Lesson 32

Fuzzy Reasoning
(Continued)

Oleh:
Saleh Abu Jihad
(06560044)
Fuzzy Inferencing

• Fuzzy inferencing dikaitkan dengan apa

yang dinamakan sistem inferensi fuzzy.
Ini terdiri dari tiga tahap yang
memproses sistem input menjadi sistem
output yang memadai. Tahap-tahap
tersebut adalah:
1. Fuzzification
2. Evaluasi Aturan
3. Defuzzyfication
Fuzzification
• Fuzzification adalah tahap pertama dalam proses
inferensi fuzzy. Ini melibatkan suatu domain
perubahan dimana input murni diubah menjadi
input fuzzy. Input murni merupakan input
sebenarnya yang diukur oleh sensor dan
dilewatkan dalam sistem kontrol untuk
pemrosesan, seperti suhu, tekanan, rpm dan
lain-lain. Setiap input murni yang diproses
melalui FIU memiliki kelompok sendiri dari
keanggotaan fungsi atau perangkat dimana
mereka diubah.
Evaluasi Aturan

• Evaluasi aturan terdiri dari serangkaian

aturan IF-THEN. Suatu struktur keputusan
untuk menentukan aturan yang
mensyaratkan kefamiliaran dengan sistem
dan yang diinginkan dalam sistem.
Pengetahuan ini seringkali membutuhkan
panduan untuk mewawancarai operator
dan pakar.
• Konsekuensi terdiri dari : output variabel
label IS, nilainya tergantung pada Zadeh
Operator yang menentukan jenis inferensi
yang digunakan. Ada tiga jenis Zadeh
Operator yang digunakan yaitu AND, OR
dan NOT. Label konsekuensi diasosiasikan
dengan output keanggotaan fungsi. Zadeh
Operator dibatasi untuk operasi dua
keanggotaan fungsi.
• Zadeh Operator sama dengan Boolean
Operator seperti :
– AND mewakili interseksi atau minimum antara
dua kumpulan
– OR mewakili gabungan atau maksimum
antara dua kumpulan
– NOT mewakili lawan dari kumpulan
Defuzzification

• Defuzzification melibatkan proses

perubahan urutan output fuzzy menjadi
output murni.
• Suatu metode rata-rata digunakan disini, dan diketahui
sebagai metode pusat gravitasi atau COG, ini adalah
suatu metode perhitungan centroid suatu himpunan.
Keanggotaan fungsi output dimana output fuzzy diubah
urutannya dibatasi menjadi sesuatu yang tunggal. Ini
terlalu membatasi tingkat intensitas perhitungan dalam
mikrokontroler. Output fuzzy diubah urutannya menjadi
keanggotaan fungsi mereka sama seperti dalam
fuzzification. Dengan COG nilai tunggal output dihitung
dengan menggunakan rata-rata tertimbang,
diilustrasikan dalam bahasan selanjutnya. Output murni
adalah hasil dan dilewatkan pada sistem inferensi fuzzy
untuk pemrosesan.
Aplikasi
• Bidang dimana logika fuzzy telah diterapkan
secara berhasil seringkali benar-benar nyata.
• Aplikasi yang bermanfaat adalah penggunaan
teori sistem fuzzy dalam sistem pencarian
informasi, sistem navigasi untuk mobil otomatis,
kontroler logika fuzzy prediktif untuk operasi
otomatisasi kereta api, kontroler tingkat air
laboratorium, kontroler untuk busur pengelasan,
definisi sifat untuk penglihatan robot, kontroler
grafis untuk polisi pembuat sketsa otomatis dan
lebih banyak lagi.
• Sistem pakar telah menjadi penerima yang
paling nyata dari manfaat logika fuzzy,
sementara domain nya seringkali melekat.
Contoh sistem pakar dengan logika fuzzy sentral
pada kontrol mereka pada sistem pendukung
keputusan, perencana keuangan, sistem
diagnostik untuk menentukan penyakit tanaman
kedelai, dan sistem pakar meteorologikal di cina
untuk menentukan lahan untuk menetapkan
kebun karet
SEKIAN & TERIMA KASIH