Anda di halaman 1dari 5

5.

CARA KERJA LOGIKA FUZZY

Untuk memahami cara kerja logika fuzzy, perhatikan struktur elemen dasar system
inferensi fuzzy berikut ini (Gambar 5.22):

Keterangan :
Basis Pengetahuan Fuzzy : Kumpulan rule-rule Fuzzy dalam bentuk pernyataan
IF..THEN
Fuzzyfikasi : Proses untuk mengubah input system yang mempunyai nilai tegas
menjadi variable linguistic menggunakan fungsi keanggotaan yang disimpan dalam basis
pengetahuan fuzzy
Mesin inferensi : Prosesn untuk mengubah input fuzzy menjadi output fuzzy dengan
cara mengikuti aturan-aturan (IF-THEN Rules) yang telah dietapkan pada basis
pengetahuan fuzzy
DeFuzzyfikasi : mengubah output fuzzy yang diperoleh dari mesin inferensi menjadi
nilai tegas menggunakan fungsi keanggotaan yang sesuai dengan saat dilakukan
fuzzyfikasi.

1.
2.
3.
4.
a.

Cara kerja logika fuzzy meliputi beberapa tahapan berkut :


Fuzzyfikasi
Pembentukan basis pengetahuan Fuzzy (Rule dalam bentuk IF..THEN)
Mesin inferensi (Fungsi implikasi Max-Min atau Dot-Product)
Defuzzyfikasi
Banyak cara untuk melakukan defuzzyfikasi, diantaranya metode berikut.
Metode Rata-Rata (Average)
z =

1 z1
1

b. Metode Titik Tengah (Center of Area)

z =

( z ) zdz
(z)dz
5.8.1 Metode Tsukamoto

1.
2.
3.

4.

Secara umum bentuk model fuzzy tsukamoto adalah :


If(X IS A) and (Y IS B) Then (Z IS C)
Dimana A, B dan C adalah himpunan fuzzy.
Misalkan diketahui 2 rule berikut.
If(x is A1) and (y is B1) Then (z is C1)
If(x is A2) and (y is B2) Then (z is C2)
Dalam inferensinya, metode Tsukamoto menggunakan tahapan berikut.
Fuzzyfikasi
Pembentukan basis pengetahuan Fuzzy (Rule dalam bentuk IF..THEN)
Mesin Inferensi
Menggunakan fungsi implikasi MIN (Gambar 5.23) untk mendapatkan nilai -predil
tiap-tiap rule (1, 2, 3,, n).
DeFuzzyfikasi
Menggunakan metode rata-rata (Average)

z =

1 z1
1

Gambar 5.23 menunjukkan skema penalaran fungsi implikasi MIN dan product
defuzzyfikasi dilakukan dengan cara mencari nilai rata-ratanya.

Gambar 5.23 Skema penalaran fungsi implikasi min atau product dan pross deffuzifikasi

Proses DeFuzzyfikasi
Hasil output (z) diperoleh dengan menggunakan rata-rata pembobotan :
z=

a1 z 1 +a 2 z 2
a2 +a 2

5.8.2 Metode Mamdani

1.
2.
3.
4.

Metode Mamdani paling sering digunakan dalam aplikasi-aplikasi karena strukturnya


yang sederhana, yaitu menggunakan operasi MIN-MAX atau MAX-PRODUCT. Untuk
medapatkan output, diperlukan 4 tahapan.
Fuzzyfikasi
Pembentukan basis pengetahuan fuzzy (rule dalam bentuk IF..THEN)
Aplikasi fungsi implikasi MID dan Komposisi antar-rule menggunakan fungsi MAX
(Menghasilkan himpunan fuzzy baru)
Deffuzyfikasi menggunakan metode Centroid
Misalkan diketahui 2 buah rule berikut :
IF(x is A1) AND(y is B1) THEN(z is C1)
IF(X IS A2) AND(Y IS B2) THEN(Z IS C2)
Gambar 5.24 menunjukkan skema penalaran fungsi implikasi MIN dan komposisi antarrule menggunakan fungsi MAX.

Gambar 5.24 Aplikasi fungsi inplikasi MIN dan komposisi antar-rule menggunakan fungsi MAX

Gambar 5.25 menunjukkan skema penalaran fungsi implikasi PRODUCT dan komposisi
antar-rule menggunakan fungsi MAX.

Gambar 5.25 skema penalaran fungsi implikasi product dan komposisi antar-rule menggunakan fungsi max

5.8.3 Metode Sugeno


Bila ouput dari penalaran dengan metode Mamdani berupa himpunan fuzzy, tidak
demikian dengan metode SUGENO. Dalam metode ini, ouput system berupa konstanta
atau persamaan linear. Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada 1985.
Secara umum bentuk model fuzzy SUGENO adalah :
IF ( x 1is A 1 ) [][] ( xn is An ) THEN z =f ( x , y)
Catatan :
A1,A2.An adalah himpunan fuzzy ke-I sebagai antarseden
z = f(x,y) adalah fungsi tegas (biasanya merupakan fungsi linier dari x dan y)
Misalkan diketahui 2 buah rule berikut :
R1 : IF x is A1 y is B1 THEN z1 = p1x + q1y +r1
R2 : IF x is A2 y is B2 THEN z2 = p2x + q2y +r2
Dalam inferensinya, metode Sugeno menggunakan tahapan berikut :
1. Fuzzyfikasi
2. Pembentukan basis pengetahuan Fuzzy (Rule dalam bentuk IFTHEN)
3. Mesin inferensi
Menggunakan fungsi implikasi MIN (Gambar 5.26) untuk mendapatkan nilai -predikat
tiap-tiap rule (1, 2, 3,. n).
Kemudian masing-masing nilai -predikat ni digunakan untuk menghitung keluaran hasil
inferensi secara tegas (crisp) masing-masing rule (z1,z2,z3,.zn)

4. DeFuzzyfikasi
Menggunakan metode rata-rata (Average)
1 z1
z =
1
Gambar 5.26 menunjukkan skema penalaran fungsi implikasi MIN atau PRODUCT dan
proses deffuzifikasi dilakukan dengan cara mencari nilai rata-ratanya.

Gambar 5.26 aplikasi fungsi impilkasi MIN atau PRODUCT dan proses deffuzifikasi
dilakukan dengan cara mencar nilai rata-ratanya