Makalah Tentang Fuzzy Logic
Makalah Tentang Fuzzy Logic
Konsep Dasar
Algoritma Fuzzy
Operator Fuzzy
Sifat samar atau vagueness dpt dimasukkan ke dalam teori himpunan dgn membuat
fungsi karakteristik boleh bernilai tidak berhingga banyaknya di antara nilai 0 dan nilai
1
Fungsi keanggotaan A(x) adl pemetaan dari semesta pembicaraan ke rentang tertutup
[0, 1]:
3. Fuzzification
Sehingga didapat 2 fuzzy input yang masing-masing adalah: dingin (x2) dan hangat (x1).
Nilai x1 dan x2 dapat dicari dengan rumus persamaan garis. Yang menentukan sistem
anda sensitif atau tidak adalah membership function ini. Jika membership function-nya
banyak maka sistem anda menjadi sensitif. Yang dimaksud dengan sensitif dalam hal ini
adalah jika input-nya berubah sedikit saja maka sistem akan cepat merespon dan
menghasilkan suatu output lain. Output dari proses fuzzification ini adalah sebuah nilai
input fuzzy atau yang biasanya dinamakan fuzzy input.
4. Fuzzy Membership
Jika X adalah suatu kumpulan obyek-obyek dan x adalah elemen dari X. Maka
himpunan fuzzy A yang memiliki domain X didefinisikan sebagai:
(1)
Terdapat dua cara yang lazim dalam merepresentasikan himpunan fuzzy, yang
dapat dilihat pada Gambar 1, yaitu :
Union (Gabungan)
Gabungan dari dua buah himpunan fuzzy A dan B adalah himpunan fuzzy C
; (2)
dengan adalah operator biner untuk fungsi S dan biasa disebut sebagai operator T-
conorm atau S-norm, yang memiliki sifat-sifat sebagai berikut:
S(1,1) = 1, S(0,a) = S(a,0) = a (boundary);
S(a,b) S(c,d) jika a c dan b d (monotonicity);
S(a,b) = S(b,a) (commutativity);
S(a,S(b,c)) = S(S(a,b),c) (associativity).
Intersection (Irisan)
Irisan dari dua buah himpunan fuzzy A dan B adalah himpunan fuzzy C
, (3)
dengan adalah operator bineri untuk fungsi T, yang biasa disebut sebagai
operator T-norm, yang memiliki sifat-sifat sebagai berikut:
T(0,0) = 0, T(a,1) = T(1,a) = a (boundary);
T(a,b) T(c,d) jika a c dan b d (monotonicity);
T(a,b) = T(b,a) (commutativity);
T(a,T(b,c)) = T(T(a,b),c) (associativity).
(4)
bentuk yang lain dari persamaan di atas adalah
(5)
parameter {a,b,c} (dengan a<b<c) yang menentukan koordinat x dari ketiga sudut
segitiga tersebut, seperti terlihat pada Gambar 2(a).
(7)
Fungsi keanggotaan Gauss ditentukan oleh parameter c dan s yang menunjukan titik
tengah dan lebar fungsi, seperti terlihat pada Gambar 2(c) .
Gambar 2. Kurva fungsi keanggotaan, (a).segitiga(x;20,50.80), (b).trapesium
(x;10,30,70,90), (c).gaussian(x;50,15), (d).bell(x;10,2,50), (e).sigmoid (x;0.2,50) dan
(f).sigmoid(x;-0.2,50).
(8)
parameter b selalu positif, supaya kurva menghadap kebawah, seperti terlihat pada
Gambar 2(d).
(9)
parameter a digunakan untuk menentukan kemiringan kurva pada saat x = c.
Polaritas dari a akan menentukan kurva itu kanan atau kiri terbuka, seperti terlihat
pada Gambar 2.(d) dan 2.(e).
Dengan A dan B adalah nilai linguistik yang dinyatakan dengan himpunan fuzzy
dalam semesta pembicaraan X dan Y. Sering kali x adalah A disebut sebagai
antecedent atau premise, sedangkan y adalah B disebut consequence atau conclusion.
Kaidah fuzzy if-then jika x adalah A maka y adalah B sering kali disingkat
dalam bentuk AB yang merupakan suatu bentuk relasi fuzzy biner R pada produk
ruang X Y. Terdapat dua cara untuk menyatakan AB, yaitu sebagai A coupled with B
dan A entails B. Jika dinyatakan sebagai A coupled with B maka didefinisikan sebagai
berikut:
dengan adalah operator T-norm. Sedangkan jika dinyatakan sebagai A entails B maka
didefinisikan sebagai berikut:
- material implication:
; (11)
- propositional calculus:
; (12)
- extended propositional calculus:
; (13)
- generalization of modus ponens:
; (14)
dengan R=AB dan adalah operator T-norm.
Fuzzy Reasoning
Kaidah dasar dalam menarik kesimpulan dari dua nilai logika tradisional
adalah modus ponens, yaitu kesimpulan tentang nilai kebenaran pada B diambil
berdasarkan kebenaran pada A. Sebagai contoh, jika A diidentifikasi dengan tomat
itu merah dan B dengan tomat itu masak, kemudian jika benar kalau tomat itu
merah maka tomat itu masak, juga benar. Konsep ini digambarkan sebagai berikut:
(15)
atau sama dengan
(16)
(17)
Kaidah fuzzy pada premise 2 dapat dibawa ke bentuk sederhana yaitu ABC
yang kemudian dapat diubah menjadi relasi fuzzy ternary Rm, berdasarkan fungsi
implikasi Mamdani yaitu:
(18)
C yang dihasilkan dapat dinyatakan sebagai
sehingga
(19)
Proses di atas dapat dibuktikan dengan menggunakan dua buah relasi R1= A1
B1C1 dan R2= A2B2C2, karena operator adalah bersifat distributif terhadap
operator E , maka selanjutnya gabungan dari dua relasi tersebut menjadi
(20)
Dalam ilmu komputer , sistem berbasis aturan digunakan sebagai cara untuk
menyimpan dan memanipulasi pengetahuan untuk menginterpretasikan informasi
dalam cara yang bermanfaat. Mereka sering digunakan dalam kecerdasan buatan
aplikasi dan penelitian.
Aplikasi
Sebuah contoh klasik dari sistem berbasis aturan adalah domain-spesifik sistem pakar
yang menggunakan aturan-aturan untuk membuat pemotongan atau pilihan. Sebagai
contoh, sistem pakar mungkin dapat membantu dokter memilih diagnosis yang benar
berdasarkan sekelompok gejala, atau bergerak taktis memilih untuk memainkan game.
Sistem berbasis Peraturan dapat digunakan untuk melakukan analisis leksikal untuk
mengkompilasi atau menafsirkan program komputer, atau dalam pemrosesan bahasa
alami .
Konstruksi
Sebuah sistem berbasis aturan khas memiliki empat komponen dasar: [1]
Daftar aturan atau peraturan dasar, yang merupakan jenis spesifik dari basis
pengetahuan .
Sebuah mesin inferensi atau Reasoner semantik , yang menyimpulkan informasi
atau mengambil tindakan berdasarkan interaksi antara masukan dan peraturan
dasar. Penerjemah menjalankan program sistem produksi dengan melakukan
siklus mengenali-tindakan berikut :
Pada tahap pertama, sisi kiri semua produksi yang cocok dengan isi memori kerja.
Sebagai hasil serangkaian konflik diperoleh, yang terdiri dari instantiations semua,
produksi puas. Sebuah Instansiasi produksi adalah daftar ordered kerja unsur-unsur
memori yang memenuhi sisi kiri produksi.
Konflik-Resolusi: Dalam fase kedua, salah satu instantiations produksi di set konflik
dipilih untuk eksekusi. Jika tidak ada produksi puas, yang menghentikan penerjemah.
Act: Pada tahap ketiga, tindakan produksi yang dipilih dalam tahap resolusi konflik
dijalankan, tindakan ini dapat mengubah isi memori kerja, Pada akhir tahap ini, tahap
pertama dijalankan lagi.
6. Defuzzifikasi
Animasi berikut ini menggambarkan inferensi fuzzy dan defuzzifikasi untuk model
harga penawaran.
Klik pada tombol radio untuk mengetahui sifat dari metode defuzzifikasi tertentu.