Tugas LO 2 Kecerdasan Buatan

Ringkasan KOL Cerbu B05

Nama = Ariel Nathania Winata

NIM = 18/429055/TK/47557

Pada bab ini, dijelaskan mengenai jalannya fuzzy logic yang dilengkapi dengan sebuah
ilustrasi. Pada ilustrasi ini dicontohkan kita akan menentukan nilai akhir dari komponen nilai
x1 = 6 dan x2 = 8 dimana nilai x1 lebih tinggi dari x2. Dari sini sudah terlihat bahwa sistem fuzzy
yang digunakan adalah MISO, yaitu 2 masukan (x1 dan x2), serta 1 keluaran (y). Dimisalkan
ada x1 maupun x2 memiliki 2, yaitu L dan H dengan fungsi keanggotaan segitiga seperti
gambar berikut ini:

Dari gambar terlihat bahwa fuzzifier yang digunakan keduanya adalah singleton. Untuk
keluarannya, dimisalkan ada 4 partisi, yaitu N1, N2, N3, dan N4 dengan fungsi keanggotaan
segitiga seperti gambar berikut ini:

Setelah ada operasi fuzzy hampir dipastikan akan berubah, kemudian dapat dilakukan
perhitungan untuk mencari nilai y* yang merupakan crisp output hasil defuzzifier. Banyaknya
aturan atau banyaknya partisi keluaran maksimal disajikan dalam tabel dan list dibawah ini :

Dalam bentuk tabel Dalam bentuk list

 Untuk fuzzy 2 masukan 1 keluaran, aturan bisa dalam bentuk tabel maupun list. Namun
untuk lebih dari 2 masukan lebih cocok menggunakan list. Selanjutnya dari aturan tersebut
dibuat interferensi. Ada dua contoh interferensi, yaitu: Mamdani Product (bentuk keanggotaan
keluarannya akan tetap segitiga dan nilai yang dihasilkan puncaknya berada di pusat) dan
Mamdani Minimum (menghasilkan fungsi keanggotaan dengan kemiringan segitiga masih
seperti semula tetapi di-clamp setelah mencapai ketinggian sesuai dengan hasil, dimana bentuk
dapat berubah menjadi trapesium).Menggunakan Mandani Minimum dapat dibilang cukup
rumit, maka kita dapat menggunakan cara lain yang lebih sederhana, yaitu fungsi keanggotaan
keluaran dijadikan singleton.
Merancang fuzzy memang membutuhkan dengan trial and error, bisa pula dengan
bantuan algoritme yang lain, misal neural network, algoritme genetika, SA, dan ACO. Jika
sudah selesai masih perlu dilakukan verifikasi.
Selanjutnya adalah neurofuzzy yang tergabung dalam satu paket bernama Adaptive
Neuro-Fuzzy Inference System (ANFIS). Prinsipnya, sebuah JST yang langsung terhubung ke
fuzzy dengan TSK. Fuzzy TSK sendiri kalau diamati merupakan bentuk khusus fuzzy
dengan fuzzification dan defuzzification, yakni dengan fuzzifier singleton, inferensi MP,
fungsi keanggotaan keluaran singleton, dan defuzzifier center average.
Terakhir, akan dibahas mengenai fuzzy tipe 2. Fuzzifier singleton memang telah
menjadi default dari fuzzifier, walaupun tidak dapat menekan derau yang dikarenakan masalah
simplifikasi komputasi. Namun dalam kenyataannya, sering dihadapi keadaan input yang tidak
pasti. Masalah ini dapat diatasi dengan fuzzy tipe 2 yang diperkenalkan oleh Lofti A. Zadeh.
Perbedaan utama fuzzy tipe 2 dan fuzzy biasa terletak pada fungsi keanggotaannya yang
ganda (ada nilai upper dan lower), dan dari sisi proses, pada fuzzy tipe 2 terdapat tambahan tipe
reducer setelah melalui proses inferensi, kemudian barulah menuju proses defuzzifier.