ContohSoalSistemFuzzy
ContohSoalSistemFuzzy
Mengenai UAS
Materi yang diujikan:
Penalaran Fuzzy (Mamdani & Sugeno)
Pembelajaran (pembelajaran mesin & jaringan
syaraf tiruan)
Harus diingat!
Tahapan kerja sistem Fuzzy: Fuzzification
Inferensi Defuzzification
Fungsi Keanggotaan yang sering digunakan:
Trapesium, kemudian Segitiga
Model Penalaran (inferensi) yang banyak
digunakan: Mamdani, kemudian Sugeno.
Metode defuzzification yang sering digunakan:
Centroid dan Weighted Average.
Fungsi Keanggotaan
Trapesium & Segitig
1: Fuzzification
Misal digunakan fungsi keanggotaan Trapesium
dengan lima variabel linguistik untuk Suhu Udara:
Dingin, Sejuk, Normal, Hangat dan Panas.
Suhu 37 masuk dalam Hangat & Panas.
Untuk Kelembaban, ada 3, juga trapesium:
Kering, Lembab dan Basah
Kelembaban 12% masuk dalam Kering & Lembab
Bagaimana menghitung derajat keanggotaan dari
suatu nilai Crisp?
2: Inferensi (Penalaran)
Berikut ini rangkuman aturan (rule) yang diberikan pakar
Sprinkler, ada kemungkinan output: Lama, Sedang, Singkat.
Kering
Dingin
Sejuk
Lama
Lama
Lama
Lama
Lama
Inferensi Mamdani
Ada 4 input: Hangat (2/3), Panas (1/3), Kering
(4/5) dan Lembab (1/5)
Aturan yang berlaku hanya 4:
Inferensi Mamdani
Karena 2 fakta disambung dengan AND, ambil nilai minnya. Jika dengan OR ambil max-nya.
Jika ada 2 hasil berbeda derajat keanggotaan, ambil
nilai max-nya
3: Defuzzification (Mamdani)
Y* = ((24+28+32+36+40)*1/5 + (48+60+70+80+90)*2/3)/
(1/5+1/5+1/5+/15+1/5)+(2/3+2/3+2/3+2/3+2/3)
= 310.4/4.33 = 60.97
2: Inferensi (Sugeno)
3: Defuzzification (Sugeno)
Jika digunakan metode Height, diperoleh hasil crisp
60 (nilai tertinggi)
1: Fuzzification
Misal input IPK dibagi menjadi 3: Buruk (0
2.75), Cukup (2 3.25), Bagus (2.75 4)
1: Fuzzification
Misal input Penghasilan Ortu dibagi menjadi
4: Kecil, Sedang, Besar, Sangat besar.
2: Inferensi
Pakar memberikan aturan Nilai Kelayakan (NK)
penerima beasiswa berikut:
Kecil
Sedang Besar
Sangat Besar
Buruk Rendah Rendah Rendah Rendah
Cukup Tinggi
Bagus Tinggi
2: Inferensi
Gunakan Tabel Aturan, Fungi Keanggotaan
Input dan Output untuk NK dari A dan B.
Semakin besar NK maka semakin layak
menerima beasiswa.
3: Defuzzification
...