Pemanfaatan Sistem Fuzzy Sebagai Pendukung Keputusan

Slides:



Advertisements
Presentasi serupa
Logika Fuzzy Stmik mdp
Advertisements

Bahan Kuliah IF4058 Topik Khusus IF
FUZZY.
Jurusan Teknik Informatika Samuel Wibisono
Ade Yusuf Yaumul Isnain
LOGIKA FUZZY Kelompok Rhio Bagus P Ishak Yusuf
Logika Fuzzy.
Sistem Pakar Dr. Kusrini, M.Kom
LOGIKA FUZZY PERTEMUAN 3.
SOFT COMPUTING PERTEMUAN 2.
YUSRON SUGIARTO, STP., MP., MSc
LOGIKA FUZZY.
Fuzzy Systems.
LOGIKA FUZZY .
Kuliah Sistem Fuzzy nama :herlandi supriyadi nim :
Intelligent Control System (Fuzzy Control)
Fuzzy Set dan Fuzzy Logic
LOGIKA FUZZY Rika Harman, S.Kom.M.SI.
LOGIKA FUZZY.
Kecerdasan Buatan Logika Fuzzy.
Logika fuzzy.
Kecerdasan Buatan #10 Logika Fuzzy.
Dasar Pengendali cerdas
KECERDASAN BUATAN LOGIKA FUZZY (Fuzzy Logic) Edy Mulyanto.
Kode MK :TIF , MK : Fuzzy Logic
LOGIKA FUZZY Oleh I Joko Dewanto
LOGIKA FUZZY ABDULAH PERDAMAIAN
FUZZY INFERENCE SYSTEMS
KECERDASAN BUATAN (Artificial Intelligence) Materi 5
Pertemuan 9 Logika Fuzzy.
Sistem Berbasis Fuzzy Materi 1
Kuliah Sistem Fuzzy Pertemuan II “Logika Fuzzy”
Logika Fuzzy.
FUZZY TSUKAMOTO UTHIE.
Sistem Inferensi Fuzzy
REASONING FUZZY SYSTEMS.
LOGIKA MATEMATIKA PENGANTAR LOGIKA FUZZY
LOGIKA FUZZY.
Kode MK : TIF01405; MK : Kecerdasan Buatan
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
Fuzzy Set Pertemuan 7 : Mata kuliah :K0144/ Matematika Diskrit
Kuliah Sistem Fuzzy Pertemuan IV “Operator-operator Fuzzy”
<KECERDASAN BUATAN>
Fuzzy logic Fuzzy Logic Disusun oleh: Tri Nurwati.
Pertemuan 9 Logika Fuzzy.
LOGIKA FUZZY Dosen Pengampu : Dian Tri Wiyanti, S.Si, M.Cs
Oleh : Yusuf Nurrachman, ST, MMSI
Logika Fuzzy.
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
KECERDASAN BUATAN PERTEMUAN 8.
HEMDANI RAHENDRA HERLIANTO
Sistem Inferensi Fuzzy
Operasi Himpunan Fuzzy
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
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
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
LOGIKA MATEMATIKA PENGANTAR LOGIKA FUZZY.
Sistem samar (fuzzy System)
CCM110, MATEMATIKA DISKRIT Pertemuan 13-14, Sistem Fuzzy
FUZZY TSUKAMOTO UTHIE.
Penalaran Logika Fuzzy
FUZZY TSUKAMOTO UTHIE.
Operator Himpunan Fuzzy
Lanjutan-1 FUNGSI KEANGGOTAAN
Logika Fuzzy Dr. Mesterjon,S.Kom, M.Kom.
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:

Pemanfaatan Sistem Fuzzy Sebagai Pendukung Keputusan Sistem Fuzzy sebagai penduga numerik yang terstruktur dan dinamik Logika fuzzy sebagai bagian dari logika boolean yang digunakan untuk menangani konsep derajat kebenaran dan logika fuzzy sering menggunakan informasi linguistik dan verbal Proses dalam logika fuzzy  penentuan logika fuzzy  aturan if ... then  inferensi fuzzy Ditemukan 1965  Lotfi A. Zadeh  Modifikasi teori himpunan  Himpunan Kabur (Fuzzy Set)

Himpunan Crisp x Fuzzy a  A  (a) = 1; a  A  (a) = 0 A = {x|p(x)} p(x)  xA(x) = 1 Fuzzy memperluas jangkauan  bil. Real {0,1} Universal  x A x Gambar anak gugus fuzzy

Fungsi Keanggotaan Kurva yang menunjukkan pemetaan titik-titik input data Derajat keanggotaan {0,1}  = 0.3  = 0.8 Tidak Tinggi ( = 0) Tinggi ( = 1) Crisp (x) 1 -

Crisp (x) Muda ½ Baya Tua Fuzzy 35 55 Variabel Umur : 1 1/2 Muda ½ Baya Tua Fuzzy 35 55 Variabel Umur : Variabel Integer Variabel Linguistik

Watak Kekaburan Misal  mesin beroperasi terus-menerus  cepat panas (x) 1 True False 90 120 140 220 Dingin

40 50 90 ............. ................. 180 Hangat Panas True False 50 90 ......... ................. 140 Hangat Panas True False

Semesta Pembicaraan (Universe of Discourse) Keseluruhan ruang permasalahan mulai nilai terkecil sampai terbesar yang diizinkan Domain  Keseluruhan nilai yang diizinkan dalam semesta pembicaraan Domain Himpunan Suhu Dingin (0,20), Sejuk (15,35), Hangat (30,50) dan Panas (40,100) (x) 15 20 30 35 40 50 100 (C) 1 Dingin Sejuk Hangat Panas

Fungsi Keanggotaan 1 (x) a x a2 a1 Single Point Interval 1 a2 x a1 1 (x) a x a2 a1 Single Point Interval 1 a2 x a1 Triangular (TFN) (x) a3 Trapezoidal a4

 Gaussian G(,a)

Membangkitkan Nilai Keanggotaan Fuzzy Representasi Linier : Eg. Fungsi Keanggotaan merupakan panas pada ruang tertentu. Jika 35C dianggap panas dengan (x) = 1, maka berapa (x) untuk suhu 32C ? panas[32] = (32-25)/(35-25) = 7/10 = 0,7 25 32 35 1 ? (x) C (Naik)

Fungsi Keanggotaan Linier Naik a domain b 1 (x) Fungsi Keanggotaan Linier Naik x < a a  x  b x  b

Fungsi Keanggotaan Linier Turun b) a domain b 1 (x) Fungsi Keanggotaan Linier Turun a  x  b x  b

2. Representasi Triangular a b 1 (x) c Fungsi Keanggotaan Triangular x  a atau x  c a  x  b b  x  c

3. Representasi Trapezoidal a b 1 (x) c d Fungsi Keanggotaan Trapezoidal x  a atau x  d a  x  b b  x  c x  d

Fungsi Keanggotaan Pertumbuhan 4. Representasi Kurva-S (x)=0  1 0,5 (x) C (x)=0,5  (x)=1  Fungsi Keanggotaan Pertumbuhan x     x     x   x  

Fungsi Keanggotaan Penyusutan   x   x     x   x  