Penggunaan Toolbox Matlab menyelesaikan kasus sistem uzzy

Slides:



Advertisements
Presentasi serupa
Fuzzy Logic dengan Menggunakan MATLAB
Advertisements

SISTEM OPERASI.
Pertemuan 1 PENGENALAN IMK.
Bahan Kuliah IF4058 Topik Khusus IF
APLIKASI PROBABILITAS DAN STATISTIK
Penalaran Mamdani dan Tsukamoto Pada pendekatan Fuzzy Inference System
ARTIFICIAL INTELLIGENCE 6 Fuzzy Logic
LOGIKA FUZZY .
Kasus Buat algoritma untuk menghitung total pembayaran dari proses pembelian.
Pertemuan Pengembangan Algoritma
FUZZY LOGIC LANJUTAN.
Interaksi Manusia dengan Komputer
Kuliah Sistem Fuzzy Pertemuan 5 “Sistem Inferensi Fuzzy”
Adaptive Neuro-Fuzzy Inference System (ANFIS)
Kuliah Sistem Fuzzy Pertemuan 6
Logika fuzzy.
LOGIKA FUZZY (Lanjutan)
LOGIKA FUZZY Oleh I Joko Dewanto
LOGIKA FUZZY ABDULAH PERDAMAIAN
FUZZY INFERENCE SYSTEMS
Logika Fuzzy Lanjut.
KONSEP INTERFACE
EXPERT SYSTEM By Daniel Damaris NS.
User interface Bagaimana user berinteraksi dengan komputer
FUZZY INFERENCE SYSTEMS
Model Fuzzy Mamdani.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
Penerapan Metode Fuzzy Pemberian Tip Pelayan Restoran
Logika Fuzzy.
FUZZY INFERENCE SYSTEM (FIS) - MAMDANI
Pengenalan Visual Basic
Sistem Inferensi Fuzzy
REASONING FUZZY SYSTEMS.
FUZZY INFERENCE SYSTEM (FIS)
Analisa Algoritma : Pendahuluan
Kuliah Sistem Fuzzy Pertemuan 8 “Adaptive Neuro Fuzzy System”
Seleksi kondisi case Oleh: Sri Supatmi,S.Kom.
FUZZY INFERENCE SYSTEM (FIS)
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
PEMROGRAMAN TERAPAN (MATLAB)
Oleh : Devie Rosa Anamisa
FUZZY INFERENCE SYSTEM (FIS) - SUGENO
<KECERDASAN BUATAN>
Fuzzy logic Fuzzy Logic Disusun oleh: Tri Nurwati.
DASAR FUZZY.
Algoritma dan Pemrograman (Pertemuan 04)
Praktikum 1 (pengenalan matlab dan pemograman)
Perhitungan Membership
Keterampilan komputer 1AB
METODE FIS Pertemuan Ke-5.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
Penyusun: Tri Nurwati (dari segala sumber :)
DIAGRAM ALUR (FLOWCHART)
HEMDANI RAHENDRA HERLIANTO
INTERAKSI MANUSI DAN KOMPUTER
Sistem Inferensi Fuzzy
FIDELIO SOARES DE CARVALHO
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
Rusmala, S.Kom., M.Kom Pertemuan 9, 10, 11
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
Logika Fuzzy Lanjut.
FUZZY INFERENCE SYSTEM (FIS) - SUGENO
METODE FIS Pertemuan Ke-5.
Komputer 3 Dian C. Rini N, M.Kom
CCM110 Matematika Diskrit Pertemuan-11, Fuzzy Inference System
Logika Fuzzy (Fuzzy Inference System)
Logika Fuzzy Dr. Mesterjon,S.Kom, M.Kom.
PENGERTIAN DASAR FLOWCHART
ARSITEKTUR SISTEM PAKAR
DASAR FUZZY.
Transcript presentasi:

Penggunaan Toolbox Matlab menyelesaikan kasus sistem uzzy

Sekilas Fuzzy Toolbox Tool untuk Fuzzy Inference System (FIS) dalam Matlab Toolbox, dikelompokan dalam 3 kategori: Command line Graphical user interface (GUI) Simulink Block GUI memungkinkan mengakses banyak dari fungsi- fungsi yang tersedia dalam fuzzy toolbox. Command line ditujukan untuk pemakai yang sudah berpengalaman. Sedangkan untuk simulink block dirancang untuk aplikasi FIS dalam lingkungan Simulink.

Graphical User Interface (GUI) Fuzzy Toolbox menyediakan 5 fasilitas GUI untuk rancang bangun FIS: FIS Editor Membership Function Editor Rule Editor Rule Viewer Surface Viewer Semua GUI ini saling mempengaruhi, perubahan yang dibuat dalam satu GUI akan mempengaruhi GUI yang lain.

Studi Kasus Bagaimana memecahkan masalah memberi bonus pada pelayan restoran. Besar bonus berdasarkan kualitas pelayanan dan kualitas makanan. Kedua variabel yakni pelayanan dan makanan adalah variabel bersifat fuzzy. Solusinya dengan membangun Fuzzy Inference System (FIZ) yang akan dapat dijadikan pengambil keputusan.

Membangun FIS Langkah pertama , mengkonversi variabel pelayanan dan makanan ke dalam rentang bilangan sehingga bisa dimengerti oleh FIS. Kedua variabel didefinisikan dalam rentang 0 s/d 10. Sehingga skor 10 berarti memuaskan dengan derajat maksimum untuk kualitas pelayanan dan lezat dengan derajat maksimum untuk kualitas makanan.

Selanjutnya menulis sekumpulan rule berdasarkan pada pengetahuan (knowledge) pelanggan: If pelayanan is mengecewakan or makanan is hambar then bonus is sedikit – > rule 1. If pelayanan is bagus then bonus is sedang – > rule 2. If pelayanan is memuaskan or makanan is lezat then bonus is banyak – > rule 3. Knowledge pelanggan: bonus sedikit = 5%, sedang =15%, banyak= 25% (prosentase dihitung dari harga makanan).

Menggunakan FIS Editor Ketik pada command promt: fuzzy

Selanjutnya mendefinisikan fungsi keanggotaan yang diasosiasikan dengan masing-masing variabel masukan dan variabel keluaran.

Membership Function Editor Fungsi keanggotaan variabel masukan dan keluaran didefinisikan dalam membership function editor. Tahapannya sbb: Pilih Edit membership functions

Fungsi keanggotaan pada toolbox fuzzy ada 11 macam yakni:

Pendefinisian variabel pelayanan (input 1)

Pedefinisian variabel makanan (Input 2)

Pendefinisian variabel bonus (output) Sudah ditentukan ada 3 fungsi keanggotaan, yaitu: sedikit, sedang dan banyak. Pendefinisian sama dengan variabel pelayanan. Hanya pada Field Range dan juga Display Range disetting [0 30] untuk menampung semua rentang nilai keluaran.

Rule Viewer

Survace Viewer

Selamat Belajar