Logika FuzzySTT BT Bekasi 2011

Agenda Konsep Logika Fuzzy Himpunan Fuzzy Membership Function MF Linear MF Kurva segitiga MF Kurva trapesium MF Kurva bahu MF Kurva S MF Kurva lonceng (Bell) Kuva PI Kurva Beta Kurva Gauss

Agenda Koordinat Keanggotaan Operasi Himpunan Fuzzy Operator AND Operator OR Operator NOT

Penalaran Monoton IF x is A then y is B

Fungsi Implikasi If x is A1 AND/OR x2 is A2 then Y is B Sistem Inferensi Fuzzy Metode Tsukamoto Metode Mamdani Metode Sugeno

Konsep Logika Fuzzy

Ruang/Dimensi Input Persediaan barang existing Tingkat kepekatan air

Ruang/Dimensi Output Produksi barang esok Kecepatan Putar mesin

Black Box

Pemetaan dimensi input kedalam dimensi output untuk menetapkan action yang diperlukan

Kenapa Logika Fuzzy digunakan Konsepnya sederhana dan mudah dimengerti Flexibel Mampu memodelkan fungsi non linier yang kompleks Dapat membangun dan mengaplikasikan pengalaman pakar secara langsung Didasarkan pd bahasa alami Bekerjasama dng teknik kendali

Contoh Penerapan Mesin cuci (Fuzzy technology) Pemberhentian kereta secara otomatis (Sendai) Klasifikasi dan pencocokan pola Ilmu lingkungan : kendali kualitas air, prediksi cuaca

Himpunan Fuzzy Himpunan Crisp (tegas) uA [x] himpunan variabel A dengan x, pada himpunan crisp ada 2 kemungkinan yaitu: 1 (satu) atau uA [1], dan 0 (nol) atau uA [0]

Himpunan Fuzzy Nilai keanggotaannya antara 0 sd 1 Memiliki lebih dari 2 kemungkinan nilai keanggotaan

Contoh Himpunan CrispS = [1,2,3,4,5,6] himpunan semesta A = [1,2,3] B = [4,5,6] Maka:uA [1] = 1 uA [2] = 1 uA [3] = 1 uA [4] = 0 uA [5] = 0 uA [6] = 0 uB[1] = 0 uB[2] = 0 uB[3] = 0 uB [4] = 1 uB [5] = 1 uB [6] = 1

Contoh Himpunan Crisp/tegasMUDA, jika umur < 35 tahun PAROBAYA, jika 35 tahun umur 55 tahun TUA, jika umur > 55 tahun Bagaimana dengan kondisi : Umur 35 tahun 1 hari Umur 35 tahun Umur 55 tahun 1 hari Umur 55 + 1hr

Dilema Himpunan Crisp Himpunan crisp untuk menyatakan umur serta atribut relatif lainnya kurang fair (adil) karena adanya perubahan kecil berdampak pada perbedaan kategori yang cukup signifikan. Mengantisipasi ketidak adilan tersebut maka seorang dapat masuk 2 kategori yang berbeda namun tingkat/level keanggotaan orang tersebut nilai totalnya akan selalu 1

Himpunan FuzzyU(x)(tingkat keanggotaan

MUDA 1

PAROBAYA

TUA

0,5

0,25

25

35 40 45 50 55

65

umur

uMUDA(40)= 0,25 uPAROBAYA(40)= 0,25 uTUA(50) = 0,25 uPAROBAYA(50) = 0,5. ,

Terminologi pd Sistem Fuzzy1. Variabel Fuzzy : variabel yang dibahas pada sistem fuzzy, contoh usia, temperatur, penghasilan, dst 2. Himpunan Fuzzy: Grup yang mewakili keadaan atau kondisi tertentu dari variabel Fuzzy, contoh muda, parobaya, tua 3. Semesta pembicaraan : keseluruhan nilai yang diperbolehkan pada sistem Fuzzy. Umur 1 sd 75 th Temperatur o sd 49, dst 4. Domain : keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan pada himpunan Fuzzy Contoh muda = [0 45] Dingin = = [0 45]

Fungsi Keanggotaan Membership function (fungsi keanggotan) merupakan merupakan kurva (garis linier, nonlinear) yang menghubungkan titik koordinat (domain, derajad keanggotaan) atau f(D,u) dari input data.

Fungsi Keanggotaan (Membership Function)a1. Fungsi linier naiku[X] 1 Derajad Keanggotaan Pers fungsinya: u[X] = 0 untuk x