Tugas 4 Rizky Monica 04121004
Tugas 4 Rizky Monica 04121004
NIM : 04121004
Tugas Kecerdasan Buatan
Pemodelan Fuzzy-set dapat membantu ahli biologi atau ilmuwan dalam
pemodelan lingkungan yang tidak pasti seperti perubahan iklim, polusi
dan lain-lain. Untuk menggunakan model fuzzy set untuk pemodelan
lingkungan metode harus disediakan untuk memungkinkan penggunaan
model ini dalam konteks spasial. Hal ini dapat dilakukan sebagai part dari
sistem informasi geografis (GIS) atau dengan peralatan software khusus
seperti Matlab toolbox r (Sivanandam et al., 2006) atau aplikasi SAMT
open source.
Himpunan fuzzy (fuzzy set) adalah sekumpulan obyek x dengan masingmasing obyek memiliki nilai keanggotaan (membership function) atau
disebut juga dengan nilai kebenaran. Dengan F adalah notasi himpunan
fuzzy, _F (x) adalah derajat keanggotaan dari Z (nilai antara 0 sampai 1).
Table 1 Tabel nutrisi
Good
Medium
Jagung
Gandum hitam
tepung
Rape
0.2
0.4
0.6
0
0.8
0.6
0.4
0.1
Selai
...
0.6
...
0.4
...
Ba
d
0
0
0
0.
9
0
...
Model Fuzzy
Model Fuzzy menentukan aturan dalam hal fuzzy set. Aturan Fuzzy terdiri
dari anteseden (IF-part) dan konsekuen (THEN-part). yg menggabungkan
input
yang
berbeda
menggunakan
"AND"
kombinasi.
Untuk
mengungkapkan OR kombinasi, seperangkat aturan dengan input yang
berbeda tetapi output yang sama sering digunakan.
Contoh :
Algoritma Fuzzy
Algoritma Fuzzy menggunakan fungsi keanggotaan dan aturan dalam tiga
langkah:
1. fuzzification: untuk setiap masukan x = (x1, x2, ... ) semua fungsi
keanggotaan mij (xi) akan dihitung
2. inferensi:
- Menetapkan akm nilai menggunakan minimum atau operator
produk untuk setiap aturan (poin k ke output; m poin untuk aturan
yang berbeda dengan output k yang sama)
- Memilih aturan yang terbaik dari aturan m dengan output yang
sama k menggunakan operator yang maksimum
3. defuzzifikasi
Defuzzifikasi
Defuzzifikasi adalah suatu proses yang menggabungkan seluruh
fuzzy output menjadi sebuah hasil spesifik yang dapat digunakan untuk
masingmasing sistem output. Defuzzifikasi merupakan proses kebalikan
dari fuzzifikasi, di mana nilai keanggotaan dari suatu gugus fuzzy
dikonversi ke dalam suatu bilangan real. . Output hasil inferensi dari tiap
tiap aturan diberikan secara crisp (tegas) berdasarkan derajat
keanggotaan. Hasil akhirnya diperoleh dengan menggunakan ratarata
terbobot. Sedangkan metode Mamdani terdiri dari empat tahap, yaitu
pembentukan gugus fuzzy, aplikasi fungsi implikasi (aturan), komposisi
aturan dan penegasan. Penalaran dengan metode Sugeno hampir sama
dengan penalaran Mamdani, hanya saja output (consequent) system tidak
berupa gugus fuzzy, melainkan berupa konstanta atau persamaan linier.
Contoh: Habitat Model Menemukan Elang Tutul Kecil
Elang tutul kecil adalah salah satu spesies kunci di Jerman Timur utara.
Untuk meningkatkan pemahaman tentang teknik pemodelan fuzzy yang
disederhanakan menggunakan elang tutul kecil akan dijelaskan.
Struktur habitat
Struktur habitat hewan apapun tergantung pada nutrisi, kemungkinan
reproduksi dan perlindungan terhadap predator dan bahaya lainnya.
Untuk melihat eagle rendah ini berarti bahwa:
1. Ketika berburu itu baik bisa terbang atau duduk dan menunggu. Jika
dan oleh karena itu pada waktu tahun. Tanaman meliputi tanah
ditunjukkan pada Gambar 1. Sebagai contoh tahun 1995 dan hari 160
terpilih. Masukan lain untuk bagian gizi dari model habitat elang bintik
kecil adalah peta kepadatan struktur. (Dalam peta ini berarti jarak ke
struktur ditampilkan.) Sebuah kepadatan tinggi struktur sebagian dapat
mengimbangi penutup tinggi derajat tanaman karena burung ini mampu
menggunakan elemen struktur (lindung nilai, pohon dll) sebagai titik
berburu. masukan ini diwakili dalam Figure5. Catatan: peta ini diproduksi
menggunakan teknologi jendela bergerak untuk menggeneralisasi dari
struktur nyata untuk karakteristik landscape yang lebih.
Gambar 1 Derajat cover crop, area putih- daerah non makanan, warna
abu-abu: cerah warna yang lebih kecil tingkat cakupan (daerah putih
danau, hutan dan pemukiman
Very_small 0.100
Small
0.100
0.000
0.200
Medium
0.300
0.400
High
0.600
0.750
0.100 0.20
0.300 0
0.40
0
0.600 0.75
0
1.000 1.10
0
Very_small Small
0
0.2
0.5
0.6
0.8
Very_hi
gh
1
Rule basenya :
Coverage
degree
Structure Output
Numoutput Weig
ht
Very_small
High
Very_high
Very_small
Very_small
Small
Small
Small
Medium
Medium
Small
High
Medium
Small
High
Medium
Medium
Very_high
1
High
0.8
Very_high
1
Medium_high 0.6
Medium
0.5
Medium_sma 0.6
ll
Medium_sma 0.4
ll
1
1
1
1
1
1
1
Medium
High
Small
High
High
High
Medium
Small
Small
0.2
Medium_sma 0.4
ll
Small
0.2
Very_small 0
1
1
1
1
16
14
12
10
Pop
8
6
4
2
0
200
400
600
800
1000
x (prey)
y (predator)
16
17
18
19
20
21
22
23
24
25
High
High
High
High
High
Very_high
Very_high
Very_high
Very_high
Very_high
Zero
Small
Medium
High
Very_high
Zero
Small
Medium
High
Very_high
Outp
ut
sp
mp
hp
sn
mn
sp
mhp
hp
mp
sn
10
9
8
Pop
7
6
5
4
200
400
600
800
1000