P. 1
4-Fuzzy-System-3

4-Fuzzy-System-3

|Views: 38|Likes:
Dipublikasikan oleh Bang Kosim

More info:

Published by: Bang Kosim on Apr 05, 2011
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/05/2013

pdf

text

original

1/16/2006

Basisdata Fuzzy
FST UIN SUKA
Shofwatul ‘Uyun

Laboratory of Intelligent System
Shofwatul „Uyun, M.Kom

Pokok Bahasan
Basisdata Fuzzy Model Tahani Basisdata Fuzzy Model Umano

1

255.500. Misalkan kita memiliki data karyawan yang tersimpan pada tabel DT_KARYAWAN dengan field NIP.000 1.250.000 1. Masuk 1996 1985 1988 1998 1990 1989 1997 2001 1999 2000 Gaji/bl (Rp) 750. nama.000 735. th masuk.000 1.000 2 .000 1.000 860.600.000 550.000 950.000 1.040. tgl lahir. dan gaji per bulan sebagai berikut.1/16/2006 Basisdata Fuzzy: TAHANI Sebagian besar basis data standar diklasifikasikan berdasarkan bagaimana data tersebut dipandang oleh user. NIP 01 02 03 04 05 06 07 08 09 10 Nama Lia Iwan Sari Andi Budi Amir Rian Kiki Alda Yoga Tgl Lahir 03-06-1972 23-09-1954 12-12-1966 06-03-1965 04-12-1960 18-11-1963 28-05-1965 09-07-1971 14-08-1967 17-09-1977 Th.

3 .255. dan Yoga.250. kita dapat mencari data-data karyawan dengan spesifikasi tertentu dengan menggunakan query.000 * Misal Sekarang tahun 2002  Dengan menggunakan basisdata standar.  Misal kita ingin mendapatkan informasi tentang nama-nama karyawan yang usianya kurang dari 35 tahun.500.040.000 1.000 950.000 735.000 860.1/16/2006 NIP 01 02 03 04 05 06 07 08 09 10 Nama Lia Iwan Sari Andi Budi Amir Rian Kiki Alda Yoga Umur (th)* 30 48 36 37 42 39 37 32 35 25 Masa Kerja (th)* 6 17 14 4 12 13 5 1 3 2 Gaji/bl 750.000 1.600.000 1. maka kita bisa ciptakan suatu query: SELECT NAMA FROM KARYAWAN WHERE (Umur < 35)  Sehingga muncul namanama Lia.000 1. Kiki.000 550.000 1.

Amir. seseorang kadang membutuhkan informasi dari data-data yang bersifat ambiguous. dan Rian.  Pada kenyataannya. 4 . maka kita bisa mengatasinya dengan menggunakan basisdata fuzzy. hanya saja model ini menggunakan teori himpunan fuzzy untuk mendapatkan informasi pada querynya. maka kita bisa ciptakan suatu query: SELECT NAMA FROM KARYAWAN WHERE (MasaKerja <= 5) and (Gaji > 1000000)  Sehingga muncul nama-nama Andi dan Rian. maka kita bisa ciptakan suatu query: SELECT NAMA FROM KARYAWAN WHERE (Gaji > 1000000)  Sehingga muncul nama-nama Iwan.1/16/2006  Apabila kita ingin mendapatkan informasi tentang namanama karyawan yang gajinya lebih dari 1 juta rupiah. Andi.  Apabila hal ini terjadi. Sari.  Basisdata fuzzy model Tahani masih tetap menggunakan relasi standar.  Apabila kita ingin mendapatkan informasi tentang nama-nama karyawan yang yang masa kerjanya kurang dari atau sama dengan 5 tahun tetapi gajinya sudah lebih dari 1 juta rupiah.

dan  TUA 1 m[x] MUDA PAROBAYA TUA 0 30 35 40 45 50 Umur (tahun)  0.  40  x m MUDA [ x]   . x  50 x  40 0.1/16/2006  Misalkan kita mengkategorikan usia karyawan diatas ke dalam himpunan:  MUDA. x  35 atau  x  35  m PAROBAYA [ x]   . 5 . 35  x  45  10  50  x . 40  x  50 10  x  50 1.  x  40 m TUA [ x]   . 30  x  40  10 x  40 0.  PAROBAYA. 45  x  50  5  x  30 1.

5 1 PAROBAYA 0 0.2 0 0 0 0 0  Variabel Masa Kerja bisa dikategorikan dalam himpunan:  BARU  LAMA 1 m[y] BARU LAMA 0 5 10 15 25 Masa Kerja (tahun) 6 .4 0.7 0.2 0.1 0.8 0 0 0.1/16/2006 Tabel karyawan berdasarkan umur dengan derajat keanggotannya pada setiap himpunan.8 0.2 0 0 0 TUA 0 0.4 0.4 0.3 0. Derajat Keanggotaan NIP 01 02 03 04 05 06 07 08 09 10 Lia Iwan Sari Andi Budi Amir Rian Kiki Alda Yoga Nama Umur 30 48 36 37 42 39 37 32 35 25 MUDA 1 0 0.1 0.3 0 0.

9 0 0.3 0. 10  y  25  15 y  25 1. 15  y m BARU [ y ]   .2 1 1 1 1 LAMA 0 0. NIP 01 02 03 04 05 06 07 08 09 10 Lia Nama Masa Kerja 6 17 14 4 12 13 5 1 3 2 Derajat Keanggotaan BARU 0.  Tabel karyawan berdasarkan umur dengan derajat keanggotannya pada setiap himpunan. y  10 0.133 0.  y  10 m LAMA [ y ]   .267 0 0.1/16/2006 y5 1. 5  y  15  10 y  15 0.200 0 0 0 0 Iwan Sari Andi Budi Amir Rian Kiki Alda Yoga 7 .467 0.1 1 0.

z  500 atau z  1500  z  500  m SEDANG [ z ]   .1/16/2006  Variabel Gaji bisa dikategorikan dalam himpunan: [  RENDAH. 8 . 500  z  1000  500 1500  z .  SEDANG.  0. 300  z  800  500 z  800 0. 1000  z  1500  500  z  1000 0. 1000  z  2000  1000 z  2000 1. dan  TINGGI 1 RENDAH m[z] SEDANG TINGGI 0 300 500 800 1000 1500 2000 Gaji (x1000 Rp/bl) z  300 1.  800  z m RENDAH [ z ]   .  z  1000 m TINGGI [ z ]   .

000 1.49 0 0.000 550.50 0.13 0 0.1 0 0 0 0 0 0 0.90 0 0.250 0 0 0 Iwan Sari Andi Budi Amir Rian Kiki Alda Yoga Query1: Siapa saja-kah karyawan yang masih muda tapi memiliki gaji tinggi? SELECT NAMA FROM KARYAWAN WHERE (Umur = “MUDA”) and (Gaji = “TINGGI”) 9 .600.600 0.92 0.50 0 0 0 TINGGI 0 0.000 1.250.000 1.040.040 0 0.000 1.1/16/2006  Tabel karyawan berdasarkan umur dengan derajat keanggotannya pada setiap himpunan.000 1.500.5 0.000 Derajat Keanggotaan RENDAH SEDANG 0.000 950. NIP 01 02 03 04 05 06 07 08 09 10 Lia Nama Gaji / bl 750.500 0.255 0.255.000 860.000 735.

25 0.8 0.255 0 0 0 0 0.250.000 0.04 0 0 0 0 0 0 Query2: Siapa saja-kah karyawan yang masih muda atau karyawan yang memiliki gaji tinggi? SELECT NAMA FROM KARYAWAN WHERE (Umur = “MUDA”) or (Gaji = “TINGGI”) 10 .000 860.6 0.000 1.000 1.25 0.000 1.3 1 0 0 0.040.000 735.000 750.1 0.600.000 550.4 0.000 1.500.3 0.255.4 0.5 1 0.04 0 0.1/16/2006 NIP NAMA UMUR GAJI MUDA Derajat Keanggotaan TINGGI MUDA & TINGGI 03 07 06 04 01 02 05 08 09 10 Sari Rian Amir Andi Lia Iwan Budi Kiki Alda Yoga 36 37 39 37 30 48 42 32 35 25 1.5 0.000 950.1 0.

000 860.000 735.000 1.000 1.5 0.8 0.500.5 0 0.600.000 1.000 950.04 0.1/16/2006 Derajat Keanggotaan NIP NAMA UMUR GAJI MUDA TINGGI MUDA atau TINGGI 01 10 08 06 03 09 04 07 02 05 Lia Yoga Kiki Amir Sari Alda Andi Rian Iwan Budi 30 25 32 39 36 35 37 37 48 42 750.6 0.000 1 1 0.040.1 0.255 0 1 1 0.3 0.8 0.000 1.4 0.5 0.3 0 0 0 0 0 0.6 0.5 0.3 0.255 0 Query3: Siapa saja-kah karyawan yang masih muda tapi masa kerjanya sudah lama? SELECT NAMA FROM KARYAWAN WHERE (Umur = “MUDA”) and (MasaKerja = “LAMA”) 11 .255.000 550.25 0.250.3 0.000 1.

4 0.3 0.1 1 0 0.1/16/2006 NIP 03 06 01 02 04 05 07 08 09 10 NAMA Sari Amir Lia Iwan Andi Budi Rian Kiki Alda Yoga UMUR 36 39 30 48 37 42 37 32 35 25 Masa Kerja 14 13 6 17 4 12 5 1 3 2 Derajat Keanggotaan MUDA LAMA 0.8 0.1 0 0 0 0 0 0 0 0 Query4: Siapa saja-kah karyawan yang parobaya dan gajinya sedang.467 0 0.5 1 0. atau karyawan yang parobaya tapi masa kerjanya sudah lama? SELECT NAMA FROM KARYAWAN WHERE (Umur = “PAROBAYA”) and [(Gaji = “SEDANG”) or (MasaKerja = “LAMA”)] 12 .267 0.3 0 0.267 0.133 0 0 0 0 MUDA & LAMA 0.2 0 0.

49 0.4 0. data-data yang ambiguous diekspresikan dengan menggunakan distribrusi posibilitas. 13 .5 0 0.2 0 0.5 0 0 0 0.2 0.4 0.2 0.2 0.4 0.7 0.1/16/2006 Derajat Keanggotaan NIP 05 02 04 06 07 03 01 08 09 10 NAMA Budi Iwan Andi Amir Rian Sari Lia Kiki Alda Yoga SEDANG LAMA SEDANG atau LAMA PAROBAYA PAROBAYA & (SEDANG atau LAMA) 0.9 0.7 0.9 0.467 0 0.2 0.5 0 0 0 0.92 0.1 0 0 0 0 0.49 0. Distribusi posibilitas merupakan nilai atribut dari suatu model relasi.133 0.92 0 0.2 0.267 0 0 0 0 0.1 0 0 0 0 Basisdata Fuzzy: UMANO Pada basisdata fuzzy Model Umano.2 0.267 0.5 0.

1/16/2006  Misalkan terdapat tabel Karyawan sebagai berikut: Nama Ani Lia Doni Sandra Umur 35 th 33 th Muda Tidak Tahu Fitri Tidak Tahu Ningrum Nama Anak Riko Dian 56 {50. 14 .51}P {Nia. Ani berusia 35 th dan memiliki seorang anak yang bernama Fitri. Ana}P Undefined Pada record pertama tidak ada data yang ambiguous.

6/35. Umur Doni diekspresikan dengan distribusi posibilitas MUDA. Doni tidak diketahui berapa umurnya.8/22. juga tidak ada data yang ambiguous.6/17. Lia berusia 33 th dan belum mempunyai anak.2/40}  Doni memiliki anak. yang berarti siapapun mungkin (nilai posibilitas = 1). 0.3/15. misalkan MUDA merupakan himpunan dengan distribusi posibilitas sebagai berikut: MUDA = {0.1/16/2006 Pada record kedua.8/30. 0.7/33. 0. tapi kita tidak tahu siapa nama anaknya. 0. Nama anak dari Doni diekspresikan dengan distribusi posibilitas tidak tahu.  Pada record ketiga. 0. 15 . 1/25. 0. tapi dia masih muda.

Nama anak Riko diekspresikan dengan distribusi posibilitas {Nia. Riko diketahui berumur 56 tahun.  Riko memiliki seorang anak yang belum jelas siapa namanya. Misalkan distribusi posibilitas yang diberikan adalah: {0. 0. atau bernama Ana dengan posibilitas 0. yang berarti berapapun mungkin (nilai posibilitas = 1).  Pada record kelima. Umur Sandra diekspresikan dengan distribusi posibilitas tidak tahu. yang berarti Nia atau Ana.5/Ana} yang berarti bahwa anak Riko bernama Ana dengan posibilitas 0.1/16/2006 Pada record keempat.Ana}P. Nilai posibilitas Nia lebih besar dibanding dengan nilai posibilitas Ana. Sandra memiliki anak yang bernama Ningrum.5. apakah Nia atau Ana.8/Nia. 16 .8. kita tidak mengetahui berapa umur Sandra.

51}P. karena Doni masuk dalam kategori MUDA dimana usia 40 tahun (> 36 th) menjadi anggota himpunan MUDA meskipun nilai posibilitasnya Cuma 0. – Riko jelas masuk dalam kategori ini. dan Dian. jadi berapapun umur yang diminta Sandra tetap masuk (nilai posibilitas = 1).8.2.1/16/2006  Pada record keenam.8/50. sebab umurnya 56 th (> 36 th). Sandra. sebab 50 th maupun 51 th keduanya lebih dari 36 th. – Sandra termasuk dalam kategori ini. • Apabila ada suatu query: “Siapa sajakah karyawan yang usianya lebih dari 36 tahun?” • Maka yang masuk dalam kategori ini adalah: Doni. Nilai posibilitas 50 th lebih besar dibanding dengan nilai posibilitas 51 tahun. yang berarti umurnya 50 atau 51. Umur Dian diekspresikan dengan distribusi posibilitas {50. – Doni termasuk dalam kategori ini. Doni juga masuk dalam kategori ini.  Nama anak Dian diekspresikan dengan distribusi posibilitas undefined. dan nilai posibilitas Dian berumur 51 tahun adalah 0.4/51} yang berarti bahwa nilai posibilitas Dian berumur 50 tahun adalah 0. sebab kita tidak tahu umur Sandra. 0. misalkan distribusi posibilitas yang diberikan adalah: {0. Kita tidak tahu apakah Dian memiliki anak atau tidak. 17 . umur Dian diketahui 50 tahun atau 51 tahun.4 tahun. Riko. tidak jelas punya anak atau tidak (nilai posibilitas = 0).

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->