KELOMPOK 8

Fuzzy Logics
Ajusta Ananta Yogarizki 2039201023
Muhammad Irsyad Aziz 2039201035
Ahmad Fikri Fawaid 2039201036

TOPIK YANG
DIBAHAS HARI INI

About fuzzy logics

Fuzzy set
Operasi himpunan fuzzy
Model logika fuzzy
ABOUT FUZZY LOGICS

•Logika Fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh pada

tahun 1965.
•Logika Fuzzy digunakan untuk manusia berkomunikasi dengan
computer.
•Meskipun logika fuzzy dikembangkan di Amerika, namun ia lebih
populer dan banyak diaplikasikan secara luas oleh praktisi Jepang.
Dikarenakan kultur orang Barat yang cenderung memandang suatu
persoalan sebagai hitam-putih, ya-tidak, sukses-gagal, atau yang
setara dengan dunia logika biner.
•Logika fuzzy umumnya diterapkan pada masalah-masalah yang
mengandung unsur ketidakpastian (uncertainty), ketidaktepatan
(imprecise), noisy, dan sebagainya.
•Contoh penerapan logika fuzzy : mesin cuci, mesin cuci otomatis
menerapkan logika fuzzy dengan cara berikut.
- Menggunakan sensor untuk mendeteksi kotoran pada pakaian.
- Inputnya: tingkat kekotoran, jenis kotoran dan banyaknya cucian.
- Outputnya: menentukan putaran putaran yang tepat secara otomatis.
About Fuzzy Logic
LOGIKA FUZZY ADALAH CARA UNTUK MEMODELKAN
PENALARAN LOGIS DIMANA KEBENARAN PERNYATAAN
BUKAN BINER
ABOUT FUZZY SET
•Pada himpunan tegas, nilai suatu keanggotaan dalam
suatu himpunan A (ditulis mA[x]) memiliki 2 kemungkinan :
- Satu (1) menyatakan x anggota A
- Nol (0) menyatakan x bukan anggota A
•Contoh :
Diketahui S = {1,2,3,4,5,6}
A = {1,2,3}
B = {4,5,6}
Maka :
- mA[2] = 1, karena 2 elemen A
- mA[4] = 0, karena 4 bukan elemen A
- mB[4] = 1, karena 4 elemen B
EXAMPLE ABOUT FUZZY SET
Misal : Variabel umur dibagi menjadi 3 dengan kategori sebagai berikut.
-Muda <30 Tahun
-Dewasa30 Tahun ≤ Umur ≤ 50 Tahun
-Tua >50 Tahun

Pernyataan :
ØApabila seseorang berusia 29 tahun, maka ia dikatakan MUDA
ØApabila seseorang berusia 30 tahun, maka ia dikatakan TIDAK MUDA
ØApabila seseorang berusia 30 tahun, maka ia dikatakan DEWASA
ØApabila seseorang berusia 30 tahun kurang 1 hari, maka ia dikatakan TIDAK DEWASA
ØApabila seseorang berusia 50 tahun, maka ia dikatakan TIDAK TUA
ØApabila seseorang berusia 50 tahun lebih ½ hari, maka ia dikatakan TUA
•Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut. Sesorang dapat masuk
dalam 2 himpunan yang berbeda. MUDA dan DEWASA, DEWASA dan TUA, dsb.
Seberapa besar eksistensinya dapat dilihat pada nilai/derajat keanggotaannya. Gambar
berikut menunjukkan himpunan fuzzy untuk variabel umur :
OPERASI LOGIKA (OPERASI HIMPUNAN FUZZY)

Operasi Logika Fuzzy ialah Operasi yang mengkombinasikan dan memodifikasi 2 atau
lebih himpunan fuzzy. Nilai dari keanggotaan baru (derajat keanggotaan) sebagai hasil dari
operasi dua himpunan fuzzy disebut dengan firing strength atau α predikat. Terdapat 3
operasi dasar didalam himpunan fuzzy yang diciptakan oleh Zadeh :
1. AND (intersection) yaitu α - predikat diperoleh dengan mengambil nilai minimum antar
kedua himpunan.
2. OR (union) yaitu α - predikat diperoleh dengan mengambil nilai maximum antar kedua
himpunan.
3. NOT (complement) yaitu α -predikat diperoleh dengan mengurangkan nilai
keanggotaan elemen pada himpunan dari 1
Union (OR)
Operator OR berhubungan dengan operasi union pada himpunan, α - predikat diperoleh
dengan mengambil nilai maximum antar kedua himpunan.

Keterangan:
•µA = derajat keanggotaan x dari himpunan fuzzy A
•µB = derajat keanggotaan x dari himpunan fuzzy B
•µA[x] = derajat keanggotaan x dari himpunan fuzzy A pada aturan ke-i
•µB[y] = derajat keanggotaan x dari himpunan fuzzy B pada aturan ke-i
Contoh :
Misalkan nilai keanggotaan 27 tahun pada himpunan MUDA adalah 0,6 (µMUDA[27]=0,6); dan
nilai keanggotaan Rp 2.000.000,- pada himpunan penghasilan TINGGI adalah 0,8
(µGAJITINGGI[2x106]=0,8);
dari contoh soal operator, dapat dihitung nilai α – predikat untuk usia MUDA atau berpenghasilan
TINGGI adalah:
•µMUDAorGAJITINGGI = max(µMUDA[27], µGAJITINGGI[2.000.000)
= max(0,6 ; 0,8)
= 0,8
Intersection (AND)
Operator AND berhubungan dengan operasi intersection pada himpunan α - predikat
diperoleh dengan mengambil nilai minimum antar kedua himpunan.

Keterangan:
•µA = derajat keanggotaan x dari himpunan fuzzy A
•µB = derajat keanggotaan x dari himpunan fuzzy B
•µA[x] = derajat keanggotaan x dari himpunan fuzzy A pada aturan ke-i
•µB[y] = derajat keanggotaan x dari himpunan fuzzy B pada aturan ke-i
Contoh:
Jika A dan B adalah himpunan fuzzy pada Semesta U = {0,1, 2,..., 10} yang dinyatakan
dengan :
•A = {(0,0),(1,0),(2,0),(3,0.1),(4,0.3),(5,0.5),(6,0.7),(7,0.8),(8,0.9), (9,1),(10,1)}
•B = {(0,1),(1,1),(2,1),(3,1),(4,0.8),(5,0.6),(6,0.4),(7,0.2),(8,0), (9,0),(10,0)}
•maka hasil operasi himpunan,
∩
•A B = min(a,b); = {(0,0),(1,0),(2,0),(3,0.1),(4,0.3),(5,0.5),(6,0.4),(7,0.2),(8,0),(9,0),(10,0)}
Komplemen (NOT)
Operator NOT berhubungan dengan operasi komplemen pada himpunan, α -predikat
diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan dari 1

contoh :
Misalkan nilai keanggotaan 27 tahun pada himpunan MUDA adalah 0,6 (µMUDA[27]=0,6);
dan nilai keanggotaan Rp 2.000.000,- pada himpunan penghasilan TINGGI adalah 0,8
(µGAJITINGGI[2x106]=0,8);

dari contoh operator not diatas, dapat dihitung nilai a–predikat untuk usia TIDAK MUDA
adalah:

µMUDA’ [27] = 1 - µMUDA[27]

= 1-0,6
= 0,4
Model Fuzzy logic
TSUKAMOTO, SUGENO, MAMDANI
Model Fuzzy Tsukamoto

Metode Fuzzy Tsukamoto yakni metode yang memiliki toleransi pada data dan sangat fleksibel.
Kelebihan dari metode Tsukamoto iniadalah bersifat intuitif dan dapat memberikan tanggapan
berdasarkan informasi yang bersifat kualitatif, tidak akurat, dan ambigu.
Metode Fuzzy Tsukamoto sangat cocok digunakan untuk menangani masalah yang bobotnya
bisa dikelompokkan menjadi sebuah himpunan tersendiri.
Logika fuzzy bisa digunakan di berbagai bidang, missal seperti pada sistem diagnosia penyakit
(dalam bidang kedokteran), riset operasi (dalam bidang ekonomi), pemodelan sistem pemasaran,
prediksi terjadinya gempa bumi, kendali kualitas air, klasifikasi dan pencocokan pola (dalam bidang
teknik), dll
Langkah Langkah dalam Penggunaan Algoritma Fuzzy Tsukamoto
•1.Mencari pakar yang sesuai dengan tema sistem yang akan dibuat.
•2.Mendapatkan data hipotesa, misal penyakit, kerusakan, dll.
•3.Mendapatkan data evidence tiap hipotesa.
•4.Mendapatkan bilangan himpunan fuzzy pada tiap evidence.
•5.Mendapatkan data rule / aturan dari pakar berdasarkan data.
•6.Setelah mendapat semua data yang dibutuhkan, langkah selanjutnya adalah menghitung data
tersebut kedalam teori Fuzzy Tsukamoto, sehingga menjadi hasil yang diharapkan.
 PENGERTIAN FUZZY SUGENO

•Secara umum logika fuzzy sugeno adalah suatu logika yang digunakan untuk
menghasilkan keputusan tunggal / crisp saat defuzzyfikasi,

•Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985

 LANGKAH – LANGKAH FUZZY SUGENO

•Fuzzyfikasi
•Penerapan rule
defuzzyfikasi dan output
 BENTUK UMUM HIMPUNAN FUZZY

•Orde-Nol

IF (X is A ) (X is A ) (X is A ) (X is A ) THEN z =k

dengan Ai adalah himpunan fuzzy ke-I sebagai anteseden, dan k adalah konstanta (tegas)
sebagai konsekuen

•Orde-satu

IF (X is A ) …. (X is A ) THEN z = p

dengan Ai adalah himpunan fuzzy ke-I sebagai anteseden, dan pi adalah suatu konstanta ke-I
dan q merupakan konstanta dalam konsekuen
 Pembentukan himpunan fuzzy
1.Membership fuzzy segitiga
2.Membership trapesium
CONTOH

BERAPA NILAI Μ SAAT INPUT 50 TAHUN?

JAWAB :
 APLIKASI FUNGSI IMPLIKASI (ATURAN)

Aturan min (aturannya menggunakan AND)

Contoh :
IF minimum banyak AND makan banyak THEN perut kenyang

DEFUZZYFIKASI

Dengan menggunakan nilai µ membership masukan dan nilai µ membership

keluaran

Nilai keluaran = Jumlah

(µ membership masukan x µ membership keluaran) / (µ membership
masukan)
 DITANYA : BERAPA KELUARAN FUZZY JIKA
INPUT = 40 TAHUN?

JIKA INPUT = MUDA, MAKA OUTPUT = MF1

JIKA INPUT = PAROBAYA, MAKA OUTPUT = MF2
JIKA INPUT = TUA, MAKA OUTPUT = MF3
MEMBERSHIP KELUARAN :
MF1 : -1
MF2 : 5
MF3 : 10

OUTPUT = (Μ MEMBERSHIP MASUKAN X Μ MEMBERSHIP KELUARAN) / (Μ

MEMBERSHIP MASUKAN)
(0,25 X -1) + (0,5 X 5) + (0 X 10) / 0,25 + 0,5 + 0 = 3
 Model Mamdani

Sering dikenal dengan nama Metode Max-Min.

Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975.
Untuk mendapatkan output diperlukan 4 tahapan :

1.Pembentukan himpunan fuzzy Variabel input maupun output dibagi menjadi satu atau lebih
himpunan
2.Aplikasi fungsi implikasi Fungsi implikasi yang digunakan adalah Min
3. Komposisi aturan Ada tiga metode yang digunakan dalam melakukan inferensi sistem fuzzy :
a. Metode Max
b. Metode Additive (SUM)
c. Metode Probabilistik OR
4. Penegasan (defuzzy) Input dari defuzzifikasi adalahsuatu himpunan yang diperoleh dari
komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkanmerupakansuatubilangan pada
domain himpunan fuzzy tersebut.
 Model Mamdani

Metode yang digunakan untuk defuzzifikasi :

a. Metode Centroid (Composite Moment)
b. Metode Bisektor
Pada metode ini, solusi crips diperoleh dengan cara mengambil nilai pada domain fuzzy yang
memiliki nilai keanggotaan Setengah dari jumlah total nilai keanggotaan pada daerah fuzzy.
c. Metode Mean of Maximun (MOM)
Pada metode ini solusi nilai crips diperoleh dengan cara mengambil nilai-nilai rata domain
yang memiliki nilai keanggotaan maksimum.
d. Metode Largest of Maximum (LOM)
Pada metode ini solusi nilai crips diperoleh dengan cara mengambil nilai terbesar dari domain
yang memiliki nilai keanggotaan maksimum.
e. Metode Smallest of Maximum (SOM)
Pada metode ini solusi nilai crips diperoleh dengan cara mengambil nilai terkecil dari dari
domain yang memiliki nilai keanggotaan maksimum. Universitas Sumatera Utara
 Model Mamdani

Metode yang digunakan untuk defuzzifikasi :

a. Metode Centroid (Composite Moment)
Pada metode ini, solusi nilai crisp diperoleh dengan cara mengambil titik pusat daerah
fuzzy.
Ada 2 keuntungan menggunakan metode centroid, yaitu: Nilai defuzzy akan bergerak
secara halus sehingga perubahan dari suatu topologi himpunan fuzzy ke topologi
berikutnya juga akan berjalan dengan halus serta Mudah dihitung
PERTANYAAN
1. Jelaskan secara singkat perbedaan logika fuzzy dengan logika crisp
2. Jelaskan secara singkat tentang Operasi dari sistem pakar fuzzy
3. Jelaskan tentang 3 metode fuzzy yang ada
1. Jelaskan secara singkat perbedaan logika fuzzy dengan logika crisp
2. Jelaskan secara singkat tentang Operasi dari sistem pakar fuzzy
3. Jelaskan tentang 3 metode fuzzy yang ada

Logika crisp/tegas merupakan sistem logika yang hanya mempunyai dua

nilai keanggotaan benar atau salah, tanpa ada nilai yang terletak
diantaranya. Logika fuzzy merupakan perluasan dari logika tegas tersebut.
Sehingga logika fuzzy dirasa lebih sesuai dengan penalaran manusia.
Serta Himpunan fuzzy mengikuti logika bernilai tak terhingga sedangkan
himpunan crisp didasarkan pada logika bernilai dua.

Fuzzification: definisi dari himpunan fuzzy dan penentuan derajat

keanggotaan dari crisp input pada sebuah himpunan fuzzy
Inferensi:evaluasi kaidah/aturan/rule fuzzy untuk menghasilkan output
dari tiap rule
Composisi: agregasi atau kombinasi dari keluaran semua rule
Defuzzification:perhitungan crisp output
Fuzzy metode sugeno merupakan metode inferensi fuzzy untuk aturan
yang direpresentasikan dalam bentuk IF – THEN, dimana output
(konsekuen) sistem tidak berupa himpunan fuzzy, melainkan berupa
konstanta atau persamaan linear.
Fuzzy mamdani adalah metode yang juga sering di kenal dengan metode
max-min atau max-product. Metode Mamdani dikenal juga sebagai
metode min-max, diperkenalkan oleh Ebrahim Mamdani pada tahun 1975.
Metode fuzzy mamdani banyak digunakan untuk penelitian tentang sistem
cerdas.
Metode Fuzzy Tsukamoto yakni metode yang memiliki toleransi pada data
dan sangat fleksibel. Kelebihan dari metode Tsukamoto iniadalah bersifat
intuitif dan dapat memberikan tanggapan berdasarkan informasi yang
bersifat kualitatif, tidak akurat, dan ambigu.
TERIMA KASIH