Gambar kerja TUREN KETAWANG malang jawa timur.pdfYoyokSuwiknyo
More Related Content
Similar to 1. APLIKASI LOGIKA FUZZY MAMDANI UNTUK PREDIKSI BIAYA OPERASIONAL KENDARAAN (BOK) ANGKUTAN KOTA MALANG JALUR MADYOPURO – MULYOREJO (MM).pptx
Similar to 1. APLIKASI LOGIKA FUZZY MAMDANI UNTUK PREDIKSI BIAYA OPERASIONAL KENDARAAN (BOK) ANGKUTAN KOTA MALANG JALUR MADYOPURO – MULYOREJO (MM).pptx (20)
Bahan kuliah elemen mesin semester 2 rekayasa manufaktur
1. APLIKASI LOGIKA FUZZY MAMDANI UNTUK PREDIKSI BIAYA OPERASIONAL KENDARAAN (BOK) ANGKUTAN KOTA MALANG JALUR MADYOPURO – MULYOREJO (MM).pptx
1. APLIKASI LOGIKA FUZZY MAMDANI UNTUK PREDIKSI BIAYA
OPERASIONAL KENDARAAN (BOK) ANGKUTAN KOTA MALANG
JALUR MADYOPURO – MULYOREJO (MM)
Sidang Akhir
Alifah Widya R | 190523648149
UNIVERSITAS NEGERI MALANG
FAKULTAS TEKNIK
PROGRAM STUDI S1 TEKNIK SIPIL
SEPTEMBER 2021
3. Latar Belakang
Salah satu bagian
penting dalam
elemen sistem
sarana transportasi
adalah angkutan
umum dapat
menjangkau setiap
wilayah dan
memberikan
pelayanan baik
kepada masyarakat.
Suatu sistem pelayanan
yang baik yaitu adanya
keseimbangan antara
biaya yang dikeluarkan
oleh pihak operator
ataupun pengelolaan
sistem angkutan umum
dengan kemampuan dan
kesediaan membayar dari
masyarakat sehingga
diperoleh tarif yang layak..
Dengan cara dilakukan tinjauan tarif berdasarkan
Biaya Operasional Kendaraan
(BOK) oleh pihak terkait
Metode konvensional (survei berupa wawancara dan pembagian
kuesioner)
Kelemahan : Membutuhkan waktu lama, Keterbatasan jenis
kendaraan dan mencakup wilayah kecil
Metode komputasi (VOC-HDM III, VOC-HDM 4, Artificial
Immune System (AIS)
Kelemahan : Pemodelan sistem sederhana, Output belum efektif,
keterbatasan komponen biaya, dan literatur akademis terbatas
Metode aplikasi logika fuzzy Mamdani sistem MISO
Kelebihan : Pemodelan yang fleksibel, mudah dimengerti, output lebih dekat dengan keadaan
sebenarnya, dan literasi akademis banyak tersedia
4. 1. Mendeskripsikan data empiris untuk disusun menjadi variabel multiple
input dan single output himpunan aplikasi logika fuzzy Mamdani untuk
prediksi BOK angkutan Kota Malang
2. Menyusun himpunan fuzzy Mamdani untuk prediksi single output BOK
angkutan Kota Malang
3. Menghitung cara manual prediksi single output BOK angkutan Kota
Malang berdasarkan aplikasi logika fuzzy Mamdani
4. Menghitung cara komputasi prediksi single output BOK angkutan Kota
Malang berdasarkan aplikasi logika fuzzy Mamdani
5. Menguji validasi single output BOK angkutan Kota Malang cara manual
dengan cara komputasi
6. Mengetahui hasil simulasi sistem MISO menggunakan software fuzzy
Mamdani MATLAB R2020a versi 9.8.0.1323502
Tujuan
5. 1 2 3 4
Batasan Masalah
Data penelitian
berupa data
sekunder
Metode
aplikasi logika
fuzzy Mamdani
menggunakan
MATLAB
R2020a versi
9.8.0.1323502
5
Susunan
aplikasi logika
fuzzy Mamdani
menggunakan
Sistem MISO
Variabel single
output
penelitian yaitu
BOK.
Variabel multiple
input
1. biaya tetap
2. biaya tak tetap
3. biaya tidak
langsung
6. Ho
Tidak terdapat perbedaan
antara data empiris dan
hasil prediksi
menggunakan aplikasi
logika fuzzy Mamdani
Ha
Terdapat perbedaan
antara data empiris dan
hasil prediksi
menggunakan aplikasi
logika fuzzy Mamdani
Hipotesis Penelitian
8. Abdi
(2012)
Kajian Biaya Operasional
Kendaraan Angkutan
Penumpang Umum Kota
Malang
Model Biaya Operasional
Kendaraan Sepeda Motor
Menggunakan Analisis
Regresi Linier Berganda
Implementasi Metode Logika
Fuzzy dalam Pembangunan
Sistem Optimalisasi Lampu
Lalu Lintas
Penelitian Terdahulu
Estimating the Vehicle
Operating Cost through
Railway Over Bridge
The Sun“Smart Traffic Controller”
Aplikasi Pencarian Rute Optimal
Berdasarkan Waktu, Biaya,
Kondisi Cuaca, Kejadian Lokal, dan
Jumlah Kendaraan Menggunakan
Algoritma Fuzzy Mamdani
Berbasis Android Mobile dan
Google Map API is the star at the
center of the Solar System
Rochmah
(2021)
Setya, dkk.
(2020)
Khatri,
dkk.
(2018)
Maslim,
dkk.
(2017)
Veranita
& Azmi
(2017)
Aplikasi Logika Fuzzy Mamdani Untuk Prediksi
Biaya Operasional Kendaraan (BOK) Angkutan
Kota Malang Jalur Madyopuro – Mulyorejo
9. Biaya Operasional Kendaraan (BOK) adalah biaya
keseluruhan yang diperlukan untuk pengoprasian suatu
kendaraan pada kondisi lalu lintas dihitung dalam satuan
rupiah per kilometer (Warokka, dkk, 2020)
Angkutan umum adalah kendaraan massal dengan
sistem sewa maupun bayar yang dibebankan kepada
penumpang dengan tujuan untuk mengadakan
pelayanan angkutan yang baik dan layak bagi
masyarakat yang membutuhkannya (Agung dkk, 2016)
dan (Zardi dkk, 2018)
BOK ANGKUTAN UMUM
10. Metode Perhitungan BOK
1) Metode Departemen
Perhubungan
2) Metode dari DLLAJ
3) Metode dari FSTPT
(Forum Studi
Transportasi Antar
Perguruan Tinggi)
01 Komponen Pembentuk BOK
1) Biaya Tetap (fixed
cost)
2) Biaya Berubah
(variable cost)
3) Biaya Tak Langsung
02
11. Logika Fuzzy merupakan sesuatu logika yang memiliki
nilai kekaburan atau kesamaran (fuzzyness) antara benar
atau salah.
Secara umum ada 3 macam Logika Fuzzy yaitu tipe
Mamdani, tipe Tsukomoto, dan tipe Sugeno.
LOGIKA FUZZY
12. Logika Fuzzy Mamdani
Metode Mamdani disebut sebagai metode Max-Min dengan perancangan system melalui
4 tahapan yaitu
1) Pembentukan himpunan fuzzy (fuzzifikasi)
Adalah perubahan suatu nilai crisp menjadi variabel fuzzy berupa variabel linguistik
yang kemudian dikelompokkan menjadi himpunan fuzzy
2) Aplikasi fungsi implikasi
Fungsi implikasi adalah struktur logika yang terdiri dari premis dan satu konklusi
3) Komposisi aturan (agregasi)
Adalah proses penggabungan beberapa aturan fuzzy untuk menghasilkan daerah
komposisi aturan yang akan digunakan
4) Penegasan (defuzzifikasi) (Fajrin dkk, 2020)
Merupakan suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan
fuzzy yang akan menghasilkan output
01
13. Perhitungan Cara Manual
Metode Mamdani disebut sebagai metode Max-Min dengan perancangan system melalui
4 tahapan yaitu
1) Pembentukan himpunan fuzzy (fuzzifikasi)
Pembentukan himpunan fuzzy menggunakan himpunan linguistik minimum dan
maximum dengan representasi kurva trapesium
2) Aplikasi fungsi implikasi
Disusun rules yang telah dibuat menggunakan fungsi if-then dengan operator and
dan metode min
2) Komposisi aturan (agregasi)
Digunakan metode max untuk mendapat komposisi daerah aturan fuzzy
4) Penegasan (defuzzifikasi) (Fajrin dkk, 2020)
Digunakan metode centeroid atau COA
02
14. Perhitungan Cara Komputasi
Metode Mamdani disebut sebagai metode Max-Min dengan perancangan system melalui
4 tahapan yaitu
1) Pembentukan himpunan fuzzy (fuzzifikasi)
2) Aplikasi fungsi implikasi
3) Komposisi aturan (agregasi)
4) Penegasan (defuzzifikasi) (Fajrin dkk, 2020)
03
15. UJI VALIDASI SINGLE
OUTPUT
01
Uji validasi output perhitungan fuzzy mamdani cara manual
dan cara komputasi dapat dilakukan dengan 3 cara, yaitu:
Membandingkan hasil perhitungan secara
manual dan secara komputasi.
Hasil penelitian dinyatakan valid apabila menghasilkan
output sama atau hampir sama..
16. Uji Linearitas
Parameter kelayakan regresi linear didasarkan beberapa hal yaitu:
1) sig < 0,05; koefisien regresi signifikan.
sig > 0,05; koefisien regresi tidak signifikan.
2) Keselarasan model regresi menggunakan 0.95 < 𝑅2
< 1 artinya model regresi semakin baik.
3) Persentase kesalahan pada persamaan lineardengan kriteria atau kategori nilai persentase galat
sebagai berikut:
02
(1) < 10 %, tingkat kebenaran sangat baik
(2) 10% - 20%, tingkat kebenaran baik
(3) 20% - 50%, tingkat kebenaran cukup
(4) > 50%, tingkat kebenaran buruk
17. 03Uji Beda
Parameter yang digunakan:
• Nilai signifikansi (sig) < 0,05, menunjukan ada perbedaan secara signifikan
• Nilai signifikansi (sig) > 0,05, menunjukan tidak ada perbedaan secara signifikan.
Untuk menentukan metode uji beda maka harus dilakukan pengujian sebagai berikut:
1) Uji Normalitas
nilai signifikansi (sig) > 0.05, maka data berkontribusi normal
nilai signifikansi (sig) < 0.05, maka data dikatakan tidak berkontribusi normal.
2) Uji Homogenitas
nilai signifikansi (sig) > 0,05, maka antara dua kelompok data dikatakan homogen atau sama
nilai signifikansi (sig) < 0,05, maka antara dua kelompok data dikatakan tidak homogen atau tidak sama.
18. SIMULASI SISTEM MISO
MENGGUNAKAN
SOFTWARE FUZZY
MAMDANI
Simulasi dilakukan menggunakan program yang
sudah dinyatakan valid. Simulasi dilakukan pada
variabel multiple input dengan nilai yang masih
dalam range semesta pembicaraan himpunan
fuzzy Mamdani.
22. 1 2 3 4
Data Penelitian
45 data BOK
angkutan Kota
Malang yang diteliti
oleh Fatahillah
(2016)
Diambil 40 sampel
dengan teknik
random sampling
Data yang
digunakan berupa
data sekunder dari
penelitian terdahulu
oleh Andi Fatahillah
(2016)
5
Studi kepustakaan,
pengumpulan data
penelitian, dan riset
online
Triangulasi sumber
dan validitas konten,
yaitu dilakukan
pengecekan ke
sumber lain berupa
opsi variabel dan
instrumen atau alat
ukur yang digunakan
dalam penelitian
(Mekarisce, 2020)
dan
(Yusup, 2017)
Termasuk penelitian
eksperimen sederhana
sehingga jumlah sempel
BOK yang digunakan
sebanyak 20 x 2
Populasi dan
Sampel
Jenis dan
Sumber Data
Teknik
Pengumpulan
Data
Teknik Uji
Keabsahan Data
Jumlah data
23. Analisis Data Penelitian
Deskripsi Variabel Multiple Input dan Single Output Himpunan
Logika Fuzzy Mamdani Untuk Prediksi BOK Angkutan Kota Malang
No Variabel Sub-Variabel Indikator
1. Input
Biaya Tetap (Rp) Data empiris penelitian terdahulu
Biaya Tak Tetap (Rp) Data empiris penelitian terdahulu
Biaya Tidak Langsung (Rp) Data empiris penelitian terdahulu
2. Output Biaya Operasional Kendaraan (BOK) Data empiris penelitian terdahulu
01
24. Penyusunan Himpunan Fuzzy Mamdani Untuk Prediksi BOK
Angkutan Kota Malang
02
No Variabel Sub-Variabel
Himpunan
Linguistik
Simbol
Semesta
Pembicaraan
Domain
(1) (2) (3) (4) (5) (6) (7)
1. Input Biaya Tetap
Minimum Mil 1
[x,y] Biaya Tetap
Maksimum Mal 1
Biaya Tak Tetap
Minimum Mil 2
[x,y]
Biaya Tak
Tetap
Maksimum Mal 2
Biaya Tidak
Langsung
Minimum Mil 3
[x,y]
Biaya Tidak
Langsung
Maksimum Mal 3
2. Output BOK
Minimum Mil 4
[a,b] BOK
Maksimum Mal 4
26. Validasi Hasil Perhitungan Logika Fuzzy Mamdani Cara Manual
Dengan Cara Komputasi
05
1
Membandingkan
hasil single output
cara manual dan
cara komputasi
2
Uji Linearitas
3
Uji Beda
1. Uji normalitas
2. Uji homogenitas
27. Simulasi Aplikasi Logika Fuzzy Mamdani Untuk Prediksi BOK
Angkutan Kota Malang
06
Simulasi dalam penelitian ini adalah menerapkan program
yang telah valid untuk prediksi nilai BOK angkutan Kota
Malang sesuai dengan data multiple input menggunakan
software MATLAB R2020a versi 9.8.0.1323502 sebanyak 5
kali (Suharti, 2019).
29. No. Variabel
Sub variabel
Simbol
Rp
1 Input
Biaya Tetap BT
Biaya Tak Tetap BTT
Biaya Tidak Langsung BTL
2 Output Biaya Operasional Kendaraan BOK
Hasil Deskripsi Variabel Multiple Input
dan Single Output Aplikasi Logika Fuzzy
Mamdani untuk Prediksi BOK Angkutan
Kota Malang
30. Hasil Susunan Himpunan Fuzzy Mamdani
Untuk Prediksi Single Output BOK
Angkutan Kota Malang
No. Variabel Sub-variabel
Himpunan
Linguistik
Semesta
Pembicaraan
Domain
1 Input
BT
Mil 1 369 [0 0 369 748]
Mal 1 748 [369 748 748 748]
BTT
Mil 2 1201 [0 0 1201 1939]
Mal 2 1939 [1201 1939 1939 1939]
BTL
Mil 3 14 [0 0 14 26]
Mal 3 26 [14 26 26 26]
2 Output BOK
Mil 4 1584 [0 0 1584 2713]
Mal 4 2713 [1584 2713 2713 2713]
31. Hasil Perhitungan Cara Manual Prediksi
Single Output BOK Angkutan Kota
Malang Berdasarkan Aplikasi Logika
Fuzzy Mamdani
Pembentukan Himpunan Fuzzy (Fuzzifikasi)
01
Biaya Tetap Biaya Tak Tetap Biaya Tidak Langsung
Rp Rp Rp
Domain 465 1402 15
Nilai himpunan fuzzy Min 0.747 0.727 0.95
Nilai himpunan fuzzy Max 0.253 0.272 0.05
Data yang digunakan berupa baris pertama data empiris aplikasi logika fuzzy Mamdani , terdiri dari:
biaya tetap = Rp.465, biaya tak tetap = Rp.1402, biaya tidak langsung = Rp.15, dan didapatkan nilai
single output BOK = Rp.1882.
32. Pembentukan Himpunan Fuzzy (Fuzzifikasi)
02
(1) If (BT is mal1) and (BTT is mal2) and (BTP is mal3) Then (BOK is mal4)
(2) If (BT is mal1) and (BTT is mal2) and (BTP is mil3) Then (BOK is mal4)
(3) If (BT is mal1) and (BTT is mil2) and (BTP is mal3) Then (BOK is mal4)
(4) If (BT is mil1) and (BTT is mal2) and (BTP is mal3) Then (BOK is mal4)
(5) If (BT is mil1) and (BTT is mil2) and (BTP is mil3) Then (BOK is mil4)
(6) If (BT is mil1) and (BTT is mil2) and (BTP is mal3) Then (BOK is mil4)
(7) If (BT is mil1) and (BTT is mal2) and (BTP is mil3) Then (BOK is mil4)
(8) If (BT is mal1) and (BTT is mil2) and (BTP is mil3) Then (BOK is mil4)
Dipilih sepasang rules yaitu rules 2 dan rules 6 Rules yang dituliskan dengan R1 dan R2
α1 = μprediksi R1
= min(μBLmil1[465], μBTLmil2[1402], μBOmal3[15])
= min(0.747 0.727 0.05)
= 0.05
α2 = μprediksi R2
= min(μBLmal1[465], μBTLmal2[1402], μBOmil3[15])
= min(0.253 0.272 0.95)
= 0.253
33. Komposisi Aturan (Agregasi)
03
μKFR, (BOK) =
0,05;
𝑥−1584
1129
;
0.253
1;
𝑥 ≤ 1640.45
1640.45 ≤ 𝑥 ≤ 1869.64
1869.64 ≤ 𝑥 ≤ 2713
𝑥 ≥ 2713
Penegasan (Defuzzifikasi)
04
BOK =
𝑀𝑡𝑜𝑡𝑎𝑙
𝐴𝑡𝑜𝑡𝑎𝑙
=
618004.355
330.085
= 1882
Dihasilkan nilai sebesar Rp. 1882/km, artinya angkutan umum kota Malang jalur MM membutuhkan biaya
operasional sebesar Rp. 1882 setiap 1 km.
34. Hasil Perhitungan Cara Komputasi
Prediksi Single Output BOK Angkutan
Kota Malang Berdasarkan Aplikasi
Logika Fuzzy Mamdani
Pembentukan Himpunan Fuzzy (Fuzzifikasi)
01
Data yang digunakan berupa baris pertama data empiris aplikasi logika fuzzy Mamdani , terdiri dari:
biaya tetap = Rp.465, biaya tak tetap = Rp.1402, biaya tidak langsung = Rp.15, dan didapatkan nilai single output BOK = Rp.1882.
36. Hasil Uji Validasi Single Output BOK
Angkutan Kota Malang Cara Manual
Dengan Cara Komputasi
Uji Hasil Prediksi Single Output Cara Manual dengan Cara Komputasi
01
Menghasilkan single output manual sama dengan single output komputasi = rp. 1882
(memenuhi syarat untuk validasi)
37. Uji Linearitas
02 No.
BOK
Data Empiris Output Komputasi
1 1850 1850
2 1793 1794
3 1771 1771
4 1871 1871
5 1784 1784
6 1722 1722
7 1933 1943
8 1772 1738
9 1784 1784
10 1832 1811
11 1818 1818
12 1722 1722
13 1793 1794
14 1763 1764
15 1784 1784
16 1813 1837
17 1787 1781
18 1818 1818
19 1850 1850
20 1859 1859
Grafik Uji Linearitas Hasil Penelitian
Dihasilkan
(1) nilai sig = 0.00 < 0.05, maka koefisien regresi
signifikan artinya adanya pengaruh variabel input
terhadap variabel output komputasi fuzzy Mamdani,
(2) R2
= 0.96, artinya koefisien determinasi mendekati 1
menunjukan tingkat kecocokan antara prediksi output
komputasi BOK dan data empiris semakin tinggi serta
persentase pengaruh variabel input terhadap variabel
single output komputasi fuzzy Mamdani sebesar 96.0
%, sedangkan sisanya sebesar 4.0 % dipengaruhi
variabel diluar persamaan regresi atau variabel yang
tidak diteliti
(3) Persamaan regresi linear y = 1.0431x - 79.025
38. y = 1.0431x - 79.025
R² = 0.9601
y = x
R² = 1
1700.00
1750.00
1800.00
1850.00
1900.00
1950.00
2000.00
1700.00 1750.00 1800.00 1850.00 1900.00 1950.00
Output
Fuzzy
Mamdani
Data Empiris
Grafik Uji Linearitas Hasil Penelitian dan Kondisi Ideal
Berdasarkan kesalahan maks didapatkan kooerdinat (1987,1270), sehingga
y = 1.0431x - 79.025.
= 1.0431 (1772) - 79.025
= 1768
maka dihasilkan presentase kesalahan maksimum sebagai berikut:
Presentase galat =
𝑁𝑖𝑙𝑎𝑖 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎−𝑛𝑖𝑙𝑎𝑖 𝑒𝑘𝑠𝑝𝑒𝑟𝑖𝑚𝑒𝑛
𝑁𝑖𝑙𝑎𝑖 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎
𝑥 100%
=
1772−1768
1771
𝑥 100%
= 15 %
Nilai persentase galat maksimum pada
prediksi BOK sebesar 15 % sehingga
tingkat kebenaran prediksi single output
komputasi adalah 100% - 15% = 85%,
artinya tingkat kebenaran dikatakan baik
39. Uji Beda
03
1
Uji Normalitas
2
Uji Homogenitas
(1) Nilai sig = 0.458 untuk data empiris BOK angkutan
Kota Malang
(2) Nilai sig = 0.453 untuk hasil single output komputasi
aplikasi fuzzy Mamdani
Sig > 0.05, artinya keduanya termasuk data berkontribusi
normal sehingga data bersifat parametrik
Dihasilkan sig = 0.815 > 0.05 (variasi antara data
empiris dan hasil prediksi single output komputasi
sama atau homogen)
40. Uji Beda
03
3
Uji Paired Sample T-Test
(1) nilai korelasi = 0.980
(2) nilai sig = 0.000 < 0.05
(3) Sig (2tailed) = 0.630 > 0.05
Menunjukan bahwa H0 dietrima (Tidak memiliki perbedaan secara signifikan antara data empiris dengan hasil
single output komputasi logika fuzzy Mamdani) sehingga memenuhi syarat simulasi
41. Hasil Simulasi Sistem MISO Aplikasi
Fuzzy Mamdani
No.
BT BTT BTL BOK
Rp/km Rp/km Rp/km Rp/km
1 369 1256 16 1.67 x 103
2 369 1939 17 2.33 x 103
3 442 1482 15 1.72 x 103
4 471 1389 16 1.64 x 103
5 748 1939 24 2.43 x 103
Hasil simulasi menunjukan bahwa
1. Nilai BT minimum, BTT minimum, BTL minimum maka akan menghasilkan nilai prediksi BOK minimum
2. Nilai BT minimum, BTT maximum, BTL maximum maka akan menghasilkan nilai prediksi BOK maximum
3. Nilai BT maximum, BTT maximum, BTL maximum maka akan menghasilkan nilai prediksi BOK maximum
4. Nilai BT minimum, BTT minimum, BTL maximum maka akan menghasilkan nilai prediksi BOK minimum
5. Nilai BT minimum, BTT minimum, dan BTL minimum maka akan menghasilkan nilai prediksi BOK minimum
43. 1) Deskripsi variabel multiple input dan single output aplikasi logika fuzzy Mamdani untuk
prediksi BOK angkutan Kota Malang, yaitu: (1) Biaya tetap (Rp/km), (2) Biaya tak tetap
(Rp/km), (3) Biaya tidak langsung (Rp/km), dan (4) variabel single output yaitu BOK (Rp/km).
2) Susunan himpunan fuzzy mamdani untuk prediksi BOK angkutan Kota Malang yang
memiliki dua himpunan linguistik yaitu min dan max menggunakan representasi kurva
trapesium diperoleh semesta pembicaraan variabel multiple input, yaitu: (1) biaya tetap mil1
Rp.369/km dan mal1 Rp.748/km, (2) biaya tak tetap Rp.1201/km dan Rp.1939/km, dan (3)
biaya tidak langsung Rp.14/km dan Rp.26/km. Semesta pembicaraan variabel single output
BOK Rp.1584/km dan Rp.2713/km.
3) Perhitungan cara manual aplikasi logika fuzzy Mamdani untuk prediksi single output BOK
angkutan Kota Malang terdiri 4 tahap. Perhitungan cara manual untuk BT = Rp. 465, BTT =
Rp. 1402, dan BTL = Rp. 15 menghasilkan single output BOK = Rp. 1882
4) Perhitungan cara komputasi aplikasi logika fuzzy Mamdani untuk prediksi single output
BOK angkutan Kota Malang untuk BT = Rp. 465, BTT = Rp. 1402, dan BTL = Rp. 15
menghasilkan nilai prediksi single output BOK = Rp. 1882
5) Berdasarkan 3 cara validasi yang telah dilakukan, maka aplikasi logika fuzzy Mamdani valid
dan dapat digunakan untuk simulasi
6) Hasil simulasi menunjukan adanya penambahan atau pengurangan nilai BT, BTT, dan BTL
akan mempengaruhi nilai BOK. Semakin besar nilai BT, BTT, dan BTL akan menghasilkan
nilai BOK maximum. Semakin kecil nilai BT, BTT, dan BTL akan menghasilkan nilai BOK
minimum
