Perhitungan Sederhana ANFIS

Oleh: Arsyil Hendra Saputra / J2E008009 Universitas Diponegoro

Misalkan diberikan data runtun waktu sebanyak 8 buah:

1
3

t
Zt

2
5

3
4

4
2

5
6

6
5

7
7

8
4

Diberikan input ANFIS berupa Zt-1 dan Zt-2 sedangkan output berupa Zt:
Data
ke1
2
3
4
5
6

Zt-2

Zt-1

Zt

3
5
4
2
6
5

5
4
2
6
5
7

4
2
6
5
7
4

Misalkan jumlah klaster yang dicobakan adalah 2, maka aturan pada ANFIS basis
aturan model Sugeno:
If Zt-2 is A1 and Zt-1 is B1 then Zt = p1Zt-2 + q1Zt-1 + r1
If Zt-2 is A2 and Zt-1 is B2 then Zt = p2Zt-2 + q2Zt-1 + r2
Hasil clustering dengan algoritma FCM:
Data
ke1
2
3
4
5
6

Derajat keanggotaan
Zt-2
Zt-1
0.93403
0.06597
0.674176
0.325824
0.175299
0.824701
0.785267
0.214733
0.210751
0.789249
0.78891
0.21109

Kecenderungan masuk cluster

C1
C2
*
*
*
*
*
*

Lapisan 1:
Misalkan digunakan fungsi keanggotaan Generalized Bell (gbellmf):
( )=
1+

Arsyil Hendra Saputra | arsyil.blogspot.com | 1

Ditentukan b=1 dan sebagai inisialisasi dari nilai a dan c, digunakan nilai mean
dan standard deviasi, dihitung:
C1

Data
ke-

Zt-2
3
5

Zt-1
5
4

5
3.75
1.500

mean
sd

C2

7
5.5
1.291

Zt-2

Zt-1

5
1.414

3.5
2.121

Maka dihitung neuron dari lapisan 1:

1

( )=
1+

3.75
1.500
1

( )=
1+

5
1.414

( )=
1+

5.5
1.291
1

( )=
1+

3.5
2.121

Output lapisan 1 berupa derajat keanggotaan setiap data, hasilnya:

Data
ke1
2
3
4
5
6

Derajat keanggotaan
0.800
0.590
0.973
0.424
0.308
0.590

0.211
0.870
0.426
0.120
0.870
0.870

1.000
0.667
0.182
0.667
1.000
0.333

0.667
0.947
0.667
0.419
0.667
0.269

Lapisan 2:
=
Data
ke1
2
3
4

( ).

( ) ;

( ).

( )

Output lapisan 2
w1
w2
0.800
0.140
0.393
0.824
0.177
0.284
0.282
0.050

Arsyil Hendra Saputra | arsyil.blogspot.com | 2

5
6

0.308
0.197

0.580
0.234

Lapisan 3:
=

Output lapisan 3

Data
ke1
2
3
4
5
6

0.851
0.323
0.384
0.849
0.347
0.457

0.149
0.677
0.616
0.151
0.653
0.543

Lapisan 4:

Data
ke1
2
3
4
5
6

( Z

)=(

+(

( Z

)=(

+(

2.552
1.616
1.536
1.698
2.080
2.286

4.254
1.293
0.768
5.095
1.734
3.200

0.851
0.323
0.384
0.849
0.347
0.457

0.448
3.384
2.464
0.302
3.920
2.714

0.746
2.707
1.232
0.905
3.266
3.800

0.149
0.677
0.616
0.151
0.653
0.543

Estimasi parameter konsekuen (p1, q1, r1, p2, q2, r2) dengan LSE rekursif:
A=
2.552
1.616
1.536
1.698
2.080
2.286

4.254
1.293
0.768
5.095
1.734
3.200

0.851
0.323
0.384
0.849
0.347
0.457

0.448
3.384
2.464
0.302
3.920
2.714

0.746
2.707
1.232
0.905
3.266
3.800

Arsyil Hendra Saputra | arsyil.blogspot.com | 3

0.149
0.677
0.616
0.151
0.653
0.543

y=
4
2
6
5
7
4
=
p1
q1
r1
p1
q1
r1
=(

Dihitung

, diperoleh:

35.505
44.993
-314.898
4.361
-41.591
127.172
Dengan demikian, nilai parameter diperoleh:
p1 = 35.505, q1 = 44.993, r1 = -314.898, p2 = 4.361, q2 = -41.591, r2 = 127.172

Lapisan 5
Data
ke-

Zt
target

2
3
4
5
6

2
6
5
7
4

( Z ) +( Z ) +
+
( Z ) +( Z ) +
2.552*35.505+4.254*44.993+
0.851*(-314.898)+0.448*4.361+
0.746*(-41.591)+0.149*127.172
dst.
dst.
dst.
dst.
dst.

Zt
output

Error

-4.99E-12

2
6
5
7
4

-9.96E-12
5.47E-12
1.40E-12
1.22E-12
-1.52E-12

Estimasi parameter premis (a,c) dengan model propagasi error gradient descent.

Arsyil Hendra Saputra | arsyil.blogspot.com | 4