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

75 = 0. y  85  Derajat keanggotaan himpunan fuzzy Rendah untuk Prilaku 70 : .Himpunan Sedang.9] = (2.2 0.75   3.5 3.75   x  2.75  IPKTinggi [ x]   .5 3.8 Himpunan Tinggi.75  x  3. 2. Fungsi Keanggotaan Variabel IPK b.5  x  IPKSedang [ x]   .5-2.5  2.9)/0.9-2. 50  y  85  85  50 0 .2 2. derajat keanggotaan berdasarkan kurva ditentukan oleh rumus: 1 . x  3.8 0.9] = (3.9 : ΜIPKSedang [2.5  Derajat keanggotaan himpunan fuzzy Tinggi untuk IPK 2. derajat keanggotaan berdasarkan kurva ditentukan oleh rumus: 1 .75  1 . x  2. Pada Input Prilaku terdiri atas himpunan fuzzy Rendah dan Tinggi Himpunan Rendah. y  50   85  x  PRLK Re ndah [ y]   .5  2.75 = 0.5  Derajat keanggotaan himpunan fuzzy Sedang untuk IPK 2.75  0 . 2.75)/0. x  3.75  x  3.9 Gambar 4.9 : ΜIPKTinggi [2. derajat keanggotaan ditentukan oleh rumus: 0 . x  2.

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

maka gunakan fungsi MIN R1 : IF IPK Tinggi AND Prilaku Tinggi THEN Prestasi Memuaskan α-predikat1 = μIPKTinggi  μPrilakuTinggi = min(μIPKTinggi [2.42) = 0. Jika pada bagian anteseden mempunyai lebih dari satu pernyataan. 0.42 Lihat himpunan Prestasi Mengecewakan .9]  μPrilakuRendah[70]) = min(0.9]  μPrilakuTinggi [70]) = min(0.2 ---> z1 = 60 50 R2 : IF IPK Sedang AND Prilaku Rendah THEN Prestasi Mengecewakan α-predikat2 = μIPKSedang  μPrilakuRendah = min(μIPKSedang [2.2 . z 100  Langkah 5 : Menyusun aturan (rule). z  50   z  50  PRSTipuas [ z ]   .57) = 0. Karena operator yang digunakan adalah AND. 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. 50  z 100  100  50 1 .2 Lihat himpunan Prestasi Memuaskan z  50  0.0 . 0.8 .

57 Lihat himpunan Prestasi Memuaskan z  50  0.42  0.19 Jadi Prestasi Mahasiswa tersebut mempunyai Nilai 63.57 ---> z3 = 78.2  0.57 1.8 .57 * 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 (0.5 50 Langkah 8 : Proses Defuzifikasi.42 ---> z2 = 43.75  z  0. .015   63 .037.42 * 43 .9]  μPrilakuTinggi[70]) = min(0. 0.5) 75 .5 75 R3 : IF IPK Sedang AND Prilaku Tinggi THEN Prestasi Memuaskan α-predikat3 = μIPKSedang  μPrilakuTinggi = min(μIPKSedang [2.2 * 60 )  (0.5)  (0.57) = 0.037 0.

4 * (1. Deviasi Septum. yaitu: Contract Ulcers. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.0.01 + 0.Dahi sakit. TYPE A (CF untuk Nilai Maksimum 70 Jika menjawab benar) Terdapat 5 macam penyakit yang memiliki gejala demam dan nyeri leher.0.69 * (1-0.54 * (1. HidungMeler  Dahi Sakit  SakitGigi) = 0. Sakit gigi dan suara serak maka tentukan penyakit apa yang menjadi diagnosa.9566) = 0.845+ 0.72 * (1.0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.0.5 + 0.01) = 0. Laringitis. Osteosklerosis Terdapat data yang meliputi data penyakit dan data gejala yang menyerang THT (Telinga.9700  MD (Contract Ulcers. Tenggorokan).845 MD(Contract Ulcers.44 * (1. HidungMeler  Dahi Sakit  SakitGigi) = 0.91 * (1-0.9700 .0100 . Barotitis Media. Jawab :  MB (Contract Ulcers. Hidung.9501+ 0. Jika Ada pasien datang dan memiliki gejala Hidung meler .9109+ 0.9800 CF (Contract Ulcers.0.9501) = 0. HidungMeler  Dahi Sakit) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.9566 MD(Contract Ulcers.9566+ 0.2.9800 = -0.9501 MB(Contract Ulcers. HidungMeler  Dahi Sakit) = 0.5) = 0.9109) = 0.845) = 0.9109 MB(Contract Ulcers.

HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.9763 MB(Deviasi Septum.0. HidungMeler  Dahi Sakit) = 0.9476) = 0.9763) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.6932 MD(Barotitis Media. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.0.0. HidungMeler  Dahi Sakit  SakitGigi) = 0.9467 MD(Laringitis.9632) = 0.0.9846 .45 + 0.7995+ 0.9787 CF (Barotitis Media. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.0073 .59) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.51 * (1.42 * (1-0.41 + 0.59 + 0.47 + 0.0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.89 * (1.31 * (1.7854) = 0.9298  MD (Barotitis Media. HidungMeler  Dahi Sakit) = 0.44 * (1.02 * (1-0.9566+ 0.31 + 0.7955) = 0.9379) = 0. HidungMeler  Dahi Sakit  SakitGigi) = 0.9632 MD(Laringitis.0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.9826 MB(Laringitis. HidungMeler  Dahi Sakit) = 0.63) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0. MB (Barotitis Media.9379 MB(Laringitis. HidungMeler  Dahi Sakit) = 0.9476+ 0.9883  MD (Deviasi Septum.0.0.9854 CF (Deviasi Septum. HidungMeler  Dahi Sakit  SakitGigi) = 0.51 * (1. HidungMeler  Dahi Sakit  SakitGigi) = 0.0.47) = 0.87 * (1-0.45) = 0.9919 CF (Laringitis.7525 MB(Barotitis Media.9298 .9787 = 0.4806) = 0.65 * (1.9826) = 0.7091+ 0.7995 MB(Barotitis Media.6932+ 0.7091 MD(Deviasi Septum.0029  MB (Laringitis.9298 .0.0.78 * (1.0.63 + 0.4806 MD(Deviasi Septum. HidungMeler  Dahi Sakit) = 0.9919 = -0.55 * (1-0.9787 = -0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.7854+ 0. HidungMeler  Dahi Sakit  SakitGigi) = 0.0.48 * (1-0.6932) = 0.9566) = 0.0.7854 MB(Deviasi Septum.7091) = 0.0.12 * (1.9846  MD (Laringitis. HidungMeler  Dahi Sakit  SakitGigi) = 0.7525+ 0.19 * (1.7525) = 0.9763+ 0.95 * (1.41) = 0.0489  MB (Deviasi Septum.9379+ 0.4806+ 0.31) = 0.91 * (1-0. HidungMeler  Dahi Sakit) = 0.9566 MD(Barotitis Media.96 * (1.9632+ 0.72 * (1.9826+ 0.

8929) = 0.2866) = 0.9411 = 0.9838) = 0. HidungMeler  Dahi Sakit  SakitGigi) = 0.2866 MD(Osteoklerosis.9838 MB(Osteoklerosis. HidungMeler  Dahi Sakit) = 0.0498 sehingga dugaan terbesar terkena penyakit Osteosklerosis.78 * (1.85 * (1.9411 CF (Osteoklerosis. HidungMeler  Dahi Sakit  SakitGigi) = 0.88) = 0. MB (Osteoklerosis.9268) = 0.0.18) = 0.39 * (1-0.9268 MB(Osteoklerosis.0. .9838+ 0.2866+ 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.9268+ 0.8929+ 0.44 * (1.88 + 0.0.18 + 0.0.13 * (1-0.45 * (1. HidungMeler  Dahi Sakit) = 0. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.9909 .8929 MD(Osteoklerosis. HidungMeler  Dahi Sakit  SakitGigi  SuaraSerak) = 0.0498 Dari CF masing-masing penyakit diperoleh nilai CF terbesar penyakit Osteosklerosis sebesar 0.0.9909  MD (Osteoklerosis.

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

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

x  2.5-3. 2.Himpunan Sedang.75   x  2.667 Himpunan Tinggi.5  Derajat keanggotaan himpunan fuzzy Tinggi untuk IPK 3. y  50   85  x  PRLK Re ndah [ y]   .75  IPKTinggi [ x]   .75 = 0.667 0. x  3.0)/0.0 : ΜIPKSedang [3. Pada Input Prilaku terdiri atas himpunan fuzzy Rendah dan Tinggi Himpunan Rendah. y  85  Derajat keanggotaan himpunan fuzzy Rendah untuk Prilaku 80 : .75  x  3. 50  y  85  85  50 0 .5  2.0] = (3.0 Gambar 4. Fungsi Keanggotaan Variabel IPK b. derajat keanggotaan ditentukan oleh rumus: 0 . derajat keanggotaan berdasarkan kurva ditentukan oleh rumus: 1 .00 : ΜIPKTinggi [3.75  1 .5  Derajat keanggotaan himpunan fuzzy Sedang untuk IPK 3.75  x  3. 2. x  2.75 = 0.0] = (3.5  x  IPKSedang [ x]   .75   3.75)/0.5 3.5 3. x  3.0-2.75  0 . derajat keanggotaan berdasarkan kurva ditentukan oleh rumus: 1 .333 3.5  2.333 0.

ΜPRLK rendah[80] = (85-80)/35 = 0. derajat keanggotaan ditentukan oleh rumus: 0 . Fungsi Keanggotaan Variabel Prilaku c. y  85  Derajat keanggotaan himpunan fuzzy Tinggi untuk Prilaku 80: ΜPRLK Tinggi[80] = (80-50)/35 = 0.142 80 Gambar 5. Pada output Prestasi.857 0. derajat keanggotaan himpunan Mengecewakan dan Memuaskan ditentukan oleh: 1 . Himpunan Fuzzy Variabel Prestasi Dari kurva Gambar 6. 0  z  75  75  0 0 . 50  y  85 85  50  1 .142 Himpunan Tinggi. z  75  . Gambar 6. terdiri atas 2 himpunan fuzzy : Mengecewakan dan Memuaskan.857 0. z 0   75  z  PRSTikecewa [ z ]   . y  50   y  50  PRLKTinggi [ y]   .

65 50 R2 : IF IPK Sedang AND Prilaku Rendah THEN Prestasi Mengecewakan α-predikat2 = μIPKSedang  μPrilakuRendah = min(μIPKSedang [3. kemudian mencari nilai output untuk masing-masing aturan tersebut.142) = 0.142 Lihat himpunan Prestasi Mengecewakan . 0.667 . z  50   z  50  PRSTipuas [ z ]   . 50  z 100  100  50 1 .0 .857) = 0. 0. z 100  Langkah 5 : Menyusun aturan (rule).333 . Jika pada bagian anteseden mempunyai lebih dari satu pernyataan. maka gunakan fungsi MIN R1 : IF IPK Tinggi AND Prilaku Tinggi THEN Prestasi Memuaskan α-predikat1 = μIPKTinggi  μPrilakuTinggi = min(μIPKTinggi [3. Karena operator yang digunakan adalah AND.0]  μPrilakuTinggi [80]) = min(0.333 Lihat himpunan Prestasi Memuaskan z  50  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 ---> z1 = 66.0]  μPrilakuRendah[80]) = min(0.

142 * 64 . .21.0]  μPrilakuTinggi[80]) = min(0.5) 87 .026   76 .667 * 83 .142  0.142 Jadi Prestasi Mahasiswa tersebut mempunyai Nilai 76.667 1.333 * 66 .75  z  0.21 0.35 )  (0.35 75 R3 : IF IPK Sedang AND Prilaku Tinggi THEN Prestasi Memuaskan α-predikat3 = μIPKSedang  μPrilakuTinggi = min(μIPKSedang [3.667 Lihat himpunan Prestasi Memuaskan z  50  0.667 ---> z3 = 83.667 .65 )  (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 (0.333  0. 0.142 ---> z2 = 64.5 50 Langkah 8 : Proses Defuzifikasi.857) = 0.

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

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

Sign up to vote on this title
UsefulNot useful