Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Rusmala, S.Kom., M.Kom Pertemuan 9, 10, 11

Presentasi serupa


Presentasi berjudul: "Rusmala, S.Kom., M.Kom Pertemuan 9, 10, 11"— Transcript presentasi:

1 Rusmala, S.Kom., M.Kom Pertemuan 9, 10, 11
Metode Fuzzy

2 Fuzzy dalam SPK Adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam ruang output Fuzzy Logic Mamdani Sugeno Tsukamto Fuzzy custering Fuzzy C-means

3 Mamdani =metode Max-Min
Output (hasil), diperlukan 4 tahapan Pembentukan himpunan fuzzy Variabel input maupun output dibagi menjadi satu atau lebih himpunan Aplikasi fungsi implikasi menyatakan relasi antara variabel input dengan variabel output. fungsi implikasi yang digunakan adalah Min Komposisi aturan Ada 3 metode yang digunakan Matode Max(Maximum) Metode Additive (Sum) Metode Probabilistik (probor) Defuzzifikasi Suatu himpunan yang diperoleh dari komposisi aturan-aturan fuzzy output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut

4 Metode Sugeno sama dengan penalaran Mamdani, hanya saja output sistem tidak berupa himpunan fuzzy , melainkan berupa konstanta atau persamaan linear Model Fuzzy SugenoOrde-Nol BentukUmum: Model Fuzzy SugenoOrde-Satu

5 TSUKAMOTO = logika fuzzy
hanya memiliki dua nilai keanggotaan yaitu 0 dan 1 dimana bisa berarti atau bernilai benar atau salah secara bersamaan. Nilai samar antara benar atau salah Setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton output hasil inferensi dari tiap-tiap aturan diberikan secara tegas berdasarkan α-predikat. Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot

6 Fungsi keanggotaan Representasi linier Representasi kurva segitiga
Reprensentasi kurva trapezium

7 Representasi linier Pemetaan input kederajat keanggotaanya digambarkan sebagai suatu garis lurus. Representasi linier naik

8 Representasi linier turun

9 Representasi kurva segitiga

10 Representasi Kurva trapezium

11 Metode fuzzy tsukamoto
Contoh 1 Metode fuzzy tsukamoto

12 Perusahaan Makanan Kaleng
Sebuah perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Dari data 1 bulan terakhir permintaan terbesar hingga mencapai 5000 kemasan/ hari dan permintaan terkcil sampai 1000 kemasan /hari. Persediaan barang digudang paling banyak sampai 600 kemasam / hari dan paling sedikit sampai 100 kemasan / hari. Dengan segala keterbatasannya, sampai saat ini, perusahaan baru mampu meproduksi barang maksimal 7000 kemasamn / hari, serta demi efesiensi mesin dan SDM tiap hari diharapkan perusahaan memproduksi paling tidak sampai 2000 kemasan. Apabila proses produksi perusahaan tersebut menggunakan 4 aturan sebagai berikut :

13 Rule 1 IF permintaan TURUN AND Persediaan BANYAK THEN produksi barang BERKURANG Rule 2 IF permintan TURUN AND Persediaan SEDIKIT THEN produksi barang BERKURANG Rule 3 IF permintan NAIK AND Persediaan BANYAK THEN produksi barang BERTAMBAH Rule 4 IF permintan NAIK AND Persediaan SEDIKIT THEN produksi barang BERTAMBAH

14 Berapa kemasan makanan ABC yang aharus diproduksi, jika jumlah permintaan sebanyak 2500 kemasan. Dan persediaan digudang masih 500 kemasan?

15

16

17

18

19 Restoran Disebuah restoran ada seorang pelayan yang melayani mulai dari menyambut kedatangan, menulis menu yang di pesan, mengatur makanan sampai menyajikan makanan. Faktor penilaian ansar : Pembayaran Durasi/ pelayanan TIPS

20 Diketahui Pembayaran makanan yang dibeli, terendah adalah Rp dan tertinggi Rp untuk sekali datang Lamanya menunggu pesanan datang tercepat adalah 1 menit dan terlama 16 menit. Tips yang diberikan ansar adalah Rp sampai Rp Jika makanan yang dipesan Rp Lama menunggu pesan adalah 12 menit Pertanyaan Berapa tips yang ansar berikan?

21 Tabel : data maks dan min
Data jumlah Satuan Pembayaran tertinggi Pembayaran Terendah 50.000 Pelayan Tercepat 1 Pelayanan terlama 6 Tips terendah 10.000 Tips Terbanyak 30.000

22 penyelesaian Memodelkan variabel fuzzy Inferensi
Menentukan output crips

23 Memodelkan variabel fuzzy

24

25

26 INFERENSI [R1] IF Pembayaran Rendah And Pelayanan Lama Then Tips Rendah z1 adalah nilai z untuk aturan fuzzy [r1]

27 [R2] IF Pembayaran Rendah And Pelayanan Cepat Then Tips Rendah
z1 adalah nilai z untuk aturan fuzzy [R2]

28 [R3] IF Pembayaran Tinggi And Pelayanan Lama Then Tips Banyak
z3 adalah nilai z untuk aturan fuzzy [R3]

29 [R4] IF Pembayaran Tinggi And Pelayanan Cepat Then Tips Banyak
z4 adalah nilai z untuk aturan fuzzy [R3]

30 Menentuka output crips


Download ppt "Rusmala, S.Kom., M.Kom Pertemuan 9, 10, 11"

Presentasi serupa


Iklan oleh Google