkan metode fuzzy tsukamoto dan markov chain agar masalah yang terjadi dalam memprediksi tingkat kelulusan mahasiswa dapat lebih akurat.

show abstract

“…The membership function can be the composition of various shapes of membership functions, the fuzzy classes for input ( X i ) and output ( Y i ) data are expressed in A ip and C iq , respectively, where p and q are the total number of fuzzy classes for the input and output data. The mechanism of the inference engine is defined by Mamdani’s method (Suthar et al , 2015), which gives the outputs in the form of a fuzzy set rather than a linear mathematical expression. Since the set of input and output parameters has been fuzzified using (1), the value of membership functions can be evaluated according to the antecedent and consequence of given fuzzy rules.…”

Section: Design Of the Iotrmsmentioning

confidence: 99%

An Internet of Things (IoT)-based risk monitoring system for managing cold supply chain risks

Tsang

Choy

et al. 2018

IMDS

178

View full text Add to dashboard Cite

Purpose Since the handling of environmentally sensitive products requires close monitoring under prescribed conditions throughout the supply chain, it is essential to manage specific supply chain risks, i.e. maintaining good environmental conditions, and ensuring occupational safety in the cold environment. The purpose of this paper is to propose an Internet of Things (IoT)-based risk monitoring system (IoTRMS) for controlling product quality and occupational safety risks in cold chains. Real-time product monitoring and risk assessment in personal occupational safety can be then effectively established throughout the entire cold chain. Design/methodology/approach In the design of IoTRMS, there are three major components for risk monitoring in cold chains, namely: wireless sensor network; cloud database services; and fuzzy logic approach. The wireless sensor network is deployed to collect ambient environmental conditions automatically, and the collected information is then managed and applied to a product quality degradation model in the cloud database. The fuzzy logic approach is applied in evaluating the cold-associated occupational safety risk of the different cold chain parties considering specific personal health status. To examine the performance of the proposed system, a cold chain service provider is selected for conducting a comparative analysis before and after applying the IoTRMS. Findings The real-time environmental monitoring ensures that the products handled within the desired conditions, namely temperature, humidity and lighting intensity so that any violation of the handling requirements is visible among all cold chain parties. In addition, for cold warehouses and rooms in different cold chain facilities, the personal occupational safety risk assessment is established by considering the surrounding environment and the operators’ personal health status. The frequency of occupational safety risks occurring, including cold-related accidents and injuries, can be greatly reduced. In addition, worker satisfaction and operational efficiency are improved. Therefore, it provides a solid foundation for assessing and identifying product quality and occupational safety risks in cold chain activities. Originality/value The cold chain is developed for managing environmentally sensitive products in the right conditions. Most studies found that the risks in cold chain are related to the fluctuation of environmental conditions, resulting in poor product quality and negative influences on consumer health. In addition, there is a lack of occupational safety risk consideration for those who work in cold environments. Therefore, this paper proposes IoTRMS to contribute the area of risk monitoring by means of the IoT application and artificial intelligence techniques. The risk assessment and identification can be effectively established, resulting in secure product quality and appropriate occupational safety management.

show abstract

Optimization of conditions (pH and temperature) for Lemna gibba production using fuzzy model coupled with Mamdani’s method

Cited by 7 publications

References 21 publications

Penerapan Metode Logika Fuzzy dalam Evaluasi Kinerja Dosen

Penerapan Metode Logika Fuzzy dalam Evaluasi Kinerja Dosen

Analisis Prediksi Tingkat Kelulusan Mahasiswa Universitas Wiralodra Indramayu Menggunakan Metode Fuzzy Tsukamoto

An Internet of Things (IoT)-based risk monitoring system for managing cold supply chain risks

Contact Info

Product

Resources

About