Available via license: CC BY 4.0
Content may be subject to copyright.
Technologia”Vol 14, No. 1, Januari 2023 60
https://ojs.uniska-bjm.ac.id/index.php/JIT
PENERAPAN ALGORITMA FUZZY METODE SUGENO UNTUK
MENENTUKAN KUALITAS SINGKONG SEBAGAI BAHAN BAKU KERUPUK
SANJAI
Wizra Aulia1, Ryan Amanda2, Irman Efendi3, Efmi Maiyana4
1 Manajemen Informatika, AMIK Bukittinggi
Email : wizra.wizra08@gmail.com
2 Manajemen Informatika, AMIK Bukittinggi
Email: Ryanamanda90@gmail.com
3 Manajemen Informatika, AMIK Bukittinggi
Email: Irmanefendi626@gmail.com
4 Manajemen Informatika, AMIK Bukittinggi
Email : efmi_maiyana@yahoo.com
Abstrak
Logika fuzzy merupakan cabang dari kecerdasan buatan yang mempunyai keunggulan dalam
menyelesaikan masalah yang mengandung ketidakpastian, ketidaktepatan dan kebenaran parsial.
Penilaian kualitas Singkong yang digunakan untuk bahan kerupuk Sanjai mengandung ketidakpastian.
Tidak ada yang bisa dengan mudah mudah mengetahui kualitas Singkong tersebut. Ada tiga kriteria
yang digunakan untuk menentukan kualitas Singkong yang digunakan untuk bahan baku kerupuk Sanjai
yaitu ukuran Singkong, umur Singkong dan lama Singkong disimpan sebelum diolah. Penilaian kualitas
Singkong menggunakan logika fuzzy metode Sugeno. Penerapan logika fuzzy metode Sugeno
mempunyai tiga tahapan yaitu fuzzifikasi, inference dan defuzzifikasi. Pengujian metode Sugeno ini
menggunakan software Matlab 6.1. Diambil 15 Singkong yang digunakan untuk sampel dan kemudian
diuji dengan Matlab dan dihasilkan 15 Singkong tersebut mempunyai kualitas baik.
Keyword: Logika Fuzzy, Metode Sugeno, Kualitas Singkong
1. Pendahuluan
Logika Fuzzy adalah cabang dari sistem
kecerdasan buatan (Artificial Intelegent). Lotfi A.
Zadeh mendefinisikan logika fuzzy sebagai suatu
prinsip matematika berdasarkan derajat
keanggotaan dari logika biner klasik yang
digunakan untuk representasi pengetahuan (Umoh,
et al, 2014). Logika Fuzzy Banyak dikembangkan
karena mempunyai keunggulan dalam
penyelesaian masalah yang mengandung
ketidakpastian, ketidaktepatan dan kebenaran
parsial.
Kerupuk Sanjai merupakan makanan khas
Bukittinggi yang paling banyak dicari dan
dijadikan oleh-oleh. Kerupuk Sanjai yang bahan
baku utamanya yaitu singkong, maka pertama kali
yang perlu di perhatikan adalah pemilihan
singkong dengan tepat. Kuliatas sebuah produk
ditentukan oleh bahan baku yang digunakan.
Karena pemilihan bahan baku yang salah akan
mengakibatkan kerupuk Sanjai yang dihasilkan
tidak sesuai harapan misalnya kurang renyah atau
malah keras dan sulit dimakan. Tidak semua
singkong dapat digunakan sebagai bahan baku
kerupuk Sanjai. Ada beberapa kriteria tertentu
yang menjadi patokan pemilihan singkong.
Menurut Kilani Ilhem, Hamza Rafika dan
Saloua Bel Hadj Ali (2014) model Fuzzy Takagi
Sugeno sangat tepat menangani masalah seperti
analisis dan sintesis untuk kontrol, pengamat dan
diagnosis. Fuzzy model Sugeno diwakili oleh satu
set fuzzy dalam aturan IF-THEN yang menjelaskan
fungsi input-output kedalam sistem nonlinier
(Hiary, et al, 2012). Penerapan Logika Fuzzy
metode Sugeno untuk menentukan kualitas
singkong bertujuan untuk mengetahui kualitas
singkong yang digunakan agar menghasilkan
kerupuk Sanjai yang enak dan gurih serta
berkualitas
Technologia”Vol 14, No. 1, Januari 2023 61
https://ojs.uniska-bjm.ac.id/index.php/JIT
2. Metodologi Penelitian
2.1 Model Penelitian
Pada penelitian ini peneliti menggunakan
model fuzzy Sugeno dengan tiga variabel input
yaitu ukuran singkong yang digunakan, umur
singkong, dan lama penyimpanan singkong.
Gambar 1. Model Penelitian
2.2 Fuzzifikasi
2.2.1 Himpunan fuzzy variabel ukuran
Singkong
Tidak semua Singkong dapat digunakan
untuk bahan baku kerupuk Sanjai. Salah satu yang
mempengaruhinya yaitu ukuran Singkong itu
sendiri. Jika Singkong yang digunakan ukurannya
kecil maka akan susah untuk diolah begitu juga
sebaliknya. Ukuran Singkong dilihat dari diameter
Singkong. Variabel ukuran Singkong mempunyai
tiga linguistic yaitu kecil, sedang dan besar.
Tabel 1. Tabel Himpunan Fuzzy Ukuran Singkong
Linguistik
Domain
Parameter
Kecil
[0 4]
[0 2 4]
Sedang
[2 8]
[2 5 8]
Besar
[6 15]
[6 8 15]
Berikut adalah fungsi keanggotaan berserta
kurva untuk variabel ukuran Singkong.
Gambar 2. Himpunan Fuzzy Ukuran Singkong
2.2.2 Himpunan fuzzy variabel umur Singkong
Umur Singkong juga mempengaruhi
kualitas kerupuk Sanjai. Jika Singkong yang
digunakan terlalu muda atau terlalu tua,
Singkong yang dihasilkan tidak gurih bahkan
menjadi keras. Variabel umur Singkong
mempunyai satuan berupa bulan dan
didefinisikan dengan 3 linguistik, yaitu muda,
cukup, dan tua.
Tabel 2. Tabel Himpunan Fuzzy Umur
Linguistik
Domain
Parameter
Muda
[0 10]
[0 8 10]
Cukup
[8 14]
[8 11 14]
Tua
[12 18]
[12 14 18]
Dari tabel 2 didapat fungsi keanggotaan
dan gambar himpunan fuzzy untuk variabel umur
Singkong sebagai berikut.
−
−
=
8;0
85;
3
8
52;
3
22;0
)(
x
x
x
x
xx
x
sedang
−
=
8;1
86;
2
66;0
)(
x
x
xx
x
besar
−
=
10;0
108;
2
10 8;1
)(
x
x
xx
x
muda
−
−
=
14;0
1411;
3
14
118;
3
88;0
)(
x
x
x
x
xx
x
cukup
(1)
(2)
(3)
(4)
(5)
Technologia”Vol 14, No. 1, Januari 2023 62
https://ojs.uniska-bjm.ac.id/index.php/JIT
Gambar 3 .Himpunan Fuzzy Umur Singkong
2.2.3 Himpunan Fuzzy lama penyimpanan
Setelah Singkong dipanen, sebaiknya
Singkong langsung dikupas kulitnya kemudian
dipotong dan digoreng. Singkong tidak bisa
disimpan dalam jangka waktu yang lama,
karena jika disimpan dalam waktu yang lama
akan berwarna biru gelap akibat mengandung
asam sianida yang bersifat racun bagi manusia.
Variabel lama penyimpanan Singkong dihitung
dalam satuan jam. Variabel lama penyimpanan
mempunyai 3 linguistik, yaitu sebentar, sedang
dan lama.
Tabel 3. Tabel Himpunan Fuzzy Lama Penyimpanan
Linguistik
Domain
Parameter
Sebentar
[0 12]
[0 5 12]
Sedang
[5 15]
[5 12 15]
lama
[12 48]
[12 15 48]
Fungsi keanggotaan dan gambar kurva
untuk setiap linguistik pada variabel lama
penyimpanan sebagai berikut.
Gambar 4. Himpunan Fuzzy Lama Penyimpanan
2.3 Inference
Untuk mengetahui kualitas Singkong
didapat 27 rule dari 3 variabel dan 9 linguistik
seperti yang terdapat di bawah ini :
[R1] If ukuran = kecil and umur = muda and lama
penyimpanan = sebentar
then kualitas = buruk
[R2] If ukuran = kecil and umur = muda and
lama penyimpanan = sedang
then kualitas = buruk
[R3] If ukuran = kecil and umur = muda and
lama penyimpanan = lama
then kualitas = buruk
[R4] If ukuran = kecil and umur = cukup and
lama penyimpanan = sebentar
then kualitas = buruk
[R5] If ukuran = kecil and umur = cukup and
lama penyimpanan = sedang
then kualitas = buruk
[R6] If ukuran = kecil and umur = cukup and
lama penyimpanan = lama
then kualitas = buruk
[R7] If ukuran = kecil and umur = tua and lama
penyimpanan = sebentar
then kualitas = buruk
[R8] If ukuran = kecil and umur = tua and lama
penyimpanan = sedang
then kualitas = buruk
[R9] If ukuran = kecil and umur = tua and lama
penyimpanan = lama
then kualitas = buruk
[R10] If ukuran = sedang and umur = muda and
lama penyimpanan = sebentar
then kualitas = buruk
[R11] If ukuran = sedang and umur = muda and
lama penyimpanan = sedang
then kualitas = buruk
[R12] If ukuran = sedang and umur = muda and
lama penyimpanan = lama
then kualitas = buruk
[R13] If ukuran = sedang and umur = cukup and
lama penyimpanan = sebentar
−
=
12;0
125;
7
12 5;1
)(
x
x
xx
x
sebentar
−
=
14;1
1412;
2
12 12;0
)(
x
x
xx
x
tua
−
−
=
15;0
1512;
3
15
125;
7
55;0
)(
x
x
x
x
xx
x
sedang
−
=
15;1
1512;
3
12 12;0
)(
x
x
xx
x
lama
(6)
(7)
(8)
(9)
Technologia”Vol 14, No. 1, Januari 2023 63
https://ojs.uniska-bjm.ac.id/index.php/JIT
0,33
then kualitas = baik
[R14] If ukuran = sedang and umur = cukup and
lama penyimpanan = sedang
then kualitas = baik
[R15] If ukuran = sedang and umur = cukup and
lama penyimpanan = lama
then kualitas = buruk
[R16] If ukuran = sedang and umur = tua and
lama penyimpanan = sebentar
then kualitas = buruk
[R17] If ukuran = sedang and umur = tua and
lama penyimpanan = sedang
then kualitas = buruk
[R18] If ukuran = sedang and umur = tua and
lama penyimpanan = lama
then kualitas = buruk
[R19] If ukuran = besar and umur = muda and
lama penyimpanan = sebentar
then kualitas = buruk
[R20] If ukuran = besar and umur = muda and
lama penyimpanan = sedang
then kualitas = buruk
[R21] If ukuran = besar and umur = muda and
lama penyimpanan = lama
then kualitas = buruk
[R22] If ukuran = besar and umur = cukup and
lama penyimpanan = sebentar
then kualitas = baik
[R23] If ukuran = besar and umur = cukup and
lama penyimpanan = sedang
then kualitas = baik
[R24] If ukuran = besar and umur = cukup and
lama penyimpanan = lama
then kualitas = buruk
[R25] If ukuran = besar and umur = tua and lama
penyimpanan = sebentar
then kualitas = buruk
[R26] If ukuran = besar and umur = tua and lama
penyimpanan = sedang
then kualitas = buruk
[R27] If ukuran = besar and umur = tua and lama
penyimpanan = lama
then kualitas = buruk.
2.4 Defuzzifikasi
Setelah rule didapat kemudian akan dicari α-
prediket dan nilai z. Nilai α-prediket dan nilai z ini
akan digunakan dalam proses defuzzifikasi.
Metode yang digunakan dalam proses
defuzzifikasi adalah metode rata-rata (Average) .
[R5] If ukuran sama dengan kecil and umur sama
dengan cukup and lama penyimpanan sama
dengan sedang then kualitas sama dengan
buruk
α predikat5 = µkecil[3.8] µmuda[10]
µsedang[13]
= min (0,1 ; 0,67 ; 0,67 )
Gambar 5. Fungsi Implikasi Rule 5
Rule R5 memiliki konsekuen berupa kualitas
sama dengan buruk. Nilai Z pada rule 5 dilihat
dari himpunan kualitas buruk.
Nilai Z 6 yaitu
(7 - Z6 ) / 7 = 0,1
7 - Z6 = 0,7
Z6 = 6.3
[R6] If ukuran sama dengan kecil and umur sama
dengan cukup and lama penyimpanan sama
dengan lama then kualitas sama dengan
buruk
α predikat6 = µkecil[3.8] µcukup[10]
µlama[13] = min (0,1 ; 0,67 ; 0,33 )
Gambar 6. Fungsi Implikasi Rule 6
Rule R6 memiliki konsekuen berupa
kualitas sama dengan buruk. Nilai Z pada rule
6 untuk Singkong berukuran 3.8 cm, dan
berumur 10 bulan dan disimpan selama 13
jam dilihat dari himpunan kualitas buruk.
Nilai Z 6 yaitu
(7 - Z6 ) / 7 = 0,1
7 - Z6 = 0,7
Z6 = 6.3
[R14] If ukuran sama dengan sedang and umur
sama dengan cukup and lama
penyimpanan sama dengan sedang then
kualitas sama dengan baik
α-predikat14 = µsedang[3.8] µcukup[10]
µsedang[13] = min (0.6 ; 0,67 ; 0,67 )
Technologia”Vol 14, No. 1, Januari 2023 64
https://ojs.uniska-bjm.ac.id/index.php/JIT
Gambar 7. Fungsi Implikasi Rule 14
Rule R14 memiliki konsekuen berupa
kualitas sama dengan baik. Nilai Z pada rule
14 dilihat dari hmpunan kualitas baik.
Nilai Z 14 yaitu
(Z 14 - 5) / 5 = 0,6
Z 14 - 5 =3
Z 14= 8
[R15] If ukuran sama dengan sedang and umur
sama dengan cukup and lama penyimpanan
sama dengan lama then kualitas sama
dengan buruk
α predikat14 = µsedang[3.8] µcukup[10]
µlama[13] = min (0.6 ; 0,67 ; 0,33 )
= 0,33
Gambar 8. Fungsi Implikasi Rule 15
Rule R15 memiliki konsekuen berupa
kualitas sama dengan buruk. Nilai Z pada rule
15 dilihat dari hmpunan kualitas buruk.
Nilai Z 15 yaitu
(7 - Z 15) / 7 = 0,33
7 - Z 15 = 2.31
Z 15= 4,69
Setelah nilai αpredikat dan nilai z tiap rule
didapat. Maka langkah terakhir adalah
menghitung nilai Z total dengan menggunakan
metode rata-rata. Jadi, Nilai Z Singkong diatas
yaitu.
Dari perhitungan di atas didapat nilai Z
yaitu 6,73. Nilai 6,73 di dalam himpunan
kualitas masuk pada humpunan baik. Dengan
demikian Singkong dengan ukuran 3,8cm,
umur 10 bulan dan lama penyimpanan 13 jam
termasuk Singkong yang berkualitas baik.
Jika Singkong yang digunakan berkualitas
baik maka kerupuk Sanjai yang dihasikan
juga baik.
3 HASIL DAN PEMBAHASAN
Pengujian dilakukan terhadap 15 sampel
Singkong yang digunakan sebagai bahan baku.
Pengujian dilakukan menggunakan software
Matlab. Berikut output yang dihasilkan untuk
Singkong yang berukuran 3.8cm, umur 10 bulan
dan lama penyimpanan 13 jam.
Gambar 9. Hasil Pengujian Singkong
Dari gambar 9 dapat diketahui kualitas
Singkong tersebut 7.65 yang artinya Singkong
memiliki kualitas baik.
Berdasarkan dari pengujian yang sudah
dilakukan dengan 15 data Singkong dan tiga
inputan berupa ukuran, umur dan lama
penyimpanan didapatlah output berupa kualitas
Singkong yaitu baik atau buruk.
Tabel 4. Hasil Pengujian dengan Matlab
Singkon
g ke-
Ukuran
(cm)
Umur
(bulan)
Lama
Penyimpanan
(jam)
Hasil
Matlab
1
5
10
13
8.33
2
6
10
12
10
3
8
11
12
10
4
4
10
2
10
5
6
11
12
10
6
3.7
12
2
8.95
Technologia”Vol 14, No. 1, Januari 2023 65
https://ojs.uniska-bjm.ac.id/index.php/JIT
7
5.5
10
2
10
8
8.5
12
2
10
9
6
9.5
2
8.33
10
8
11
12
10
11
5
11
4
10
12
3.8
10
13
7.65
13
9
10
4
10
14
8
11
2
10
15
8.2
11
4
10
Data 15 Singkong diatas jika dihitung
dengan logika fuzzy secara manual didapat hasil
sebagai berikut:
Tabel 5. Hasil Logika Fuzzy
Singkong
ke-
Ukuran
(cm)
Umur
(bulan)
Lama
Penyimpanan
(jam)
Hasil
Perhitunga
n
1
5
10
13
5
2
6
10
12
6
3
8
11
12
8
4
4
10
2
4
5
6
11
12
6
6
3.7
12
2
3.7
7
5.5
10
2
5.5
8
8.5
12
2
8.5
9
6
9.5
2
6
10
8
11
12
8
11
5
11
4
5
12
3.8
10
13
3.8
13
9
10
4
9
14
8
11
2
8
15
8.2
11
4
8.2
Hasil fuzzy Sugeno dengan mengunakan
Matlab dan perhitungan secara manual
menghasilkan output kualitas yang sama, namun
berbeda dari nilai yang dihasilkan.
Tabel 6.Tabel Perbandingan Hasil Matlab dan Logika
Fuzzy
Singkong
ke-
Output
Error
Matlab
Logika
Fuzzy
1
8.33
7.14
1.19
2
10
8.35
1.65
3
10
10
0
4
10
8,35
1.65
5
10
8.35
1.65
6
8.95
7.45
1.5
7
10
8.35
1.65
8
10
8.35
1.65
9
8.33
6.75
1.58
10
10
10
0
11
10
10
0
12
7.65
6.73
0.92
13
10
8.35
1.65
14
10
10
0
15
10
10
0
Dapat dilihat perbandingan hasil pengujian
yang dilakukan dengan Matlab dan logika fuzzy.
Ada sedikit perbedaan atau selisih (error)
pengujian dengan matlab dan logika fuzzy. Dari 15
data Singkong di atas ada beberapa data singkong
yang hasil pengujian matlabs dan logika fuzzy
tidak sama tapi masih dalam satu range maka
kulitas yang hasilkan sama. Untuk kualiatas baik
output yang dihasilkan anatara 5-10 sedangkan
output 0 -7 maka termasuk kualitas buruk.
Pada tabel 5.4 dapat dilihat selisih atau error
terbesar yaitu 1.65 terdapat pada Singkong ke-2,
Singkong ke-4, Singkong ke-5, Singkong ke-7,
Singkong ke-8, dan Singkong ke-13. Pengujian
dengan matlab didapat output 10 sedangkan
dengan logika fuzzy didapat output 8,35. Namun
keduanya menghasilkan output besar dari 5 yang
menyatakan Singkong tersebut berkualitas baik.
Hasil Kualitas Singkong dari 15 data tersebut
dapat dilihat pada tabel 7 di bawah ini:
Tabel 7. Tabel Kualitas Singkong yang Digunakan
Sanjai Nina
Singkong
ke-
Ukuran
(cm)
Umur
(bulan)
Lama
Penyimpan
an
(jam)
Kualitas
1
5
10
13
Baik
2
6
10
12
Baik
3
8
11
12
Baik
4
4
10
2
Baik
Technologia”Vol 14, No. 1, Januari 2023 66
https://ojs.uniska-bjm.ac.id/index.php/JIT
5
6
11
12
Baik
6
3.7
12
2
Baik
7
5.5
10
2
Baik
8
8.5
12
2
Baik
9
6
9.5
2
Baik
10
8
11
12
Baik
11
5
11
4
Baik
12
3.8
10
13
Baik
13
9
10
4
Baik
14
8
11
2
Baik
15
8.2
11
4
Baik
Dengan demikian untuk menentukan
kualias Singkong yang digunakan untuk bahan
baku kerupuk Sanjai dapat menggunakan logika
fuzzy metode Sugeno dan dapat digunakan sebagai
aplikasi pengambil keputusan.
Dari data 15 Singkong yang dijadikan
sampel yang diambil dari Sanjai Nina, didapat
bahwa 15 Singkong tersebut memiliki kualitas
yang baik. Ini membuktikan bahwa Sanjai Nina
memilih Singkong yang berkualitas baik untuk
kemudian diolah menjadi kerupuk Sanjai.
Sehingga Kerupuk Sanjai yang dihasilkan enak
dan gurih.
4 KESIMPULAN
Berdasarkan uraian pada bab-bab yang sudah
dibahas sebelumnya, penulis menarik beberapa
kesimpulan :
1. Penilaian kualitas Singkong berdasarkan tiga
kriteria yaitu ukuran Singkong, umur
Singkong dan lama penyimpanan Singkong
sebelum diolah. Tiga kriteria ini menjadi
input untuk proses logika fuzzy metode
Sugeno dan diuji dengan menggunakan
software Matlab.
2. Perhitungan logika fuzzy secara manual dan
pengujian dengan matlab memiliki hasil
output yang sedikit berbeda yang artinya
memiliki nilai error. Nilai error yang didapat
kecil sehingga walau ada sedikit perbedaan
masih dalam satu range atau range yang sama.
3. Logika Fuzzy metode Sugeno mampu
memberikan solusi dalam menentukan
kualitas Singkong sebagai bahan baku
kerupuk Sanjai.
4. Dengan menggunakan logika Fuzzy metode
untuk menentukan kualitas Singkong untuk
bahan baku kerupuk Sanjai dapat dijadikan
sebagai referensi bagi usaha kerupuk Sanjai
ataupun bagi masyarakat yang ingin mencoba
membuat kerupuk Sanjai.
5. REFERENSI
[1] Ahmed Abou Elfetouh Saleh, S. E. B., Ahmed Awad Ebrahim
Awad (2011). "A Fuzzy Decision Support System for
Management of Breast Cancer " International Journal of
Advanced Computer Science and Applications, Vol. 2, No 3.
[2] Arsyad, M. (2014). "Implementasi Metode Sugeno pada
Sistem Pakar Penentuan Stadium pada Penyakit Tuberculosis
(TBC)." Pelita Informatika Budi Darma Volume ViI, Nomor:
3.
[3] Barus, E. S. (2012). "Analisis Manfaat Pembangunan
Infrastruktur Berbasis Logika Fuzzy".
[4] InAlshalaa A. Shleeg, I. M. E. (2013). "Comparison of
Mamdani and Sugeno Fuzzy Interference Systems for the
Breast Cancer Risk " International Journal of Computer,
Information, Systems and Control Engineering Vol:7 No:10.
[5] Indrabayu, N. H., M. Saleh Pallu, Andani Achmad, Febi
Febriyati (2012). "Prediksi Curah Hujan Dengan Fuzzy Logic
" Vol. 6.
[6] Kaswidjanti, W. (2011). "Sistem Pakar Menggunakan Mesin
Inferensi Fuzzy." Jurnal Teknik Elektro Vol. 1 No.2.
[7] Kilani Ilhem, H. R., Saloua Bel Hadj Ali, Abdelkrim
Mohamed Naceur (2014). "Observer Design for Descriptor
Takagi Sugeno System " International Journal of Computer
Applications (0975 – 8887) Vol. 95– No.26.
[8] Poongodi, M., Manjula, L., Pradeepkumar, S, Umadevi, M.
(2012). "Research Article Cancer Prediction Technique Using
Fuzzy Logic " International Journal of Current Research Vol.4
(Issue 02, pp.106-110).
[9] Rahmat Taufik, S., Sukarman (2008). "Rancang Bangun
Simulator Kendali Lampu Lalu Lintas dengan Logika Fuzzy
Berbasis Mikrokontroler."
[10] Rania Hiary, A. S., Hossam Faris (2012). "Fermentation
Process Modeling Using Takagi-Sugeno Fuzzy Model." Vol.
11 (Issue 8).
[11] Rizkysari Meimaharani, T. L. (2014). "Analisis Sistem
Inference Fuzzy Sugeno Dalam Menentukan Harga Penjualan
Tanah Untuk Pembangunan Minimarket." SIMETRIS Vol. 5,
No 1.
[12] Snehashish Bhattacharjee, S. B. (2013). "A Survey on the
Application of Fuzzy Logic Controller on DC Motor "
International Journal of Application or Innovation in
Engineering & Management (IJAIEM) Volume 2 (Issue 6).
[13] Suparman. 2007. Komputer Masa Depan dan Pengenalan
Artificial Intelegent. Marlan. Andi. Yogyakarta
[14] Uduak A. Umoh , A. A. U. (2014). "Sugeno-Type Fuzzy
Inference Model for Stock Price Prediction." International
Journal of Computer Applications (0975 – 8887) Vol. 103 –
No.3.
