Professional Documents
Culture Documents
SYSTEMS
Logika Fuzzy
Jurusan Teknik Informatika
Samuel Wibisono
1
Mekanisme FIS
2
Pokok Bahasan
Metode Mamdani
Metode Sugeno
3
Metode Mamdani
Metode Mamdani sering juga dikenal dengan
nama Metode Max-Min.
Menggunakan MIN pada fungsi implikasi, dan
MAX pada komposisi antar fungsi implikasi.
Diperkenalkan oleh Ebrahim Mamdani pada
tahun 1975.
4
Langkah-langkah FIS: MAMDANI
5
FUNGSI IMPLIKASI
Bentuk umum:
Min (minimum)
Dot (product)
7
1. MIN (Minimum)
8
2. DOT (Product)
9
Metode Komposisi
Metode Max
Metode Additive
Metode Probabilistik OR (PROBOR)
10
1. Metode MAX (Maximum)
Solusi himpunan fuzzy diperoleh dengan cara mengambil nilai
maksimum aturan, kemudian menggunakannya untuk
memodifikasi daerah fuzzy, dan mengaplikasikannya ke output
dengan menggunakan operator OR (union).
Secara umum dapat dituliskan:
msf[xi] max(msf[xi], mkf[xi])
dengan:
msf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
mkf[xi] = nilai keanggotaan konsekuen fuzzy aturan ke-i;
11
Contoh:
12
2. Aplikasi op. fuzzy 3. Aplikasi metode implikasi (min)
1. Input fuzzy
(and = min)
rendah naik bertambah
IF biaya produksi RENDAH AND permintaan NAIK THEN produksi barang BERTAMBAH
standar normal
13
2. Metode ADDITIVE
Solusi himpunan fuzzy diperoleh dengan cara melakukan
bounded-sum terhadap semua output daerah fuzzy.
Secara umum dituliskan:
msf[xi] min(1,msf[xi]+ mkf[xi])
dengan:
msf[xi] = nilai keanggotaan solusi fuzzy sampai
aturan ke-i;
mkf[xi] = nilai keanggotaan konsekuen fuzzy
aturan ke-i
14
3. Metode PROBABILISTIK OR (PROBOR)
dengan:
msf[xi] = nilai keanggotaan solusi fuzzy sampai
aturan ke-i;
mkf[xi] = nilai keanggotaan konsekuen fuzzy
aturan ke-i;
15
PENEGASAN (DEFUZZY)
Input dari proses defuzzifikasi adalah
suatu himpunan fuzzy yang diperoleh dari
komposisi aturan-aturan fuzzy.
Sedangkan output yang dihasilkan
merupakan suatu bilangan pada domain
himpunan fuzzy tersebut.
Jika diberikan suatu himpunan fuzzy
dalam range tertentu, maka harus dapat
diambil suatu nilai crsip tertentu sebagai
output
16
17
1. Metode CENTROID
Solusi crisp diperoleh dengan cara
mengambil titik pusat daerah fuzzy C.
n
zm
n
z i * m C (z i ) C ( z )dz
z i0
1
z n
n
m C (z i )
i 0
m
1
C ( z )dz
18
2. Metode BISEKTOR
Solusi crisp diperoleh dengan cara
mengambil nilai pada domain fuzzy yang
memiliki nilai keanggotaan separo dari
jumlah total nilai keanggotaan pada daerah
fuzzy C.
p n
z p sdh
1
m C (z)dz
p
m C (z)dz
19
3. Metode MEAN OF MAXIMUM (MOM)
Solusi crisp diperoleh dengan cara
mengambil nilai rata-rata domain pada
himpunan C yang memiliki nilai
keanggotaan maksimum.
20
4. Metode SMALLEST OF MAXIMUM
(SOM)
Solusi crisp diperoleh dengan cara
mengambil nilai terkecil dari domain pada
himpunan C yang memiliki nilai
keanggotaan maksimum.
21
5. Metode LARGEST OF MAXIMUM
(LOM)
22
MIN
m[x] A1 m[y] B3 m[z] C3 m[z]
1 1 1 1
C3
0 0 0 0
Var-1 Var-2 Var-3 Var-3
C2
0 0 0 0
Var-1 Var-3 Var-3
MAX
m[z]
1
0
23
CONTOH …
24
Apabila proses produksi perusahaan tersebut menggunakan 3 aturan
fuzzy sbb:
25
1. Membuat himpunan dan input fuzzy
26
A. Variabel Biaya Produksi
m[x] 1
0,68
0,32
0
0 250 500 750 800 1000
biaya produksi (Rp)
27
Jika biaya produksi sebesar Rp 800,- maka nilai
keanggotaan fuzzy pada tiap-tiap himpunan adalah:
Himpunan fuzzy RENDAH, mBPRendah[800]= 0,0
Himpunan fuzzy STANDAR, mBPStandar[800]=0,32
diperoleh dari:
p(800;500,500) = S(800;500,750,1000)
= 2[(1000-800)/(1000-500)]2
= 0,32
28
B. Variabel Permintaan
TURUN BIASA NAIK
m[x]
0,25
0
0 10 25 30 35 50 60
permintaan (x1000 kemasan per hari)
29
Jika permintaan sebanyak 25000 kemasan per hari,
maka nilai keanggotaan fuzzy pada tiap-tiap himpunan
adalah:
Himpunan fuzzy TURUN, mPmtTurun[25]=0,25
diperoleh dari:
= (30-25)/(30-10)
= 5/20
= 0,25
Himpunan fuzzy BIASA, mPmtBiasa[25]=0
Himpunan fuzzy NAIK, mPmtNaik[25]=0
30
C. Variabel Produksi Barang
Derajat
keanggotaan
m[x]
0
0 10 30 50 70 90 100
produksi barang (x1000 kemasan per hari)
31
Nilai keanggotaan fuzzy pada tiap-tiap himpunan dirumuskan:
Himpunan fuzzy BERKURANG:
1; z 10
m PBBerkurang [z] (50 z) / 40; 10 z 50
0; z 50
Himpunan fuzzy NORMAL:
0; z 50
m PBBertambah[z] (z 50) / 40; 50 z 90
1; z 90
32
2. Aplikasi operator fuzzy
A. Aturan ke-1:
33
B. Aturan ke-2:
34
C. Aturan ke-3:
35
3. Aplikasi fungsi implikasi
A. Aturan ke-1:
36
B. Aturan ke-2:
0,32 = (z-30)/20
0,05z = 1,82
z = 36,4
atau
0,32 = (70-z)/20
0,05z = 3,18
z = 63,6
Sehingga:
0; (z 30) atau (z 70)
(z 30) / 20; 30 z 36,4
m KFR2
0,32 36,4 z 63,6
(70 z ) / 20; 63,6 z 70
37
C. Aturan ke-3:
0,25 = (50-z)/40
0,025z = 1,00
z = 40
Sehingga:
0,25; z 40
m KFR3 (50 z) / 40; 40 z 50
0; z 50
38
3. Komposisi semua output
Untuk melakukan komposisi semua output fuzzy dilakukan dengan
menggunakan metode MAX.
Sehingga:
0,25; z 35
(z 30) / 20; 35 z 36,4
m SF 0,32; 36,4 z 63,6
(70 z ) / 20; 63,6 z 70
0; z 70
39
4. Penegasan (Defuzzy)
40
D2
D3
D1 D4
41
Menghitung Momen:
35 35
M1 (0,25)z dz 0,125z 2
153,125
0
0
36,4
36,4 36,4
M2 (0,05z 1,5)z dz (0,05z 2 1,5z ) dz 0,0167z 3 0,75z 2 14,43418
35 35 35
63,6 63,6
(0,32)z dz 0,16z
2
M3 435,2
36,4
36,4
70
70 70
(0,05z 3,5)z dz (0,05z
2
M4 3,5z ) dz 0,0167z 3 1,75z 2 64,45292
63,6 63,6 63,6
42
Menghitung Luas:
A1 = 35*0,25 = 8,75
A2 = (0,25+0,32)*(36,4-35)/2 = 0,399
A3 = (63,6-36,4)*0,32 = 8,704
A4 = (70-63,6)*0,32/2 = 1,024
44
Model Fuzzy Sugeno Orde-Nol
Secara umum bentuk model fuzzy SUGENO Orde-Nol
adalah:
IF (x1 is A1) (x2 is A2) ...... (xN is AN)
THEN z=k
45
Model Fuzzy Sugeno Orde-Satu
Secara umum bentuk model fuzzy SUGENO Orde-Satu
adalah:
IF (x1 is A1) ...... (xN is AN)
THEN z = p1*x1 + … + pN*xN + q
46
CONTOH …
47
[R1] IF permintaan TURUN And persediaan BANYAK
THEN produksi barang = 10000;
48
1. Membuat himpunan dan input fuzzy
Ada 3 variabel fuzzy yang akan dimodelkan, yaitu:
a. Permintaan; terdiri-atas 2 himpunan fuzzy,
yaitu: NAIK dan TURUN.
b. Persediaan; terdiri-atas 2 himpunan fuzzy,
yaitu: BANYAK dan SEDIKIT.
c. Produksi Barang
49
A. Variabel Permintaan
TURUN NAIK
1
m[x]
0,5
0,08
0
0 45 60 75
permintaan per hari (x1000 kaleng)
50
Jika Permintaan 60000 maka nilai
keanggotaan fuzzy pada tiap-tiap himpunan
adalah:
Himpunan fuzzy TURUN, mPmtTurun[60] = 0,08.
Himpunan fuzzy NAIK, mPmtNaik[60] = 0,5.
diperoleh dari:
= 2[(60-75)/(75-45)]2
= 0,5
51
B. Variabel Persediaan
SEDIKIT BANYAK
1
m[x]
0,5
0,25
0
0 2 5 8 10 11 13
persediaan (x1000 kemasan per hari)
52
Jika Persediaan sebanyak 8000 kemasan per
hari, maka nilai keanggotaan fuzzy pada tiap-
tiap himpunan adalah:
Himpunan fuzzy SEDIKIT, mPsdSedikit[8] = 0,25.
diperoleh dari:
= (10-8)/(10-2)
= 0,25
53
2. Aplikasi operator fuzzy
A. Aturan ke-1:
Produksi barang = 10
54
B. Aturan ke-2:
55
C. Aturan ke-3:
a3 = mPredikatR3
= min(mPmtNaik[60],mPsdBanyak[8])
= min(0,5;0,5)
= 0,5
Produksi barang = 60 – 8 = 52
56
3. Penegasan (Defuzzy)
57