FUZZY INFERENCE SYSTEM

Definisi Fuzzy Logic

2

 Pakar biasanya berhubungan dengan kemampuan menyelesaikan suatu

permasalahan
 Bagaimana kita dapat merepresentasikan pengetahuan pakar yang
menggunakan istilah tidak jelas dan mendua arti dalam sebuah sistem
komputer?
 Logika Fuzzy bukan logika yang kabur (fuzzy), tetapi logika yang digunakan untuk
menggambarkan ketidakjelasan (fuzziness). Fuzzy logic adalah teori dari himpunan
fuzzy, himpunan yang mengkaliberkan ketidakjelasan.
 Fuzzy logic didasarkan pada ide bahwa semua benda/hal mempunyai derajat
(degree). Temperatur, ketinggian, kecepatan, jarak, kecantikan – semua ditarik
dari suatu skala.
 Motor itu berjalan sangat panas.
 Tom adalah orang yang sangat tinggi.
 Definisi Fuzzy Logic
3

 Konsep himpunan dan teori himpunan merupakan konsep yang powerful dalam
matematika. Tetapi prinsip dalam sebuah himpunan, bahwa sebuah elemen hanya
berada di salah satu yaitu ada di dalam himpunan atau diluar himpunan, yang
membuat agak tidak mungkin untuk menyatakan kebanyakan kalimat manusia.
Seperti
 large profit

 high pressure

 tall man

 moderate temperature

 Representasi teori himpunan yang biasa membutuhkan pengembangan dari suatu

keragaman crisp / set :
 high

 not quite high

 very high … etc.

 Histori
 Teori himpunan fuzzy diperkenalkan
oleh Prof Lotfi Astor Zadeh tahun
1962
Dalam perjalannya perkembangan
teori himpunan fuzzy dibagi menjadi 3
fase, yaitu:
Phase akademik
1965-1977
Phase transformasi Loft A. Zadeh in 2004 at the age of 83
1978-1988
Phase fuzzy boom
1989-….

4
 Aplikasi Fuzzy
5

Advertisement: …
 Extraklasse Washing Machine - 1200 rpm. The Extraklasse machine has a number of
features which will make life easier for you.
 Fuzzy Logic detects the type and amount of laundry in the drum and allows only as much
water to enter the machine as is really needed for the loaded amount. And less water will
heat up quicker - which means less energy consumption.
 Foam detection
Too much foam is compensated by an additional rinse cycle: If Fuzzy Logic detects the
formation of too much foam in the rinsing spin cycle, it simply activates an additional rinse
cycle. Fantastic!
 Imbalance compensation
In the event of imbalance, Fuzzy Logic immediately calculates the maximum possible
speed, sets this speed and starts spinning. This provides optimum utilization of the
spinning time at full speed […]
 Washing without wasting - with automatic water level adjustment
 Fuzzy automatic water level adjustment adapts water and energy consumption to the
individual requirements of each wash programme, depending on the amount of laundry
and type of fabric […]
 Fungsi Keanggotaan Fuzzy
6

 Berbeda dengan teori himpunan dimana nilai keanggotaan

hanya bernilai 1 atau 0, fungsi keanggotaan fuzzy ada
didalam interval 0 sampai 1
 Fuzzy From Computing with Numbers to Computing with
Words
 Contoh Fungsi Keanggotaan
7

Degree of Membership
Name Height, cm Crisp Fuzzy
Chris 208 1 1.00
Mark 205 1 1.00
John 198 1 0.98
Tom 181 1 0.82
David 179 0 0.78
Mike 172 0 0.24
Bob 167 0 0.15
Steven 158 0 0.06
Bill 155 0 0.01
Peter 152 0 0.00
 Contoh Fungsi Keanggotaan
8

Degree of
Crisp Sets
Membership
Sumbu x menyatakan semesta 1.0
pembicaraan (domain) – range-nya 0.8
Tall Men
disesuaikan dengan variable yang 0.6

digunakan 0.4

0.2
Sumbu y menyatakan nilai /derajat 0.0
keanggotaan setiap nilai variabel. 150 160 170 180 190 200 210
Height, cm
Degree of
Fuzzy Sets
Membership
1.0

0.8
0.6

0.4
0.2

0.0
150 160 170 180 190 200 210
Height, cm
 Notasi Keanggotaan Fuzzy
9

 A:x[0,1]
Karena keanggotaan himpunan fuzzy ada dalam
interval 0 sampai 1, maka ada kalanya
keanggotaan himpunan fuzzy dinyatakan dalam
bentuk fungsi.
Fungsi Keanggotaan Fuzzy
 Fungsi keanggotaan (membership function) adalah
suatu kurva yang menunjukkan pemetaan titik-titik
input data ke dalam nilai keanggotaannya ( sering
juga disebut dengan derajat keanggotaan ) yang
memiliki interval 0 sampai 1.
 Fungsi keanggotaan ini sangat penting peranannya
dalam menyajikan data-data yang mengandung
ketidakpastian dalam himpunan fuzzy.
 Bentuk fungsi keanggotaan akan mempengaruhi
lamanya proses perhitungan fuzzy itu dilaksanakan.
1. Representasi Linear

 0 ; xa

 ( x)  ( x  a) /(b  a) ; a  x  b
 1 ; xb


a b

 (b  x)
 ; a xb
 ( x)   (b  a)
 0 ; xb

a b
Representasi Kurva Segitiga


0 ; x  a atau x  c

 ( x  a)
 ( x)   ; a xb
 (b  a )
a b c  (c  x )
 ; b xc
 (c  b)
Representasi Kurva Trapesium

0 ; x  a atau x  d
 ( x  a)
 ; a xb
 (b  a )
 ( x)  
1 ; bxc

 (d  x)
; xd
 ( d  c)
a b c d
Representasi Kurva Gaussian
Derajad keanggotaan

0.8

0.6  ( x c ) 2
2 2
0.4  ( x)  e
0.2

0
0 20 40 60 80 100

c : nilai tengah (mean) dan σ : standart deviasi

Quis
 Tentukan nilai ( ) untuk x = 3 digit terakhir NBI
anda (Contoh NBI : 1451800015 maka
x=015=15), dengan fungsi keanggotaan fuzzy
sbb:

c : 60 dan σ : 20