Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)

Presentasi berjudul: "Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)"— Transcript presentasi:

1 Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
Betha Nurina Sari, M.Kom

2 FUZZY INFERENCE SYSTEM (FIS)
Metode Tsukamoto Metode Mamdani Metode Sugeno

3 Fuzzy Inference System (FIS) Sistem Inferensi Fuzzy
Inferensi: penarikan kesimpulan Sistem inferensi fuzzy: penarikan kesimpulan dari sekumpulan kaidah fuzzy Jadi, di dalam FIS minimal harus ada dua buah kaidah fuzzy Input FIS: crisp values Output FIS: crisp values

4 Fuzzy Inference System (FIS) Sistem Inferensi Fuzzy

5 Proses-proses di dalam FIS:
1. Fuzzifikasi 2. Operasi fuzzy logic 3. Implikasi 4. Agregasi 5. Defuzzyfikasi

6 Fuzzyfikasi Fuzzyfikasi: proses memetakan nilai crisp (numerik) ke dalam himpunan fuzzy dan menentukan derajat keanggotaannya di dalam himpunan fuzzy. Hal ini dilakukan karena data diproses berdasarkan teori himpunan fuzzy sehingga data yang bukan dalam bentuk fuzzy harus diubah ke dalam bentuk fuzzy.

7 FUZZY INFERENCE SYSTEM (FIS)
Fuzzifikasi Basis Pengetahuan (Rule Based) Logika Fuzzy Inference (reasoning) Defuzzifikasi

8 Fuzzifikasi

9 Fuzzifikasi

10 Operasi Logika Fuzzy

11 Implikasi Proses mendapatkan keluaran dari IF-THEN rule
Metode yang umum digunakan adalah metode Mamdani Input: derajat kebenaran bagian antesenden dan fuzzy set pada bagian konsekuen Fungsi implikasi yang digunakan adalah min

12 IMPLIKASI

13 IMPLIKASI

14 IMPLIKASI

15 Agregasi atau Komposisi
Jika terdapat lebih dari satu kaidah fuzzy yang dievaluasi, keluaran semua IF-THEN rule dikombinasikan menjadi sebuah fuzzy set tunggal. Metode agregasi yang digunakan adalah max atau OR terhadap semua keluaran IF-THEN rule Jika dilakukan fungsi min pada impikasi dan max pada agregasi, maka metode Mamdani disebut juga metode MIN-MAX (min-max inferencing)

16 Agregasi atau Komposisi

17

18

19

20

21 Defuzzykasi

22 Defuzzykasi Strategi yang umum dipakai dalam defuzzifikasi
adalah menentukan bentuk kompromi terbaik. Metode-metode untuk strategi ini adalah: 1. Metode keanggotaan maximum (maxmembership) 2. Metode pusat luas (Center of Area, CoA) 3. Metode keanggotaan maksimum rata-rata (Meanmax Membership atau Middle-of-Maxima)

23 Defuzzifikasi

24 Defuzzifikasi

25 Defuzzifikasi

26 FUZZY INFERENCE SYSTEM (FIS)
Model Fuzzy Mamdani Model Fuzzy Sugeno

27 MODEL FUZZY mamdani

28 MODEL FUZZY TSUKAMOTO

29 FUZZIFIKASI

30 FUZZIFIKASI

31 FUZZIFIKASI

32 FUZZIFIKASI

33 Kaidah / Aturan

34 Kaidah / Aturan

35 Kaidah / Aturan

36 Kaidah / Aturan

37

38 AGREGASI

39 DEFUZZIFIKASI

40 DEFUZZIFIKASI

41 MODEL FUZZI TSUKAMOTO

42 MODEL FUZZI TSUKAMOTO

43 MODEL FUZZI TSUKAMOTO

44 MODEL FUZZI TSUKAMOTO

45 MODEL FUZZI TSUKAMOTO

46 MODEL FUZZI TSUKAMOTO

47 MODEL FUZZI SUGENO

48 MODEL FUZZI SUGENO Tipe Mamdani merupakan tipe FIS standard yang umum dipakai Kelemahan FIS tipe Mamdani adalah tidak mangkus sebab harus menghitung luas daerah di bawah kurva FIS alternatif adalah FIS dengan metode Sugeno, yang diperkenalkan oleh Takagi-Sugeno-Kang.

49 MODEL FUZZI SUGENO Pada metode Sugeno, fuzzifikasi, operasi fuzzy, dan implikasi sama seperti metode Mamdani. Perbedaannya hanya pada agregasi dan defuzzifikasi. Jika pada metode Mamdani agregasi berupa daerah di bawah kurva, maka pada metode Sugeno agregasi berupa singleton-singleton.

50 MODEL FUZZI SUGENO

51 MODEL FUZZI SUGENO

52 ARTIFICIAL NEURAL NETWORKS (ANN)
NEXT ARTIFICIAL NEURAL NETWORKS (ANN)