BAB II
LOGIKA FUZZY
b. Apakah Fuzzyfikasi?
d. Apakah Defuzzyfikasi?
Materi : Bab ini berisi pengertian logika fuzzy, dasar-dasar logika fuzzy dan
operasional control logika fuzzy. Bagian penutupan bab ini diisi dengan contoh dan
latihan-latihan soal.
Hal. 1
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
Struktur Bab
2.1 Pendahuluan
2.1.1 Pengertian Logika Fuzzy
2.1.2 Perbedaan Logika Fuzzy dengan logika tegas
2.1.3 Himpunan Logika Fuzzy
2.1.4 Sejarah logika fuzzy
2.1.5 kelebihan logika fuzzy
Hal. 2
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
2.1 Pendahuluan
Sebelum munculnya teori logika fuzzy (Fuzzy Logic), d ikenal sebuah logika tegas
(Crisp Logic) yang memiliki nilai benar atau salah secara tegas. Sebaliknya
Logika Fuzzy merupakan sebuah logika yang memiliki nilai kekaburan atau
kesamaran (fuzzyness) antara benar dan salah. Dalam teori logika fuzzy sebuah
nilai bisa bernilai benar dan salah secara bersamaan namun berapa besar
kebenaran dan kesalahan suatu nilai tergantung kepada bobot keanggotaan yang
dimilikinya.
Perbedaan antara kedua jenis logika tersebut adalah : logika tegas memiliki nilai
tidak=0.0 dan ya=1.0, sedangakan logika fuzzy memiliki nilai antara 0.0 hingga
1.0. Secara grafik perbedaan antara logika tegas dan logika fuzzy ditunjukkan
Y Y
benar
1 1 benar
salah salah
10 X 10 X
(a) (b)
Didalam gambar 2.1.a) apab ila X leb ih dari atau sama dengan 10 baru d ikatakan
benar yaitu bernilai Y=1, sebaliknya nilai X yang kurang dari 10 adalah salah
yaitu Y=0. Maka angka 9 atau 8 atau 7 dan seterusnya adalah dikatakan salah.
Hal. 3
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
Didalam gambar 2.1.b) nilai X = 9, atau 8 atau 7 atau nilai antara 0 dan 10 adalah
apabila berumur leb ih dari 17 tahun, maka sesiapapun yang kurang dari umur
tersebut di dalam logika tegas akan dikatakan sebagai tidak dewasa atau anak-
anak. Sedangkan dalam hal ini pada logika fuzzy umur dibawah 17 tahun dapat
saja d ikategorika dewasa tap i tidak penuh, misal untuk umur 16 tahun atau 15
tahun atau 14 tahun atau 13 tahun. Secara grafik dapat digambarkan sebagai
berikut:
golongan golongan
6 10 17 Umur 6 10 17 Umur
(a) (tahun) (b) (tahun)
Gambar 2.2 Perbandingan contoh a) logika tegas dan b) logika fuzzy dalam
penentuan go longan umur manusia dalam
Dalam teori logika fuzzy dikenal himpunan fuzzy (fuzzy set) yang merupakan
Hal. 4
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
Himpunan dari suhu atau temperatus dapat dinyatakan dengan: dingin, sejuk,
normal, hangat, panas. Grafik dari himpunan suhu ini ditunjukkan pada gambar
berikut:
Himpunan dari umur dapat dinyatakan dengan: muda, parobaya, tua, sangat tua.
sangat cepat.. Grafik dari himpunan kecepatan ini ditunjukkan pada gambar
berikut:
Hal. 5
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
Teori logika fuzzy dikembangkan oleh Prof. Lotfi Zadeh pada sekitar tahun 1960-
Kelebihan dari teori logika fuzzy adalah kemampuan dalam proses penalaran
keanggotaan suatu nilai terhadap nilai tegasnya yang berkisar antara 0,0 sampai
dengan 1,0. Jika A: himpunan fuzzy, μA: fungsi keanggotaan dan X : semesta,
dengan:
A={(x,μA(x))|xЄX}
Hal. 6
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
(2.1)
(2.2)
Hal. 7
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
(2.3)
a) Gabungan (Union) dalam sitem logika fuzzy dikenal dengan istilah Max.
Jika fungsi segitiga dari suatu fungsi keanggotaan adalah A, dan fungsi
Hal. 8
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
2 6 2 10
A B
2 6 10
b) Irisan (Intersaction) dalam sitem logika fuzzy dikenal dengan istilah Min.
operasi min dari kedua keanggotaan tersebut dapat dinyatakan sebagai berikut
ini:
2 6 2 10
A B
4 6
(2.6)
(2.7)
persamaan:
(2.8)
Hal. 9
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
Dalam system control logika fuzzy terdapat beberapa tahapan operasional yang
meliputi:
1. Fuzzyfikasi
4. Defuzzyfikasi
Dari gambar 2.10 sinyal masukan dari KLF dapat berupa nilai tegas. Sinyal
a) Selisih antara rujukan (reference) dengan nilai keluaran nyata dari KLF yang
b) Turunan pertama dari nilai error yang d ikenal dengan delta error=dE
2.3.1 Fuzzyfikasi
Fuzzifikasi adalah suatu proses pengubahan nilai tegas/real yang ada ke dalam
fungsi keanggotaan
Misal: merujuk pada gambar 2.1 fuzzifikasi dari suhu 35oC adalah:
A1 A2
A1
A2
Suhu ( 0 C)
15 30 45 60
berikut :
c X 45 35 2
A1
c b 45 30 3
X a 35 30 1
A 2
b a 45 30 3
Hal. 11
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
Aturan dasar (rule based) pada control logika fuzzy merupakan suatu bentuk
aturan relasi/imp likasi “Jika-Maka” atau “If – Then” seperti pada pernyataan
berikut:
Contoh dari aturan jika-maka ini pada pengendalian suhu ruangan dengan
berikut:
kipas tinggi
Jadi aturan dasar KLF ditentukan dengan bantuan seorang pakar yang mengetahui
karakteristik objek yang akan kendalikan. Aturan dasar tersebut dapat d inyatakan
dalam bentuk matrik aturan dasar KLF. Contoh aturan dasar dari rancangan
Tabel 2.1 Contoh Matrik Aturan Dasar Perancangan Kontrol Logika Fuzzy
Y B S K
X
B K K B
S K S K Z
K B K B
Diama
X : Suhu, Y : Kecepatan Kipas dan Z : Sumber Frekuensi
B : Besar, S: Sedang dan K : Kecil
Hal. 12
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
Mesin Penalaran: proses implikasi dalam menalar nilai masukan guna penentuan
nilai keluaran sebagai bebtuk Pengambil Keputusan. Salah satu model penalaran
proses pertama yang dilakukan adalah melakukan operasi min sinyal keluaran
lap isan fuzzyfikasi, yang diteruskan dengan operasi max untuk mencari nilai
Operasi Min/Irisan
(2.9)
Operasi Mak/Union
(2.10)
Proses operasi penalaran max-min dapat dijelaskan dengan grafik berikut ini:
Hal. 13
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
0.6
A1
M IN
B1 0.3 z1 0.3
A1 B1 Z1
B 2 0.7
0.4 M IN 0.4
A2 z2
A2 A2 Z2
M AX
0.4
0.3
Z1 Z2
2.3.4 Defuzzifikasi
Dimana :
Z* = Keluaran Kontrol FL
Metode ini juga d ikenal dengan metode puncak dimana nilai keluaran dibatasi
Hal. 14
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
Metode ini juga disebut pusat area. Metode ini lazim d ipakai dalam proses
Z*
c( z ) zdz (2.12)
c( z ) zdz
Z*
c( z ). Z (2.13)
c( z )
n
k 1ck ( z )dz
Z* n
k 1cm z dz (2.14)
• Dalam metode ini keluaran dipilih berdasarkan titik pusat area terbesar yang
Hal. 15
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
2.4.1 Contoh
Diagram blok sistem kendali fuzzy yang akan disimulasikan adalah memiliki
struktur pengendali fuzzy PD-like seperti terlihat dalam Gambar 1, yaitu sistem fuzzy
yang memiliki dua masukan proporsional dan turunan, dengan Gp adalah penguatan
proporsional, G d adalah penguatan turunan dan G o adalah penguatan keluaran.
Hal. 16
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
E_N=setiga_kr(x1,-1,0);
E_Z=setiga_tg(x1,-1,0,1);
E_P=setiga_kn(x1,0,1);
a2=u_0;
b2=(x2_0+dt*(b1/2));
a3=u_0;
b3=(x2_0+dt*(b2/2));
a4=u_0;
b4=(x2_0+dt*(b3));
x1=x1_0+(dt/6)*(b1+2*b2+2*b3+b4);
x2=x2_0+(dt/6)*(a1+2*a2+2*a3+a4);
Hal. 18
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
clear;
x1(1)=0;
x2(1)=0;
y(1)=0;
dt=0.01;
u(1)=1;
r=0.5
e(1)=-r;
gp=1;
gd=1;
go=1;
for n=1:1000
k=n+1;
e(k)=r-y(k-1);
de(k)=100*(e(k)-e(k-1));
u(k)=go*fuzz_satelit(gp*e(k),gd*de(k));
%u(k)=e(k);
[x1(k),x2(k)]=f_satelit(dt,u(k-1),x1(k-1),x2(k-1));
y(k)=x1(k);
end
t=linspace(0,10,1001);
figure;
plot(t,y);
xlabel('detik');
ylabel('rad');
Hal. 19
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
Gambar 2.16. Tanggapan sudut satelit terhadap acuan 0,5 rad dengan Gp, Gd dan Go
=1
Hal. 20
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
Gambar 2.17. Tanggapan posisi satelit dengan nilai penguatan yang berbeda.
Hal. 21
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
(a) (b)
(c)
Gambar 2.18. Perubahan penguatan masukan setara dengan perubahan fungsi
keanggotaan fuzzy.
Hal. 22
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
(a) (b)
(c)
Gambar 2.19. Perubahan nilai penguatan keluaran setara dengan perubahan bentuk
fungsi keanggotaan fuzzy keluaran
Gambar 2.19 (a) adalah bentuk fungsi keanggotaan dengan penguatan sebesar 1,
Gambar 2.19 (b) adalah untuk penguatan sebesar 0.5, sedangkan Gambar 2.19 (c)
adalah untuk penguatan sebesar 2.
Sumber : http://www.trensains.com/fuzzy_tut.htm
Hal. 23
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
2.4.2 Latihan
Jawab :
Logika Fuzzy didefinisikan sebagai sebuah logika yang memiliki nilai kabur atau tidak
tegas
Jawab :
Jawab :
Jawab :
Dikembangkan o leh Prof. Lotfi Zadeh pada sekitar tahun 1960-an dengan
Jawab :
Jawab :
Hal. 24
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
Derajat keanggotaan suatu nilai terhadap nilai tegasnya yang berkisar antara 0
sampai dengan 1
Jawab :
- Gabungan (union)
- Irisan (intersection)
- Kesamaan (Equality)
- Komplemen (Complement)
- Produk (Product)
Then
Jawab :
- Input
- Fuzzyfikasi
- Mesin penalar
- Mesin penalar
- defuzzyfikasi
- Apakah Fuzzyfikasi?
Jawab :
Fuzzifikasi adalah proses pengubahan nilai tegas/real yang ada ke dalam fungsi
keanggotaan
Hal. 25
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang
Handout M at a Kuliah Artifi cial Intelligence
Jawab :
- Apakah Defuzzyfikasi?
Jawab :
Jawab :
Hal. 26
Teknik Elektro Fakultas Teknik Universitas Widyagama Malang