8/12/2017

LOGIKA SAMAR (FUZZY LOGIC)

PENDAHULUAN

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

DOSEN PENGAMPU
DIAN PALUPI RINI

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

1
 8/12/2017

SILABUS
Semester Ganjil Tahun Ajaran 2017/2018

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

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

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

2
 8/12/2017

SILABUS
• Pertemuan 3 : Fungsi Keanggotaan
• Linear (naik & turun)
• Segitiga
• Sigmoid (S & Z)
• Gauss
• Beta
• Diskret

• Pertemuan 4 : Operator - Operator fuzzy

• Operator-operator dasar Zadeh;
• Operator-operator pengganti.

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

SILABUS
• Pertemuan 5 dan 6 : Sistem Inferensi Fuzzy (FIS)
• Penalaran monoton
• FIS: Metode Tsukamoto
• FIS: Metode Sugeno
• FIS: Metode Mamdani

Pertemuan 7 dan 8 : Fuzzy Clustering

• Ukuran-ukuran fuzzy.
• Fuzzy C-Mean (FCM)
• Fuzzy subtractive clustering

• Pertemuan 9 : Ujian Tengah Semester

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

3
 8/12/2017

SILABUS
• Pertemuan 10 dan 11 : Basisdata fuzzy
• Model Tahani.
• Basisdata fuzzy model Umano

• Pertemuan 12 dan 13 : Advanced topic on Fuzzy System

• Pertemuan 14 dan 15 : Tugas Besar
• Pertemuan 16 : Ujian Akhir Semester

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

Pustaka :

•??

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

4
 8/12/2017

Penilaian:

• Quiz : 15% (± 3x)

• Tugas : 30% (minimal 7x + 1 Tugas Besar )
• Ujian Tengah Semester : 25 %
• Ujian Akhir Semester : 30%

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

Pengantar Fuzzy System

Computational Intelligence

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

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.

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

Paradigma Computational Intelligence

• Kecerdasan Komputasional terdiri dari tiga paradigma komputasi,

yaitu: Neural Network System, Fuzzy Logic, dan Genetic Algorithm.
• Soft-Computing adalah kolokasi untuk bidang yang sama dengan CI
yang diperluas dengan Probabilistic Reasoning, Swarm Intelligence,
dan sebagian Chaos Theory serta Artificial Immune System.
• Sehingga Computational Intelligence sering disamakan dengan
Softcomputing

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

6
 8/12/2017

Paradigma Computational Intelligent dan SoftComputing

• Artificial neural networks (NN),

• Evolutionary computation (EC),
• Swarm intelligence(SI),
• Artificial immune systems
(AIS),
• Fuzzy systems (FS).
• In addition to CI paradigms,
Probabilistic methods are
frequently used together with
CI techniques

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

Paradigma Computational Intelligent

Masing-masing paradigma CI menirukan sistem biologis yang ada dialam
• Jaringan Syaraf Tiruan dapat mengidentifikasi sistem, belajar, dan beradaptasi
yang meniru system otak manusia
• Genetic Algorithm lebih ditekankan untuk systematized random search dan
optimasi yang meniru evolusi dan seleksi alam (Termasuk genetic).
• Swarm intelligence (SI) untuk systematized random search dan optimasi yang
meniru prilaku social dari mahluk hidup yang ada dalam sebuah kelompok atau
koloni
• Artificial immune systems (AIS) untuk systematized random search dan optimasi
yang meniru system imunitas manusia
• Fuzzy Logic adalah sebuah metode untuk komputasi dengan menggunakan kata-
kata
• Probabilistic Reasoning untuk mengambil suatu keputusan

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

7
 8/12/2017

Paradigma Computational Intelligent

• Metode-metode di atas sebenarnya telah ada jauh sebelum
Kecedasan Komputasional dirumuskan.
• FL telah berkembang sejak tahun 1965.
• Konsep-konsep dasar Neural Network System telah digali sejak tahun
1940-an.
• Probabilistic Reasoning juga bukanlah hal yang baru sama sekali,
• dasar-dasar Genetic Algorithm telah digali oleh John Holland pada
pertengahan tahun 1970-an.
• Oleh karena itu, Zadeh menyebut Kecedasan Komputasional sebagai
reinkarnasi dari metode-metode di atas.

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

Paradigma Computational Intelligent

• Masing-masing metode ini mempunyai kelebihan tersendiri.

• Integrasi dari beberapa metode ini membentuk inti dari Kecedasan
Komputasional.
• Sinergi ini menjadikan Kecedasan Komputasional menggabungkan
pengetahuan manusia secara efektif, bekerja dengan baik dalam
ketidakakuratan dan ketidakpastian, dan dapat belajar beradaptasi
terhadap lingkungan yang berubah dan tak diketahui sebelumnya
untuk kemampuan yang lebih baik.

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

8
 8/12/2017

• soft-computing dapat bekerja dengan baik walaupun terdapat ketidakpastian,

ketidakakuratan maupun kebenaran parsial pada data yang diolah dan
merupakan low cost solution, robust (sangat unggul), praktis dan mudah
direalisasikan. Hal inilah yang melatarbelakangi fenomena dimana kebanyakan
metode Kecerdasan Komputasional mengambil human-mind sebagai model.
(Lotfi A. Zadeh)
• Berbeda dengan pendekatan konvensional hard-computing, Hard computing
membuat model dan pencarian masalah masih menggunakan metode analitis
dan numeris (tradisional)
• Contoh dari hard computing adalah software untuk melakukan perhitungan
matriks, persamaan linier atau persamaan matematis lain. Atau beberapa
aplikasi yang digunakan untuk menyelesaikan masalah tertentu di dalam kondisi
real kehidupan.

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

Paradigma Computational Intelligent

• Kecedasan Komputasional bukan merupakan metode tunggal karena

dalam menghadapi masalah komputasi dunia nyata ini, sering kali
sangat menguntungkan untuk mensinergikan beberapa teknik
komputasi dari pada digunakan secara terpisah.
• Ciri khas dari Kecerdasan Komputasional ini adalah penekanan
pada penggabungan yang saling menguntungkan dari berbagai
metode yang ada, lebih lanjut gagasan ini disebut Kecedasan
Komputasional Hibrid yang saling mendukung.

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

9
 8/12/2017

Kecerdasan Komputasional Hibrid

• Keunggulan yang diperoleh dari penggabungan metode-metode itu

lebih ditekankan daripada keunggulan individual salah satu
daripadanya.
• Kekurangan satu metode akan ditutup dengan kelebihan metode
yang lain.
• Keunggulan satu metode disumbangkan, sehingga segi-segi positif
dari metode yang ada tersebut dapat dimanfaatkan secara optimal.
• Tiap metode memiliki segi positif yang dapat disumbangkan secara
komplementer, menutupi kekurangan dari metode yang lain.

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

Contoh Kecerdasan Komputasional Hibrid

• Neuro-Genetic, dimana Genetic Algorithm biasanya dimanfaatkan untuk

menentukan struktur yang optimal dari suatu Neural Network System.
• Neuro-Fuzzy, adalah jaringan syaraf tiruan yang dapat mengenali pola dan
beradaptasi untuk mengatasi perubahan lingkungan dan fuzzy inference
system yang dapat menggabungkan pengetahuan manusia, menarik
kesimpulan, dan membuat keputusan.
• Selama beberapa tahun belakangan ini jumlah dan variasi dari
aplikasi Fuzzy Logic dan Neural Network System tumbuh dengan cepat,
antara lain aplikasi pada sistem pendukung keputusan dan pasar
finansial. Hal ini bertujuan untuk menyelesaikan masalah dunia nyata
dalam mengambil keputusan, pemodelan, dan kontrol

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

10
 8/12/2017

Pengenalan Fuzzy System

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

History of fuzzy theory

• Fuzzy sets & logic: Zadeh 1964/1965-
Fuzzy sets dan Fuzzy Logic (FL) diperkenalkan pada tahun 1965 oleh Lotfi A.
Zadeh, seorang Profesor di bidang ilmu komputer, Universitas California,
Berkeley. FL dipakai untuk menyatakan data atau informasi yang bersifat tidak
pasti atau samar.

• Fuzzy algorithm: Zadeh 1968-(1973)-

Paper zadeh tahun 1968 Menjelaskan konsep dasar dari fuzzy yang disebut
algoritma fuzzy. Kemudian pada tahun 1973 zadeh menjelaskan konsep Linguistic
Variable dalam algoritma fuzzy yang dipakai hingga saat ini.

• Fuzzy control by linguistic rules: Mamdani & S. Assilian . ~1975-

Mengembangkan pengendali untuk pabrik industri model (mesin uap), logika fuzzy
digunakan untuk mengubah alat pengendali heuristik yang dinyatakan oleh
operator manusia ke dalam strategi pengendalian otomatis.
TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

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

• “Who does have a driver’s licence?”

• A subset of X = A (Crisp) Set
• (X) = CHARACTERISTIC FUNCTION
1 0 1 1 0 1 1

• “Who can drive very well?”

(X) = MEMBERSHIP FUNCTION

0.7 0 1.0 0.8 0 0.4 0.2

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

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.

Sehingga dikembangkan logika yang tidak hanya bernilai 0 atau 1 tapi

menggunakan logika yang punya interval nilai antara [0,1] yang disebut
dengan logika samar (Fuzzy logic).

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

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

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA 26

13
 8/12/2017

Fungsi Keanggotaan untuk crisp logic

True

HOT
False

0
80F Temperature

If temperature >= 80F, it is hot (1 or true);

If temperature < 80F, it is not hot (0 or false).
• Fungsi keanggotaan dari crisp logic gagal membedakan antar
member pada himpunan yang sama
• Ada problem-problem yang terlalu kompleks untuk didefinisikan
secara tepat
27
TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

Bahasa Alami

• Contoh:
• Budi tinggi -- apa yg dimaksud tinggi?
• Budi sangat tinggi -- apa bedanya dengan tinggi?

• Bahasa alami tidak mudah ditranslasikan ke nilai absolut 0 and 1.

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA 28

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}

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA 30

15
 8/12/2017

Contoh: “Muda”
• Contoh:
• Ann 28 tahun,
• Bob 35 tahun,
• Charlie 23 tahun,
0.8 pd himp “Muda”
0.1 pd himp “Muda”
1.0 pd himp “Muda”

• Tidak seperti statistik dan probabilitas, derajat tidak

menggambarkan probabilitas objek tersebut pada himpunan,
tetapi menggambarkan taraf/tingkat keanggotaan objek pada
himpunan

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA 31

Fungsi Keanggotaan Logika Fuzzy

Fuzzy values
DOM
Degree of
Membership
Young Middle Old
1

0.5

0
25 40 55 Age

Nilai Fuzzy berasosiasi dengan derajat keanggotaan pada himpunan

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA 32

16
 8/12/2017

Crisp set vs. Fuzzy set

A traditional crisp set A fuzzy set

33
TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

Crisp set vs. Fuzzy set

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA 34

17
 8/12/2017

Contoh: Crisp Set

Orang dengan tinggi 150cm maka ia
tergolong sedang (sedang[150]=1)

Orang dengan tinggi 150cm maka ia

tergolong tidak tinggi (tinggi[150]=0)

Orang dengan tinggi 165cm kurang 2mm

maka ia tergolong tidak tinggi
(tinggi[165-2mm]=0)

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA 35

Contoh: Himpunan Fuzzy

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA 36

18
 8/12/2017

Contoh aplikasi dibidang fuzzy

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

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

Fuzzy Inference Engine

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

19
 8/12/2017

1/5

Another Example
¥/$
100

1993 1994 1995 Time

What is fuzzy here?
- What is the tendency of the ¥/$ exchange rate?
“It’s MORE OR LESS falling” (The general tendency is “falling”, there’s
no big interval of rising, etc.)
- What is the current rate?
Approximately 88 ¥/$  Fuzzy number
- When did it first cross the magic 100 ¥/$ rate? SOMEWHEN in mid
1995
TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

1/6

A complex problem

Many components, very complex

system. Can AI system solve it?
Not, as far as we know. But WE
can.
Our car, save fuel, save time, etc.

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

20
 8/12/2017

Latihan Soal :

Buat grup diskusi berisi 3-4 orang, kemudian berikan gambaran

masalah sehari-hari yang bisa memiliki nilai fuzzy. Tentukan
variable dan nilai-nilai derajat keanggotaannya jika dinyatakan
secara crisp dan fuzzy.

TEKNIK INFORMATIKA UNIVERSITAS SRIWIJAYA

21