UJIAN AKHIR SEMETER

MATAKULIAH : SISTEM CERDAS
DOSEN PENGAMPU : GUNAWAN RUDI CAHYONO, ST. MT
WAKTU : 120 MENIT (OPEN BOOK)

Pilih salah satu soal dibawah ini (Perhatikan Nilai Maksimum untuk tiap soal)
1. Type A : (Fuzzy Logic untuk Nilai Maksimum 100 Jika menjawab benar)
Prestasi seorang Mahasiswa dipengaruhi oleh 2 penilaian, yaitu IPK, Prilaku. Gunakan logika fuzzy Tsukamoto
dalam menentukan Prestasi siswa tersebut.
Himpunan untuk variabel IPK dibagi atas Sedang (S) dan Tinggi (T).

Gambar 1. Himpunan Fuzzy IPK

Himpunan untuk variabel Prilaku dibagi atas Rendah (R) dan Tinggi (T).

Gambar 2. Himpunan Fuzzy Prilaku

Prestasi Mahasiswa dibagi menjadi 2 kategori, yaitu Mengecewakan dan Memuaskan seperti pada gambar.

Gambar 3. Himpunan Fuzzy Output

Aturan Fuzzy diberikan:
R1 : IF IPK Tinggi AND Prilaku Tinggi THEN Prestasi Memuaskan
R2 : IF IPK Sedang AND Prilaku Rendah THEN Prestasi Mengecewakan
R3 : IF IPK Sedang AND Prilaku Tinggi THEN Prestasi Memuaskan

Tentukan Prestasi seorang Mahasiswa, jika memiliki Indeks Prestasi 2.9, dan Prilaku 70

Jawab :
Penyelesaian : METODE TSUKAMOTO
Langkah 1 : Menentukan variabel input dan output sistem fuzzy
Variabel Input : IPK dan Prilaku
Variabel Output : Prestasi Mahasiswa
Langkah 2 : Menentukan himpunan fuzzy dari masing-masing variabel tadi
Variabel IPK dibagi menjadi 2 himpunan fuzzy : Sedang, Tinggi
Variabel Prilaku dibagi menjadi 2 himpunan fuzzy : Rendah, Tinggi
Variabel Prestasi dibagi menjadi 2 himpunan fuzzy : Mengecewakan, Memuaskan
Langkah 3 : Menentukan fungsi keanggotaan himpunan fuzzy tersebut

Gambar 1. Himpunan Fuzzy IPK


Gambar 2. Himpunan Fuzzy Prilaku


Gambar 3. Himpunan Fuzzy Output

Langkah 4 : Menentukan derajat keanggotaan himpunan fuzzy
a. Pada Input IPK terdiri atas himpunan fuzzy Tinggi dan Sedang
Himpunan Sedang, derajat keanggotaan berdasarkan kurva ditentukan oleh rumus:

¦
¦
¹
¦
¦
´
¦
>
s s
÷
÷
s
=
5 . 3 , 0
5 . 3 75 . 2 ,
75 . 2 5 . 3
5 . 3
75 . 2 , 1
] [
x
x
x
x
x
IPKSedang
µ
Derajat keanggotaan himpunan fuzzy Sedang untuk IPK 2.9 :
Μ
IPKSedang
[2.9] = (3.5-2.9)/0.75
= 0,8

Himpunan Tinggi, derajat keanggotaan ditentukan oleh rumus:

¦
¦
¹
¦
¦
´
¦
>
s s
÷
÷
s
=
5 . 3 , 1
5 . 3 75 . 2 ,
75 . 2 5 . 3
75 . 2
75 . 2 , 0
] [
x
x
x
x
x
IPKTinggi
µ

Derajat keanggotaan himpunan fuzzy Tinggi untuk IPK 2.9 :
Μ
IPKTinggi
[2.9] = (2.9-2.75)/0.75
= 0,2


Gambar 4. Fungsi Keanggotaan Variabel IPK
b. Pada Input Prilaku terdiri atas himpunan fuzzy Rendah dan Tinggi
Himpunan Rendah, derajat keanggotaan berdasarkan kurva ditentukan oleh rumus:

¦
¦
¹
¦
¦
´
¦
>
s s
÷
÷
s
=
85 , 0
85 50 ,
50 85
85
50 , 1
] [
Re
y
y
x
y
y
ndah PRLK
µ
Derajat keanggotaan himpunan fuzzy Rendah untuk Prilaku 70 :

0.8
0.2
2.9

Μ
PRLKRendah
[70] = (85-70)/35
= 0,42
Himpunan Tinggi, derajat keanggotaan ditentukan oleh rumus:

¦
¦
¹
¦
¦
´
¦
>
s s
÷
÷
s
=
85 , 1
85 50 ,
50 85
50
50 , 0
] [
y
y
y
y
y
PRLKTinggi
µ
Derajat keanggotaan himpunan fuzzy Tinggi untuk Prilaku 70:
Μ
PRLK Tinggi
[70] = (70-50)/35
= 0,57

Gambar 5. Fungsi Keanggotaan Variabel Prilaku
c. Pada output Prestasi, terdiri atas 2 himpunan fuzzy : Mengecewakan dan Memuaskan.

Gambar 6. Himpunan Fuzzy Variabel Prestasi
Dari kurva Gambar 6, derajat keanggotaan himpunan Mengecewakan dan Memuaskan ditentukan oleh:

¦
¦
¹
¦
¦
´
¦
>
s s
÷
÷
s
=
75 , 0
75 0 ,
0 75
75
0 , 1
] [
z
z
z
z
z
a PRSTikecew
µ

0.57
0.42
70
¦
¦
¹
¦
¦
´
¦
>
s s
÷
÷
s
=
100 , 1
100 50 ,
50 100
50
50 , 0
] [
z
z
z
z
z
PRSTipuas
µ

Langkah 5 : Menyusun aturan (rule). Jika pada bagian anteseden mempunyai lebih dari satu pernyataan, gunakan
operator (disini digunakan operator AND)
Proses produksi perusahaan tersebut menggunakan 3 aturan fuzzy:
R1 : IF IPK Tinggi AND Prilaku Tinggi THEN Prestasi Memuaskan
R2 : IF IPK Sedang AND Prilaku Rendah THEN Prestasi Mengecewakan
R3 : IF IPK Sedang AND Prilaku Tinggi THEN Prestasi Memuaskan


Langkah 6 : Menentukan metode inferensi fuzzy (Tsukamoto)
Dalam kasus ini digunakan metode Tsukamoto
Langkah 7 : Menghitung nilai α-predikat berdasarkan aturan yang telah dibentuk, kemudian mencari nilai output
untuk masing-masing aturan tersebut.
Karena operator yang digunakan adalah AND, maka gunakan fungsi MIN
R1 : IF IPK Tinggi AND Prilaku Tinggi THEN Prestasi Memuaskan

α-predikat
1
= μ
IPKTinggi
· μ
PrilakuTinggi

= min(μ
IPKTinggi
[2.9] · μ
PrilakuTinggi
[70])
= min(0,2 ; 0,57)
= 0,2
Lihat himpunan Prestasi Memuaskan
2 , 0
50
50
=
÷ z
---> z
1
= 60

R2 : IF IPK Sedang AND Prilaku Rendah THEN Prestasi Mengecewakan

α-predikat
2
= μ
IPKSedang
· μ
PrilakuRendah

= min(μ
IPKSedang
[2.9] · μ
PrilakuRendah
[70])
= min(0,8 ; 0,42)
= 0,42
Lihat himpunan Prestasi Mengecewakan

42 , 0
75
75
=
÷ z
---> z
2
= 43.5

R3 : IF IPK Sedang AND Prilaku Tinggi THEN Prestasi Memuaskan

α-predikat
3
= μ
IPKSedang
· μ
PrilakuTinggi

= min(μ
IPKSedang
[2.9] · μ
PrilakuTinggi
[70])
= min(0,8 ; 0,57)
= 0,57
Lihat himpunan Prestasi Memuaskan
57 , 0
50
50
=
÷ z
---> z
3
= 78.5


Langkah 8 : Proses Defuzifikasi, yaitu menentukan nilai output akhir
Nilai akhir z ditentukan dari rata-rata terbobot output masing-masing aturan (metode Tsukamoto)


4 3 2 1
4 4 3 3 2 2 1 1
pred pred pred pred
) z * pred ( ) z * pred ( ) z * pred ( ) z * pred (
z
o + o + o + o
o + o + o + o
=

037 . 63
19 , 1
015 . 75
57 , 0 42 , 0 2 , 0
) 5 . 78 * 57 , 0 ( ) 5 . 43 * 42 , 0 ( ) 60 * 2 , 0 (
= =
+ +
+ +
= z

Jadi Prestasi Mahasiswa tersebut mempunyai Nilai 63.037.



















2. TYPE A (CF untuk Nilai Maksimum 70 Jika menjawab benar)
Terdapat 5 macam penyakit yang memiliki gejala demam dan nyeri leher, yaitu:
Contract Ulcers, Barotitis Media, Deviasi Septum, Laringitis, Osteosklerosis
Terdapat data yang meliputi data penyakit dan data gejala yang menyerang THT (Telinga, Hidung, Tenggorokan).


Jika Ada pasien datang dan memiliki gejala Hidung meler ,Dahi sakit, Sakit gigi dan suara serak maka tentukan
penyakit apa yang menjadi diagnosa.

Jawab :

- MB (Contract Ulcers, HidungMeler . Dahi Sakit) = 0,01 + 0,91 * (1-0,01) = 0,9109
MB(Contract Ulcers, HidungMeler . Dahi Sakit . SakitGigi) = 0,9109+ 0,44 * (1- 0,9109) = 0,9501
MB(Contract Ulcers, HidungMeler . Dahi Sakit . SakitGigi . SuaraSerak) = 0,9501+ 0,4 * (1- 0,9501) = 0,9700

- MD (Contract Ulcers, HidungMeler . Dahi Sakit) = 0,5 + 0,69 * (1-0,5) = 0,845
MD(Contract Ulcers, HidungMeler . Dahi Sakit . SakitGigi) = 0,845+ 0,72 * (1- 0,845) = 0,9566
MD(Contract Ulcers, HidungMeler . Dahi Sakit . SakitGigi . SuaraSerak) = 0,9566+ 0,54 * (1- 0,9566) = 0,9800

CF (Contract Ulcers, HidungMeler . Dahi Sakit . SakitGigi . SuaraSerak) = 0,9700 - 0,9800 = -0,0100




- MB (Barotitis Media, HidungMeler . Dahi Sakit) = 0,45 + 0,55 * (1-0,45) = 0,7525
MB(Barotitis Media, HidungMeler . Dahi Sakit . SakitGigi) = 0,7525+ 0,19 * (1- 0,7525) = 0,7995
MB(Barotitis Media, HidungMeler . Dahi Sakit . SakitGigi . SuaraSerak) = 0,7995+ 0,65 * (1- 0,7955) = 0,9298

- MD (Barotitis Media, HidungMeler . Dahi Sakit) = 0,41 + 0,48 * (1-0,41) = 0,6932
MD(Barotitis Media, HidungMeler . Dahi Sakit . SakitGigi) = 0,6932+ 0,96 * (1- 0,6932) = 0,9566
MD(Barotitis Media, HidungMeler . Dahi Sakit . SakitGigi . SuaraSerak) = 0,9566+ 0,51 * (1- 0,9566) = 0,9787

CF (Barotitis Media, HidungMeler . Dahi Sakit . SakitGigi . SuaraSerak) = 0,9298 - 0,9787 = -0,0489

- MB (Deviasi Septum, HidungMeler . Dahi Sakit) = 0,63 + 0,42 * (1-0,63) = 0,7854
MB(Deviasi Septum, HidungMeler . Dahi Sakit . SakitGigi) = 0,7854+ 0,89 * (1- 0,7854) = 0,9763
MB(Deviasi Septum, HidungMeler . Dahi Sakit . SakitGigi . SuaraSerak) = 0,9763+ 0,51 * (1- 0,9763) = 0,9883

- MD (Deviasi Septum, HidungMeler . Dahi Sakit) = 0,47 + 0,02 * (1-0,47) = 0,4806
MD(Deviasi Septum, HidungMeler . Dahi Sakit . SakitGigi) = 0,4806+ 0,44 * (1- 0,4806) = 0,7091
MD(Deviasi Septum, HidungMeler . Dahi Sakit . SakitGigi . SuaraSerak) = 0,7091+ 0,95 * (1- 0,7091) = 0.9854

CF (Deviasi Septum, HidungMeler . Dahi Sakit . SakitGigi . SuaraSerak) = 0,9298 - 0,9787 = 0.0029

- MB (Laringitis, HidungMeler . Dahi Sakit) = 0,31 + 0,91 * (1-0,31) = 0,9379
MB(Laringitis, HidungMeler . Dahi Sakit . SakitGigi) = 0,9379+ 0,72 * (1- 0,9379) = 0,9826
MB(Laringitis, HidungMeler . Dahi Sakit . SakitGigi . SuaraSerak) = 0,9826+ 0,12 * (1- 0,9826) = 0,9846

- MD (Laringitis, HidungMeler . Dahi Sakit) = 0,59 + 0,87 * (1-0,59) = 0,9467
MD(Laringitis, HidungMeler . Dahi Sakit . SakitGigi) = 0,9476+ 0,31 * (1- 0,9476) = 0,9632
MD(Laringitis, HidungMeler . Dahi Sakit . SakitGigi . SuaraSerak) = 0,9632+ 0,78 * (1- 0,9632) = 0.9919

CF (Laringitis, HidungMeler . Dahi Sakit . SakitGigi . SuaraSerak) = 0,9846 - 0,9919 = -0.0073




- MB (Osteoklerosis, HidungMeler . Dahi Sakit) = 0,88 + 0,39 * (1-0,88) = 0,9268
MB(Osteoklerosis, HidungMeler . Dahi Sakit . SakitGigi) = 0,9268+ 0,78 * (1- 0,9268) = 0,9838
MB(Osteoklerosis, HidungMeler . Dahi Sakit . SakitGigi . SuaraSerak) = 0,9838+ 0,44 * (1- 0,9838) = 0,9909

- MD (Osteoklerosis, HidungMeler . Dahi Sakit) = 0,18 + 0,13 * (1-0,18) = 0,2866
MD(Osteoklerosis, HidungMeler . Dahi Sakit . SakitGigi) = 0,2866+ 0,85 * (1- 0,2866) = 0,8929
MD(Osteoklerosis, HidungMeler . Dahi Sakit . SakitGigi . SuaraSerak) = 0,8929+ 0,45 * (1- 0,8929) = 0.9411

CF (Osteoklerosis, HidungMeler . Dahi Sakit . SakitGigi . SuaraSerak) = 0,9909 - 0,9411 = 0.0498

Dari CF masing-masing penyakit diperoleh nilai CF terbesar penyakit Osteosklerosis sebesar 0,0498 sehingga
dugaan terbesar terkena penyakit Osteosklerosis.






























UJIAN AKHIR SEMETER
MATAKULIAH : SISTEM CERDAS
DOSEN PENGAMPU : GUNAWAN RUDI CAHYONO, ST. MT
WAKTU : 120 MENIT (OPEN BOOK)

Pilih salah satu soal dibawah ini (Perhatikan Nilai Maksimum untuk tiap soal)
1. Type B : (Fuzzy Logic untuk Nilai Maksimum 100 Jika menjawab benar)
Prestasi seorang Mahasiswa dipengaruhi oleh 2 penilaian, yaitu IPK, Prilaku. Gunakan logika fuzzy Tsukamoto
dalam menentukan Prestasi siswa tersebut.
Himpunan untuk variabel IPK dibagi atas Sedang (S) dan Tinggi (T).

Gambar 1. Himpunan Fuzzy IPK

Himpunan untuk variabel Prilaku dibagi atas Rendah (R) dan Tinggi (T).

Gambar 2. Himpunan Fuzzy Prilaku

Prestasi Mahasiswa dibagi menjadi 2 kategori, yaitu Mengecewakan dan Memuaskan seperti pada gambar.

Gambar 3. Himpunan Fuzzy Output

Aturan Fuzzy diberikan:
R1 : IF IPK Tinggi AND Prilaku Tinggi THEN Prestasi Memuaskan
R2 : IF IPK Sedang AND Prilaku Rendah THEN Prestasi Mengecewakan
R3 : IF IPK Sedang AND Prilaku Tinggi THEN Prestasi Memuaskan

Tentukan Prestasi seorang Mahasiswa, jika memiliki Indeks Prestasi 3.00, dan Prilaku 80

Jawab :
Penyelesaian : METODE TSUKAMOTO
Langkah 1 : Menentukan variabel input dan output sistem fuzzy
Variabel Input : IPK dan Prilaku
Variabel Output : Prestasi Mahasiswa
Langkah 2 : Menentukan himpunan fuzzy dari masing-masing variabel tadi
Variabel IPK dibagi menjadi 2 himpunan fuzzy : Sedang, Tinggi
Variabel Prilaku dibagi menjadi 2 himpunan fuzzy : Rendah, Tinggi
Variabel Prestasi dibagi menjadi 2 himpunan fuzzy : Mengecewakan, Memuaskan
Langkah 3 : Menentukan fungsi keanggotaan himpunan fuzzy tersebut

Gambar 1. Himpunan Fuzzy IPK


Gambar 2. Himpunan Fuzzy Prilaku


Gambar 3. Himpunan Fuzzy Output

Langkah 4 : Menentukan derajat keanggotaan himpunan fuzzy
a. Pada Input IPK terdiri atas himpunan fuzzy Tinggi dan Sedang
Himpunan Sedang, derajat keanggotaan berdasarkan kurva ditentukan oleh rumus:

¦
¦
¹
¦
¦
´
¦
>
s s
÷
÷
s
=
5 . 3 , 0
5 . 3 75 . 2 ,
75 . 2 5 . 3
5 . 3
75 . 2 , 1
] [
x
x
x
x
x
IPKSedang
µ
Derajat keanggotaan himpunan fuzzy Sedang untuk IPK 3.0 :
Μ
IPKSedang
[3.0] = (3.5-3.0)/0.75
= 0,667

Himpunan Tinggi, derajat keanggotaan ditentukan oleh rumus:

¦
¦
¹
¦
¦
´
¦
>
s s
÷
÷
s
=
5 . 3 , 1
5 . 3 75 . 2 ,
75 . 2 5 . 3
75 . 2
75 . 2 , 0
] [
x
x
x
x
x
IPKTinggi
µ

Derajat keanggotaan himpunan fuzzy Tinggi untuk IPK 3.00 :
Μ
IPKTinggi
[3.0] = (3.0-2.75)/0.75
= 0,333


Gambar 4. Fungsi Keanggotaan Variabel IPK
b. Pada Input Prilaku terdiri atas himpunan fuzzy Rendah dan Tinggi
Himpunan Rendah, derajat keanggotaan berdasarkan kurva ditentukan oleh rumus:

¦
¦
¹
¦
¦
´
¦
>
s s
÷
÷
s
=
85 , 0
85 50 ,
50 85
85
50 , 1
] [
Re
y
y
x
y
y
ndah PRLK
µ
Derajat keanggotaan himpunan fuzzy Rendah untuk Prilaku 80 :

0.667
0.333
3.0

Μ
PRLK rendah
[80] = (85-80)/35
= 0,142
Himpunan Tinggi, derajat keanggotaan ditentukan oleh rumus:

¦
¦
¹
¦
¦
´
¦
>
s s
÷
÷
s
=
85 , 1
85 50 ,
50 85
50
50 , 0
] [
y
y
y
y
y
PRLKTinggi
µ
Derajat keanggotaan himpunan fuzzy Tinggi untuk Prilaku 80:
Μ
PRLK Tinggi
[80] = (80-50)/35
= 0,857

Gambar 5. Fungsi Keanggotaan Variabel Prilaku
c. Pada output Prestasi, terdiri atas 2 himpunan fuzzy : Mengecewakan dan Memuaskan.

Gambar 6. Himpunan Fuzzy Variabel Prestasi
Dari kurva Gambar 6, derajat keanggotaan himpunan Mengecewakan dan Memuaskan ditentukan oleh:

¦
¦
¹
¦
¦
´
¦
>
s s
÷
÷
s
=
75 , 0
75 0 ,
0 75
75
0 , 1
] [
z
z
z
z
z
a PRSTikecew
µ

0.857
0.142
80
¦
¦
¹
¦
¦
´
¦
>
s s
÷
÷
s
=
100 , 1
100 50 ,
50 100
50
50 , 0
] [
z
z
z
z
z
PRSTipuas
µ

Langkah 5 : Menyusun aturan (rule). Jika pada bagian anteseden mempunyai lebih dari satu pernyataan, gunakan
operator (disini digunakan operator AND)
Proses produksi perusahaan tersebut menggunakan 3 aturan fuzzy:
R1 : IF IPK Tinggi AND Prilaku Tinggi THEN Prestasi Memuaskan
R2 : IF IPK Sedang AND Prilaku Rendah THEN Prestasi Mengecewakan
R3 : IF IPK Sedang AND Prilaku Tinggi THEN Prestasi Memuaskan


Langkah 6 : Menentukan metode inferensi fuzzy (Tsukamoto)
Dalam kasus ini digunakan metode Tsukamoto
Langkah 7 : Menghitung nilai α-predikat berdasarkan aturan yang telah dibentuk, kemudian mencari nilai output
untuk masing-masing aturan tersebut.
Karena operator yang digunakan adalah AND, maka gunakan fungsi MIN
R1 : IF IPK Tinggi AND Prilaku Tinggi THEN Prestasi Memuaskan

α-predikat
1
= μ
IPKTinggi
· μ
PrilakuTinggi

= min(μ
IPKTinggi
[3.0] · μ
PrilakuTinggi
[80])
= min(0,333 ; 0,857)
= 0,333
Lihat himpunan Prestasi Memuaskan
333 , 0
50
50
=
÷ z
---> z
1
= 66.65

R2 : IF IPK Sedang AND Prilaku Rendah THEN Prestasi Mengecewakan

α-predikat
2
= μ
IPKSedang
· μ
PrilakuRendah

= min(μ
IPKSedang
[3.0] · μ
PrilakuRendah
[80])
= min(0,667 ; 0,142)
= 0,142
Lihat himpunan Prestasi Mengecewakan

142 , 0
75
75
=
÷ z
---> z
2
= 64.35

R3 : IF IPK Sedang AND Prilaku Tinggi THEN Prestasi Memuaskan

α-predikat
3
= μ
IPKSedang
· μ
PrilakuTinggi

= min(μ
IPKSedang
[3.0] · μ
PrilakuTinggi
[80])
= min(0,667 ; 0,857)
= 0,667
Lihat himpunan Prestasi Memuaskan
667 , 0
50
50
=
÷ z
---> z
3
= 83.5


Langkah 8 : Proses Defuzifikasi, yaitu menentukan nilai output akhir
Nilai akhir z ditentukan dari rata-rata terbobot output masing-masing aturan (metode Tsukamoto)


4 3 2 1
4 4 3 3 2 2 1 1
pred pred pred pred
) z * pred ( ) z * pred ( ) z * pred ( ) z * pred (
z
o + o + o + o
o + o + o + o
=

21 . 76
142 , 1
026 . 87
667 , 0 142 , 0 333 , 0
) 5 . 83 * 667 , 0 ( ) 35 . 64 * 142 , 0 ( ) 65 . 66 * 333 , 0 (
= =
+ +
+ +
= z

Jadi Prestasi Mahasiswa tersebut mempunyai Nilai 76.21.



















2. TYPE B (CF untuk Nilai Maksimum 70 Jika menjawab benar)
Terdapat 5 macam penyakit yang memiliki gejala demam dan nyeri leher, yaitu:
Contract Ulcers, Barotitis Media, Deviasi Septum, Laringitis, Osteosklerosis
Terdapat data yang meliputi data penyakit dan data gejala yang menyerang THT (Telinga, Hidung, Tenggorokan).


Jika Ada pasien datang dan memiliki gejala Batuk ,Letih dan Lesu, Sakit gigi dan suara serak maka tentukan penyakit
apa yang menjadi diagnosa.



















UJIAN AKHIR SEMETER
MATAKULIAH : SISTEM CERDAS
DOSEN PENGAMPU : GUNAWAN RUDI CAHYONO, ST. MT
WAKTU : 120 MENIT (OPEN BOOK)

1. TYPE C (CF untuk Nilai Maksimum 100 Jika menjawab benar)
Terdapat 5 macam penyakit yang memiliki gejala demam dan nyeri leher, yaitu:
Contract Ulcers, Barotitis Media, Deviasi Septum, Laringitis, Osteosklerosis
Terdapat data yang meliputi data penyakit dan data gejala yang menyerang THT (Telinga, Hidung, Tenggorokan).


Jika Ada pasien datang dan memiliki gejala Hidung meler ,Dahi sakit, Demam dan Sakit gigi maka tentukan penyakit
apa yang menjadi diagnosa.



Pada Input IPK terdiri atas himpunan fuzzy Tinggi dan Sedang . Tinggi Variabel Prilaku dibagi menjadi 2 himpunan fuzzy : Rendah. Tinggi Variabel Prestasi dibagi menjadi 2 himpunan fuzzy : Mengecewakan. Himpunan Fuzzy Prilaku Gambar 3.Jawab : Penyelesaian : METODE TSUKAMOTO Langkah 1 : Menentukan variabel input dan output sistem fuzzy Variabel Input : IPK dan Prilaku Variabel Output : Prestasi Mahasiswa Langkah 2 : Menentukan himpunan fuzzy dari masing-masing variabel tadi Variabel IPK dibagi menjadi 2 himpunan fuzzy : Sedang. Memuaskan Langkah 3 : Menentukan fungsi keanggotaan himpunan fuzzy tersebut Gambar 1. Himpunan Fuzzy IPK Gambar 2. Himpunan Fuzzy Output Langkah 4 : Menentukan derajat keanggotaan himpunan fuzzy a.

derajat keanggotaan ditentukan oleh rumus: 0 .5  Derajat keanggotaan himpunan fuzzy Tinggi untuk IPK 2.75   3.2 0.8 Himpunan Tinggi. 50  y  85  85  50 0 .9 : ΜIPKTinggi [2. y  85  Derajat keanggotaan himpunan fuzzy Rendah untuk Prilaku 70 : . x  3.5  2.5  Derajat keanggotaan himpunan fuzzy Sedang untuk IPK 2. x  2.9] = (2.9)/0.75  x  3. y  50   85  x  PRLK Re ndah [ y]   .75  1 .5 3.2 2. 2.75  x  3.Himpunan Sedang.8 0.75   x  2.5 3. Pada Input Prilaku terdiri atas himpunan fuzzy Rendah dan Tinggi Himpunan Rendah.5  x  IPKSedang [ x]   .9-2.75  IPKTinggi [ x]   . derajat keanggotaan berdasarkan kurva ditentukan oleh rumus: 1 .9] = (3.5  2. 2.75)/0.9 Gambar 4. derajat keanggotaan berdasarkan kurva ditentukan oleh rumus: 1 .75 = 0.75 = 0. x  3.75  0 .5-2. Fungsi Keanggotaan Variabel IPK b. x  2.9 : ΜIPKSedang [2.

Fungsi Keanggotaan Variabel Prilaku c. z  75  . terdiri atas 2 himpunan fuzzy : Mengecewakan dan Memuaskan. derajat keanggotaan himpunan Mengecewakan dan Memuaskan ditentukan oleh: 1 .57 0.42 70 Gambar 5.57 0. Pada output Prestasi.ΜPRLKRendah [70] = (85-70)/35 = 0. y  50   y  50  PRLKTinggi [ y]   .42 Himpunan Tinggi. 50  y  85 85  50  1 . Himpunan Fuzzy Variabel Prestasi Dari kurva Gambar 6. z 0   75  z  PRSTikecewa [ z ]   . Gambar 6. derajat keanggotaan ditentukan oleh rumus: 0 . y  85  Derajat keanggotaan himpunan fuzzy Tinggi untuk Prilaku 70: ΜPRLK Tinggi[70] = (70-50)/35 = 0. 0  z  75  75  0 0 .

Karena operator yang digunakan adalah AND. maka gunakan fungsi MIN R1 : IF IPK Tinggi AND Prilaku Tinggi THEN Prestasi Memuaskan α-predikat1 = μIPKTinggi  μPrilakuTinggi = min(μIPKTinggi [2. Jika pada bagian anteseden mempunyai lebih dari satu pernyataan. 50  z 100  100  50 1 .0 .42 Lihat himpunan Prestasi Mengecewakan . kemudian mencari nilai output untuk masing-masing aturan tersebut. 0.2 Lihat himpunan Prestasi Memuaskan z  50  0.9]  μPrilakuRendah[70]) = min(0. 0. z  50   z  50  PRSTipuas [ z ]   . z 100  Langkah 5 : Menyusun aturan (rule).57) = 0.9]  μPrilakuTinggi [70]) = min(0.42) = 0.2 .8 .2 ---> z1 = 60 50 R2 : IF IPK Sedang AND Prilaku Rendah THEN Prestasi Mengecewakan α-predikat2 = μIPKSedang  μPrilakuRendah = min(μIPKSedang [2. gunakan operator (disini digunakan operator AND) Proses produksi perusahaan tersebut menggunakan 3 aturan fuzzy: R1 : IF IPK Tinggi AND Prilaku Tinggi THEN Prestasi Memuaskan R2 : IF IPK Sedang AND Prilaku Rendah THEN Prestasi Mengecewakan R3 : IF IPK Sedang AND Prilaku Tinggi THEN Prestasi Memuaskan Langkah 6 : Menentukan metode inferensi fuzzy (Tsukamoto) Dalam kasus ini digunakan metode Tsukamoto Langkah 7 : Menghitung nilai α-predikat berdasarkan aturan yang telah dibentuk.

57 1.015   63 .75  z  0.42 * 43 .42 ---> z2 = 43.037.42  0.19 Jadi Prestasi Mahasiswa tersebut mempunyai Nilai 63.5) 75 .9]  μPrilakuTinggi[70]) = min(0.5 50 Langkah 8 : Proses Defuzifikasi.037 0.2 * 60 )  (0.57 Lihat himpunan Prestasi Memuaskan z  50  0. .57 ---> z3 = 78. yaitu menentukan nilai output akhir Nilai akhir z ditentukan dari rata-rata terbobot output masing-masing aturan (metode Tsukamoto) z (pred1 * z1 )  (pred 2 * z 2 )  (pred 3 * z 3 )  (pred 4 * z 4 ) pred1  pred 2  pred 3  pred 4 z (0.57) = 0.57 * 78 .2  0.5)  (0. 0.8 .5 75 R3 : IF IPK Sedang AND Prilaku Tinggi THEN Prestasi Memuaskan α-predikat3 = μIPKSedang  μPrilakuTinggi = min(μIPKSedang [2.

HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.9566 MD(Contract Ulcers.01 + 0. Hidung.91 * (1-0.0. HidungMeler  Dahi Sakit  SakitGigi) = 0. Laringitis. TYPE A (CF untuk Nilai Maksimum 70 Jika menjawab benar) Terdapat 5 macam penyakit yang memiliki gejala demam dan nyeri leher.4 * (1.0.72 * (1.9566+ 0.845) = 0.9800 = -0. HidungMeler  Dahi Sakit) = 0.9109+ 0.5 + 0.Dahi sakit. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0. HidungMeler  Dahi Sakit  SakitGigi) = 0. Jika Ada pasien datang dan memiliki gejala Hidung meler .9566) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.9501+ 0. Osteosklerosis Terdapat data yang meliputi data penyakit dan data gejala yang menyerang THT (Telinga. Sakit gigi dan suara serak maka tentukan penyakit apa yang menjadi diagnosa.0.9700  MD (Contract Ulcers.9109) = 0.9800 CF (Contract Ulcers.845 MD(Contract Ulcers. yaitu: Contract Ulcers.0.5) = 0. Tenggorokan).845+ 0.44 * (1. Deviasi Septum.69 * (1-0.9501 MB(Contract Ulcers.2.54 * (1. HidungMeler  Dahi Sakit) = 0.9501) = 0.9109 MB(Contract Ulcers. Jawab :  MB (Contract Ulcers. Barotitis Media.9700 .0100 .0.01) = 0.

9566+ 0.63 + 0.44 * (1.7995+ 0.65 * (1.0.31) = 0.9632 MD(Laringitis.41) = 0.0.9826) = 0.9787 CF (Barotitis Media. HidungMeler  Dahi Sakit  SakitGigi) = 0.48 * (1-0.96 * (1. HidungMeler  Dahi Sakit  SakitGigi) = 0.9632+ 0.9846  MD (Laringitis.9298 .7854+ 0.9763+ 0.42 * (1-0.6932) = 0.9467 MD(Laringitis.7525 MB(Barotitis Media. HidungMeler  Dahi Sakit  SakitGigi) = 0.9632) = 0.0.47 + 0.0.12 * (1.02 * (1-0.51 * (1. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.19 * (1.7995 MB(Barotitis Media.9919 CF (Laringitis.0.9476) = 0.45 + 0.9566) = 0.7091 MD(Deviasi Septum.78 * (1.4806 MD(Deviasi Septum. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.47) = 0.51 * (1.7955) = 0.9826 MB(Laringitis.0.7091+ 0.9763) = 0.0.0.72 * (1.0029  MB (Laringitis.6932 MD(Barotitis Media.0.41 + 0. HidungMeler  Dahi Sakit) = 0.0.0.31 + 0. HidungMeler  Dahi Sakit) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.9919 = -0.9298  MD (Barotitis Media.7854 MB(Deviasi Septum.0073 .0489  MB (Deviasi Septum.63) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.9787 = 0.7854) = 0.9379+ 0. MB (Barotitis Media.4806) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.59 + 0.9826+ 0. HidungMeler  Dahi Sakit  SakitGigi) = 0.95 * (1.9379) = 0.7091) = 0.9787 = -0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.0.9566 MD(Barotitis Media. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.59) = 0.9763 MB(Deviasi Septum.0.9854 CF (Deviasi Septum.9379 MB(Laringitis.9298 .89 * (1.0. HidungMeler  Dahi Sakit  SakitGigi) = 0. HidungMeler  Dahi Sakit) = 0. HidungMeler  Dahi Sakit) = 0. HidungMeler  Dahi Sakit) = 0.7525) = 0.87 * (1-0.9883  MD (Deviasi Septum.31 * (1.55 * (1-0.0.7525+ 0.9846 .45) = 0. HidungMeler  Dahi Sakit  SakitGigi) = 0.91 * (1-0.4806+ 0. HidungMeler  Dahi Sakit) = 0.9476+ 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.6932+ 0.

88 + 0.44 * (1. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.8929 MD(Osteoklerosis.85 * (1.2866 MD(Osteoklerosis. .9411 = 0. HidungMeler  Dahi Sakit) = 0.0.18) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.9909 .9838) = 0.2866) = 0. HidungMeler  Dahi Sakit) = 0.9909  MD (Osteoklerosis. HidungMeler  Dahi Sakit  SakitGigi) = 0.0498 Dari CF masing-masing penyakit diperoleh nilai CF terbesar penyakit Osteosklerosis sebesar 0.0.0498 sehingga dugaan terbesar terkena penyakit Osteosklerosis.2866+ 0.88) = 0. MB (Osteoklerosis.13 * (1-0.9838 MB(Osteoklerosis.78 * (1.9268 MB(Osteoklerosis.0.9411 CF (Osteoklerosis.8929) = 0.45 * (1.9838+ 0. HidungMeler  Dahi Sakit  SakitGigi) = 0.0.9268) = 0.39 * (1-0.8929+ 0.9268+ 0.18 + 0.0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.

yaitu IPK. jika memiliki Indeks Prestasi 3. Gambar 3. ST. dan Prilaku 80 . Himpunan Fuzzy IPK Himpunan untuk variabel Prilaku dibagi atas Rendah (R) dan Tinggi (T). Himpunan untuk variabel IPK dibagi atas Sedang (S) dan Tinggi (T). Gambar 1. Himpunan Fuzzy Prilaku Prestasi Mahasiswa dibagi menjadi 2 kategori.00. MT WAKTU : 120 MENIT (OPEN BOOK) Pilih salah satu soal dibawah ini (Perhatikan Nilai Maksimum untuk tiap soal) 1. Prilaku. yaitu Mengecewakan dan Memuaskan seperti pada gambar. Gunakan logika fuzzy Tsukamoto dalam menentukan Prestasi siswa tersebut. Gambar 2.UJIAN AKHIR SEMETER MATAKULIAH : SISTEM CERDAS DOSEN PENGAMPU : GUNAWAN RUDI CAHYONO. Himpunan Fuzzy Output Aturan Fuzzy diberikan: R1 : IF IPK Tinggi AND Prilaku Tinggi THEN Prestasi Memuaskan R2 : IF IPK Sedang AND Prilaku Rendah THEN Prestasi Mengecewakan R3 : IF IPK Sedang AND Prilaku Tinggi THEN Prestasi Memuaskan Tentukan Prestasi seorang Mahasiswa. Type B : (Fuzzy Logic untuk Nilai Maksimum 100 Jika menjawab benar) Prestasi seorang Mahasiswa dipengaruhi oleh 2 penilaian.

Himpunan Fuzzy IPK Gambar 2. Himpunan Fuzzy Prilaku Gambar 3. Pada Input IPK terdiri atas himpunan fuzzy Tinggi dan Sedang . Tinggi Variabel Prestasi dibagi menjadi 2 himpunan fuzzy : Mengecewakan. Himpunan Fuzzy Output Langkah 4 : Menentukan derajat keanggotaan himpunan fuzzy a. Memuaskan Langkah 3 : Menentukan fungsi keanggotaan himpunan fuzzy tersebut Gambar 1. Tinggi Variabel Prilaku dibagi menjadi 2 himpunan fuzzy : Rendah.Jawab : Penyelesaian : METODE TSUKAMOTO Langkah 1 : Menentukan variabel input dan output sistem fuzzy Variabel Input : IPK dan Prilaku Variabel Output : Prestasi Mahasiswa Langkah 2 : Menentukan himpunan fuzzy dari masing-masing variabel tadi Variabel IPK dibagi menjadi 2 himpunan fuzzy : Sedang.

Fungsi Keanggotaan Variabel IPK b. x  3. x  2.5 3.75  1 .0 : ΜIPKSedang [3. y  50   85  x  PRLK Re ndah [ y]   .75  0 .5  Derajat keanggotaan himpunan fuzzy Tinggi untuk IPK 3.Himpunan Sedang.75 = 0.75  x  3.75  x  3.667 Himpunan Tinggi.5  x  IPKSedang [ x]   .667 0.5  Derajat keanggotaan himpunan fuzzy Sedang untuk IPK 3.75 = 0.75   x  2.75)/0.0] = (3.75   3. 50  y  85  85  50 0 .5  2.5-3.0)/0. Pada Input Prilaku terdiri atas himpunan fuzzy Rendah dan Tinggi Himpunan Rendah. derajat keanggotaan berdasarkan kurva ditentukan oleh rumus: 1 .0-2.0 Gambar 4.75  IPKTinggi [ x]   .333 3.5 3. x  2.0] = (3. x  3. 2. derajat keanggotaan berdasarkan kurva ditentukan oleh rumus: 1 .5  2. derajat keanggotaan ditentukan oleh rumus: 0 .00 : ΜIPKTinggi [3. 2. y  85  Derajat keanggotaan himpunan fuzzy Rendah untuk Prilaku 80 : .333 0.

y  50   y  50  PRLKTinggi [ y]   . z 0   75  z  PRSTikecewa [ z ]   .142 80 Gambar 5. terdiri atas 2 himpunan fuzzy : Mengecewakan dan Memuaskan. Himpunan Fuzzy Variabel Prestasi Dari kurva Gambar 6. z  75  .142 Himpunan Tinggi. derajat keanggotaan himpunan Mengecewakan dan Memuaskan ditentukan oleh: 1 . 0  z  75  75  0 0 . Pada output Prestasi.857 0. 50  y  85 85  50  1 .ΜPRLK rendah[80] = (85-80)/35 = 0.857 0. derajat keanggotaan ditentukan oleh rumus: 0 . Gambar 6. y  85  Derajat keanggotaan himpunan fuzzy Tinggi untuk Prilaku 80: ΜPRLK Tinggi[80] = (80-50)/35 = 0. Fungsi Keanggotaan Variabel Prilaku c.

0]  μPrilakuRendah[80]) = min(0.65 50 R2 : IF IPK Sedang AND Prilaku Rendah THEN Prestasi Mengecewakan α-predikat2 = μIPKSedang  μPrilakuRendah = min(μIPKSedang [3. z 100  Langkah 5 : Menyusun aturan (rule).857) = 0. z  50   z  50  PRSTipuas [ z ]   . Jika pada bagian anteseden mempunyai lebih dari satu pernyataan. kemudian mencari nilai output untuk masing-masing aturan tersebut.667 .333 .142) = 0.142 Lihat himpunan Prestasi Mengecewakan .333 ---> z1 = 66. gunakan operator (disini digunakan operator AND) Proses produksi perusahaan tersebut menggunakan 3 aturan fuzzy: R1 : IF IPK Tinggi AND Prilaku Tinggi THEN Prestasi Memuaskan R2 : IF IPK Sedang AND Prilaku Rendah THEN Prestasi Mengecewakan R3 : IF IPK Sedang AND Prilaku Tinggi THEN Prestasi Memuaskan Langkah 6 : Menentukan metode inferensi fuzzy (Tsukamoto) Dalam kasus ini digunakan metode Tsukamoto Langkah 7 : Menghitung nilai α-predikat berdasarkan aturan yang telah dibentuk. Karena operator yang digunakan adalah AND.333 Lihat himpunan Prestasi Memuaskan z  50  0. maka gunakan fungsi MIN R1 : IF IPK Tinggi AND Prilaku Tinggi THEN Prestasi Memuaskan α-predikat1 = μIPKTinggi  μPrilakuTinggi = min(μIPKTinggi [3. 0.0 .0]  μPrilakuTinggi [80]) = min(0. 50  z 100  100  50 1 . 0.

21 0.142 ---> z2 = 64. yaitu menentukan nilai output akhir Nilai akhir z ditentukan dari rata-rata terbobot output masing-masing aturan (metode Tsukamoto) z (pred1 * z1 )  (pred 2 * z 2 )  (pred 3 * z 3 )  (pred 4 * z 4 ) pred1  pred 2  pred 3  pred 4 z (0.333  0.5 50 Langkah 8 : Proses Defuzifikasi.667 ---> z3 = 83.667 1.142 * 64 .35 75 R3 : IF IPK Sedang AND Prilaku Tinggi THEN Prestasi Memuaskan α-predikat3 = μIPKSedang  μPrilakuTinggi = min(μIPKSedang [3.5) 87 .667 * 83 .35 )  (0.667 .142 Jadi Prestasi Mahasiswa tersebut mempunyai Nilai 76.142  0.0]  μPrilakuTinggi[80]) = min(0.667 Lihat himpunan Prestasi Memuaskan z  50  0.026   76 .21. 0.333 * 66 .857) = 0.65 )  (0. .75  z  0.

Deviasi Septum.Letih dan Lesu. Hidung. Sakit gigi dan suara serak maka tentukan penyakit apa yang menjadi diagnosa. Jika Ada pasien datang dan memiliki gejala Batuk . yaitu: Contract Ulcers. Laringitis. Tenggorokan).2. Osteosklerosis Terdapat data yang meliputi data penyakit dan data gejala yang menyerang THT (Telinga. TYPE B (CF untuk Nilai Maksimum 70 Jika menjawab benar) Terdapat 5 macam penyakit yang memiliki gejala demam dan nyeri leher. . Barotitis Media.

UJIAN AKHIR SEMETER MATAKULIAH : SISTEM CERDAS DOSEN PENGAMPU : GUNAWAN RUDI CAHYONO. Osteosklerosis Terdapat data yang meliputi data penyakit dan data gejala yang menyerang THT (Telinga. Deviasi Septum. TYPE C (CF untuk Nilai Maksimum 100 Jika menjawab benar) Terdapat 5 macam penyakit yang memiliki gejala demam dan nyeri leher. Tenggorokan). yaitu: Contract Ulcers. MT WAKTU : 120 MENIT (OPEN BOOK) 1. Demam dan Sakit gigi maka tentukan penyakit apa yang menjadi diagnosa.Dahi sakit. Barotitis Media. Hidung. Jika Ada pasien datang dan memiliki gejala Hidung meler . ST. . Laringitis.

Sign up to vote on this title
UsefulNot useful