Anda di halaman 1dari 23

Sistem Inferensi Fuzzy

Pasca Sarjana (S2) Teknik Elektro - SKI

Abdi Pandu Kusuma Aziz Musthafa Ichsan Fahmi

116060300111021 116060300111043 116060300111054

REFRESHING MATERI FUZZY SEBELUMNYA DAN POSISI METODE TSUKAMOTO DALAM SISTEM FUZZY

DIAGRAM KALSIFIKASI SISTEM FUZZY

Sistem fuzzy dengan masukkan berupa bahasa dan angka

1.Metode Tsukamoto
2.Metode Mamdani 3.Metode Sugeno Materi yang akan dipelajari berikut adalah berkaitan dengan metode tsukamoto yang merupakan salah satu bagian dari fuzzy inference pada diagram di atas

Fuzzy Systems

*Saran
Sebelum mempelajari inference fuzzy dengan metode tsukamoto diharapkan terlebih dahulu mempelajari teori dasar fuzzy,fuzzy set dan fuzzy relation,properti dan operation fuzzy

Tujuan
Dapat menjelaskan prinsip teory metode tsukamoto sebagai salah satu metode inference fuzzy Dapat memberikan contoh perhitungan menggunakan metode tsukamoto Dapat meyebutkan dan menjelaskan beberapa contoh aplikasi yang menggunakan metode tsukamoto sebagai inference fuzzynya Dapat mengembangkan metode tsukamoto sebagai suatu solusi dengan pendekatan pemrograman misalnya menggunakan matlab/ scilab, VB dan sebagainya.

System Inferensi Fuzzy Metode Tsukamoto: Bentuk ke-1 dan Bentuk ke-2

Inferensi Menggunakan Metode Tsukamoto


Contoh analisis perhitungan menggunakan metode Tsukamoto Contoh Aplikasi Menggunakan Pemrograman Visual Basic

System Inferensi Fuzzy


Sistem Inferensi Fuzzy (Fuzzy Inference System / FIS) disebut juga fuzzy inference engine adalah sistem yang dapat melakukan penalaran dengan prinsip serupa seperti manusia melakukan penalaran dengan nalurinya. Terdapat beberapa jenis FIS yang dikenal antara lain : Metode Tsukamoto(yang akan dipelajari ) Metode Mamdani Metode Sugeno

Pengenalan System Inferensi Fuzzy


Metode Tsukamoto Metode dimana setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Metode Mamdani Metode Mamdani sering disebut sebagai metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani tahun 1975. Untuk mendapatkan output, diperlukan 4 tahapan diantaranya pembentukan himpunan fuzzy, aplikasi fungsi implikasi, komposis aturan, & Penegasan (defuzzy). Metode Sugeno Pada metode penalaran atau rule evaluatian Takegi Sugeno, output sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linear.

Metode Tsukamoto

Pertama kali diperkenalkan oleh Tsukamoto. Setiap konsekuen (kesimpulan) pada setiap aturan IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan monoton . output hasil inferensi dari setiap aturan diberikan secara tegas (crisp) berdasarkan - predikat , kemudian menghitung rata-rata terbobot (weight average)=>(Jang, dkk., 1997)(Kusumadewi, 2003)

Metode Tsukamoto
(Bentuk ke-1)
Misalkan ada 1 variabel input (x) dan 1 variabel output (z). Dimana masing-masing variabel terdiri dari 2 himpunan fuzzy yaitu: Var x terdiri dari himpunan A Var z terdiri dari himpunan C Dan digunakan 2 aturan fuzzy sbb: (R1) IF (x is small) THEN (z is C1) (R2) IF (x is medium) THEN (z is C2) (R3) IF (x is large) THEN (z is C2)

Metode Tsukamoto
(Bentuk ke-2)
Misalkan ada 2 variabel input (x,y) dan 1 variabel output (z). Dimana masing-masing variabel terdiri dari 2 himpunan fuzzy yaitu: Var x terdiri dari himpunan A1, A2 Var y terdiri dari himpunan B1, B2 Var z terdiri dari himpunan C1, C2 Dan digunakan 2 aturan fuzzy sbb: (R1) IF (x is A1) and (y is B1) THEN (z is C1) (R2) IF (x is A2) and (y is B2) THEN (z is C2)

Inferensi Menggunakan Metode Tsukamoto

Contoh: metode Tsukamoto


Suatu perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Dari data satu bulan terakhir, permintaan terbesar hingga mencapai 5000 kemasan/hari, dan permintaan terkecil sampai 1000 kemasan/hari. Persediaan barang di gudang terbanyak sampai 600 kemasan/hari, dan terkecil pernah sampai 100 kemasan/hari. Dengan segala keterbatasannya, sampai saat ini, perusahaan baru mampu memproduksi barang maksimum 7000 kemasan/hari, serta demi efisiensi mesin dan SDM tiap hari diharapkan perusahaan memproduksi paling tidak 2000 kemasan.

LANJUTAN SOAL

Apabila proses produksi perusahaan tersebut menggunakan empat aturan fuzzy sbb: [R1] IF Permintaan TURUN And Persediaan BANYAK THEN Produksi Barang BERKURANG; [R2] IF Permintaan TURUN And Persediaan SEDIKIT THEN Produksi Barang BERKURANG; [R3] IF Permintaan NAIK And Persediaan BANYAK THEN Produksi Barang BERTAMBAH; [R4] IF Permintaan NAIK And Persediaan SEDIKIT THEN Produksi Barang BERTAMBAH; Berapa kemasan makanan jenis ABC yang harus diproduksi, jika jumlah permintaan sebanyak 4000 kemasan, dan persediaan di gudang masih 300 kemasan?

Hitung nilai keanggotaan untuk variabel Permintaan

Solusi

pmtTURUN[4000] = (5000-4000)/(5000-1000) = 0.25 [x] pmtNAIK[4000] = (4000-1000)/(5000-1000) = 0.75 0

TURUN

NAIK

1000

Pemintaan (kemasan/hari)

5000

Hitung nilai keanggotaan untuk variabel Persediaan!

psdSEDIKIT[300] = (600-300)/(600-100) = 0.6 psdBANYAK[300] = (300-100)/(600-100) = 0.4

SEDIKIT

BANYAK

[x]
0
100
Persediaan (kemasan/hari)

600

Solusi
1 [x] 0
2000
Produksi (kemasan/hari)

BERKURANG

BERTAMBAH

7000

Solusi
Hitung nilai -prediket untuk masing-masing fungsi implikasi dengan menggunakan operator MIN.
[R1] IF Permintaan TURUN and Persediaan BANYAK THEN Produksi BERKURANG -prediket = pmtTURUN psdBANYAK

= min (pmtTURUN[4000], psdBANYAK[300] ) = min(0.25; 0.4) = 0.25 Petakan nilai keanggotaan ini kedalam himpunan fuzzy PRODUKSI: (7000-z) / 5000 = 0.25 z1 = 5750
[R2] IF Permintaan TURUN and Persediaan SEDIKIT THEN Produksi BERKURANG -prediket = pmtTURUN

psdSEDIKIT

= min (pmtTURUN[4000], psdSEDIKIT[300] ) = min(0.25; 0.6) = 0.25 Petakan nilai keanggotaan ini kedalam himpunan fuzzy PRODUKSI: (7000-z) / 5000 = 0.25 z2 = 5750

Solusi
[R3] IF Permintaan NAIK and Persediaan BANYAK THEN Produksi BERTAMBAH

-prediket = pmtNAIK psdBANYAK = min (pmtNAIK[4000], psdBANYAK[300] ) = min(0.75; 0.4) = 0.4 Petakan nilai keanggotaan ini kedalam himpunan fuzzy PRODUKSI: (7000-z) / 5000 = 0.4 z3 = 4000
[R4] IF Permintaan NAIK and Persediaan SEDIKIT THEN Produksi BERTAMBAH -prediket = pmtNAIK psdSEDIKIT

= min (pmtNAIK[4000], psdSEDIKIT[300] ) = min(0.75; 0.6) = 0.6 Petakan nilai keanggotaan ini kedalam himpunan fuzzy PRODUKSI: (7000-z) / 5000 = 0.6 z4 = 5000

Solusi

Contoh Aplikasi dari Solusi diatas Menggunakan Visual Basic

>>> KLIK UNTUK DEMO PROGRAM >>> KLIK CONTOH SOURCE CODE PROGRAM

BEBERAPA CONTOH PENELITIAN YANG MENGGUNAKAN METODE TSUKAMOTO: 1. Aplikasi Perusahaan Makanan Menggunakan Metode Tsukamoto

2. Sistem Penunjang Keputusan Untuk Pemilihan Karyawan Teladan Dengan Logika


Fuzzy Tsukamoto 3. Sistem Inferensi Fuzzy (Metode Tsukamoto) Untuk Penentuan Kebutuhan Kalori Harian