Fig. 1.

Framework of our CFIS (CFR)

Gambar 1 Framework of out CFIS(CFR) yang diusulkan, dimana CFR(input lebih

dari pada satu/lebih dari satu atttribute/multiattribute) yang terdiri atas input, input
membership function, fuzzified input, agregasi formula, kekuatan, dan output
membership function. Dari dari beberapa input maka ouputnya menjadi satu yang
terdiri atas agregasi formulasi, output distribusi, defuzzification dan output.

Hal-5
Sejauh ini, dalam studi CFLS dan CFIS, fungsi keanggotaan sinusoidal dan fungsi
keanggotaan Gaussian telah digunakan. Fungsi keanggotaan sinusoidal atas
kodomain disk unit yang diperkenalkan oleh Chen [13] diberikan dalam (6).
Sebagian besar pekerjaan lain yang terkait dengan ANCFIS yang diperkenalkan
kemudian juga menggunakan kelas fungsi keanggotaan fuzzy kompleks ini

rumus(6)

sehingga r(θ) adalah amplitudo dan θ(x) adalah fase dari

tingkat keanggotaan x ∈ U .

Di sisi lain, kami bermaksud agar CFIS Mamdani yang kami usulkan menjadi
generalisasi yang tepat dari FIS Mamdani yang sudah ada sebelumnya. Secara
khusus, ia harus mampu menangani μ(x) apa pun dengan cara yang persis sama
seperti FIS Mamdani kapan pun μ(x) ∈ [0, 1]. Dengan demikian kami termotivasi
untuk mendefinisikan fungsi keanggotaan fuzzy kami yang kompleks, untuk CFIS
Mamdani kami sebagai

rumus(7)

Ini adalah fungsi keanggotaan kompleks klasik yang didefinisikan oleh Ramot et
al.[2], dengan r(x) dan θ(x) masing-masing mewakili amplitudo dan fase dari
elemen. Selain itu, karena ini merupakan upaya awal untuk mengembangkan
CFIS berbasis Mamdani, kami bermaksud untuk fokus pada proses penerapan
sistem, dan dengan demikian memilih untuk menggunakan fungsi keanggotaan
klasik yang kompleks ini agar semuanya tetap sederhana.

Pada artikel ini, operasi yang akan digunakan dalam CFIS Mamdani kami
diberikan di bawah ini.
1) T-norm minimum digunakan untuk menghitung kekuatan tembak CFL dengan
AND yang menghubungkan anteseden.
2) T-conorm maksimum digunakan untuk menghitung kekuatan tembak CFL
dengan OR yang menghubungkan anteseden.
3) Aturan implikasi Mamdani untuk CFS yang diberikan pada (8) digunakan
untuk menghitung nilai konsekuensi dari setiap CFL

rumus(8)
Definisi standar perkalian titik untuk vektor bernilai kompleks akan digunakan
untuk menghitung nilai konsekuen dari setiap CFL. Perhatikan bahwa perkalian
titik untuk vektor kompleks adalah generalisasi perkalian titik vektor nyata. Oleh
karena itu, ini juga merupakan generalisasi dari T-norm produk yang digunakan
dalam konteks FIS Mamdani biasa.

Keterangan: Karena ini adalah CFIS, kekuatan tembak dan konsekuensi dari CFL
juga merupakan nilai yang kompleks.

Ramot dkk. [3] memperkenalkan fungsi agregasi baru yang disebut agregasi
vektor untuk memungkinkan beberapa CFL digabungkan bersama dengan
mempertimbangkan ketentuan fase mereka. Output didasarkan pada prinsip aturan
interferensi: jika semua argumen dari istilah fase selaras, amplitudo yang
dihasilkan dimaksimalkan; jika argumen dari istilah fase tidak selaras, amplitudo
yang dihasilkan mungkin lebih kecil dari masukan asli.

Dalam struktur ANCFIS yang diusulkan oleh Man et al. [12], agregasi vektor
dilakukan melalui operasi perkalian titik “.”, dengan w p.μ kekuatan w Ai p (x)
menunjukkan perkalian titik dari aturan yang ditembakkan dengan fungsi
keanggotaan fuzzy kompleks dari setiap himpunan fuzzy kompleks A ∈ U.
Namun, “.” adalah perkalian titik bernilai nyata dan berbeda secara signifikan dari
definisi konvensional perkalian titik antara vektor bernilai kompleks seperti yang
diberikan pada (9) di bawah ini

rumus (9)
yang pada gilirannya sama dengan r
− ωAprAp(x)(cos(ωp− ωAp(x)) + i sin(ω(x))) dan karenanya, tidak harus real.
Dalam kasus CFIS Mamdani yang diusulkan, kami bertujuan untuk
mengembangkan CFIS yang benar-benar kompleks, yaitu, yang
mengimplementasikan interferensi aturan dan pada saat yang sama
mempertimbangkan istilah amplitudo dan fase selama proses pengambilan
keputusan. Dengan demikian, kami memilih untuk tetap setia pada definisi
konvensional dari perkalian titik antara vektor kompleks, dan karena itu memilih
untuk menggunakan (9) sebagai operator agregasi kami.

Untuk memastikan bahwa CFIS Mamdani merupakan generalisasi yang tepat dari
FIS Mamdani, CFIS Mamdani harus mampu menangani bilangan kompleks persis
seperti FIS Mamdani menangani bilangan real. Selanjutnya, dalam kasus di mana
semua fungsi keanggotaannya nyata, CFIS harus berperilaku identik dengan FIS.
Untuk mencapai hal ini, kami telah merancang sistem sedemikian rupa sehingga
pembobotan akan dilakukan selama langkah implikasi (langkah 4), mirip dengan
FIS Mamdani yang sudah ada sebelumnya. Oleh karena itu, kami tidak
mempertimbangkan w p selama agregasi distribusi keluaran (langkah 5). Dalam
hal ini, kami mendefinisikan distribusi keluaran D(y) sebagai berikut:

rumus(10)
Dalam definisi ini, D(y)=Γ1(y)+Γ2(y) jika (y)+··· +Γk(y) jika Tp(Y) adalah
fungsi kompleks. Dengan cara ini, kami dapat yakin untuk mendapatkan CFIS
yang benar-benar kompleks di mana informasi yang berkaitan dengan fase
tersebut tidak diabaikan tetapi dipertimbangkan dalam setiap langkah proses
pengambilan keputusan