FUZZY INFERENCE SYSTEM (FIS)

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

1 FUZZY INFERENCE SYSTEM (FIS)
17/9/2015 Kode MK :TIF , MK : Fuzzy Logic

2 Kode MK :TIF ........, MK : Fuzzy Logic
OUTLINE Pendahuluan FIS Mekanisme FIS Penalaran Monoton Fungsi Implikasi Diagram Blok Sistem Fuzzy Arsitektur FIS Macam-macam FIS 17/9/2015 Kode MK :TIF , MK : Fuzzy Logic

3 PEDAHULUAN FIS Memetakan sebuah ruang input ke dalam ruang output dengan menggunakan IF-THEN rules. Pemetaan dilakukan dalam suatu Sistem Inferensi Fuzzy (Fuzzy Inference System/ fuzzy inference engine/FIS ) FIS adalah sistem yang dapat mengevaluasi semua rule secara simultan untuk menghasilkan kesimpulan dan urutan rule bisa sembarang. Semua aturan atau rule harus didefinisikan lebih dahulu sebelum membangun sebuah FIS yang akan digunakan untuk menginterprestasikan sebuah rule tersebut. 11/08/2011 Logika Fuzzy

4 MEKANISME FIS Fuzzy Inference Systems (FIS) FUZZYFIKASI DEFUZZY OUTPUT
RULES AGREGASI DEFUZZY INPUT (CRISP) OUTPUT 11/08/2011 Logika Fuzzy

5 ISTILAH-ISTILAH FIS Fuzzification : Fuzzification mengubah masukan-masukan yang nilai kebenarannya bersifat pasti (crisp input) ke dalam bentuk fuzzy input , berupa nilai linguistic dan semantiknya ditentukan berdasarkan fungsi keanggotaan tertentu. Inference : Evaluasi kaidah/aturan/rule fuzzy untuk menghasilkan output dari tiap rule Inference melakukan penalaran menggunakan fuzzy input dan fuzzy rules yang telah ditentukan sehingga menghasilkan fuzzy output 16/12/2010 Revisi 01 Kapita Selekta

6 ISTILAH-ISTILAH FIS Composisi : Agregasi atau kombinasi dari output semua rule Defuzzification : mengubah fuzzy output menjadi crisp value berdasarkan fungsi keanggotaan yang telah ditentukan 16/12/2010 Revisi 01 Kapita Selekta

7 PENALARAN MONOTON Metode Penalaran secara monoton digunakan sebagai dasar untuk teknik implikasi fuzzy. Jika 2 daerah fuzzy direlasikan dengan implikasi sederhana sebagai berikut: IF x is A THEN y is B transfer fungsi: y = f((x,A),B) maka sistem fuzzy dapat berjalan tanpa harus melalui komposisi dan dekomposisi fuzzy. Nilai output dapat diestimasi secara langsung dari derajat keanggotaan yang berhubungan dengan antesedennya. 11/08/2011 Logika Fuzzy

8 m[x] m[y] 58 TINGGI 1 [0,75] 150 165 170 Tinggi badan (cm) BERAT 1
m[x] 1 Tinggi badan (cm) TINGGI [0,75] m[y] 1 Berat badan (Kg) BERAT [0,75] 58 11/08/2011 Logika Fuzzy

9 FUNGSI IMPLIKASI Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan berhubungan dengan suatu relasi fuzzy. Bentuk umum nya adalah : IF x is A THEN y is B dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Proposisi yang mengikuti IF disebut anteseden, sedangkan proposisi yang mengikuti THEN disebut konsekuen. 11/08/2011 Logika Fuzzy

10 FUNGSI IMPLIKASI Min (minimum)
fungsi ini akan memotong output himpunan fuzzy. Dot (product) fungsi ini akan menskala output himpunan fuzzy. 11/08/2011 Logika Fuzzy

11 DIAGRAM BLOK SISTEM BERBASIS ATURAN
Fuzzification Inference Defuzzification Fuzzy input Fuzzy output Crisp value Fuzzy Rules Output µ Crisp Input 11/08/2011 Logika Fuzzy

12 ARSITEKTUR FUZZY SISO (Single Input Single Output)
SIMO (Single Input Multi Outpuy) MISO (Multi Input Single Output) MIMO (Multi Input Multi Output) 11/08/2011 Logika Fuzzy

13 MACAM-MACAM METODE FIS
Metode FIS-Tsukamoto Metode FIS-Mamdani Metode FIS-Sugeno 11/08/2011 Logika Fuzzy