Logika Samar
3/7/2012
vis-pps-UDINUS 2003
3/7/2012
vis-pps-UDINUS 2003
LOGIKA SAMAR
VS
LOGIKA TRADISIONAL
Istilah Dasar
3/7/2012
vis-pps-UDINUS 2003
Pengantar
Membership Function - Fungsi Keanggotaan Variables - Elemen suatu Himpunan Linguistic Variables Degree of Membership (DOM) Derajat Keanggotaan antara 0 dan 1
3/7/2012
vis-pps-UDINUS 2003
Contoh
Besar seseorang adalah 1,87 m Ciri digolongkan sebagai: kecil, sedang, besar, dan sangat besar Kecil 1,2/1,65m; Sedang 1,55/1,78 Besar 1,65/1,90; S.bsr 1,78/2,1m Digambarkan: Tinggi badan sebagai Fuzzy Set
3/7/2012
vis-pps-UDINUS 2003
3/7/2012
vis-pps-UDINUS 2003
3/7/2012
vis-pps-UDINUS 2003
Ruang Lingkup
Secara umum dalam pengendalian Kombinasi dengan sistem lain
Auto
Ch e
Ctrl
RT
3/7/2012
Pat t
MB
8
vis-pps-UDINUS 2003
3/7/2012
vis-pps-UDINUS 2003
Gambar / Bagan 1
100 75 50 25
3/7/2012
130
150
vis-pps-UDINUS 2003
170
190
10
Gambar / Bagan 2
Nilai Crisp + 1%
3/7/2012
vis-pps-UDINUS 2003
11
Proses Fuzzy
Contoh pada ketel uap Input: Tekanan (Tinggi, Rendah) Suhu (Rendah,Sedang,Tinggi) Katup: Kecil,Sedang,Besar Rule:
IF (Tek=tinggi) AND (Tem=sedang) THEN (Katup=sedang) IF (Tek=rendah) OR (Tem=rendah) THEN (Katup=kecil)
3/7/2012
vis-pps-UDINUS 2003
12
Contoh Aplikasi
RT: Mesin cuci, Elektro offen, Micro wave, Penghisap debu, Pemasak nasi LIFT, KA, MB Automotiv: ABS, AC, Kopling, Jarak Fuzzy + ANN : Otonom, Start, Iringan Video:
Autofokus Image Stabilizer Koreksi warna
3/7/2012
vis-pps-UDINUS 2003
13
Summary
Traditional digital logic adalah kasus khusus dari Fuzzy logic Parameter kualitatif: dingin, hangat, panas, mendidih. Penerapan secara langsung tanpa A/D konverter Pengendalian dengan resolusi tinggi
3/7/2012
vis-pps-UDINUS 2003
14
3/7/2012
vis-pps-UDINUS 2003
15
Metode TSUKAMOTO
Perluasan penalaran monoton(->,<-) Output berupa nilai CRISP berdasarkan fire strength(@predikat) Hasil akhir adalah nilai rata2 terbobot:
Z=(@1Z1+@2Z2)/(@1+@2)
@predikat=alpha-predikat
3/7/2012
vis-pps-UDINUS 2003/2011
16
3/7/2012
vis-pps-UDINUS 2003/2011
17
Aturan Fuzzy
If If If If
Mf1- And Mf2+ Then Mf3Mf1- And Mf2- Then Mf3Mf2+ And Mf2+ Then Mf3+ Mf2+ And Mf2- Then Mf3+
Z=(@1Z1+@2Z2+@3Z3+@4Z4)/(@1+@2+@3+@4) Jika Permintaan Pasar sebesar 4000 dan Persediaan ada 300 maka proses produksi harus sebesar z (4983)
3/7/2012
vis-pps-UDINUS 2003
18
Defuzzy(fikasi) Penegasan
Centroid, Bisektor, Mean of Maximum (MOM), Largest/Smallest of Maximum (LOM,SOM)
3/7/2012
vis-pps-UDINUS 2003
19
FIS (Fuzzy Inference System) FCM (Fuzzy C-Mean) Fuzzy Clustering Fuzzy Database(Model Tahani,Umano Fuzzy Quantification Theory (I & II) FAM (Fuzzy Associative Memory) FLP (Fuzzy Linear Programming) FITP(Integer Transportation Problem
3/7/2012
vis-pps-UDINUS 2003
20