Mata Kuliah: Pengantar Kecerdasan Buatan

FUZZY INFERENCE SYSTEM

METODE TSUKAMOTO Pada metode ini, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan -predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Contoh studi kasus. Suatu perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Data 1 bulan terakhir, permintaan terbesar mencapai 5000 kemasan/hari, dan permintaan terkecil mencapai 1000 kemasan/hari. Persediaan barang di gudang terbanyak mencapai 600 kemasan/hari, dan terkecil pernah mencapai 100 kemasan/hari. Dengan segala keterbatasannya, sampai saat ini, perusahaan baru mampu memproduksi barang maksimum 7000 kemasan/hari, untuk efisiensi mesin dan SDM tiap hari diharapkan perusahaan memproduksi paling tidak 2000 kemasan. Berapa kemasan makanan jenis ABC yang harus diproduksi, jika jumlah permintaan sebanyak 4000 kemasan, dan persediaan di gudang masih 300 kemasan, apabila proses produksi perusahaan tersebut menggunakan 4 aturan sebagai berikut. [R1] IF Permintaan TURUN And Persediaan BANYAK THEN Produksi barang BERKURANG; [R2] IF Permintaan TURUN And Persediaan SEDIKIT THEN Produksi barang BERKURANG; [R3] IF Permintaan NAIK And Persediaan BANYAK THEN Produksi barang BERTAMBAH; [R4] IF Permintaan NAIK And Persediaan SEDIKIT THEN Produksi barang BERTAMBAH;

Mata Kuliah: Pengantar Kecerdasan Buatan Ada 3 variabel fuzzy yang akan dimodelkan, yaitu: a. Permintaan
TURUN (x) NAIK

1000

5000

Fungsi keanggotan untuk permintaan adalah: 0;

permintaanTURUN

x 5000 1000 x 5000 x 1000

0; => 1; 5000-x/4000;

5000-x/5000-1000; 1;

0;
permintaanNAIK

x 1000 1000 x 5000 x 5000

0; => 1; x-1000/4000;

x-1000/5000-1000; 1;

b. Persediaan
SEDIKIT (y) BANYAK

100

600

Fungsi keanggotan untuk persediaan adalah: 0;

persediaanSEDIKIT

x 600 100 x 600 => x 100

0; 600-x/500; 1;

600-x/600-100; 1;

Mata Kuliah: Pengantar Kecerdasan Buatan

0;
persediaanBANYAK

x 100 100 x 600 => x 600

0; x-100/500; 1;

x-100/600-100; 1;

c. Produksi Barang, terdiri atas 2 himpunan fuzzy, yaitu BERKURANG dan BERTAMBAH
BERKURANG (z) BERTAMBAH

2000

7000

Fungsi keanggotan untuk persediaan adalah: 0;

persediaanBERKURANG

x 7000 2000 x 7000 x 2000

7000-x/7000-2000; 1;

0;
persediaanBERTAMBAH

x 2000 2000 x 7000 x 7000

x-2000/7000-2000; 1;

Kemudian, cari nilai z untuk setiap aturan. [R1] IF Permintaan TURUN And Persediaan BANYAK THEN Produksi barang BERKURANG; predikat1=
permintaanTURUN

persediaanBANYAK

= min (

permintaanTURUN

(4000),

persediaanBANYAK

(300))

Mata Kuliah: Pengantar Kecerdasan Buatan = 0,25

Lihat himpunan produksi barang BERKURANG (7000-z1)/5000= predikat1 7000-z 1= 5000*0,25 7000-z1=1250 7000-1250=z1 z1= 5750

[R2] IF Permintaan TURUN And Persediaan SEDIKIT THEN Produksi barang BERKURANG; predikat2=
permintaanTURUN

persediaanSEDIKIT

= min ( = 0,25

permintaanTURUN

(4000),

persediaanSEDIKIT

(300))

Lihat himpunan produksi barang BERKURANG (7000-z2)/5000= predikat2 7000-z2 = 5000*0,25 7000-z2 = 1250 7000-1250 = z2 Z2= 5750

Mata Kuliah: Pengantar Kecerdasan Buatan

[R3] IF Permintaan NAIK And Persediaan BANYAK THEN Produksi barang BERTAMBAH; predikat3=
permintaanNAIK

persediaanBANYAK

= min ( = 0,4

permintaanNAIK

(4000),

persediaanBANYAK

(300))

Lihat himpunan produksi barang BERTAMBAH (z3-2000)/5000= predikat3 z3-2000 = 5000*0,4 z3-2000=2000 z3=2000 + 2000 Z3= 4000

[R4] IF Permintaan NAIK And Persediaan SEDIKIT THEN Produksi barang BERTAMBAH; predikat4=
permintaanNAIK

persediaanSEDIKIT

= min ( = 0,6

permintaanNAIK

(4000),

persediaanSEDIKIT

(300))

Lihat himpunan produksi barang BERTAMBAH (Z4-2000)/5000= predikat4 Z4-2000 = 5000*0,6 Z4-2000=3000 Z4=2000 + 3000

Mata Kuliah: Pengantar Kecerdasan Buatan Z4= 5000

*buat perhitungan secara detail untuk R2, R3, R4, dan perhitungan hasil

Nilai z dapat dicari dengan cara: z= (predikat1*z1)+( predikat2*z2) +( predikat3*z3) +( predikat4*z4) predikat1+ predikat2+ predikat3+ predikat4

z= (0,25*5750)+( 0,25*5750) +( 0,4*4000) +( 0,6*5000) 0,25+ 0,25+ 0,4+ 0,6

z= (1437,5)+( 1437,5) +( 1600) +( 3000) 1,5 z= 7475 1.5 Z= 4983,33333