DASAR FUZZY.

Slides:



Advertisements
Presentasi serupa
Fuzzy Logic dengan Menggunakan MATLAB
Advertisements

Logika Fuzzy Stmik mdp
Sistem kontrol penyiram air
Bahan Kuliah IF4058 Topik Khusus IF
Logika Fuzzy.
LOGIKA FUZZY PERTEMUAN 3.
Penalaran Mamdani dan Tsukamoto Pada pendekatan Fuzzy Inference System
YUSRON SUGIARTO, STP., MP., MSc
LOGIKA FUZZY.
Logika Fuzzy Jurusan Teknik Informatika Samuel Wibisono
ARTIFICIAL INTELLIGENCE 6 Fuzzy Logic
LOGIKA FUZZY .
Kuliah Sistem Fuzzy nama :herlandi supriyadi nim :
FUZZY LOGIC LANJUTAN.
Adaptive Neuro-Fuzzy Inference System (ANFIS)
LOGIKA FUZZY Rika Harman, S.Kom.M.SI.
LOGIKA FUZZY.
LOGIKA FUZZY Anifuddin Azis.
Logika fuzzy.
KECERDASAN BUATAN LOGIKA FUZZY (Fuzzy Logic) Edy Mulyanto.
LOGIKA FUZZY (Lanjutan)
LOGIKA FUZZY Oleh I Joko Dewanto
Logika Fuzzy dan aplikasinya
LOGIKA FUZZY ABDULAH PERDAMAIAN
FUZZY INFERENCE SYSTEMS
Logika Fuzzy Lanjut.
FUZZY INFERENCE SYSTEMS
Model Fuzzy Mamdani.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
KECERDASAN BUATAN (Artificial Intelligence) Materi 5
Pertemuan 9 Logika Fuzzy.
Kuliah Sistem Fuzzy Pertemuan II “Logika Fuzzy”
Logika Fuzzy Jurusan Teknik Informatika Samuel Wibisono
CARA KERJA SISTEM PAKAR
FUZZY INFERENCE SYSTEM (FIS) - MAMDANI
Sistem Inferensi Fuzzy
REASONING FUZZY SYSTEMS.
FUZZY INFERENCE SYSTEM (FIS)
FUZZY INFERENCE SYSTEM (FIS)
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.
Pertemuan 9 Logika Fuzzy.
Penggunaan Toolbox Matlab menyelesaikan kasus sistem uzzy
Perhitungan Membership
METODE FIS Pertemuan Ke-5.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
Penyusun: Tri Nurwati (dari segala sumber :)
KECERDASAN BUATAN PERTEMUAN 8.
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
Logika Fuzzy Lanjut.
FUZZY INFERENCE SYSTEM (FIS) - SUGENO
METODE FIS Pertemuan Ke-5.
Logika Fuzzy (Fuzzy Inference System)
Fuzzy Expert Systems.
Penalaran Logika Fuzzy
Operator Himpunan Fuzzy
Logika Fuzzy Dr. Mesterjon,S.Kom, M.Kom.
FUZZY. Pendahuluan ■Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy. ■Lotfi.
LOGIKA FUZZY. Definisi Logika Fuzzy adalah peningkatan dari logika Boolean yang mengenalkan konsep kebenaran sebagian. Di mana logika klasik menyatakan.
Transcript presentasi:

DASAR FUZZY

Logika Fuzzy Suatu metode untuk memetakan suatu masukan ke dalam suatu derajat keanggotaan kelompok keluaran Logika Fuzzy adalah peningkatan dari logika boolean / logika klasik (yang menyatakan derajat keanggotaan dalam 0 atau 1) Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1.

Aplikasi Pada tahun 1990 pertama kali dibuat mesin cuci dengan logika fuzzy di Jepang (Matsushita Electric Industrial Company). Sistem fuzzy digunakan untuk menentukan putaran yang tepat secara otomatis berdasarkan jenis dan banyaknya kotoran serta jumlah yang akan dicuci. Input yang digunakan adalah: seberapa kotor, jenis kotoran, dan banyaknya yang dicuci. Mesin ini menggunakan sensor optik , mengeluarkan cahaya ke air dan mengukur bagaimana cahaya tersebut sampai ke ujung lainnya. Makin kotor, maka sinar yang sampai makin redup. Disamping itu, sistem juga dapat menentukan jenis kotoran (daki atau minyak).

Fungsi Keanggotaan Fuzzy lainnya

OPERASI LOGIKA PADA FUZZY Operator “AND” Operator “OR” Operator “NOT”

Operator “AND”

Operator “OR”

Operator “NOT”

Defuzzification

Fuzzy Inference System Steps in FIS : Fuzzification Fuzzy Logic Inference Defuzzification

FIS Mamdani

FIS Sugeno

Proses pengereman otomatis Fuzzy Rules : Jika Kecepatan Tinggi dan Jarak Dekat maka Rem Penuh Jika Kecepatan Tinggi dan Jarak Jauh maka Rem Sedang Jika Kecepatan Rendah dan Jarak Dekat maka Rem Sedang Jika Kecepatan Rendah dan Jarak Jauh maka Rem Sedikit

FIS Sugeno MF Kecepatan Tinggi : trapezoidal (40, 80, 110, 120) MF Kecepatan Rendah : trapezoidal(-2, -1, 20, 60) MF Jarak Jauh : trapezoidal (8, 16, 21, 22) MF Jarak Dekat : trapezodial (-2, -1, 4, 12) MF Rem Penuh : 100 % MF Rem Sedang : 50 % MF Rem Sedikit : 20 %

FIS Mamdani MF Kecepatan Rendah : trapezoidal (-2, -1, 20, 60) MF Kecepatan Tinggi : trapezoidal (40, 80, 110, 120) MF Jarak Jauh : trapezoidal (8, 16, 21, 22) MF Jarak Dekat : trapezodial (-2, -1, 4, 12) MF Rem Penuh : triangle (80,90,100) MF Rem Sedang : triangle (40,50,60) MF Rem Sedikit : triangle (10,20,30)

Hasil Agregasi Centroid Area :

Perbandingan dgn simulasi MATLAB

Toolbox Fuzzy pada MATLAB FIS Editor

Edit nama untuk setiap kotak

Klik 2x pada kotak input Akan muncul Membership Function Editor

Edit Name, Range, Type, Param Input : Kecepatan

Input : Jarak

Output : Rem

Masuk ke Rule Editor Klik dua kali pada kotak putih di FIS Editor

Membuat Rule

Masuk pada Rule Viewer

Simulasi input output Fuzzy Keluaran Masukan