23/09/2015

Oleh: Sumantri K Risandriya,ST.,MT.

Basis aturan berisi aturan-aturan fuzzy yang

Fuzifikasi yaitu suatu proses untuk mengubah suatu masukan
dari bentuk tegas (crisp) menjadi fuzzy (variabel linguistik)

Fuzifikasi: pemetaan titik-titik numerik (crips point) X=x1,
x2,....,xn) ∈ U ke himpunan fuzzy A di U. U adalah semesta
pembicaraan.

Ada dua kemungkinan pemetaan:

Fuzifikasi singleton

Fuzifikasi nonsingleton
digunakan untuk pengendalian sistem

Aturan-aturan ini dibuat berdasarkan logika dan
intuisi manusia, serta berkaitan erat dengan jalan
pikiran dan pengalaman pribadi yang membuatnya

Aturan yang telah ditetapkan digunakan untuk
menghubungkan antara variabel-variabel masukan
dan variabel-variabel keluaran.

Aturan ini berbentuk ‘JIKA – MAKA’ (IF THEN),
 Aturan 1 : JIKA x adalah A1 DAN y adalah B1 MAKA z
adalah C1
 Aturan 2 : JIKA x adalah A2 DAN y adalah B2 MAKA z
adalah C2
 Aturan i : JIKA x adalah Ai DAN y adalah Bi MAKA z adalah
Ci

1
 23/09/2015

Ai (i = 1,2,3,…) adalah himpunan Fuzzy ke i
Kaidah dasar dalam menarik kesimpulan dari dua nilai logika
tradisional adalah modus ponens, yaitu kesimpulan tentang
untuk variabel masukan x nilai kebenaran pada B diambil berdasarkan kebenaran pada

Bi (i = 1,2,3,…) adalah himpunan Fuzzy ke i A.
untuk variabel masukan y
Sebagai contoh, jika A diidentifikasi dengan “tomat itu
merah” dan B dengan “tomat itu masak”, kemudian jika

Ci (i = 1,2,3,…) adalah himpunan Fuzzy ke i benar kalau “tomat itu merah” maka “tomat itu masak”,
untuk variabel keluaran z juga benar.
premise 1 (kenyataan) : x adalah A,
premise 2 (kaidah) : jika x adalah A maka y adalah B.
Consequence (kesimpulan) : y adalah B.

Secara umum dalam melakukan penalaran,
modus ponens digunakan dengan cara
pendekatan

Sebagai contoh, jika ditemukan suatu kaidah
implikasi yang sama dengan “jika tomat itu
merah maka tomat itu masak”, misalnya
“tomat itu kurang lebih merah,” maka dapat
disimpulkan “tomat itu kurang lebih masak”
premise 1 (kenyataan) : x adalah A’,
premise 2 (kaidah) : jika x adalah A maka y adalah B.
Consequence (kesimpulan) : y adalah B’.

Dengan A’adalah dekat ke A dan B’adalah
dekat ke B. Ketika A, B, A’ dan B’adalah
himpunan fuzzy dari semesta yang
berhubungan, maka penarikan kesimpulan
seperti tersebut dinamakan penalaran
dengan pendekatan (approximate reasoning)
yang disebut juga dengan generalized modus
ponens (GMP).

2
 23/09/2015

premise 1 (kenyataan) : x adalah A’ dan y adalah B’,

premise 2 (kaidah) : jika x adalah A dan y adalah B
maka z adalah C.
Consequence (kesimpulan) : z adalah C’.

premise 1 (kenyataan) : x adalah A’ dan y adalah B’,

premise 2 (kaidah 1) : jika x adalah A1 dan y adalah B1 maka z adalah C1.

proses membandingkan 2 kondisi dalam bahasa insting
manusia.
Premise 3 (kaidah 2) : jika x adalah A2 dan y adalah B2 maka z adalah C2.

IF - THEN rules based
Consequence (kesimpulan) : z adalah C’.

Digunakan untuk menentukan output yang dihasilkan pada
Defuzifier.

membandingkan output membership function sebagai input
untuk memperoleh hasil defusifikasi.

Berdasarkan basis aturan yang telah dibuat, variabel-variabel
masukan fuzzy diolah lebih lanjut untuk mendapatkan suatu
penyelesaian

Dapat diambil suatu keputusan berupa variabel fuzzy
keluaran, yaitu himpunan-himpunan keluaran fuzzy dengan
fungsi keanggotaan yang ditetapkan berdasarkan metode yang
digunakan

Metode yang digunakan dalam proses pengambilan keputusan
ini adalah:
 Metode Max-Min
 Metode Max-Product (Max-Dot)

3
 23/09/2015

Pada metode Max-Min, pengambilan keputusan

didasarkan pada aturan operasi menurut Mamdani

Fungsi ini akan memotong output himpunan fuzzy

Keputusan yang diambil berdasarkan aturan ke-i

dapat dinyatakan dengan αi ∧ µci(z), sehingga
keanggotaan C adalah titik yang diberikan oleh:

Fungsi ini akan menskala output himpunan

fuzzy

Keputusan yang diambil berdasarkan aturan
ke i dapat dinyatakan dengan αi•µci(z),
sehingga keanggotaan C adalah titik yang
diberikan oleh:

4
 23/09/2015

Biasa disebut COA (Centre of Area)

Pada metode ini nilai tegas keluarannya diperoleh berdasarkan titik
berat dari kurva hasil proses pengambilan keputusan (inference).
b
∫ µ i (z i ) z ∂z
z* = a
b
∫ µ i (z i ) ∂z
a

Jika himpunan fuzzy output diskrit maka persamaanya sebagai
berikut

∑ i µ(z i )z i
z* =
∑ i µ(z i )

Contoh metoda center of area dengan himpunan output fuzzy
Metoda MOM (Mean of maximum) ini sangat
diskrit seperti pada gambar di bawah ini :
berbeda dengan metoda yang sebelumnya,
µ karena yang diperhitungkan hanya bagian
∑iµ(z )z consequent dengan derajat keanggotaan paling
i i
z* = besar
Mz
∑iµ(z ) i
i z* = ∑
i=1M

a+b
(20 + 30 + 40) * 0.5 + (50 + 60 + 70) * 0.3 z* =
z* = 2
0.5 + 0.5 + 0.5 + 0.3 + 0.3 + 0.3 a Z* b z

5
 23/09/2015

singleton

• Non Singleton