P. 1
Kunci UAS Fuzzy

Kunci UAS Fuzzy

|Views: 818|Likes:
Dipublikasikan oleh Chalilur Rahman E D

More info:

Published by: Chalilur Rahman E D on Jun 01, 2012
Hak Cipta:Attribution Non-commercial

Availability:

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

12/09/2014

pdf

text

original

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.



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. Himpunan Fuzzy Output Langkah 4 : Menentukan derajat keanggotaan himpunan fuzzy a. Pada Input IPK terdiri atas himpunan fuzzy Tinggi dan Sedang . Tinggi Variabel Prilaku dibagi menjadi 2 himpunan fuzzy : Rendah. Himpunan Fuzzy IPK Gambar 2. Tinggi Variabel Prestasi dibagi menjadi 2 himpunan fuzzy : Mengecewakan. Memuaskan Langkah 3 : Menentukan fungsi keanggotaan himpunan fuzzy tersebut Gambar 1. Himpunan Fuzzy Prilaku Gambar 3.

5 3. Pada Input Prilaku terdiri atas himpunan fuzzy Rendah dan Tinggi Himpunan Rendah.2 0. Fungsi Keanggotaan Variabel IPK b.5-2.9 Gambar 4. y  85  Derajat keanggotaan himpunan fuzzy Rendah untuk Prilaku 70 : . 2.5  2.8 0.8 Himpunan Tinggi. derajat keanggotaan berdasarkan kurva ditentukan oleh rumus: 1 .9] = (3.5  Derajat keanggotaan himpunan fuzzy Tinggi untuk IPK 2.9 : ΜIPKSedang [2.9)/0.75  x  3.75)/0.5  x  IPKSedang [ x]   . 2. 50  y  85  85  50 0 .75 = 0.75  0 . x  2. x  2.75 = 0. y  50   85  x  PRLK Re ndah [ y]   .75  1 .2 2. derajat keanggotaan ditentukan oleh rumus: 0 .5 3.Himpunan Sedang.5  2.5  Derajat keanggotaan himpunan fuzzy Sedang untuk IPK 2.75   x  2. derajat keanggotaan berdasarkan kurva ditentukan oleh rumus: 1 .75  IPKTinggi [ x]   . x  3.9] = (2.75  x  3.9-2.9 : ΜIPKTinggi [2. x  3.75   3.

42 Himpunan Tinggi. Gambar 6. Himpunan Fuzzy Variabel Prestasi Dari kurva Gambar 6.57 0. derajat keanggotaan ditentukan oleh rumus: 0 . z  75  . 0  z  75  75  0 0 .57 0.42 70 Gambar 5. 50  y  85 85  50  1 . derajat keanggotaan himpunan Mengecewakan dan Memuaskan ditentukan oleh: 1 . y  85  Derajat keanggotaan himpunan fuzzy Tinggi untuk Prilaku 70: ΜPRLK Tinggi[70] = (70-50)/35 = 0. terdiri atas 2 himpunan fuzzy : Mengecewakan dan Memuaskan. z 0   75  z  PRSTikecewa [ z ]   . Fungsi Keanggotaan Variabel Prilaku c. y  50   y  50  PRLKTinggi [ y]   . Pada output Prestasi.ΜPRLKRendah [70] = (85-70)/35 = 0.

42) = 0. z 100  Langkah 5 : Menyusun aturan (rule).2 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 [2.42 Lihat himpunan Prestasi Mengecewakan .57) = 0.8 .9]  μPrilakuTinggi [70]) = min(0. 50  z 100  100  50 1 . 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.9]  μPrilakuRendah[70]) = min(0.2 ---> z1 = 60 50 R2 : IF IPK Sedang AND Prilaku Rendah THEN Prestasi Mengecewakan α-predikat2 = μIPKSedang  μPrilakuRendah = min(μIPKSedang [2.0 .2 . z  50   z  50  PRSTipuas [ z ]   . 0. kemudian mencari nilai output untuk masing-masing aturan tersebut. 0. Karena operator yang digunakan adalah AND. Jika pada bagian anteseden mempunyai lebih dari satu pernyataan.

037.42 ---> z2 = 43.57 1.5) 75 .2  0. .5)  (0.037 0. 0.57) = 0.5 50 Langkah 8 : Proses Defuzifikasi.57 * 78 .19 Jadi Prestasi Mahasiswa tersebut mempunyai Nilai 63.015   63 .9]  μPrilakuTinggi[70]) = min(0.2 * 60 )  (0.5 75 R3 : IF IPK Sedang AND Prilaku Tinggi THEN Prestasi Memuaskan α-predikat3 = μIPKSedang  μPrilakuTinggi = min(μIPKSedang [2.57 Lihat himpunan Prestasi Memuaskan z  50  0.42 * 43 .75  z  0. 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 (0.42  0.57 ---> z3 = 78.8 .

TYPE A (CF untuk Nilai Maksimum 70 Jika menjawab benar) Terdapat 5 macam penyakit yang memiliki gejala demam dan nyeri leher.54 * (1.4 * (1. Jika Ada pasien datang dan memiliki gejala Hidung meler .9700  MD (Contract Ulcers.0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0. Jawab :  MB (Contract Ulcers. HidungMeler  Dahi Sakit  SakitGigi) = 0. Tenggorokan).9800 = -0. Osteosklerosis Terdapat data yang meliputi data penyakit dan data gejala yang menyerang THT (Telinga.9566) = 0.9566+ 0.5 + 0.0100 .9109 MB(Contract Ulcers.845+ 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0. Sakit gigi dan suara serak maka tentukan penyakit apa yang menjadi diagnosa.44 * (1.0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.9501+ 0.845) = 0.9800 CF (Contract Ulcers.91 * (1-0.5) = 0. HidungMeler  Dahi Sakit  SakitGigi) = 0.69 * (1-0. yaitu: Contract Ulcers.2. Deviasi Septum.0.9501 MB(Contract Ulcers.9566 MD(Contract Ulcers. Laringitis. Hidung.9109) = 0.9109+ 0.845 MD(Contract Ulcers. HidungMeler  Dahi Sakit) = 0.Dahi sakit. Barotitis Media. HidungMeler  Dahi Sakit) = 0.01 + 0.9501) = 0.01) = 0.72 * (1.0.0.9700 .

 MB (Barotitis Media.9787 = 0.9566+ 0.9566 MD(Barotitis Media.78 * (1. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.31 * (1.9566) = 0.7854+ 0.7091 MD(Deviasi Septum.47 + 0.9826) = 0.42 * (1-0.9476+ 0. HidungMeler  Dahi Sakit  SakitGigi) = 0.0.59 + 0.9298 . HidungMeler  Dahi Sakit) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.0.9632+ 0.41 + 0.7091+ 0.6932) = 0.41) = 0.9826 MB(Laringitis.4806) = 0.55 * (1-0.51 * (1.7525) = 0.9763 MB(Deviasi Septum.0.7854 MB(Deviasi Septum.9846 .9467 MD(Laringitis. HidungMeler  Dahi Sakit) = 0.65 * (1.9846  MD (Laringitis.0489  MB (Deviasi Septum.9883  MD (Deviasi Septum.72 * (1.9632 MD(Laringitis.0.96 * (1.44 * (1. HidungMeler  Dahi Sakit) = 0.87 * (1-0.6932+ 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.0029  MB (Laringitis. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.7995 MB(Barotitis Media. HidungMeler  Dahi Sakit  SakitGigi) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.9476) = 0.0.0. HidungMeler  Dahi Sakit) = 0.12 * (1.9787 = -0.02 * (1-0.9298  MD (Barotitis Media.48 * (1-0. HidungMeler  Dahi Sakit  SakitGigi) = 0.7525 MB(Barotitis Media.9787 CF (Barotitis Media. HidungMeler  Dahi Sakit  SakitGigi) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.89 * (1.0.9379) = 0.31 + 0.0.9632) = 0.9854 CF (Deviasi Septum.6932 MD(Barotitis Media.9298 .63) = 0.45) = 0.19 * (1.95 * (1.9379+ 0.9763+ 0.0.0.9826+ 0.91 * (1-0.7995+ 0. HidungMeler  Dahi Sakit) = 0.9763) = 0.0. HidungMeler  Dahi Sakit) = 0.9379 MB(Laringitis. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.0.7854) = 0.4806 MD(Deviasi Septum.0. HidungMeler  Dahi Sakit  SakitGigi) = 0. HidungMeler  Dahi Sakit  SakitGigi) = 0.7091) = 0.63 + 0.7525+ 0.0.0.0073 .9919 CF (Laringitis.4806+ 0.51 * (1.9919 = -0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.45 + 0.31) = 0.7955) = 0.47) = 0.59) = 0.

0.88) = 0.9909 .18 + 0.0. MB (Osteoklerosis.9838) = 0.8929) = 0.9268+ 0.85 * (1.9411 CF (Osteoklerosis.9909  MD (Osteoklerosis.39 * (1-0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0. HidungMeler  Dahi Sakit  SakitGigi) = 0.0.13 * (1-0.2866) = 0.18) = 0. .44 * (1.0498 sehingga dugaan terbesar terkena penyakit Osteosklerosis.2866 MD(Osteoklerosis.9838 MB(Osteoklerosis.0.78 * (1. HidungMeler  Dahi Sakit) = 0.9268) = 0.9411 = 0.8929 MD(Osteoklerosis.8929+ 0.0.9268 MB(Osteoklerosis.2866+ 0. HidungMeler  Dahi Sakit  SakitGigi) = 0.88 + 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0. HidungMeler  Dahi Sakit) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.0498 Dari CF masing-masing penyakit diperoleh nilai CF terbesar penyakit Osteosklerosis sebesar 0.9838+ 0.45 * (1.

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

Memuaskan Langkah 3 : Menentukan fungsi keanggotaan himpunan fuzzy tersebut Gambar 1. Pada Input IPK terdiri atas himpunan fuzzy Tinggi dan Sedang . 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. Himpunan Fuzzy IPK Gambar 2. Himpunan Fuzzy Output Langkah 4 : Menentukan derajat keanggotaan himpunan fuzzy a. Tinggi Variabel Prilaku dibagi menjadi 2 himpunan fuzzy : Rendah.

75   3.667 0. derajat keanggotaan berdasarkan kurva ditentukan oleh rumus: 1 .0] = (3. x  2. Fungsi Keanggotaan Variabel IPK b.75 = 0.333 0.75)/0.5 3.75  x  3. x  2.75 = 0.75  1 .0 : ΜIPKSedang [3.0)/0.5  2.5-3.5  Derajat keanggotaan himpunan fuzzy Tinggi untuk IPK 3.75  0 .5 3.00 : ΜIPKTinggi [3.667 Himpunan Tinggi. x  3.5  2.5  x  IPKSedang [ x]   . 2.333 3.75   x  2. x  3. derajat keanggotaan ditentukan oleh rumus: 0 . derajat keanggotaan berdasarkan kurva ditentukan oleh rumus: 1 .0 Gambar 4.75  IPKTinggi [ x]   . Pada Input Prilaku terdiri atas himpunan fuzzy Rendah dan Tinggi Himpunan Rendah.75  x  3.0] = (3. y  85  Derajat keanggotaan himpunan fuzzy Rendah untuk Prilaku 80 : . y  50   85  x  PRLK Re ndah [ y]   .Himpunan Sedang. 2.5  Derajat keanggotaan himpunan fuzzy Sedang untuk IPK 3. 50  y  85  85  50 0 .0-2.

857 0.ΜPRLK rendah[80] = (85-80)/35 = 0. z 0   75  z  PRSTikecewa [ z ]   . z  75  .142 Himpunan Tinggi. y  50   y  50  PRLKTinggi [ y]   .857 0. Fungsi Keanggotaan Variabel Prilaku c. y  85  Derajat keanggotaan himpunan fuzzy Tinggi untuk Prilaku 80: ΜPRLK Tinggi[80] = (80-50)/35 = 0. Gambar 6.142 80 Gambar 5. derajat keanggotaan ditentukan oleh rumus: 0 . 0  z  75  75  0 0 . Pada output Prestasi. derajat keanggotaan himpunan Mengecewakan dan Memuaskan ditentukan oleh: 1 . 50  y  85 85  50  1 . Himpunan Fuzzy Variabel Prestasi Dari kurva Gambar 6. terdiri atas 2 himpunan fuzzy : Mengecewakan dan Memuaskan.

0. 50  z 100  100  50 1 .0]  μPrilakuRendah[80]) = min(0.333 ---> z1 = 66. Jika pada bagian anteseden mempunyai lebih dari satu pernyataan. z  50   z  50  PRSTipuas [ z ]   . z 100  Langkah 5 : Menyusun aturan (rule). kemudian mencari nilai output untuk masing-masing aturan tersebut.0 .0]  μPrilakuTinggi [80]) = min(0. 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.333 . 0.142 Lihat himpunan Prestasi Mengecewakan .142) = 0. Karena operator yang digunakan adalah AND.65 50 R2 : IF IPK Sedang AND Prilaku Rendah THEN Prestasi Mengecewakan α-predikat2 = μIPKSedang  μPrilakuRendah = min(μIPKSedang [3.857) = 0.333 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 [3.667 .

142 * 64 .21 0.35 75 R3 : IF IPK Sedang AND Prilaku Tinggi THEN Prestasi Memuaskan α-predikat3 = μIPKSedang  μPrilakuTinggi = min(μIPKSedang [3.142 Jadi Prestasi Mahasiswa tersebut mempunyai Nilai 76.0]  μPrilakuTinggi[80]) = min(0.667 Lihat himpunan Prestasi Memuaskan z  50  0.667 .21.5 50 Langkah 8 : Proses Defuzifikasi. 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 (0.857) = 0.333 * 66 . . 0.667 ---> z3 = 83.142  0.75  z  0.667 * 83 .026   76 .667 1.35 )  (0.142 ---> z2 = 64.333  0.5) 87 .65 )  (0.

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

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

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)//-->