Logika fuzzy bukanlah logika yang tidak jelas (kabur), tetapi logika
yang digunakan untuk menggambarkan ketidakjelasan.
Konsep Logika fuzzy mudah dimengerti, konsep matematika yang
mendasari sangat sederhana.
Logika Fuzzy sangat fleksibel
Memiliki toleransi terhadap data yang tidak tepat.
Mampu memodelkan model fungsi-fungsi non linier yang sangat
kompleks.
Dapat membangun dan mengaplikasikan pengalaman para pakar
secara langsung tanpa harus melalui proses pelatihan.
Fungsi karakteristik (µ) mendefenisikan apakah ada suatu unsur (x) dari
semesta pembicaraan yang merupakan anggota suatu himpunan (A) atau
bukan.
0
; x∈
/A
µA [x] =
1 ; x∈A
A = {(1, 1), (2, 1), (3, 0), (4, 0), (5, 1), (6, 0)}
0 0 0
35 umur 35 55 umur 55 umur
µ(x) µ(x)
1 1
0 0
a b domain a b domain
Fungsi keanggotaan
0 ; x≤a
1 ; x≤a
x − a
b − x
µ[x] = ; a≤x≤b µ[x] = ; a≤x≤b
b−a b − a
1 ; x≥b 0 ; x≥b
µ(x)
0
a b c domain
Fungsi keanggotaan
0
; x≤a
x−a
b−a
; a≤x≤b
µ[x] = c−x
; b≤x≤b
c−b
0 ; x≥c
µ(x)
0
a b c d domain
Fungsi keanggotaan
0 ; x≤a
x − a
; a≤x≤b
b−a
µ[x] = 1 ; b≤x≤c
d−x
; c≤x≤d
d−c
0
; x≥d
µ(x)
bahu kiri bahu kanan
1
0
a b c d e f domain
Fungsi keanggotaan
; x ≤ b
0
x−b
; b ≤ x ≤ c
0 ; x ≤ d
1 ; x ≤ a
c−b
c − x x − d
; a ≤ x ≤ c, ; d ≤ x ≤ f
µkr [x] = µ[x] = 1 ; c ≤ x ≤ d µkn [x] =
c−a f −d
e−x
; d ≤ x ≤ e 1 ; x ≥ 65
0 ; x ≥ c
e−d
0 ; x ≥ e
µA [x]c = 1 − µA [x]
Metode Tsukomoto
Metode Mamdani
α1
0 0 0
z1
var-1 var-2 var-3
0 0 0
z2
var-1 var-2 var-3
α1 z1 + α2 z2
Rata-rata Terbobot: z=
α1 + α2
Berapa kemasan makanan jenis ABC yang harus diproduksi, jika jumlah
permintaan sebanyak 4000 kemasan, dan persediaan di gudang masih 300
kemasan.
µ[x]
TURUN NAIK
1
0 permintaan
1000 5000
1 ; x ≤ 1000
0 ; x ≤ 1000
5000 − x x − 1000
µt [x] = ; 1000 ≤ x ≤ 5000 µn [x] = ; 1000 ≤ x ≤ 5000
4000
4000
0 ; x ≥ 5000 1 ; x ≥ 5000
µ[x]
TURUN NAIK
1
0.75
0.25
0 permintaan
1000 4000 5000
1 ; x ≤ 1000
0 ; x ≤ 1000
5000 − x x − 1000
µt [x] = ; 1000 ≤ x ≤ 5000 µn [x] = ; 1000 ≤ x ≤ 5000
4000
4000
0 ; x ≥ 5000 1 ; x ≥ 5000
µ[y]
SEDIKIT BANYAK
1
0 persediaan
100 600
1 ; y ≤ 100
0 ; y ≤ 100
600 − y x − 100
µs [y] = ; 100 ≤ y ≤ 600 µb [y] = ; 100 ≤ y ≤ 600
500 500
0 ; y ≥ 600 1 ; y ≥ 600
µ[y]
SEDIKIT BANYAK
1
0.6
0.4
0 persediaan
100 300 600
1 ; y ≤ 100
0 ; y ≤ 100
600 − y x − 100
µs [y] = ; 100 ≤ y ≤ 600 µb [y] = ; 100 ≤ y ≤ 600
500
500
0 ; y ≥ 600 1 ; y ≥ 600
µ[z]
BERKURANG BERTAMBAH
1
0 produksi
2000 7000
1 ; z ≤ 2000
0 ; z ≤ 2000
7000 − z z − 2000
µbk [z] = ; 2000 ≤ z ≤ 7000 µbt [z] = ; 2000 ≤ z ≤ 7000
5000
5000
0 ; z ≥ 7000 1 ; z ≥ 7000
Nilai z untuk setiap aturan menggunakan fungsi MIN pada fungsi aplikasi.
ATURAN 1:
7000 − z
µbk [z] = 0.25 = → z1 = 5750
5000
ATURAN 2:
7000 − z
µbk [z] = 0.25 = → z2 = 5750
5000
ATURAN 3:
z − 2000
µbt [z] = 0.4 = → z3 = 4000
5000
ATURAN 4:
z − 2000
µbt [z] = 0.6 = → z4 = 5000
5000
α1 z1 + α2 z2 + α3 z3 + α4 z4
z=
α1 + α2 + α3 + α4
diperoleh
3 Komposisi Aturan
Inferensi diperoleh dari kumpulan dan korelasi antar aturan.
Ada 3 macam: MAX, ADDITIVE (sum), dan probabilistik OR (probor).
4 Penegasan (defuzzy)
Input disini adalah suatu himpunan fuzzy yang diperoleh dari komposisi
aturan-aturan fuzzy, outputnya adalah nilai tegs (crisp).
Metode defuzifikasi: Centroid, Bisektor, Mean of Maximum (MOM), Largest of
maximum (LOM), Smallest of Maximum (SOM).
µsf [xi ] = ((µsf [xi ] + µkf [xi ]) − (µsf [xi ] × µkf [xi ]))
if biaya produksi RENDAH and permintaan NAIK then produksi barang BERTAMBAH
STANDAR NORMAL
if biaya produksi TINGGI and permintaan TURUN then produksi barang BERKURANG
KOMPOSISI (MAX)
Solusi crisp diperoleh dengan cara mengambil titik pusat (z ∗ ) daerah fuzzy.
Secara umum dirumuskan
Z n
X
zµ(z)dz zj µ(zj )
j=1
z ∗ = ZZ untuk variabel kontinu. z∗ = n untuk variabel diskret
µ(z)dz
X
µ(zj )
z
j=1
Output
z∗
Solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang
mempunyai nilai keanggotaan maksimum.
Secara umum dirumuskan
l Output
X
zj
j=1
z∗ =
l
z∗
Berdasarkan kasus pada Contoh 5, dengan rule dan bilangan fuzzy yang
sama. Gunakan metode Mamdani untuk mencari berapa kemasan
makanan jenis ABC yang harus diproduksi, jika jumlah permintaan
sebanyak 4000 kemasan, dan persediaan di gudang masih 300 kemasan.
0.4 0.25
0.25
0 0 0 0
4000 300
permintaan persediaan produksi barang
0 0 0 0
4000 300
permintaan persediaan produksi barang
0 0 0 0
4000 300
permintaan persediaan produksi barang
µ[z]
1
0.6
0.25
A1 A2 A3
0
a1 a2
Diperoleh fungsi
0.25 ; z ≤ 3250
z − 2000
µbt [z] = ; 3250 ≤ z ≤ 5000
5000
0.6 ; z ≥ 5000
Z 3250
3250
(0.25)z dz = 0.125z 2
M1 = = 1320312.5
0 0
Z 5000 z − 2000
M2 = z dz
3250 5000
Z 5000
5000
(0.0002z 2 − 0.4z)dz = 0.000067z 3 − 0.2z 2
= = 3187515.625
3250 3250
Z 7000
7000
(0.6)z dz = 0.3 z 2
M3 = = 7200000
5000 5000
Z 3250
3250
A1 = (0.25) dz = 0.25z = 812.5
0 0
Z 5000 z − 2000
A2 = dz
3250 5000
Z 5000
5000
(z/5000 − 0.4)dz = z 2 /10000 − 0.4z
= = 743.75
3250 3250
Z 7000
7000
A3 = (0.6) dz = 0.6 z = 1200
5000 5000
Jadi jumlah makan kaleng ABC yang harus diprosuksi sebanyak 4248
kemasan.
Berdasarkan kasus pada Contoh 5, dengan rule dan bilangan fuzzy yang
sama. Gunakan metode Sugeno untuk mencari berapa kemasan makanan
jenis ABC yang harus diproduksi, jika jumlah permintaan sebanyak 4000
kemasan, dan persediaan di gudang masih 300 kemasan.
Apabila proses produksi perusahaan tersebut menggunakan 4 aturan sebagai
berikut:
1 if permintaan TURUN and persediaan BANYAK
then barang = permintaan − persediaan
2 if permintaan TURUN and persediaan SEDIKIT
then produksi = permintaan
3 if permintaan NAIK and persediaan BANYAK
then produksi = permintaan
4 if permintaan NAIK and persediaan SEDIKIT
then produksi = 1.25 · permintaan − persediaan
Nilai z2 = 4000
Nilai z3 = 4000
α1 z1 + α2 z2 + α3 z3 + α4 z4
z=
α1 + α2 + α3 + α4
Jadi jumlah makan kaleng ABC yang harus diprosuksi sebanyak 4230
kemasan.