1.
2.
Bila seseorang berusia 34 tahun, maka ia dikatakan MUDA
(MUDA[34]=1).
Bila seseorang berusia 35 tahun, maka ia dikatakan TIDAK
MUDA
(MUDA[35]=0).
3.
4.
5.
6.
7.
Bila seseorang berusia 35 tahun kurang 1 hari, maka ia
dikatakan TIDAK MUDA (MUDA [35 th-1 hr]=0).
Bila seseorang berusia 35 tahun, maka ia dikatakan
PAROBAYA (PAROB AYA [35]=1).
Bila seseorang berusia 34 tahun, maka ia dikatakan TIDAK
PAROBAYA (PAROB AYA[34]=0).
Bila seseorang berusia 55 tahun, maka ia dikatakan
PAROBAYA (PAROB AYA [55]=1).
Bila seseorang berusia 35 tahun kurang 1 hari, maka ia
dikatakan TIDAK PAROBAYA (PAROB AYA [35 th-1 hr]=0).
2.5.2 Fungsi Keanggotaan
Menurut [1], fungsi keanggotaan adalah kurva yang
mendefinisikan bagaimana masing-masing titik dalam ruang input
dipetakan ke dalam nilai keanggotaan (sering juga disebut dengan
derajat keanggotaan, fire strength atau ( -predikat) antara 0 dan 1.
Fungsi keanggotaan memetakan elemen x dari himpunan semesta
15
c(c x) /(c b); b o x o c
(
x ke sebuah bilangan (x), yang menentukan derajat keanggotaan
dari elemen ke dalam himpunan fuzzy A :
A = {(x, A (x))| x X }
(2.1)
Cara yang dapat digunakan untuk mendapatkan nilai
keanggotaan adalah dengan melalui pendekatan fungsi. Ada
beberapa fungsi yang dapat digunakan antara lain representasi
kurva segitiga, kurva trapesium, dan lain-lain. Namun dalam
penelitian ini, penulis hanya menggunakan representasi kurva
segitiga karena lebih sederhana dan lebih mudah. Kurva segitiga
pada dasarnya merupakan gabungan antara dua garis (linear) yang
ditunjukkan oleh gambar berikut.
1
derajat
keanggotaan
[x]
0
a
b
c
domain
Gambar 2.2 Kurva Segitiga
Fungsi keanggotaan:
_0
x o a atau x c c
[x] =
| x a) /(b a); a o x o b
(2.2)
16
Operasi Operator (-predikat Fungsi Keanggotaan
Complement NOT
Mengurangkan
nilai
keanggotaan
dari 1
A ' = 1 A ( x)
Intersection AND
Nilai
keanggotaan
terkecil
A)B = min( A[x], B [
y])
Union OR
Nilai
keanggotaan
terbesar
A-B = max( A[x], B [
y])
2.5.3. Operasi Dasar Dalam Himpunan Fuzzy
Ada tiga macam operasi dasar dalam himpunan fuzzy, yaitu
intersection
(irisan),
union
(gabungan),
dan
complement
(komplemen). Dari ketiga operasi tersebut akan diperoleh fungsi
keanggotaan untuk menghasilkan ( -predikat sebagai hasil dari
operasi dua himpunan.
Fungsi keanggotaan himpunan fuzzy baru yang dihasilkan
dari operasi-operasi tersebut diberikan dalam tabel berikut:
Tabel 2.1 Operasi-operasi dasar dalam himpunan fuzzy [1].
Dengan A dan B adalah himpunan fuzzy, x X .
17
Contoh 2.3
Operasi Komplemen
Misalkan nilai keanggotaan 27 tahun pada himpunan muda adalah
0,6 ( MUDA[27] = 0,6) dan nilai keanggotaan 40 pada himpunan
parobaya adalah 0,4 ( PAROBAYA [40] = 0,4), maka ( -predikat
untuk usia TIDAK MUDA adalah:
MUDA [27] = 1- MUDA[27]
= 1- 0,6 = 0,4
Atau TIDAK PAROBAYA adalah :
PAROBAYA [40] = 1- PAROBAYA [40]
= 1- 0,4 = 0,6
Contoh 2.4
Operasi Irisan
Misalkan nilai keanggotaan 27 tahun pada himpunan muda adalah
0,6 ( MUDA[27] = 0,6) dan nilai keanggotaan 40 pada himpunan
parobaya adalah 0,4 ( PAROBAYA [40] = 0,4), maka ( -predikat
untuk usia MUDA dan usia PAROBAYA adalah :
MUDA ) PAROB AYA = min ( MUDA[27], PAROBAYA [40])
= min (0,6 ; 0,8) = 0,6
Contoh 2.5
Operasi Gabungan
Misalkan nilai keanggotaan 27 tahun pada himpunan muda adalah
0,6 ( MUDA[27] = 0,6) dan nilai keanggotaan 40 pada himpunan
18
parobaya adalah 0,4 ( PAROBAYA [40] = 0,4), maka ( -predikat
untuk usia MUDA dan usia PAROBAYA adalah :
MUDA - PAROBAYA = max ( MUDA[27], PAROBAYA [40])
= max (0,6 ; 0,8) = 0,8
Dalam logika fuzzy untuk mendapatkan solusi, ada tiga
langkah umum yang dapat dilakukan, yaitu :
1. Fuzzyfikasi
Fuzzyfikasi adalah fase pertama dari perhitungan fuzzy untuk
mengubah nilai tegas dan menentukan derajat dengan nilai-nilai
tersebut menjadi anggota dari setiap himpunan fuzzy yang
sesuai.
2. Penalaran
Penalaran adalah prosedur inferensi yang digunakan untuk
menarik kesimpulan dari himpunan aturan IF-THEN dari satu
atau lebih kondisi.
3. Defuzzyfikasi
Defuzzyfikasi adalah pengubahan nilai fuzzyfikasi ke dalam
nilai tegas.
Ketiga langkah tersebut dapat disebut pembangunan sistem
fuzzy, yang dapat diilustrasikan dengan gambar di bawah ini.
19
Fuzzyfikasi
Input
Penalaran
Defuzzyfikasi
Output
Gambar 2. 3 Sistem Fuzzy
2.5.4. Fungsi Implikasi
Menurut [11], setiap aturan (proposisi) pada pengetahuan
fuzzy akan berhubungan dengan suatu relasi fuzzy. Bentuk umum
dari aturan yang digunakan dalam fungsi implikasi adalah :
IF x is A THEN y is B
(2.3)
dengan x dan y adalah skalar, A dan B adalah himpunan fuzzy.
Aturan yang mengikuti IF disebut sebagai anteseden, sedangkan
yang mengikuti THEN disebut konsekuen.
2.5.5. Metode Sugeno Orde-Nol
Penalaran dengan
Metode
Sugeno
memiliki output
(konsekuen) berupa konstanta atau persamaan linear. Metode ini
diperkenalkan oleh Takagi-Sugeno-Kang pada tahun 1985. Dalam
penelitian ini penulis menggunakan model Fuzzy Orde-Nol.
20
(
Secara umum fungsi implikasi Metode Sugeno Orde-Nol adalah :
IF [(x1 is A1) - (x2 is A2) - (x3 is A3) - ... - (xN is AN)]
THEN Z = k.
(2.4)
dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, k adalah
suatu konstanta (tegas) sebagai konsekuen, sedangkan - adalah
operator (AND atau OR).
Gambar 2.4 Aturan Metode Sugeno
Dalam Metode Sugeno, deffuzyfikasi dilakukan dengan
cara mencari nilai rata-rata.
N
i
zi
Z=
i = 1
N
( i
(2.5)
i =1
Dengan
Z = nilai rata-rata
( = ( - predikat
z = konsekuen
21