Vol. 8 No. 2 (2025): May 2025
Artikel

ANALISA SISTEM DETEKSI KERENTANAN RAWAN BANJIR DI KOTA PERDAGANGAN SUMATERA UTARA MENGGUNAKAN LOGIKA FUZZY MAMDANI

PDF
  • Hidayatullah Hidayatullah,
  • Juna Eska,
  • Zulkhairani Zulkhairani
Hidayatullah Hidayatullah
AMIK Polibisnis Perdagangan
Juna Eska
UPI YPTK Padang
Zulkhairani Zulkhairani
AMIK Polibisnis Perdagangan

Published 2025-05-19

How to Cite

ANALISA SISTEM DETEKSI KERENTANAN RAWAN BANJIR DI KOTA PERDAGANGAN SUMATERA UTARA MENGGUNAKAN LOGIKA FUZZY MAMDANI. (2025). JOURNAL OF SCIENCE AND SOCIAL RESEARCH, 8(2), 1678-1684. https://doi.org/10.54314/jssr.v8i2.3228

Abstract

Abstract: Decision Support System is to Determined by used Fuzzy Mamdani Inferency Method and to delected the flood in Perdagangan. Fuzzy logic could be applied to detect the flood with correctly and got the Best Result or outputs as the contribution to got the effective way the all data.  The criteria are: flood vulnerability variables: population density (soul / km), rainfall (Mm / day), area height (Mdpl) and some data taken as quantitative data comparison and safe conclusionprone to flooding in the area Perdagangan city.

 

Keywords: Keywords: Decision Support System, Inferency Fuzzy Mamdani Flood Method

Abstrak: Sistem Pendukung Keputusan Dalam Menentukan Metode Inferency Fuzzy Mamdani dalam mendeteksi kerentanan banjir di Kota Perdagangan Berbasis Matlab. Logika fuzzy dapat diterapkan dalam menentukan pendeteksian kerentanan banjir dengan kemungkinan hasil atau output yang yang lebih baik. Kriteria yang diambil diantaranya adalah variabel kerentanan banjir: kepadatan penduduk (jiwa/km}, Curah hujan (Mm/hari), Tinggi wilayah (Mdpl) dan beberapa data-data yang diambil sebagai perbandingan data secara kuantitatif dan kesimpulan aman,rawan bajir pada daerah kota perdagangan.

 

Kata kunci: Sistem Pendukung Keputusan, banjir Metode Inferency Fuzzy Mamdani

PDF

Downloads

Download data is not yet available.

References

  1. Bakornas, 2011. Pedoman Penanggulangan Bencana Banjir.
  2. Chowdury, D.R., Chatterjee, M. & Samanta, R.K. 2011. An Artificial Neural Network Model for Neonatal Disease Diagnosis. International Journal of Artificial Intelligence and Expert Systems2(3): 96-149.
  3. Hosseinzadeh, B., Zareiforoush, H., Adabi, M.E. & Motevali, A. 2011. Development of a Fuzzy Model to Determine the Optimum Shear Strength of Wheat Stem. International Journal of Computer Science and Telecommunications2(4): 56-60
  4. Jayanti, S. & Hartati, S. 2012. Sistem Pendukung Keputusan Seleksi Anggota Paduan Suara Dewasa Menggunakan Metode Fuzzy Mamdani. Seminar Nasional Matematika dan Pendidikan Matematika.pp. 55-66
  5. Kusumadewi, S. & Purnomo, H. 2010. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Graha Ilmu: Yogyakarta.
  6. Ðœashhadan, M.A.A. & Lobaty, A.A. 2013. Fuzzification Mode For Signal In Nonlinear Stochastic Systems. International Journal of Information Technology, Control and Automation3(1): 71-83
  7. SiswokoSastrodihardjo.(2010).Upaya Mengatasi Masalah Banjir secara Menyeluruh.Jakarta: Yayasan Penerbit Pekerjaan Umum, PT. Mediatama Saptakarya
  8. Sutojo, T., Mulyanto, E., & Suhartono, V. 2011. Kecerdasan Buatan, Penerbit Andi , Yogyakarta

Most read articles by the same author(s)

1 2 > >>