LOGIKA FUZZY Dosen Pengampu : Dian Tri Wiyanti, S.Si, M.Cs

Presentasi berjudul: "LOGIKA FUZZY Dosen Pengampu : Dian Tri Wiyanti, S.Si, M.Cs"— Transcript presentasi:

1 LOGIKA FUZZY Dosen Pengampu : Dian Tri Wiyanti, S.Si, M.Cs dian.t.wiyanti@gmail.com

2  Komputer hanya berbasiskan bilangan biner (0 dan 1).  Kesenjangan komunikasi antara bahasa manusia dengan bahasa mesin (komputer) yang hanya memahami bahasa biner.  Sulitnya untuk merepresentasikan bahasa manusia (ex: panas, dingin, cepat, lambat, dll). Dian Tri Wiyanti, S.Si, M.Cs

3  Memungkinkan nilai keanggotaan berada di antara 0 dan 1.  Merepresentasikan bahasa manusia ke dalam ekspresi matematis. Dian Tri Wiyanti, S.Si, M.Cs

4  Mesin cuci.  Transmisi otomatis (mobil Nissan).  Ilmu kedokteran dan biologi (diagnosis penyakit).  Klasifikasi dan pencocokan pola.  Ilmu lingkungan (ex: prediksi cuaca, kendali kualitas air).  Riset operasi (dalam bidang ekonomi). Dian Tri Wiyanti, S.Si, M.Cs

5 1) Linguistik yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti: MUDA, PAROBAYA, TUA. 2) Numeris yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti: 40, 25, 50, dsb. Dian Tri Wiyanti, S.Si, M.Cs

6 1) Variabel fuzzy Merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. 2) Himpunan fuzzy Merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. 3) Semesta pembicaraan Keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. 4) Domain himpunan fuzzy Keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.

7 Dian Tri Wiyanti, S.Si, M.Cs

8 Fuzzifikasi >> pengubahan nilai crisp ke dalam nilai fuzzy Sistem inferensi (knowledge base) >> rule-rule yang ada dicari nilai α-predikat tiap-tiap rule Defuzzifikasi >> pengubahan besaran fuzzy ke bentuk nilai crisp’nya

9 Variabel fuzzy  kecepatan Himpunan fuzzy  lambat, cepat Semesta pembicaraan  [0,5000] rpm Domain  lambat : [0,1500] rpm cepat : [1000,5000] rpm Dian Tri Wiyanti, S.Si, M.Cs

10 Variabel fuzzy  hasil produksi Himpunan fuzzy  berkurang, normal, bertambah Semesta pembicaraan  [0,100] Domain  berkurang : [0,50] normal : [30,70] bertambah : [50,100] Contoh lain : usia..?? Dian Tri Wiyanti, S.Si, M.Cs

11 1) Representasi naik Derajat keanggotaan

12 Dian Tri Wiyanti, S.Si, M.Cs 2) Representasi turun Derajat keanggotaan

13 Dian Tri Wiyanti, S.Si, M.Cs 3) Representasi segitiga Derajat keanggotaan

14 Dian Tri Wiyanti, S.Si, M.Cs 4) Representasi trapesium Derajat keanggotaan

15 Variabel :  kecepatan putar kipas angin,  suhu ruangan,  frekuensi putar kipas angin. Himpunan fuzzy :  kecepatan putar kipas angin : lambat, cepat  suhu ruangan : rendah, tinggi  frekuensi putar kipas angin : kecil, besar

16 Semesta pembicaraan :  kecepatan putar kipas angin : [1000 rpm, 5000 rpm]  suhu ruangan : [100 Kelvin, 600 Kelvin]  frekuensi putar kipas angin : [2000 rpm, 7000 rpm] Domain :  kecepatan putar kipas angin lambat : [1000, 2500] cepat : [2000, 5000]  suhu ruangan rendah : [100, 350] tinggi : [300, 600]  frekuensi putar kipas angin kecil : [2000, 3500] besar : [3000, 7000]

17 RULE :  IF kecepatan lambat AND suhu tinggi THEN frekuensi kecil  IF kecepatan lambat AND suhu rendah THEN frekuensi kecil  IF kecepatan cepat AND suhu tinggi THEN frekuensi besar  IF kecepatan cepat AND suhu rendah THEN frekuensi besar

18 Suatu perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Dari data 1 bulan terakhir, permintaan menurun ada pada kisaran 0-4500 kemasan/hari, dan permintaan naik berkisar 500- 5000 kemasan/hari. Permintaan tidak pernah lebih dari 5000 kemasan/hari. Persediaan barang di gudang maksimum mencapai 600 kemasan/hari. Persediaan dikatakan sedikit jika banyaknya antara 0-500 kemasan/hari. Sedangkan dikatakan banyak pada kisaran 100-600 kemasan/hari. Perusahaan dapat memproduksi barang maksimum 7000 kemasan/hari. Kriteria produksi berkurang jika antara 0-6000, dan kriteria bertambah pada 1000-7000 kemasan.

19 OPERASI DASAR HIMPUNAN FUZZY Digunakan untuk mengkombinasi dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil dari operasi 2 himpunan disebut fire strength atau α-predikat.

20 R1 : IF permintaan turun AND persediaan banyak THEN produksi barang berkurang R2 : IF permintaan turun AND persediaan sedikit THEN produksi barang berkurang R3 : IF permintaan naik AND persediaan banyak THEN produksi barang bertambah R4 : IF permintaan naik AND persediaan sedikit THEN produksi barang bertambah

21 Berapa kemasan makanan jenis ABC yang harus diproduksi, jika jumlah permintaan sebanyak 4000 kemasan dan persediaan di gudang masih 300 kemasan?

22  Mencari derajat keanggotaan dari permasalahan yang diberikan.  Inferensi : evaluasi rule-rule yang ada a) mencari nilai α-predikat, dan b) nilai z.

23 Pada metode Tsukamoto, untuk menentukan output crisp menggunakan rata-rata terbobot :