FUZZY INFERENCE SYSTEM (FIS)

Slides:



Advertisements
Presentasi serupa
Sistem kontrol penyiram air
Advertisements

<Artificial intelligence>
Fuzzy logic.
SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2011
Logika Fuzzy.
Sistem Inferensi Fuzzy
Logika Fuzzy.
FUZZY INFERENCE SYSTEMS
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA BAGI MAHASISWA BERBASIS LOGIKA FUZZY ADE SYAYUTI MANNAF K
FUZZY INFERENCE SYSTEMS
LOGIKA FUZZY Kelompok Rhio Bagus P Ishak Yusuf
Logika Fuzzy.
LOGIKA FUZZY PERTEMUAN 3.
Penalaran Mamdani dan Tsukamoto Pada pendekatan Fuzzy Inference System
LOGIKA FUZZY .
CONTOH PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno
FUZZY LOGIC LANJUTAN.
Kuliah Sistem Fuzzy Pertemuan 5 “Sistem Inferensi Fuzzy”
Intelligent Control System (Fuzzy Control)
Logika Fuzzy.
Kecerdasan Buatan Logika Fuzzy.
Logika fuzzy.
KECERDASAN BUATAN LOGIKA FUZZY (Fuzzy Logic) Edy Mulyanto.
LOGIKA FUZZY (Lanjutan)
Kode MK :TIF , MK : Fuzzy Logic
LOGIKA FUZZY Oleh I Joko Dewanto
LOGIKA FUZZY ABDULAH PERDAMAIAN
FUZZY INFERENCE SYSTEMS
FUZZY INFERENCE SYSTEMS
Model Fuzzy Mamdani.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
CARA KERJA SISTEM PAKAR
Logika Fuzzy.
FUZZY TSUKAMOTO UTHIE.
FUZZY INFERENCE SYSTEM (FIS) - MAMDANI
FIS – Metode SUGENO Pert- 6.
Sistem Inferensi Fuzzy
REASONING FUZZY SYSTEMS.
FUZZY INFERENCE SYSTEM (FIS)
Kuliah Sistem Fuzzy Pertemuan 8 “Adaptive Neuro Fuzzy System”
Kode MK : TIF01405; MK : Kecerdasan Buatan
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
FUZZY INFERENCE SYSTEM (FIS) - SUGENO
<KECERDASAN BUATAN>
Fuzzy logic Fuzzy Logic Disusun oleh: Tri Nurwati.
SISTEM FUZZY.
DASAR FUZZY.
Perhitungan Membership
METODE FIS Pertemuan Ke-5.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
Penyusun: Tri Nurwati (dari segala sumber :)
HEMDANI RAHENDRA HERLIANTO
Sistem Inferensi Fuzzy
Operasi Himpunan Fuzzy
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
Rusmala, S.Kom., M.Kom Pertemuan 9, 10, 11
Contoh Penerapan Fuzzy System 1
Sistem Pakar teknik elektro fti unissula
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
FUZZY INFERENCE SYSTEM (FIS) - SUGENO
METODE FIS Pertemuan Ke-5.
FUZZY TSUKAMOTO UTHIE.
CCM110 Matematika Diskrit Pertemuan-11, Fuzzy Inference System
Fuzzy Expert Systems.
Penalaran Logika Fuzzy
FUZZY TSUKAMOTO UTHIE.
Operator Himpunan Fuzzy
Logika Fuzzy Dr. Mesterjon,S.Kom, M.Kom.
DASAR FUZZY.
LOGIKA FUZZY. Definisi Logika Fuzzy adalah peningkatan dari logika Boolean yang mengenalkan konsep kebenaran sebagian. Di mana logika klasik menyatakan.
Transcript presentasi:

FUZZY INFERENCE SYSTEM (FIS) 17/9/2015 Kode MK :TIF ........, MK : Fuzzy Logic

Kode MK :TIF ........, MK : Fuzzy Logic OUTLINE Pendahuluan FIS Mekanisme FIS Penalaran Monoton Fungsi Implikasi Diagram Blok Sistem Fuzzy Arsitektur FIS Macam-macam FIS 17/9/2015 Kode MK :TIF ........, MK : Fuzzy Logic

PEDAHULUAN FIS Memetakan sebuah ruang input ke dalam ruang output dengan menggunakan IF-THEN rules. Pemetaan dilakukan dalam suatu Sistem Inferensi Fuzzy (Fuzzy Inference System/ fuzzy inference engine/FIS ) FIS adalah sistem yang dapat mengevaluasi semua rule secara simultan untuk menghasilkan kesimpulan dan urutan rule bisa sembarang. Semua aturan atau rule harus didefinisikan lebih dahulu sebelum membangun sebuah FIS yang akan digunakan untuk menginterprestasikan sebuah rule tersebut. 11/08/2011 Logika Fuzzy

MEKANISME FIS Fuzzy Inference Systems (FIS) FUZZYFIKASI DEFUZZY OUTPUT RULES AGREGASI DEFUZZY INPUT (CRISP) OUTPUT 11/08/2011 Logika Fuzzy

ISTILAH-ISTILAH FIS Fuzzification : Fuzzification mengubah masukan-masukan yang nilai kebenarannya bersifat pasti (crisp input) ke dalam bentuk fuzzy input , berupa nilai linguistic dan semantiknya ditentukan berdasarkan fungsi keanggotaan tertentu. Inference : Evaluasi kaidah/aturan/rule fuzzy untuk menghasilkan output dari tiap rule Inference melakukan penalaran menggunakan fuzzy input dan fuzzy rules yang telah ditentukan sehingga menghasilkan fuzzy output 16/12/2010 Revisi 01 Kapita Selekta

ISTILAH-ISTILAH FIS Composisi : Agregasi atau kombinasi dari output semua rule Defuzzification : mengubah fuzzy output menjadi crisp value berdasarkan fungsi keanggotaan yang telah ditentukan 16/12/2010 Revisi 01 Kapita Selekta

PENALARAN MONOTON Metode Penalaran secara monoton digunakan sebagai dasar untuk teknik implikasi fuzzy. Jika 2 daerah fuzzy direlasikan dengan implikasi sederhana sebagai berikut: IF x is A THEN y is B transfer fungsi: y = f((x,A),B) maka sistem fuzzy dapat berjalan tanpa harus melalui komposisi dan dekomposisi fuzzy. Nilai output dapat diestimasi secara langsung dari derajat keanggotaan yang berhubungan dengan antesedennya. 11/08/2011 Logika Fuzzy

m[x] m[y] 58 TINGGI 1 [0,75] 150 165 170 Tinggi badan (cm) BERAT 1 m[x] 1 150 165 170 Tinggi badan (cm) TINGGI [0,75] m[y] 1 35 70 Berat badan (Kg) BERAT [0,75] 58 11/08/2011 Logika Fuzzy

FUNGSI IMPLIKASI Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan berhubungan dengan suatu relasi fuzzy. Bentuk umum nya adalah : IF x is A THEN y is B dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Proposisi yang mengikuti IF disebut anteseden, sedangkan proposisi yang mengikuti THEN disebut konsekuen. 11/08/2011 Logika Fuzzy

FUNGSI IMPLIKASI Min (minimum) fungsi ini akan memotong output himpunan fuzzy. Dot (product) fungsi ini akan menskala output himpunan fuzzy. 11/08/2011 Logika Fuzzy

DIAGRAM BLOK SISTEM BERBASIS ATURAN Fuzzification Inference Defuzzification Fuzzy input Fuzzy output Crisp value Fuzzy Rules Output µ Crisp Input µ 11/08/2011 Logika Fuzzy

ARSITEKTUR FUZZY SISO (Single Input Single Output) SIMO (Single Input Multi Outpuy) MISO (Multi Input Single Output) MIMO (Multi Input Multi Output) 11/08/2011 Logika Fuzzy

MACAM-MACAM METODE FIS Metode FIS-Tsukamoto Metode FIS-Mamdani Metode FIS-Sugeno 11/08/2011 Logika Fuzzy