Pendahuluan LOGIKA FUZZY

Presentasi berjudul: "Pendahuluan LOGIKA FUZZY"— Transcript presentasi:

1 Pendahuluan LOGIKA FUZZY
Matakuliah : Optimasi Tahun : 2011 Pendahuluan LOGIKA FUZZY

2 Menjelaskan mengenai konsep fuzzy.
Learning Outcomes Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : Menjelaskan mengenai konsep fuzzy. Outline Materi Konsep dari Logika Fuzzy. Himpunan Fuzzy dan Crisp.

3 Aplikasi dalam bidang control oleh E.H.Mamdani.
SEJARAH Logika fuzzy pertama kali diperkenalkan oleh seorang Professor Computer Science dari University of California di Berkeley yang bernama Dr. Lotfi A.Zadeh pada tahun 1965. Aplikasi dalam bidang control oleh E.H.Mamdani.

4 SEJARAH Logika fuzzy ini berkembang pesat terutama di negara Jepang dengan dihasilkannya ribuan paten mulai dari bermacam-macam produk elektronik sampai aplikasi pada kereta api di kota Sendai

5 KONSEP FUZZY Logika fuzzy pada dasarnya merupakan logika bernilai banyak ( multivalued logic ) yang dapat mendefinisikan nilai diantara keadaan yang biasa kita kenal seperti ya/tidak, hitam/putih, benar/salah. Logika fuzzy menirukan cara manusia mengambil keputusan dengan kemampuannya bekerja dari data yang samar/tidak rinci dan menemukan penyelesaian yang tepat.

6 KONSEP FUZZY Zadeh berpendapat bahwa logika ‘benar’ dan ‘salah’ dari logika boolean tidak dapat mengatasi masalah gradasi yang berada pada dunia nyata. Untuk mengatasi masalah gradasi yang tidak terhingga tersebut, beliau mengembangkan sebuah himpunan fuzzy. Tidak seperti logika boolean, logika fuzzy mempunyai nilai yang kontinu. Fuzzy dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran.

7 BILA DIGUNAKAN FUZZY Pada suatu sistem jika kompleksitasnya berkurang, maka persamaan matematik dapat digunakan dan ketelitian yang dihasilkan menjadi sangat berguna dalam pemodelan sistem tetapi jika kompleksitasnya bertambah dimana persamaan matematik tidak dapat digunakan, logika fuzzy menjadi salah satu alternatif penyelesaiannya.

8 CRISP DAN FUZZY

9 TINGGI BADAN

10 HIMPUNAN KOTA DEKAT BOGOR
Himpunan Crisp A = { Jakarta, Sukabumi, Cibinong, Depok } Himpunan Fuzzy B = { (0.7/Jakarta ) , (0.6/Sukabumi ) , (0.9/Cibinong ) , (0.8/Depok ) } Angka 0.6 – 0.9 menunjukkan tingkat keanggotaan ( degree of membership )