TUJUAN
Mahasiswa dapat menggunakan Toolbox Fuzzy dalam Matlab untuk
membangun sistem berbasis logika fuzzy.
B. DASAR TEORI
Logika Fuzzy diperkenalkan oleh Zadeh (1965) untuk formalisasi matematis
proses penalaran atau pengambilan keputusan berdasarkan fakta fakta yang kabur ,
samar , non-eksak atau kualitatif.
1
Fuzzy logic toolbox memberikan fasilitas Graphical User Interface (GUI) untuk
mempermudah dalam membangun suatu sistem fuzzy. Ada 5 GUI tools yang dapat
digunakan untuk membangun, mengedit, dan mengobservasi sistem penalaran fuzzy,
yaitu:
Fuzzi Inference Sistem (FIS) Editor
Membership Function Editor
Rule Editor
Rule Viewer
Surface Viewer
Pada (1-3) kita dapat membaca dan memodifikasi .fis data. Sedangkan pada (4-5) kita
hanya bisa membaca saja tanpa dapat memodifikasinya.
C. LANGKAH KERJA
Studi kasus:
Suatu perusahaan soft drink akan memproduksi minuman jenis X. Pada 3 bulan
terakhir biaya produksi untuk minuman jenis tersebut rata-rata Rp. 500,00 per kemasan, dan
maksimum mencapai Rp.100,00 per kemasan. Banyaknya permintaan perhari rata-rata
mencapai 30.000 kemasan dan maksimum hingga mencapai 60.000 kemasan. Sampai saat
ini, perusahaan baru mampu memproduksi barang maksimum 100.000 kemasan per hari.
Dari kasus diatas, kemudian dibuat model fuzzy-nya. Dari modelfuzzy tersebut
diharapkan dapat menentukan berapa umlah barang yang harus diproduksi jika biaya
produksi Rp 800,00 per kemasan dan permintaan 25.000 kemasan perhari.
2
Gambar 1. Tampilan awal FIS Editor
5. Menyimpan file. Dalam praktikum ini, praktikan menyimpan file tersebut dengan
nama dadanga.fis.
6. Mengubah operator, fungsi implikasi , metode agregasi dan fungsi Deffuzifikasi
(melalui combo box):
a. And method: min
b. Or method: max
c. Implication: min
d. Aggregation: max
e. Defizzification: centroid
7. Memasukkan variabel Input dan Output.
a. Karena variabel input yang akan digunakan ada 2, maka perluditambahkan
satu lagi. Caranya: Edit add variabel input
b. Memberi nama masing-masing input dan output. Input1 diganti dengan nama
BiayaProduksi. Input2 diganti dengan nama Permintaan. Output1 diganti
dengan nama Produksi.
3
Fungsi keanggotaannya:smf
Isi dengan parameter:[500 1000]
b. Variabel Permintaan:
Range dalam ribuan: [0 60]
Membuat fungsi keanggotanan dengan nama TURUN
Fungsi keanggotaannya: trapmf
Parameter: [0 0 10 30]
Membuat fungdi keanggotaan dengan nama BIASA, dengan fungsi
keanggotaan trimf dan parameter: [0 30 50]
Membuat fungsi keanggotaan dengan nama NAIK, fungsi keanggotaan
trapmf dan parameter[30 50 60 60]
c. Variabel Produksi
Range [0 100]
Membuat fungsi keanggotaan himpunan BERKURANG: trapmf,
parameter [0 0 10 50]
Membuat fungsi keanggotaan himpunan NORMAL: trimf, parameter
[30 50 70]
Membuat fungsi keanggotaan himpunan BERTAMBAH: trapmf,
parameter [50 90 100 100]
Gambar 2
4
Gambar 3. Fungsi Keanggotan Variabel Input "Biaya Produksi
5
Gambar 5. Fungsi Keanggotan Variabel Output "PRODUKSI
Gambar 6
10. Melihat Hasil dilakukan dengan cara:
a. Pada FIS editor pilih mene view-rules
b. Memberikan masukan tegas untuk biaya produksi Rp 800,00 /kemasan dan
permintaan 25 (dalam ribuan) kemasan. Keputusan jumlah barang yang harus
diproduksi dilihat pada keluaran.
c. Kaitan ketiga variabel dalam bentuk surface. Pilih menu view-surface.
6
Gambar 7
Gambar 8
7
D. HASIL DAN PEMBAHASAN
Pada tampilan Rule Viewer diberikan masukan biaya produksi dan permintaan.
Diperoleh hasil sebaghai berikut:
Tabel 1
Pembahasan Untuk Biaya Produksi Rp. 800,00 dan permintaan 25 adalah sebagai
berikut.
Pada variabel input Biaya Produksi, 800 memiliki derajad keanggotaan :
RENDAH :
zmf(800,[500 1000]) = 0
STANDARD :
pimf(800,[0 500 500 1000])= 2*((800-1000)/(1000-500))^2=0,32
TINGGI :
smf(800,[500 1000])=1 (2*((800-1000)/(1000-500))^2)=0,68
Pada variabel input Permintaan, 25 memiliki derajad keanggotaan:
TURUN :
Trapmf(25,[0 0 10 30])=(30-25)/(30-10)=0,25
BIASA :
Trimf(25,[0 30 50]=(25-0)/(30-0)=0,83
NAIK :
Trapmf(25,[30 50 60 60])=0
Dari aturan ke-1, IF (BiayaProduksi is RENDAH) and (Permintaan is NAIK) THEN
(Produksi is BERTAMBAH), dipakai aturan seperti pada
BERTAMBAH = Min(min(RENDAH,NAIK)) =Min(mak(0;0)=0
8
Diperoleh grafik output Produksi seperti gambar 7.
Deffuzifikasi menggunakan teknik centroid:
atau
Berkurang=0,25
YBerkurang:=
Berkurang=trapmf(Yberkurang,[0 0 10 50]
dari gambar 5 dapat dilihat bahwa derajad keanggotaanBERKURANG= 0,25 berada
pada Y antar 10 dan 50, maka: = (Y-10)/(50-10)
0,25=(Y-10)/(40)
10=Y-10
Y=20
Yberkurang=20
Normal =0,32
Ynormal:=
Normal=trimf(Ynormal,[30 50 70])
dari gambar 5 dapat dilihat bahwa derajad keanggotaan NORMAL=0,32 berada ada 2
titik antara 30-50 dan 50-70.
Antara Y 50-70:
=(70-Y)/(70-50)
o,32=(70-Y)/20
6,4=70-Y
Y=70-6,4=63,6
Antara Y 30-50:
=(Y-30)/(50-30)
0,32=(Y-30)/20
6,4=Y-30
Y=6,4+30=36,4
Bertambah=0
Ybertambah:
Dari gambar 5, derajad keanggotaan NAIK= 0 adalah antara Y= 0 sampai 50
Dari gambar 6 , grafik sebelah kanan bawah menunjukkan grafik gabungan output dengan
agregation max. Centroid dari grafik tersebut memiliki Ycrisp=35,2. Jadi untuk Biaya
produksi Rp 800 dan permintaan 25, jumlah barang yang harus diproduksi adalah 35.200.
Untuk Biaya produksi dan banyak permintaan yang lain diperoleh data seperti pada
tabel 1.
Hubungun antara Biaya Produksi, Permintaan dan Produksi secara 3 dimensi
diperlihatkan oleh gambar 8. Produksi harus maksimal ketika permintaan maksimal dan
9
Biaya produksi minimal. Sebaliknya Produksi harus minimal ketika Biaya produksi maksimal
dan permintaan minimal.
E. KESIMPULAN
Matlab toolbox fuzzy dapat digunakan sebagai alat bantu pembuatan sistem berbasis
logika fuzzy. Misalnya dalam dari pemodelan suatu perusahan soft drink, bila Biaya
produksi Rp. 800 dan jumlah Permintaan adalah 25000 maka dengan bantuan model
fuzzy, jumlah soft drink yang harus diproduksi adalah 35200.
10