1 / 15

Logika Fuzzy

Logika Fuzzy. Bahan Kuliah IF4058 Topik Khusus IF. Oleh : Rinaldi Munir. Teknik Informatika – STEI ITB. Variabel Linguistik. Variabel lingusitik adalah variabel yang memiliki nilai linguistik . Disebut juga “ variabel fuzzy”

adrian-hogan
Download Presentation

Logika Fuzzy

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Logika Fuzzy BahanKuliah IF4058 TopikKhusus IF Oleh: RinaldiMunir TeknikInformatika – STEI ITB

  2. VariabelLinguistik • Variabellingusitikadalahvariabel yang memilikinilailinguistik. • Disebutjuga “variabel fuzzy” • Contoh: suhudankecepatanadalahvariabellinguistik. • Nilailingusitikdarivariabellinguistikdisebutjugaterma. Nilailinguistikdinyatakandalambahasaalami. • Contoh: { dingin, panas, sedang} adalahhimpunantermaatomik yang menunjukkannilaikualitatif yang dimilikiolehvariabelsuhu,

  3. {lambat, sedang, cepat} adalahadalahhimpunanterma yang menunjukkannilaikualitatif yang dimilikiolehvariabelkecepatan. • Nilaikuantitatifsetiaptermaditentukandenganfungsikeanggotaan. • Satutermadiwakilidengansatuhimpunanfuzzy.

  4. Predikat • Padalogikaklasik, nilaikebenaranlogikapredikat(predicate logic) adalah 1 (true) atau 0 (false). • Tetapipadalogikafuzzy, nilaikebenaranpredikatadalahnilairiildidalamselang [0,1]. • Misalkanpadalahpredikati yang didefinisikanpadahimpunanfuzzy A, makanilaikebenaranpredikatpadalah T(p) = A(x), 0 A 1 • Jadi, nilaikebenaranp : xAsamadenganderajatkeanggotaanxdidalamA.

  5. Duabentukpredikatdidalamlogikafuzzy: • Predikatatomik Berbentuk: “xisA” yang dalamhalini, xadalahpeubahlinguistikdanAadalahterma/nilailinguistik • Contoh : “man is old” Misalkanfungsikeanggotaanold adalah Misalkan man = 50, makanilaikebenaran “50 is old” adalah (50 – 45)/15 = 1/3 = 0.333

  6. Predikatmajemuk “x is A or y is B” “x is A and y is B” “x is not A” Contoh: “temperature is cold or it is rainy ” Nilaikebenaranpredikatmajemukditentukandenganaturan OR dan AND yang sudahdijelaskansebelumnya: ABAB = A(x) B(x) = max(A(x), B(x)) ABAB = A(x) B(x) = min(A(x), B(x)) A’  A’ = 1 – A(x)

  7. Contoh:Diketahuipredikat fuzzy E  (x is S and x is not F) or x is M maka E = max(min(S(x), F’(x)), M(x)) = max(min(S(x), 1 - F(x)), M(x))

  8. Kaidah Fuzzy (Fuzzy’s rule) • Bentukkaidahfuzzy: IF x is A THEN y is B • Kaidah fuzzy disebutjugaimplikasi fuzzy • A dan B adalahtermaataunilailingusitik, x dan y adalahvariabel fuzzy • “x is A” disebutantesendenataupremis • “y is B” disebutkonsekwen

  9. Contoh-contoh: if permintaan is NAIK then harga is TINGGI if temperatur is DINGIN then tekanan is SEDANG • Antesendendankonsekuendimungkinkanmempunyailebihdarisatupredikatdengankonektifand, or, dannot • Contoh: if pelayanan is BAGUS and makanan is ENAK then bonus is BESAR if temperatur is PANAS then putaran_kipas is CEPAT or buka_ventilasi is LEBAR

  10. Tigatahappenginterpretasian IF-THEN rule: • Fuzzifikasi Menentukanderajatkeanggotaandarivariabelmasukan 2. Operasi fuzzy logic Melakukanoperasi-operasi fuzzy logic, misalnyakonektivitas AND dioperasikandenganfungsi min 3. Implikasi Menerapkanmetdoeimplikasiuntukmenentukanbentukakhirkeluaran fuzzy set. Metodeimplikasi yang banyakdiguankan: metodeMamdanidanmetodeSugeno (akandijelaskankemudian)

  11. Fuzzifikasi Implikasi

  12. Implikasi Fuzzifikasi Operasi fuzzy logic

  13. Contoh: Di restoran, andaseringmemberiuang tip kepadapelayanjikapelayanannyabagus. Besaruang tip tergantungkualitaslayan yang andadapatkan. Selainitu, besar tip jugaseringditentukanapakahmakanan yang disajikanenakatautidak. • Misalkandibuatkaidah fuzzy sebagaiberikut: if pelayanan is BAGUS and makanan is ENAK then bonus is BESAR

  14. Fuzzifikasi: BAGUS ENAK 0.4 0.3 pelayananmakanan • Operasi fuzzy logic: min(0.4, 0.3) = 0.3

  15. Implikasi BESAR 0.3 Bonus Bonus min(0.3, BESAR)

More Related