Anda di halaman 1dari 8

ALGORITMA FUZZY DAN PENERAPANNYA

LAPORAN
DiajukanUntukMemenuhiTugas Mata Kuliah
KecerdasanBuatan
DosenPengampu: VritaPrasetyarini, S.Kom.

Akhmad Sanusi 2012520023


Ahmad syaifillah 2012520036
Ismail 2012520025
Herman 20125200
Muhammad syahid 20125200

PROGRAM STUDI TEKNIK INFORMATIKA


FAKULTAS TEKNIK

UNIVERSITAS MADURA

TAHUN AKADEMIK 2014 2015


1. Pendahuluan
1.1. PengertianLogika Fuzzy
Sebelummunculnyateorilogika fuzzy (Fuzzy Logic), dikenalsebuahlogikategas (Crisp
Logic)

yang

memilikinilaibenaratausalahsecarategas.SebaliknyaLogika

merupakansebuahlogika

yang

antarabenardansalah. Menurut

memilikinilaikekaburanataukesamaran
Asus

Naba,

Sebuahmetodologiberhitungdenganvariabel
sebagaipenggantiberhitungdenganbilangan.

logika

kata-kata
Kata-kata

Fuzzy
(fuzzyness)

fuzzy

adalah:

(linguistic

digunakandalam

variable)
fuzzy

logic

memangtidaksepresisibilangan, namun kata-kata jauhlebihdekatdenganintuisimanusia [NAB2009].


Mengenailogika fuzzy padadasarnyatidaksemuakeputusandijelaskandengan 0 atau 1,
namunadakondisidiantarakeduanya, daerahdiantarakeduanyainilah yang disebutdengan fuzzy
atautersamar.Dalamteorilogika

fuzzy

sebuahnilaibisabernilaibenardansalahsecarabersamaannamunberapabesarkebenarandankesalahan
suatunilaitergantungkepadabobotkeanggotaan yang dimilikinya.
Secaraumumadabeberapakonsepsistemlogikafuzzy ,sebagaiberikutdibawahini:
a. Himpunantegas yang merupakannilaikeanggotaansuatu item dalamsuatuhimpunantertentu.
b.Himpunan

fuzzy

yang

merupakansuatuhimpunana

yang

digunakanuntukmengatasikekakuandarihimpunantegas.
c. Fungsikeanggotaan yang memiliki interval 0 sampai 1
d. Variabel linguistic yang merupakansuatuvariabel yang memilikinilaiberupa kata-kata yang
dinyatakandalambahasaalamiahdanbukanangka.
e.

Operasidasarhimpunan

fuzzy

merupakanoperasiuntukmenggabungkandanataumemodifikasihimpunan fuzzy.
f. Aturan (rule) if-then fuzzy merupakansuatupernyataan if-then, dimanabeberapa kata-kata
dalampernyataantersebutditentukanolehfungsikeanggotaan.
Dalam

proses

pemanfaatanlogika

fuzzy,

adabeberapahal

yang

harusdiperhatikansalahsatunyaadalahcaramengolah input menjadi output melaluisisteminferensi


fuzzy.

Metodeinferensi

fuzzy

diberikankepadasebuahkeluaran.

Proses

ataucaramerumuskanpemetaandarimasukan
inimelibatkanfungsikeanggotaan,

yang

operasilogika,

sertaaturan IF-THEN. Hasildari proses iniakanmenghasilkansebuahsistem yang disebutdengan


FIS

(Fuzzy

Inferensi

System).

Dalamlogika

diantaranyaadalahMamdani, Sugeno, dan Tsukamoto.

fuzzy

tersediabeberapajenis

FIS

Struktur Dasar Logika Fuzzy

1.2. PerbedaanLogika Fuzzy denganLogikaTegas


Perbedaanantarakeduajenislogikatersebutadalah :logikategasmemilikinilaitidak = 0.0
danya=1.0, sedangakanlogika fuzzy memilikinilaiantara 0.0 hingga 1.0.
Dalamcontohkehidupankitadikatakanseseorangdikatakansudahdewasaapabilaberumurlebihdari
17

tahun,

makasiapapun

yang

kurangdariumurtersebut

di

dalamlogikategasakandikatakansebagaitidakdewasaatauanak-anak.
Sedangkandalamhalinipadalogika

fuzzy

umur

di

bawah

17

tahundapatsajadikategorikadewasatapitidakpenuh, misaluntukumur 16 tahunatau 15 tahunatau 14


tahunatau 13 tahun.
1.3. HimpunanLogika Fuzzy
Dalamteorilogika

fuzzy

dikenalhimpunan

fuzzy

merupakanpengelompokansesuatuberdasarkanvariabelbahasa

(fuzzy

(linguistik

set)
variable),

yang
yang

dinyatakandalamfungsikeanggotaan.Did alamsemestapembicaraan (universe of discourse) U,


fungsikeanggotaandarisuatuhimpunan fuzzy tersebutbernilaiantara 0.0 sampaidengan 1.0.
Contohdarihimpunanvariabelbahasaantara

lain:

Himpunandarisuhuatautemperaturdapatdinyatakandengan: dingin, sejuk, normal, hangat, panas.


Himpunandariumurdapatdinyatakandengan:

muda,

parobaya,

tua,

sangattua.

Himpunandarikecepatandapatdinyatakandengan: lambat, normal, cepat, sangatcepat.


1.4. SejarahLogika Fuzzy
Teorilogika

fuzzy

dikembangkanoleh

Prof.

LotfiZadehpadasekitartahun

1960-

andenganpenentuanhimpunan Fuzzy.
1.5. KelebihanLogika Fuzzy
Kelebihandariteorilogika

fuzzy

adalahkemampuandalam

proses

penalaransecarabahasa

(linguistic
sehinggadalamperancangannyatidakmemerlukanpersamaanmatematikdariobjek
akandikendalikan.
2. DasarLogika Fuzzy

reasoning),
yang

2.1. Fungsikeanggotaan LF
Fungsikeanggotaandarisuatuhimpunan

fuzzy

dinyatakandenganderajatkeanggotaansuatunilaiterhadapnilaitegasnya

yang

berkisarantara

0,0sampaidengan 1,0. Jika A: himpunanfuzzy, A: fungsikeanggotaandanX :semesta,


makafungsikeanggotaandalamsuatuhimpunan fuzzy dapatdinyatakandengan:
A={(x,A(x))|xX}
FungsiKeanggotaansuatuhimpunan

fuzzy

dapatditentukandenganfungsisegitiga

(Triangle), Trapesium (Trapezoidal) atauFungsi Gauss (Gaussian).


2.2. AritmatikaLogika Fuzzy
Dalam

system

logika

fuzzy

terdapatbeberapaoperasiaritmatika

yang

diperlukandalampenalarannyaantaralain:
a) Gabungan (Union) dalamsitemlogika fuzzy dikenaldenganistilah Max.
C = A U B c= max (A(x),B(x)) = A(x) B(x)
b) Irisan (Intersaction) dalamsitemlogika fuzzy dikenaldenganistilah Min.
C = A U B c= max (A(x),B(x)) = A(x) B(x)
c) Kesamaan (Equilaty)
A(x) = B(x); X U
d) Produk (Product)
e) Komplemen (Complement)
2.3. Cara KerjaKontrolLogika Fuzzy
Dalam system control logika fuzzy terdapatbeberapatahapanoperasional yang meliputi:
1. Fuzzyfikasi
2. Penalaran (Inference Machine)
3. AturanDasar (Rule Based)
4. Defuzzyfikasi
2.3.1. Fuzzyfikasi
Fuzzifikasiadalahsuatu

proses

adakedalamfungsikeanggotaan.
A 1=

cX
cb

A 2=

Xa
ba

2.3.2. AturanDasar KLF

pengubahannilaitegas/real

yang

Aturandasar (rule based) pada control logika fuzzy merupakansuatubentukaturanrelasi/imp likasi


Jika-Maka atau If Then sepertipadapernyataanberikut:
JIKA X=A DAN JIKA Y=B MAKA Z=C
Contohdariaturanjika-makainipadapengendaliansuhuruangandenganpengaturankecepatankipas
angina melaluifrekuensivariab le adalahsebagaiberikut:
1. JIKA suhupanas DAN
2. JIKA kecepatankipassangatlambat
3. MAKA sumberfrekuensidinaikkansangattinggi agar kecepatankipastinggi.
Jadiaturandasar

KLF

ditentukandenganbantuanseorangpakar

mengetahuikarakteristikobjek

yang

yang

akankendalikan.

Aturandasartersebutdapatdinyatakandalambentukmatrikaturandasar KLF.
2.3.3. MesinPenalaranKontrolLogika Fuzzy
MesinPenalaran:

proses

implikasidalammenalarnilaimasukangunapenentuannilaikeluaransebagaibebtukPengambilKeputu
san. Salah satu model penalaran yang banyakdipakaiadalahpenalaran max-min. Dalampenalaran
max-min proses pertama yang d ilakukanadalahmelakukanoperasi min sinyalkeluaran lap
isanfuzzyfikasi,

yang

diteruskandenganoperasi

max

untukmencarinilaikeluaran

selanjutnyaakandifuzzifikasikansebagaibentukkeluaranpengontrol.

Operasional

yang

max-min

tersebut dapat dinyatakan sebagai berikut:


Operasi min/Irisan
a b=min ( a , b ) =a if a b
= b if a> b
Operasi mak/Union
a b=min ( a , b ) =a if a b
= b if a> b
2.3.4. Defuzzifikasi
Merupakan

proses

pemetaanhimpunan

inimerupakankebalikandari

proses

defuzzyfikasidiekspresikansebagaiberikut :
Z* = defuzzifier (Z)
Dimana :
Z = Hasilpenalaran fuzzy
Z* = KeluaranKontro l FL
Defuzzifier = Operasidefuzzier

fuzzy

kehimpunantegas
fuzzyfikasi.

(crips).

Proses
Proses

Metodedalammelakukandefuzzifikasiantaralain :
1. Metode Max (Maximum)
Metodeinijuga d ikenaldenganmetodepuncakdimananilaikeluarandibatasiolehfungsi:
c(z*) >c 1 (z)
2. MetodeTitik Tengah (Center of Area)
Metodeinijugadisebutpusat area.Metodeinilazimdipakaidalam proses defuzzikasi. Metode
ini diekspresikan dengan persamaan:
Z* =

c ( z ) zdz
c ( z ) zdz

3. Metode Rata-Rata (Average)


Metodeinidigunakanuntukfungsikeanggotaankeluaran

yang

simetris.

Metode

ini

dinyatakan dengan persamaan:


n

Z* =

c ( z ) . Z
k

c( z )
4. MetodePenjumlahTitik Tengah (Summing of center area). Metode ini dinyatakan dengan
persamaan:
n

1 c k ( z ) dz
Z* =

k
n

1 c n ( z ) dz
k

5. MetodeTitik Tengah Area Terbesar


Dalammetodeinikeluarandipilihberdasarkantitikpusat area terbesar yang ada. Metode ini
dinyatakan dalam bentuk:
Z* =

c m ( z ) zdz
c m ( z ) zdz

Selanjutnya keluaran-keluaran dari defuzzifikasi tersebut akan digunakan sebagai


keluaran KLF.

DAFTAR PUSTAKA
http://eprints.upnjatim.ac.id/1377/1/file1.pdf
http://wayanfm.lecture.ub.ac.id/files/2014/04/FP_SPK_F_F-2013-2014-Ganjil-.pdf
http://repository.upnyk.ac.id/256/1/D-1_SPK_Keluarga_Miskin_Fuzzy_Logic-sri-winiarti.pdf