Anda di halaman 1dari 6

PEMANFAATAN METODE MAMDANI PADA MATLAB

Yudya Rahman(50405773)

Program Studi Teknik Informatika


Universitas Gunadarma

Abstraksi

Metode mamdani atau dikenal sebagai metode min-max, diperkenalkan pertama kali oleh John
von Neumann pada tahun 1944 yang menguraikan sebuah algoritma search pada game, kemudian
dikenal dengan Minimax, yang memaksimalkan posisi pemain dan meminimalkan posisi lawan.
Minimax adalah sebuah procedure pencarian yang melihat kedepan, memperhatikan apa yang
akan terjadi kemudian digunakan untuk memilih langkah berikutnya. Singkatnya pemain pertama
memberikan langkah penyelesaian yang bernilai + infinity (positif tak terbatas) terhadap
permainan pemain ke 2, dan sebaliknya, pemain ke 2 memberikan langkah penyelesaian bernilai
– infinity (negatif tak terbatas). Pemikiran inilah yang mendasari asal-usul penamaan algoritma
minimax, dimana pemain yang satu berjuang untuk mendapatkan nilai max, sedangkan lawannya
berjuang untuk mendapatkan nilai min. Pendekatan algoritma atau metode tersebut yang
digunakan oleh penulis dalam penulisalan paper ini, yaitu menggunakan pendekatan metode
mamdani untuk menyelesaikan sebuah contoh kasus dalam pemrograman matlab.

Untuk mendapatkan output atau hasil pada pemrograman matlab diperlukan 4 tahapan yaitu : 1.
pembentukan himpunan-himpunan Fuzzy, 2. aplikasi fungsi implikasi, 3. komposisi aturan, 4.
Penegasan (Defuzzy). Agar dapat menggunakan fungsi-fungsi logika fuzzy yang ada pada Matlab,
maka harus diinstallkan terlebih dahulu toolbox fuzzy. Fuzzy logic toolbox memberikan fasilitas
Graphical User Interface(GUI) untuk mempermudah dalam membangun suatu system fuzzy. Ada
5 GUI tools yang dapat digunakan untuk membangun, mengedit dan mengobservasi system
penalaran fuzzy yaitu : 1. Fuzzy Inference System (FIS) Editor, 2. Membership Function Editor,.
3. Rule Editor, 4. Rule Viewer, dan 5. Surface Viewer. Hasil atau output pada contoh kasus akan
memberikan informasi yang berharga pada pembaca dalam mengimplementasikan metode
mamdani untuk berbagai kasus atau persoalan yang lain khususnya pada contoh kasus dengan
menggunakan matlab pada paper ini.

Kata Kunci : metode mamdani, minimax, matlab

1. PENDAHULUAN
Metode mamdani atau dikenal sebagai infinity (positif tak terbatas) terhadap
metode min-max, diperkenalkan permainan pemain ke 2, dan sebaliknya,
pertama kali oleh John von Neumann pemain ke 2 memberikan langkah
pada tahun 1944 yang menguraikan penyelesaian bernilai – infinity (negatif
sebuah algoritma search pada game, tak terbatas). Pemikiran inilah yang
kemudian dikenal dengan Minimax, mendasari asal-usul penamaan algoritma
yang memaksimalkan posisi pemain dan minimax, dimana pemain yang satu
meminimalkan posisi lawan. Minimax berjuang untuk mendapatkan nilai max,
adalah sebuah procedure pencarian yang sedangkan lawannya berjuang untuk
melihat kedepan, memperhatikan apa mendapatkan nilai min. Pendekatan
yang akan terjadi kemudian digunakan algoritma atau metode tersebut yang
untuk memilih langkah berikutnya. digunakan oleh penulis dalam
Singkatnya pemain pertama memberikan penulisalan paper ini, yaitu
langkah penyelesaian yang bernilai + menggunakan pendekatan metode
mamdani untuk menyelesaikan sebuah (Defuzzy input dari proses defuzzy
contoh kasus dalam pemrograman adalah suatu himpunan yang diperoleh
matlab. Contoh kasusnya adalah sebagai dari komposisi aturan-aturan fuzzy,
berikut: Suatu perusahaan softdrink akan sedangkan output yang dihasilkan
memproduksi minuman jenis soda pada merupakan suatu bilangan pada domain
3 bulan terakhir, dengan biaya produksi himpunan fuzzy tersebut. Ada beberapa
untuk minuman jenis tersebut rata-rata metode defuzzy yang biasa dipakai pada
sekitar Rp.500,- perkemasan, dan komposisi aturan Mamdani antara lain;
maksimum mencapai Rp 1000 ,- metode centroid, metode bisector,
perkemasan. Banyaknya permintaan metode Mean Of maximum (MOM),
perhari rata-rata mencapai 30000 metode largest of maximum(LOM), dan
kemasan dan maksimum hingga metode smallest maximum(SOM)).
mencapai 60000 kemasan. Sampai saat
ini, perusahaan baru mampu Agar dapat menggunakan fungsi-fungsi
memproduksi barang maksimum 100000 logika fuzzy yang ada pada Matlab,
kemasan perhari. Apabila proses maka harus diinstallkan terlebih dahulu
produksi perusahaan tersebut toolbox fuzzy. Fuzzy logic toolbox
menggunakan tiga aturan fuzzy sbb: memberikan fasilitas Graphical User
R1 if biaya produksi Rendah and Interface(GUI) untuk mempermudah
permintaan Naik then produksi barang dalam membangun suatu system fuzzy.
bertambah; Ada 5 GUI tools yang dapat digunakan
R2 if biaya produksi sesuai standar then untuk membangun, mengedit dan
produksi barang normal mengobservasi system penalaran fuzzy
R3 if biaya produksi tinggi and yaitu : 1. Fuzzy Inference System (FIS)
permintaan turun then produksi barang Editor, 2. Membership Function Editor,.
berkurang; 3. Rule Editor, 4. Rule Viewer, dan 5.
Surface Viewer.
Berapa jumlah minuman jenis X yang
harus diproduksi jika biaya utuk
memproduksi jenis minuman tersebut
diperkirakan sejumlah Rp.800
perkemasan, dan permintaan
diperkirakan mencapai 25000
kemasan perhari.?

2. PENDEKATAN

Untuk mendapatkan output atau hasil


pada pemrograman matlab umumnya
Gambar 1 Fuzzy Inference System
diperlukan 4 tahapan yaitu : 1.
pembentukan himpunan-himpunan
3. SOLUSI
Fuzzy yaitu variable Input dan output
dan biasanya dibagi menjadi satu atau
lebih himpunan fuzzy, 2. aplikasi fungsi Dalam menemukan solusi pada contoh
implikasi pada metode mamdani fungsi kasus diatas melalui beberapa tahapan.
implikasi yang digunakan adalah Min, 3. Tahapan pertama membuat himpunan
komposisi aturan ada 3 metode yang dan input fuzzy. Ada tiga variabel yang
digunakan dalam melakukan inferensi akan dimodelkan yaitu:
system fuzzy,yaitu max,additive sum da
probabilistic OR (probor), 4.Penegasan a. Biaya Produksi, terdiri atas tiga
himpunan fuzzy yaitu Rendah, Standar
danTinggi
b.Permintaan Barang terdiri atas 3 Tahapan keempat adalah mengubah
himpunan fuzzy yaitu Turun, Biasa dan fumetode agregasi (komposisi). Metode
Naik c. Produksi Barang,terdiri agregasi dapat dipilih melalui
atas 3 himpunan fuzzy, yaitu Berkurang, combobox(l). pilihan yang
Normal, dan Bertambah. ada(max,sum,probor,custom). Pilih max.

Tahapan selanjutnya adalah Tahapan kelima adalah mengubah


Memasukkan Variabel input dan output fungsi defuzzy. Fungsi defuzzy dapat
yaitu dengan menekan sekali input yang dipilih melalui combobox(m). Pilihan
berwarna kuning disisi kiri yang berlabel yang ada
input1, kotak tersebut kemudian menjadi (centroid,bisector,mom,lom,som,custom
berbingkai merah. Pada kolom edit yang ). Pilih centroid.
berwarna putih disisi kanan ubah kata
input1 dengan BiayaProduksi, kemudian
tekan enter untuk menambah jumlah
variabel input maka pada menu-bar pilih
edit-Add Variable. Ubah nama input2
menjadi dengan Permintaan kemudian
tekan enter. Untuk memasukkan variabel
output,tekan sekali kotak berwarna
kuning disisi kanan yang berlabel
output1,kotak tersebut kemudian akan
berubah menjadi berbingkai merah. Pada
kolom edit yang berwarna putih disisi Gambar 3 FIS Editor Untuk kasus 1
kanan ubah kata output1 dengan
ProduksiBarang. Tahapan keenam adalah membuat
himpunan fuzzy dan fungsi
keanggotaannya. Double klik(a) pada
gambar diatas. Kemudian akan muncul
Membership Function Editor seperti
gambar dibawah ini

Gambar 2 FIS Editor

Tahapan kedua adalah Mengubah


Operator. Operator-operator yang
digunakan untuk And Method dan Or
Method dapat dipilih pada combobov(f)
dan (j). Pilihan untuk And Method Gambar 4 Membership Funtion Editor
adalah (min,prod,custom),pilih min.
sedangkan untuk Or method adalah Fungsi Keanggotaan untuk variabel
(max,Probor,custom) pilih max. Biaya Produksi: Isikan (i) dengan [0
1000]. Pilih Add MFs... pada menu Edit
Tahapan ketiga adalah mengubah fungsi (a), akan muncul Gambar dibawah ini
implikasi. Fungsi implikasi dapat dipilih Tekan OK.
melalui combobox(k) pilihan yang ada
(mn,prod,custom). Pilih min.
pada gambar dibawah ini

Gambar 5 Membership function

Gambar 7 Hasil Membership Function


variabel BiayaProduksi

Fungsi Keanggotaan untuk variabel


Permintaan: Perhatikan Gambar 4.7 Klik
(c) variabel Permintaan, hingga
bingkaianya berwarna merah.

Gambar 6 Membership Function variabel


BiayaProduksi

Selanjutnya mengubah nama berikut


parameter-paremeternya ke semua
membership function dengan cara Klik
mf1 (j) hingga garisnya berwarna merah.
Ganti mf1 pada (f) dengan nama
RENDAH pilih fungsi keanggotaan
pada (g) dengan zmf. Ubah params pada
(h) dengan[0 500]. Pada mf2 ubah Gambar 8 Membership Function variabel
namanya menjadi standar pilih fungsi Permintaan
keanggotaan pada (g) dengan pimf.
Ubah params pada (h) dengan [0 500 Isikan (i) dengan [0 60] Klik mf1 (j)
500 1000]. Pada mf3 ubah namanya hingga garisnya berwarna merah. Ganti
menjadi Tinggi pilih fungsi keanggotaan mf1 pada (f) dengan nama TURUN.Pilih
pada (g) dengan smf ubah params pada fungsi keanggotaan pada (g) dengan
(h) dengan [500 1000]. Sampai dengan trapmf. Ubah params pada (h) dengan [0
langkah ini akan terlihat hasil seperti 0 10 30]. Untuk mf2 ganti name dengan
BIASA pilih fungsi keanggotaan pada
(g) dengan trimf. Ubah params pada (h)
dengan [10 30 50]. Selanjutnya ubah
mf3 dengan NAIK pilih fungsi
keanggotaan pada (g) dengan trapmf.
Lalu ubah params pada (h) dengan [30
50 60 60]. Akan terlihat hasil seperti
pada gambar berikut ini
editor Double klik kotak aturan (c) atau
pilih Edit rules… pada menu View.
Akan muncul rule editor .

Gambar 9 Hasil Membership Function


variabel BiayaProduksi

Fungsi Keanggotaan untuk variabel Gambar 11Rule Viewer


Produksi Barang: Isikan (i) dengan [0
100]. Klik mf1 (j) hingga garisnya Untuk membuat aturan ke-1: pilih
berwarna merah. Ganti mf1 pada (f) (dengan cara meng-klik satu kali)
dengan nama BERKURANG. RENDAH pada listbox BiayaProduksi
Pilih fungsi keanggotaan pada (g) (a), NAIK pada listbox Permintaan (b),
dengan trapmf. Ubah params pada (h) dan BERTAMBAH pada listbox
dengan [0 0 10 50]. Ubah pula mf2 ProduksiBarang (c). Tekan Add rule
dengan NORMAL Pilih fungsi (d).Selanjutnya untuk membuat aturan
keanggotaan pada (g) dengan trimf. ke-2: pilih STANDAR pada listbox
Ubah params pada (h) dengan [30 50 BiayaProduksi (a), none pada listbox
70]. Untuk mf3 ubah name dengan Permintaan (b), dan NORMAL pada
Bertambah pilih fungsi keanggotaan listbox ProduksiBarang (c). Tekan Add
pada (g) dengan trapmf ubah params rule (d).Lalu untuk membuat aturan ke-
pada (h) dengan [50 90 100 100]. Akan 3: pilih TINGGI pada listbox
terlihat hasilnya seperti gambar dibawah BiayaProduksi (a), TURUN pada listbox
ini Permintaan (b), dan BERKURANG
pada listbox ProduksiBarang (c). Tekan
Add rule (d). Hasilnya dapat dilihat dari
rule viewer. Pilih View rules….pada
menu View. Akan
muncul rule editor

Gambar 10 Hasil dari Membership Function


variabel BiayaProduksi Gambar 12 View Rules

Tahapan ketujuh adalah membuat


aturan. Lihat kembali Gambar 2 FIS
3.DAFTAR PUSTAKA

[1] Eiben, A.E., Smith, J.E.,


Introduction to Evolutionary
Computing, New York,
Springer, 2003.

[2] Jang, J.S.R., Sun, C.T., dan


Mizutani, E.,Neuro-Fuzzy and Soft
Computing. London,Prentice Hall, 1997.

Anda mungkin juga menyukai