Selasa, 21 Desember 2010

Diposting oleh febrina tomodachi di Selasa, Desember 21, 2010 0 komentar
Mom milkysmile

Mom, i just wanted to let you know i care for you
mom, i wanted to tell you that 'i love you'
mom, i want to tell you i dont want to see you leave
but if you do, please remember me.


Mom, im happy because your happy

mom, im here for you because your here for me

mom, i wanna stop time so you wont get old

but if you do, please remember me.



Mom, today is your day

mom, live it to the fullest

mom, i hope you dont take it out of hand

but if you do, please remember me.


milkysmile



Minggu, 05 Desember 2010

Blessed assurance

Diposting oleh febrina tomodachi di Minggu, Desember 05, 2010 0 komentar
  1. Blessed assurance, Jesus is mine!
    Oh, what a foretaste of glory divine!
    Heir of salvation, purchase of God,
    Born of His Spirit, washed in His blood.
    • Refrain:
      This is my story, this is my song,
      Praising my Savior all the day long;
      This is my story, this is my song,
      Praising my Savior all the day long.
  2. Perfect submission, perfect delight,
    Visions of rapture now burst on my sight;
    Angels, descending, bring from above
    Echoes of mercy, whispers of love.
  3. Perfect submission, all is at rest,
    I in my Savior am happy and blest,
    Watching and waiting, looking above,
    Filled with His goodness, lost in His love.

3D

Diposting oleh febrina tomodachi di Minggu, Desember 05, 2010 0 komentar

Membuat Logo FB Dengan 3D Max 

tentukan pada bidang FRONT, klik ALT + B akan terlihat gambar seperti ini :









Kemudian klik File cari dokumen Logo Facebook terus ikutin aja d tanda panah pada gambar diatas biar gampang dan ngirit tempat buat nulis he...he...
nah udah terilhatkan gambar logo fB di area Front klo sudah klik aja cari tulisan SHAPE dan klik LINE liat aja gambar dibawah :







klo sudah ketemu klik LINE trus ikutin d alur logonya FB, tarik aja garis lurus dulu nanti kita edit dengan klik kanan pada saat kita bekerja dengan LINE akan gambar seperti dibawah ini:








Klo yang sudah terbiasa dengan pen nya corel pasti tau dong istilah Coerner, Bezier Dsb karna dengan itulah kita bisa mengikuti alur Logo Tsb, Langkah selanjutnya membuat kotak pada logo Huruf F liat gambar aja d biar gampang..neh gambarnya





Kemudian klo udah selesai Buat Rectangle kita buat huruf yang di bawah, dengan tulisan Facebook klik shape lalu cari tool TEXT trus cocokin aja jenis font nya dengan logo oh ya jangan lupa menempat kan tulisan tadi tetap di area FRONT trus kita ke MODIFY klik tanda panah ke bawah yang bacaan MODIFIER LIST neh gambarnya





Udah jadi?? tinggal kita Extrude(tebalkan)Line Logo, rectangle & text tadi karna tadi masih berbentuk garis, liat gambar yg di atas cara Extrudenya..ok. Selanjutnya buat extrude tadi agak sedikit lebih halus dengan menambahkan Bevel caranya klik MODIFIER LIST dan cari yang namanya EDITABLE POLY neh gambarnya





nah klo udah selesai tinggal kita kasih Material Tekan M pada Keyboard maka akan tampil gambar di bawah ini





Trus Ikutin aja d tanda panah diatas, klo sudah kita render tekan F9 untuk merender klo hasilnya masih kurang terang kita beri cahaya dengan menempatkan lampu pada logo tersebut neh gambarnya





Nah klo udah keliatan ok RENDER lagi trus save hasil Kerja kita dengan Format yang kamu mau(Jpeg. Png, Eps dll)





Hasil akhir


Minggu, 14 November 2010

semuanya

Diposting oleh febrina tomodachi di Minggu, November 14, 2010 0 komentar
milkysmile

waktuku telah terkuras habis....

tenagaku telah terkuras habis...

fikiranku telah terkuras habis....

hatiku telah terkuras habis....

air mataku telah terkuras habis....

perasaanku telah terkuras habis...

suaraku telah terkuras habis...

yang tertinggal sekarang hanyalah raga tanpa jiwa....


Rabu, 10 November 2010

Logika fuzzy

Diposting oleh febrina tomodachi di Rabu, November 10, 2010 2 komentar
Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu     ruang input kedalam suatu ruang output. Fuzzy secara bahasa diartikan sebagai kabur atau samar-samar. Suatu nilaidapat bernilai besar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotaan yang memiliki rentang nilai 0 (nol) hingga 1(satu). Berbeda dengan himpunan tegas yang memiliki nilai 1 atau 0 (ya atau tidak). Logika Fuzzy merupakan seuatu logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness) antara benar atau salah. Dalam teori logika fuzzy suatu nilai bias bernilai benar atau salah secara bersama. Namun berapa besar keberadaan dan kesalahan suatu tergantung pada bobot keanggotaan yang dimilikinya. Logika fuzzy memiliki derajat keanggotaan dalam rentang 0 hingga 1. Berbeda dengan logika digital yang hanya memiliki dua nilai 1 atau 0. Logika fuzzy digunakan untuk menterjemahkan suatu besaran yang diekspresikan menggunakan bahasa (linguistic), misalkan besaran kecepatan laju kendaraan yang diekspresikan dengan pelan, agak cepat, cepat, dan sangat cepat. Dan logika fuzzy menunjukan sejauh mana suatu nilai itu benar dan sejauh mana suatu nilai itu salah. Tidak seperti logika klasik (scrisp)/ tegas, suatu nilai hanya mempunyai 2 kemungkinan yaitu merupakan suatu anggota himpunan atau tidak. Derajat keanggotaan 0 (nol) artinya nilai bukan merupakan anggota himpunan dan 1 (satu) berarti nilai tersebut adalah anggota himpunan. Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output, mempunyai nilai kontinyu. Fuzzy dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran. Oleh sebab itu sesuatu dapat dikatakan sebagian benar dan sebagian salah pada waktu yang sama (Kusumadewi. 2004) Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak pasti seperti "sedikit", "lumayan" dan "sangat" (Zadeh 1965).

Misalnya dalam kehidupan sehari-hari, dewasa didefinisikan dengan berusia 17 tahun ke atas. Jika  menggunakan logika tegas, seseorang yang berusia 17 tahun kurang 1 hari akan didefinisikan sebagai tidak dewasa. Namun dalam logika fuzzy, orang tersebut dapat dinyatakan dengan hampir dewasa. 


Salah satu contoh pemetaan suatu input-output dalam bentuk grafis seperti terlihat di bawah ini:
Persediaan barang akhir Persediaan barang akhir Persediaan barang esok Persediaan barang esok Kotak Hitam Ruang Input (semua total persediaan barang yang mungkin) Ruangutput( semuaj umlah produksi barang yang mungkin) Pemetaan Input-output pada masalah produksi Diberikan data persediaan barang, berapa jumlah barang yang harus diproduksi?
Alasan Digunakannya Logika Fuzzy
Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain :
1.Konsep logika  fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti
2.Logika fuzzy sangat fleksibel
3.Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat
4.Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear  yang sangat kompleks
5.Logikafuzzy dapatmembangundanmengaplikasikanpengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan
6.Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
7.Logika fuzzy didasarkan pada bahasa alami

himpunan dan fungsi keanggotaan fuzzy
Himpunan Fuzzy

                        Himpunan Fuzzy Merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variable fuzzy.
                        Himpunan fuzzy adalah pengelompokan sesuatu berdasarkan variabel bahasa (linguistik variable), yang dinyatakan dengan fungsi keanggotaan, dalam semesta U. Keanggotaan suatu nilai pada himpunan dinyatakan dengan derajat keanggotaan yang nilainya antara 0.0 sampai 1.0  
                        Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian hingga fungsi tersebut akan mencakup bilangan real pada interval [0,1]. Nilai keanggotaannya menunjukkan bahwa suatu item tidak hanya bernilai benar atau salah. Nilai 0 menunjukkan salah, nilai 1 menunjukkan benar

Pada himpunan tegas(crisp), nilai keanggotan suatu item x dalam suatu himpunan A yang sering ditulis dengan μA[x], memiliki 2 kemungkinan yaitu:
•Satu(1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau
•Nol(0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan
)
•Contoh1:
Jikadiketahui:
S = [1, 2, 3, 4, 5, 6] adalah semesta pembicaraan
A = [1, 2, 3]
B = [3, 4, 5]
Maka dapat dikatakan:
��Nilai keanggotaan 2 pada himpunan A, μA[2] = 1, karena 2 єA
��Nilaikeanggotaan4 pada himpunan A, μA[4] = 0, karena 4 ∉ A

•Contoh2 :
Misalkan variable umur dibagi 3 kategori, yaitu:
MUDA             umur< 35 tahun
PAROBAYA      35 ≤umur≤55thn
TUA                 umur> 55 tahun
Maka dengan himpunan crisp disimpulkan:
•Apabila seseorang tidak berusia 34 tahun, maka ia dikatakan MUDA (μ MUDA [34] = 1)
•Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA (μ MUDA [35] = 0)
Jika pada himpunan crisp, nilai keanggotaan hanya ada 2 kemungkinan yaitu 0 dan 1, maka pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai1.
Himpunan crisp untuk menyatakan umur bias tidak adil karena adanya perubahan kecil saja pada suatu nilai mengakibatkan perbedaan kategori yang cukup signifikan.
)
•Himpunan fuzzy memiliki 2 atribut:
a.Linguistik, yaitu penamaan suatu grupy ang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti: MUDA, PAROBAYA, TUA
b.Numeris, yaitu suatu nilai(angka) yang menunjukan ukuran dari suatu variable seperti: 40, 25, 35
)
•Hal-hal yang terdapat pada system fuzzy :
a.Variabel Fuzzy, merupakan variable yang hendak dibahas dalam suatu system fuzzy, seperti umur, temperatur, dsb
b.HimpunanFuzzy, merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variable fuzzy

                Contoh:
Variabel umur: MUDA, PAROBAYA, TUA
Variabel suhu: DINGIN, SEJUK, NORMAL, PANAS, HANGAT


c.Semesta Pembicaraan (SP), adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variable fuzzy.
SP merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan.
NilaiSP dapat berupa bilangan positif atau pun negatif.
Adakalanya nilai SP tidak dibatasi   batas atasnya.
Contoh:
- SP untuk variable umur: [0, +∞)
- SP untukvariabe lsuhu: [0, 40]

d.Domain, adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Dapatberupabilanganpositifataunegatif
Contoh domain himpunan fuzzy :
                MUDA= [ 0 45]
                PAROBAYA= [ 35 55]
                        TUA= [ 45 +∞]
                        DINGIN= [ 0 20]
                        SEJUK= [ 15 25]
                        NORMAL= [ 20 30]
                        HANGAT= [ 25 35]
                        PANAS= [ 30 40]

FUNGSI  KEANGGOTAAN fuzzy
Fungsi keanggotaan fuzzy adalah suatu kurva yang menunjukan pemetaan titik-titik input data ke dalam nilai keanggotaannya (derajat keanggotaan) yang memiliki interval antara 0 sampai1. Dalam logika tegas, fungsi keanggotaan menyatakan keanggotaan pada suatu himpunan. Fungsi keanggotaan χA(x) bernilai 1 jika x anggota himpunan A, dan bernilai 0 jika x bukan anggota himpunan A. Jadi, fungsi keanggotaan ini hanya bisa bernilai 0 atau 1.
χA : x à {0,1}

Sedangkan dalam logika fuzzy, fungsi keanggotaan menyatakan derajat keanggotaan pada suatu himpunan. Nilai dari fungsi keanggotaan ini berada dalam selang [0,1], dan dinyatakan dengan μA.
μA :  x          [0,1]

Fungsi keanggotaan μA(x) bernilai 1 jika x anggota penuh himpunan A, dan bernilai 0 jika x bukan anggota himpunan A. Sedangkan jika derajat keanggotaan berada dalam selang (0,1), misalnya μA(x) = μ, menyatakan x sebagian anggota himpunan A dengan derajat keanggotaan sebesar μ.


•Ada beberapa fungsi yang biasa   digunakan :
 a.Representasi Linear
Ada 2 kemungkinan himpunan fuzzy linear yaitu
1.Kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol[0] bergerak ke kanan menuju nilai domain yang memiliki derajat keanggotaan lebih tinggi RepresentasiLinear Naik
FungsiKeanggotaan:0;x ≤aμ[x] = (x-a)/(b–a) ; a ≤x ≤b1;x ≥b
)
2.Garis lurus dimulai dari nilai domain dengan derajat keanggotaa ntertinggi pada sisi kiri, kemudianbergerakmenurunkenilaidomain yang memiliki derajat keanggotaan lebih rendah RepresentasiL inear TurunFungsiKeanggotaan:(x-a)/(b–a) ;a ≤x ≤bμ[x] = 0;x ≥b
)
b. Representasi Kurva Segitiga
c. Representasi Kurva Trapesium
d.Representasi Kurva bentuk Bahu
e.Representasi Kurva-S
f.Representasi Kurva Bentuk Lonceng, ada3 jenis, KurvaPI, KurvaBeta danKurvaGAUSS
g.Koordinat Keanggotaan


Operator Dasar Zadeh
•Operator AND
Operator  ini berhubungan dengan operasi interseksi padah impunan. α-predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan
μA∩B = min(μA[x], μB[y])

Operator OR
            Operator ini berhubungan dengan operasi union pada himpunan α-predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan
μAUB = max(μA[x], μB[y])

•Operator NOT

Operator ini berhubungan dengan operas ikomplemen himpunan.  α-predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan


PENALARAN MONOTON
                Metode ini digunakan sebagai dasar untuk teknik implikasi fuzzy. Jika 2 daerah fuzzy direalisasikan dengan implikasi sederhana sebagai berikut:

IF x is A THEN y is B

transfer fungsi:

Y = f ((x, A), B)

Maka system fuzzy dapat berjalan tanpa harus melalui komposisi dan dekomposisi fuzzy. Nilai output dapat diestimasi secara langsung dari nilai keanggotaan yang berhubungan dengan antesedennya.
Pada tahapan ini sistem menalar nilai masukan untuk menentukan nilai keluaran sebagai bentuk pengambil keputusan. Sistem terdiri dari beberapa aturan, maka kesimpulan diperoleh dari kumpulan dan korelasi antar aturan.  Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu max, additive dan probabilistik OR.  metode max, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikanya ke output dengan menggunakan operator OR (union). Secara umum dapat ditulis[4]
μdf (xi) max (μdf(xi,) μkf(xi)) (13)
Selain itu, salah satu model penalaran yang banyak digunakan adalah max-min. Dalam penalaran ini, pertama-tama dilakukan proses operasi min sinyal keluaran lapisan fuzzyfikasi, kemudian diteriskna dengan operasi max untuk mencari nilai keluaran yang selanjutnya akan didefuzzyfikasikan sebagai bentuk keluaran pengendali [2]. Operasi max-min tersebut dapat dinyatakan sebagai berikut.  

Operasi min atau irisan
(14) baifbbaifababa),min(

Operasi max atau gabungan
(15) baifbbaifababa),max(

FUNGSI IMPLIKASI

            Kaidah fuzzy If-Then (dikenal juga sebagai kaidah fuzzy, implikasi fuzzy atau pernyataan kondisi fuzzy) diasumsikan berbentuk:

Bentuk umum aturan yang digunakan dalam fungsi implikasi:

IF x is A THEN y is B

Dengan x dan y adalah skalar, A dan B adalah himpunan fuzzy. Proposisi yang mengikuti IF disebut anteseden, sedangkan proposisi yang mengikuti THEN disebut konsekuen.

•Secara umum, ada dua fungsi implikasi, yaitu:
1.Min (minimum), fungsi ini akan memotong output himpunan fuzzy
2.Dot (product), fungsi ini akan menskala output himpunan fuzzy

SISTEM INFERENSI FUZZY
Sistem kendali logika fuzzy disebut juga sistem Inferensi Fuzzy (Fuzzy Inference System/FIS) atau fuzzy inference engine adalah sistem yang dapat melakukan penalaran dengan prinsip serupa seperti manusia melakukan penalaran dengan nalurinya.
Terdapat beberapa jenis FIS yang dikenal yaitu Mamdani, Sugeno dan Tsukamoto. FIS yang paling mudah dimengerti, karena paling sesuai dengan naluri manusia adalah FIS Mamdani. FIS tersebut bekerja berdasarkan kaidah-kaidah linguistik dan memiliki algoritma fuzzy yang menyediakan sebuah aproksimasi untuk dimasuki analisa matematik.

MetodeTsukamoto
Setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi  dari tiap-tiap aturan diberikan secara tegas berdasarkan α-predikat. Hasil akhirnya diperoleh dengan menggunakanr ata-rata terbobot

MetodeMamdani
Sering dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun1975. Untuk mendapatkan output diperlukan 4 tahapan:
1.Pembentukanhimpunanfuzzy
Variabelinput maupun output dibagi menjadi satu atau  lebih himpunan

2.Aplikasi fungsi implikasi
Fungsi implikasi yang digunakan adalah Min

3.Komposisiaturan
Ada tiga metode yang digunakan dalam melakukan inferensi system fuzzy :
a.Metode Max
b.Metode Additive (SUM)
c.Metode ProbabilistikOR

4.Penegasan (defuzzy)
                Input dari de fuzzi fikasi adalah suatu himpunan yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunanfuzzy tersebut.

                •Beberapa metode defuzzifi-kasiaturan MAMDANI :
                a.Metode Centroid (Composite Moment)
                b.Metode Bisektor
                c.Metode Mean of Maximun (MOM)
                d.Metode Largest of Maximum (LOM)
                e.Metode Smallest of Maximum (SOM)

                Metode Sugeno

Penalaran ini hamper sama dengan penalaran Mamdani, hanya sajaoutput (konsekuen) system tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linear.

                a.Model Fuzzy Sugeno Orde-Nol

Bentuk Umum:
IF (X1 is A1) ��(X2is A2) ��(X3is A3) ��…. ��( XNisAN) THEN z = k
Dengan Ai adalah himpunan fuzzy ke-I sebagai anteseden, dan k adalah konstanta (tegas) sebagai konsekuen
                Model Fuzzy Sugeno Orde-Satu

Bentuk Umum:
IF (X1 is A1) ��….��(XNisAN) THEN z = p1* x1 + …+ pN* XN + q
denganAi adalahhimpunanfuzzy ke-I sebagai anteseden, dan pi adalah suatu konstanta ke-I dan q merupakan konstanta dalam konsekue


data base fuzzy

                Sebagian besar basis data standar diklasifikasikan berdasarkan bagaimana data tersebut dipandang oleh user dan menggunakan query untuk mencari data yang diinginkan. Namun terkadang dibutuhkan suatu data yang bersifat ambiguous, maka digunakan basis data fuzzy. Salah satu diantaranya adalah model Tahani. Basis data fuzzy model Tahani masih tetap menggunakan relasi standar, hanya aja model ini menggunakan teori himpunan fuzzy untuk mendapatkan informasi pada query-nya.

KESIMPULAN
Makalah harus memiliki suatu kesimpulan. Sama seperti makalah ini, kita bisa mengambil beberapa kesimpulan. Kesimpulan-kesimpulan tersebut antara lain:
1. Logika fuzzy adalah logika yang mengandung unsur ketidakpastian.
2. Keanggotaan dalam himpunan fuzzy dinyatakan dengan derajat keanggotaan. Suatu nilai dapat menjadi anggota dua himpunan sekaligus dengan derajat yang berbeda.
3. Kendali logika fuzzy dilakukan dengan proses fuzzyfikasi, penalaran sesuai dengan aturan, dan defuzzyfikasi.
4. Sistem kendali logika fuzzy cukup praktis diaplikasikan dalam berbagai bidang.