FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO

Slides:



Advertisements
Presentasi serupa
Contoh Kasus Fuzzy dalam menentukan Jumlah Produksi Barang berdasarkan Jumlah Permintaan konsumen dan Jumlah Barang yang tersedia di gudang.
Advertisements

SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2011
Bahan Kuliah IF4058 Topik Khusus IF
FUZZY INFERENCE SYSTEMS
Jurusan Teknik Informatika Samuel Wibisono
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
Kuliah Sistem Fuzzy Pertemuan 5 “Sistem Inferensi Fuzzy”
Intelligent Control System (Fuzzy Control)
Logika Fuzzy.
Kuliah Sistem Fuzzy Pertemuan 6
Model Fuzzy Tsukamoto.
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)
KECERDASAN BUATAN (Artificial Intelligence) Materi 5
CARA KERJA SISTEM PAKAR
Logika Fuzzy.
FUZZY TSUKAMOTO UTHIE.
FUZZY INFERENCE SYSTEM (FIS) - MAMDANI
Kode MK :TIF , MK : Fuzzy Logic
Sistem Inferensi Fuzzy
FUZZY INFERENCE SYSTEM (FIS)
FUZZY INFERENCE SYSTEM (FIS)
Kode MK : TIF01405; MK : Kecerdasan Buatan
FUZZY SIMPLE ADDITIVE WEIGHTING (FSAW)
FUZZY INFERENCE SYSTEM (FIS) - SUGENO
<KECERDASAN BUATAN>
DASAR FUZZY.
LATIHAN 1 (kelompok 1 – 3) Permintaan terbesar 6000 kemasan/hari, permintaan terkecil 2000 kemasan/hari Persediaan barang digudang terbanyak mencapai 700.
Penggunaan Toolbox Matlab menyelesaikan kasus sistem uzzy
LOGIKA FUZZY Dosen Pengampu : Dian Tri Wiyanti, S.Si, M.Cs
Oleh : Yusuf Nurrachman, ST, MMSI
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
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
FUZZY INFERENCE SYSTEM (FIS) - SUGENO
CCM110, MATEMATIKA DISKRIT Pertemuan 13-14, Sistem Fuzzy
METODE FIS Pertemuan Ke-5.
FUZZY TSUKAMOTO UTHIE.
CCM110 Matematika Diskrit Pertemuan-11, Fuzzy Inference System
Logika Fuzzy (Fuzzy Inference System)
Fuzzy Expert Systems.
Penalaran Logika Fuzzy
FUZZY TSUKAMOTO UTHIE.
Operator Himpunan Fuzzy
Logika Fuzzy Dr. Mesterjon,S.Kom, M.Kom.
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) - TSUKAMOTO 17/9/2015 Kode MK :TIF ........, MK : Fuzzy Logic

Kode MK :TIF ........, MK : Fuzzy Logic OUTLINE Metode FIS Tsukamoto Langkah-langkah FIS-Tsukamoto Contoh FIS-Tsukamoto 17/9/2015 Kode MK :TIF ........, MK : Fuzzy Logic

METODE FIS-TSUKAMTO setiap konsekuen pada rule yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton output hasil inferensi dari tiap-tiap rule diberikan secara tegas (crisp) berdasarkan -predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. 11/08/2011 Logika Fuzzy

METODE FIS-TSUKAMTO Misal ada 2 var input: var-1 (x), dan var-2 (y); serta 1 var output: var-3 (z). Var-1 terbagi atas himp. A1 & A2; var-2 terbagi atas himp. B1 & B2; var-3 terbagi atas himp. C1 & C2. Ada 2 aturan: If (x is A1) and (y is B2) Then (z is C1) If (x is A2) and (y is B1) Then (z is C2) 11/08/2011 Logika Fuzzy

METODE FIS-TSUKAMTO 11/08/2011 Logika Fuzzy

LANGKAH-LANGKAH PENYELESAIAN METODE FIS-TSUKAMTO Variabel Fuzzy (Input dan Output) Himpunan Fuzzy Fungsi keanggotaan Fungsi Implikasi Aplikasi Operator Fuzzy Penegasan (Defuzification) 11/08/2011 Logika Fuzzy

CONTOH SOAL : Permintaan terbesar 5000 kemasan/hari, permintaan terkecil 1000 kemasan/hari Persediaan barang digudang terbanyak mencapai 600 kemasan/hari, dan terkecil pernah mencapai 100 kemasan/hari Perusahaan baru mampu memproduksi barang maks. 7000 kemasan/hari, untuk efisiensi mesin dan SDM tiap hari diharapkan perusahaan memproduksi paling tidak 2000 kemasan. Berapa kemasan yang harus diproduksi jika jumlah permintaan sebanyak 4000 kemasan, dan persediaan di gudang masih 300 kemasan. 11/08/2011 Logika Fuzzy

METODE FIS-TSUKAMTO Apabila proses produksi perusahaan tersebut menggunakan 4 aturan fuzzy sebagai berikut : [R1] IF Permintaan TURUN And Persediaan BANYAK THEN Produksi Barang BERKURANG [R2] IF Permintaan TURUN And Persediaan SEDIKIT [R3] IF Permintaan NAIK And Persediaan BANYAK THEN Produksi Barang BERTAMBAH [R4] IF Permintaan NAIK And Persediaan SEDIKIT 11/08/2011 Logika Fuzzy

LANGKAH-LANGKAH PENYELESAIAN METODE FIS-TSUKAMTO Variabel Fuzzy (Input dan Output) Himpunan Fuzzy Fungsi keanggotaan Fungsi Implikasi Aplikasi Operator Fuzzy Penegasan (Defuzification) 11/08/2011 Logika Fuzzy

1. Tentukan Variabel Fuzzy & Himpunan fuzzy Ada 3 variabel fuzzy yang akan dimodelkan, yaitu: a. Permintaan; terdiri-atas 2 himpunan fuzzy, yaitu: NAIK dan TURUN. Persediaan; terdiri-atas 2 himpunan fuzzy, yaitu: BANYAK dan SEDIKIT. c. Produksi Barang; terdiri-atas 2 himpunan fuzzy, yaitu: BERKURANG dan BERTAMBAH. 16/12/2010 Fuzzy Logic

A. Variabel Permintaan Fungsi Keanggotaan, Nilai Keanggotaan [4000] 16/12/2010 Fuzzy Logic

Fungsi Keanggotaan Variabel Permintaan Himpunan fuzzy TURUN : Himpunan fuzzy NAIK : 16/12/2010 Fuzzy Logic

Himpunan fuzzy TURUN, mPTurun[4000] = diperoleh dari: Jika permintaan 4000 maka nilai keanggotaan fuzzy pada tiap-tiap himpunan adalah: Himpunan fuzzy TURUN, mPTurun[4000] = diperoleh dari: = (5000 - 4000)/4000 = 0,25 Himpunan fuzzy NAIK, mPNaik[4000] = = (4000 - 1000)/4000 = 0,75 16/12/2010 Fuzzy Logic

Kode MK :TIF ........, MK : Fuzzy Logic B. Variabel Persediaan 17/9/2015 Kode MK :TIF ........, MK : Fuzzy Logic

Fungsi Keanggotaan Variabel Persediaan Himpunan fuzzy SEDIKIT: Himpunan fuzzy BANYAK : 16/12/2010 Fuzzy Logic

Himpunan fuzzy SEDIKIT, mPsdSedikit[300] = 0,6. diperoleh dari: Jika persediaan sebanyak 300 kemasan per hari, maka nilai keanggotaan fuzzy pada tiap-tiap himpunan adalah: Himpunan fuzzy SEDIKIT, mPsdSedikit[300] = 0,6. diperoleh dari: = (600 – 300)/500 = 0,6 Himpunan fuzzy BANYAK, mPsdBanyak[300] = 0,4. diperoleh dari: = (300 - 100)/500 = 0,4 16/12/2010 Fuzzy Logic

C. Variabel Produksi Barang 17/9/2015 Kode MK :TIF ........, MK : Fuzzy Logic

Nilai keanggotaan fuzzy pada tiap-tiap himpunan dirumuskan: Himpunan fuzzy BERKURANG: Himpunan fuzzy BERTAMBAH: 16/12/2010 Fuzzy Logic

2. Aplikasi operator fuzzy Aturan ke-1: [R1] IF Permintaan TURUN And Persediaan BANYAK THEN Produksi Barang = BERKURANG Operator yang digunakan adalah AND, sehingga: a1 = mPredikatR1 = min(mPmtTurun[4000],mPsdBanyak[300]) = min(0,25;0,4) = 0,25 Cari nilai z1, untuk a1 = 0,25; lihat himpunan BERKURANG: 0,25 = (7000 – z1)/5000 z1 = 5750 16/12/2010 Fuzzy Logic

2. Aplikasi operator fuzzy B. Aturan ke-2: [R2] IF Permintaan NAIK And Persediaan SEDIKIT THEN Produksi Barang BERTAMBAH Operator yang digunakan adalah AND, sehingga: a2 = mPredikatR2 = min(mPmtNaik[60],mPsdSedikit[8]) = min(0,5;0,25) = 0,25 Cari nilai z2, untuk a2 = 0,25; lihat himpunan BERTAMBAH: 0,25 = (z2 – 25)/75 z2 = 18,75 + 25 = 43,75 16/12/2010 Fuzzy Logic

2. Aplikasi operator fuzzy C. Aturan ke-3: [R3] IF Permintaan NAIK And Persediaan BANYAK THEN Produksi Barang BERTAMBAH Operator yang digunakan adalah AND, sehingga: a3 = mPredikatR3 = min(mPmtNaik[60],mPsdBanyak[8]) = min(0,25;0,5) = 0,25 Cari nilai z3, untuk a3 = 0,25; lihat himpunan BERTAMBAH: 0,25 = (z3 – 25)/75 z3 = 43,75 16/12/2010 Fuzzy Logic

2. Aplikasi operator fuzzy D. Aturan ke-4: [R4] IF permintaan TURUN And persediaan SEDIKIT THEN produksi barang BERKURANG Operator yang digunakan adalah AND, sehingga: a4 = mPredikatR4 = min(mPmtTurun[60],mPsdSedikit[8]) = min(0,75;0,25) = 0,25 Cari nilai z4, untuk a4 = 0,25; lihat himpunan BERKURANG: 0,25 = (75 – z4)/60 z4 = 60 16/12/2010 Fuzzy Logic

3. Penegasan (Defuzzy) Jadi produksi barang = 47500 kaleng 16/12/2010 Fuzzy Logic

Kode MK :TIF ........, MK : Fuzzy Logic 17/9/2015 Kode MK :TIF ........, MK : Fuzzy Logic

SOAL LATIHAN Permintaan terbesar 6000 kemasan/hari, permintaan terkecil 2000 kemasan/hari Persediaan barang digudang terbanyak mencapai 700 kemasan/hari, dan terkecil pernah mencapai 200 kemasan/hari Perusahaan baru mampu memproduksi barang maks. 8000 kemasan/hari, untuk efisiensi mesin dan SDM tiap hari diharapkan perusahaan memproduksi paling tidak 3000 kemasan. Berapa kemasan yang harus diproduksi jika jumlah permintaan sebanyak 4500 kemasan, dan persediaan di gudang masih 350 kemasan. 11/08/2011 Logika Fuzzy

SOAL LATIHAN Apabila proses produksi perusahaan tersebut menggunakan 4 aturan fuzzy sebagai berikut : [R1] IF Permintaan TURUN And Persediaan BANYAK THEN Produksi Barang BERKURANG [R2] IF Permintaan TURUN And Persediaan SEDIKIT [R3] IF Permintaan NAIK And Persediaan BANYAK THEN Produksi Barang BERTAMBAH [R4] IF Permintaan NAIK And Persediaan SEDIKIT 11/08/2011 Logika Fuzzy