MAKALAH FUZZY LOGIC

FUZZY CLAUSTERING

Disusun oleh :

AMIN MUSTOFA ( 17 4103 0185 )

PROGRAM STUDI TEKNIK ELEKTRO S-1 FAKULTAS TEKNIK

UNIVERSITAS WIJAYAKUSUMA
PURWOKERTO

KATA PENGANTAR

1
Puji dan syukur saya panjatkan kepada Tuhan Yang Maha Esa,karena atas
rahmat-Nya saya dapat menyelesaikan penyusunan makalah ini. Di dalam
makalah yang berjudul FUZZY CLAUSTERING ini akan dibahas
bagaimana penggunaan sistem kontrol pada robot . Dalam penyusunan
makalah ini tak luput dari kesalahan,untuk itu saya mohon maaf atas
kesalahan dalam penyusunan makalah ini. Dan demi menghasilkan makalah
yang lebih baik,saya mengharapakan kritik dan saran dari para pembaca.
Semoga makalah ini dapat bermanfaat bagi kita semua,dalam mempelajari
FUZZY CLAUSTERING.

2
 DAFTAR ISI

COVER ………………………………………………………..……………1
KATA PENGANTAR………………………………………………...
…………… 2
DAFTAR ISI ………………………………………………………………3

BAB I ……………………….…………………………………...………….4

I.I. PENGERTIAN LOGIKA FUZZY………....……………………4

I.I.I. FUZZY CLUSTERING………………….……………………5

I.I.2. Algoritma Fuzzy C-Means ……………………………….……6

BAB II

I.I Contoh Sistem Metode Fuzzy Clustering……………………………8

DAFTAR PUSTAKA……………………………………………………….17

BAB 1

3
1.1 Devinisi Logika Fuzzy

1.1.1 Pengertian Logika Fuzzy

Fuzzy secara bahasa diartikan sebagai kabur atau samar-samar. Suatu nilai
dapat bernilai besar atau salah secara bersamaan. Dalam fuzzy dikenal derajat
keanggotaan yang memiliki rentang nilai 0 (nol) hingga 1(satu). Berbeda
dengan himpunan tegas yang memiliki nilai 1 atau 0 (ya atau tidak).

Logika Fuzzy merupakan seuatu logika yang memiliki nilai kekaburan atau
kesamaran (fuzzyness) antara benar atau salah. Dalam teori logika fuzzy suatu
nilai bias bernilai benar atau salah secara bersama. Namun berapa besar
keberadaan dan kesalahan suatu tergantung pada bobot keanggotaan yang
dimilikinya. Logika fuzzy memiliki derajat keanggotaan dalam rentang 0
hingga 1. Berbeda dengan logika digital yang hanya memiliki dua nilai 1 atau
0. Logika fuzzy digunakan untuk menterjemahkan suatu besaran yang
diekspresikan menggunakan bahasa (linguistic), misalkan besaran kecepatan
laju kendaraan yang diekspresikan dengan pelan, agak cepat, cepat, dan
sangat cepat. Dan logika fuzzy menunjukan sejauh mana suatu nilai itu benar
dan sejauh mana suatu nilai itu salah. Tidak seperti logika klasik (scrisp)/
tegas, suatu nilai hanya mempunyai 2 kemungkinan yaitu merupakan suatu
anggota himpunan atau tidak. Derajat keanggotaan 0 (nol) artinya nilai bukan
merupakan anggota himpunan dan 1 (satu) berarti nilai tersebut adalah
anggota himpunan.

Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu
ruang input kedalam suatu ruang output, mempunyai nilai kontinyu. Fuzzy
dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran.
Oleh sebab itu sesuatu dapat dikatakan sebagian benar dan sebagian salah
pada waktu yang sama (Kusumadewi. 2004)

Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat

keabuan dan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak
pasti seperti "sedikit", "lumayan" dan "sangat" (Zadeh 1965).
Kelebihan dari teori logika fuzzy adalah kemampuan dalam proses
penalaran secara bahasa (linguistic reasoning). Sehingga dalam

4
perancangannya tidak memerlukan persamaan matematik dari objek yang
akan dikendalikan.

I.1.2 Fuzzy Clustering

Fuzzy clustering adalah salah satu teknik untuk menentukan cluster

optimal dalam suatu ruang vektor yang didasarkan pada bentuk normal
euclidian untuk jarak antar vektor. Fuzzy clustering sangat berguna bagi
pemodelan fuzzy terutama dalam mengindentifikasi aturan-aturan fuzzy.
Metode clustering merupakan pengelompokan data beserta parameternya
dalam kelompok – kelompok sesuai kecenderungan sifat dari masing-masing
data tersebut (kesamaan sifat).

Ada beberapa algoritma clustering data, salah satu diantaranya adalah

Fuzzy C-Means. Fuzzy C-Means adalah suatu teknik peng-cluster-an yang
mana keberadaannya tiap-tiap titik data dalam suatu cluster ditentukan oleh
derajat keanggotaan. Teknik ini pertama kali diperkenalkan oleh Jim Bezdek
pada tahun 1981.

Konsep dari Fuzzy C-Means pertama kali adalah menentukan pusat

cluster, yang akan menandai lokasi rata-rata untuk tiap-tiap cluster. Pada
kondisi awal, pusat cluster ini masih belum akurat. Tiap-tiap titik data
memiliki derajat keanggotaan untuk tiap-tiap cluster. Dengan cara
memperbaiki pusat cluster dan derajat keanggotaan tiap-tiap titik data secara
berulang, maka akan dapat dilihat bahwa pusat cluster akan bergerak menuju
lokasi yang tepat. Perulangan ini didasarkan pada minimasi fungsi obyektif
yang menggambarkan jarak dari titik data yang diberikan kepusat cluster yang
terbobot oleh derajat keanggotaan titik data tersebut.

Output dari Fuzzy C-Means merupakan deretan pusat cluster dan

beberapa derajat keanggotaan untuk tiap-tiap titik data. Informasi ini dapat
digunakan untuk membangun suatu fuzzy inference system.

5
I.1.3 Algoritma Fuzzy C-Means

Algoritma Fuzzy C-Means adalah sebagai berikut:

1. Input data yang akan dicluster X, berupa matriks berukuran n x m

(n=jumlah sample data, m=atribut setiap data). X ij=data sample
kei(i=1,2,…,n), atribut ke-j(j=1,2,…,m).
2. Tentukan:

o Jumlah cluster = c;

o Pangkat = w;

o Maksimum iterasi = MaxIter;

o Error terkecil yang diharapkan = ζ;

o Fungsi obyektif awal = P0 =0; o

o Iterasi awal = t=1;

3. Bangkitkan nilai acak µik, i=1,2,…,n; k=1,2,…,c; sebagai elemen-

elemen

matriks partisi awal u.

µik adalah derajat keanggotaan yang merujuk pada seberapa besar

kemungkinan suatu data bisa menjadi anggota ke dalam suatu

cluster. Posisi dan nilai matriks dibangun secara random. Dimana
nilai keangotaan terletak pada interval 0 sampai dengan 1. Pada
posisi awal matriks partisi U masih belum akurat begitu juga pusat
clusternya. Sehingga kecendrungan data untuk masuk suatu cluster
juga belum akurat.

Hitung jumlah setiap kolom (atribut)

6
 Qj adalah jumlah nilai derajat keanggotaan perkolom = 1
dengan j=1,2,…m

Hitung:

4. Hitung pusat
Clusterke-k: Vkj ,dengan k=1,2,…c; dan j=1,2,…m.

5. Hitung fungsi obyektif pada iterasi ke-t, Pt.

Fungsi obyektif dugunakan sebagai syarat perulangan untuk

mendapatkan pusat cluster yang tepat. Sehingga diperoleh
kecendrungan data untuk masuk ke cluster mana pada step akhir.

6. Hitung perubahan matriks partisi:

dengan: i=1,2,…n;dan k=1,2,..c.

7. cek kondisi berhenti:

7
 o jika:( |Pt - Pt-1 |<ζ ) atau (t>maxIter) maka
berhenti; o jika tidak: t=t+1, ulangi langkah ke-4.

BAB II

PENERAPAN FUZZY CLUSTERING

2.1. Contoh Sistem Pendukung Keputusan Tujuan Wisata Menggunakan

Metode Fuzzy Clustering

Istilah SPK mengacu pada suatu sistem yang memanfaatkan dukungan

komputer dalam proses pengambilan keputusan. Untuk memberikan
pengertian yang lebih mendalam, akan diuraikan beberapa definisi mengenai

8
SPK yang dikembangkan oleh beberapa ahli, diantaranya oleh Man dan
Watson yang memberikan definisi sebagai berikut, SPK merupakan suatu
sistem yang interaktif, yang membantu pengambil keputusan melalui
penggunaan data dan model-model keputusan untuk memecahkan masalah
yang sifatnya semi terstruktur maupun yang tidak terstruktur.

SPK dapat memberikan berbagai manfaat dan keuntungan. Manfaat

yang dapat diambil dari SPK adalah:

1. SPK memperluas kemampuan pengambil keputusan dalam memproses

data / informasi bagi pemakainya.

2. SPK membantu pengambil keputusan untuk memecahkan masalah

terutama berbagai masalah yang sangat kompleks dan tidak terstruktur.

3. SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat
diandalkan.

4. Walaupun suatu SPK, mungkin saja tidak mampu memecahkan

masalah yang dihadapi oleh pengambil keputusan, namun ia dapat
menjadi stimulan bagi pengambil keputusan dalam memahami
persoalannya, karena mampu

menyajikan berbagai alternatif pemecahan.

Jadi dapat dikatakan bahwa SPK dapat memberikan manfaat bagi

pengambil keputusan dalam meningkatkan efektifitas dan efisiensi kerja
terutama dalam proses pengambilan keputusan.

Di samping berbagai keuntungan dan manfaat seperti dikemukakan diatas,

SPK juga memiliki beberapa keterbatasan, diantaranya adalah(Efraim Turban
2005)

9
1. Ada beberapa kemampuan manajemen dan bakat manusia yang tidak
dapat dimodelkan, sehingga model yang ada dalam sistem tidak
semuanya mencerminkan persoalan sebenarnya.

2. Kemampuan suatu SPK terbatas pada perbendaharaan pengetahuan

yang dimilikinya (pengetahuan dasar serta model dasar).

3. Proses-proses yang dapat dilakukan SPK biasanya juga tergantung

pada perangkat lunak yang digunakan.

4. SPK tidak memiliki kemampuan intuisi seperti yang dimiliki manusia.

Sistem ini dirancang hanyalah untuk membantu pengambil keputusan
dalam melaksanakan tugasnya.

Komponen Sistem Pendukung Keputusan

Sistem pendukung keputusan terdiri atas tiga komponen utama yaitu:

1. Subsistem pengelolaan data (database).

2. Subsistem pengelolaan model (modelbase).

3. Subsistem pengelolaan dialog (userinterface)

10
 Database BasisModel
Basis Model
wisata

Basis
Fuzzy Clustering
Pengetahuan
Fakta: Aturan:
Data Hotel Aturan logika
fuzz
Data Restoran y
Data Wisata

Basis Dialog
Pengambil
Antarmuka Keputusan
Manusia - mesin

Gambar 2.1. Diagram Konteks Sistem Pendukung Keputusan Tujuan Wisata

Menggunakan Metode Fuzzy Clustering

Perbedaan antara SPK dan website yaitu website dapat diakses dimana
saja dengan proses online. Namun SPK dalam tugas akhir ini diakses dengan
basis metode stand alone. Sedangkan perbedaaan antara SPK dengan sistem
informasi yaitu SPK memiliki basis model dan basis pengetahuan sebelum
proses pengambilan keputusan. Seperti basis pengetahuan berupa fuzzy
clustering mengolah fakta yang ada dalam database dengan aturan logika
fuzzy sebelum ditampilkan ke user. Sedangkan sistem informasi tidak
memiliki basis model dan pengetahuan, hanya sifatnya memberikan info
kepada user tanpa melibatkan proses basis pengetahuan sebelum ditampilkan
ke pada user.
SPK juga merupakan bagian dari SIM (Sistem Informasi Manajemen)
sama hal nya seperti seperti sistem pakar dan sistem pengambil pendukung
keputusan eksekutif/ESS. SIM adalah sistem berbasis komputer yang
mengolah informasi bagi beberapa pemakai dengan keputusan serupa.
Dimana dalam sistem informasi mengandung 3 aktivitas yaitu masukan
(input), pemprosesan (processing), dan keluaran (output). Tiga aktivitas dasar

11
tersebut menghasilkan informasi yang pada umumnya dalam bentuk laporan
untuk pengambilan keputusan, pengendalian operasi, analisa permasalahan
dan menciptakan produk atau jasa baru.

Perbedaan SIM dan SPK adalah SIM berfokus pada pengorganisasian

informasi dari perusahaan, memiliki alur informasi terstruktur dan memiliki

aktifitas berupa tanya tawab & penyusunan laporan. Sedangkan SPK
mengkhususkan pada pengambilan keputusan dari para manajer tingkat atas,
menekankan pada fleksibilitas, adaptibilitas & mampu memberi respon
dengan cepat, user memiliki kontrol penuh dalam berinteraksi serta dapat di
kembangkan oleh para profesional yang tidak melibatkan prosesan data.
Berikut ini gambar dari proses dari SIM. (Nofriansyah 2014)

Gambar 2.2. Diagram proses SIM secara umum

Masukan berperan di dalam pengumpulan bahan mentah (raw data),

baik yang diperoleh dari dalam maupun dari lingkungan sekitar organisasi.
Pemrosesan berperan untuk mengkonversi bahan mentah menjadi bentuk
yang lebih memiliki arti. Sedangkan, keluaran dimaksudkan untuk
mentransfer informasi yang diproses kepada pihak-pihak atau aktivitas-
aktivitas yang akan menggunakannya. Sistem informasi juga membutuhkan
umpan balik (feedback), yaitu untuk dasar evaluasi dan perbaikan ditahap
input berikutnya.
Logika fuzzy merupakan teknik untuk mengolah istilah linguistik.
Teknik ini memperluas ide logika lebih dari sekedar benar atau salah untuk
memungkinkan kebenaran parsial (bahkan kontinu). Pengetahuan yang tidak

12
pasti dan pertimbangan yang tidak persisi adalah aspek penting keahlian
dalam menerapkan akal sehat dalam situasi pengambilan keputusan. Dalam
logika fuzzy nilai benar atau salah digantikan dengan derajat himpunan
keanggotaan, dalam kasus ini, logika fuzzy yang digunakan adalah Fuzzy
clustering.

2.3 Visual Basic 6.0

Basic adalah salah suatu developement tools untuk membangun

aplikasi dalam lingkungan Windows. Dalam pengembangan aplikasi, Visual
Basic menggunakan pendekatan Visual untuk merancang user interface dalam
bentuk form, sedangkan untuk kodingnya menggunakan dialek bahasa Basic
yang cenderung mudah dipelajari. Visual Basic telah menjadi tools yang
terkenal bagi para pemula maupun para developer.Visual Basic adalah bahasa
pemrograman berbasis Microsoft Windows yang merupakan Object Oriented
Programming (OOP), yaitu pemrograman berorientasi objek, Visual Basic
menyediakan objek-objek yang sangat kuat, berguna dan mudah.

Dalam lingkungan Windows, User-interface sangat memegang peranan

penting, karena dalam pemakaian aplikasi yang kita buat, pemakai senantiasa
berinteraksi dengan User-interface tanpa menyadari bahwa dibelakangnya
berjalan instruksi-instruksi program yang mendukung tampilan dan proses
yang dilakukan.

Pada pemrograman Visual, pengembangan aplikasi dimulai dengan

pembentukkan user interface, kemudian mengatur properti dari objek-objek
yang digunakan dalam user interface, dan baru dilakukan penulisan kode
program untuk menangani kejadian-kejadian (event). Tahap pengembangan
aplikasi demikian dikenal dengan istilah pengembangan aplikasi dengan
pendekatan Bottom Up.

Ada beberapa hal yang harus dipahami dalam Visual Basic:

• Objek

Sering disebut entity adalah sesuatu yang bisa dibedakan dengan

lainnya. Pada dasarnya seluruh benda didunia ini bisa dikatakan sebagai

13
objek, contoh : mobil, komputer, radio, dan lain-lain. Dalam Visual Basic
objek-objek yang dimaksud disebut kontrol jenis-jenis kontrol antara lain ;
Label, Text Box, Combo Box, List Box, dan masih banyak lagi.
• Properti

Sering disebut atribut, adalah ciri-ciri yang menggambarkan suatu objek.

Misalnya disebut objek mobil jika mempunyai ban, spion, rem, dan lain-lain.

• Event

Suatu kejadian yang menimpa objek. Bagaimana jika mobil didorong,

ditabrak, dicat, dan sebagainya.

• Metode

Kemampuan yang dimiliki oleh suatu objek. Contohnya jika mobil

berbelok, mundur, maju.

2.4 MySQL

MySQL adalah server basis data yang kompak dan kecil yang ideal
untuk banyak aplikasi basis data on-line. MySQL mendukung SQL standar
(ANSI), meskipun tidak selengkap subset yang menjadi standar seperti
PostgreSQL. MySQL dapat dijalankan di banyak platform dan memiliki
kemampuan multithreading pada server UNIX. Pada lingkungan bukan UNIX,
MySQL dapat dijalankan sebagai servis pada Windows NT dan sebagai
proses normal pada mesin Windows 95/98. MySQL adalah server DBMS
relasional SQL yang mendukung multithreading dan multi-user. MySQL
mengimplementasikan client/server yang terdiri dari sebuah daemon server
(servis di server) dan banyak program dan pustaka klien yang berbeda-beda.

MySQL menjamin setiap unit kerja bersifat konsisten. Hal ini

dilakukan dengan cara menulis data sebelum dan sesudah transaksi pada
sebuah log transaksi. Log tersebut dapat dipakai untuk me-restore database ke
keadaan konsisten jika sebuah aplikasi melakukan rollback (membatalkan

14
operasi yang sudah dikerjakan karena transaksi gagal) atau aplikasi akan me-
recover data karena kegagalan system.

MySQL juga Relational Database Management System(RDBMS) yang

didistribusikan secara gratis dibawah lisensi GPL (General Public License).
Dimana setiap orang bebas untuk menggunakan MySQL, namun tidak boleh
dijadikan produk turunan yang bersifat closed source atau komersial.

MySQL memiliki beberapa keistimewaan, antara lain:

1. Portability

MySQL dapat berjalan stabil pada berbagai sistem operasi seperti

Windows, Linux, FreeBSD, Mac Os X Server, Solaris, Amiga, dan masih
banyak lagi.
2. Open Source

MySQL didistribusikan secara open source (gratis), dibawah lisensi GPL

sehingga dapat digunakan secara cuma-cuma.

3. Multiuser

MySQL dapat digunakan oleh beberapa user dalam waktu yang bersamaan
tanpa mengalami masalah atau konflik.

4. Performance tuning

MySQL memiliki kecepatan yang menakjubkan dalam menangani query

sederhana, dengan kata lain dapat memproses lebih banyak SQL per satuan
waktu.

5. Column types

MySQL memiliki tipe kolom yang sangat kompleks, seperti signed /

unsigned integer, float, double, char, text, date, timestamp, dan lain-lain.

6. Command dan functions

MySQL memiliki operator dan fungsi secara penuh yang mendukung

perintah Select dan Where dalam query.

15
7. Security

MySQL memiliki beberapa lapisan sekuritas seperti level subnetmask,

nama host, dan izin akses user dengan sistem perizinan yang mendetail
serta password

terenkripsi.

8. Scalability dan limits

MySQL mampu menangani database dalam skala besar, dengan jumlah

records lebih dari 50 juta dan 60 ribu tabel serta 5 milyar baris. Selain itu
batas indeks yang dapat ditampung mencapai 32 indeks pada tiap tabelnya.

9. Connectivity

MySQL dapat melakukan koneksi dengan client menggunakan protokol

TCP/IP, Unix soket (UNIX), atau Named Pipes (NT).

10. Localisation

MySQL dapat mendeteksi pesan kesalahan pada client dengan

menggunakan lebih dari dua puluh bahasa. Meskipun demikian, bahasa
Indonesia belum termasuk didalamnya.

11. Interface

MySQL memiliki interface (antar muka) terhadap berbagai aplikasi dan

bahasa pemrograman dengan menggunakan fungsi API (Application
Programming

Interface).

12. Clients dan tools

MySQL dilengkapi dengan berbagai tool yang dapat digunakan untuk

administrasi database, dan pada setiap tool yang ada disertakan petunjuk
online.

16
 DAFTAR PUSTAKA
Efraim Turban, Jay E. Aronson. 2005. “Decision Support Systems and
Intelligent Systems.” Pearson/Prentice Hall.
https://books.google.co.id/books/about/Decision_Support_Systems_and_
Intelligent.html?hl=id&id=NfMJAQAAMAAJ&redir_esc=y.
Nofriansyah, Dicky. 2014. “Konsep Data Mining Vs Sistem Pendukung
Keputusan.” Deepublish.

17