68 ISSN: (Print), (Online)

Vol 4 No 2 – Oktober 2016

Jurnal Bianglala Informatika – bianglala.bsi.ac.id

Fuzzy Tsukamoto Pada Color Quantification Untuk Penentuan Harga Jasa Percetakan

Made Ayu Dusea WIdyadara 1), Wing Wahyu WInarno 2), Hanif Al Fatta 3) Magister Teknik Informatika STIMIK Amikom Yogyakarta 1) 2) 3) [email protected] Abstract - Image processing in the printing world for determining the use of inks in the printing process is not widely used. Because of all this using only printing the print area count in determining the estimated requirement of ink used. Based on these experiences, the researchers made a prototype design that perform image processing on the design to be printed so that the needs of ink used on each design will look different despite having comparable size. Image processing with color Quantification is done with the application of the formula and fuzzy Tsukamoto. Results obtained with the application of the formula Tsukamoto fuzzy 23.08% and amounted to 54.92%. This provides an opportunity for printing to enhance its competitiveness based on the results of this study that by lowering prices, it will not affect the quality of the print is done. Keywords: color Quantification, Tsukamoto fuzzy, digital image, printing, prototype Abstrak – Pengolahan citra dalam dunia percetakan untuk penentuan penggunaan tinta dalam proses cetak masih belum banyak digunakan. Karena selama ini percetakan hanya menggunakan hitungan luas cetak dalam menentukan perkiraan kebutuhan tinta yang digunakan. Berdasarkan pengalaman tersebut, maka peneliti membuat rancangan berupa prototype yang melakukan pengolahan citra pada desain yang akan dicetak sehingga kebutuhan tinta yang digunakan pada setiap desain akan terlihat berbeda meskipun memiliki ukuran luas yang sama. Proses pengolahan citra dengan color quantification dilakukan dengan penerapan rumus dan fuzzy Tsukamoto. Hasil yang diperoleh dengan penerapan rumus 23,08% dan fuzzy Tsukamoto sebesar 54,92%. Hal ini memberikan peluang bagi percetakan untuk meningkatkan daya saingnya berdasarkan hasil penelitian ini bahwa dengan menurunkan harga, tidak akan mempengaruhi kualitas cetak yang dilakukan. Kata kunci: color quantification, fuzzy Tsukamoto, citra digital, percetakan, prototype 1.a Latar Belakang Pengolahan citra RGB untuk percetakan sangatlah penting peranannya terutama dalam menghitung jumlah biaya cetak. Selama ini dari hasil pengamatan di beberapa percetakan harga cetak tidak mempertimbangkan kerumitan baik warna atau desain pada gambar, semua diperhitungkan sama berdasarkan luasan bidang cetak. Hal ini sebenarnya tidak terlalu adil dari aspek pembeli atau percetakan karena setiap desain menghabiskan komposisi warna yang berbeda, sehingga diperlukan alat bantu untuk memperkirakan harga cetak pada setiap desain yang dihitung berdasarkan komposisi warna bukan berdasarkan luasan bidang cetak (per meter). Dari sisi percetakan, sistem perhitungan berdasarkan komposisi warna ini bisa menjadi keunggulan dalam persaingan bisnis, dimana pembeli mendapatkan harga sesuai desain yaitu jika komposisi warna yang digunakan rendah maka biaya yang dikeluarkan lebih murah. Percetakan juga tidak akan dirugikan, karena biaya yang diberikan kepada pembeli merupakan

68

biaya yang sesuai dengan komposisi warna yang digunakan serta percetakan dapat menentukan margin habis tinta pada preproses, sehingga percetakan teresebut dapat memberikan harga lebih murah dibandingkan dengan percetakan lain yang tidak hanya sekedar menurunkan harga tanpa ada perhitungan yang dapat membuat rugi. 2.a. Kajian Pustaka Citra digital dapat diwakili oleh sebuah matriks dua dimensi f(x,y) yang terdiri dari M kolom dan N baris, dimana perpotongan antara kolom dan baris disebut piksel (pixel= picture element) atau elemen terkecil dari sebuah citra. Pada gambar berwarna masing-masing piksel memiliki warna tertentu, warna tersebut adalah merah (red), hijau (green) dan biru (blue). Jika masing-masing warna memiliki range 0-255, maka totalnya adalah 2553=16.581.375(16K) variasi warna berbeda pada gambar, di mana variasi warna ini cukup untuk gambar apapun. Karena jumlah bit yang diperlukan untuk setiap piksel, gambar tersebut juga disebut gambar bit warna. Color

ISSN: 2338-8145 (Print), 2338-9761 (Online)



image ini terdiri dari tiga matriks yang mewakili nilai-nilai merah, hijau, dan biru untuk setiap pikselnya. Setelah dilakukan pengelompokan warna berdasarkan range nya, maka dihitunglah jumlah piksel berdasarkan RGB pada gambar tersebu tsehingga menghasilkan persentase warna yang digunakan pada gambar. Matriks membentuk suatu citra digital, dimana elemen-elemen matriks tersebut dapat diakses melalui indeksnya, yaitu baris dan kolom. Sebuah citra digital berukuran N x M, dengan keterangan sebagai berikut. N = Jumlah baris (panjang/tinggi matriks) 0≤y≤N–1 M = Jumlah kolom (lebar matriks) 0≤x≤M–1 L = Intensitas warna maksimal (derajat keabuan) 0 ≤ f(x,y) ≤ L – 1

ilmuwan Amerika Serikat berkebangsaan Iran dari Universitas California di Berkeley pada tahun 1965. Meskipun demikian, logika fuzzy lebih banyak dikembangkan oleh praktisi Jepang [11]. Pada metode Tsukamoto, 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 tiaptiap aturan diberikan dengan tegas (crisp) berdasarkan α-predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan ratarata terbobot. Misalnya ada 2 variabel input, var1(x) dan var-2(y) serta 1 variabel output var-3(z), dimana var-1 terbagi atas 2 himpunan yaitu A1 dan A2 dan var-2 terbagi atas himpunan B1 dan B2. Sedangkan var-3 juga terbagi atas 2 himpunan yaitu C1 dan C2 [6].

Gambar 2. Diagram blok sistem inferensi fuzzy Tsukamoto

Gambar 1. Contoh Struktur data citra digital Dengan menggunakan logika fuzzy dimana logika fuzzy adalah salah satu komponen pembentuk soft computing. Logika fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentuan keanggotaan function menjadi ciri utama dalam penalaran dengan logika fuzzy tersebut. Logika fuzzy bisa dianggap sebagai kotak hitam yang berhubungan antara ruang input menuju ruang output [6]. Logika fuzzy merupakan salah satu cabang dari ilmu komputer yang mempelajari tentang nilai kebenaran yang bernilai banyak. Berbeda dengan nilai kebenaran pada logika klasik yang bernilai 0(salah) atau 1(benar). Logika fuzzy mempunyai nilai kebenaran real dalam selang [0,1]. Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh seorang

69

Sistem inferensi fuzzy menerima input crisp. Input ini kemudian dikirim ke basis pengetahuan yang berisi n aturan fuzzy dalam bentuk IF-THEN. Fire strength akan dicari pada setiap aturan. Apabila jumlah aturan lebih dari satu, maka akan dilakukan agregasi dari semua aturan. Selanjutnya, pada hasil agregasi akan dilakukan defuzzy untuk mendapatkan nilai crisp sebagai output sistem. Pada metode penarikan kesimpulan samar Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan samar dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil penarikan kesimpulan (inference) dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength). Hasil akhir diperoleh dengan menggunakan rata-rata berbobot (weight average)[7]. 2.b. Metode Penelitian Metode penelitian yang digunakan adalah penelitian Action Research dimana penelitian ini




bertujuan mengembangkan keterampilanketerampilan atau cara pendekatan baru dan untuk memecahkan masalah dengan penerapan langsung di dunia kerja atau dunia aktual lainnya. Peneliti ini melakukan analisis terhadap performa metode fuzzy Tsukamoto untuk color quantification pada jasa percetakan. Metode Fuzzy Tsukamoto dilakukan pada penentuan harga setelah proses color quantification pada desain atau gambar. 1. Metode Pengumpulan Data Pengumpulan data dilakukan dengan cara observasi (pengamatan langsung) dengan mencatat pengeluaran tinta pada percetakan. Serta melakukan metode kepustakaan, yaitu pengambilan data dengan cara menelaah teoriteori yang terdapat pada buku-buku berhubungan dengan yang akan diselesaikan 2. Metode Analisis Data Analisis data yang dilakukan bertujuan untuk menguji kualitas/ketepatan hasil, dan menguji hipotesis penelitian. Metode analisis hasil penelitian ini dilakukan dengan pengecekan hasil dengan inputan desain yang sama tetapi memiliki komposisi warna yang berbeda. 3. Alur Penelitian Pada penelitian yang akan dilakukan langkahlangkah yang akan dilakukan untuk mencapai hasil yang diinginkan adalah seperti Gambar 3 berikut ini :

dilakukan proses cetak, sehingga dalam penentuan harga cetak hanya berdasarkan luasan bidang yang akan dicetak bukan berdasarkan berapa banyak tinta yang dikeluarkan untuk mencetak sebuah citra tersebut berdasarkan kepekatan warna dan kerumitan desain 4.2. Analisis dan Rancangan Sistem Analisis yang digunakan dalam penelitian ini adalah analisis kebutuhan yang didapatkan dari proses wawancara sehingga perancang dapat mengetahui secara rinci kebutuhan pengguna. Dalam proses wawancara didapatkan bahwa percetakan selama ini kebingungan dalam menentukan jumlah tinta yang digunakan dalam proses cetak sehingga percetakan hanya memperkirakan jumlah keluaran tinta dengan menghitung nya berdasarkan luasan bidang cetak saja tanpa memperhitungkan kepekatan warna serta kerumitan gambar. Kebutuhan dari pengguna dapat dikelompokkan menjadi dua jenis yaitu kebutuhan fungsional dan non fungsional. Kebutuhan fungsional dari sistem agar pengguna dapat berinteraksi dengan sistem adalah sebagai berikut : a. Sistem dapat menerima input citra dari pengguna. b. Sistem mampu memproses dari input pengguna untuk dapat meghasilkan jumlah tinta yang dibutuhkan dalam proses cetak desain. Kebutuhan lain yang dibutuhkan adalah kebutuhan non fungsional. Kebutuhan non fungsional pada sistem dapat mempengaruhi performa sistem. Kebutuhan non fungsional pada sistem dijelaskan dalam paparan berikut ini : a. Aplikasi bersifat aman karena tidak menggunakan peralatan yang berbahaya. b. Pengguna hanya membutuhkan sebuah komputer untuk dapat mengakses aplikasi. c. Aplikasi berjalan secara offline. Berikut adalah gambaran use case dari prototype yang akan dibangun.

Gambar 3. Alur penelitian 4. Hasil dan Pembahasan 4.1. Identifikasi Masalah Penggunaan tinta pada mesin cetak saat ini belum terukur berdasarkan citra sebelum

70




Gambar 4. Use case prototype 4.3. Proses Konversi Warna Warna cyan(C), magenta(M), dan yellow(Y) adalah warna komplementer terhadap Red, Green, dan Blue. Dua buah warna komplementer jika dicampur dengan perbandingan yang tepat menghasilkan warna putih. Model warna ini berorientasi hardware, terutama untuk model printer. CMY digunakan hanya untuk mengonversi system RGB menjadi system yang bisa dilihat oleh mata. Model CMY dapat diperoleh dari model RGB dengan persamaan berikut (Prasetyo E, 2012). C = 1-R C = C-K M = 1-G M = M-K Y = 1-B Y = Y-K K = min(C, M, K) Pengelompokan warna pada citra berdasarkan CMYK ini bertujuan untuk mengetahui luasan warna yang terkandung dalam suatu citra. Hasil pengelompokan warna ini berupa frekuensi dari tiap warna CMYK yang nantinya akan digunakan pada proses perhitungan berikutnya. Proses konversi warna RGB (monitor) ke warna CMYK (printer) dan proses pengelompokan warna berdasarkan CMYK pada penelitian ini menggunakan MATLAB. Proses pengkonversian gambar dan pengelompokan gambar dapat dilihat pada gambar 5.

Gambar 5. hasil konversi warna dan pengelompokan warna sesuai dengan CMYK 4.4. Mesin Cetak dan Tinta Pada penelitian ini menggunakan mesin printer EPSON Stylus Photo 1390 dengan 90 nozzle configuration dan ink dropelet volume 1.5pl Ultra Micro Dots. Penggunaan mesin printer tersebut dilakukan karena mesin printer EPSON Stylus Photo 1390 memiliki kelebihan dapat dimodifikasi dengan menggunakan tinta DuPont Artistri Ink 5000 Series. Pada tinta DuPont seri 5000 tersebut memiliki optical density yang diketahui relatif berdekatan yaitu Cyan 1.1, Magenta 1.02, Yellow 1.14, dan Key 1.18. Penentuan tinta dan mesin cetak ini berpengaruh dalam perhitungan yang akan digunakan dalam penelitian ini karena ink dropelet volume dan optical density yang akan berpengaruh pada keluaran tinta. 4.5. Penerapan metode Berdasarkan frekuensi warna CMYK pada citra yang telah ditemukan berdasarkan proses pengelompokan warna, dihitunglah banyaknya tinta yang dibutuhkan untuk proses cetak citra dengan rumus yang telah diuraikan oleh Manfred H. Breede (1999) pada buku karanganya halaman 137 - 141 yang berjudul Handbook of Graphic Arts Equations. Pemakaian Tinta = L x N x D x R L = Luas area cetak dalam inci N = Jumlah cetakan D = Jenis tinta R = Resolusi Dengan memasukan data uji maka didapatkanlah hasil pada tabel 1. Tabel 1. Data uji berdasarkan rumus Data Citra

71


Dalam pixel

Keluaran tinta

Harga

1

1754

2480

2,4259

4851,8941

2

1000

600

0,3175

634,9760



3

2480

1754

1,7253

3450,5191

15

Low

Low

Low

High

Low

4

1754

2480

4,2287

8457,4499

16

Low

Low

Low

Low

Low

5

1000

1400

0,9009

1801,8706

6

1000

500

0,0871

174,1824

7

1000

500

0,1130

225,9340

8

1000

500

0,1254

250,8949

9

1000

500

0,1069

213,8272

10

1000

500

0,0667

133,3745

11

1000

1000

0,5701

1140,2010

12

1000

1000

0,2122

424,4827

13

1000

1000

0,4983

996,6914

14

1000

1000

0,0978

195,5049

15

1000

1000

0,2623

524,6727

16

1240

1754

1,0083

2016,6086

17

1240

1754

1,6744

3348,8126

18

2480

1754

3,1225

6244,9571

19

1000

1400

0,3081

616,1986

20

1000

1000

0,6126

1225,1855

Rule yang terdapat pada fuzzy Tsukamoto ini akan digunakan bersama frekuensi warna hasil pengelompokan warna CMYK dalam penerapan rumus fungsi keanggotaan warna cyan, magenta, yellow dan key. Rumus fungsi keanggotaan ini akan menentukan µ high dan µ low pada tiap warna.

Keterangan : Harga tinta per 1 ml = Rp.2000 pada tahun 2016 Penggunaan metode yang kedua adalah menote fuzzy Tsukamoto, penggunaan metode fuzzy Tsukamoto ini membutuhkan rule yang dijelaskan pada tabel 2. Tabel 2. Rule fuzzy Tsukamoto Rule

Warna C

Warna M

Warna Y

Warna K

Harga

1

High

High

High

High

High

2

High

High

High

Low

High

3

High

High

Low

High

High

4

High

High

Low

Low

High

5

High

Low

High

High

High

6

High

Low

High

Low

Low

7

High

Low

Low

High

Low

8

High

Low

Low

Low

Low

9

Low

High

High

High

High

10

Low

High

High

Low

High

11

Low

High

Low

High

High

12

Low

High

Low

Low

Low

13

Low

Low

High

High

Low

14

Low

Low

High

Low

Low

72

Penentuan rumus fungsi keanggotaan tinta didasarkan pada observasi dimana penggunaan tinta untuk proses cetak dimulai dari 1 mililiter hingga 4 mililiter. Sehingga didapatkanlah rumus fungsi keanggotaan tinta sebagai berikut dan grafik keanggotaan tinta pada gambar 6.


Gambar 6. Grafik keanggotaan warna tinta



Penentuan nilai α dari tiap warna CMYK dilakukan berdasarkan rule yang telah ditentukan, yaitu proses dengan menggunakan fungsi implikasi MIN untuk mendapatkan nilai α-predikat tiap-tiap rule (α1, α2, α3, ... αn). Kemudian masing-masing nilai α-predikat ini digunakan untuk menghitung keluaran hasil inferensi secara tegas (crisp) masing-masing rule (z1, z2, z3,...zn). Misalnya pada rule 1 dimana C high, M high, Y high dan K high maka Harga high. Nilai α yang diambil dari nilai terkecil pada masing-masing warna CMYK berdasarkan rule. Pada metode fuzzy Tsukamoto, untuk menentukan output crisp digunakan defuzzifikasi rata-rata terpusat, yaitu : Z = (∑ α1.z1) / ∑ α1 Z merupakan hasil akhir yang akan dikalikan dengan frekuensi yang didapatkan dari hasil pengelompokan warna berdasarkan wilayah kepekatan warna untuk menghasilkan jumlah total tinta yang dibutuhkan dalam mencetak gambar. Data uji yang digunakan pada penelitian ini sebanyak 20 gambar yang akan diproses melalui konversi citra RGB ke CMYK, pengelompokan warna berdasarkan wilayah yang menghasilkan frekuensi, dan pengolahan data uji dengan menggunakan metode fuzzy Tsukamoto yang dapat dilihat pada tabel 3. Tabel 3. Data uji berdasarkan fuzzy Tsukamoto Data Gambar 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

73

Dalam pixel 1754 1000 2480 1754 1000 1000 1000 1000 1000 1000 1000 1000 1000 1000 1000 1240 1240 2480 1000 1000

2480 600 1754 2480 1400 500 500 500 500 500 1000 1000 1000 1000 1000 1754 1754 1754 1400 1000

Keluaran tinta 2,82006 2,49435 2,90201 2,20696 2,23288 3,28928 3,26987 3,11811 3,19245 3,28795 3,61073 2,89471 3,21306 3,51371 3,21475 2,71433 2,51276 2,39241 3,51211 3,23235

Harga 4438,25 5607,85 3720,29 5222,78 4625,077 3886,74 4022,44 3981,35 4201,71 3652,6611 4985,77 5098,13 4330,48 3512,85 4964,38 5626,87 5502,87 4900,80 3477,25 1471,31

Berdasarkan kedua hasil perhitungan tersebut akan dibandingkan dengan data observasi yang mana berdasarkan hasil observasi pada percetakan, berapapun luasan cetak serta serumit dan sepekat apapun tinta yang digunakan tidak berpengaruh pada harga cetak dan keluaran cetak yang telah ditentukan yaitu 4 mililiter per cetak dengan harga Rp.8.000. Perbandingan data tersebut dapat dilihat pada tabel 4 berikut ini. Tabel 4. Perbandingan data uji Data Hasil Uji (mL) Tsuka Obser rumus moto vasi 4 2,43 2,82 4 0,32 2,49 4 1,73 2,90 4 4,23 2,21 4 0,90 2,23 4 0,09 3,29 4 0,11 3,27 4 0,13 3,12 4 0,11 3,19 4 0,07 3,29 4 0,57 3,61 4 0,21 2,89 4 0,50 3,21 4 0,10 3,51 4 0,26 3,21 4 1,01 2,71 4 1,67 2,51 4 3,12 2,39 4 0,31 3,51 4 0,61 3,23

Harga (Rupiah) Obser vasi 8000 8000 8000 8000 8000 8000 8000 8000 8000 8000 8000 8000 8000 8000 8000 8000 8000 8000 8000 8000

rumus 4851,89 634,98 3450,52 8457,45 1801,87 174,18 225,93 250,89 213,83 133,37 1140,20 424,48 996,69 195,50 524,67 2016,61 3348,81 6244,96 616,20 1225,19

Tsuka moto 4438,25 5607,85 3720,29 5222,78 4625,08 3886,74 4022,44 3981,35 4201,71 3652,66 4985,77 5098,13 4330,48 3512,85 4964,38 5626,87 5502,87 4900,80 3477,25 1471,31

Perancangan prototype dilakukan berdasarkan proses perhitungan sebelumnya. Gambar 7 akan menjelaskan alur pembuatan prototype.


Gambar 7. Alur pembuatan prototype



Data sampel yang telah dikumpulkan akan digabungkan untuk pengimplementasian pengembangan prototype logika fuzzy Tsukamoto untuk penentuan harga jasa pada percetakan. Prototype memiliki bagian sistem yang memproses data input pengguna berupa proses upload gambar untuk menghasilkan output yang sesuai yaitu jumlah tinta yang digunakan dalam proses cetak dan harga. Berikut adalah gambaran prototype yang dirancang.

Gambar 8. Prototype perhitungan tinta Pengumpulan data observasi, perhitungan data sampel dengan rumus dan fuzzy Tsukamoto akan dibandingkan dengan menggunakan rumus sebagai berikut. Ee = p – p* keterangan : p = Nilai Eksak p* = Nilai Perkiraan Ee = Kesalahan Absolut Kesalahan relatif adalah kesalahan mutlak dibandingkan dengan terhadap nilai eksak yang terjadi. Penulisan rumusnya adalah seperti di bawah ini. εe = Ee /p εe =Kesalahan Relatif Hasil dari perhitungan perbedaan ketiga data tersebut didapatkanlah rata-rata perbedaan antara data observasi dengan data rumus sebesar 23% dan perbedaan data observasi dengan data fuzzy Tsukamoto sebesar 54,92%. 5. Penutup Berdasarkan hasil penelitian dengan menggunakan pengolahan citra, perbedaan pada data hasil uji observasi dengan hasil rumus sebesar 23,08% sedangkan pada data hasil uji observasi dengan hasil fuzzy Tsukamoto sebesar 54,92%. Hal ini memberikan referensi kepada pihak percetakan bahwa penurunan harga dapat dilakukan berdasarkan acuan perhitungan yang dilakukan tanpa harus mengurangi kualitas cetak

74

hal ini dapat menjadi keunggulan tersendiri bagi percetakan yang menggunakanya yaitu, dapat menurunkan harga cetak tanpa mempengaruhi kualitas sehingga meningkatkan keunggulan dengan percetakan lain. 6. Daftar Pustaka [1] Abadpour, Arash, 2005, Color Image Processing Using Principal Component Analysis, Tehran. [2] Ahmad, Usman, 2005, Pengolahan Citra Digital dan Teknik Pemrogramanya, Graha Ilmu, Yogyakarta. [3] Cie Christina, 2015, Ink Jet Textile Printing, Elsevier, UK. [4] Guritno, S., Sudaryono., Rahardja, U., 2011, Theory and aplication of IT research, ANDI, Yogyakarta. [5] Kusumadewi, Sri, 2002, Analisis Desain Sistem Fuzzy Menggunakan Tool Box Matlab, Graha Ilmu, Yogyakarta. [6] Kusumadewi, Sri, 2003, Artificial Intelligence (Teknik dan Aplikasinya). Graha Ilmu. Yogyakarta. [7] Kusumadewi, S. dan Hartati, S., 2006, Neuro-Fuzzy: Integrasi Sistem Fuzzy dan Jaringan Syaraf, Penerbit Graha Ilmu, Yogyakarta. [8] Marbuko, Cholid dan Abu Achmadi, 2005, Metodologi Penelitian. Bumi Aksara, Jakarta. [9] Michael Kriss, 2015, Handbook of Digital Imaging, John Wiley & Sons, USA [10] R.U. Hewage and D.U.J. Sonnadara, 2011, Colour Image Segmentation Technique for Screen Printing, Proceedings of the Technical Sessions, 27 (2011) 60-67, Institute of Physics, Sri Lanka [11] Setiadji, 2009, Himpunan & Logika Samar serta Aplikasinya, Graha Ilmu, Yogyakarta. [12] Sugiharto, A., 2006, Pemrograman GUI dengan MATLAB, Andi Offset, Yogyakarta. [13] Ujiie H,2006, Digital Printing of Textiles, Woodhead Publishing, England. [14] Simanjuntak, Novan Parmonangan., 18 Juli 2016, “Aplikasi Fuzzy Logic Controller pada Pengontrolan Lampu Lalu Lintas”, http://informatika.stei.itb.ac.id/~rinaldi.mun ir/MetNum/20112012/Makalah2012/MakalahIF4058-2012002.pdf.


68 ISSN: (Print), (Online)

Recommend Documents