MEMBERSHIP FUNCTION PADA FUZZY LOGIC CONTROLL

MENGGUNAKAN MATLAB
(Ordo 5 x 5)
Setiama Fajar Rifai (1303121038)
Program Studi DIII Teknik Elektro Industri, Departemen Teknik Elektro
Politeknik Elektronika Negeri Surabaya
setiamafajar@gmail.com
Abstrak
Pada zaman yang telah maju seperti saat ini,
hampir semua proses atau kegiatan manusia
dibantu dengan proses pengontrolan. Banyak
jenis kontrol yang telah ada, salah satunya
adalah fuzzy logic control. Fuzzy ini memiliki
perbedaan dengan kontrol jenis lain, yaitu
kontroler fuzzy bekerja pada nilai samar
(diantara). Pada fuzzy, terdapat elemen penting,
yaitu membership function (fungsi keanggotaan).
Dengan
menggunakan
simulasi
Matlab,
dilakukan pengamatan pada membership
function dengan ordo 5x5.
Pengamatan
dilakukan untuk mengetahui pengaruh dari
variasi perubahan rule base dari membership
function
tersebut.
Secara
umum
yang
terpengaruh ialah Maksimum over shoot, time
rise, time steady, dan setling time. Jadi.

tersebut dapat diartikan sebagai suhu antara panas

dan dingin, seperti hangat sedangdan sejuk. Pada
fuzzy terdapat membership fuction (fungsi
keanggotaan)
yaitu
suatu
kurva
yang
menunjukkan
pemetaan titik
titik input data
ke dalam derajat
keanggotaannya
yang memiliki
interval antara 0 sampai 1, jika pada contoh yaitu
dari panas sampai dingin. Fungsi keanggotaan
(membership function) yang sering digunakan
terdiri dari beberapa jenis, yaitu :
a. Fungsi segitiga
Merupakan fungsi garis linier dengan 2 batas,
yaitu a dan b, dan nilai antara a < m <b.

Keyword : fuzzy logic contol, membership

fuction, ordo 5x5.

(1)

Pendahuluan
Fuzzy Logic pertama kali diperkenalkan oleh
Prof. Lotfi Zadeh dari Universitas California di
Berkeley pada 1965. Fuzzy logic dipresentasikan
bukan sebagai suatu metodologi control, tetapi
sebagai suatu cara pemrosesan data dengan
memperkenalkan
penggunaan
partial
set
membership dibanding crisp set membership atau
non-membership. Secara umum fuzzy dapat
dikatakan sebagai nilai samar (diantara) atau
pengaturan yang dilakukan tidak memiliki nilai
yang pasti. Contoh sederhana dari nilai yang
samar yaitu suhu udara, ada suhu dingin, sejuk
hangat, dan panas. Dan setiap suorang memiliki
standar yang berbeda-beda dari dari suhu tersebut.
Jika dilihat warna dari suhu panas dan dingi
berbeda-beda. Dan jika dilihat diantara panas dan
dingin terdapat warna-warna lain. Warna-warna

b. Fungsi Trapesium
Sama seperti dengan segitiga, namun memiliki
puncak lebih dari satu.
c. Fungsi gauss
Jika
segitiga
merupakan fungsi
garis lurus/linier,
namun fungsi gauss
ini ialah fungsi
lengkung. Seperti

(2)

terlihat

pada

gambar

di

bawah

ini.

(3)

Pada proses fuzzy, fase pertama yaitu mengubah

nilai yang pasti ke nilai fuzzy yang disebut
fuzzyfication. Dan saat telah diproses oleh fuzzy,
untuk mengubah ke nilai crisp, disebut
defuzzyfication. Sehingga terdapat nilai yang
dapat di presentasikan. Fuzzy logic pada dasarnya
merupakan logika bernilai banyak (multivalued
logic) yang dapat mendefinisikan nilai diantara
keadaan konvensional seperti ya atau tidak, benar
atau salah, hitam atau putih, dan sebagainya.
Penalaran fuzzy menyediakan cara untuk
memahami kinerja dari system dengan cara
menilai input dan output system dari hasil
pengamatan.

Gambar 2. Member fungtion

Setelah semua input dan output diberi nama,
maka sekarang yang dilakukan adalah
memasukkan rule basenya. Seperti pada gambar
di bawah ini.

Pengujian dan Pengukuran

Pada simulasi menggunakan matlab ini,
digunakan dua buah input dan satu output. Dua
input tersebut yaitu input utama dan erorr
sebelumnya. Kedua data tersebut yang akan
dioalh di fuzzy. Sehingga didapatkan keluaan.
N2
N1
Z
P1
P2

N2

N1

P1

N2
N2
N2
N2
N2

N2
N2
N2
N2
N2

N2
N2
N2
N2
N2

N2
N2
N2
N2
N2

Gambar 1. Input dan output

Input 1 sebagai error (e) dan input 2 sebagai delta
error (de). Karena yang diamati adalah
membership function ordo 5x5, maka Input dan
output masing-masing mempunyai 5 member
function, yaitu N2, N1, Z, P1, dan P2.

Gambar 3. Input rule base

Pada proses penginputan, dapat diatur fariasi dari
output yang diinginkan. Perbedaan variasi
komposisi output ini akan berpengaruh pada
gelombang outputnya, yaitu pada nilai maksimum
overshoot, time rise, time steady, dan
P2
N2 setling time. Sehingga, agar mendapatkan
N2 output yang baik dan sesuai yang di
N2 inginkan, maka harus dicari komposisi
N2 dari output tersebut.
N2 Pada simulasi kali ini, dilakukan
pengambilan data dengan variasi output
negatifnya. Dilakukan dua kali pengambilan data
simulasi dengan perbandingan 100% N2, dan
%2% N2.
Tabel 1. Rule base output 100% N2

Didapatkan hasil gelombang output seperti

gambar di bawah ini

Time Steady
6,3
% MOV
17,2 %
Setling point

Gambar 4. Gelombang output N2 100%

Jika dilihat, gelombang output dibawah garis (0).
Pada gelombang, terdapat maksimum over
shootnya dengan nilai parameter di bawah ini

Tabel 2. Hasil Output N2 100%

Time Rise
1,62
Time Steady
6,3
% MOV
14,63 %
Setling poin
0,205
Sedangkan saat komposisi output diubah,
didapatkan output gelombangnya juga ikut
berubah, data kedua digunakan output 52% N2
dan 48% N1, seperti tabel di bawah ini.
Tabel 3. Rule base output 52% N2 dan 48% N1
N2
N1
Z
P1
P2
N2
N1
Z
P1
P2

N2
N2
N2
N1
N1

N2
N2
N2
N1
N1

N2
N2
N2
N1
N1

N2
N2
N1
N1
N1

N2
N2
N1
N1
N1

Didapatkan hasil gelombang output seperti

gambar di bawah ini

Gambar 5. Gelombang output

52% N2 dan 48% N1
Dari gambar gelombang output didapatkan data
parameter-parameter di bawah ini.
Tabel 4. Hasil output 52% N2 dan 48% N1
Time Rise
1,62

0,122
Dari kedua data tersebut, terlihat jelas pengaruh
dari komposisi penyusun outputnya. Saat output
di beri N2 secara keseluruhan, gelombang output
berada di bawah nilai 0 (domain negatif), dan saat
komposisi output diberi unsur N1, gelombang
output mengalami perubahan pada MOV dan
setling poinnya. Setling poin dari gelombang
kedua setengah dari setling poin gelombang
pertama. Itu disebabkan, komposisi dari N2
setengah (50%). Sehingga setling poin akan
semakin naik jika N2 semakin dikurangi/sedikit.
Namun perubahan N2 ini kurang mempengaruhi
perubahan dari setling time dan time rise, terbukti
perubahan dari kedua waktu tersebut tidak terlalu
terlihat.

Gambar 6. Tranfer Function

Tranfer function tersebut adalah yang digunakan
dalam simulasi yang dilakukan kali ini.
Kesimpulan
Setelah dilakukan simulasi dengan dua buah data
yang berbeda, maka dapat disimpulkan bahwa :
1. Gelombang output dipengaruhi oleh
komposisi komponen-komponen rulebase.
2. Semakin sedikit komponen N2, nilai setling
time semakin naik.
3. Perubahan komposisi komponen N2 tidak
berpengaruh pada perubahan time rise dan
time steady.
4. Untuk mendapatkan hasil yang lebih baik,
dilakukan perubahan rule base yang tepat,
juga dapat dilakukan perubahan ordo dari
membership function
Daftar Pustaka
[1]. http://www.dutaxp.com/2014/01/pengertianlogika-fuzzy-fuzzy-logic.html
[2]. Kusumadewi, Sri, Analisis dan Desain
Sistem Fuzzy menggunakan Toolbox
Matlab, Yogyakarta: Geaha Ilmu, 2002.
[3]. http://www.dma.fi.upm.es/java/fuzzy/fuz
zyinf/funpert_en.htm