LAPORAN PRAKTIKUM KECERDASAN BUATAN:D,

FUZZY INFERENCE SYSTEM

Asisten : Dewa Gede Ardi Cahya Putra

Rachmad Agung Bagaskoro

Nama : Ahmad Lukman Maulana

NIM : 182410103015

PROGRAM STUDI INFORMATIKA

FAKULTAS ILMU KOMPUTER

UNIVERSITAS JEMBER

2019
 BAB 1
PENDAHULUAN

1.1 Tujuan
1. Mengerti cara kerja Fuzzy Inference System dengan menggunakan
metode Fuzzy Tsukamoto
1.2 Dasar Teori

Logika fuzzy merupakan salah satu pembentuk soft computing. Logika

fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965.
Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy,
peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu
himpunan sangatlah penting.

keanggotaan atau derajat keanggotaan atau membership function menjadi

ciri utama dari penalaran dengan logika fuzzy tersebut. (Kusumadewi &
Purnomo, 2010) Ada beberapa definisi logika fuzzy, diantaranya :

1. Logika fuzzy adalah logika yang digunakan untuk menjelaskan

keambiguan, logika himpunan yang menyelesaikan keambiguan. (Vrusias,
2008).

2. Logika fuzzy menyediakan suatu cara untuk merubah pernyataan

linguistik menjadi suatu numerik. (Synaptic, 2006).

Fuzzy Inference System Tsukamoto

1. Saat proses evaluasi aturan dalam mesin inferensi, metode fuzzy

Tsukamoto menggunakan fungsi implikasi MIN untuk mendapatkan nilai α-
predikat tiap-tiap rule (α1, α2, α3,.... αn). Masing-masing nilai αpredikat
digunakan untuk menghitung hasil inferensi secara tegas (crisp) masingmasing
rule (z1, z2, z3,.... zn).
 2. Proses defuzzyfikasi pada metode Tsukamoto menggunakan metode rata-
rata (Average) dengan rumus berikut:
 BAB 2
PEMBAHASAN

2.1 Langkah Kerja

Sebuah pabrik bangunan berhasil mencapai perminataan terbesar
sebanyak 7000 barang/hari, sedangkan permintaan minimum sebanyak
1000 barang/hari. Persediaan barang pada pabrik maksimal dapat
menampung 800 barang/hari dan titik terendahnya 200 barang/hari.
Dengan keterbatasan tersebut pabrik dapat memproduksi barang
maksimum sebanyak 9000 barang/hari dan minimalnya 3000
barang/hari.

Berapa bahan bangunan yang harus di produksi jika jumlah

permintaannya sebanyak 5000 barang/hari dan persediaan di gudang
terdapat 600 barang?

Berdasarkan studi kasus di atas selesaikan menggunakan fuzzy sugeno/

fuzzy tsukamoto

1. Fungsi Keanggotaan dari setiap variabel input yang terdiri dari 3

himpunan fuzzy (sedikit, sedang dan banyak)?

2. Tentukan Rule fuzzy?

3. Hitung Jumlah bahan bangunan yang harus di produksi

2.2 Hasil dan Pembahasan

1. Fungsi keanggotaan setiap variable
• Permintaan (1000,7000)
µPrtTinggi [5000] = 1 x ≥ 1000
7000 −5000
1000 ≤ x ≤ 7000
7000−1000

0 x ≤ 7000
 µPrtRendah [5000] = 0 x ≥ 1000
5000 −1000
1000 ≤ x ≤ 7000
7000−1000

1 x ≤ 7000

Nilai Keanggotaan Variabel Permintaan :

2000 1
µPrtTinggi[5000] = 6000 = 3 = 0,33

4000 2
µPrtRendah[5000] = 6000 = 3 = 0,66

• Persediaan (200,800)
µPrtTinggi [600] = 1 x ≥ 200
800 −600
200 ≤ x ≤ 800
800−200

0 x ≤ 800
µPrtRendah [600] = 0 x ≥ 200
600 −200
200 ≤ x ≤ 800
800−200

1 x ≤ 800

Nilai Keanggotaan Variabel Persediaan :

200 1
µPsdTinggi[600] = 600 = 3 = 0,33

400 2
µPsdRendah[600] = 600 = 3 = 0,66

• Produksi (3000,9000)
µPrdTinggi [z] = 1 z ≥ 3000
9000 −𝑧
3000 ≤ z ≤ 9000
9000−3000

µPrdRendah [z] =
0 z ≤ 9000
0 z ≥ 3000
600 −200
3000 ≤ z ≤ 9000
800−200

1 z ≤ 9000

Nilai Keanggotaan Variabel Persediaan :

 9000−z
µPrdTinggi[z] = 6000

𝑧− 9000
µPrdRendah[z] = 6000

Menghitung nilai keanggotaan (inferensi) anteseden (α-predikat)

dan nilai z untuk tiap rule fuzzy.

R1= min(0,66 ; 0,33) R2= min(0,66 ; 0,66)

= 0,33 (9000 – z) / 4000 = 0,66 (9000 – z) / 4000
= 7680 = 6360
R3=min(0,33 ; 0,33) R4=min(0,33 ; 0,66)
= 0,33 (z – 3000) / 6000 = 0,33 (z – 3000) / 6000
=1020 =1020
2. Fungsi aturan (rule) menggunakan metode MIN:

KODE Aturan/Rules
[R1] IF permintaan sedikit and persediaan banyak then
produksi menurun.
[R2] IF permintaan sedikit and persediaan sedikit then
produksi menurun.
[R3] IF permintaan banyak and persediaan banyak then
produksi bertambah.
[R4] IF permintaan banyak and persediaan sedikit then
produksi bertambah.

3. Jumlah bahan bangunan yang diproduksi

Tahap ini adalah tahap defuzzyfikasi merupakan proses konversi fuzzy
output menjadi crisp output. Pada defuzzyfikasi digunakan metode rata
– rata (Average) untuk mendapatkan nilai crisp output.

(α – Pred1 ∗ z1) + (α – Pred2 ∗ z2) + (α – Pred3 ∗ z3) + (α – Pred4 ∗ z4)

α – Pred1 + α – Pred2 + α – Pred4 + α – Pred4
 (0,33 𝑥 7680 +0,66 𝑥 6360+0,33 𝑥 1020+0,33 𝑥 1020)
= 0,33 + 0,66 + 0,33 + 0,33

= 4486

Jadi jumlah bahan bangunan yang harus diproduksi adalah 4486

 BAB 3

PENUTUP

Kesimpulan :

Metode Fuzzy Tsukamoto memiliki resiko error sebesar 39,03%.

Daripada metode Mamdani yang hanya memiliki resiko sebesar
19,76%. Karena metode Mamdani merupakan metode yang palit tepat
dan akurat,
 DAFTAR PUSTAKA

Ayuningtias, Laras Purwati., Irfan Mohammad., Jumaidi, 2017, Analisa

Perbandingan Logic Fuzzy Metode Tsukamoto, Sugeno, dan Mamdani.,
Jurnal Teknik Informatika, 10-11