Apakah Sistem Inferensi Fuzzy?

Inferensi fuzzy adalah proses merumuskan pemetaan dari masukan yang diberikan ke
sebuah output dengan menggunakan logika fuzzy. Pemetaan kemudian memberikan
dasar dari mana keputusan dapat dibuat, atau pola dilihat. Proses inferensi kabur
melibatkan semua potongan yang dijelaskan dalam bagian sebelumnya: eanggotaan
Fungsi, !perasi logis, dan "ika#$aka Aturan. Anda dapat menerapkan dua jenis
sistem inferensi fuzzy dalam toolbo%: $amdani#jenis dan tipe Sugeno. edua jenis
sistem inferensi agak berbeda dalam &ara output ditentukan. 'ihat (ibliografi
referensi untuk deskripsi dari kedua jenis sistem inferensi fuzzy, )*+, ),,+, ),-+.
Sistem inferensi fuzzy telah berhasil diterapkan di bidang#bidang seperti kontrol
otomatis, klasifikasi data, analisis keputusan, sistem pakar, dan .isi komputer. arena
sifat multidisiplin, sistem inferensi fuzzy dikaitkan dengan sejumlah nama, seperti
kabur#berbasis peraturan, sistem pakar fuzzy, pemodelan fuzzy, memori asosiatif
fuzzy, logika fuzzy &ontroller, dan hanya /dan ambigu0 sistem fuzzy.
$etode inferensi $amdani kabur adalah metodologi paling sering terlihat kabur.
$etode $amdani adalah antara sistem kontrol pertama dibangun dengan
menggunakan teori himpunan fuzzy. 1iusulkan pada tahun ,234 oleh 5brahim
$amdani ),,+ sebagai upaya untuk mengendalikan mesin uap dan kombinasi boiler
dengan sintesis seperangkat aturan kontrol linguistik yang diperoleh dari operator
manusia yang berpengalaman. $amdani upaya itu didasarkan pada ,236 kertas 'otfi
7adeh pada algoritma fuzzy untuk sistem yang kompleks dan proses pengambilan
keputusan )88+. $eskipun proses inferensi yang dijelaskan dalam bagian berikutnya
agak berbeda dengan metode yang dijelaskan dalam kertas asli, ide dasar adalah sama.
$amdani#jenis inferensi, seperti yang didefinisikan untuk toolbo%, mengharapkan
output fungsi keanggotaan untuk fuzzy set. Setelah proses agregasi, ada himpunan
fuzzy untuk setiap .ariabel output yang perlu defuzzifi&ation. 9al ini dimungkinkan,
dan dalam banyak kasus jauh lebih efisien, untuk menggunakan lonjakan tunggal
sebagai fungsi keanggotaan keluaran ketimbang himpunan fuzzy didistribusikan. "enis
output kadang#kadang dikenal sebagai fungsi keanggotaan keluaran tunggal, dan
dapat dianggap sebagai satu set pra#defuzzified fuzzy. 9al ini meningkatkan efisiensi
proses defuzzifi&ation karena sangat menyederhanakan perhitungan yang dibutuhkan
dengan metode $amdani yang lebih umum, yang menemukan &entroid dari fungsi
dua dimensi. 1aripada mengintegrasikan seluruh fungsi dua dimensi untuk
menemukan &entroid, Anda menggunakan rata#rata tertimbang dari beberapa titik
data. Sugeno#jenis sistem mendukung jenis model. Se&ara umum, Sugeno#jenis sistem
dapat digunakan untuk model apapun sistem inferensi di mana output fungsi
keanggotaan baik linier atau konstan
Apa Sugeno#Fuzzy Inferen&e :ipe?
Proses inferensi kabur dibahas sejauh ini adalah inferensi $amdani yang kabur
metode, metodologi yang paling umum. (agian ini membahas disebut Sugeno, atau
:akagi#Sugeno#ang, metode inferensi fuzzy. 1iperkenalkan pada tahun ,2*4 ),-+,
hal ini sama dengan metode $amdani dalam banyak hal. 1ua bagian pertama dari
proses inferensi fuzzy, fuzzifying masukan dan menerapkan operator fuzzy, yang
persis sama. Perbedaan utama antara $amdani dan Sugeno adalah bah;a output
fungsi keanggotaan Sugeno baik linier atau konstan.
Sebuah aturan khas dalam model Sugeno kabur memiliki bentuk
"ika input , < % dan Input 8 < y, maka output adalah z < a% = by = &
>ntuk model Sugeno orde nol, tingkat output z adalah konstan /a < b < ?0.
:ingkat output zi aturan masing#masing diberi bobot oleh kekuatan ;i penembakan
aturan. Sebagai &ontoh, untuk sebuah 1A@ memerintah dengan Input , < % dan Input
8 < y, kekuatan pembakaran
di mana F,, 8 /.0 adalah fungsi keanggotaan untuk Input , dan 8.
9asil akhir dari sistem ini adalah rata#rata tertimbang dari semua aturan output, yang
dihitung sebagai
dimana @ adalah jumlah aturan.
Aturan Sugeno beroperasi seperti yang ditunjukkan pada diagram berikut.
Angka sebelumnya menunjukkan model tip kabur dikembangkan dalam bagian
sebelumnya dari panduan ini diadaptasi untuk digunakan sebagai sistem Sugeno.
>ntungnya, sering terjadi bah;a output fungsi tunggal benar#benar &ukup untuk
kebutuhan masalah yang diberikan. Sebagai &ontoh, tippersg.fis sistem representasi
Sugeno#jenis model yang kini akrab tipping. "ika Anda memuat sistem dan plot
permukaan outputnya, anda akan melihat bah;a itu adalah hampir sama sebagai
sistem $amdani sebelumnya Anda telah melihat.
a < readfis /AtippersgA0B
gensurf /a0
Cara termudah untuk mem.isualisasikan Sugeno orde pertama sistem adalah untuk
memikirkan setiap aturan sebagai mendefinisikan lokasi tunggal bergerak. Artinya,
paku keluaran tunggal bisa bergerak se&ara linear dalam ruang output, tergantung
pada apa yang input. Ini juga &enderung membuat notasi sistem yang sangat kompak
dan efisien. :ingkat tinggi model fuzzy Sugeno mungkin, tapi mereka
memperkenalkan kompleksitas signifikan dengan prestasi yang jelas sedikit. $odel
Sugeno kabur yang output fungsi keanggotaan yang lebih besar dari urutan pertama
tidak didukung oleh perangkat lunak :oolbo% Fuzzy 'ogi&.
arena ketergantungan linier setiap aturan pada .ariabel input, metode Sugeno sangat
ideal untuk bertindak sebagai penga;as interpolasi linier berganda pengendali yang
akan diterapkan, masing#masing, untuk kondisi operasi yang berbeda dari sistem
nonlinear dinamis. Sebagai &ontoh, kinerja pesa;at terbang dapat berubah se&ara
dramatis dengan ketinggian dan bilangan $a&h. Pengendali linier, meskipun mudah
untuk menghitung dan &o&ok untuk setiap kondisi penerbangan yang diberikan, harus
diperbarui se&ara teratur dan lan&ar untuk bersaing dengan negara perubahan
kendaraan penerbangan. Sebuah sistem inferensi fuzzy Sugeno sangat &o&ok untuk
tugas lan&ar interpolasi linier keuntungan yang akan diterapkan di seluruh ruang
input, yang merupakan keuntungan alami dan efisien penjad;al. 1emikian pula,
sebuah sistem Sugeno &o&ok untuk pemodelan sistem nonlinear dengan interpolasi
antara model linier berganda.
embali ke Atas of Page embali ke Atas
Contoh: 1ua Daris
>ntuk melihat sebuah &ontoh khusus dari suatu sistem dengan fungsi keanggotaan
output linier, mempertimbangkan satu input satu sistem keluaran disimpan dalam
sugeno,.fis.
fismat < readfis /Asugeno,A0B
getfis /fismat, AoutputA, ,0
Sintaks ini kembali:
@ama < output
@um$Fs < 8
$F'abels <
line,
line8
Eentang < )? ,+
Fariabel output memiliki dua fungsi keanggotaan.
getfis /fismat, AoutputA, ,, AmfA, ,0
Sintaks ini kembali:
@ama < line,
:ype < linier
Params <
#, #,
getfis /fismat, AoutputA, ,, AmfA, 80
Sintaks ini kembali:
@ama < line8
:ype < linier
Params <
, #,
Selanjutnya, fungsi#fungsi keanggotaan adalah fungsi linear dari .ariabel input. Para
line, fungsi keanggotaan didefinisikan oleh persamaan
dan line8 fungsi keanggotaan didefinisikan oleh persamaan
Fungsi keanggotaan masukan dan aturan yang mendefinisikan fungsi#fungsi output
diungkapkan dan ketika:
sho;rule /fismat0
ans <
,. "ika /masukan rendah0 maka /output line,0 /,0
8. "ika /masukan tinggi0 maka /output line80 /,0
Para plotmf Fungsi menunjukkan kepada kita bah;a fungsi keanggotaan rendah
umumnya menga&u pada nilai input kurang dari nol, sementara tinggi menga&u ke
nilai lebih besar dari nol. Para gensurf fungsi menunjukkan bagaimana output sistem
se&ara keseluruhan tidak jelas s;it&h lan&ar dari garis yang disebut dengan garis line,
line8 disebut.
subplot /8,,,,0, plotmf /fismat, AmasukanA, ,0
subplot /8,,,80, gensurf /fismat0
Sebagai &ontoh ini menunjukkan, Sugeno#jenis sistem memberikan Anda kebebasan
untuk menggabungkan sistem linear ke dalam sistem Anda kabur. 1engan ekstensi,
Anda bisa membangun sebuah sistem fuzzy yang s;it&h antara beberapa pengendali
linier yang optimal sebagai sistem yang sangat nonlinier bergerak di sekitar dalam
ruang operasi.
embali ke Atas of Page embali ke Atas
Perbandingan $etode Sugeno dan $amdani
arena merupakan representasi yang lebih kompak dan komputasi efisien daripada
sistem $amdani, sistem Sugeno &o&ok untuk penggunaan teknik adaptif untuk
membangun model fuzzy. :eknik#teknik adaptif dapat digunakan untuk
menyesuaikan fungsi keanggotaan sehingga sistem fuzzy model terbaik data.
Catatan Anda dapat menggunakan baris perintah $A:'A( fungsi mam8sug untuk
mengkon.ersi sistem $amdani menjadi sistem Sugeno /tidak harus dengan satu
output0 dengan fungsi keanggotaan output konstan. Ia menggunakan &entroid terkait
dengan semua output fungsi keanggotaan dari sistem $amdani. 'ihat Fungsi # 1aftar
Alfabetis untuk rin&ian.
(erikut ini adalah beberapa pertimbangan akhir mengenai dua metode yang berbeda.
DI7I
Status gizi adalah suatu kondisi tubuh sebagai akibat keseimbangan dari intake
makanan dan penggunaannya oleh tubuh yang dapat diukur dari berbagai dimensi
/"elliffe, ,2--0. Status gizi dapat dinilai dari setiap jenis zat gizi baik zat gizi makro
maupun mikro. 7at gizi makro yang utama adalah energi, protein, lemak dan
karbohidrat. 'emak dan karbohidrat adalah unsur utama penghasil energi, sehingga
ukuran status gizi untuk zat gizi makro adalah energi dan protein, disebut juga dengan
Gstatus energi dan proteinG.
2.1. 1. Metode Penilaian Status Gizi
$anusia makan pada dasarnya untuk memenuhi 6 fungsi makanan itu sendiri, yaitu
untuk tenaga, pertumbuhan dan pemeliharaan tubuh. urang konsumsi makanan maka
akan diambil dari &adangan tubuh dan jika makan berlebih akan disimpan dalam
bentuk &adangan tubuh. $akanan berperan penting untuk pertumbuhan. Sehingga
pada hakekatnya menilai status gizi adalah menge.aluasi keseimbangan pemenuhan
kebutuhan berupa penampakanHperforma tubuh. $etode penilaian status gizi untuk
menilai status energi protein adalah metode antropometri.
$etode antropometri /anthropos < tubuh, dan metros < ukuran dari bahasa Iunani0
adalah menggunakan ukuran tubuh untuk menetapkan status gizi.
$etode penilaian status gizi dapat dikelompokkan atas metode langsung dan
metode tidak langsung. (erikut ini akan disajikan se&ara ringkas kedua
kelompok metode penilaian status gizi tersebut /Suppariasa, 8??80:
A. Penilaian secara langsung
,. $etode (iokimia
Penilaian status gizi se&ara biokimia disebut juga dengan metode
pemeriksaan laboratorium, adalah mengukur kadar zat gizi di dalam tubuh
dan atau ekskresi tubuh kemudian dibandingan dengan suatu nilai normatif
yang sudah ditetapkan. $isalnya menilai status zat besi /Fe0 dengan
mengukur kadar hemoglobin. (ila kadar hemoglobin J ,, mgK maka
disebut anemia /1epkes, 8??80. >ntuk penilaian biokimia disebut juga
pemeriksaan laboratorium, spesimen yang biasa digunakan adalah darah,
fa&es, kelenjar tubuh, urin dan biopsi jaringan tubuh.
8. Penilaian linis
Penilaian status gizi se&ara klinis adalah mempelajari gejala yang mun&ul dari tubuh
sebagai akibat dari kelebihan atau kekurangan salah satu zat gizi tertentu. Setiap zat
gizi memberikan tampilan klinis yang berbeda, sehingga &ara ini dianggap spesifik
namun sangat subjektif. Contoh penilaian status gizi se&ara klinis adalah kekurangan
.itamin A menyebabkan buta senja /xerophtalmia0 /:ar;otjo, ,2280. Sedangkan apa
bila dinilai se&ara biokimia dengan menilai kadar retinol dalam darah.
6. Penilaian (iofisik
Penilaian se&ara biofisik adalah dengan mengukur elastisitas dan fungsi jaringan
tubuh. Cara ini jarang digunakan karena membutuhkan peralatan yang &anggih, mahal
dan tenaga terampil. Salah satu &ara penilaian status gizi se&ara biofisik adah untuk
mengukur komposisi tubuh dengan metode bioelecrical impedance.
L. Penilaian Antropometri
Cara yang paling mudah, tidak membutuhkan peralatan yang mahal adalah
pengukuran antropometri. 1engan demikian antropometri dapat diterapkan
se&ara luas di lapangan. Sebagai &ontoh tiap bulan dilaksanakannya
penimbangan balita di posyandu. Pengukuran antropometri memgandung 8
maksudB pertama untuk mendeskripsikan status gizi /penilaian dilakukan
pada satu titik ;aktu0 dan kedua pemantauan status gizi yaitu untuk
melihat trendH perubahan ukuran tubuh dari ;aktu ke ;aktu. Penimbangan
balita di posyandu yang diplot hasilnya ke dalam $S /artu $enuju
Sehat0 adalah salah satu &ontoh pemantauan status gizi /nutritional
monitoring0.
Semua bagian tubuh /keseluruhan atau se&ara parsial0 dapat digunakan untuk menilai
status gizi, namun menurut M9! /,2*60 hanya 6 ukuran /parameter0 saja yang
diangap .alid, yaitu : (erat badan, tinggi badan dan lingkaran lengan atas. Satu
ukuran tubuh sebagai dasar menentukan status gizi disebut parameter. Dabungan dari
8 parameter disebut dengan indeks. Sehingga dari parameter yang .alid tesebut dapat
dinilai L indeks, yaitu (erat (adan menurut >mur /((H>0, :inggi (adan menurut
>mur /:(H>0, (erat (adan menurut :inggi (adan /((H:(0 dan 'ingkaran 'engan
Atas menurut >mur /'I'AH>0.
Penilaian secara tidak langsung
,. Penilaian konsumsi pangan : $engukur pangan yang dikonsumsi kemudian
dianalisis kandungan gizinya. "umlah zat izi yang dikonsumsi
dibandingkan dengan kebutuhan /anjuran0 makan sehari sesuai umur,jenis
kelamin dan akti.itas /M@PD, 8??L0. Pada metode ini akan dibahas
lebih rin&i pada sub bab tersendiri mengenai komposisi zat gizi dalam
makanan sehari#hari dan &ara mengukurnya.
8. Analisis ekologi dan statistik .ital : adalah mempelajari kondisi lingkunan
berupa produksi pangan, pola makan, sosial budaya, ekonomi dan .ariabel
lain yang se&ara teoritis mempengaruhi status gizi. 1ata ini dianalisis
menggunakan statstik tertentu sehingga dapat diprediksi status gizi.
6. Indeks Prognostik Eumah Sakit /IPES0 dan Indeks 1iagnostik Eumah Sakit
/I1ES0 : adalah suatu metode analisis kebiasaan sehari#hari yang berkaitan
dengan konsumsi gzi dan .ariabel determinannya yang digunakan untuk
menetapkan status gizi. Cara ini dilakukan di rumah sakit untuk
menegakkan diagnosa dan menentukan tindakan gizi yang harus diberikan
kepada pasien.
8.,. 8. Indeks Status Dizi
Indeks status gizi adalah gabungan dua parameter antropometri yang digunakan untuk
menilai status gizi /M9!, ,22?0. :iga indeks yang akan dibahas berikut ini adalah
((H>, :(H> dan ((H:( yang merupakan indeks dari 6 parameter berat badan, tinggi
badan dan umur. etiga parameter memiliki informasi yang berbeda satu sama lain
dalam menilai status gizi.
,. (erat (adan menurut >mur /((H>0
(erat badan merupakan ukuran pertumbuhan massa jaringan. $assa jaringan
memiliki sifat sensitif, artinya &epat berubah. Perubahan yang terjadi pada lingkunan
akan terlihat langsung pada massa jaringan. $isalnya seorang anak mekan lebih dari
biasanya dalam 8 atau 6 hari akan terlihat langsung penambahan berat badannya. Atau
sebaiknya apabila terjadi penyakit /misalnya diare0 maka berat badan akan langsung
turun drastis. Penggunaan berat badan untuk menilai status gizi menggambarkan
kondisi saat ini /dekat dengan ;aktu pengukuran0. eadaan kurang gizi yang diukur
dengan berat badan bersifat akut.
8. :inggi (adan menurut >mur /:(H>0
:inggi badan adalah salah satu ukuran pertumbuhan linier. Pertumbuhan liner /tulang
rangka0 memiliki sifat pertumbuhannya lambat, tidak mdah berubah, dan seburuk
keadaan ukuran adalah tetap, tidak turun. :inggi badan menggambarkan kondisi masa
lalu. Dangguan pertumbuhan linier bersifat kronis
6. (erat (adan menurut :inggi (adan /((H:(0
Indeks (bH:( lebih menggambarkan komposisi tubuh oleh karena tidak dipengaruhi
oleh umur. lasifikasi status gizi berdasarkan indeks ini disebut status kegemukan
yaitu : sangat kurus, kurus, normal dan gemuk /1epkes, 8???0. Sifat masalah gizi
dengan indeks ((H:( adalah akut dan kronis.
(erdasarkan Surat eptusan $enteri esehatan @omor 82? tahun 8??? sebagai
penetapan dari hasil :emu Pakar Dizi (ulan "uni 8??? di Semarang, adalah sebagai
berikut :
A. Indeks BB/>
Dizi (uruk : J #6 S1
Dizi urang : N #6 Sd sHd J #8 S1
Dizi (aik : N #8 S1 sHd J =8 S1
Dizi 'ebih : N =8 S1
B. Indeks TB/U
Anak Pendek : J #8 S1
Anak @ormal : N #8 S1
C. Indeks BB/TB
Sangat urus : J #6 S1
urus : N #6 Sd sHd J #8 S1
!rmal : N #8 S1 sHd J =8 S1
Demuk : N =8 S1
1imana S1 < Standar 1e.iasi
Angka yang digunaan untuk menentukan klasifikasi status gizi adalah 7#s&ore. 7#
s&ore dihitung dengan membagi hasil pengurangan sebuah parameter dengan median
nilai pada tabel baku rujukan yang digunakan dari parameter yang bersangkutan
kemudian dibagi dengan standar de.iasinya. Standar de.iasi dihitung dari nilai
median pada karakteristik pengukuran /jenis kelamin umur dan indeks0 dikurangi
dengan nilai #, S1 di dalam daftar baku rujukan pada karakteristik yang sama.
1imana S1 adalah
$edian (( O /#, S10 di dalam daftar sesuai karakteristik terukur.
8.,. ,. Indeks $assa :ubuh /I$:0
Indeks $assa :ubuh /I$:0 adalah ukuran yang menyatakan komposisi tubuh,
perimbangan antara berat badan dengan tinggi badan /Atmarita, 8??L0. I$: tidak
dipengaruhi oleh umur. Pada a;alnya disepakati bah;a I$: digunakan untuk orang
de;asa /yang sudah selesai masa pertumbuhan0, akan tetapi karena sudah mulai
terjadi masalah gizi ganda, maka disepakati I$: bisa digunakan untuk semua
golongan umur. $asalah gizi ganda adalah suatu kondisi dimana masalah kurang gizi
belum lagi tuntas, sdudah tmul pula di kalangan masyarakat gizi lebih.
I$: sangat &o&ok digunakan untuk mengukur kegemukan, sebagai dampak dari
perubahan pola hidup, kebiasan mengkonsumsi makanan siap saji yang tinggi lemak
dan protein dan rendah karbohidrat. Sedangkan dalam pola makanan sehat orang
Indonesia adalah komposisi sumber tenaga /makanan pokok0 harus lebih tinggi
/$uhilal: ,22* dan 8??80.
Indeks $assa :ubuh dihitung menggunakan rumus sebagai berikut :
$enurut M9! /,2280 yang durujuk oleh 1irektorat (ina Dizi $asyarakat 1epkes EI
untuk digunakan di Indonesia, kasifikasi I$: adalah sebagai berikut :
Sangat kurus : J ,3
urus : ,3 O ,*.4
@ormal : ,*,4 O 84
Demuk : 84 O 83
!.er;eight : 83 #82
!besitas : N 83
1alam konsepsi kadaan gizi ada yang disebut wellnourish /gizi normal0 dan
malnourish /gizi salah0. Dizi salah dapat dibagi 8 bentuk yaitu gizi lebih /over
nutrition0 dan gizi kurang /under nutrition0. 1ampak yang ditimbulkan dari keduanya
sama#sama merugikan kesehatan dalam manifestasi yang berbeda#beda. egemukan
dan obesitas adalah suatu kondisi tubuh dengan berat badan jauh melebihi kondisi
normal. 9al ini sangat berdampak sebagai pemi&u penyakit degeneratif seperti jantung
koroner, diabetes mellitus dan arterosklerosis. egemukan salah satu ditimbulkan
oleh penimbunan lemak yang berlebih di dalam tubuh. 'emak apabila dipe&ah akan
menghasilkan asam lemak dan gliserol. Salah satu dari gliserol yang sangat
berbahaya, yang sangat ditakuti adalah kolesterol. Sudah banyak penelitian mengenai
dampak negatif kolesterol sebagai penyakit pembunuh terbanyak saat ini.
Pengukuran I$: adalah salah satu &ara untuk mendeteksi timbunan lemak yang
berbahaya tersebut, oleh karena I$: menggambarkan komposisi tubuh.
8.,. 8. onsumsi 7at Dizi
$akhluk hidup, termasuk manusia makan untuk memenuhi kebutuhan tubuh.
ebutuhan tubuh dapat didefinisikan dari fungsi makanan itu sendiri. :ri fungsi
makanan yang sudah dikenal adalah : Penghasil energi /sumber tanaga0, untuk
pembangunHpertumbuhan dan untuk pengaturHpemeliharaan /(utte, ,2**0
1i dalam makanan terkandung zat gizi. 7at gizi untuk memenuhi tri fungsi makanan
di atas adalah karbohidrat dan lemak sebagai sumber tenaga termasuk protein, protein
sebagai zat pembangunHpertubuhan dan .itamin dan mineral sebagai zat pengatur
/pmeliharaan0. 1alam fakta metabolisme fungsi tersebut tidak berdiri sendiri /(utte,
,2**0. arbohidrat tidak akan bisa diolah jika tidak ada mineral /kalsium0, 7at besi di
dalam lauk pauk tak akan bisa ditransportasi bila tidak ada protein. Fitamin A tidak
akan bisa diserap tanpa keberadaan protein /retiol binding protein0 /(ro;n, 8??L0.
$akananpun dapat dikelompkkan atas makanan pokok /penghasil energi0, lauk pauk
/sumber protein0 sayur dan buah sebagai sumber .itamin dan mineral. @amun
demikian tiap makan tidak hanya mengandung , zat gizi kelompoknya. :api makanan
juga mengandung zat gizi lain dalam jumlah yang sedikit. Sebagai &ontoh daging
adalah lauk pauk sumber protein, namun daging juga mengandung kalori .itamin
/.itamin A dalam bentuk retinol dan mineral Fe dalam bentuk heme0 /1allman, ,2*-0.
1engan demikian sulit memisahkan makanan dalam kelompok yang pasti. (ahkan
beras sebagai makanan pokok mengandung * gram protein pada setiap,?? gramnya.
1alam hal ketidakpastian ini, analisis menggunakan logika fuzzy sangat &o&ok
digunakan.
Energi
5nergi adalah hasil peme&ahan zat gizi makro karbohidrat, lemak dan protein,
termasuk juga sayur dan buah. Satu gram karbohidrat dipe&ah menghasilkan L,,
kalori, protein L,, kalori dan lemak 2,? kalori. 5nergi itu sendiri bukan zat gizi, akan
tetapi hasil peme&ahan zat gizi lain. $engingat perannya yang sangat penting, energi
dikelompokkan ke dalam zat gizi, seperti halnya air bukan zat gizi, tapi mengingat
peran pentingnya dikelompokkan ke dalam zat gizi /(asuki, A. 8??L0.
5nergi dibutuhkan tubuh tergantung karakteristik indi.idu yaitu umur, jenis kelamin,
akti.itas dan kondisi jaringan tubuh /komposisi jaringan aktif dan tidak aktif0.
ebutuhan energi dan zat gizi lainnya untuk orang sehat telah ditetapkan dalam
Midya arya @asional Pangan dan Dizi /M@PD, 'IPI0 setiap lima tahun. 1aftar
yang memuat angka ke&ukupan gizi disebut AD /Angka e&ukupan Dizi0 untuk
orang sehat Indonesia.. AD terakhir yang digunakan saat ini di Indonesia adalah
AD hasil Midya arya @aisional Pangan dan Dizi taun 8??L /$uhilal, 8??40
Protein
Protein adalah senya;a nitrogen yang terkandung dalam makanan yang berfungsi
sebagai zat pembangun /Almatsier, 8???0. ebutuhan protein berbeda setiap orang,
sama halnya dengan energi. Faktor penentu kebutuhan protein yang sepesifik adalah
pertumbuhan. Anak di usia pertumbuhan membutuhkan protein lebih tingi dibanding
orang de;asa. Se&ara umum kebutuhan protein adalah , gram per kilogram berat
badan.
Lemak
'emak dalam makan berfiungsi sebagai pelezat, yang membuat makan lebih guri.
'emak adalah sumber energi yang &ukup besar. @amun peran utamnya adah sebagai
pemasok asam lemak essensial yang sangat diperlukan oleh tubuh dalam metabolisme
dan aktifitas jaringan.
arbohidrat adalah sumber utama energi, sehingga akan berbanding lurus dengan
jumlah energi itu sendiri.
1alam metabolismenya keempat zat gizi berbeda#beda sesuai fungsi utama. ondisi
keseimbangan pemenuhan kebutuhan akan membuat urutan penggunaan zat gizi akan
berbeda pula.
Zat Gizi dan Pola Menu seimbang
Salah satu ukuran mutu susunan menu makanan sehari hari adalah Pola Pangan
9arapan /PP90. PP9 adalah suatu &ara menilai kualitas susunan hidangan dengan
melihat keseimbangan antar kelompok pangan dalam hidangan. eseimbagan ini
dilihat dari kontribusi tiap kelompok pangan dalam menghasilkan energi. Persentase
sumbangan energi dibandingkan dengan total energi kemudian dikalikan dengan
bobot kelompok pangan itu sendiri, maka didapatkanlah skor masing#masing
kelompok pangan. :otal skor dari semua kelompok pangan disebut dengan Skor PP9.
$akin tinggi skor PP9 maka makin ber.ariasilah makanan tersebut dan makin tinggi
mutu susunan hidangan /1eptan, ,2280. @ilai maksimal dari PP9 adalah ,?? dan
Sumatera (arat pada tahun 8??4 memiliki skor PP9 sebesar 38.
Anjuran komposisi menu ideal untuk men&apai skor PP9 terbaik adalah sebagai
berikut /Persagi, 8??80 :
Sumbangan makanan pokok : L? O -? K
Sumbangan protein : 8? O 6? K
Sumbangan 'emak : ,? O ,4 K
Artinya dari total energi yang dikonsumsi, sekitar rata#rata 84 K berasal dari energi
dari protein. $isalkan dalam satu susunan hidangan terdiri dari 8??? kalori berarti
4?? kalori harus berasal dari makanan sumber protein. Apabila , gram protein
menghasilkan L,, kalori maka di dalam susunan hidangan tersebut terdapat ,84 gram
protein. Selanjutnya untuk mendapatkan ,84 gram protein harus mengkonsumsi
sejumlah bahan pangan tertentu sesuai kandungan proteinnya masing#masing. Sebagai
&ontoh ikan mengandung 8* gram protein setiap ,?? gramnya. $aka jika semua
protein harus dipenuh dari ikan maka jumlah ikan yang harus dimakan adalah sekitar
634 gram.
>ntuk menilai kualitas hidangan dapat digunakan proporsi sumbangan energi
terhadap total energi tersebut sebagai a&uan.
Apabila susunan hidangan tidak sesuai dengan komposisi tersebut maka mutu
makanan tersebut rendah. Akibat yang lebih parah adalah dampak negatif dari
kelebihan atau kekurangan konsumsi. ajian mengenai tingkat konsumsi sudah
banyak dilakukan, begitu juga kajian status gizi serta hubungan keduanya. Sebagai
&ontoh setiap tahun 1inas esehatan abupateHota se Indonesia melakukan peniaian
konsumsi dan status gizi dalam kegiatan Pemantauan Status Gizi dan Pemantauan
Kosumsi. @amun sangat sedikit bahkan Penulis sendiri belum pernah menemukan
tulisan hasil penelitian atau kegiatan rutin pemerintah yang men&oba menilai status
gizi dengan memprediksi berdasarkna konsumsi zat gizi. Se&ara teoritis hal ini
memang sulit dilakukan oleh karena multifaktorial seperti disebut sebelumnya. Selain
itu batas ambang konsumsi yang digunakan bukan sebuah crisp oleh karena untuk
memperhitungkan perjalanan zat gizi sampai pada utilisasi dalam tubuh. 1engan kata
lain penetapan kebutuhan dan klasifikasi konsumsi yang ada ditegakkan dengan
beberapa asumsi, misalnya tingkat kerusakan dalam pemasakan = ,? K, kondisi
saluran pen&ernaan normal, enzim#enzim metabolisme bekerja se&ara optimal, tidak
career penyakit menahun dan lain sebagainya. etidak pastian ini menyulitkan untuk
melakukan penelitian yang berbasis masyarakat /community base research0.
2.1. uzzy !ogic
uuzy !ogic atau logika fuzzy adalah bagian atau salah satu metode dalam "rti#icial
$ntelligence /AI0. Fuzzy 'ogi& merupakan metode yang dianggap &o&ok digunakan
untuk penilaian status gizi oleh karena kelebihan metode tersebut. (eberapa metode
lain dalam Artifi&ial Intellegen&e seperti %ought Set, "ssociation %ule dan lan,lain.
8.8.,. Sejarah uzzy !ogic /'ogika Samar0
1alam logika kon.ensional nilai kebenaran mempunyai kondisi yang pasti
yaitu benar atau salah /true or #alse0, dengan tidak ada kondisi di antara. Prinsip ini
dikemukakan oleh Aristoteles sekitar 8??? tahun yang lalu sebagai hukum &xcluded
'iddle dan hukum ini telah mendominasi pemikiran logika sampai saat ini. @amun,
tentu saja pemikiran mengenai logika kon.ensional dengan nilai kebenaran yang pasti
yaitu benar atau salah dalam kehidupan nyata sangatlah tidak &o&ok. uzzy !ogic
/logika samar0 merupakan suatu logika yang dapat merepresentasikan keadaan yang
ada di dunia nyata.
:eori tentang himpunan logika samar pertama kali dikemukakan oleh Prof. 'ofti
7adeh sekitar tahun ,2-4 pada sebuah makalah yang berjudul Puzzy Sets(. Ia
berpendapat bah;a logika benar dan salah dari logika boolean H kon.ensional tidak
dapat mengatasi masalah yang ada pada dunia nyata. Setelah itu, sejak pertengahan
,23?#an, para peneliti "epang berhasil mengaplikasikan teori ini ke dalam berbagai
permasalahan praktis. :idak seperti logika boolean, logika samar mempunyai nilai
yang kontinu. Samar dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari
kebenaran. !leh sebab itu sesuatu dapat dikatakan sebagian benar dan sebagian salah
pada ;aktu yang bersamaan. :eori himpunan indi.idu dapat memiliki derajat
keanggotaan dengan nilai yang kontinyu, bukan hanya ? dan , /7adeh, ,2-4 dalam
Asta, 1., : 8??80.
1engan teori himpunan logika samar, kita dapat merepresentasikan dan menangani
masalah ketidakpastian yang dalam hal ini bisa berarti keraguan, ketidaktepatan,
kurang lengkapnya suatu informasi, dan kebenaran yang bersifat sebagian
/Altro&k:,2230. 1i dunia nyata, seringkali kita menghadapi suatu masalah yang
informasinya sangat sulit untuk diterjemahkan ke dalam suatu rumus atau angka yang
tepat karena informasi tersebut bersifat kualitatif /tidak bisa diukur se&ara kuantitatif0.
8.8.8. 9impunan Samar /uzzy Sets0
:eori himpunan samar merupakan suatu teori tentang konsep penilaian, dan segala
sesuatu merupakan persoalan derajat atau diibaratkan bah;a segala sesuatu memiliki
elastisitas. 9al ini dapat dilihat dari &ontoh kasus pemberian beasis;a berikut ini.
$isalkan kita ingin memutuskan apakah seorang mahasis;a layak mendapatkan
beasis;a atau tidak. Andaikan kita hanya memperhatikan dua parameter, yaitu Indeks
Prestasi /IP0 dan hasil :es Psikologi /:P0. $ahasis;a A memiliki IP < 6,?? dan :P <
*,??, sedangkan mahasis;a ( memiliki IP < 8,222222 dan :P < *,4?. Suatu
uni.ersitas Q membuat suatu aturan keputusan bah;a mahasis;a yang layak
mendapatkan beasis;a adalah mahasis;a yang memiliki IP N 6,?? dan :P N *,??.
1engan aturan tersebut, maka dapat diputuskan bah;a mahasis;a A layak
mendapatkan beasis;a sedangkan mahasis;a ( tidak layak. $embuat keputusan
dengan &ara seperti ini bisa dianggap tidak adil oleh kalangan mahasis;a. enapa
mahasis;a ( tidak layak mendapatkan beasis;a? Padahal dia memiliki :P yang jauh
lebih besar dibandingkan dengan mahasis;a A dan IP#nya sedikit lebih ke&il dari IP
mahasis;a A /perbedaannya hanya sebesar ?,?????,0.
Contoh lain di bidang gizi adalah untuk pemberian makanan tambahan di posyandu
adalah anak dengan berat badan diba;ah standar / J#6 S10 dan berasal dari keluarga
kurang mampu. Apabila kemampuan ekonomi diukur dengan status kepemilikan
rumah, maka mungkin saja terdapat kekeliruan dalam mengambil keputusan. ita
ambil &ontoh kasus anak A dengan status gizi #6,?, S1 dan rumah menumpang
dengan orang tua, sedangkan anak ( dengan status gizi #6,4 S1 dengan rumah sendiri
berlantai tanah. eputusan akan diabil bah;a makanan tabahan akan diberikan
kepada anak A. Fakta substansial mengharuskan bantuan diberikan kepada anak (.,
oleh karena kurang gizi yang dideritanya memang berasal dari ketidak mampuan
ekonomi. Sementara anak A dalam &ontoh ini disebabkan oleh fator non ekonomi
misalnya prilaku atau sosial budaya.
Pada kasus di atas, kader Posyandu Q membuat keputusan dengan aturan yang jelas
dan membedakan se&ara tegas. 1alam bahasa Inggris hal ini disebut sebagai crisp
yang dalam kamus !%ford diartikan sebagai clear and distinct. 1i dunia nyata,
terdapat banyak masalah yang sama dengan kasus di atas. >ntuk membuat keputusan
yang adil, terkadang suatu masalah tidak bisa dilihat sebagai hitam dan putih.
:erdapat hal#hal bernilai abu#abu yang jika diperhatikan akan membantu kita untuk
membuat keputusan yang se&ara intuitif lebih adil.
9impunan samar /fuzzy sets0 adalah sekumpulan objek % di mana masing#masing
objek memiliki nilai keanggotaan /membership fun&tion0, atau yang disebut juga
dengan nilai kebenaran dan nilai ini dipetakan ke dalam daerah hasil range /?,,0. "ika
% merupakan sekumpulan objek dengan anggotanya dinyatakan dengan % maka
himpunan samar dari A di dalam % adalah himpunan dengan sepasang anggota
/Suyanto, 8??30.
8.8.6. !perasi 9impunan Samar
$isalkan himpunan A dan ( adalah dua nilai dari himpunan sama pada semesta
pembi&araan > dengan fungsi keanggotaan
A
dan
(
, maka operasi Ooperasi dasar
himpunan fuzzy berikut dapat didefinisikan sebagai berikut :
,. >nion /Dabungan0
Dabungan dua himpunan samar " dan ) adalah himpunan samar *.
* < " ) atau bisa ditulis dengan : * < " atau )
1engan derajat keanggotaan * adalah :

*
/x0 < ma% /
"
/x0 ,
)
/x00
< /
"
/x0
)
/x00
,. Interse&tion /Irisan0
Irisan dua himpunan samar " dan ) adalah himpunan samar *.
* < " ) atau bisa ditulis dengan : * < " dan )
1engan derajat keanggotaan * adalah :

*
/x0 < min /
"
/x0 ,
)
/x00
< /
"
/x0
)
/x00
,. Complement /Ingkaran0
omplemen himpunan samar " diberi tanda "( /not "0, dan didefinisikan
sebagai berikut :

"(
/x0 < , O
"
/x0
8.8.L. Fariabel 'inguistik
Fariabel linguistik adalah .ariabel yang berupa kata H kalimat, bukan berupa angka.
Sebagai alasan menggunakan kata H kalimat dari pada angka karena peranan linguistik
kurang spesifik dibandingkan angka, namun informasi yang disampaikan lebih
informatif. Fariabel linguistik ini merupakan konsep penting dalam logika samar dan
memegang peranan penting dalam beberapa aplikasi.
"ika GumurG adalah .ariabel linguistik, maka nilai linguistik untuk .ariabel umur
adalah, misalnya GremajaG, GmudaG, dan GtuaG. 9al ini sesuai dengan kebiasaan
manusia sehari#hari dalam menilai sesuatu, misalnya : G!rang itu masih mudaG, tanpa
memberikan nilai berapa umurnya. Antar kultur dan kondisional batasan umur dapat
saja berbeda.
onsep tentang .ariabel linguistik ini diperkenalkan oleh 'ofti 7adeh. 1alam .ariabel
linguistik ini menurut 7adeh dikarakteristikkan dengan :
/ +, ,/x0, -, G, ' 0
dengan :
+ < nama .ariabel /.ariabel linguistik0
,/x0 < semesta pembi&araan untuk x atau disebut juga nilai linguistik dari x
- < jangkauan dari setiap nilai samar untuk x yang dihubungkan dengan .ariabel
dasar -
G < aturan sintaksis untuk memberikan nama /x0 pada setiap nilai +
' < aturan semantik yang menghubungkan setiap + dengan artinya.
Sebagai &ontoh, jika :
+ < GumurG dengan -),?,*?+ dan ,/umur0 < Rremaja, muda, tuaS
$aka ' untuk setiap +, '/x0 adalah '/remaja0, '/muda0, '/sedang0, dimana :
'/remaja0 < himpunan samarnya Gumur diba;ah 8? tahunG dengan fungsi
keanggotaan remaja.
'/muda0 < himpunan samarnya Gumur mendekati L? tahunG dengan fungsi
keanggotaan muda.
'/tua0 < himpunan samarnya Gumur diatas 4? tahunG dengan fungsi keanggotaan
tua.
$aka nilai dari ' dapat dilihat dari gambar 8., berikut ini :
JTO)if mso U TsupportInlineShapes U supportFields+N JT)endif+ON
8.8.,. 'embership #unction /fungsi#fungsi keanggotaan0
1i dalam #uzzy systems, fungsi keanggotaan memainkan peranan yang sangat penting
untuk merepresentasikan masalah dan menghasilkan keputusan yang akurat. :erdapat
banyak sekali fungsi keanggotaan yang bisa digunakan. (erikut ini akan dibahas
empat fungsi keanggotaan yang sering digunakan di dunia nyata, yaitu :
,. Fungsi Sigmoid Sesuai dengan namanya, fungsi ini berbentuk kur.a sigmoidal
seperti huruf S. Setiap nilai x
/anggota &risp set0 dipetakan ke dalam inter.al )?,,+. Dambar
8. Fungsi Phi
1isebut fungsi Phi karena bentuk seperti simbol phi. Pada fungsi keanggotaan ini,
hanya terdapat satu nilai x yang memiliki derajat keanggotaan sama dengan ,, yaitu
ketika x < c. @ilai#nilai di sekitar c memiliki derajat keanggotaan yang masih
mendekati ,. Drafik
6. Fungsi Segitiga
Sama dengan fungsi phi, pada fungsi ini juga terdapat hanya satu nilai x yang
memiliki derajat keanggotaan sama dengan ,, yaitu ketika x < b. :etapi, nilai#nilai di
sekitar b memiliki derajat keanggotaan yang turun &ukup tajam /menjauhi ,0. Drafik
L. Fungsi trapesium
(erbeda dengan funsi segitiga, pada fungsi ini terdapat beberapa nilai x yang
memiliki derajat keanggotaan sama dengan ,, yaitu ketika b J x J c. :etapi, derajat
keanggotaan untuk a J x J b dan c J x J d memiliki karakteristik yang sama dengan
fungsi segitiga. Drafik
8.8.,. Sistem (erbasis Aturan Fuzzy
Suatu sistem berbasis aturan fuzzy yang lengkap terdiri dari tiga komponen utama,
yaitu :
,. Fuzzifi&ation
$engubah masukan#masukan yang nilai kebenarannya bersifat pasti /&risp
input0 ke dalam bentuk fuzzy input, yang berupa nilai linguistik yang
semantiknya ditentukan berdasarkan fungsi keanggotaan tertentu.
,. Inferen&e
$elakukan penalaran menggunakan fuzy input dan fuzzy rules yang telah
ditentukan sehingga menghasilkan fuzzy output.
,. 1effuzifi&ation
$engubah fuzzy output menjadi &risp .alue berdasarkan fungsi keanggotaan
yang telah ditentukan.
:erdapat dua model aturan fuzzy yang digunakan se&ara luas dalam berbagai
aplikasi, yaitu :
,. $odel $amdani
Pada model ini, aturan fuzzy didefinisikan sebagai :
IF %
,
is A
,
A@1 V.. A@1 %
n
is A
n
:95@ y is (
dimana : A
,
, V.., A
n
, dan ( adalah nilai#nilai linguistik /atau fuzzy set0 dan
W%
,
is A
,
G menyatakan bah;a .ariabel %
,
adalah anggota fuzzy set A
,
.
$etode $amdani sering juga dikenal sebagai $etode $a%#$in. $etode ini
diperkenalkan oleh 5brahim $amdani pada tahun ,234. >ntuk mendapatkan
output, diperlukan L tahapan :
a. Pembentukan himpunan fuzzy
Pada metode $amdani, baik .ariabel input maupun .ariabel output dibagi
menjadi satu atau lebih himpunan fuzzy.
b. Aplikasi fungsi implikasi /aturan0
Pada metode $amdani, fungsi implikasi yang digunakan adalah $in.
&. omposisi aturan
:idak seperti penalaran monoton, apabila sistem terdiri dari beberapa
aturan, maka inferen&e diperoleh dari kumpulan dan korelasi antar aturan.
Ada 6 metode yang digunakan dalam melakukan inferen&e sistem fuzzy,
yaitu :
i. $etode $a% /'aximum0
Pada metode ini, solusi himpunan fuzzy diperoleh dengan &ara
mengambil nilai maksimum aturan, kemudian menggunakannya
untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke
output dengan menggunakan operator !E /union0. "ika semua
proposisi telah die.aluasi, maka output akan berisi suatu himpunan
fuzzy yang merefleksikan kontribusi dari tiap#tiap proposisi. Se&ara
umum dapat dituliskan sebagai berikut :

sf
)%
i
+ < ma% /
sf
)%
i
+ ,
kf
)%
i
+0
dengan :

sf
)%
i
+ < nilai keanggotaan solusi fuzzy sampai aturan ke#i

kf
)%
i
+ < nilai keanggotaan konsekuensi fuzzy sampai aturan ke#i
ii. $etode Additi.e /sum0
Pada metode ini, solusi himpunan fuzzy diperoleh dengan &ara
melakukan bounded#sum terhadap semua output daerah fuzzy.
Se&ara umum dituliskan :

sf
)%
i
+ < min /,,
sf
)%
i
+ =
kf
)%
i
+0
dengan :

sf
)%
i
+ < nilai keanggotaan solusi fuzzy sampai aturan ke#i

kf
)%
i
+ < nilai keanggotaan konsekuen fuzzy sampai aturan ke#i
iii. $etode probabilistik !E /probor0
Pada metode ini, solusi himpunan fuzzy diperoleh dengan &ara
melakukan produ&t terhadap semua output daerah fuzzy. Se&ara
umum dituliskan :

sf
)%
i
+ < /
sf
)%
i
+ =
kf
)%
i
+0 O /
sf
)%
i
+X
kf
)%
i
+0
dengan :

sf
)%
i
+ < nilai keanggotaan solusi fuzzy sampai aturan ke#i

kf
)%
i
+ < nilai keanggotaan konsekuen fuzzy sampai aturan ke#i
d. Penegasan /de#uzzy0
Input dari proses defuzzy adalah suatu himpunan fuzzy yang diperoleh dari
komposisi atuan#aturan fuzzy, sedangkan output yang dihasilkan
merupakan suatu bilangan pada himpunan fuzzy tersebut. Sehingga jika
diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat
diambil suatu nilai &risp tertentu sebagai output.
,. $odel Sugeno
Penalaran dengan model Sugeno hampir sama dengan penalaran $amdani,
hanya saja output /konskuen0 sistem tidak berupa himpunan fuzzy, melainkan
berupa konstanta atau persamaan linear. $odel ini dikenal juga sebagai :akagi
O Sugeno O ang /:S0 model yang diperkenalkan pada tahun ,2*4, yaitu
suatu .arian dari $odel $amdani. $odel ini menggunakan aturan yang
berbentuk IF %
,
is A
,
A@1 V.. A@1 %
n
is A
n
:95@ y < f /x
,
, x
8
, V, x
n
0
dimana : f bisa berupa sebarang fungsi dari .ariabel#.ariabel input yang
nilainya berada dalam inter.al .ariabel output. (iasanya, fungsi ini dibatasi
dengan menyatakan f sebagai kombinasi linear dari .ariabel#.aribel input :
f/x
,
, x
8
, V, x
n
0 < ;
?
= ;
,
%
,
= V.. = ;
8
%
8
dimana ;
?
, ;
,
, V.., ;
n
adalah konstanta yang berupa bilangan real yang
merupakan bagian dari spesifikasi aturan fuzzy.
8.8.,. Fuzzifi&ation
uzzi#ication atau fuzzifikasi adalah fase pertama dari perhitungan samar yaitu
pengubahan nilai tegas /crisp0 ke nilai samar. Proses fuzzyfikasi ditulis sebagai
berikut : % < fuzzifier /%
?
0 dengan %
?
adalah sebuah .ektor nilai tegas dari suatu
.ariabel input, % adalah .ektor himpunan fuzzy yang didefinisikan sebagai .ariabel,
dan fuzzifier adalah sebuah operator fuzzifikasi yang mengubah nilai tegas ke
himpunan samar. Inferensi fuzzy digunakan untuk merumuskan pemetaan himpunan
input ke himpunan output dengan prinsip logika fuzzy /aturan If O :hen0. :eknik
reasoning adalah &ara tepat untuk menentukan nilai yang akan digunakan sebagai
masukan aksi kendali yang tepat.
8.8.8. Inferen&e
>ntuk membedakan dengan First#!rder 'ogi&, se&ara sintaks, suatu aturan fuzzy
dituliskan sebagai :
IF ante&edent :95@ &onseYuent
1alam suatu sistem berbasis aturan fuzzy, proses inferen&e memperhitungkan semua
aturan yang ada dalam basis pengetahuan. 9asil dari proses inferen&e dipresentasikan
oleh suatu fuzzy set untuk setiap .ariabel bebas /pada &onseYuent0. 1erajat
keanggotaan untuk setiap nilai .ariabel tidak bebas menyatakan ukuran kompabilitas
terhadap .ariabel bebas /pada ante&edent0. $isalkan, terdapat suatu sistem dengan n
.ariabel bebas x
,
, x
8
, V, x
n
dan m .ariabel tidak bebas y
,
, y
8
, V, y
m
. $isalkan E
adalah suatu basis dari sejumlah r aturan fuzzy :
IF P
,
/x
,
, x
8
, V, x
n
0 :95@ Z
,
/y
,
, y
8
, V, y
m
0.
VVVVVVVVVVVVVVVVV
IF P
r
/x
,
, x
8
, V, x
n
0 :95@ Z
r
/y
,
, y
8
, V, y
m
0.
dimana P
,
, V..,P
r
menyatakan fuzzy predi&ate untuk .ariabel bebas, dan Z
,
, V.., Z
r
menyatakan fuzzy predi&ate untuk .ariabel tidak bebas.
8.8.6. 1efuzzifi&ation
:erdapat berbagai metode defuzzifi&ation yang telah berhasil diaplikasikan untuk
berbgai ma&am masalah. 1i sini, akan dibahas lima metode, yaitu :
1. Centroid method
$etode ini disebut juga sebagai Center of Area atau Center of gra.ity. $etode
ini merupakan metode yang paling penting dan menarik di antara semua
metode yang ada. $etode ini mengandung nilai &risp menggunakan rumus :
dimana y
X
suatu nilai &risp. Fungsi integration dapat diganti dengan fungsi
summation jika y bernilai diskrit, sehingga menjadi :
dimana y adalah nilai &risp dan
E
/y0 adalah derajat keanggotaan dari y.
2. 9eight method
$etode ini dikenal juga sebagai prinsip keanggotaan maksimum karena
metode ini se&ara sederhana memilih nilai &risp yang memiliki derajat
keanggotaan maksimum. !leh karena itu, metode ini hanya bisa dipakai untuk
fungsi keanggotaan yang memiliki derajat keanggotaan , pada suatu nilai &risp
tunggal dan ? pada semua nilai &risp yang lain. Fungsi seperti ini sering
disebut sebagai singleton.
3. First /or 'ast0 of $a%ima
$etode ini juga merupakan generalisasi dari height method untuk kasus
dimana fungsi keanggotaan output memiliki lebih dari satu nilai maksimum.
Sehingga, nilai &risp yang digunakan adalah salah satu dari nilai yang
dihasilkan dari maksimum pertama atau maksimum terakhir /tergantung pada
aplikasi yang akan dibangun0.
4. $ean O $a% method
$etode ini disebut juga sebagai $iddle of $a%ima. $etode ini merupakan
generalisasi dari height method untuk kasus dimana terdapat lebih dari satu
nilai &risp yang memiliki derajat keanggotaan maksimum. Sehingga y
X
didefinisikan sebagai :
dimana : m adalah nilai &risp yang paling ke&il dan $ adalah nilai &risp yang
paling besar.
5. Meighted A.erage
$etode ini mengambil nilai rata#rata dengan menggunakan pembobotan
berupa derajat keanggotaan. Sehingga y
X
didefinisikan sebagai :
dimana y adalah nilai &risp dan /y0 adalah derajat keanggotaan dari nilai
&risp y.
8.,. $A:'A( 3.?
$A:'A(, bahasa untuk komputasi teknik, diran&ang untuk meningkatkan jangkauan
dan produkti.itas ilmu dan bidang teknik, untuk memper&epat proses penemuan dan
pengembangan , untuk memudahkan belajar, dan untuk memperkuat krati.itas
penelitian. Sedangkan tipe data baru, struktur serta keistime;aan bahasa pada
$A:'A( meliputi : array multidimensi, struktur data yang dapat didefinisikan, array
sel /array multiple data0, array karakter / dua byte per karakter0, tipe data satu byte
untuk image /gambar0, pemrograman berorientasi objek /!!P0, daftar argument dan
panjang .ariable, file $ multifungsi dan pribadi, operator dan fungsi berbeban lebih,
statement &ase H s;it&h dan sebagainya.
Fasilitas matematika dan analisis data yang disediakan lebih dari 4?? fungsi
matematika, statistika, dan teknik dengan memberikan akses yang lebih &epat pada
alat komputasi numeri& yang diperlukan.
Fasilitas#fasilitas baru pada $A:'A( meliputi : penyelesaian persamaan
differensial biasa, delaunay triangulation, gridding untuk sample data tidak teratur,
fungsi#fungsi teori himpunan, Yuadratur dua dimensi, fungsi#fungsi tanggal dan
;aktu, interpolasi multidimensi, kon.olusi, FF:[s, operator bit#;ise, nilai eigen
matriks jarang dan nilai singular, link simulation dan sebagainya. /9anselman, ,2230