Logika Fuzzy Matematika Diskrit STKIP BBM.

Slides:



Advertisements
Presentasi serupa
Rika Adwitiar Fuzzy Logic.
Advertisements

LOGIKA MATEMATIKA Oleh BUDIHARTI, S.Si..
LOGIKA MATEMATIKA PROGRAM STUDI TEKNIK INFORMATIKA
Pertemuan 3 Viska armalina, st.,m.eng
PENARIKAN KESIMPULAN/ INFERENSI
Pertemuan Ke-1 Oleh: Vindo Feladi, ST, M.Pd
LOGIKA MATEMATIKA Pertemuan III.
Bab 1 Logika Matematika Matematika Diskrit.
MATEMATIKA DISKRIT. MATEMATIKA DISKRIT MATEMATIKA DISKRIT ADALAH CABANG MATEMATIKA YANG MEMPELAJARI OBJEK-OBJEK DISKRIT OBJEK DISKRIT ADALAH SEJUMLAH.
MATEMATIKA DISKRIT By DIEN NOVITA.
MATEMATIKA DISKRIT By DIEN NOVITA.
Kalimat Berkuantor Matematika Diskrit.
SOFT COMPUTING PERTEMUAN 2.
Matematika Diskrit Oleh Ir. Dra. Wartini.
Logika Fuzzy Jurusan Teknik Informatika Samuel Wibisono
LOGIKA INFORMATIKA I Gusti Ayu Agung Diatri Indradewi, S. Kom
LOGIKA MATEMATIKA BAGIAN 2: ARGUMEN.
Bina Nusantara Logika Proposisi Pertemuan 1: Matakuliah:K0144/Matematika Diskrit Tahun:2008.
Mata kuliah :K0144/ Matematika Diskrit Tahun :2008 Fuzzy Logic
Fuzzy Set dan Fuzzy Logic
LOGIKA FUZZY.
Inferensi Penarikan kesimpulan dari beberapa proposisi Kaidah :
Inferensi Penarikan kesimpulan dari beberapa proposisi Kaidah :
LOGIKA MATEMATIKA.
Matematika Diskrit Logika.
Logical Connectives – Penghubung Logika / Operator Logika
Pertemuan Ke-1 Oleh: Vindo Feladi, ST, M.Pd
Kode MK :TIF , MK : Fuzzy Logic
Pertemuan 6 : Teori Set/Himpunan (Off Class)
MATEMATIKA DISKRIT PERTEMUAN KE 2 SAFITRI JAYA, S.Kom, M.T.I
REPRESENTASI PENGETAHUAN
LOGIKA MATEMATIKA.
DASAR-DASAR MATEMATIKA DAN SAINS
Matematika Diskrit Dr.-Ing. Erwin Sitompul
LOGIKA PROPOSISI (Logika Pernyataan).
IMPLIKASI (Proposisi Bersyarat)
Logika Fuzzy Jurusan Teknik Informatika Samuel Wibisono
Logika matematika Implikasi
KUMPULAN SOAL relasi & FUNGSI
Pertemuan 11 : Aljabar Boole
FUZZY INFERENCE SYSTEM (FIS) - MAMDANI
PENARIKAN KESIMPULAN/ INFERENSI
FUZZY INFERENCE SYSTEM (FIS)
LOGIKA MATEMATIKA (Lanjutan).
PERNYATAAN ATAU PROPORSI
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
Fuzzy Set Pertemuan 7 : Mata kuliah :K0144/ Matematika Diskrit
Matematika Diskrit Iva Atyna
Matakuliah Pengantar Matematika
Matematika Diskrit TIF (4 sks) 3/9/2016.
LOGIKA MATEMATIKA Pertemuan II.
Agiska Ria Supriyatna, S.Si, MTI
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
KESETARAAN LOGIS Dua buah pernyataan yang berbeda dikatakan setara/equivalen bila nilai kebenarannya sama Contoh: Tidak benar bahwa aljabar linier adalah.
Dasar dasar Matematika
Learning Outcomes Mahasiswa dapat menjelaskan definisi aljabar boole dan hukum-hukum aljabar boole,duality dan contoh pemakaian aljabar boole. Bina Nusantara.
Dua proposisi P(p,q,…) dan Q(p,q,…) dibuat ekivalen atau equal (logically equivalent) dinotasikan oleh P(p,q,…)  Q(p,q,…) jika kedua proposisi tersebut.
Core Jurusan Teknik Informatika Kode MK/SKS : TIF /2
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
Sistem samar (fuzzy System)
FUZZY INFERENCE SYSTEM (FIS) - SUGENO
LOGIKA MATEMATIKA Logika matematika pada hakekatnya adalah suatu metode dalam komputasi menggunakan proposisi atau kalimat deklaratif. Kalimat deklaratif.
Matematika Diskrit TIF (4 sks).
LOGIKA MATEMATIKA Logika matematika pada hakekatnya adalah suatu metode dalam komputasi menggunakan proposisi atau kalimat deklaratif. Kalimat deklaratif.
FUZZY LOGIC Kadek Dwi Pradnyani Novianti. FUZZY LOGIC.
(6) Bab IV. Aljabar Boolean
Proposisi Majemuk Bagian II
Contoh 1 Kalimat (p → q) → r bernilai benar Jika
LOGIKA MATEMATIKA.
Transcript presentasi:

Logika Fuzzy Matematika Diskrit STKIP BBM

1. Pengertian Logika Fuzzy Seperti halnya himpunan biasa dan himpunan fuzzy, maka teori logika fuzzy pun dapat dikembangkan serupa dengan teori himpunan fuzzy. Jika pada logika biasa nilai kebenaran suatu proposisi/pernyataan hanya ada dua macam yaitu 1 = benar dan 0 = salah maka dalam fuzzy logic nilai kebenaran bias diperluas dengan bilangan diantara 0 dan 1.

Pengertian Logika Fuzzy FUZZY LOGIC : Salah satu contoh fuzzy logic adalah dengan menambahkan nilai kebenaran ½ disamping nilai kebenaran 0 dan 1. Jika 1=benar, 0=salah maka ½ dapat diartikan sbgi ‘tidakpasti’/ mengandung kebenaran 50% dan kesalahan 50%.

Pengertian Fuzzy Logic LUKASIEWICZ FUZZY LOGIC : Lukasiewicz mengembangkan suatu bentuk logika fuzzy untuk operator logika komplemen, dan, atau, implikasi dan biimplikasi untuk fuzzy logic dgn tiga nilai kebenaran 1, ½ dan 0.

2. Operasi Logika Fuzzy OPERASI FUZZY LOGIC: Sesuai dengan pengembangan Lukasiewicz maka operasi- operasi logika fuzzy didefinisikan sebagai berikut:

Operasi Logika Fuzzy  

Operasi Logika Fuzzy TABEL KEBENARAN FUZZY LOGIC : Dari operasi Lukasiewicz fuzzy logic tersebut mk diperoleh tabel kebenaran untuk operasi dan, atau, implikasi dan biimplikasi diperoleh sebagai berikut:

a b    0 0 1 0 0 1 1 0 1/2 1 0 1/2 1 1/2 0 1 1 0 1 1 0 1/2 0 1/2 0 1/2 1/2 1/2 1/2 1/2 1/2 1/2 1/2 1 1 1/2 1 1/2 1/2 1 1 1/2 1 0 0 0 1 0 0 1 1/2 0 1/2 1 1/2 1/2 1 1 0 1 1 1 1

Operasi Logika Fuzzy LOGICAL EQUIVALENCE DUA PROPOSISI FUZZY : Dua proposisi pada fuzzy logic adalah logical equivalence bila keduanya memiliki tabel kebenaran yg sama. Bila dua proposisi p dan q logical equivalence maka ditulis p  q atau p = q.

Operasi Logika Fuzzy

Pengujian Argumen Fuzzy Untuk menguji argumen dari fuzzy logic maka dipakai table kebenaran sesuai dengan fuzzy logic, yaitu kita memakai Lukasiewicz fuzzy logic dengan tiga kemungkinan nilai kebenaran yaitu 1, ½ , atau 0. uji kebenaran argumen berikut : ˜(p ∧ q) ≡ ˜ p ∨ ˜ q

TERIMA KASIH, SEMOGA BERHASIL