Pertemuan 1
Pertemuan 1
DOSEN PENGAMPU
DIAN PALUPI RINI
1
8/12/2017
SILABUS
Semester Ganjil Tahun Ajaran 2017/2018
SILABUS
• Pertemuan 1 : Pendahuluan • Pertemuan 2 : Himpunan
• Penjelasan tentang Silabus Fuzzy
• Pengantar sistem fuzzy : • Himpunan fuzzy vs himpunan
Computational Intelligence crisp,
• Pengenalan Sistem Fuzzy • Variabel fuzzy,
• Aplikasi logika fuzzy • Tinggi himpunan fuzzy,
• Domain,
• Semesta pembicaraan,
• Support set,
• α-cut set
2
8/12/2017
SILABUS
• Pertemuan 3 : Fungsi Keanggotaan
• Linear (naik & turun)
• Segitiga
• Sigmoid (S & Z)
• Gauss
• Beta
• Diskret
SILABUS
• Pertemuan 5 dan 6 : Sistem Inferensi Fuzzy (FIS)
• Penalaran monoton
• FIS: Metode Tsukamoto
• FIS: Metode Sugeno
• FIS: Metode Mamdani
3
8/12/2017
SILABUS
• Pertemuan 10 dan 11 : Basisdata fuzzy
• Model Tahani.
• Basisdata fuzzy model Umano
Pustaka :
•??
4
8/12/2017
Penilaian:
5
8/12/2017
Computational Intelligent
• Kecerdasan Komputasional (Computational Intellegent) adalah
pendekatan yang muncul untuk komputasi secara paralel yang
meniru kemampuan manusia seperti berpikir dan belajar dalam
suatu lingkungan dengan ketidakpastian.
• Kecerdasan Komputasional adalah sebuah pendekatan baru untuk
membangun sistem komputasi sistem cerdas yang bertujuan
membantu menyelesaikan permasahan manusia.
• Sistem cerdas ini diharapkan memiliki kemampuan seperti manusia
dalam spesifikasi tertentu, dapat beradaptasi secara mandiri dan
belajar agar lebih baik dalam kondisi lingkungan yang berubah, serta
dapat menjelaskan bagaimana keputusan itu diambil.
6
8/12/2017
7
8/12/2017
8
8/12/2017
9
8/12/2017
10
8/12/2017
11
8/12/2017
Tapi sebenarnya sejarah FL dimulai jauh sebelumnya yaitu ketika jaman Yunani Kuno. Aristotle dan
beberapa filsuf lainnya, dalam rangka menemukan teori logika dia mengemukakan hukum-hukum
yang disebut “Laws of Thought”.
Salah satu diantaranya adalah “Law of excluded Middle” yang menyatakan bahwa setiap
pernyataan (propotition) harus bernilai TRUE (T) atau FALSE (F). Bahkan ketika Parminedes
mengusulkan versi pertama dari hukum tersebut (400 BC) langsung mendapat pertentangan dari
Heraclitus yang menyatakan bahwa setiap pernyataan hanya bernilai TRUE dan NOT TRUE.
Pada saat itu Plato yang meletakkan pondasi bagi Fuzzy Logic, menyatakan bahwa ada daerah
ketiga (selain TRUE dan FALSE). Salah satu pernyataan alternatif yang berbeda dengan logika
dengan 2 nilai kebenaran (Aristotle) pertama kali dikemukakan oleh Lucasiewicz (1920). Dia
mengemukan logika dengan 3 nilai kebenararan beserta dengan penjelasan matematiknya. Nilai ke-
3 dia sebut dengan istilah “mungkin” (possible). Dan diberikan nilai numerik yaitu antara TRUE (1)
dan FALSE (0).
Selanjutnya Lucasiewicz mengemukakan tentang logika dengan 4 nilai kebenaran, 5 nilai kebenaran,
dan kemudian menyatakan bahwa logika memiliki nilai tak berhingga (infinite). Logika dengan 3
nilai dan logika dengan nilai tak berhingga yang paling menarik.
Tapi selanjutnya dia lebih memilih logika dengan 4 nilai kebenaran karena paling mudah
disesuaikan dengan logika Aristotle ( 2 nilai kebenaran). Juga perlu dicatat Knuth, juga menyatakan
logika dengan 3 nilai kebenaran hampir sama seperti Lucasiewicz. Knuth berspekulasi bahwa
matematik akan menjadi lebih nyaman jika dibandingkan secara tradisional dengan hanya 2 nilai
kebenaran.
TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA
Fuzzy Logic
• A class of students
(E.G. M.Sc. Students taking „Fuzzy Theory”)
• The universe of discourse : X
12
8/12/2017
Fuzzy Logic
Logika yang hanya berdasarkan atas 2 nilai kebenaran yaitu TRUE (1)
dan FALSE (0) kadang-kadang dirasakan kurang lengkap untuk
menyatakan logika berpikir manusia.
Teori Dasar
Crisp Logic
• Crisp logic is concerned with absolutes-true or false, there is no in-
between.
• Contoh:
Rule:
If the temperature is higher than 80F, it is hot; otherwise, it is not hot.
Kasus:
• Temperature = 100F
Hot
• Temperature = 80.1F
Hot
• Temperature = 79.9F
Not hot
• Temperature = 50F
Not hot
13
8/12/2017
HOT
False
0
80F Temperature
Bahasa Alami
• Contoh:
• Budi tinggi -- apa yg dimaksud tinggi?
• Budi sangat tinggi -- apa bedanya dengan tinggi?
14
8/12/2017
FUZZY LOGIC
Logical system yang mengikuti cara penalaran manusia yang
cenderung menggunakan ‘pendekatan’ dan bukan ‘eksak’
Sebuah pendekatan terhadap ketidakpastian yang
mengkombinasikan nilai real [0…1] dan operasi logika
Keuntungan Fuzzy:
• Mudah dimengerti
• Pemodelan matematik sederhana
• Toleransi data-data yang tidak tepat
• Dapat memodelkan fungsi-fungsi non liner yang kompleks
• Mengaplikasikan pengalaman tanpa proses pelatihan
• Didasarkan pada bahasa alami
29
TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA
Fuzzy vs Probabilitas
• Fuzzy Probabilitas
• - Probabilitas berkaitan dengan ketidakmenentuan
dan kemungkinan
- Logika Fuzzy berkaitan dengan ambiguitas dan
ketidakjelasan
• Contoh 1:
Billy memiliki 10 jari kaki. Probabilitas Billy memiliki 9 jari kaki
adalah 0. Keanggotaan Fuzzy Billy pada himpunan orang
dengan 9 jari kaki 0
• Contoh 2:
- Probabilitas botol 1 berisi air beracun adalah 0.5 dan 0.5
untuk isi air murni {mungkin air tersebut tidak beracun}
- Isi botol 2 memiliki nilai keanggotaan 0.5 pada himpunan air
berisi racun {air pasti beracun}
15
8/12/2017
Contoh: “Muda”
• Contoh:
• Ann 28 tahun, 0.8 pd himp “Muda”
• Bob 35 tahun, 0.1 pd himp “Muda”
• Charlie 23 tahun, 1.0 pd himp “Muda”
Fuzzy values
DOM
Degree of
Membership
Young Middle Old
1
0.5
0
25 40 55 Age
16
8/12/2017
33
TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA
17
8/12/2017
18
8/12/2017
1/4
An application example
One of the most interesting applications of fuzzy computing:
“FOREX” system.
1989-1992, Laboratory for International Fuzzy Engineering Research
(Yokohama, Japan) (Engineering – Financial Engineering)
To predict the change of exchange rates (FOReign EXchange)
~5600 rules like:
“IF the USA achieved military successes on the past day [E.G. in the
Gulf War] THEN ¥/$ will slightly rise.”
Inputs FOREX
(Observations) Prediction
19
8/12/2017
1/5
Another Example
¥/$
100
1/6
A complex problem
20
8/12/2017
Latihan Soal :
21