OLEH
1.3 Tujuan
Tujuan dari penulisan makalah ini adalah menerapkan metode FIS
Tsukamoto dalam menentukan kebutuhan kalori harian.
1.4 Manfaat
(2.2)
Menurut Nguyen dkk (2003: 86) fungsi pada persamaan (2.2) disebut
fungsi karakteristik atau fungsi indikator. Suatu himpunan fuzzy A di dalam
semesta pembicaraan U didefinisikan sebagai himpunan yang bercirikan suatu
fungsi keanggotaan μA, yang mengawankan setiap x∈U dengan bilangan real di
dalam interval [0,1], dengan nilai μA(x) menyatakan derajat keanggotaan x di
dalam A. Dengan kata lain jika A adalah himpunan tegas, maka nilai
keanggotaannya hanya terdiri dari dua nilai yaitu 0 dan 1. Sedangkan nilai
keanggotaan di himpunan fuzzy adalah interval tertutup [0,1].
2.2 Atribut
Himpunan fuzzy memiliki 2 atribut (Sri Kusumadewi dan Hari Purnomo, 2004:
6), yaitu:
2.2.1 Linguistik, yaitu penamaan suatu grup yang mewakili suatu
keadaan atau kondisi tertentu dengan menggunakan bahasa
alami, seperti: Muda, Parobaya, Tua.
2.2.2 Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari
suatu variabel seperti: 40, 25, 50, dsb.
(2.5)
c) Selang [b,∞)
Fungsi keanggotaan himpunan fuzzy pada representasi linear NAIK pada
selang *xmax, ∞) memiliki nilai keanggotaan=0. Dari uraian di atas, fungsi
keanggotaan himpunan fuzzy pada representasi linear NAIK, dengan domain (-
∞,∞) adalah:
(2.6)
Himpunan fuzzy pada representasi linear NAIK direpresentasikan pada
Gambar 2.1.
Gambar 2.1 Grafik representasi linear naik (Sri Kusumadewi dan Hari
Purnomo, 2004:9)
Karena pada selang [a,b], gradien garis lurus=-1, maka persamaan garis
lurus tersebut menjadi:
c) Selang [b,∞)
Fungsi keanggotaan himpunan fuzzy pada representasi linear TURUN pada selang
[b, ∞] memiliki nilai keanggotaan=0 Dari uraian di atas, fungsi keanggotaan
himpunan fuzzy pada representasi linear TURUN, dengan domain (-∞,∞) adalah:
(2.7)
Gambar 2.3 Diagram Blok Sistem Inferensi Fuzzy (Sri Kusumadewi dan Sri
Hartati, 2006: 34)
Sistem inferensi fuzzy menerima input crisp. Input ini kemudian dikirim ke
basis pengetahuan yang berisi n aturan fuzzy dalam bentuk IF-THEN. Fire
strength (nilai keanggotaan anteseden atau α) akan dicari pada setiap aturan.
Apabila aturan lebih dari satu, maka akan dilakukan agregasi semua aturan.
Selanjutnya pada hasil agregasi akan dilakukan defuzzy untuk mendapatkan nilai
crisp sebagai output sistem. Salah satu metode FIS yang dapat digunakan untuk
pengambilan keputusan adalah metode Tsukamoto. Berikut ini adalah penjelasan
mengenai metode FIS Tsukamoto. Pada metode Tsukamoto, implikasi setiap
aturan berbentuk implikasi “Sebab-Akibat”/Implikasi “Input-Output” dimana
antara anteseden dan konsekuen harus ada hubungannya. Setiap aturan
direpresentasikan menggunakan himpunan-himpunan fuzzy, dengan fungsi
keanggotaan yang monoton. Kemudian untuk menentukan hasil tegas (Crisp
Solution) digunakan rumus penegasan (defuzifikasi) yang disebut “Metode rata-
rata terpusat” atau “Metode defuzifikasi rata-rata terpusat (Center Average
Deffuzzyfier) (Setiadji, 2009: 200).
BAB III
PEMBAHASAN
1. Start
4. Masukkan Input :
• Usia (Input x)
6. Hitung z1-z4
Studi Permasalahan:
Seorang laki-laki berusia 30 tahun dengan berat badan 50 kg, ingin menentukan
berapa banyak kebutuhan kalori hariannya digunakan pendekatan fuzzy.
Solusi:
Ada 3 variabel fuzzy yang akan dimodelkan, yaitu: Usia, Berat badan, dan Kalori.
1. Usia; terdiri dari 2 himpunan fuzzy, yaitu Tua dan Muda. Fungsi
keanggotaan Permintaan direpresentasikan pada Gambar.
MUDA TUA
1
0,75
0,25
0
20 30 60
Fungsi Keanggotaan Himpunan Muda, dan Tua dari variabel Usia:
1, X ≤ 20
µUsiaMuda[x] = 60 − 𝑥 , 20 ≤ x ≤ 60
40
0, x ≥ 60
0, X ≤ 20
µUsiaTua[x] = ,𝑥 − 20 20 ≤ x ≤ 60
40
1, x ≥ 60
Nilai keanggotaan himpunan Muda dan Tua dari variabel Usia bisa dicari dengan:
µUsiaMuda[30] = (60-30)/40
= 0,75
µUsiaTua[30] = (30-20)/40
= 0,25
2. Berat Badan; terdiri dari 2 himpunan fuzzy, yaitu Berat dan Ringan. Fungsi
keanggotaan Berat Badan direpresentasikan pada Gambar.
RINGAN BERAT
1
0,75
0,25
0
40 50 80
Fungsi Keanggotaan Himpunan Ringan dan Berat dari variabel Berat Badan:
1, y ≤ 40
µbbRingan[y] = 80 − 𝑦 , 40 ≤ y ≤ 80
40
0, y ≥ 80
0, y ≤ 40
𝑦 − 40
µbbBerat[y] = 40 ≤ y ≤ 80
40
1, y ≥ 80
Nilai keanggotaan himpunan Ringan dan Berat dari variabel Berat Badan bisa
dicari dengan:
µbbRingan[50] = (80-50)/40
= 0,75
µbbBerat[50] = (50-40)/40
= 0,25
1. Kalori; terdiri dari 2 himpunan fuzzy, yaitu Rendah dan Tinggi. Fungsi
keanggotaan Tips direpresentasikan pada Gambar.
RENDAH TINGGI
1
0
2500 6000
Fungsi Keanggotaan Himpunan Rendah dan Tinggi dari variabel Kalori:
1, z ≤ 2500
6000 − 𝑧 2500 ≤ z ≤ 6000
µkaloriRendah[z] = ,
3500
0, z ≥ 6000
0, z ≤ 2500
𝑧 − 2500
µkaloriTinggi[z] = , 2500 ≤ z ≤ 6000
3500
1, z ≥ 6000
3.2.2 Cari nilai z untuk setiap aturan dengan menggunakan fungsi MIN pada
aplikasi fungsi implikasinya :
α1 = μ usiaMUDA ᴖ bbRINGAN
= min(μ usiaMUDA [30+, μ bbRINGAN [50])
= min (0,75 : 0,75)
= 0,75
Jadi jumlah kalori yang dibutuhkan oleh orang tersebut yaitu 3667 Kal perhari.
BAB IV
PENUTUP
4.1 Kesimpulan
Kesimpulan yang dapat diambil adalah sebagai berikut:
Dengan mengacu kepada solusi yang diberikan oleh metode Fuzzy Tsukamoto
dalam membantu membuat keputusan. Salah satunya pengambilan
keputusan dalam memberikan jumlah kalori yang dibutuhkan manusia sehari
yang diperoleh berdasarkan variabel usia dan berat badan orang tersebut.
Menentukan perkiraan besaran kalori yang diberikan kepada pengguna
aplikasi bisa dilakukan secara mudah dan tepat dengan menggunakan Metode
Fuzzy Tsukamoto.
4.2 Saran
Untuk pembuatan aplikasi selanjutnya yang menggunakan metode Fuzzy
Tsukamoto agar mendapatkan output kalori lebih tepat dan akurat sebaiknya
menambahkan variabel input fuzzy yang lain seperti tinggi badan, suhu tubuh,
aktivitas, dan lain-lain.
DAFTAR PUSTAKA
http://mfaridblog.blogspot.com/2012/04/makalah-ai.html
http://dinyistyanto.blogspot.com/2013/02/makalah-ai.html
http://www.yulyantari.com/tutorial/media.php?mod=detailsub&sub=18&bab=4
&mat=14