logika fuzzy n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
LOGIKA FUZZY PowerPoint Presentation
Download Presentation
LOGIKA FUZZY

Loading in 2 Seconds...

play fullscreen
1 / 37

LOGIKA FUZZY - PowerPoint PPT Presentation


  • 164 Views
  • Uploaded on

LOGIKA FUZZY. YUSRON SUGIARTO, STP., MP., MSc. DEFINISI. HIMPUNAN FUZZY. FUNGSI KEANGGOTAAN. OPERASI LOGIKA. DEFINISI. HIMPUNAN FUZZY. FUNGSI KEANGGOTAAN. OPERASI LOGIKA. Definisi.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'LOGIKA FUZZY' - ishana


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.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
logika fuzzy
LOGIKA FUZZY

YUSRON SUGIARTO, STP., MP., MSc

slide2

DEFINISI

HIMPUNAN FUZZY

FUNGSI KEANGGOTAAN

OPERASI LOGIKA

slide3

DEFINISI

HIMPUNAN FUZZY

FUNGSI KEANGGOTAAN

OPERASI LOGIKA

definisi
Definisi

Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output.

definisi1
Definisi
  • Logika Fuzzyadalahpeningkatandarilogika Boolean yang mengenalkankonsepkebenaransebagian. Di manalogikaklasikmenyatakanbahwasegalahaldapatdiekspresikandalamistilah binary (0 atau 1, hitamatauputih, yaatautidak), logika fuzzy menggantikankebenaranbooleandengantingkatkebenaran.
  • Logika Fuzzy memungkinkannilaikeanggotaanantara 0 dan 1, tingkatkeabuandanjugahitamdanputih, dandalambentuklinguistik, konseptidakpastiseperti "sedikit", "lumayan", dan "sangat". Diaberhubungandengan set fuzzy danteorikemungkinan. FuzzydiperkenalkanolehDr. LotfiZadehdariUniversitas California, Berkeley pada 1965.
alasan digunakannya logika fuzzy
ALASAN DIGUNAKANNYA LOGIKA FUZZY
  • 1. Konseplogika fuzzy mudahdimengerti. Konsepmatematis yang mendasaripenalaranfuzzy sangatsederhanadanmudahdimengerti.
  • 2. Logika fuzzy sangatfleksibel.
  • 3. Logika fuzzy memilikitoleransiterhadap data-data yang tidaktepat.
  • 4. Logika fuzzy mampumemodelkanfungsi-fungsi nonlinear yang sangatkompleks.
  • 5. Logika fuzzy dapatmembangundanmengaplikasikanpengalaman-pengalamanparapakarsecaralangsungtanpaharusmelalui proses pelatihan.
  • 6. Logika fuzzy dapatbekerjasamadenganteknik-teknikkendalisecarakonvensional.
  • 7. Logika fuzzy didasarkanpadabahasaalami.
a plikasi
APLIKASI
  • Padatahun 1990 pertama kali dibuatmesincucidenganlogika fuzzy di Jepang(Matsushita Electric Industrial Company). Sistem fuzzy digunakanuntukmenentukanputaran yang tepatsecaraotomatisberdasarkanjenisdanbanyaknyakotoransertajumlah yang akandicuci.
  • Inputyang digunakanadalah: seberapakotor, jeniskotoran, danbanyaknya yang dicuci. Mesininimenggunakansensor optik , mengeluarkancahayake air danmengukurbagaimanacahayatersebutsampaikeujunglainnya. Makin kotor, makasinaryang sampaimakinredup. Disampingitu, sistemjugadapatmenentukanjeniskotoran (dakiatauminyak).
a plikasi1
APLIKASI
  • Transmisi otomatis pada mobil. Mobil Nissan telah menggunakan sistem fuzzy pada transmisi otomatis, dan mampu menghemat bensin 12 – 17%.
  • Ilmukedokterandanbiologi, sepertisistem diagnosis yang didasarkanpadalogikafuzzy, penelitiankanker, manipulasiperalatanprostetik yang didasarkanpadalogika fuzzy, dll.
  • Ilmulingkungan, sepertikendalikualitas air, prediksicuaca, dll.
  • Teknik, sepertiperancanganjaringankomputer, prediksiadanyagempabumi, dll.
slide9

DEFINISI

HIMPUNAN FUZZY

FUNGSI KEANGGOTAAN

OPERASI LOGIKA

himpunan fuzzy
Himpunan Fuzzy
  • Padahimpunantegas (crisp set), nilaikeanggotaansuatu item x dalamsuatuhimpunan A (ditulisA[x]) memiliki 2 kemungkinan :
    • Satu (1), artinya x adalahanggota A
    • Nol (0), artinya x bukananggota A
  • Contoh 1 :

Jikadiketahui :

S={1,2,3,4,5,6} adalahsemestapembicaraan

A={1,2,3}

B={3,4,5}

maka :

    • Nilaikaanggotaan 2 pada A, A[2] = 1, karena 2A
    • Nilaikaanggotaan 4 pada A, A[4] = 0, karena 4 A
    • Nilaikaanggotaan2padaB ????????
    • Nilaikaanggotaan5padaB ????????
slide11
Contoh 2:

“Jikasuhulebihtinggiatausamadengan 80 oF, makasuhudisebutpanas, sebaliknyadisebuttidakpanas”

Kasus :

    • Suhu = 100 oF, makaPanas
    • Suhu = 80.1 oF, makaPanas
    • Suhu = 79.9 oF, makatidakpanas
    • Suhu = 50 oF, makatidakpanas
  • If Suhu ≥ 80 oF, disebutpanas
  • If Suhu < 80 oF, disebuttidakpanas
  • Fungsikeanggotaandarihimpunantegasgagalmembedakanantaraanggotapadahimpunan yang sama
  • Ada problem-problem yang terlalukompleksuntukdidefinisikansecaratepat
slide12

Tua

Parobaya

Muda

1

1

1

[x]

[x]

[x]

0

55

35

0

55

0

35

Gambar 2a. Keanggotaan himpunan biasa (crisp) umur muda dan parobaya

Contoh 3 :

Misal variable umurdibagimenjadi 3 katagori :

  • MUDA umur <35 tahun
  • PAROBAYA 35 ≤ umur ≤ 55 tahun
  • TUA umur > 55 tahun
  • Apabilaseseorangberusia 34 tahun, makaiadikatakan MUDA
  • Apabilaseseorangberusia 35 tahun, makaiadikatakan TIDAK MUDA
  • Apabilaseseorangberusia 35 tahun, makaiadikatakan PAROBAYA
  • Apabilaseseorangberusia 35 tahunkurang 1 hari, makaiadikatakan TIDAK PAROBAYA
  • Apabilaseseorangberusia 55 tahun, makaiadikatakan TIDAK TUA
  • Apabilaseseorangberusia 55 tahunlebih ½ hari, makaiadikatakan TUA
slide13

Parobaya

Tua

Muda

1

[x]

0,5

0,25

0

55

35

25

40

45

50

65

  • Dari sinibisadikatakanbahwapemakaianhimpunan crisp untukmenyatakanumursangattidakadil, adanyaperubahankecilsajapadasuatunilaimengakibatkanperbedaankatagori yang cukupsignifikan
  • Himpunan fuzzy digunakanuntukmengantisipasihaltersebut. Sesorangdapatmasukdalam 2 himpunan yang berbeda. MUDA dan PAROBAYA, PAROBAYA dan TUA, dsb. Seberapabesareksistensinyadapatdilihatpadanilai/derajatkeanggotaannya. Gambarberikutmenunjukkanhimpunan fuzzy untukvariabelumur :

Gambar 2b. Himpunan Fuzzy untuk variable umur

slide14

Parobaya

Tua

Muda

1

[x]

0,5

0,25

0

55

35

25

40

45

50

65

Gambar 2b. Himpunan Fuzzy untuk variable umur

Apabila x memiliki nilai keanggotaan fuzzy A[x]=0 berarti x tidak menjadi

anggota himpunan A, demikian pula apabila x memiliki nilai keanggotaan fuzzy

µA[x]=1 berarti x menjadi anggota penuh pada himpunan A.

himpunan fuzzy1
HIMPUNAN FUZZY

Variabel temperatur, terbagi menjadi 5 himpunan fuzzy, yaitu: DINGIN, SEJUK, NORMAL, HANGAT, dan PANAS.

SEMESTA????

DOMAIN????

slide17

DEFINISI

HIMPUNAN FUZZY

FUNGSI KEANGGOTAAN

OPERASI LOGIKA

fungsi keanggotaan himpunan fuzzy membership function
FUNGSI KEANGGOTAAN HIMPUNAN FUZZY (MEMBERSHIP FUNCTION)
  • Adalahsuatufungsi (kurva) yang menunjukkanpemetaantitik-titik input data kedalamnilaikeanggotaannya (derajatkeanggotaan) yang memiliki interval antara 0 sampai 1.
  • Ada beberapafungsi yang bisadigunakan :
    • Representasi linier

1

fungsi keanggotaan himpunan fuzzy membership function1
FUNGSI KEANGGOTAAN HIMPUNAN FUZZY (MEMBERSHIP FUNCTION)
  • Representasilinier

1

Contoh:

Fungsi keanggotaan untuk himpunan PANAS pada variabel temperatur ruangan seperti terlihat pada Gambar

 Panas (27) = ????

 Panas (34) = ????

fungsi keanggotaan himpunan fuzzy membership function2
FUNGSI KEANGGOTAAN HIMPUNAN FUZZY (MEMBERSHIP FUNCTION)

1

  • Representasilinier

Contoh:

Fungsi keanggotaan untuk himpunan DINGIN pada variabel temperatur ruangan seperti terlihat pada Gambar

 dingin (25) = ????

 dingin (17) = ????

slide21

2

  • Representasisegitiga (triangular)

Ditentukanoleh 3 parameter {a, b, c} sebagaiberikut :

Fungsi keanggotaan untuk himpunan NORMAL pada variabel temperatur

ruangan seperti terlihat pada Gambar

slide22

3

  • RepresentasiTrapesium

Ditentukanoleh 4 parameter {a,b,c,d} sebagaiberikut :

Fungsi keanggotaan untuk himpunan NORMAL pada variabel temperatur

ruangan seperti terlihat pada Gambar

representasi bentuk bahu
RepresentasibentukBAHU

4

Daerah yang terletak di tengah-tengah suatu variabel yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan naik dan turun (misalkan: DINGIN bergerak ke SEJUK bergerak ke

HANGAT dan bergerak ke PANAS). Tetapi terkadang salah satu sisi dari

variabel tersebut tidak mengalami perubahan. Sebagai contoh, apabila

telah mencapai kondisi PANAS, kenaikan temperatur akan tetap berada pada kondisi PANAS. Himpunan fuzzy ‘bahu’, bukan segitiga, digunakan

untuk mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari

benar ke salah, demikian juga bahu kanan bergerak dari salah ke benar.

representasi bentuk s
RepresentasibentukS

5

Kurva PERTUMBUHAN dan PENYUSUTAN merupakan kurva-S atau sigmoid yang berhubungan dengan kenaikan dan penurunan permukaan

secara tak linear.

Kurva-S untuk PERTUMBUHAN akan bergerak dari sisi paling kiri (nilai

keanggotaan = 0) ke sisi paling kanan (nilai keanggotaan = 1). Fungsi keanggotaannya akan tertumpu pada 50% nilai keanggotaannya yang

sering disebut dengan titik infleksi

Kurva-S untuk PENYUSUTAN akan bergerak dari sisi paling kanan (nilai

keanggotaan = 1) ke sisi paling kiri (nilai keanggotaan = 0)

representasi bentuk s1
RepresentasibentukS

5

Kurva-S didefinisikan dengan menggunakan 3 parameter, yaitu: nilai keanggotaan nol (α), nilai keanggotaan lengkap (γ), dan titik infleksi atau crossover (β) yaitu titik yang memiliki domain 50% benar.

representasi bentuk s2
RepresentasibentukS

5

Contoh

Fungsi keanggotaan untuk himpunan TUA pada variabel umur seperti

terlihat pada Gambar

 tua (42) = ????

representasi bentuk s3
RepresentasibentukS

5

Contoh

Fungsi keanggotaan untuk himpunan MUDA pada variabel umur seperti

terlihat pada Gambar

 Muda (37)

representasi bentuk lonceng bell curve
RepresentasibentukLONCENG(BELL CURVE)

6

  • Untuk merepresentasikan bilangan fuzzy, biasanya digunakan kurva berbentuk lonceng. Kurva berbentuk lonceng ini terbagi atas 3 kelas, yaitu:
  • himpunan fuzzy PI,
  • beta,
  • Gauss.
representasi bentuk lonceng bell curve1
RepresentasibentukLONCENG(BELL CURVE)

6

Kurva PI

Kurva PI berbentuk lonceng dengan derajat keanggotaan 1 terletak pada

pusat dengan domain (γ), dan lebar kurva (β) seperti terlihat pada

Gambar

representasi bentuk lonceng bell curve2
RepresentasibentukLONCENG(BELL CURVE)

6

Kurva Beta

Seperti halnya kurva PI, kurva BETA juga berbentuk lonceng namun lebih

rapat. Kurva ini juga didefinisikan dengan 2 parameter, yaitu nilai pada

domain yang menunjukkan pusat kurva (γ), dan setengah lebar kurva (β)

seperti terlihat pada Gambar

Salah satu perbedaan mencolok kurva BETA dari kurva PI adalah, fungsi

keanggotaannya akan mendekati nol hanya jika nilai (β) sangat besar.

representasi bentuk lonceng bell curve3
RepresentasibentukLONCENG(BELL CURVE)

6

Kurva Beta

Fungsi keanggotaan untuk himpunan SETENGAH BAYA pada variabel

umur seperti terlihat pada Gambar

representasi bentuk lonceng bell curve4
RepresentasibentukLONCENG(BELL CURVE)

6

Kurva Gauss

Jika kurva PI dan kurva BETA menggunakan 2 parameter yaitu (γ) dan

(β), kurva GAUSS juga menggunakan (γ) untuk menunjukkan nilai

domain pada pusat kurva, dan (k) yang menunjukkan lebar kurva

slide33

DEFINISI

HIMPUNAN FUZZY

FUNGSI KEANGGOTAAN

OPERASI LOGIKA

operasi logika operasi himpunan fuzzy
Operasi Logika(OperasiHimpunan Fuzzy)
  • Operasi logika adalah operasi yang mengkombinasikan dan memodifikasi 2 atau lebih himpunan fuzzy. Nilai keanggotaan baru hasil operasi dua himpunan disebut firing strength atau  predikat, ada 3 operasi dasar yang diciptakan oleh Zadeh :
      • Operator AND, berhubungan dengan operasi intersection pada himpunan,  predikat diperoleh dengan mengambil nilai minimum antar kedua himpunan.

AB = min(A[x], B[y])

Misal nilai keanggotaan umur 27 pada himpunan muda adalah MUDA[27] = 0,6

dan nilai keanggotaan 2 juta pada himpunan penghasilan TINGGI adalah GAJITINGGI[2juta] = 0,8

maka -predikat untuk usia MUDA dan berpenghasilan TINGGI adalah nilai keanggotaan minimum:

MUDAGAJITINGGI = min( MUDA[27],  GAJITINGGI[2juta])

= min (0,6 ; 0,8)

= 0,6

slide35

Operator OR, berhubungan dengan operasi union pada himpunan,  predikat diperoleh dengan mengambil nilai maximum antar kedua himpunan.

AB = max(A[x], B[y])

Misal nilai keanggotaan umur 27 pada himpunan muda adalah MUDA[27] = 0,6 dan nilai keanggotaan 2 juta pada himpunan penghasilan TINGGI adalah GAJITINGGI[2juta] = 0,8

maka -predikat untuk usia MUDA atau berpenghasilan TINGGI adalah nilai keanggotaan maksimum :

MUDA  GAJITINGGI = max(MUDA[27], GAJITINGGI[2juta])

= max (0,6 ; 0,8)

= 0,8

slide36

Operasi NOT, berhubungan dengan operasi komplemen pada himpunan,  predikat diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan dari 1.

Misal nilai keanggotaan umur 27 pada himpunan muda adalah MUDA[27]= 0,6 maka -predikat untuk usia TIDAK MUDA adalah :

MUDA’[27] = 1 - MUDA[27

= 1 - 0,6

= 0,4