Penalaran Mamdani dan Tsukamoto Pada pendekatan Fuzzy Inference System

Slides:



Advertisements
Presentasi serupa
Fuzzy Logic dengan Menggunakan MATLAB
Advertisements

TURUNAN/ DIFERENSIAL.
START.
STAF PENGAJAR FISIKA DEPT. FISIKA, FMIPA, IPB
Menunjukkan berbagai peralatan TIK melalui gambar
Tugas Praktikum 1 Dani Firdaus  1,12,23,34 Amanda  2,13,24,35 Dede  3,14,25,36 Gregorius  4,15,26,37 Mirza  5,16,27,38 M. Ari  6,17,28,39 Mughni.
LATIHAN SOAL-SOAL 1. Himpunan 2. Aritmatika Sosial 3. Persamaan GL.
TRANSFORMASI-Z Transformsi-Z Langsung Sifat-sifat Transformasi-Z
Soal-Soal Latihan Mandiri
Contoh Kasus Fuzzy dalam menentukan Jumlah Produksi Barang berdasarkan Jumlah Permintaan konsumen dan Jumlah Barang yang tersedia di gudang.
LATIHAN SOAL HIMPUNAN.
Sistem Persamaan Diferensial
Latihan Soal Persamaan Linier Dua Variabel.
Mari Kita Lihat Video Berikut ini.
Linked List BEBERAPA CONTOH SOAL 6.3 & 7.3 NESTED LOOP.
TURUNAN DIFERENSIAL Pertemuan ke
ELASTISITAS PERMINTAAN DAN PENAWARAN
Tugas: Power Point Nama : cici indah sari NIM : DOSEN : suartin marzuki.
SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2011
Persamaan Linier dua Variabel.
Bahan Kuliah IF4058 Topik Khusus IF
PERMINTAAN, PENAWARAN DAN KESEIMBANGAN PASAR
Luas Daerah ( Integral ).
Mata Kuliah: MATEMATIKA DISKRIT Harni Kusniyati
Sequential Decision Making
FUNGSI MATEMATIKA DISKRIT K- 6 Universitas Indonesia
Pertemuan 18 Pendugaan Parameter
FUZZY INFERENCE SYSTEMS
LAPORAN KEUANGAN Catur Iswahyudi Manajemen Informatika (D3)
ITK-121 KALKULUS I 3 SKS Dicky Dermawan
FUNGSI STRUKTUR DISKRIT K-8 Program Studi Teknik Komputer
Bahan Kuliah IF2120 Matematika Diskrit Oleh: Rinaldi Munir
BAB XII PROBABILITAS (Aturan Dasar Probabilitas) (Pertemuan ke-27)
Jurusan Teknik Informatika Samuel Wibisono
ELASTISITAS PERMINTAAN DAN PENAWARAN
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA BAGI MAHASISWA BERBASIS LOGIKA FUZZY ADE SYAYUTI MANNAF K
FUZZY INFERENCE SYSTEMS
Logika Fuzzy.
Bahan Kuliah IF2120 Matematika Diskrit
Sistem Pakar Dr. Kusrini, M.Kom
7. RANTAI MARKOV WAKTU KONTINU (Kelahiran&Kematian Murni)
Pohon (bagian ke 6) Matematika Diskrit.
Korelasi dan Regresi Ganda
LOGIKA FUZZY PERTEMUAN 3.
ELASTISITAS PERMINTAAN DAN PENAWARAN
Andri Wijanarko,SE,ME Teori Konsumsi Andri Wijanarko,SE,ME
HIMPUNAN Oleh Erviningsih s MTsN Plandi Jombang.
CONTOH PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno
FUZZY INFERENCE SYSTEMS
FUZZY INFERENCE SYSTEMS
Model Fuzzy Mamdani.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
FUZZY TSUKAMOTO UTHIE.
FUZZY INFERENCE SYSTEM (FIS) - MAMDANI
Sistem Inferensi Fuzzy
FUZZY INFERENCE SYSTEM (FIS)
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
FUZZY INFERENCE SYSTEM (FIS) - SUGENO
METODE FIS Pertemuan Ke-5.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
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
METODE FIS Pertemuan Ke-5.
FUZZY TSUKAMOTO UTHIE.
CCM110 Matematika Diskrit Pertemuan-11, Fuzzy Inference System
Fuzzy Expert Systems.
FUZZY TSUKAMOTO UTHIE.
Transcript presentasi:

Penalaran Mamdani dan Tsukamoto Pada pendekatan Fuzzy Inference System Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2011 ilkom.fmipa.ipb.ac.id

Tahap Sistem Pakar Berbasis Fuzzy Domain Masalah Fuzzifikasi Pembuatan aturan Fuzzy Defuzzifikasi Solusi ilkom.fmipa.ipb.ac.id

Mamdani Tsukamoto Sugeno Metode Penalaran Input dan Output berupa himpunen fuzzy Penentuan nilai defuzzifikasi dengan center of gravity Tsukamoto Penentuan nilai defuzzifikasi dengan rata-rata terbobot Sugeno Input berupa himpunan fuzzy Output berupa nilai linear Penentuan nilai defuzzifikasi bisa dengan center of gravity ilkom.fmipa.ipb.ac.id

Representasi Fuzzy Harga barang merupakan variabel fuzzy dan dikategorikan menjadi tiga himpunan, yaitu: Mahal dengan kurva Trapezoidal (X;1200,1500,2000,2000) Sedang dengan kurva Triangle (X: 600,1000,1500) Murah dengan kurva Trapezoidal (X: 0,0,500,800) Buatlah Hasil representasi dari Harga barang tersebut ! Hitung derajat keanggotaan dari harga barang 1200 dan 1600 ?

Penalaran Mamdani Implikasi agregasi Center of gravity ilkom.fmipa.ipb.ac.id

Penalaran Tsukamoto Implikasi agregasi ilkom.fmipa.ipb.ac.id

Masalah Diketahui tiga buah variabel Fuzzy A, B dan C A dan B sebagai Input dan C sebagai Output Deskripsi Representasi Himpuan Fuzzy dari ketiga variabel tersebut Mahal dengan kurva Trapezoidal (A;1200,1500,2000,2000) Sedang dengan kurva Triangle (A: 600,1000,1500) Murah dengan kurva Trapezoidal (A: 0,0,500,800) Input A Enak dengan kurva Trapezoidal (B; 10,15,25,25) Kurang Enak dengan kurva Trapezoidal (B;5,8,12,15) Tidak Enak dengan kurva Trapezoidal (B;0,0,7,12) B Output Besar dengan kurva Trapezoidal (C; 60,75,100,100) Sedang dengan kurva Trapezoidal (C;20,25,50,75) Kecil dengan kurva Trapezoidal (C;0,10,15,25) C ilkom.fmipa.ipb.ac.id

Aturan (Rule) R1 : Jika A adalah sedang dan B adalah enak maka C adalah besar R2 : Jika A adalah murah maka C adalah besar R3 : Jika A adalah sedang dan B adalah tidak enak maka C adalah sedang R4 : Jika A adalah mahal dan B adalah kurang enak maka C adalah sedang Dengan menggunakan penalaran Mamdani dan Tsukamoto, tentukan nilai C jika diketahui nilai input sebagai berikut : A = 1400 dan B = 15 ilkom.fmipa.ipb.ac.id

Soal Dengan menggunakan penalaran Mamdani dan Tsukamoto, tentukan nilai C jika diketahui nilai input sebagai berikut : A = 1400 dan B = 15 ilkom.fmipa.ipb.ac.id

Contoh Kasus Studi Permasalahan: Suatu Perusahaan akan melakukan perkiraan terhadap produksi suatu barang tiap bulan. Untuk menentukan jumlah barang yang diproduksi tersebut digunakan pendekatan fuzzy. Dalam kasus ini terdapat parameter masukan yaitu permintaan dan persediaan barang. Adapun parameter keluaran adalah jumlah barang yang akan diproduksi. Tabel 1 di bawah ini memperlihatkan variabel fuzzy yang akan dibuat berikut domain permasalahanya. Fungsi Nama Variabel Rentang Nilai Keterangan Input permintaan [8 – 24] jumlah permintaan per bulan per unit persediaan [30 – 60] Jumlan persediaan per bulan per unit Output jumlah produksi [10 – 25] Kapasitas produksi barang

Pembagian Himpunan Fuzzy Fungsi Variabel Himpunan Rentang Domain INPUT Permintaan Sedikit [8 – 24] [8 11 14] Sedang [13 16 19] Banyak [18 21 24] Persediaan [30 – 60] [30 36 42] [38 45 50] [47 55 60] OUTPUT Jumlah_Produksi [10 – 25] [10 10 14 20] [17 21 25 25]

Aturan (Rule) Berikut ini adalah aturan-aturan yang digunakan dalam Fuzzy Inference System (FIS) IF permintaan sedikit AND persediaan sedikit THEN produksi sedikit IF permintaan sedang AND persediaan sedikit THEN produksi sedikit IF permintaan sedang AND persediaan banyak THEN produksi banyak IF permintaan banyak AND persediaan sedikit THEN produksi sedikit IF permintaan banyak AND persediaan sedang THEN produksi banyak IF permintaan banyak AND persediaan banyak THEN produksi banyak

Soal Dengan Menggunakan Metode Mamdani, tentukan jumlah barang yang harus diproduksi apabila : Permintaan 18 unit dan persediaan 38 unit Tugas di rumah dan dikumpulkan pekan depan Tentukan jumlah barang yang harus diproduksi jika Permintaan 20 unit dan persediaan 40 unit Permintaaan 22 unit dan persedian 35 unit Permintaan 10 unit dan persedian 48 unit Gunakan Metode Mamdani dan Tsukamoto

Bersungguh-sungguhlah terhadap segala sesuatu yag bermanfaat bagimu Bersungguh-sungguhlah terhadap segala sesuatu yag bermanfaat bagimu. Mintalah pertolongan kepada Rabb-mu dan janganlah merasa lemah. Terima Kasih ilkom.fmipa.ipb.ac.id