FUZZY LOGIC

(LOGIKA FUZZY)

DWI HARINI SULISTYAWATI S.ST., M.T.

 Topik Khusus 1

TENTANG FUZZY LOGIC

Fuzzy Logic / Logika Fuzzy

Suatu metode yang tepat digunakan untuk
sistem jika variabel yang menyertai data
input berupa ambigous.
 Topik Khusus 1

TENTANG FUZZY LOGIC

Konsep Fuzzy Logic diperkenalkan oleh
Prof. Lotfi Zadeh dari Universitas California
di Berkeley pada 1965
TENTANG FUZZY LOGIC
Jika diterjemahkan, fuzzy artinya tidak
jelas/buram, tidak pasti.
Himpunan fuzzy adalah cabang dari matematika
yang tertua, yang mempelajari proses bilangan
random: teori probabilitas, statistik matematik,
teori informasi dan lainnya.
Penyelesaian masalah dengan himpunan fuzzy
lebih mudah dari pada dengan mengunakan teori
probabilitas (konsep pengukuran).
 Topik Khusus 1

TENTANG FUZZY LOGIC

Alasan Menggunakan Fuzzy Logic:
1. Konsep fuzzy logic mudah dimengerti
2. Fuzzy logic sangat fleksibel
3. Fuzzy logic memiliki toleransi terhadap data
yang kurang tepat
4. Fuzzy logic mampu memodelkan fungsi
nonlinier yang kompleks
 Topik Khusus 1

TENTANG FUZZY LOGIC

Cabang Fuzzy Logic:
1. Fuzzy rule Based Systems
2. Fuzzy Nonliner Simulations
3. Fuzzy Decision Making
4. Fuzzy Classification
5. Fuzzy Pattern Recognition
6. Fuzzy Control Systems
BEBERAPA KARYA ILMIAH DENGAN
PEMANFAATAN FUZZY LOGIC:
Pemanfaatan Fuzzy Logic sebagai Analisa Laporan
Keuangan Perusahaan.
Penentuan kenaikan Gaji Karyawan berbasis
Fuzzy Logic Database.
Mengukur tingkat kemampuan siswa dalam
memahami materi pembelajaran dengan
menggunakan Fuzzy Logic.
Pemanfaatan Fuzzy Logic untuk Analisa Hubungan
Korelasi antara Tingkat Kinerja Karyawan dengan
Hasil Produksi.
Diagnosis penyakit Autism Spectrum berbasis
Fuzzy Logic.
HIMPUNAN FUZZY
Pada himpunan tegas (crisp), nilai keanggotaan
suatu item x dalam suatu himpunan A, memiliki 2
(dua) kemungkinan yaitu:
1. Satu (1), yang berarti bahwa suatu item menjadi
anggota dalam suatu himpunan.
2. Nol (0), yang berarti bahwa suatu item tidak
menjadi anggota dalam suatu himpunan.
 Topik Khusus 1
CONTOH KASUS
MUDA umur < 35 tahun
PAROBAYA 35 <= umur <= 55 tahun
TUA umur > 55 tahun
 Topik Khusus 1
MEMBERSHIP FUNCTION
MUDA umur < 35 tahun
PAROBAYA 35 <= umur <= 55 tahun
TUA umur > 55 tahun
CONTOH SOAL (1):
Dalam suatu negara memiliki pendapatan GDP
(Gross Domestic Product) yang terdiri dari range
berikut:
- Rendah GDP < 3
- Cukup 3 <= GDP <= 5
- Tinggi GDP > 5
Sebagai acuan range tsb, dikontrol pada
nilai titik 3.5
1. Gambarkan Membership Function?..
2. Tuliskan Perhitungan dari Membership
Function tsb?..
CONTOH SOAL (2): Topik Khusus 1

Jawaban No. 1 & 2 (Membership Function)

 Topik Khusus 1

CONTOH SOAL (1):

3. Tentukan Nilai Fire Strength dengan data
sebagai berikut:

Tahun Nilai GDP (%)

2005 3.34
2006 3.95
2007 4.95
 Topik Khusus 1
CONTOH SOAL (2):
Jawab No. 3 (Penentuan Keputusan berdasarkan Fire Strengt)

Tahun Nilai GDP (%) Rendah Cukup Tinggi

2005 3.34 0.32 0.68 0

2006 3.95 0 0.7 0.3
2007 4.95 0 0.033 0.966

Catatan:
1. Ambil 3 angka di belakang koma, tanpa
pembulatan
2. Warna merah menandakan hasil output yang
berupa rekomendasi keputusan
 Topik Khusus 1

LATIHAN SOAL:
Dalam suatu negara memiliki nilai INFLASI yang terdiri
dari range berikut:
Rendah GDP < 7
Sedang 7 <= GDP <= 12
Tinggi GDP > 12
Sebagai acuan range tersebut dikontrol pada nilai titik
10.
1. Gambarkan Membership Function
2. Tuliskan Perhitungan dari Membership Function
FIRE STRENGTH
Bulan Nilai Inflasi Rendah Sedang Tinggi
Januari 2006 16.03 %
Februari 2006 16.92 %
Maret 2006 15.74 %
April 2006 15.4 %
Mei 2006 15.6 %
Juni 2006 15.53 %
Juli 2006 15.15 %
Agustus 2006 14.9 %
September 2006 14.55 %
Oktober 2006 6.29 %
November 2006 5.27 %
Desember 2006 6.6 %
CONTOH SOAL (2):
Sebuah pabrik memproduksi sepatu setiap hari. Permintaan
sepatu dari distributor tidak tentu, kadang naik dan kadang turun.
Permintaan tertinggi pernah mencapai 5000 pasang/hari, dan
permintaan terkecil 1000 pasang/hari. Persediaan sepatu di
gudang juga bervariasi. Paling banyak mencapai 600
pasang/hari, dan sedikitnya mencapai 100 pasang/hari.
1. Gambarkan fungsi keanggotaan yang cocok untuk
permintaan dan persediaan sepatu.
2. Hitung fire strenght jika permintaan sepatu 4000 pasang
sepatu.
3. Hitung fire strenght jika persediaan di gudang 400 pasang
sepatu.
JAWAB:
Variabel fuzzy: Permintaan dan Persediaan
Permintaan ada 2 himpunan fuzzy: NAIK dan TURUN
JAWAB:
Persediaan ada 2 himpunan fuzzy: BANYAK dan SEDIKIT
JAWAB:
1. Jika permintaan = 4000 pasang sepatu, maka:
5000 4000
Turun (4000) = 4000
= 0,25

40001000
Naik (4000) = 4000
= 0,75

Jadi Permintaan 4000 pasang sepatu termasuk dalam

kategori Permintaan Naik
JAWAB:
2. Jika persediaan = 400 pasang sepatu, maka:
600 400
Sedikit (400) = 500
= 0,4

400100
Banyak (400) = 500
= 0,6

Jadi Persediaan 400 pasang sepatu termasuk dalam kategori

Persediaan Banyak
 FUNGSI KEANGGOTAAN HIMPUNAN FUZZY
(MEMBERSHIP FUNCTION)

Adalah suatu fungsi (kurva) yang menunjukkan pemetaan

titik-titik input data ke dalam nilai keanggotaannya
(derajat keanggotaan) yang memiliki interval antara 0
sampai 1.
Ada beberapa fungsi yang bisa digunakan :
1. Linier
2. Segitiga
3. Trapesium
4. Sigmoid
5. Phi
FUNGSI KEANGGOTAAN: FUNGSI LINIER

1.0 1.0

0 a b 0 a b
Domain Domain

Linier Naik Linier Turun

(x) = 0; x a
(x) = (b-x)/(b-a); a x b
(x-a)/(b-a); a x b
0; x b
1; x b
FUNGSI KEANGGOTAAN: SEGITIGA

1.0

0 a b c
Segitiga

(x) = 0; x a atau x c
(x-a)/(b-a); a x b
(c-x)/(c-b); b x c
FUNGSI KEANGGOTAAN: TRAPESIUM

1.0

0 a b c d
Trapesium

(x) = 0; x a atau x d
(x-a)/(b-a); a x b
1; b x c
(d-x)/(d-c); c x d
FUNGSI KEANGGOTAAN: SIGMOID

1.0

0 a b c
Sigmoid

(x;a,b,c)sigmoid = 0; x a
2 ((x - a)/(c - a))2; a x b
1 - 2((c - x)/(c - a))2; b x c
1; x c
FUNGSI KEANGGOTAAN: PHI

1.0

c-b c-b/2 c c+b/2 c+b

0
Phi

[x;a,b,c]phi = [x;c-b,c-b/2,c]sigmoid; x c
[x;c,c+b/2,c+b]sigmoid; x > c
OPERASI LOGIKA (OPERASI HIMPUNAN FUZZY)

Operasi logika adalah operasi yang mengkombinasikan

dan memodifikasi 2 atau lebih himpunan fuzzy.
Nilai keanggotaan baru hasil operasi dua himpunan
disebut firing strength atau predikat, terdapat 3 operasi
dasar pada himpunan fuzzy :
1. OR (Union)
2. AND (Intersection)
3. NOT (Complement)

<Intelligence System>
OR (Union)
Fuzzy union (): union dari 2 himpunan adalah maksimum
dari tiap pasang elemen element pada kedua himpunan
Contoh:
A = {1.0, 0.20, 0.75}
B = {0.2, 0.45, 0.50}

A B = {MAX(1.0, 0.2), MAX(0.20, 0.45), MAX(0.75, 0.50)}

= {1.0, 0.45, 0.75}

29
 OR (UNION)

Misal: Nilai keanggotaan umur 27 pada himpunan MUDA adalah

MUDA(27) = 0,6
Nilai keanggotaan 2 juta pada himpunan penghasilan TINGGI
adalah GAJITINGGI(2juta) = 0,8

Maka -predikat untuk usia MUDA atau berpenghasilan TINGGI

adalah nilai keanggotaan maksimum :
MUDA GAJITINGGI
= max[MUDA(27), GAJITINGGI(2juta)]
= max [0,6 ; 0,8]
= 0,8
AND (INTERSECTION)

Fuzzy intersection (): irisan dari 2 himpunan fuzzy

adalah minimum dari tiap pasang elemen pada kedua
himpunan.
Contoh:
A = {1.0, 0.20, 0.75}
B = {0.2, 0.45, 0.50}

A B = {MIN(1.0, 0.2), MIN(0.20, 0.45), MIN(0.75, 0.50)}

= {0.2, 0.20, 0.50}
AND (INTERSECTION)

Misal: Nilai keanggotaan umur 27 pada himpunan MUDA

adalah MUDA(27) = 0,6
Nilai keanggotaan 2 juta pada himpunan penghasilan
TINGGI adalah GAJITINGGI(2juta) = 0,8

Maka -predikat untuk usia MUDA atau berpenghasilan

TINGGI adalah nilai keanggotaan minimum :
MUDA GAJITINGGI
= min[MUDA(27), GAJITINGGI(2juta)]
= min [0,6 ; 0,8]
= 0,6
NOT (COMPLEMENT)

Komplemen dari variabel fuzzy dengan derajat

keanggotaan x adalah (1-x).
Komplemen ( _c): komplemen dari himpunan fuzzy
terdisi dari semua komplemen elemen.
Contoh:
A = {1.0, 0.20, 0.75}
B = {0.2, 0.45, 0.50}

Ac = {1 1.0, 1 0.2, 1 0.75} = {0.0, 0.8, 0.25}

33
NOT (COMPLEMENT)

Misal: Nilai keanggotaan umur 27 pada himpunan MUDA adalah

MUDA(27) = 0,6
Nilai keanggotaan 2 juta pada himpunan penghasilan
TINGGI adalah GAJITINGGI(2juta) = 0,8
Maka -predikat untuk usia TIDAK MUDA adalah:
MUDA(27) = 1 MUDA(27)
= 1 - 0,6
= 0,4
Maka -predikat untuk usia TIDAK BERGAJI TINGGI adalah:
GAJITINGGI(2juta) = 1 GAJITINGGI(2juta)
= 1 0,8
= 0,2

34
CONTOH
Misalkan nilai keanggotaan IP 3.2 pada himpunan IPtinggi adalah 0.7
dan nilai keanggotaan 8 semester pada himpunan LulusCepat
adalah 0.8 maka -predikat untuk IPtinggi dan LulusCepat:
AND
A B (x) = min [A(x), B (x)]
Iptinggi LulusCepat = min [Iptinggi(3.2), LulusCepat(8)]
= min [0.7,0.8]
= 0.7
OR
A B (x) = max [A(x), B (x)]
Iptinggi LulusCepat = max [Iptinggi(3.2), LulusCepat(8)]
= max [0.7,0.8]
= 0.8
NOT (Complement)
A(x) = 1 - A(x) B(x) = 1 - B(x)
IPtinggi = 1 - Iptinggi(3.2) LulusCepat = 1 - LulusCepat (8)
= 1 - 0.7 = 1 0.8
= 0.3 = 0.2
 1 1

A B

1 1 1

AB AB A
AB
AB
A