Tugas Kendali dan Sistem Cerdas

Studi Kasus Himpunan Fuzzy

Oleh,

Vini Indri Yani 157006061

JURUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNIK

UNIVERSITAS SILIWANGI

2018
 STUDY KASUS : PEMBERIAN BEASISWA
Sebuah perusahaan ternama di kota Tasikmalaya akan memberikan
beberapa beasiswa untuk mahasiswa di Universitas Siliwangi. Dengan cacatan
pintar dan berprestasi. Berikut merupakan beasiwa yang diberikan oleh
perusahan:

Golongan 1 : 2.000.000/tahun dengan nilai dari 5-15

Golongan 2 : 3.000.000/tahun dengan nilai dari 15-25

Golongan 3 : 4.000.000/tahun dengan nilai dari 25-35

Golongan 4 : 5.000.000/tahun dengan nilai dari 35-45

Berikut merupakan syarat untuk mendapat beasiswa tersebut

Jika nilai IP tinggi dan berprestasi maka termasuk golongan 4

Jika nilai IP tinggi dan tidak berprestasi mala termasuk golongan 3

Jika nilai IP sedang dan berprestasi maka termasuk golongan 2

Jka nilai IP kecil dan berprestasi maka termasuk golongan 1

Kasus : Vini Indri Yani merupakan mahasiswa Universitas Siliwangi

dengan nilai IP 3,82 dan cukup berprestasi diluar akademik terbukti dengan
mendapat juara 1 lomba menulis novela se-jawa barat dan juga berhasil
menerbitkan Novel “HIM” yang sebelumnya telah di rilis di wattpad sehingga
mendapatkan nilai prestasi sebesar 8. Berdasarkan data diatas Vini mendapat
beasiswa di golongan berapa?

IP[3,82]
Prestasi[9]
 Pembahasan
Berdasarkan kasus di atas, kita gunakan logika fuzzy untuk menyelesaikan
kasus tersebut. Setelah itu, bandingkan hasilnya menggunkan software MATLAB.
A. Menggunakan Logika Fuzzy
Berikut langkah-langkah yang dapat dilakukan untuk menyelesaikan
kasus di atas dengan menggunkan logika fuzzy. Kita akan bagi menjadi lima
tahapan, yaitu sebagai berikut:
1. Membuat himpunan fuzzy dan input fuzzy
2. Menerapkan operator fuzzy
3. Menerapkan fungsi implikasi
4. Mengkomposisikan semua output
5. Defuzzyfication
Berikut penjelasan dari langkah-langkah diatas
1) Membuat himpunan fuzzy dan input fuzzy
Pada tahap ini, kita akan menggambarkan setiap variabel fuzzy ke
dalam himpunan fuzzy. Pada contoh kasus diatas, kita mengasumsikan
akan membangun himpunan fuzzy sebagai berikut:
IP : tinggi, sedang dan rendah
Prestasi : berprestasi dan tindak berprestasi.
Golongan : 1, 2, 3, 4

Berikut merupakan ketentuan dari himpunan IP

IP Tinggi : IP 3,4 – 4,0
IP Sedang : IP 2,75-3,5
IP rendah : IP 0-2,9

IP dan Prestasi merupakan input sedangkan output berupa uang

Golongan beasiswa dengan kategori Golongan 1, Golongan 2
Golongan 3 and Golongan 4.

Mari kita petakan tiap-tiap input dan output ke dalam suatu fungsi
keanggotaan tertentu.

Dimulai dengan menghitung derajat keanggotaan IP

 1
0.8
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 4

Rendah Sedang Tinggi

Gambar 01. Grafik fungsi himpunan IP

Pada kasus di atas Vini mendapatkan IP 3,82. Nilai 3,82 ini akan
menjadi patokan awal untuk mencari derajat keanggotaan dari tiap-
tiap input. Berikut grafik dan perhitungan inputan IP

Gambar 02. Nilai input IP untuk mengetahui derajat keanggotaan

𝒄−𝒂
Rumus mencari derajat keanggotaan adalah 𝝁𝒕𝒊𝒏𝒈𝒈𝒊 [𝑪] = 𝒃−𝒂
3,82−3,4 0,42
𝜇𝑡𝑖𝑛𝑔𝑔𝑖 [3,82] = = = 0,7
4−3,4 0,6

Dengan demikian dapat disimpulkan himpunan fuzzy untuk input IP

adalah sebagai berikut:

𝜇𝑟𝑒𝑛𝑑𝑎ℎ [3,82] = 0 karena titik IP[3,82] tidak memotong garis rendah

𝜇𝑠𝑒𝑑𝑎𝑛𝑔 [3,82] = 0 karena titik IP[3,82] tidak memotong garis sedang

𝜇𝑡𝑖𝑛𝑔𝑔𝑖 [3,82]= 0,7

Selanjutnya kita menghitung derajat keanggotaan untuk prestasi

 1

0.5

0
0 1 2 3 4 5 6 7 8 9 10

tidak-berprestasi berprestasi

Gambar 03. Grafik fungsi himpunan prestasi

Inputan untuk himpunan prestasi adalah 9. Berikut grafik dan

perhitungannya.

Gambar 04. Nilai input prestasi untuk mengetahui derajat keanggotaan

𝒄−𝒂
Rumus mencari derajat keanggotaan adalah 𝝁𝒕𝒊𝒏𝒈𝒈𝒊 [𝑪] = 𝒃−𝒂
9−5 4
𝜇𝑝𝑟𝑒𝑠𝑡𝑎𝑠𝑖 [9] = 10−5 = 5 = 0,8
Kumpulkan derajat keanggotaan prestasi
𝜇𝑡𝑖𝑑𝑎𝑘 𝑝𝑟𝑒𝑠𝑡𝑎𝑠𝑖 [9] = 0
𝜇𝑝𝑟𝑒𝑠𝑡𝑎𝑠𝑖 [9] = 0,8

2) Menerapkan Operator Fuzzy

𝜇𝑟𝑒𝑛𝑑𝑎ℎ [3,82] = 0 karena titik IP[3,82] tidak memotong garis rendah
𝜇𝑠𝑒𝑑𝑎𝑛𝑔 [3,82] = 0 karena titik IP[3,82] tidak memotong garis sedang
𝜇𝑡𝑖𝑛𝑔𝑔𝑖 [3,82]= 0,7
𝜇𝑡𝑖𝑑𝑎𝑘 𝑝𝑟𝑒𝑠𝑡𝑎𝑠𝑖 [9] = 0 s
𝜇𝑝𝑟𝑒𝑠𝑡𝑎𝑠𝑖 [9] = 0,8
 Setelah memeroleh derajat keanggotaan untuk tiap-tiap input,
langkah selanjutnya adalah menerapkan operator-operator logika.
Dalam hal ini, kita akan bekerja sesuai dengan aturan IF-THEN yang
telah ditetapkan sebelumnya. Sedikit mengulang, berikut adalah
aturan yang telah ditetapkan sebelumnya:
 Jika nilai IP tinggi dan berprestasi maka termasuk golongan 4
 Jika nilai IP tinggi dan tidak berprestasi mala termasuk
golongan 3
 Jika nilai IP sedang dan berprestasi maka termasuk golongan 2
 Jka nilai IP kecil dan berprestasi maka termasuk golongan 1
Penggunaan logika dan, atau AND mengindikasikan pemakaian
fungsi Min dalam perhitungan, yaitu mencari nilai yang paling kecil.
Masukan derajat keanggotan input pada setiap aturan. Tabel di bawah
ini merupakan nilai yang akan digunakan pada proses selanjutnya.
Nilai yang dihasilkan pada tahap ini akan digunakan untuk mencari
daerah implikasi pada output.
Aturan

IF IP tinggi AND berprestasi THEN Golongan Gol 4

1
α 1=min(𝜇𝑡𝑖𝑛𝑔𝑔𝑖 [3,82], 𝜇𝑝𝑟𝑒𝑠𝑡𝑎𝑠𝑖 [9] ) = min(0.7, 0.8) = 0.7

2 IF IP tinggi AND tidak berprestasi THEN Golongan Gol 3

α 2=min(𝜇𝑡𝑖𝑛𝑔𝑔𝑖 [3,82], 𝜇𝑡𝑖𝑑𝑎𝑘𝑝𝑟𝑒𝑠𝑡𝑎𝑠𝑖 [9] ) = min(0.7, 0) = 0

IF IP sedang AND berprestasi THEN Golongan Gol 4

3
α 3=min(𝜇𝑠𝑒𝑑𝑎𝑛𝑔 [3,82], 𝜇𝑝𝑟𝑒𝑠𝑡𝑎𝑠𝑖 [9] ) = min(0, 0) = 0

IF IP rendah AND berprestasi THEN Golongan Gol 4

4 α 4=min(𝜇𝑟𝑒𝑛𝑑𝑎ℎ [3,82], 𝜇𝑝𝑟𝑒𝑠𝑡𝑎𝑠𝑖 [9] ) = min(0, 0) = 0

Tabel 1. Proses penerapan operator logika berdasarkan aturan IF-THEN

3) Menerapkan fungsi implikasi
 1

0.8
Gol1
0.6
Gol2
0.4
Gol3
0.2 Gol4

0
0 5 10 15 20 25 30 35 40 45
Gambar 05. Grafik himpunan golongan

Hasil perhitungan pada tabel sebelumnya masukan pada grafika

himpunan golongan atau bisa dikataka proses implikasi pada daerah
ouput.

Gambar 06. Proses implikasi pada output

Pada gambar di atar dapat diketahui hanya α1 yang memotong

suatu fungsi, yakni fungsi Gol4. Titik-titik potong ini selanjutnya
ditarik turun untuk dicari nilainya pada sumbu-X. Ini adalah kebalikan
dari proses sebelumnya. Dengan mengetahui persamaan garis yang
memotong fungsi Gol4, maka nilai sumbu-X dengan sangat mudah
dapat diketahui
 Gambar 07. Mencari koordinat sumbu-x pada fungsi Gol4

Aturan 1
α1=0,7
𝑥−35
0,7=40−35 = 0,75*5 = x - 35

 3,5 = x-35
 3,5+35=x
 38,5 = x
Atau
45−𝑥
0,7 = 45−40 = 0,75*5 = 45 – x

 3,5 = 45 - x
 3,5 – 45 = - x
 -41,5 = - x
 41,5 = x

Proses implikasi telah selasai sampai ditemukannya titik-tik

implikasi. Setelah memperoleh titik-titik ini, pembahasan dapat kita
lanjutkan ke langkah keempat, yaitu memadukan daerah implikasi
kita. Mari kita bahas pada halaman berikutnya

4) Mengkomposisikan semua output

Komposisi dari semua output. Terdapat satu buah trapesium.
Berikut merupaka persamaan di tiap-tiap garis ruasnya.
 Gambar 08. Hasil implikasi daerah ouput.

Setelah memperoleh daerah implikasi, kita akan melakukan

langkah terakhir yaitu defuzzy-fikasi.
X ≤ 10 atau x ≥ 45
0,
𝑋−35 35 ≤ x ≤ 38.5
40−35
𝜇𝑆𝐹[𝑍] = 38.5 ≤ x ≤ 41.5
0,7
45−𝑋
{45−40 41.5 ≤ x ≤ 45

Langkah selanjutnya lakukan defuzzyfication

5) Defuzzyfication
Defuzzyfikasi merupakan langkah akhir untuk menemukan output
fuzzy. Hasil akhir berupa angka yang menunjuka golonga.
Ada berbagai metode yang dapat digunakan pada proses
defuzzyfikasi, untuk kasus ini kita menggunakan metode mencari
pusat(centroid) dari hasil komposisi output yang kita peroleh. Berikut
merupakan rumus matematikanya :

Langkah merupakan langkah-langkah untuk mencari nilai output

menggunakan metode centroid
a) Mencari alas

Gambar 09. Pembagian daerah implikasi

Kita bagi daerah yang implikasi menjadi beberapa bagian,

seperti pada gambar di atas. Daerah di atas menjadi beberapa tiga
bagian dua segi tiga dan satu persegi panjang. Maka lakukanlah
perhitungan luas setiap daerah.
1
A1 = Segitiga = 2 alas*tinggi
1
= 2 (38,5-35)*0,7

= 1,75*0,7
= 1.225
A2 = Persegi panjang = panjang*lebar
= (41,5 – 38,5)*0,7
= 3*0,7
= 2,1
1
A3 = Segitiga = 2 alas*tinggi
1
= 2(45-41,5)*0,7

= 1,75*0,7
= 1,225
b) Mencari momen
𝑋−35
: 0,2x – 7 35 ≤ x ≤ 38.5
40−35
 45−𝑋
: 9 – 02x 41.5 ≤ x ≤ 45
45−40
38,5
M1 = ∫35 (0,2𝑧 − 7)𝑧 𝑑𝑧
38,5
= ∫35 (0,2𝑧 2 − 7𝑧) 𝑑𝑧

= 0,0667z 3 − 3,5𝑧 2 ] 38,5

35

= ((0,0667(38,5)3 - 3,5(38,5)2 ) – (0,0667(35)3 - 3,5(35)2 ))

= (3806,34 – 5187,87) – (2859.76 - 4287,5)
= -1381,53 – (-1427,74)
= 46,21
41,5
M2 = ∫38,5 (0,7)𝑧 𝑑𝑧
41,5
= ∫38,5 (0,7𝑧) 𝑑𝑧

= 0,35𝑧 2 ]41,5
38,5

= (0,35(41,5)2 – 0,35(38,5)2 )
= 602,78-518,78
= 84
45
M3 = ∫41,5(9 − 0,2𝑧)𝑧 𝑑𝑧
45
= ∫41,5(9𝑧 − 0,2𝑧 2 )𝑧 𝑑𝑧

= 4,5𝑧 2 − 0,0667z 3 ] 45
38,5

= ((4,5(45)2 − 0,0667(45)3) – ( 4,5(41,5)2 − 0,0667(41,5)3 ))

= ((9112,5 – 6078,03) – (7750,12 – 4767,27))
= (3034,47 – 2982,85)
= 51,62
c) Mencari nilai pusat
(𝑀1+𝑀2+𝑀3)
𝑍∗ = (𝐴1+𝐴2+𝐴3)
(46,21+84+51,62)
= (1,225+2,1+1,225)
181,83
= 4,5

= 40,40
= 40 (Di bulatkan karena di belakang ,’koma’ kurang dari 5 maka
dibulatkan ke bawah sehingga nilai outputnya menjadi 40)
Hasil dari perhitungan menggunakan logika fuzzy Vini Indri Yani
mendapat nilai 40 yang artinya dia termasuk golongan 4 atau
mendapat beasiswa Rp. 5.000.000/tahun.
B. Menggunakan software MATLAB
Disini saya menggunakan MATLAB R2010B. Hal pertama yang kita
lakukan dalah membuka MATLAB

Gambar 10. Tampilan awal MATLAB

Pengolahan logika fuzzy pada MATLAB dilakukan di FIS Editor,

untuk masuk ke FIS Editor kita hanya perlu mengetik syntak Fuzzy di
command window maka akan muncul tampilan seperti di bawah ini.

Gambar 11. Halaman FIS EDITOR

 Ketika halaman tersebut muncul kita lihat pada kasus di atas
terdapat 2 input maka hal pertama yang harus di lakukan adalah
menambahkan input dengan cara klik Edir  Variabel  Input

Gambar 12. Menambahkan variabel

Setelah kita menambahkan input, ganti name input dan output

sesuai kasus.

Gambar 13. Menganti nama input dan output

Langkah selanjutnya adalah menentukan fungsi keanggotaan dari

input dan output fuzzy. Mari kita lakukan perubahan pada input IP
terlebih dahulu. Klik-lah dua kali pada kotak kuning IP. Selanjutnya
 akan muncul jendela Membership Function Editor seperti pada
gambar di bawah ini.

a) Mengatur parameter pada input dan output

Gambar 14. Mengatur membership function

Pada Jendela ini, pastikan saat ini kotak kuning IP maih

aktif(ditandai dengan garis merah tebal). Klik-lah garis mf1, dan
ubahlah parameter dibawahnya sesuai ketentuan himpunan IP atau
seperti di bawah ini :

mfl params : [2.75 3.1 3.5]

range : [0 – 4,0] mf3
name : IP rendah range : [0 – 4,0]
type : trimf name : IP tinggi
params : [-2.9 0 2.9] type : trimf
params : [3.4 4 5]
mf2
range : [0 – 4,0]
name : IP sedang
type : trimf

Setelah mengganti mf1, mf2, mf3 sesuai dengan parameter di atas

maka akan menghasilkan grafik seperti berikut
 Gambar 15. Grafik input IP

Langkah berikutnya lakukan proses seperti di atas pada input

prestasi dan output.
Di bawah ini merupakam parameter untuk input prestasi
mfl mf2
range : [0 – 10] range : [0 – 10]
name : tidak-berprestasi name : berprestasi
type : trimf type : trimf
params : [-6 0 6] params : [5 10 10]

Setelah mengubah parameter mf sesuai dengan data di atas maka akan

menghasilkan grafik seperti dibawah ini.

Gambar 16. Grafik input prestasi

Mengubah mf pada output Golongan dengan parameter dibawah ini.
mfl mf3
range : [0 – 45] range : [0 – 45]
name : Gol1 name : Gol3
type : trimf type : trimf
params : [5 10 15] params : [25 30 35]

mf2 mf4
range : [0 – 45] range : [0 – 45]
name : Gol2 name : Gol4
type : trimf type : trimf
params : [15 20 25] params : [35 40 45]

Untuk menambahkan mf lakukan langkah berikut Edit  Add MFS

Gambar 17. Menambahkan mf

Setelah mengatur mf seperti di parameter di atas maka akan
menghasilkan grafik seperti di bawah ini.

Gambar 18. Grafik golongan

b) Membuat Rules
Rules yang digunakan merupakan peraturan IF-Then yang
telah di tentukan sebelumnya.
Rules :
Jika nilai IP tinggi dan berprestasi maka termasuk golongan 4
Jika nilai IP tinggi dan tidak berprestasi mala termasuk golongan 3
Jika nilai IP sedang dan berprestasi maka termasuk golongan 2
Jka nilai IP kecil dan berprestasi maka termasuk golongan 1
Langakah untuk mebuat rules dengan cara Edit  Rules

Gambar 19. Halaman awal rule

Gambar di atas merupakan halaman awal Rules, kemudian

atur rules sesuai aturan yang telah ditentukan

Gambar 20. Rule yang digunakan

 Setelah mengatur Rule kita lihat Rules dalam bentuk grafik
dengan cara View  Rules

Gambar 21. Cara melihat Rules

Berikut hasil dari tampilan Rules dengan inputan [3,82 9]

Gambar 22. Hasil rules dengan inputan

Dari gambar dapat disimpulkan jika inputan [3,82 9] maka

akan memiliki nilai 40 yang artinya masuk ke dalam golongan 4
atau mendapat beasiswa sebesar Rp. 5.000.000/tahun.
 Kesimpulan : Dari pembahasan di atas diketahui penyelesaian
kasus secara manual/menggunakan logika fuzzy relatif lebih panjang dan
rumit. Sementara penyelesaian kasus menggunakan MATLAB jauh lebih
singkat dan mudah.
Penyelesaian menggunakan logika fuzzy dan MATLAB memiliki
hasil yang sama yaitu 40 yang artinya Vini Indri Yani termasuk golongan
4 atau mendapatkan beasiswa sebesar 5.000.000/tahun.