1

HIMPUNAN FUZZY
Logika Fuzzy
Jurusan Teknik Informatika
STMIK Nurdin Hamzah Jambi
MATERI KULIAH (PERTEMUAN 1)
2
Pokok Bahasan
Sistem fuzzy
Logika fuzzy
Aplikasi
Himpunan Fuzzy
Fungsi Keanggotaan
Operator-operator Fuzzy


3
Sistem Fuzzy
Sistem yang berdasarkan aturan-aturan
(pengetahuan)
Dibangun oleh koleksi aturan: IF-THEN
Contoh:
IF mesin panas THEN putar kipas lebih cepat
IF jarak mobil dekat THEN tekan rem kuat-kuat
IF permintaan naik THEN produksi barang bertambah
4
Mengapa Menggunakan Sistem Fuzzy?
Pada kenyataannya banyak hal di dunia ini yang sangat kompleks.
Pengetahuan & pengalaman manusia menjadi sangat dibutuhkan
dalam menyelesaikan masalah tersebut.
Perlu suatu teori yang mampu merumuskan pengetahuan &
pengalaman manusia itu ke bentuk matematis.
Sistem fuzzy akan melakukan transformasi dari pengetahuan
manusia ke bentuk matematis


5
Logika Fuzzy
Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu
ruang input ke dalam suatu ruang output.
Contoh:
Manajer pergudangan mengatakan pada manajer produksi seberapa
banyak persediaan barang pada akhir minggu ini, kemudian manajer
produksi akan menetapkan jumlah barang yang harus diproduksi
esok hari.
Pelayan restoran memberikan informasi seberapa baik pelayanannya
terhadap tamu, kemudian tamu akan memberikan tip yang sesuai
kepada pelayannya;
Penumpang taksi berkata pada sopir taksi seberapa cepat laju
kendaraan yang diinginkan, sopir taksi akan mengatur pijakan gas
taksinya.


6
Selama ini ada beberapa cara yang mampu bekerja pada kotak hitam
tersebut, antara lain:
Sistem linear;
Sistem pakar;
Jaringan syaraf;
Persamaan differensial;
Regresi


KOTAK
HITAM
persediaan barang
akhir minggu
Ruang Input
(semua total persediaan
barang yang mungkin)
produksi barang
esok hari
Ruang Output
(semua jumlah produksi
barang yang mungkin)
Pemetaan input-output pada masalah produksi
Diberikan data persediaan barang, berapa jumlah barang yang harus
diproduksi?
7
Mengapa Menggunakan Logika Fuzzy?
Konsep logika fuzzy mudah dimengerti.
Logika fuzzy sangat fleksibel.
Logika fuzzy memiliki toleransi terhadap data-data yang lain
daripada yang lain.
Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear
yang sangat kompleks.
Logika fuzzy dapat membangun bagian teratas dari
pengalaman-pengalaman para pakar.
Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali
secara konvensional.
Logika fuzzy didasarkan pada bahasa alami.

8
Aplikasi
o Pada tahun 1990 pertama kali dibuat mesin cuci dengan logika
fuzzy di Jepang (Matsushita Electric Industrial Company).
o Transmisi otomatis pada mobil.
o Kereta bawah tanah Sendai mengontrol pemberhentian otomatis
pada area tertentu.
o Ilmu kedokteran dan biologi.
o Manajemen dan pengambilan keputusan, seperti manajemen
basisdata yang didasarkan pada logika fuzzy, tata letak pabrik yang
didasarkan pada logika fuzzy, sistem pembuat keputusan di militer
yang didasarkan pada logika fuzzy, pembuatan games yang
didasarkan pada logika fuzzy, dll.



9
Himpunan Crisp
Himpunan disimbolkan dengan huruf besar (A, B,
P, dll)
Anggota (elemen) himpunan disimbolkan dengan
huruf kecil (a, b, c, x, y, dll)
Hanya ada 2 nilai keanggotaan, yaitu 1 (anggota)
atau 0 (bukan anggota)
10
Himpunan Crisp vs Fuzzy
Misalkan diketahui klasifikasi sebagai berikut:

MUDA umur < 35 tahun
SETENGAH BAYA 35 s umur s 55 tahun
TUA umur > 55 tahun
11
Himp. Crisp SETENGAH BAYA
Orang yang berusia 35 tahun termasuk SETENGAH BAYA
(nilai keanggotaan=1)
Orang yang berusia 34 tahun tidah termasuk SETENGAH BAYA
(nilai keanggotaan=0)
Orang yang berusia 55 tahun termasuk SETENGAH BAYA
(nilai keanggotaan=1)
Orang yang berusia 56 tahun tidah termasuk SETENGAH BAYA
(nilai keanggotaan=0)

35
55 umur

1
Setengah
Baya
0
12
Orang yang berusia 35 tahun termasuk SETENGAH BAYA (nilai
keanggotaan=0,5)
Orang yang berusia 45 tahun termasuk SETENGAH BAYA (nilai
keanggotaan=1)
Orang yang berusia 55 tahun termasuk SETENGAH BAYA (nilai
keanggotaan=0,5)
Orang yang berusia 25 tahun tidak termasuk SETENGAH BAYA (nilai
keanggotaan=0)
45 35 55 25 65
umur

1
0.5
SETENGAH BAYA
Himp. Fuzzy SETENGAH BAYA
13
Orang yang berusia 45 tahun termasuk SETENGAH BAYA (nilai
keanggotaan=1)
Orang yang berusia 35 tahun termasuk SETENGAH BAYA (nilai
keanggotaan=0,5), dan termasuk MUDA (nilai keanggotaan 0,5).
Orang yang berusia 55 tahun termasuk SETENGAH BAYA (nilai
keanggotaan=0,5), dan termasuk TUA (nilai keanggotaan 0,5).

TUA
MUDA
45 35
55
25
65
umur

1
0.5
SETENGAH
BAYA
14
TINGGI HIMPUNAN FUZZY
Tinggi himpunan fuzzy adalah derajat keanggotaan
maksimumnya dan terikat pada konsep normalisasi.
1
1 4 7
derajat
keanggotaan
DEKAT DENGAN 4
0,82
47 50 53
derajat
keanggotaan
DEKAT DENGAN 50
15
Suatu himpunan fuzzy dikatakan memiliki bentuk
normal maksimum (Maximum Normal Form) jika
paling sedikit satu elemennya memiliki nilai
keanggotaan satu (1) dan satu elemennya memiliki
nilai keanggotaan nol (0).
Suatu himpunan fuzzy dikatakan memiliki bentuk
normal minimum (Minimum Normal Form) jika
paling sedikit satu elemennya memiliki nilai
keanggotaan satu (1).
16
47 50 53
derajat
keanggotaan
DEKAT DENGAN 50
0,82
1
17
VARIABEL FUZZY
Variabel fuzzy adalah variabel-variabel yang
akan dibicarakan dalam suatu sistem fuzzy.
Contoh:
Temperatur
Umur
Tinggi Badan
dll
18
0
1
[x]
TEMPERATUR
SEJUK DINGIN HANGAT PANAS
temperatur turbin (
o
C)
SEMESTA PEMBICARAAN
Keseluruhan ruang permasalahan dari nilai terkecil hingga nilai terbesar
yang diijinkan disebut dengan semesta pembicaraan (universe of
discourse).
Semesta pembicaraan bersifat monoton naik, dan adakalanya open ended.
100 140 200 260 320 360
19
HIMPUNAN FUZZY
Himpunan fuzzy adalah himpunan-himpunan
yang akan dibicarakan pada suatu variabel dalam
sistem fuzzy.
Contoh:
Temperatur: DINGIN, SEJUK, HANGAT, PANAS.
Umur: MUDA, PAROBAYA, TUA.
Tinggi Badan: RENDAH, TINGGI
dll
20
DOMAIN HIMPUNAN FUZZY
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam
semesta pembicaraan.
Domain merupakan himpunan bilangan real yang senantiasa naik
(bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat
berupa bilangan positif maupun negatif.
BERAT
1
0
berat badan
(kg)
[x]
Domain himpunan fuzzy BERAT [40,60]
40 60
21
0
1
derajat
keanggotaan
(x)
TEMPERATUR
SEJUK DINGIN HANGAT PANAS
temperatur turbin (
o
C)
Domain himpunan fuzzy:
DINGIN (100
o
C-200
o
C),
SEJUK (140
o
C-260
o
C),
HANGAT (200
o
C-320
o
C), dan
PANAS (260
o
C-360
o
C).
Himpunan-himpunan fuzzy yang mendeskripsikan semesta pembicaraan ini
tidak perlu simetris, namun harus selalu ada overlap pada beberapa derajat.
100 140 200 260 320 360
22
SUPPORT SET
Himpunan yang memiliki derajat keanggotaan lebih dari nol.
Domain untuk BERAT adalah 40 kg hingga 60 kg, namun kurva yang ada
dimulai dari 42 hingga 55 kg
40 42 55 60
BERAT
1
0
berat badan
(kg)
(x)
support set
23
40 45 60
BERAT
1
0
berat badan
(kg)
(x)
o=0,2
o-CUT SET
Himpunan ini berisi semua nilai domain yang merupakan
bagian dari himpunan fuzzy dengan nilai keanggotaan
lebih besar atau sama dengan o.
o-cut set
24
FUNGSI KEANGGOTAAN
1. Representasi Linear
Pada representasi linear, permukaan digambarkan sebagai suatu garis
lurus.
Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk
mendekati suatu konsep yang kurang jelas.
(x)
1
0
domain
a
b

>
s s

s
=
b x
b x a
a b
a x
a x
x
; 1
;
; 0
] [
25
Contoh:
(x)
1
0
Umur(th)
35
60
TUA
50
0,6

TUA
[50] = (50-35)/(60-35) = 0,6
26
2. Kurva Segitiga

(x)
1
0
a b c
Pusat
Sisi
kanan


Domain
Sisi
kiri

s s
s s
> s
=
c x b ); b c /( ) x c (
b x a ); a b /( ) a x (
c x atau a x ; 0
) c , b , a ; x (
27
Contoh

1
0
|x]
35 45 65
PAROBAYA
Umur (th)
38 50
0,3
0,75

PAROBAYA
[38] = (38-35)/(65-35) = 0,3

PAROBAYA
[50] = (65-50)/(65-45) = 0,75
28
3. Kurva-S (Sigmoid/Logistic)

1
0
9
i

derajat
keanggotaan

0,5
9
j

Titik Infleksi |
Keanggotaan=0 o Keanggotaan=1

>
s s
s s
s
=

| o
| o o o
o
| o
x
x x
x x
x
x S
1
)) /( ) (( 2 1
)) /( ) (( 2
0
) , , ; (
2
2
29
50
1
0
[x]
45 65 58
TUA
Umur (th)
Contoh

0,755

TUA
[58] = 1-2[(65-58)/(65-45)]
2
= 0,755
0,125

TUA
[50] = 2[(50-45)/(65-45)]
2
= 0,125
30
32
1
0
[x]
25 45 40
MUDA
Umur (th)
Contoh

0,755

MUDA
[40] = 2[(45-40)/(45-25)]
2
= 0,125
0,125

MUDA
[32] = 1-2[(32-25)/(45-25)]
2
= 0,755
31
4. Kurva-t

1
0
9
i

derajat
keanggotaan

0,5
9
j

Pusat
Lebar |
Domain
Titik
Infleksi

>
|
.
|

\
|
| +
|
+
s
|
.
|

\
|

|
|
= | H
x ,
2
, ; x S 1
x ,
2
, ; x S
) , , x (
32
Contoh

1
0
35 55 45
PAROBAYA
[x]
43 52
Umur (th)
0,18
0,92

PAROBAYA
[43] = 1-2[(45-43)/(45-35)]
2
= 0,92

PAROBAYA
[52] = 1-(1-2[(55-52)/(55-45)]
2
) = 0,18
33
0
0
1
SEJUK DINGIN HANGAT PANAS NORMAL
[x]
15 20 25 30 35
Suhu Ruangan (
o
C)
5. Kurva Bentuk Bahu

Bahu Kiri
Bahu Kanan
34
OPERATOR DASAR FUZZY
Interseksi:

AB
= min(
A
[x],
B
[y]).
Union:

AB
= max(
A
[x],
B
[y]).
Komplemen:

A
= 1-
A
[x]
35
INTERSEKSI
Interseksi antara 2 himpunan berisi elemen-elemen yang berada
pada kedua himpunan.
Ekuivalen dengan operasi aritmetik atau logika AND.
Pada logika fuzzy konvensional, operator AND diperlihatkan
dengan derajat keanggotaan minimum antar kedua himpunan.



0.00

0.25

0.50

0.75

1.00

0.00

0.00

0.00

0.00

0.00

0.00

0.25

0.00

0.25

0.25

0.25

0.25

0.50

0.00

0.25

0.50

0.50

0.50

0.75

0.00

0.25

0.50

0.75

0.75

1.00

0.00

0.25

0.50

0.75

1.00

36
Operator interseksi seringkali digunakan sebagai
batasan anteseden dalam suatu aturan fuzzy, seperti:

IF x is A AND y is B THEN z is C

Kekuatan nilai keanggotaan antara konsekuen z dan
daerah fuzzy C ditentukan oleh kuat tidaknya premis
atau anteseden. Kebenaran anteseden ini ditentukan
oleh min ([x is A], [y is B].
37
Contoh:
35 45 55
umur (tahun)
1
0
[x]
SETENGAH BAYA
[x]
135 170
tinggi badan (cm)
1
0
TINGGI
X
1
X
n


1
0
[x]
TINGGI dan SETENGAH BAYA
1/2 BAYA
TINGGI
38
UNION
Union dari 2 himpunan dibentuk dengan menggunakan
operator OR.
Pada logika fuzzy konvensional, operator OR diperlihatkan
dengan derajat keanggotaan maksimum antar kedua
himpunan.


0.00

0.25

0.50

0.75

1.00

0.00

0.00

0.25

0.50

0.75

1.00

0.25

0.25

0.25

0.50

0.75

1.00

0.50

0.50

0.50

0.50

0.75

1.00

0.75

0.75

0.75

0.75

0.75

1.00

1.00

1.00

1.00

1.00

1.00

1.00

39
Contoh:
35 45 55
umur (tahun)
1
0
[x]
SETENGAH BAYA
X
1
X
n


1
0
[x]
TINGGI atau SETENGAH BAYA
TINGGI
1/2 BAYA
135 170
tinggi badan (cm)
1
0
TINGGI
[x]
40
KOMPLEMEN
Komplemen atau negasi suatu himpunan A berisi
semua elemen yang tidak berada di A.


25 35 55 65
umur (tahun)
1
0
[x]
Tidak SETENGAH BAYA
25 45 65
umur (tahun)
1
0
[x]
Tidak SETENGAH BAYA