Anda di halaman 1dari 11

MAKALAH LOGIKA FUZZY

METODE MAMDANI DAN METODE SUGENO

Disusun Oleh:

Nama : Muhammad Fadhil

NIM : 1790343007

Kelas : TRKJ 3C

PROGRAM STUDI TEKNOLOGI REKAYASA KOMPUTER JARINGAN

JURUSAN TEKNOLOGI INFORMASI DAN KOMPUTER

POLITEKNIK NEGERI LHOKSEUMAWE

2020
KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat ALLAH Yang Maha Esa karena atas rahmat dan
nikmat yang telah dilimpahkan kepada penulis, sehingga penulis dapat menyelesaikan makalah yang
berjudul ”Logika Fuzzy Metode Mamdani dan Metode Sugeno”.

Makalah ini sebagai salah satu syarat kelengkapan penilaian dari mata kuliah Network
inteligence di Prodi Teknologi Rekayasa Komputer dan Jaringan Jurusan Teknologi Informasi dan
Komputer. Bertujuan untuk menjelaskan tentang logika pada Fuzzy.

Penulis berharap makalah ini dapat bermanfaat bagi kita semua. Apabila ada kesalahan atau
kekurangan dalam penulisan makalah ini, kritik dan saran yang sifatnya membangun sangat
diharapkan untuk kesempurnaan makalah ini.

Buket rata, 2 April 2020

Muhammad Fadhil
BAB I
PENDAHULUAN

1.1 Latar Belakang Masalah


Latar belakang munculnya logika fuzzy adalah karena adanya kesenjangan
antara hukum-hukum matematika dengan permasalahan sesungguhnya dikehidupan
nyata (realita), maka perlu suatu metode analisa baru untuk mendekati solusi yang
optimal terhadap permasalahan real. Metode tersebut dikenal sebagai logika fuzzy
(logika kabur /tidak tegas). Konsep baru yang diterapkan dalam logika fuzzy adalah
nilai derajat keanggotaan suatu anggota himpunan tidak hanya 0 dan 1, tetapi bisa
antara 0 dan 1. Ini merupakan perbedaan mendasar antara konsep logika dan konsep
logika fuzzy. Konsep logika fuzzy ini didasarkan pada permasalahan-permasalahan
nyata (real) yang kebanyakan bersifat kabur (tidak bisa didekati dengan logika
tegas/tajam).

Secara umum ada tiga metode logika fuzzy yaitu, metode Mamdani, metode
Tsukamoto, dan metode Takagi Sugeno. Namun dalam penelitian ini penulis
menggunakan salah satu metode fuzzy yaitu Metode Mamdani yang juga dikenal
dengan nama metode Max-Min. Metode ini diperkenalkan oleh Ebrahim H. Mamdani
pada tahun 1975. Metode Mamdani sangat cocok digunakan karena menyerupai bahasa
manusia. Pada sistem Inferensi Fuzzy Metode Mamdani, ada 4 (empat) tahapan yang
digunakan untuk mendapatkan output yaitu, pertama pembentukan himpunan fuzzy
(fuzzification), kedua aplikasi fungsi implikasi, ketiga komposisi aturan (Rule
evaluation) dan yang keempat adalah penegasasan (defuzzy).

Dalam langkah ketiga pemroses logika fuzzy dinamakan rule evaluation


(evaluasi aturan), prosesor fuzzy menggunakan aturan linguistik untuk menentukan
aksi kontrol apa yang harus dilakukan dalam merespon nilai masukan yang diberikan.
Rule Evaluation disebut juga proses pengambilan keputusan (Inference) yang
berdasarkan aturanaturan yang ditetapkan pada basis aturan (Rules Base) untuk
menghubungkan antar peubah-peubah Fuzzy masukan dan peubah Fuzzy keluaran.
Aturan-aturan ini berbentuk jika ... maka (IF ... THEN). Ada tiga metode yang
digunakan dalam melakukan inferensi sistem fuzzy pada metode Mamdani yaitu, Max-
min, additive dan probabilistik OR (probor).

1.2 Tujuan Penulisan


a. Memahami Tentangmetode mamdani dan metode sugeno
b. Memahami perbedaan dari kedua metodetersebut.
BAB II

PEMBAHASAN

2.1 Pengertian FuzzyLogic danSejarahnya

Sebelumnya munculnya Teori logika fuzzy (fuzzy logic) dikenal sebuah logika tegas
(crisp Logic) yang memiliki nilai benar atau salah secara tegas. Saat logika klasik
menyatakan bahwa segala hal dapat diekspresikan dalam istilah biner (0 atau 1, hitam atau
putih,ya atau tidak), Logika Fuzzymemungkinkannilaikeanggotaan antara 0 dan 1, tingkat
keabuan dan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak pasti seperti
"sedikit", "lumayan", dan "sangat". Logika ini berhubungan dengan set fuzzy dan teori
kemungkinan. Logika fuzzy diperkenalkan oleh Dr. Lotfi Zadeh dari Universitas California,
Berkeley pada 1965 atas usulan dalam papernya yang monumental “Fuzzy Set”. Dalam
paper tersebut dipaparkan ide dasar fuzzy set yang meliputi inclusion, union, intersection,
complement, relation dan convexity. Lotfi Zadeh mengatakan Integrasi Logika Fuzzy
kedalam sistem informasi dan rekayasa proses adalah menghasilkan aplikasi seperti sistem
kontrol, alat alat rumah tangga, dan sistem pengambil keputusan yang lebih fleksibel,
mantap, dan canggih dibandingkan dengan sistem konvensional. Dalam hal ini kami dapat
mengatakan bahwa logika fuzzy memimpin dalam pengembangan kecerdasan mesin yang
lebih tinggi ( machine Intelligency Quotient / MIQ ) Produk produk berikut telah
menggunakan logika fuzzy dalam alat alat rumah tangga seperti mesin cuci, video dan
kamera refleksi lensa tunggal, pendingin ruangan, oven microwave, dan banyak sistem
diagnosa mandiri.. Logika fuzzytelah diterapkan pada berbagai bidang, dari teori kontrol
untukkecerdasan buatan. Logika fuzzy telah diteliti sejak tahun 1920-an, sebagai nilai yang
tak terbatas terutama logika oleh Lukasiewicz dan Tarski.

Jepang adalah negara pertama yang memanfaatkan logika fuzzyuntuk aplikasi praktis.
Aplikasi penting pertama adalah di kereta kecepatan tinggidi Sendai, di mana logika fuzzy
mampu meningkatkanekonomi, kenyamanan, dan ketepatan perjalanan. Hal ini juga telah
digunakan dalam pengakuan simbol tertulis di komputer mini sony; bantuan pesawat
helikopter; mengendalikan sistem kereta bawah tanah dalam rangka meningkatkan
kenyamanan berkendara, ketepatan menghentikan, dan ekonomi kekuasaan; konsumsi
hemat energi untuk ponsel otomatis; kontrol tunggal tombol untuk mesin cuci; kontrol
motor otomatis untuk pembersih vakum dengan pengakuan kondisi permukaan dan tingkat
kekotoran; dan sistem prediksi untuk pengakuan awal dari gempa bumi melalui Institut
Seismologi Biro Metrologi,Jepang

2. 2 Metode Fuzzy Mamdani


Metode Fuzzy Mamdani merupakan salah satu bagian dari Fuzzy Inference
System yang berguna untuk penarikan kesimpulan atau suatu keputusan terbaik dalam
permasalahan yang tidak pasti (Bova, 2010). Metode Fuzzy Mamdani diperkenalkan
oleh Ebrahim Mamdani pada tahun 1975. Metode Fuzzy Mamdani dalam prosesnya
menggunakan kaedah-kaedah linguistik dan memiliki algoritma fuzzy yang dapat
dianalisis secara matematika, sehingga lebih mudah dipahami (McNeill, 1994).
Proses pengambilan keputusan dengan menggunakan Metode Fuzzy Mamdani
untuk memperoleh keputusan yang terbaik, dilakukan dengan melalui beberapa
tahapan, yaitu pembentukan himpunan fuzzy; aplikasi fungsi implikasi; komposisi
aturan; defuzzifikasi (Ebrahim Mamdani, 1975). Kelebihan pada Metode Fuzzy
Mamdani adalah lebih spesifik, artinya dalam prosesnya Metode Fuzzy Mamdani lebih
memperhatikan kondisi yang akan terjadi untuk setiap daerah fuzzynya, sehingga
menghasilkan hasil keputusan yang lebih akurat (Bova, 2010). Selain itu juga, metode
ini lebih cocok apabila input diterima dari manusia, sehingga lebih diterima oleh banyak
pihak. Adapun kelemahan dari Metode Fuzzy Mamdani adalah metode ini hanya dapat
digunakan untuk data dalam bentuk kuantitatif saja, tidak dapat dipergunakan untuk
data yang berbentuk kualitatif (Salman, 2010).

Metode Fuzzy Mamdani merupakan metode dalam penarikan kesimpulan yang


paling mudah dimengerti oleh manusia, karena paling sesuai dengan naluri manusia.
Sehingga dengan menggunakan Metode Fuzzy Mamdani akan menghasilkan keputusan
terbaik untuk suatu permasalahan (Salman, 2010). Dibandingkan dengan metode lain
dari Fuzzy Inference System, yaitu Metode Sugeno, metode tersebut tidak melalui
proses komposisi aturan dan defuzzifikasi dengan Metode Centroid. Proses tersebut
berguna untuk mengetahui nilai output dari pusat daerah fuzzy. Selain itu, Metode
Fuzzy Mamdani lebih memperhatikan kondisi setiap daerah fuzzynya, sehingga
menghasilkan hasil yang lebih akurat. Pada Metode Fuzzy Mamdani output yang
dihasilan berupa suatu nilai pada domain himpunan fuzzy yang dikategorikan ke dalam
komponen linguistik, sedangkan pada Metode Sugeno output yang dihasilkan berupa
fungsi linear atau konstanta. Kelemahan dari output berupa fungsi linear atau konstanta
adalah nilai output yang dihasilkan harus sesuai dengan nilai yang telah ditentukan, hal
ini timbul masalah apabila nilai output tidak sesuai dengan kriteria yang telah
ditentukan. Output ini dapat dikatakan benar apabila dapat menyajikan output yang
ditentukan oleh antesenden (Salman, 2010).

Prosedur Metode Fuzzy Mamdani


Seperti telah dikemukakan pada subbab sebelumnya bahwa proses pengambilan
kesimpulan atau keputusan dengan menggunakan Metode Fuzzy Mamdani dilakukan
melalui beberapa tahapan, yaitu pembentukan himpunan fuzzy; aplikasi fungsi
implikasi; komposisi aturan; defuzzifikasi (Ebrahim Mamdani, 1975).

Pembentukan Himpunan Fuzzy


Tahap pertama dari prosedur Metode Fuzzy Mamdani adalah pembentukan
himpunan fuzzy atau dikenal pula dengan istilah fuzzifikasi. Fuzzifikasi merupakan
proses yang dilakukan dengan mengtransformasi input himpunan tegas (crisp) ke dalam
himpunan fuzzy (Ross, 2010). Hal ini dilakukan karena input yang digunakan awalnya
adalah dalam bilangan tegas (real) dari suatu himpunan tegas (crisp). Himpunan fuzzy
ini didasarkan pada tingkatan linguistiknya yang dikelompokkan dalam suatu variabel
fuzzy.

Sebagai ilustrasi, untuk variabel fuzzy berat badan mempunyai himpunan fuzzy
sebagai berikut: kurus, sedang, dan gemuk. Pada setiap himpunan fuzzy tersebut
ditentukan domain dan fungsi keanggotaan yang berikutnya digunakan untuk
menentukan nilai keanggotaan setiap himpunan fuzzy berdasarkan variabel inputnya
yang merupakan bilangan real, dimana nilai keanggotaan tersebut terletak pada interval
[0,1]. Pada Metode Fuzzy Mamdani ini fungsi keanggotaan yang digunakan adalah
fungsi keanggotaan trapesium, fungsi keanggotaan segitiga dan fungsi keanggotaan
bahu kiri atau kanan. Hal ini dikarenakan pada fungsi keanggotaan trapesium terdapat
dua titik dari himpunan fuzzy yang memiliki nilai keanggotaan satu.

Komposisi Aturan
Tahap ketiga dari prosedur Metode Fuzzy Mamdani adalah komposisi aturan.
Pada tahap ketiga ini, suatu prosedur dengan tujuan untuk menentukan inferensi dari
kumpulan dan korelasi antar aturan menggunakan Metode Max, dengan makna lain
yaitu prosedur menggabungkan fungsi keanggotaan dari aturan

Solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan,
kemudian menggunakannya untuk memodifikasi daerah fuzzy dan
mengaplikasikannya ke dalam output (keputusan akhir) dengan menggunakan operator
OR (union). Apabila semua proposisi telah dievaluasi, maka output akan berisi suatu
himpunan fuzzy yang merefleksikan kontribusi dari setiap proposisi.

Defuzzifikasi

Tahap terakhir dari prosedur Metode Fuzzy Mamdani adalah proses


defuzzifikasi. Proses defuzzifikasi dipergunakan untuk menafsirkan nilai keanggotaan
fuzzy menjadi keputusan tertentu atau bilangan real (Bova, 2010). Hal ini berarti
mengembalikan nilai besaran fuzzy menjadi nilai crisp (bilangan real), dan mengubah
fuzzy output menjadi nilai crisp berdasarkan fungsi keanggotaan yang telah ditentukan.
Proses defuzzifikasi ini perlu dilakukan, karena keputusan fuzzy atau output adalah
tetap variabel linguistikdan variabel linguistik ini membutuhkan untuk dikonversi ke dalam
variabel crisp.

Input dari langkah defuzzifikasi adalah himpunan fuzzy yang diperoleh dari
komposisi aturan fuzzy, sedangkan output, suatu bilangan pada domain himpunan fuzzy
tersebut. Oleh karena itu, apabila diketahui suatu himpunan fuzzy dalam suatu range
tertentu, maka harus dapat diperoleh suatu nilai crisp (bilangan real) tertentu sebagai
output atau hasil keputusannya. Metode yang dipergunakan dalam proses defuzzifikasi ini
adalah defuzzifikasi dengan Metode Centroid (titik pusat). Metode ini memperhatikan
kondisi setiap daerah fuzzynya, sehingga menghasilkan hasil yang lebih akurat (Salman,
2010). Metode centroid yaitu suatu metode dimana semua daerah fuzzy dari hasil
komposisi aturan digabungkan dengan tujuan untuk membentuk hasil yang optimal dan
mengambil titik pusat daerah fuzzy. Prosedur defuzzifikasi dengan menggunakan Metode
Centroid, yaitu menentukan moment (integral dari masing-masing fungsi keanggotaan
dari komposisi aturan), menentukan luas, dan menentukan titik pusat.
Ilustrasi Proses Defuzzifikasi:

Misalkan terdapat tiga daerah fuzzy dari hasil proses komposisi aturan, yaitu
Daerah Fuzzy I, Daerah Fuzzy II, dan Daerah Fuzzy III. Dari ketiga daerah fuzzy
tersebut digabungkan dan digunakan proses defuzzifikasi agar menghasilkan nilai dari
keputusan akhir, sebagai berikut:

2.2 Metode Fuzzy Sugeno


Penalaran dengan metode Sugeno hampir sama dengan penalaran Mamdani, hanya
saja output (konsekuen) sistem tidak berupa himpunan Fuzzy, melainkan berupa
konstanta atau persamaan linear. Michio Sugeno mengusulkan penggunaan singleton
sebagai fungsi keanggotaan dari konsekuen. Singleton adalah sebuah himpunan Fuzzy
dengan fungsi keanggotaan yang pada titik tertentu mempunyai sebuah nilai dan 0 di
luar titik tersebut. Ada 2 model Fuzzy metode Sugeno yaitu sebagai berikut:

a. Model Fuzzy Sugeno Orde-Nol


Secara umum bentuk model Fuzzy Sugeno Orde Nol adalah:

IF ( 1 1) ∘ ( 2 2) ∘ ( 3 3) ∘ … ∘ ( ) THEN = dengan A
adalah himpunan Fuzzy ke-i sebagai antesenden, dan adalah suatu konstanta sebagai
konsekuen.
b. Model Fuzzy Sugeno Orde-Satu
Secara umum bentuk model Fuzzy Sugeno Orde-Satu adalah:

IF ( 1 1) ∘ ( 2 2) ∘ ( 3 3) ∘ … ∘ ( ) THEN = 1 ∗ 1+⋯ + ∗

+ denganA adalah himpunan Fuzzy ke- sebagai antesenden, dan p adalah suatu
konstanta ke-i dan juga merupakan konstanta dalam konsekuen.

Berdasarkan model Fuzzy tersebut, ada tahapan-tahapan yang harus dilakukan dalam

implementasi metode Sugeno yaitu sebagai berikut:

1) Pembentukan himpunan Fuzzy


Pada tahapan ini variabel input dari system Fuzzy ditransfer ke dalam himpunan
Fuzzy untuk dapat digunakan dalam perhitungan nilai kebenaran dari premis pada
setiap aturan dalam basis pengetahuan. Dengan demikian tahap ini mengambil nilai-
nilai tegas dan menentukan derajat di mana nilai-nilai tersebut menjadi anggota dari
setiap himpunan Fuzzy yang sesuai.

2) Aplikasi fungsi implikasi


Tiap-tiap aturan (proposisi) pada basis pengetahuan Fuzzy akan berhubungan
dengan suatu relasi Fuzzy. Bentuk umum dari aturan yang digunakan dalam fungsi
implikasi adalah sebagai berikut: IF x is A THEN y is B dengan x dan y adalah skalar,
dan A dan B adalah himpunan Fuzzy. Proposisi yang mengikuti IF disebut sebagai
antesenden sedangkan proposisi yang mengikuti THEN disebut konsekuen. Proposisi
ini dapat diperluas dengan menggunakan operator Fuzzy seperti,

IF ( 1 is 1) ∘ ( 2 is 2) ∘ ( 3 is 3) ∘ … ∘ ( is ) THEN y is dengan ∘
adalah operator(misal: OR atau AND). Secara umum fungsi implikasi yang dapat
digunakan yaitu sebagai berikut:
a output himpunan Fuzzy.

Pada metode Sugeno ini, fungsi implikasi yang digunakan adalah fungsi min.

c. Defuzzifikasi ( Defuzzification )
Input dari proses defuzzifikasi adalah himpunan Fuzzy yang dihasilkan dari
proses komposisi dan output adalah sebuah nilai. Untuk aturan IFTHEN Fuzzy dalam
persamaan (k) = IF x1 is 1 and … and x is THEN y is , dimana 1
dan berturut-turut adalah himpunan Fuzzy dalam (U dan V adalah domain
fisik), = 1, 2, … , dan = ( 1, 2, … , ) dan berturut-turut adalah variabel
input dan output (linguistik) dari sistem Fuzzy. Defuzzifier pada persamaan di atas
didefinisikan sebagai suatu pemetaan dari himpunan Fuzzy ke dalam (yang
merupakan output dari inferensi Fuzzy) ke titik tegas ∗ . [2]. Pada metode
Sugeno defuzzification dilakukan dengan perhitungan Weight Average (WA):

= 1 1+ 2 2+ 3 3+⋯ + 1+ 2+ 3+⋯ +
Keterangan:
WA= Nilai rata-rata, = nilai predikat aturan ke-n, dan = indeks nilai
output (konstanta) ke-n.
SIMPULAN

1. Logikafuzzy adalah logikayangmengandung unsurketidakpastian.


2. Keanggotaan dalam himpunan fuzzy dinyatakan dengan derajat keanggotaan.
Suatu nilai dapat menjadi anggota dua himpunan sekaligus dengan derajat yang
berbeda.
3. Kendali logikafuzzy dilakukan dengan proses fuzzyfikasi, penalaran sesuai dengan
aturan, dan defuzzyfikasi.
4. Sistem kendali logikafuzzy cukup praktisdiaplikasikan dalam berbagaibidang.
5. Program fuzzy yang telah diimplementasikan dalam bahasa pemrograman Java dapat
digunakan sebagai alat bantu untuk menentukan jumlah produk yang dihasilkan
berdasarkan kondisi Suhu, Kebisingan dan Pencahayaan tertentu.
DAFTAR PUSTAKA

[1] RinaldiMunir,“Matematika DiskritDalam FuzzyLogic Mamdani”,Penerbit


Informatika, 2005
[2] Jannus Maurits Nainggolan, “Logika Fuzzy (Fuzzy Logic
Mamdani) : Teori dan Penerapan Pada Sistem Daya (Kajian
Pengaruh Induksi Medan Magnet)”
[3] Kusumadewi,Sri.Purnomo,Hari.,”Aplikasi
Logika Fuzzy untuk Pendukung
Keputusan”.Yogyakarta: GRAHA ILMU,2004
[4] Kusumadewi, Sri., Hartati, S., Harjoko, A., dan Wardoyo, R.
“Fuzzy Multi- Attribute Decision Making (FUZZY MADM).”
Yogyakarta: Graha Ilmu,2006.

11