Kecerdasan Buatan Logika Fuzzy Lanjutan.

Slides:



Advertisements
Presentasi serupa
PERTEMUAN KE-2 Penggunaan Matriks dan Transformasi Linear dalam
Advertisements

Himpunan dan Relasi Fuzzy
Mengatasi Ketidakpastian (Uncertainty)
Aljabar Relasional.
Jurusan Teknik Informatika Samuel Wibisono
LOGIKA FUZZY Kelompok Rhio Bagus P Ishak Yusuf
YUSRON SUGIARTO, STP., MP., MSc
LOGIKA FUZZY.
Fuzzy Systems.
KONSEP DAN OPERASI HIMPUNAN
LOGIKA FUZZY .
Teori Himpunan (Set Theory)
LOGIKA FUZZY.
Logika fuzzy.
Kecerdasan Buatan #10 Logika Fuzzy.
Pasangan terurut perkalian himpunan & rELASI
MATEMATIKA DASAR Ismail Muchsin, ST, MT
KECERDASAN BUATAN LOGIKA FUZZY (Fuzzy Logic) Edy Mulyanto.
LOGIKA FUZZY (Lanjutan)
FUZIFIKASI ( Lanjutan )
Dosen Pembimbing Gisoesilo Abudi
Kode MK :TIF , MK : Fuzzy Logic
LOGIKA FUZZY Oleh I Joko Dewanto
LOGIKA FUZZY ABDULAH PERDAMAIAN
FUZZY INFERENCE SYSTEMS
HIMPUNAN.
dan Transformasi Linear dalam
Persamaan Kuadrat Surakarta, 21 Mei 2013.
Pertemuan 9 Logika Fuzzy.
Logika Fuzzy Jurusan Teknik Informatika Samuel Wibisono
RELASI DAN FUNGSI SMP KELAS VIII Di Buat Oleh : Dwi yuli anita.
Sistem Inferensi Fuzzy
LOGIKA MATEMATIKA PENGANTAR LOGIKA FUZZY
VEKTOR (2).
FUZZY INFERENCE SYSTEM (FIS)
KONVOLUSI ROSNY GONYDJAJA.
Matematika Informatika 1
Teori Himpunan (Set Theory)
Pertemuan 20 OPERASI PADA HIMPUNAN FUZZY
<KECERDASAN BUATAN>
Fuzzy logic Fuzzy Logic Disusun oleh: Tri Nurwati.
Fungsi Persamaan, dan Pertidaksamaan Kuadrat
Aljabar Relasional.
Pertemuan 9 Logika Fuzzy.
Oleh : Yusuf Nurrachman, ST, MMSI
RELASI, FUNGSI & KORESPONDENSI 1-1
Logika Fuzzy.
METODE FIS Pertemuan Ke-5.
KECERDASAN BUATAN PERTEMUAN 8.
HEMDANI RAHENDRA HERLIANTO
DIAGRAM VENN Diagram Venn adalah penggambaran secara visual untuk melihat beberapa himpunan. Diagram venn ini pertama kali ditemukan oleh ahli matematika.
Sistem Inferensi Fuzzy
Operasi Himpunan Fuzzy
LA – RELASI 01.
Fuzzy Systems – Bagian 1 Ide dasar fuzzy systems adalah fuzzy sets dan fuzzy logic. Fuzzy logic sudah lama dipikirkan oleh para filsuf Yunani kuno. Plato:
Sistem Berbasis Aturan Fuzzy
Sistem Pakar teknik elektro fti unissula
LA – RELASI 01 Prepared by eva safaah.
LOGIKA MATEMATIKA PENGANTAR LOGIKA FUZZY.
VEKTOR.
09 Fungsi dan Grafik Fungsi Kuadrat Ir. Pranto Busono M.Kom. FASILKOM
Penalaran Logika Fuzzy
Operator Himpunan Fuzzy
Lanjutan-1 FUNGSI KEANGGOTAAN
Program Linier - Daerah Fisibel Tak Terbatas
Logika Fuzzy Dr. Mesterjon,S.Kom, M.Kom.
FUNGSI PENERIMAAN TOTAL
FUZZY SYSTEM.
Logika Fuzzy Pertemuan 13
FUZZY. Pendahuluan ■Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy. ■Lotfi.
Transcript presentasi:

Kecerdasan Buatan Logika Fuzzy Lanjutan

Tipe tipe fungsi keanggotaan FUNGSI KEANGGOTAAN 1. Fungsi segitiga Fungsi ini merupakan fungsi keanggotaan yang paling sederhana. Didiskripsikan dengan tiga parameter, P = [ a, b, c ] , a : proyeksi titik sudut paling kiri ke sumbu mendatar, b : proyeksi titik puncak ke sumbu mendatar, c : proyeksi titik sudut paling kanan ke sumbu mendatar, FUNGSI KEANGGOTAAN a b c

2) Fungsi trapesoid Dengan empat parameter P = [a, b, c, d], a, b, c dan d adalah proyeksi titik titik sudut trapesium pada sumbu mendatar 3) Fungsi Bell umum, P = [a, b, d] a b c d P = [ 1, 5, 7, 8 ] Slope b/2a P = [ 2, 4, 6 ] d-a d d+a

4) Fungsi Gaussian Fungsi ini mempunyai dua parameter P = [a, d] 2 0,8 2

5) Fungsi Sigmoid P = [a, b ] P = [2, 4] 2 4 Gb 1:   harga parameter a   0.03, 0.07, 0.4 dan 0.99 untuk harga b = 10 tetap. Gb 2:   harga parameter b -10, 0, 5 dan 25 untuk harga a = 0.1 tetap

Operasi2 Dasar Himpunan Fuzzy Equality A = B A (x) = B (x) untuk seluruh x  X Complement B = A’ B (x) = 1 - A(x) untuk seluruh x  X Containment A  B A (x)  B (x) untuk seluruh x  X Union A B A  B (x) = max(A (x), B (x)) untuk seluruh x  X Intersection A  B A  B (x) = min(A (x), B (x)) untuk seluruh x  X

A’ = (1- 0.5) = 0.5 A’ A 0,5 mA=0.5, mB=0.8 A  B 0,8 0,5 A  B A B 0,8 A V B = max(0.5, 0.8) = 0.8 0,5 A ^ B = min(0.5, 0.7) = 0.5

A = {1/a, 0.3/b, 0.2/c 0.8/d, 0/e} B = {0.6/a, 0.9/b, 0.1/c, 0.3/d, 0.2/e} Complement: A = {1/a, 0.3/b, 0.2/c 0.8/d, 0/e} A = {0/a, 0.7/b, 0.8/c 0.2/d, 1/e} Union: A  B = {1/a, 0.9/b, 0.2/c, 0.8/d, 0.2/e} Intersection: A  B = {0.6/a, 0.3/b, 0.1/c, 0.3/d, 0/e}

A B A and B 0 0 0 0 1 0 0 0 1 1 1 A B A or B 0 0 0 0 1 1 0 1 A not A 1 0 1-A max(A,B) min(A,B) Operasi AND, OR dan NOT pada logika tajam biner mA mA mA mB mB mA and B mA and B mnot A

RELASI FUZZY Relasi fuzzy R menyatakan hubungan antar himpunan himpunan . Contoh : Bila X dan Y adalah dua himpunan, maka himpunan R dalam product space X x Y adalah relasi antara X dan Y. - Bila X = Y, maka R disebut relasi biner dalam universe X. Bila himpunan himpunan tersebut berasal dari n-universe yang berbeda, maka R adalah himpunan fuzzy dalam product space n-dimensi, dengan fungsi keanggotaan n-dimensi. Relasi R memetakan setiap elemen dalam product space ke harga derajat keanggotaan antara 0 dan 1. Untuk relasi dua himpunan fuzzy dalam universe X dan Y (n = 2),

RELASI FUZZY Relasi R mengekspresikan hubungan antar himpunan (elemen elemen himpunan). Dalam relasi tajam, kebenaran relasi antar elemen himpunan dinyatakan dengan nilai “1” (bila benar), atau nilai 0 (bila salah). Bila konsep ini diperluas untuk berbagai derajat kebenaran , maka kita dapatkan relasi fuzzy. Contoh (1) relasi tajam Himpunan tajam X = { 1 , 2 , 3 } dan Y = { 2 , 3 , 4 } , dengan relasi R : “ x < y “ , dan derajat kebenaran relasi “0” atau “1” , maka matriks relasinya adalah 1 3 2 4 y x

asosiasi derajat kebenaran “hijau itu mentah” 1 “kuning itu masak” 0,4 Contoh 3 Relasi fuzzy : Himpunan tajam warna tomat X = { hijau , kuning , merah } Himpunan tajam kematangan Y = { mentah , mengkal , masak } Relasi R : “asosiasi antar warna dan kematangan “ dengan derajat kebenaran 0 < m < 1 , 1 0,2 merah 0,4 0,3 kuning 0,5 hijau masak mengkal mentah Y X asosiasi derajat kebenaran “hijau itu mentah” 1 “kuning itu masak” 0,4 “merah itu mengkal” 0,2

mR (1,20) = 1 25 0,5 12 1 0,6 0,4 20 10 3 y x derajat keanggotaan 25 0,5 12 1 0,6 0,4 20 10 3 y x derajat keanggotaan mR (1,20) = 1 Contoh 4 Relasi Fuzzy : Dua himpunan tajam X: {1, 12, 25} dan Y: {3, 10, 20} Dengan relasi R: “x jauh lebih kecil dari y”, dan derajat kebenaran relasi 0 < m < 1 , maka relasi R adalah himpunan fuzzy dengan pasangan pasangan (x, y) sebagai anggotanya, dengan derajat keanggotaan mR(x,y) yang menunjukkan derajat kebenaran relasi tersebut bagi elemen ( x, y) Matriks relasi : x < y x > y

Contoh 5 Relasi fuzzy : X dan Y adalah dua himpunan yang sama (misal himpunan angkatan 2005). Relasi R: “ x mirip y” Matriks relasinya : 0,0 0,5 1,0 1,0 1,0 1,0

þ ý ü î í ì + = 9 . , 5 y B x A mAxB(x1,y1) mAxB(x1,y2) mAxB(x2,y1) Relasi antar Himpunan Fuzzy Bila A adalah himpunan fuzzy di universe X dan B adalah himpunan fuzzy di universe Y, þ ý ü î í ì + = 2 1 9 . , 5 y B x A Maka cartesian product antar kedua himpunan adalah relasi R , Dengan derajat keanggotaan mAxB(x1,y1) mAxB(x1,y2) = mAxB(x2,y1) mAxB(x2,y2)

KOMPOSISI Komposisi adalah operasi terhadap relasi relasi fuzzy R1 o R2 simbol komposisi Misal, R1 adalah relasi yang didefinisikan dalam product-space X x Y dan R2 adalah relasi yang didefinisikan dalam product-space Y x Z . Hasil komposisi R1 o R2 , adalah sebuah himpunan fuzzy yang anggotanya adalah pasangan-pasangan (x, z), dan derajat keanggotaannya dapat dihitung berdasarkan : operasi max min simbol komposisi Komposisi max-min

Komposisi relasi R1 dan relasi R2 T = R1 o R2 X Y Z T = R1 o R2 R1 R2 Max-Min Composition: Max-Product Composition:

Komposisi max-product operasi perkalian max Catatan : Ada banyak cara perhitungan derajat keanggotaan hasil komposisi

Contoh : Himpunan fuzzy X = { a, b, c } Himpunan fuzzy Y = { d, e, f, g } Himpunan fuzzy Z = { p, q } relasi R1 relasi R2 R1 d e f g a 0,6 0,2 0,1 b 0.1 0,7 0,9 c 0,8 0,3 R2 p q d 0,3 e 0,6 0,2 f 0,7 0,4 g 0.1 0,1 Hasil komposisi R1 dan R2 : R1 o R2 = { (a,p), (a,q), (b,p), (b,q), (c,p), (c,q) } , anggota himpunan dengan derajat keanggotaan :

mR1oR2 (a,p) = Vy ( mR1(a,y) mR2 (y,p) ) = 0,3 Perhitungan derajat keanggotaan berdasarkan Komposisi Max-min mR1oR2 (a,p) = Vy ( mR1(a,y) mR2 (y,p) ) = 0,3 V ( mR1(a,d) mR2 (d,p) ) = ( 0,6 0,3) = 0,3 V V max ( mR1(a,e) mR2 (e,p) ) = ( 0,2 0,6) = 0,2 V V ( mR1(a,f) mR2 (f,p) ) = ( 0,1 0,7) = 0,1 V V ( mR1(a,g) mR2 (g,p) ) = ( 0 0,1 ) = 0 V V mR1oR2 (a,q) = Vy ( mR1(a,y) mR2 (y,q) ) = . . . V mR1oR2 (b,p) = Vy ( mR1(b,y) mR2 (y,p) ) = . . . V mR1oR2 (b,q) = Vy ( mR1(b,y) mR2 (y,q) ) = . . . V mR1oR2 (c,p) = Vy ( mR1(c,y) mR2 (y,p) ) = . . . V mR1oR2 (c,q) = Vy ( mR1(c,y) mR2 (y,q) ) = . . . V

)) , ( ) z y x c Ù Ú = ú û ù ê ë é Ú ) , ( 1 = 4 3 2 y S x R T Contoh Komposisi Max-Min : )) , ( ) z y x S R Y T c Ù Ú = Î ú û ù ê ë é Ú ) , ( 1 = 4 3 2 z y S AND x1 x2 x3 x R T OR Bila x1 memiliki relasi dengan y3 dan y3 memiliki relasi dengan z2, maka x1 memiliki relasi dengan z2

é ù . 3 ê ú ê ú S ê ú 1 ê ú ê ú ë û ú û ù ê ë é = 4 . T z 1 z 2 y 1 y . 3 x 1 . 5 . 4 ê ú y 2 ê ú R = x 2 . 8 S = ê ú y 3 1 x 3 ê ú y 4 ê ú ë û Komposisi Max-Min : Bila x1 memiliki relasi dengan { y1, y2, y3, y4 } dengan derajat keanggotaan {0.5 , 0 , 0.4 , 0} dan y memiliki relasi dengan z2 dengan derajat keanggotaan { 0.3 , 0 , 1 , 0 }, mk relasi antara x1 dan z2 adalah max ( min( 0.5 , 0.3) , min( 0 , 0), min( 0.4 , 1), min( 0 , 0)) = max ( 0.3, 0 , 0.4 , 0 ) z 1 z 2 ú û ù ê ë é = 4 . T x 1 x 2 lts05 x 3

Latihan : Hitung Komposisinya !