Pertemuan 22 FUZZIFIKASI DAN DEFUZZIFIKASI

Slides:



Advertisements
Presentasi serupa
Sistem kontrol penyiram air
Advertisements

Sistem Inferensi Fuzzy
Logika Fuzzy.
LOGIKA FUZZY PERTEMUAN 3.
Fuzzy Logic Control.
ARTIFICIAL INTELLIGENCE 6 Fuzzy Logic
1 Pertemuan 19 LOGIKA FUZZY Matakuliah: H0434/Jaringan Syaraf Tiruan Tahun: 2005 Versi: 1.
1 Pertemuan 5 STREAM INPUT/OUPUT Matakuliah: T0456 ~ Algoritma dan Metode Object Oriented Programming Tahun: 2005 Versi: 5.
1 Pertemuan 24 APLIKASI LOGIKA FUZZY Matakuliah: H0434/Jaringan Syaraf Tiruan Tahun: 2005 Versi: 1.
1 Pertemuan 02 Ukuran Pemusatan dan Lokasi Matakuliah: I Statistika Tahun: 2008 Versi: Revisi.
CONTOH PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno
Pendugaan Parameter Proporsi dan Varians (Ragam) Pertemuan 14 Matakuliah: L0104 / Statistika Psikologi Tahun : 2008.
FUZZY LOGIC LANJUTAN.
1 Pertemuan 10 Statistical Reasoning Matakuliah: T0264/Inteligensia Semu Tahun: Juli 2006 Versi: 2/1.
Fuzzy for Image Processing
1 Pertemuan 6 Using Predicate logic Matakuliah: T0264/Inteligensia Semu Tahun: Juli 2006 Versi: 2/1.
Kuliah Sistem Fuzzy Pertemuan 5 “Sistem Inferensi Fuzzy”
1 Pertemuan 2 SINGLE DAN MULTILAYER NETWORK Matakuliah: H0434/Jaringan Syaraf Tiruan Tahun: 2005 Versi: 1.
1 Pertemuan 26 NEURO FUZZY SYSTEM Matakuliah: H0434/Jaringan Syaraf Tiruan Tahun: 2005 Versi: 1.
Pertemuan 5 Balok Keran dan Balok Konsol
1 Pertemuan #2 Probability and Statistics Matakuliah: H0332/Simulasi dan Permodelan Tahun: 2005 Versi: 1/1.
1 Pertemuan 21 Latihan Soal Matakuliah: J0274/Akuntansi Manajemen Tahun: 2005 Versi: 01/00.
1 Pertemuan 11 OPTIMASI KINERJA Matakuliah: H0434/Jaringan Syaraf Tiruan Tahun: 2005 Versi: 1.
1 Pertemuan 5 PPh PASAL 21 Matakuliah: A0572/ Perpajakan Tahun: 2005 Versi: Revisi 1.
1 Pertemuan 8 JARINGAN COMPETITIVE Matakuliah: H0434/Jaringan Syaraf Tiruan Tahun: 2005 Versi: 1.
1 Pertemuan 7 Ketidakpastian dalam Rules Matakuliah: H0383/Sistem Berbasis Pengetahuan Tahun: 2005 Versi: 1/0.
Pertemuan 3 JARINGAN PERCEPTRON
1 Pertemuan 15 Game Playing Matakuliah: T0264/Intelijensia Semu Tahun: Juli 2006 Versi: 2/1.
Matakuliah : R0022/Pengantar Arsitektur Tahun : Sept 2005 Versi : 1/1
1 Pertemuan #9 Environment-Relationship Nets Matakuliah: H0232/Sistem Waktu Nyata Tahun: 2005 Versi: 1/5.
1 Pertemuan 10 PERFORMANCE SURFACES Matakuliah: H0434/Jaringan Syaraf Tiruan Tahun: 2005 Versi: 1.
1 Pertemuan 14 APLIKASI BACK PROPAGATION Matakuliah: H0434/Jaringan Syaraf Tiruan Tahun: 2005 Versi: 1.
1 Pertemuan 24 Deret Berkala, Peramalan, dan Angka Indeks-2 Matakuliah: A0064 / Statistik Ekonomi Tahun: 2005 Versi: 1/1.
1 Pertemuan > > Matakuliah: > Tahun: > Versi: >. 2 Learning Outcomes Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : >
1 Pertemuan 6 Komunikasi antar Proses (IPC) Lanjutan Matakuliah: T0316/sistem Operasi Tahun: 2005 Versi/Revisi: 5 OFFCLASS01.
1 Pertemuan 13 Pemilihan strategi sistem informasi yang mendukung perkembangan bisnis Matakuliah: H0472 / Konsep Sistem Informasi Tahun: 2006 Versi: 1.
1 Pertemuan 12 WIDROW HOFF LEARNING Matakuliah: H0434/Jaringan Syaraf Tiruan Tahun: 2005 Versi: 1.
Model Fuzzy Tsukamoto.
LOGIKA FUZZY (Lanjutan)
Model Fuzzy Mamdani.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
CARA KERJA SISTEM PAKAR
FUZZY INFERENCE SYSTEM (FIS) - MAMDANI
Pendugaan Parameter (I) Pertemuan 9
PENDUGAAN PARAMETER Pertemuan 8
Pertemuan 24 Teknik Searching
Pertemuan 5 KONVERSI NFA MENJADI DFA
Pertemuan 16 Layer Data Link - Lanjutan
Sistem Inferensi Fuzzy
REASONING FUZZY SYSTEMS.
FUZZY INFERENCE SYSTEM (FIS)
Pertemuan <<11>> << LAJU REAKSI>>
Pendugaan Parameter (II) Pertemuan 10
FUZZY INFERENCE SYSTEM (FIS)
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
Pertemuan 20 OPERASI PADA HIMPUNAN FUZZY
METODE FIS Pertemuan Ke-5.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
Sistem Inferensi Fuzzy
Operasi Himpunan Fuzzy
Fungsi Kepekatan Peluang Khusus Pertemuan 10
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
Contoh Penerapan Fuzzy System 1
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
METODE FIS Pertemuan Ke-5.
Pertemuan 21 dan 22 Analisis Regresi dan Korelasi Sederhana
Fuzzy Expert Systems.
DASAR FUZZY.
Fuzzy Systems Prof. Dr. Widodo Budiharto 2018
Transcript presentasi:

Pertemuan 22 FUZZIFIKASI DAN DEFUZZIFIKASI Matakuliah : H0434/Jaringan Syaraf Tiruan Tahun : 2005 Versi : 1 Pertemuan 22 FUZZIFIKASI DAN DEFUZZIFIKASI

Menjelaskan FUZZY to CRISP conversion dan sebaliknya. Learning Outcomes Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : Menjelaskan FUZZY to CRISP conversion dan sebaliknya.

Outline Materi Proses Fuzzifikasi. Proses Defuzzifikasi.

FUZZIFIKASI & DEFUZZIFIKASI Fuzzification Scales and maps input variables to fuzzy sets Inference Mechanism Approximate reasoning Deduces the control action Defuzzification Convert fuzzy output values to control signals

FUZZY CONTROLLER

FUZZY CONTROLLER Fuzzy Controller Defuzzification action Module Fuzzy Controlled Process Fuzzy Inference Engine Fuzzy Rule base Fuzzification Module condition

FUZZIFICATION Transformation from crisp input to fuzzy input.

APPROXIMATE REASONING y = f(x) Then we can make inferences easily premise y = f(x) fact x = x’ ------------------------------ consequence y = f( x’ )

BASIC INFERENCES x is A Mary is very young A  B very young  young ------------ ------------------------- x is B Mary is young x is A pressure is not very high x is B pressure is not very low --------------- ------------------------------------ x is A B pressure is not very high and not very low

MAMDANI’S IMPLICATION OPERATOR if x is A then y is B x is A’ ----------------------- y is B’

INFERENCE Penarikan kesimpulan dari semua fungsi keanggotaan yang sudah didefinisikan menggunakan RULE BASE. IF A AND B THEN C RULE 1 : A1 , B1  C1 RULE 2 : A2 , B2  C2 FAKTA : x , Dx ---------------------------------------- KESIMPULAN : C’

MIN-MAX METHOD

DEFUZZIFICATION Transformation from fuzzy output to crisp ouput. Defuzzification is a process to get a non-fuzzy value that best represents the possibility distribution of an inferred fuzzy control action. There is no systematic procedure for choosing a good defuzzification strategy. Selection of defuzzification procedure depends on the properties of the application.

CENTROID OF THE AREA

EXAMPLE

MEAN OF MAXIMUM

EXAMPLE

HEIGHT METHOD

WEIGHTED AVERAGE

EXAMPLE

BISECTOR OF THE AREA

FIRST/LAST MAXIMA

EXAMPLE