LATIHAN ALGORITMA FUZZY

Rabu, 26 Januari 2022

Kecerdasan Buatan
Aldiama Hari Octavian. Y
312019012 – TK2019A

1. STUDI KASUS
Nomor 1

2. LANGKAH – LANGKAH PENGERJAAN

1.1 Fuzzyfikasi Variabel kecepatan
Diketahui jika kecepatan putaran terkecil adalah 1000rpm dan terbesar adalah 5000rpm. Maka
jika dimasukan ke dalam kurva akan menjadi sebagai berikut:
 0; 𝑥 ≥ 5000

5000 − 𝑥
𝜇 𝑙𝑎𝑚𝑏𝑎𝑡 = ; 1000 ≤ 𝑥 ≤ 5000
5000 − 1000

{1; 𝑥 ≤ 1000
0; 𝑥 ≤ 1000

𝑥 − 1000
𝜇 𝑐𝑒𝑝𝑎𝑡 = ; 1000 ≤ 𝑥 ≤ 5000
5000 − 1000

{ 1; 𝑥 ≥ 5000
Berapa banyak nilai derajat keanggotaan untuk kecepatan putaran = 4000?
5000 − 4000 1000
𝜇 𝑙𝑎𝑚𝑏𝑎𝑡 = = = 0.25
4000 4000
4000 − 1000 3000
𝜇 𝑐𝑒𝑝𝑎𝑡 = = = 0.75
4000 4000
Maka dapat ditemukan bahwa nilai derajat keanggotaan untuk himpunan lambat = 0.25 dan cepat
= 0.75

1.2 Fuzzyfikasi Variabel Suhu

Diketahui jika suhu ruangan terendah adalah 100kelvin dan tertinggi adalah 600kelvin. Maka
jika dimasukan ke dalam kurva akan menjadi sebagai berikut:
 0; 𝑥 ≥ 600 0; 𝑥 ≤ 100

600 − 𝑥 𝑥 − 100
𝜇 𝑟𝑒𝑛𝑑𝑎ℎ = ; 100 ≤ 𝑥 ≤ 600 𝜇 𝑡𝑖𝑛𝑔𝑔𝑖 = ; 100 ≤ 𝑥 ≤ 600
600 − 100 600 − 100

{ 1; 𝑥 ≤ 100 { 1; 𝑥 ≥ 600
Berapa banyak nilai derajat keanggotaan untuk suhu ruangan sebesar = 300?
600 − 300 300
𝜇 𝑟𝑒𝑛𝑑𝑎ℎ = = = 0.6
500 500
300 − 100 200
𝜇 𝑡𝑖𝑛𝑔𝑔𝑖 = = = 0.4
500 500
Maka dapat ditemukan bahwa nilai derajat keanggotan untuk himpunan rendah = 0.6 dan
himpunan tinggi = 0.4

1.3 Fuzzyfikasi Variabel Frekuensi

Untuk variabel frekuensi di sini saya hanya menyimpan rumus dan kurva nya karena pada
variabel ini lah yang akan saya cari atau tentukan nilainya. Berikut adalah rumus dan kurvanya:
 0; 𝑧 ≥ 7000

7000 − 𝑧
𝜇 𝑘𝑒𝑐𝑖𝑙 = ; 2000 ≤ 𝑧 ≤ 7000
7000 − 2000

{1; 𝑧 ≤ 1000

0; 𝑧 ≤ 1000

𝑧 − 2000
𝜇 𝑏𝑒𝑠𝑎𝑟 = ; 2000 ≤ 𝑧 ≤ 7000
7000 − 2000

{ 1; 𝑧 ≥ 7000

1.4 Tahap Inferensi atau Penalaran

Pada tahap ini adalah tahap mengkolerasikan setiap himpunan terhadap rule atau aturan dari
masing masing variabel yang ada.

Untuk [R1] atau Rule Pertama:

Jika kecepatan LAMBAT dan suhu TINGGI, maka frekuensi KECIL

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 1 = 𝝁𝑙𝑎𝑚𝑏𝑎𝑡(𝑥) ∩ 𝝁𝑡𝑖𝑛𝑔𝑔𝑖(𝑥)

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 1 = 𝑚𝑖𝑛(𝝁𝑙𝑎𝑚𝑏𝑎𝑡(4000); 𝝁𝑡𝑖𝑛𝑔𝑔𝑖(300))

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡1 = min(0.25; 0.4)

Maka nilai 𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 1 (nilai terkecil antara himpunan lambat dan tinggi) adalah 0.25
Mencari nilai 𝑧1 =

7000 − 𝑧1
𝜇(𝑧) =
7000 − 2000
7000 − 𝑧1
0.25 =
5000
𝑧1 = 5750

Untuk [R2] atau Aturan Kedua:

Jika kecepatan LAMBAT dan suhu RENDAH, maka frekuensi KECIL

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 2 = 𝝁𝑙𝑎𝑚𝑏𝑎𝑡(𝑥) ∩ 𝝁𝑟𝑒𝑛𝑑𝑎ℎ(𝑥)

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 2 = 𝑚𝑖𝑛(𝝁𝑙𝑎𝑚𝑏𝑎𝑡(4000); 𝝁𝑟𝑒𝑛𝑑𝑎ℎ(300))

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 2 = min(0.25; 0.6)

Maka nilai 𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 2 (nilai terkecil antara himpunan lambat dan rendah) adalah 0.25

Maka untuk mencari nilai 𝑧 2 adalah :

7000 − 𝑧 2
𝜇(𝑧) =
7000 − 2000
7000 − 𝑧 2
0.25 =
5000
𝑧 2 = 5750

Untuk [R3] atau Aturan Ketiga:

Jika kecepatan CEPAT dan suhu TINGGI, maka frekuensi BESAR

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 3 = 𝝁𝑐𝑒𝑝𝑎𝑡(𝑥) ∩ 𝝁𝑡𝑖𝑛𝑔𝑔𝑖(𝑥)

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 3 = 𝑚𝑖𝑛(𝝁𝑐𝑒𝑝𝑎𝑡(4000); 𝝁𝑡𝑖𝑛𝑔𝑔𝑖(300))

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 3 = min(0.75; 0.4)

Maka nilai 𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 3 (nilai terkecil antara himpunan cepat dan tinggi) adalah 0.4

Maka untuk mencari nilai 𝑧 3 adalah :

𝑧 3 − 2000
𝜇(𝑧) =
7000 − 2000
 𝑧 3 − 2000
0.4 =
5000
𝑧 3 = 4000

Untuk [R4] atau Aturan Ke Empat:

per

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 4 = 𝝁𝑐𝑒𝑝𝑎𝑡(𝑥) ∩ 𝝁𝑟𝑒𝑛𝑑𝑎ℎ(𝑥)

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 4 = 𝑚𝑖𝑛(𝝁𝑐𝑒𝑝𝑎𝑡(4000); 𝝁𝑟𝑒𝑛𝑑𝑎ℎ(300))

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 4 = min(0.75; 0.6)

Maka nilai 𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 4 (nilai terkecil antara himpunan cepat dan rendah) adalah 0.6

Maka untuk mencari nilai 𝑧 4 adalah:

𝑧 4 − 2000
𝜇(𝑧) =
7000 − 2000
𝑧 4 − 2000
0.6 =
5000
𝑧 4 = 5000

1.5 Tahap Deufuzzyfikasi

Tahap deufuzzyfikasi di sini karena menggunakan metode Tsukamoto, maka akan ditentukan
dengan cara Average (mencari nilai rata – rata).

∑𝑖 𝑛 𝛼𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 𝑖 ∗ 𝑧 𝑖
∗
𝑍 =
∑𝑖 𝑛 𝛼𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 𝑖

Nilai akhir adalah nilai alpha predikat * nilai masing – masing keanggotaan / nilai alpha predikat.

Sehingga hasilnya :

(0.25 ∗ 5750) + (0.25 ∗ 5750) + (0.4 ∗ 4000) + (0.6 ∗ 5000)

𝑍∗ =
(0.25 + 0.25 + 0.4 + 0.6)

7475
𝑍∗ = = 4983.33
1.5
Sehingga disimpulkan bahwa jika pada saat itu sensor suhu menunjukkan angka 300 Kelvin,
sedangkan kipas angin berputar dengan kecepatan 4000 rpm. Maka sumber frekuensi kipas angin
yang dihasilkan adalah 4983.33
1.6 IMPLEMENTASI PADA APLIKASI WEB
- SOURCE CODE
3. STUDY KASUS

NOMOR 2
4. LANGKAH – LANGKAH PENGERJAAN
2.1 Tahap Fuzzyfikasi Variabel Permintaan

Diketahui bahwa fungsi keanggotaan diasumsikan secara Linear

1; 𝑥 ≤ 45000

75000 − 𝑥
𝜇 𝑡𝑢𝑟𝑢𝑛 = ; 45000 ≤ 𝑥 ≤ 75000
75000 − 45000

{ 0; 𝑥 ≥ 75000
0; 𝑥 ≤ 45000

𝑥 − 45000
𝜇 𝑛𝑎𝑖𝑘 = ; 45000 ≤ 𝑥 ≤ 75000
75000 − 45000

{ 1; 𝑥 ≥ 75000

Berapa nilai derajat keanggotaan jika jumlah permintaan sebanyak 60000?

75000 − 60000 15000
𝜇 𝑡𝑢𝑟𝑢𝑛 = = = 0.5
30000 30000
60000 − 45000 15000
𝜇 𝑛𝑎𝑖𝑘 = = = 0.5
30000 30000
2.2 Tahap Fuzzyfikasi Variabel Persediaan
 1; 𝑥 ≤ 7000

13000 − 𝑥
𝜇 𝑠𝑒𝑑𝑖𝑘𝑖𝑡 = ; 7000 ≤ 𝑥 ≤ 13000
13000 − 7000

{0; 𝑥 ≥ 13000
0; 𝑥 ≤ 7000

𝑥 − 7000
𝜇 𝑏𝑎𝑛𝑦𝑎𝑘 = ; 7000 ≤ 𝑥 ≤ 13000
13000 − 7000

{ 1; 𝑥 ≥ 13000

Berapakah nilai derajat keanggotaan jika jumlah persediaan sebanyak 8000?

13000 − 8000 5000
𝜇 𝑠𝑒𝑑𝑖𝑘𝑖𝑡 = = = 0.833333333
6000 6000
8000 − 7000 1000
𝜇 𝑏𝑎𝑛𝑦𝑎𝑘 = = = 0.166666667
6000 6000
2.3 Fuzzyfikasi Variabel Produksi

Pada variabel ini dibuat rumus untuk menentukan nilai yang akan dicari (z)
 1; 𝑧 ≤ 10000

15000 − 𝑧
𝜇 𝑏𝑒𝑟𝑘𝑢𝑟𝑎𝑛𝑔 = ; 10000 ≤ 𝑧 ≤ 15000
15000 − 10000

{ 0; 𝑧 ≥ 15000
0; 𝑧 ≤ 10000

𝑧 − 10000
𝜇 𝑏𝑒𝑟𝑡𝑎𝑚𝑏𝑎ℎ = ; 10000 ≤ 𝑧 ≤ 15000
15000 − 10000

{ 1; 𝑧 ≥ 15000

2.4 Tahap Inferensi atau Penalaran

Pada tahap ini adalah dilakukan perbandingan untuk menentukan nilai terendah dari masing
masing nilai keanggotaan yang sudah didapat sesuai dengan rule atau aturan yang ada.

Untuk [R1] atau Aturan Pertama:

Jika permintaan TURUN dan persediaan BANYAK, maka produksi BERKURANG

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 1 = 𝝁𝑡𝑢𝑟𝑢𝑛(𝑥) ∩ 𝝁𝑏𝑎𝑛𝑦𝑎𝑘(𝑥)

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 1 = 𝑚𝑖𝑛(𝝁𝑡𝑢𝑟𝑢𝑛(60000); 𝝁𝑏𝑎𝑛𝑦𝑎𝑘(8000))

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡1 = min(0.5; 0.166666667)

Maka Nilai dari 𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 1 adalah 𝟎. 𝟏𝟔𝟔𝟔𝟔𝟔𝟔𝟔𝟕

Mencari nilai 𝑧1 =
 15000 − 𝑧1
𝜇(𝑧) =
15000 − 10000
15000 − 𝑧1
0.166666667 =
5000
𝑧1 = 14.166,6667

Untuk [R2] atau Aturan Kedua:

Jika permintaan NAIK dan persediaan SEDIKIT, maka produksi BERTAMBAH

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 2 = 𝝁𝑛𝑎𝑖𝑘(𝑥) ∩ 𝝁𝑠𝑒𝑑𝑖𝑘𝑖𝑡(𝑥)

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 2 = 𝑚𝑖𝑛(𝝁𝑛𝑎𝑖𝑘(60000); 𝝁𝑠𝑒𝑑𝑖𝑘𝑖𝑡(8000))

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 2 = min(0.5; 0.833333333)

Maka Nilai dari 𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 2 adalah = 0.5

Mencari nilai 𝑧 2 =

𝑧 2 − 10000
𝜇(𝑧) =
15000 − 10000
𝑧 2 − 10000
0.5 =
5000
𝑧 2 = 𝟏𝟐. 𝟓𝟎𝟎

Untuk [R3] atau aturan ketiga:

Jika permintaan NAIK dan persediaan BANYAK, maka produksi BERTAMBAH

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 3 = 𝝁𝑛𝑎𝑖𝑘(𝑥) ∩ 𝝁𝑏𝑎𝑛𝑦𝑎𝑘(𝑥)

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 3 = 𝑚𝑖𝑛(𝝁𝑛𝑎𝑖𝑘(60000); 𝝁𝑏𝑎𝑛𝑦𝑎𝑘(8000))

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 3 = min(0.5; 0.166666667)

Maka Nilai dari 𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 3 adalah = 𝟎. 𝟏𝟔𝟔𝟔𝟔𝟔𝟔𝟔𝟕

Mencari nilai 𝑧 3 =

𝑧 3 − 10000
𝜇(𝑧) =
15000 − 10000
𝑧 3 − 10000
𝟎. 𝟏𝟔𝟔𝟔𝟔𝟔𝟔𝟔𝟕 =
5000
 𝑧 3 = 𝟏𝟎. 𝟖𝟑𝟑, 𝟑𝟑𝟑𝟑

Untuk [R4] atau aturan keempat:

Jika permintaan TURUN dan persediaan SEDIKIT, maka produksi BERKURANG

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 4 = 𝝁𝑡𝑢𝑟𝑢𝑛(𝑥) ∩ 𝝁𝑠𝑒𝑑𝑖𝑘𝑖𝑡(𝑥)

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 4 = 𝑚𝑖𝑛(𝝁𝑡𝑢𝑟𝑢𝑛(60000); 𝝁𝑠𝑒𝑑𝑖𝑘𝑖𝑡(8000))

𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 4 = min(0.5; 0.833333333)

Maka Nilai dari 𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 4 adalah 𝟎. 𝟓

Mencari nilai 𝑧 4 =

15000 − 𝑧 4
𝜇(𝑧) =
15000 − 10000
15000 − 𝑧 4
0.5 =
5000
𝑧 4 = 𝟏𝟐. 𝟓𝟎𝟎

2.5 Tahap Deufuzzyfikasi

Tahap deufuzzyfikasi di sini karena menggunakan metode Tsukamoto, maka akan ditentukan
dengan cara Average (mencari nilai rata – rata).

∑𝑖 𝑛 𝛼𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 𝑖 ∗ 𝑧 𝑖
𝑍∗ =
∑𝑖 𝑛 𝛼𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡 𝑖

Nilai akhir adalah nilai alpha predikat * nilai masing – masing keanggotaan / nilai alpha predikat.

Sehingga hasilnya :

𝑍∗
(0.166666667 ∗ 14.166,6667) + (0.5 ∗ 12.500) + (0.166666667 ∗ 10.833,3333) + (0.5 ∗ 12.500)
=
(0.166666667 + 0.5 + 0.166666667 + 0.5)

16.666,6667
𝑍∗ = = 𝟏𝟐. 𝟓𝟎𝟎
1.33333334
Maka dapat disimpulkan bahwa PT Kalang Kabut harus memproduksi Tahu Gimbal sebanyak
12.500 per hari jika ada permintaan sebanyak 60.000 dan persediaan tersisa sebanyak 8.000
bungkus.
2.6 IMPLEMENTASI PADA APLIKASI WEB
- SOURECODE
Catatan :

Metode yang digunakan di atas menggunakan metode Tsukamoto dimana memetakan setiap
input ke dalam ruang output dengan beberapa tahapan sehingga hasil akhir ditentukan dengan
mencari nilai rata rata dari setiap nilai alpha predikat * nilai setiap z / nilai dari semua alpha
predikat yang didapat.