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