Contoh Fuzzy
Contoh Fuzzy
Misalkan suatu program pemberian beasiswa kepada mahasiswa di suatu perguruan tinggi dilakukan
berdasarkan dua kriteria, yaitu Kumulatif Indeks Prestasi Kumulatif (IPK) dan Gaji per bulan orang
tuanya (G). Beasiswa diberikan kepada mahasiswa dengan prestasi akademik bagus tetapi tingkat
ekonomi orang tua rendah. Misalkan terdapat dua mahasiswa, A dan B, dengan data-data seperti
tertera di tabel berikut :
Jika aturan berbasis logika biner (berdasarkan classical sets) yang digunakan adalah :
Apakah aturan tersebut dapat memberikan keputusan dengan adil ? Berdasarkan aturan tersebut
baik A dan B bisa mendapat beasiswa padahal gaji orangtua A jauh lebih besar daripada B,
sedangkan IPK-nya hanya terpaut 0,01.
1. Fuzzification
Misalkan berdasarkan pengetahuan pakar, fungsi keanggotaan yang sebaiknya digunakan untuk
variabel IPK adalah berbentuk segitiga dan trapesium dengan tiga variabel linguistik : BURUK,
CUKUP, dan BAGUS
0
2,00 2,75 3,25 4,00 IPK
Dengan menggunakan fungsi tersebut, maka crisp input untuk IPK sebesar 3,00 dan 2,99 dikonversi
ke nilai fuzzy dengan derajar keanggotaan :
0
1 3 4 6 7 12 Gaji Orangtua
(juta)
Dengan menggunakan fungsi tersebut, maka crisp input untuk Gaji Orang tua sebesar 10 juta dan 1
juta dikonversi ke nilai fuzzy dengan derajat keanggotaan :
2. Inference
Misalkan untuk output yang berupa Nilai Kelayakan digunakan fungsi keanggotaan trapesium
dengan dua nilai linguistik : RENDAH dan TINGGI
RENDAH TINGGI
1 H
Nilai Kelayakan
0
50 80 100 Skala [0,100]
Aturan fuzzy yang berlaku untuk input data mahasiswa A dan B adalah
Mhs Input Aturan Fuzzy
A IPK CUKUP =0,5 (7) IF IPK = Cukup ( =0,5) AND Gaji = Besar ( =0,4)
IPK BAGUS =0,5 THEN NK=Rendah ( =0,4)
GAJI BESAR =0,4 (8) IF IPK = Cukup ( =0,5) AND Gaji = Sangat Besar (
GAJI SANGAT BESAR =0,6 =0,6) THEN NK=Rendah ( =0,4)
(11)IF IPK = Bagus ( =0,5) AND Gaji = Besar ( =0,4)
THEN NK=Tinggi ( =0,4)
(12)IF IPK = Bagus ( =0,5) AND Gaji = Sangat Besar (
=0,6) THEN NK=Rendah ( =0,5)
B IPK CUKUP =0,52 (5) IF IPK = Cukup ( =0,52) AND Gaji = Kecil ( =1)
IPK BAGUS =0,48 THEN NK=Tinggi ( =0,52)
GAJI KECIL =1 (6) IF IPK = Cukup ( =0,52) AND Gaji = Sedang( =0)
GAJI SEDANG =0 THEN NK=Rendah ( =0,52)
(9) IF IPK = Bagus ( =0,48) AND Gaji = Kecil ( =1)
THEN NK=Tinggi ( =0,48)
(10)IF IPK = Bagus ( =0,48) AND Gaji = Sedang (
=0)THEN NK=Tinggi ( =0,48)
3. Composition
Gunakan aturan Disjunction untuk NK (Nilai Kelayakan)
Mhs Nilai Kelayakan (NK)
A NK = Rendah ( =0,4) v NK = Rendah ( =0,5) v NK = Rendah ( =0,5) =
NK = Rendah ( =0,5)
NK = Tinggi ( =0,4)
B NK = Tinggi ( =0,52) v NK = Tinggi ( =0,48) v NK = Tinggi ( =0,48) =
NK = TInggi ( =0,52)
NK = Rendah ( =0,52)
4. Defuzzification
RENDAH TINGGI
1 H
0,5
0,4
Nilai Kelayakan
0
50 80 100 Skala [0,100]
105 + 136
= 4,6 = 52,39
RENDAH TINGGI
1 H
0,52
2
Nilai Kelayakan
0
50 80 100 Skala [0,100]
1 1
60 (3) + 65 (2) + (70 + 80)(0,52)
=
1 1
3 + 2 + 2(0,52)
20 + 32,5 + 78
= 2,87334 = 69,66
Model Sugeno
RENDAH TINGGI
1
H
Nilai Kelayakan
0
50 80 Skala [0,100]
RENDAH TINGGI
1
H
0,5
Nilai Kelayakan
0
50 80 Skala [0,100]
RENDAH TINGGI
1
H
0,4
Nilai Kelayakan
0
50 80 Skala [0,100]