NOMOR

Program Studi Teknik Informatika FORMULIR

Fakultas Teknik – Universitas Krisnadipayana
Jl. Kampus Unkris, Jatiwaringin, Pondok Gede

UJIAN TENGAH SEMESTER GANJIL 2020/2021

MATA KULIAH / KEL : Fuzzy Logic
SKS : 3
JURUSAN : TEKNIK INFORMATIKA
HARI, TANGGAL : Kamis, 05 November 2020
WAKTU / JAM : 36 jam
DOSEN : Dr. Harjono Padmono Putro, ST, MKom
SIFAT UJIAN : Take Home Test

PETUNJUK UMUM
1. Soal ujian dikerjakan sendiri-sendiri (tidak berkelompok)
2. Hasil di-printout dan diserahkan lewat Google Classroom
3. Soal logika fuzzy harus diselesaikan dengan menggunakan bantuan MATLAB.
4. Dikumpulkan paling lambat tgl 06 November 2020.

SOAL 1
a. Apa perbedaan antara Crips Value dengan Fuzzy Value?, berikan contohnya.
b. Apa itu Fuzzy Set.? Jelaskan
c. Apa itu Membership Function (Fungsi Keanggotaan)? Jelaskan
d. Jelaskan setiap tahapan proses Fuzzy Inference System (FIS)
e. Jelaskan langkah-langkah menggunakan MATLAB dalam menjalankan FIS.

SOAL 2
Suatu sistem pengendali kecepatan mobil dengan logika fuzzy digunakan untuk mengendalikan
kecepatannya, mobil ini memiliki sensor jarak, sensor kecepatan dan situasi dari sistem
pengendali kecepatan mobil tersebut dapat digambarkan pada gambar di bawah, mobil ini
dikendalikan dengan tujuan tidak menabrak mobil di depannya.
Jika kecepatan mobil adalah : 50 km/jam dan jaraknya adalah 0,75 m berapa posisi pedal yang
harus di injak? Dengan ketentuan aturan sebagai berikut :
1. Aturan 1 : Jika kecepatan mobil cepat dan jaraknya sangat dekat maka pedal rem injak sedikit
2. Aturan 2 : Jika kecepatan mobil cukup dan jaraknya agak dekat maka pedal rem injak sedang
3. Aturan 3 : Jika kecepatan mobil cukup dan jaraknya sangat dekat maka pedal rem injak agak
penuh
SOAL 3
Suatu perusahaan SEPATU akan memproduksi jenis sport. Pada 3 bulan terakhir biaya produksi
untuk sepatu jenis tersebut rata-rata sekitar Rp. 15.500,- ker box, dan maksimum mencapai Rp.
100.000,- per box. Banyaknya permintaan per hari rata-rata mencapai 30000 box dan maksimum
hingga mencapai 60000 box. Sampai saat ini, perusahaan baru mampu memproduksi barang
maksimum 100000 box per hari. Apabila proses produksi perusahaan tersebut menggunakan 3
aturan Fuzzy sebagai berikut :
R1: IF Biaya produksi RENDAH and permintaan NAIK THEN produksi barang
BERTAMBAH
R2: IF Biaya produksi sesuai STANDAR THEN produksi barang NORMAL
R3: IF Biaya produksi TINGGI and Permintaan TURUN THEN Produksi Barang
BERKURANG

Berapa jumlah sepatu jenis sport yang harus diproduksi, jika biaya untuk memproduksi jenis
sepatu tersebut diperkirakan sejumlah Rp. 80.000,- per box, dan permintaan diperkirakan
mencapai 25000 box per hari
 Jawaban

Nama : Gugum Gunawan

NIM : 1770232044

1. A. • Crisp Value adalah himpunan yang menyatakan suatu obyek merupakan anggota
dari satu himpunan memiliki nilai keanggotaan (µ) = ya (1) atau tidak (0), oleh karena itu
himpunan crisp disebut himpunan tegas.
Misalkan variable umur dibagi 3 kategori, yaitu: MUDA < 35 tahun ; PAROBAYA 35 ≤
umur ≤ 55 tahun ; TUA > 55 tahun.
Secara grafis:

Jika menggunakan himpunan crisp, dapat diambil kesimpulan bahwa:

-> Usia 34 tahun, dikatakan MUDA → µMUDA[34]=1
-> usia 35 tahun kurang 1 hari, dikatakan MUDA → µMUDA[35th-1hr]=1
-> Usia 35 tahun, dikatakan TIDAK MUDA → µMUDA[35]=0
-> Usia 55 tahun, dikatakan PAROBAYA → µPAROBAYA[55]=1
-> Usia 55 tahun lebih 1 hari, dikatakan TIDAK PAROBAYA →
µPAROBAYA[55th+1hr]=0 atau
-> Usia 55 tahun lebih 1 hari, dikatakan TUA → µTUA[55th+1hr]=1
dari kesimpulan diatas, himpunan crisp menyatakan umur seseorang kedalam suatu
kategori secara tidak adil, karena orang yang berusia 35 tahun dikatakan parobaya,
sedangkan orang yang berusia 35 tahun kurang 1 hari dikatakan tidak parobaya (karena
masuk kategori muda). selisih 1 hari saja menimbulkan berbedaan kategori yang
signifikan.
 • Fuzzy Value dalah himpunan yang menyatakan suatu obyek dapat menjadi anggota
dari beberapa himpunan dengan nilai keanggotaan (µ) yang berbeda.
nah,
Himpunan Fuzzy digunakan untuk mengatasi hal tersebut, sehingga dengan
menggunakan himpunan fuzzy, seseorang dapat masuk ke dua kategori secara
bersamaan, misalnya seseorang yang berusia 35 tahun kurang 1 hari dapat masuk
kategori MUDA dan PAROBAYA sekaligus, tetapi dengan nilai keanggotaan yang
berbeda.
lihat gambar dibawah:

contoh:
seseorang yang berumur 40 tahun termasuk dalam himpunan MUDA dengan
µMUDA[40]=0,25; namun dia juga termasuk dalam himpunan PAROBAYA dengan
µPAROBAYA[50]=0,5.

B. himpunan fuzzy secara sederhana disebut sebagai himpunan yang setiap anggptanya
memiliki derajat keanggotaan (degree of membership) atau tingkat keanggotaan (grade of
membership), dimana teori ini menerangkan himpunan dari objek – objek dan batas –
batasnya tidak secara tajam di definisikan

C. fungsi keanggotaan adalah suatu kurva yang menunjukan pemetaan titik – titik input
data kedalam nilai kenggotaanya ( sering disebut derajat keanggotaan ) yang memiliki
interval 0 sampai 1. Ada dua cara mendefinisikan keanggutaan himpunan fuzzy, yaitu
secara numeris dan fungsional. Definisi numeris menyatakan fungsi derajat keanggotaan
sebagai vector jumlah yang tergantung pada tingkat diskretisasi. Misalnya, jumlah
elemen diskret dalamp semesta pembicaraan
 D. Proses tahapan FIS
1. Fuzzyfikasi
adalah proses memetakan nilai crisp (numerik)
ke dalam himpunan fuzzy dan menentukan derajat
keanggotaannya di dalam himpunan fuzzy.
2. Operasi Fuzzy Logiz
Jika bagian antesenden dihubungkan oleh konektor
and, or, dan not, maka derajat kebenarannya
dihitung dengan operasi fuzzy yang bersesuaian
3. Implikasi
• Proses mendapatkan keluaran dari IF-THEN rule
• Metode yang umum digunakan adalah metode
Mamdani
• Input: derajat derajat kebenaran kebenaran bagian antesenden antesenden dan
fuzzy set pada bagian konsekuen
• Fungsi implikasi yang digunakan adalah min
4. Agressi atau komposisi
• Jika terdapat lebih dari satu kaidah fuzzy yang
dievaluasi, keluaran semua IF-THEN rule
dikombinasikan menjadi sebuah fuzzy set tunggal.
• Metode agregasi agregasi yang digunakan digunakan adalah max atau
OR terhadap semua keluaran IF-THEN rule
• Jika dilakukan fungsi min pada impikasi dan max
pada agregasi, maka metode Mamdani disebut juga
metode MIN-MAX (min-max inferencing)
5. Defuzzyfikasi
Adalah proses memetakan besaran dari himpunan
fuzzy ke dalam bentuk nilai .
E. Langkah-langkahnya adalah sebagai berikut:
1. Menyusun konsep sistem kontrol dengan logika fuzzy
Misalnya keadaan sensor suhu (input 1) dibagi menjadi lima kategori yaitu:

INPUT 1

SUHU KETERANGAN

Dingin
0 0C – 15 0C
 Sejuk
11 0C – 25 0C

Normal
21 0C – 30 0C

Hangat
28 0C – 40 0C

Panas
36 0C – 50 0C
keadaan sensor cahaya (input 2) dibagi menjadi tiga kategori yaitu:
INPUT 2

CAHAYA KETERANGAN

Gelap 0 Cd– 35 Cd

Normal 31 Cd– 85 Cd

Terang 81 Cd- 100 Cd

keadaan kecepatan mesin (output) dibagi menjadi tiga kategori yaitu:

OUTPUT

KEC. MESIN KETERANGAN

Lambat 0 m/s– 15 m/s

Sedang 11 m/s – 21 m/s

 Cepat 19 m/s – 45 m/s

aturan /rules adalah sebagai berikut:

INPUT OUTPUT

No. SUHU CAHAYA KEC. MESIN

1 Dingin Gelap Lambat

2 Dingin Normal Lambat

3 Dingin Terang
Lambat

4 Sejuk Gelap Lambat

5 Sejuk Normal Lambat

6 Sejuk Terang Sedang

7 Normal Gelap Sedang

8 Normal Normal Sedang

9 Normal Terang Sedang

 10 Hangat Gelap Sedang

11 Hangat Normal Cepat

12 Hangat Terang Cepat

13 Panas Gelap Cepat

14 Panas Normal Cepat

15 Panas Terang Cepat

2. Setelah konsep sistem kontrol dibentuk, maka kita dapat membuat pemrogramannya.
Ketiklah “fuzzy” pada command window untuk membuka jendela Fuzzy Inference System
(FIS) editor, sehingga muncul tampilan seperti gambar di bawah ini:

3. Pilih edit >> add variable >> input untuk menambah variable input

sehingga akan muncul tampilan seperti pada gambar di bawah ini:

3. Ubahlah
nama input1 menjadi suhu, input2 menjadi cahaya dan output1 menjadi kec_mesin
4. Pilih edit >> membership function untuk membuat fungsi keanggotaan setiap variabel

sehingga akan muncul tampilan Membership Function Editor seperti pada gambar di bawah

ini:
5. Pada variabel suhu, ubahlah
range menjadi [0 50],
nama mf1 menjadi dingin, type trimf, Params [0 0 15]
nama mf2 menjadi sejuk, type trimf, Params [11 18 25]
nama mf3 menjadi normal, type trimf, Params [21 25 30]
pilih edit >> add mfs untuk menambah membership function
nama mf4 menjadi hangat, type trimf, Params [28 34 40]
nama mf5 menjadi panas, type trimf, Params [36 50 50]
sehingga tampilan variabel suhu akan tampak seperti pada gambar di bawah ini:
6. Pada variabel cahaya, ubahlah
range menjadi [0 100],
nama mf1 menjadi gelap, type trimf, Params [0 0 35]
nama mf2 menjadi normal, type trimf, Params [31 50 85]
nama mf3 menjadi terang, type trimf, Params [81 100 100]
sehingga tampilan variabel cahaya akan tampak seperti pada gambar di bawah ini:

7. Pada variabel kec_mesin, ubahlah

range menjadi [0 50],
nama mf1 menjadi lambat, type trimf, Params [0 0 15]
nama mf2 menjadi sedang, type trimf, Params [11 15 21]
nama mf3 menjadi cepat, type trimf, Params [19 50 50]
sehingga tampilan variabel kec_mesin akan tampak seperti pada gambar di bawah ini:

8. Pilih edit >> rules untuk membuka jendela rule editor

buatlah aturan pada rule editor sesuai dengan konsep sistem kontrol yang sebelumnya telah
dibuat. Misalnya if (suhu is dingin) and (cahaya is gelap) then (kec_mesin is lambat), dan
seterusnya sampai dengan 15 rules.
9. Pilih view >> rules, untuk melihat hasil rules yang telah kita buat

kita dapat menggeser-geser nilai suhu (input1) dan cahaya (input2) sehingga menghasilkan

nilai keluaran pada kec. mesin (output)
10. Pilih view >> surface, untuk melihat grafik 3D antara suhu, cahaya, dan kec. mesin

sehingga akan muncul tampilan seperti pada gambar di bawah ini

11. Simpanlah FIS yang telah dibuat dengan cara mengklik file >> export >> to file
misalnya simpan dengan nama “mesin.fis”
12. Untuk mengecek hasil keluaran dari FIS yang telah dibuat, dapat kita lakukan dengan
mengetik kode berikut pada command window:
1 fis = readfis('mesin');
2 output = evalfis([10 20],fis)

2.
3. Soal 1

Biaya Produksi
Persediaan

Produksi barang
Rules

View
Rules
View
Surfaces
Berapa jumlah sepatu jenis sport yang harus di produksi, jika biaya untuk memproduksi
jenis sepatu tersebut diperkiraan sejumlah Rp. 80.000,- per box, dan permintaan
diperkirakan mencapai 25.000 box perhari.

Jawaban :
View
Rules