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.



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

Fungsi Keanggotaan Variabel IPK b. x  2.5  2.9 : ΜIPKSedang [2. x  2.75)/0. x  3. y  85  Derajat keanggotaan himpunan fuzzy Rendah untuk Prilaku 70 : .75 = 0.5  x  IPKSedang [ x]   .9 Gambar 4.9)/0.5  2.5  Derajat keanggotaan himpunan fuzzy Tinggi untuk IPK 2. y  50   85  x  PRLK Re ndah [ y]   . derajat keanggotaan ditentukan oleh rumus: 0 .Himpunan Sedang. derajat keanggotaan berdasarkan kurva ditentukan oleh rumus: 1 .2 2. x  3.75  1 .75  0 .9] = (3.9] = (2.8 Himpunan Tinggi.9 : ΜIPKTinggi [2.5  Derajat keanggotaan himpunan fuzzy Sedang untuk IPK 2.75  x  3.5 3.75  IPKTinggi [ x]   .2 0.75   x  2. derajat keanggotaan berdasarkan kurva ditentukan oleh rumus: 1 .5 3. 2. Pada Input Prilaku terdiri atas himpunan fuzzy Rendah dan Tinggi Himpunan Rendah.5-2.8 0.75  x  3.75   3. 50  y  85  85  50 0 . 2.9-2.75 = 0.

z 0   75  z  PRSTikecewa [ z ]   .ΜPRLKRendah [70] = (85-70)/35 = 0. derajat keanggotaan himpunan Mengecewakan dan Memuaskan ditentukan oleh: 1 . derajat keanggotaan ditentukan oleh rumus: 0 .42 70 Gambar 5. Pada output Prestasi.42 Himpunan Tinggi. Himpunan Fuzzy Variabel Prestasi Dari kurva Gambar 6. z  75  . y  50   y  50  PRLKTinggi [ y]   . 0  z  75  75  0 0 .57 0. Fungsi Keanggotaan Variabel Prilaku c. terdiri atas 2 himpunan fuzzy : Mengecewakan dan Memuaskan. y  85  Derajat keanggotaan himpunan fuzzy Tinggi untuk Prilaku 70: ΜPRLK Tinggi[70] = (70-50)/35 = 0.57 0. 50  y  85 85  50  1 . Gambar 6.

Karena operator yang digunakan adalah AND. z  50   z  50  PRSTipuas [ z ]   .2 . 0. 0.9]  μPrilakuTinggi [70]) = min(0.57) = 0.9]  μPrilakuRendah[70]) = 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.0 .42 Lihat himpunan Prestasi Mengecewakan .8 .2 Lihat himpunan Prestasi Memuaskan z  50  0.42) = 0. Jika pada bagian anteseden mempunyai lebih dari satu pernyataan. 50  z 100  100  50 1 .2 ---> z1 = 60 50 R2 : IF IPK Sedang AND Prilaku Rendah THEN Prestasi Mengecewakan α-predikat2 = μIPKSedang  μPrilakuRendah = min(μIPKSedang [2. z 100  Langkah 5 : Menyusun aturan (rule). maka gunakan fungsi MIN R1 : IF IPK Tinggi AND Prilaku Tinggi THEN Prestasi Memuaskan α-predikat1 = μIPKTinggi  μPrilakuTinggi = min(μIPKTinggi [2. kemudian mencari nilai output untuk masing-masing aturan tersebut.

19 Jadi Prestasi Mahasiswa tersebut mempunyai Nilai 63.9]  μPrilakuTinggi[70]) = min(0.5) 75 .037 0.2 * 60 )  (0. 0.5)  (0.5 75 R3 : IF IPK Sedang AND Prilaku Tinggi THEN Prestasi Memuaskan α-predikat3 = μIPKSedang  μPrilakuTinggi = min(μIPKSedang [2.57 1.5 50 Langkah 8 : Proses Defuzifikasi.42 * 43 .037.57 ---> z3 = 78.015   63 .8 .42 ---> z2 = 43.2  0.42  0. .57) = 0.57 * 78 .57 Lihat himpunan Prestasi Memuaskan z  50  0.75  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.

9700  MD (Contract Ulcers.9501+ 0.5) = 0.0100 .4 * (1. HidungMeler  Dahi Sakit) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0. Barotitis Media. Deviasi Septum.9800 CF (Contract Ulcers.9109+ 0.01 + 0.44 * (1.9700 . Osteosklerosis Terdapat data yang meliputi data penyakit dan data gejala yang menyerang THT (Telinga. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.0.9109) = 0.9501 MB(Contract Ulcers. TYPE A (CF untuk Nilai Maksimum 70 Jika menjawab benar) Terdapat 5 macam penyakit yang memiliki gejala demam dan nyeri leher. Jika Ada pasien datang dan memiliki gejala Hidung meler .72 * (1.2.69 * (1-0. HidungMeler  Dahi Sakit  SakitGigi) = 0.9800 = -0.Dahi sakit. Sakit gigi dan suara serak maka tentukan penyakit apa yang menjadi diagnosa.0. Laringitis.9109 MB(Contract Ulcers.9566) = 0.0.0.9501) = 0.54 * (1.91 * (1-0. Tenggorokan).0.5 + 0.845 MD(Contract Ulcers. HidungMeler  Dahi Sakit) = 0. HidungMeler  Dahi Sakit  SakitGigi) = 0. yaitu: Contract Ulcers.9566 MD(Contract Ulcers. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.845+ 0.01) = 0.845) = 0.9566+ 0. Jawab :  MB (Contract Ulcers. Hidung.

59) = 0.4806+ 0.45) = 0.4806 MD(Deviasi Septum.0.0. HidungMeler  Dahi Sakit) = 0.9467 MD(Laringitis.51 * (1. HidungMeler  Dahi Sakit) = 0.0489  MB (Deviasi Septum. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.87 * (1-0. HidungMeler  Dahi Sakit  SakitGigi) = 0.0.9763+ 0.9787 CF (Barotitis Media.12 * (1.9632 MD(Laringitis. HidungMeler  Dahi Sakit  SakitGigi) = 0.7525 MB(Barotitis Media.63 + 0.9787 = -0. HidungMeler  Dahi Sakit) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.0.47) = 0.7091 MD(Deviasi Septum.0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.0.9298 .0.48 * (1-0. HidungMeler  Dahi Sakit) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.0029  MB (Laringitis.41 + 0.9787 = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.9379) = 0.9854 CF (Deviasi Septum.41) = 0.89 * (1. HidungMeler  Dahi Sakit  SakitGigi) = 0.0.9632) = 0.9919 = -0.7854) = 0.9846 .7091+ 0.9846  MD (Laringitis.7995 MB(Barotitis Media.45 + 0.9632+ 0.7854+ 0.96 * (1.9298 .63) = 0.0.31 + 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.0.9826 MB(Laringitis.9826+ 0.4806) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0. MB (Barotitis Media.9763) = 0.9298  MD (Barotitis Media.6932) = 0.9476) = 0. HidungMeler  Dahi Sakit) = 0.9919 CF (Laringitis. HidungMeler  Dahi Sakit  SakitGigi) = 0.0.19 * (1.9379 MB(Laringitis.0.31 * (1.7995+ 0.44 * (1.9566+ 0.59 + 0.0.42 * (1-0.0073 .9566) = 0.02 * (1-0.55 * (1-0.0.91 * (1-0.0. HidungMeler  Dahi Sakit  SakitGigi) = 0.9476+ 0.9826) = 0.6932+ 0.9566 MD(Barotitis Media. HidungMeler  Dahi Sakit  SakitGigi) = 0.7525) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.51 * (1.9763 MB(Deviasi Septum.7854 MB(Deviasi Septum.72 * (1.47 + 0.65 * (1.78 * (1.9379+ 0.7091) = 0.7525+ 0.9883  MD (Deviasi Septum.7955) = 0.6932 MD(Barotitis Media. HidungMeler  Dahi Sakit) = 0.31) = 0.95 * (1.

2866 MD(Osteoklerosis.9268+ 0.8929+ 0.2866+ 0.8929) = 0.0498 sehingga dugaan terbesar terkena penyakit Osteosklerosis. HidungMeler  Dahi Sakit) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.9268 MB(Osteoklerosis.0498 Dari CF masing-masing penyakit diperoleh nilai CF terbesar penyakit Osteosklerosis sebesar 0.2866) = 0.78 * (1.45 * (1.0.44 * (1.9909 . HidungMeler  Dahi Sakit  SakitGigi) = 0.9838) = 0. MB (Osteoklerosis.9838 MB(Osteoklerosis. HidungMeler  Dahi Sakit) = 0.18) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.88) = 0.9411 = 0.9411 CF (Osteoklerosis.85 * (1.9268) = 0.0.9838+ 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.0. .18 + 0. HidungMeler  Dahi Sakit  SakitGigi) = 0.9909  MD (Osteoklerosis.0.13 * (1-0.8929 MD(Osteoklerosis.88 + 0.0.39 * (1-0.

Gambar 2. Gambar 3.00. Gambar 1. yaitu IPK. MT WAKTU : 120 MENIT (OPEN BOOK) Pilih salah satu soal dibawah ini (Perhatikan Nilai Maksimum untuk tiap soal) 1. Himpunan Fuzzy IPK Himpunan untuk variabel Prilaku dibagi atas Rendah (R) dan Tinggi (T). ST. jika memiliki Indeks Prestasi 3. Himpunan untuk variabel IPK dibagi atas Sedang (S) dan Tinggi (T). Prilaku. Himpunan Fuzzy Prilaku Prestasi Mahasiswa dibagi menjadi 2 kategori. dan Prilaku 80 . 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. yaitu Mengecewakan dan Memuaskan seperti pada gambar.UJIAN AKHIR SEMETER MATAKULIAH : SISTEM CERDAS DOSEN PENGAMPU : GUNAWAN RUDI CAHYONO. Type B : (Fuzzy Logic untuk Nilai Maksimum 100 Jika menjawab benar) Prestasi seorang Mahasiswa dipengaruhi oleh 2 penilaian. Gunakan logika fuzzy Tsukamoto dalam menentukan Prestasi siswa tersebut.

Himpunan Fuzzy Output Langkah 4 : Menentukan derajat keanggotaan himpunan fuzzy a. Tinggi Variabel Prilaku dibagi menjadi 2 himpunan fuzzy : Rendah. 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 IPK Gambar 2.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.

333 3.75  1 .0 : ΜIPKSedang [3.667 Himpunan Tinggi.75 = 0.75  IPKTinggi [ x]   .5 3.75)/0.5-3. x  2. Fungsi Keanggotaan Variabel IPK b. x  3.75  x  3.5 3.Himpunan Sedang. 2.5  x  IPKSedang [ x]   . x  2.75   3.75   x  2. 2.75  0 .5  2. derajat keanggotaan berdasarkan kurva ditentukan oleh rumus: 1 .0] = (3. y  85  Derajat keanggotaan himpunan fuzzy Rendah untuk Prilaku 80 : .667 0.0-2.5  Derajat keanggotaan himpunan fuzzy Tinggi untuk IPK 3.75 = 0.0] = (3.5  2. 50  y  85  85  50 0 . x  3.333 0.75  x  3.5  Derajat keanggotaan himpunan fuzzy Sedang untuk IPK 3. Pada Input Prilaku terdiri atas himpunan fuzzy Rendah dan Tinggi Himpunan Rendah.00 : ΜIPKTinggi [3. y  50   85  x  PRLK Re ndah [ y]   . derajat keanggotaan berdasarkan kurva ditentukan oleh rumus: 1 .0)/0. derajat keanggotaan ditentukan oleh rumus: 0 .0 Gambar 4.

0  z  75  75  0 0 . Himpunan Fuzzy Variabel Prestasi Dari kurva Gambar 6. derajat keanggotaan ditentukan oleh rumus: 0 . y  50   y  50  PRLKTinggi [ y]   . z  75  . derajat keanggotaan himpunan Mengecewakan dan Memuaskan ditentukan oleh: 1 . Fungsi Keanggotaan Variabel Prilaku c.ΜPRLK rendah[80] = (85-80)/35 = 0. Gambar 6. terdiri atas 2 himpunan fuzzy : Mengecewakan dan Memuaskan.857 0.142 80 Gambar 5.857 0. Pada output Prestasi. z 0   75  z  PRSTikecewa [ z ]   . y  85  Derajat keanggotaan himpunan fuzzy Tinggi untuk Prilaku 80: ΜPRLK Tinggi[80] = (80-50)/35 = 0.142 Himpunan Tinggi. 50  y  85 85  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.333 .65 50 R2 : IF IPK Sedang AND Prilaku Rendah THEN Prestasi Mengecewakan α-predikat2 = μIPKSedang  μPrilakuRendah = min(μIPKSedang [3.142) = 0. z  50   z  50  PRSTipuas [ z ]   .0]  μPrilakuRendah[80]) = min(0. z 100  Langkah 5 : Menyusun aturan (rule).333 ---> z1 = 66. 0. kemudian mencari nilai output untuk masing-masing aturan tersebut.333 Lihat himpunan Prestasi Memuaskan z  50  0. 50  z 100  100  50 1 . Jika pada bagian anteseden mempunyai lebih dari satu pernyataan. 0.142 Lihat himpunan Prestasi Mengecewakan .0 . maka gunakan fungsi MIN R1 : IF IPK Tinggi AND Prilaku Tinggi THEN Prestasi Memuaskan α-predikat1 = μIPKTinggi  μPrilakuTinggi = min(μIPKTinggi [3.857) = 0.0]  μPrilakuTinggi [80]) = min(0.667 . Karena operator yang digunakan adalah AND.

0.21.5) 87 .026   76 .142 * 64 .65 )  (0.142 ---> z2 = 64.667 ---> z3 = 83.142 Jadi Prestasi Mahasiswa tersebut mempunyai Nilai 76. 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 (0.667 Lihat himpunan Prestasi Memuaskan z  50  0.857) = 0.333  0. .667 1.667 .333 * 66 .5 50 Langkah 8 : Proses Defuzifikasi.21 0.667 * 83 .35 75 R3 : IF IPK Sedang AND Prilaku Tinggi THEN Prestasi Memuaskan α-predikat3 = μIPKSedang  μPrilakuTinggi = min(μIPKSedang [3.0]  μPrilakuTinggi[80]) = min(0.142  0.35 )  (0.75  z  0.

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

Tenggorokan). Hidung. Deviasi Septum. 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.Dahi sakit. Demam dan Sakit gigi maka tentukan penyakit apa yang menjadi diagnosa. Jika Ada pasien datang dan memiliki gejala Hidung meler . yaitu: Contract Ulcers. Laringitis. 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. ST.