In various types of statistical analysis, the Weibull distribution is an important continuous probability distribution. One crucial aspect of studying this distribution is estimating its parameters. The maximum likelihood method is the approach used for the two-parameter Weibull distribution. This method aims to determine the parameter values by maximizing the likelihood function based on the available data. The advantages of the maximum likelihood method lie in its properties, such as consistency, efficiency, and asymptotic normality. Since the form of the likelihood function in the Weibull distribution is quite complex and cannot be solved analytically, numerical solutions are required. One approach used is the Newton-Raphson method, which serves to approximate the parameter values or find the optimal solution.

Clustering is one of the fields of study that discusses data. Clustering is used to find and group data based on its traits or characteristics. Clustering can also be used for class-identified data. However, the clustering method automatically clusters the data before the class identifier is known. Based on the data obtained, the city of Medan, which has a population of approximately 2,460,858 people and an area of 26,510 hectares or 3.6% of the total area of North Sumatra Province, is classified as Flood-prone (BPS). Floods that occur almost 10 to 12 times a year in Medan City are influenced by the condition of the downstream Deli and Belawan rivers. Based on the results of the k-means clustering that has been carried out, the areas that are safe from flooding are the districts of Meddan Amplas, Medan Denai, Medan Area, Medan Kota, Medan Petisah, Medan Perjuangan, Medan Tembung, Medan Deli, and Medan Labuhan. Areas prone to flooding are Medan Tuntungan, Medan Sunggal, Medan Helvetia, West Medan, and Medan Marelan. Meanwhile, the areas most prone to flooding are Medan Johor, Medan Maimun, Medan Polonia, Medan Baru, Medan Selayang, Medan Timur, and Medan Belawan based on the evaluation of the accuracy of the silhouette method of 0.9 and can be declared significant.

Pencucian pakaian merupakan salah satu proses yang penting dalam kehidupan sehari-hari. Meskipun mesin cuci otomatis telah memberikan kemudahan dalam melakukan proses pencucian, penggunaan teknologi terbaru seperti kontrol logika fuzzy dapat meningkatkan kinerja mesin cuci pintar untuk mencapai hasil pencucian yang optimal. Penelitian ini bertujuan untuk mengimplementasikan kontrol logika fuzzy dengan metode Mamdani pada mesin cuci pintar guna meningkatkan efisiensi dan kualitas pencucian. Metode penelitian ini terdiri dari beberapa tahap, pertama, melakukan analisis terhadap variabel-variabel yang mempengaruhi proses pencucian, seperti beban pakaian, ketebalan pakaian, tingkat kekotoran, dan suhu air. Selanjutnya merancang sistem kontrol logika fuzzy Mamdani dengan menentukan fungsi keanggotaan untuk setiap variabel serta membuat aturan-aturan fuzzy untuk menghubungkan variabel input dan output dan yang terakhir melakukan evaluasi hasil pencucian terhadap variabel input yang telah ditentukan. Hasil penelitian menunjukkan bahwa implementasi kontrol logika fuzzy Mamdani pada mesin cuci pintar dapat meningkatkan kualitas pencucian yang signifikan dan adaptif dalam menentukan parameter-parameter pencucian dengan menghasilkan kualitas pencucian yang lebih bersih. Dengan demikian integrasi kontrol logika fuzzy Mamdani pada mesin cuci cerdas memiliki potensi meningkatkan kinerja pencucian secara keseluruhan. Kesimpulannya, penggunaan kontrol logika fuzzy Mamdani pada mesin cuci pintar merupakan langkah yang efektif untuk meningkatkan efisiensi dan efektivitas pencucian pakaian. Penelitian ini memberikan kontribusi dalam pengembangan teknologi mesin cuci pintar yang lebih adaptif dan ramah lingkungan, serta memberikan kontribusi penting dalam pengembangan teknologi dalam bidang kontrol logika fuzzy untuk aplikasi rumah tangga pintar lainnya.