Fuzzy Logic
Fuzzy Logic
http://mhs.stiki.ac.id/06114001/Software/bowo/Fuzzy%20Logic.ppt
Fuzzy Logic
Dua buah logic yang dibahas sebelumnya adalah
untuk masalah-masalah yang pasti.
Untuk merepresentasikan masalah yang
mengandung ketidakpastian ke dalam suatu
bahasa formal yang dipahami komputer
digunakan fuzzy logic.
Crisp set
Himpunan yang membedakan anggota dan non
anggotanya dengan batasan yang jelas disebut
crisp set.
Misalnya, jika C={x x integer, x > 2}, maka
anggota C adalah 3, 4, 5, dan seterusnya.
Sedangkan yang bukan anggota C adalah 2, 1, 0,
-1, dan seterusnya.
Fuzzy Set
Fuzzy set merupakan dasar dari fuzzy logic dan
fuzzy systems.
Suatu fuzzy set A di dalam Universe (semesta) U
didefinisikan sebagai suatu fungsi keanggotaan
A(x), yang memetakan setiap objek di U menjadi
suatu nilai real dalam interval [0,1].
Nilai-nilai A(x) menyatakan derajat keanggotaan
x di dalam A.
Fuzzy Set
Contoh:
Misalkan, x = {5, 10, 20, 30, 40, 50, 60, 70, 80} adalah
crisp set Usia dalam satuan tahun.
Balita, Dewasa, Muda, dan Tua adalah empat fuzzy
set yang merupakan subset dari x.
Fuzzy Set
Pada tabel tersebut terdapat 4 buah fuzzy set
dengan anggota dan derajat keanggotaannya
sebagai berikut:
Balita = {}
Dewasa = {20, 30, 40, 50, 60, 70, 80}, di mana
derajat keanggotaannya dinyatakan oleh Dewasa =
{0.8, 1, 1, 1, 1, 1, 1}.
Muda = {5, 10, 20, 30, 40, 50}, di mana derajat
keanggotaannya dinyatakan oleh muda = {1, 1, 0.8,
0.5, 0.2, 0.1}.
Tua = {20, 30, 40, 50, 60, 70, 80}, di mana derajat
keanggotaannya dinyatakan oleh Tua = {0.1, 0.2,
0.4, 0.6, 0.8, 1, 1}.
Fungsi sigmoid
Fungsi phi
Fungsi segitiga
Fungsi trapesium
Fungsi Sigmoid
Sesuai dengan namanya, fungsi ini berbentuk
kurva sigmoidal seperti huruf S.
Setiap nilai x (anggota crisp set) dipetakan ke
dalam interval [0,1].
Fungsi Sigmoid
Fungsi Phi
Pada fungsi keanggotaan ini, hanya terdapat satu
nilai x yang memiliki derajat keanggotaan yang
sama dengan 1, yaitu ketika x=c.
Nilai-nilai di sekitar c memiliki derajat
keanggotaan yang masih mendekati 1.
Fungsi Phi
Fungsi Segitiga
Sama seperti fungsi phi, pada fungsi ini juga
terdapat hanya satu nilai x yang memiliki derajat
keanggotaan sama dengan 1, yaitu ketika x=b.
Tetapi, nilai-nilai di sekitar b memiliki derajat
keanggotaan yang turun cukup tajam menjauhi 1.
Fungsi Segitiga
Fungsi Trapesium
Berbeda dengan fungsi segitiga, pada fungsi ini
terdapat beberapa nilai x yang memiliki derajat
keanggotaan sama dengan 1, yaitu ketika b x c
Tetapi derajat keanggotaan untuk a< x <b dan
c< x d memiliki karakteristik yang sama dengan
fungsi segitiga.
Fungsi Trapesium
Fuzzification
Fuzzification: mengubah masukanmasukan yang nilai kebenarannya
bersifat pasti (crisp input) ke dalam
bentuk fuzzy input.
Inference
Inference: melakukan penalaran menggunakan
fuzzy input dan fuzzy rules yang telah ditentukan
sehingga menghasilkan fuzzy output.
Secara sintaks, suatu fuzzy rule (aturan fuzzy)
dituliskan sebagai:
IF antecendent THEN consequent
Inference
Model Mamdani
Pada model ini, aturan fuzzy didefinisikan sebagai:
IF x1 is A1 AND AND xn is An THEN y is B
di mana A1, , An, dan B adalah nilai-nilai linguistik
(atau fuzzy set) dan x1 is A1 menyatakan bahwa
nilai x1 adalah anggota fuzzy set A1.
Inference
Model Sugeno
Model ini dikenal juga sebagai Takagi-Sugeno-Kang
(TSK) model, yaitu suatu varian dari Model Mamdani.
Model ini menggunakan aturan yang berbentuk:
IF x1 is A1 ANDAND xn is An THEN y=f(x1,,xn)
di mana f bisa sembarang fungsi dari variabel-variabel
input yang nilainya berada dalam interval variabel output.
Biasanya, fungsi ini dibatasi dengan menyatakan f
sebagai kombinasi linier dari variabel-variabel input:
f(x1,,xn) = w0 + w1x1 + +wnxn
di mana w0, w1,,wn adalah konstanta yang berupa
bilangan real yang merupakan bagian dari spesifikasi
aturan fuzzy.
Defuzzification
Defuzzification: mengubah fuzzy output menjadi
crisp value berdasarkan fungsi keanggotaan yang
telah ditentukan.
Terdapat berbagai metode defuzzification yang
telah berhasil diaplikasikan untuk berbagai
macam masalah, di sini dibahas 5 metode di
antaranya, yaitu:
Centroid method
Height method
First (or Last) of Maxima
Mean-Max method
Weighted Average
Defuzzification
Centroid method:
Metode ini disebut juga sebagai Center of Area atau Center of
Gravity.
Metode ini menghitung nilai crisp menggunakan rumus:
Defuzzification
Height method
Metode ini dikenal sebagai prinsip keanggotaan
maksimum karena metode ini secara sederhana memilih
nilai crisp yang memiliki derajat keanggotaan maksimum.
Oleh karena itu, metode ini hanya bisa dipakai untuk
fungsi keanggotaan yang memiliki derajat keanggotaan 1
pada suatu nilai crisp tunggal dan dan 0 pada semua nilai
crisp yang lain.
Fungsi seperti ini sering disebut sebagai singleton.
Defuzzification
First (or Last) of Maxima
Metode ini juga merupakan generalisasi dari height
method untuk kasus di mana fungsi keanggotaan
output memiliki lebih dari satu nilai maksimum.
Sehingga nilai crisp yang digunakan adalah salah
satu dari nilai yang dihasilkan dari maksimum
pertama atau maksimum terakhir (tergantung pada
aplikasi yang akan dibangun).
Defuzzification
Mean-Max Method
Metode ini disebut juga sebagai Middle of Maxima.
Merupakan generalisasi dari height method untuk
kasus di mana terdapat lebih dari satu nilai crisp
yang memiliki derajat keanggotaan maksimum.
Sehingga y* didefinisikan sebagai titik tengah antara
nilai crisp terkecil dan nilai crisp terbesar
Defuzzification
Weighted Average
Metode ini mengambil nilai rata-rata dengan
menggunakan pembobotan berupa derajat
keanggotaan. Sehingga y* didefinisikan sebagai:
Studi kasus
Teori tentang fuzzy set dan fuzzy logic banyak
digunakan untuk membangun sistem berbasis
aturan fuzzy untuk masalah kontrol, seperti
masalah sprinkler control system (sistem kontrol
penyiram air).
Misalkan nilai crisp yang diterima oleh sensor
suhu adalah 370 C dan nilai crisp yang diterima
sensor kelembaban adalah 12%.
Berapa lama durasi penyiraman yang harus
dilakukan?
Proses fuzzification
Misalkan, untuk suhu udara kita menggunakan
fungsi keanggotaan trapesium dengan lima
variabel linguistik: Cold, Cool, Normal, Warm, dan
Hot
Proses Inferensi
Terdapat berbagai macam cara dalam menentukan aturan
fuzzy.
Misalkan, untuk durasi penyiraman digunakan fungsi
keanggotaan trapesium dengan tiga nilai linguistik: Short,
Medium, dan Long.
Proses Defuzzification
Sebelum defuzzification, harus dilakukan proses
composition, yaitu agregasi hasil clipping dari
semua aturan fuzzy sehingga didapatkan satu
fuzzy set tunggal.