Logika Klasik
Operator OR
maka
Operator AND
maka
Operator NOT
Logika Fuzzy
Operator OR
maka
Operator AND
maka
Operator NOT
Logika Fuzzy
Proses ini dapat dilakukan dengan cara intuitif atau berdasarkan suatu algoritma
atau operasi logika tertentu
Contoh:
Fungsi keanggotaan untuk variabel fuzzy suhu dalam serajat celcius yang
berbagi menjadi sangat dingin, dingin, normal, panas, dan sangat panas
8
Ilustrasi:
Contoh
Misalkan semesta berat badan manusia dalam kilogram. Gunakan intuisi untuk
menentukan fungsi keanggotaan yang mungkin.
Penyelesaian:
Misalkan dalam bahasa manusia dikatakan:
Sangat Ringan (VL) adalah berat badan kurang atau sama dgn 30 kg
Ringan (L) adalah berat badan 30 45 kg
Rata-rata (A) adalah berat badan 45 60 kg
Berat (H) adalah berat badan 60 75 kg
Sangat berat (VH) adalah berat badan lebih dari 75 kg
Maka berdasar intuisi tsb dapat dibuat fungsi keanggotaan sbb:
10
fakta apa saja yang ada dan diperlukan pengetahuan mengenai geometri
serta bentuk-bentuk geometri
11
13
Misalnya:
Jika A = 90 maka nilai keanggotaan dlm segitiga siku-siku R = 1; dan jika
A = 180 maka R = 0 (Ingat bhw pd segitiga siku-siku, satu sudutnya pasti
sebesar =90 ).
Misalnya:
Jika A = B = C maka nilai keanggotaan dlm segitiga siku-siku E= 1; dan jika
Hasilnya:
16
1
min(
35
,5 )
60
1
1 (5 ) 1 0,0833 0,92
60
I ( x) 1
E ( x) 1
(
40
)
180
1 0,222 0,78
Tugas: Tentukan nilai keanggotaan segitiga x dalam jenis segitiga yang lain.
18
Selengkapnya:
I ( x) 0,92
R ( x) 0,94
E ( x) 0,78
IR ( x) 0,92
T ( x) 0,05
Terlihat bahwa nilai keanggotaan segitiga x yang tertinggi adalah dalam
jenis segitiga siku-siku yaitu sebesar 0,94. Bagaimana dengan yang lain?
19
tentukan jenis suatu segitiga y jika sudut-sudutnya adalah 45, 75, dan 60.
Tentukanlah nilai keanggotaan dalam:
- segitiga sama kaki (I)
20
Contoh
1o000 orang responden diberi kuesioner untuk memilih sepasang warna
Perhatikan bahwa:
23
Dengan:
k : parameter normalisasi
pi = p(wi)
tanda negatif dalam k digunakan utk memastikan bahwa S karena
ln x untuk x 1
25
data.
26
Misalkan akan dicari nilai ambang utk sampel pada jangkauan nilai x1
hingga x2. Tentukan entropi utk wilayah [x1, x] dan [x, x2]; wilayah
pertama disebut wilayah p dan wilayah kedua disebut wilayah q. Dengan
27
Entropi utk tiap nilai ambang x dlm wilayah x1 dan x2 ditentukan sbb:
Dengan
Dan
pk(x) : probabilitas kondisional utk kelas k pd wilayah [x1, x1+x]
qk(x) : probabilitas kondisional utk kelas k pd wilayah [x1+x, x2]
p(x) : probabilitas semua sampel berada dlm wilayah [x1, x1+x]
q(x) : probabilitas semua sampel berada dlm wilayah [x1+x, x2]
p(x) + q(x) = 1
28
Dengan:
nk(x) : jumlah sampel kelas k yg berada di [x, x +x]
n(x) : jumlah total sampel yg berada di [x, x +x]
Nk(x) : jumlah sampel kelas k yg berada di [x +x, x2]
N(x) : jumlah total sampel yg berada di [x +x, x2]
n : jumlah total sampel di [x1, x2]
: jarak tertentu dalam interval [x1, x2]
29
30