Fuzzy Mamdani Lom
Fuzzy Mamdani Lom
Disusun Oleh :
Faise Martiatul Husnah (140431100060)
1. DASAR TEORI
Logika Fuzzy
Sistem fuzzy pertama kali diperkenalkan oleh Prof. Lotfi. Astor Zadeh dari Barkelay
pada tahun 1965. Sistem fuzzy merupakan penduga numerik yang terstruktur dan dinamis.
Sistem ini mempunyai kemampuan untuk mengembangkan sistem intelijen dalam lingkungan
yang tak pasti. Sistem ini menduga suatu fungsi dengan logika fuzzy. Dalam logika klasik
dinyatakan bahwa segala sesuatu bersifat biner, yang artinya adalah hanya mempunyai
dua kemungkinan, Ya atau Tidak, Benar atau Salah, dan lain-lain. Oleh karena itu,
semua ini dapat mempunyai nilai keanggotaan 0 atau 1. Akan tetapi, dalam logika fuzzy
kemungkinan nilai keanggotaan berada diantara 0 dan 1. Artinya,bisa saja suatu keadaan
mempunyai dua nilai Ya dan Tidak, Benar dan Salah, secara bersamaan, namun
besar nilainya tergantung pada bobot keanggotaan yang dimilikinya.
Dalam logika fuzzy terdapat beberapa proses yaitu penentuan himpunan fuzzy,
penerapan aturan IF-THEN dan proses inferensi fuzzy (Marimin, 2005:10). Ada beberapa
metode untuk merepresentasikan hasil logika fuzzy yaitu metode Tsukamoto, Sugeno dan
Mamdani. Konsep logika fuzzy metode Mamdani dikenal dengan metode Min-Max yang
diperkenalkan oleh Ebrahim Mamdani pada tahun 1975.
Hasil dari himpunan komposisi, perlu diterjemahkan menjadi nilai crisp sebagai hasil akhir.
Terdapat beberapa metode defuzzifikasi :
a. Metode Centroid
b. Metode Bisektor
c. Metode Mean of Maximum
d. Metode Largest of Maximum
Mengambil nilai terbesar dari domain yang memiliki nilai keanggotaan maksimum
e. Metode Smallest of Maximum
2. STUDI KASUS
Inputan:
Pada pengaturan suhu AC terdapat tiga input masukan yang akan difuzifikasikan ke
himpunan fuzzy dan menjadi fungsi keanggotaan fuzzy.
Sensor suhu udara di luar ruangan
o o
Dingin = 0 C 25 C
o o
Sejuk = 20 C 30 C
o o
Normal = 25 C 35 C
o o
Hangat = 30 C 40 C
o o
Panas = 35 C 50 C
Outputan:
Rule-rule pernyataan dikelompokkan menjadi sebuah matrik yang disebut sebagai
Fuzzy Associative Memory (FAM). dengan daftar pada suhu AC adalah:
o o
Dingin = 16 C 22 C
o o
Cukup Dingin = 20 C 24 C
o o
Sejuk = 22 C 26 C
o o
Cukup Sejuk = 24 C 28 C
o o
Normal = 26 C 30 C
4
Dengan mengunakan input suhu luar ruangan, suhu dalam ruangan dan jumlah orang
dalam ruangan maka diperoleh rule sebagai berikut:
Banyak
No Suhu Luar Ruangan Suhu Dalam Ruangan Suhu Keluaran AC
orang
1 Dingin Sejuk Sedikit Normal
2 Dingin Sejuk Sedang Normal
3 Dingin Sejuk Banyak Cukup sejuk
4 Dingin Normal Sedikit Cukup sejuk
5 Dingin Normal Sedang Cukup sejuk
6 Dingin Normal Banyak Sejuk
7 Dingin Hangat Sedikit Sejuk
8 Dingin Hangat Sedang Sejuk
9 Dingin Hangat Banyak Cukup sejuk
10 Sejuk Sejuk Sedikit Cukup sejuk
11 Sejuk Sejuk Sedang Cukup sejuk
12 Sejuk Sejuk Banyak Sejuk
13 Sejuk Normal Sedikit Sejuk
14 Sejuk Normal Sedang Sejuk
15 Sejuk Normal Banyak Cukup dingin
16 Sejuk Hangat Sedikit Cukup dingin
17 Sejuk Hangat Sedang Cukup dingin
18 Sejuk Hangat Banyak Dingim
19 Normal Sejuk Sedikit Cukup sejuk
Tabel 1. Rule
3. PENYELESAIAN
Perhitungan Manual
5
4. HASIL
Banyak Perhitungan Perhitungan Suhu AC
No Suhu Luar Suhu Dalam
orang manual Matlab
Ruangan Ruangan
5. PENUTUP
a. Kesimpulan
Untuk menetukan suhu AC menggunakan metode mamdani LOM kurang presisi
dengan rule yang sudah ditentukan. Berdasarkan tabel 2 dengan menggunakan metode
mamdani LOM outputan suhu sesuai dengan rule hanya saja hasil perhitungan manual
tidak sesuai dengan perhitungan di matlab, hal ini dimungkinkan cara perhitungan
manual kurang tepat. Untuk tabel 3 hasil tidak sesuai rule dimungkinkan karena sifat
fuzzy yang tidak pasti dan rule yang kurang tepat.
6
b. Saran
Untuk menentukan outpuan suhu AC jangan menggunakan metode mamdani LOM
karena hasil perhitungan manual kurang presisi dan unutk perhitungan manual cari
lebih banyak refrensi.
7
LAMPIRAN
Screen shoot Gui Fuzzy Mamdani (lom) di Matlab tidak sesuai rule
10