Kuliah Sistem Fuzzy Pertemuan 5 “Sistem Inferensi Fuzzy”

Slides:



Advertisements
Presentasi serupa
<Artificial intelligence>
Advertisements

Contoh Kasus Fuzzy dalam menentukan Jumlah Produksi Barang berdasarkan Jumlah Permintaan konsumen dan Jumlah Barang yang tersedia di gudang.
SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2011
Bahan Kuliah IF4058 Topik Khusus IF
Sistem Inferensi Fuzzy
FUZZY INFERENCE SYSTEMS
Jurusan Teknik Informatika Samuel Wibisono
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA BAGI MAHASISWA BERBASIS LOGIKA FUZZY ADE SYAYUTI MANNAF K
FUZZY INFERENCE SYSTEMS
LOGIKA FUZZY Kelompok Rhio Bagus P Ishak Yusuf
Logika Fuzzy.
LOGIKA FUZZY PERTEMUAN 3.
Logika Fuzzy Jurusan Teknik Informatika Samuel Wibisono
LOGIKA FUZZY .
CONTOH PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno
FUZZY LOGIC LANJUTAN.
Pertemuan 22 FUZZIFIKASI DAN DEFUZZIFIKASI
Intelligent Control System (Fuzzy Control)
Logika Fuzzy.
Kuliah Sistem Fuzzy Pertemuan 6
Model Fuzzy Tsukamoto.
Logika fuzzy.
KECERDASAN BUATAN LOGIKA FUZZY (Fuzzy Logic) Edy Mulyanto.
LOGIKA FUZZY (Lanjutan)
LOGIKA FUZZY Oleh I Joko Dewanto
LOGIKA FUZZY ABDULAH PERDAMAIAN
FUZZY INFERENCE SYSTEMS
FUZZY INFERENCE SYSTEMS
Model Fuzzy Mamdani.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
KECERDASAN BUATAN (Artificial Intelligence) Materi 5
Logika Fuzzy Jurusan Teknik Informatika Samuel Wibisono
CARA KERJA SISTEM PAKAR
Logika Fuzzy.
FUZZY TSUKAMOTO UTHIE.
FUZZY INFERENCE SYSTEM (FIS) - MAMDANI
Sistem Inferensi Fuzzy
REASONING FUZZY SYSTEMS.
FUZZY INFERENCE SYSTEM (FIS)
FUZZY INFERENCE SYSTEM (FIS)
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
Kuliah Sistem Fuzzy Pertemuan IV “Operator-operator Fuzzy”
FUZZY INFERENCE SYSTEM (FIS) - SUGENO
<KECERDASAN BUATAN>
Fuzzy logic Fuzzy Logic Disusun oleh: Tri Nurwati.
LATIHAN 1 (kelompok 1 – 3) Permintaan terbesar 6000 kemasan/hari, permintaan terkecil 2000 kemasan/hari Persediaan barang digudang terbanyak mencapai 700.
LOGIKA FUZZY Dosen Pengampu : Dian Tri Wiyanti, S.Si, M.Cs
Oleh : Yusuf Nurrachman, ST, MMSI
Perhitungan Membership
METODE FIS Pertemuan Ke-5.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
Penyusun: Tri Nurwati (dari segala sumber :)
HEMDANI RAHENDRA HERLIANTO
Sistem Inferensi Fuzzy
Operasi Himpunan Fuzzy
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
Rusmala, S.Kom., M.Kom Pertemuan 9, 10, 11
Sistem Pakar teknik elektro fti unissula
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
FUZZY INFERENCE SYSTEM (FIS) - SUGENO
CCM110, MATEMATIKA DISKRIT Pertemuan 13-14, Sistem Fuzzy
METODE FIS Pertemuan Ke-5.
FUZZY TSUKAMOTO UTHIE.
CCM110 Matematika Diskrit Pertemuan-11, Fuzzy Inference System
Fuzzy Expert Systems.
Penalaran Logika Fuzzy
FUZZY TSUKAMOTO UTHIE.
Operator Himpunan Fuzzy
Logika Fuzzy Dr. Mesterjon,S.Kom, M.Kom.
LOGIKA FUZZY. Definisi Logika Fuzzy adalah peningkatan dari logika Boolean yang mengenalkan konsep kebenaran sebagian. Di mana logika klasik menyatakan.
Transcript presentasi:

Kuliah Sistem Fuzzy Pertemuan 5 “Sistem Inferensi Fuzzy”

Fungsi-fungsi Implikasi Conditional Fuzzy Proposition - Digunakan pernyataan IF - IF X is A THEN y is B Unconditional Fuzzy Proposition - Tidak digunakan pernyataan IF - X is A

Conditional Fuzzy Proposition Fungsi Implikasi MIN Fungsi Implikasi DOT (Product)

Penalaran Monoton Dasar teknik implikasi fuzzy Contoh : IF tinggi badan is TINGGI THEN berat badan is BERAT

Metode MAMDANI (Max-Min) Untuk mendapatkan output diperlukan 4 tahap : - Pembentukan himpunan fuzzy - Aplikasi fungsi implikasi - Komposisi aturan : Metode Maximum Metode Additive Metode Probabilistik OR - Defuzzy (defuzifikasi)

Metode Maximum Solusi himpunan fuzzy berdasar nilai maksimum dari Rule Hasilnya digunakan untuk memodifikasi daerah fuzzy Mengaplikasikan ke output dengan menggunakan operator OR µsf[xi]  max(µsf[xi], µkf[xi]) µsf[xi], nilai keanggotaan solusi fuzzy rule ke–i µkf[xi], nilai keanggotaan konsekuen fuzzy rule ke–i

Contoh : IF Biaya Produksi RENDAH And Permintaan NAIK THEN Produksi Barang BERTAMBAH (R1) IF Biaya Produksi STANDAR THEN Produksi Barang NORMAL (R2) IF Biaya Produksi TINGGI And Permintaan TURUN THEN Produksi Barang BERKURANG (R3)

Komposisi Aturan Fuzzy Metode MAX

Defuzzifikasi Input dari himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy Output merupakan suatu bilangan pada domain himpunan fuzzy tersebut Contoh :

Metode Defuzzifikasi Metode Centroid Metode Bisektor Metode Mean of Maximum (MOM) Metode Large of Maximum (SOM) Metode Smallest of Maximum (SOM)

Metode Centroid Solusi himpunan fuzzy diperoleh dengan cara meng-ambil titik pusat (Z*) dari daerah fuzzy.

Metode Defuzzifikasi (con’t) Metode Bisektor, solusi crisp diperoleh dengan cara mengambil nilai pada domain fuzzy yang memiliki keanggotaan setengah dari jumlah total nilai keanggotaan pada daerah fuzzy Metode Mean of Maximum (MOM), solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain fuzzy yang memiliki nilai keanggotaan pada daerah fuzzy maksimum. Metode Large of Maximum (LOM), solusi crisp diperoleh dengan cara mengambil nilai terbesar pada domain fuzzy yang memiliki keanggotaan maksimum. Metode Smallest of Maximum (SOM), solusi crisp diperoleh dengan cara mengambil nilai terkecil pada domain fuzzy yang memiliki keanggotaan maksimum.

Penalaran Fuzzy Metode Sugeno Model Fuzzy Sugeno Orde-Nol Model Fuzzy Sugeno Orde-Saturday

Sampai Jumpa di Pertemuan 6 Selamat Belajar