Nama : Mutiara Amirah Fatihah Selasa 16 Mei 2023

Kelas : 6EA
NIM : 062030320082
MK : Artificial Intelegent

Soal
1. Buat bagaimana proses fuzzy logic itu berjalan dan berikan contohnya!
Logika Fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam ruang
output. Logika fuzzy juga memiliki himpunan fuzzy yang mana pada dasarnya, teori himpunan
fuzzy merupakan perluasan dari teori himpunan klasik. Dimana dengan logika fuzzy, hasil yang
keluar tidak akan selalu konstan dengan input yang ada.Cara kerja logika fuzzy secara garis
besar terdiri dari input, proses dan output.Logika fuzzy merupakan suatu teori himpunan logika
yang dikembangkan untuk mengatasi konsep nilai yang terdapat diantara kebenaran (truth) dan
kesalahan(false).

Proses fuzzy logic terdiri dari beberapa langkah, yaitu:

1. Pembentukan Himpunan Fuzzy: Langkah pertama dalam fuzzy logic adalah memodelkan
variabel input dan output sebagai himpunan-himpunan fuzzy. Himpunan-himpunan ini
ditentukan oleh fungsi keanggotaan yang menentukan sejauh mana suatu nilai memenuhi
kriteria tertentu. Misalnya, jika kita ingin memodelkan jarak dalam himpunan fuzzy
"dekat," "sedang," dan "jauh," kita dapat menggunakan fungsi keanggotaan seperti
"dekat" yang memiliki rentang nilai dari 0 hingga 100 Cm.
2. Menentukan Aturan Fuzzy: Langkah berikutnya adalah menentukan aturan-aturan fuzzy
yang menghubungkan variabel input dengan variabel output. Aturan-aturan ini
dirumuskan dalam bentuk "jika... maka..." dengan menggunakan istilah-istilah linguistik.
Misalnya, aturan fuzzy dapat berbunyi "jika jarak dekat, maka LED merah hidup ."
3. Fuzzifikasi: Langkah selanjutnya adalah mengubah nilai-nilai input yang diberikan
menjadi nilai-nilai fuzzy dengan memetakan nilai input ke dalam himpunan-himpunan
fuzzy yang telah ditentukan sebelumnya. Hal ini dilakukan dengan menggunakan fungsi
keanggotaan yang sesuai.
 4. Inferensi Fuzzy: Setelah dilakukan fuzzifikasi, aturan-aturan fuzzy diterapkan untuk
menghasilkan nilai-nilai fuzzy pada variabel output. Hal ini melibatkan komposisi aturan
fuzzy dan penggabungan nilai-nilai fuzzy untuk menghasilkan suatu kesimpulan fuzzy.
5. Defuzzifikasi: Langkah terakhir adalah mengubah nilai-nilai fuzzy pada variabel output
menjadi nilai crisp (non-fuzzy) yang dapat digunakan sebagai hasil akhir. Hal ini
dilakukan dengan menggunakan metode tertentu seperti metode centroid atau metode
rata-rata tertimbang.

Berikut adalah contoh sederhana penggunaan fuzzy logic untuk mendeteksi jarak
1. Pembentukan Himpunan Fuzzy:
Variabel Input
Dekat (Near) : 0 cm < jarak objek 100 cm
Sedang (Medium) : 100 cm < jarak objek 200 cm
Jauh (Far) : 200 cm < jarak objek 300 cm
Variabel Output
Merah (M) :[0 0 100 200]
Kuning (K) : [100 200 300]
Hijau (H) : [200 250 300 300]
2. Menentukan Aturan Fuzzy:
Aturan 1: Jika jarak dekat,maka LED Merah on
Aturan 2: Jika jarak sedang,maka LED Kuning on
Aturan 3: Jika jarak jauh,maka LED Hijau on
3. Fuzzifikasi:

4. Inferensi Fuzzy:
Menggunakan aturan-aturan fuzzy,
Imput Sensor Jarak Output Sensor Jarak
Sensor Jarak Objek Variabel Simbol
Variabel Simbol
Jarak <100 cm LED Merah M
0-100 cm Dekat D On
100-300 cm Sedang S 150cm – LED Kuning K
200-300 cm Jauh J 250cm On
>300 cm LED Hijau On H

Rumus Perhitungan

Input membership function Output membership function

 Aturan Fuzzy (Rule Evaluation)
No. Sensor Depan Sensor Belakang Output LED
1. Dekat (D) Dekat (D) Merah (M)
2. Dekat (D) Sedang (S) Merah (M)
3. Dekat (D) Jauh (J) Merah (M)
4. Sedang (S) Dekat (D) Merah (M)
5. Sedang (S) Sedang (S) Kuning (K)
6. Sedang (S) Jauh (J) Kuning (K)
7. Jauh (J) Dekat (D) Merah (M)
8. Jauh (J) Sedang (S) Kuning (K)
9. Jauh (J) Jauh (J) Hijau (H)

Perhitungan Fuzzy logic

Terdiri dari 3 himpunan : Dekat,Sedang,Jauh
Titik tengah antara:
Sensor
Variabel Simbol
Jarak
0-200 cm Dekat D
100-300 cm Sedang S
200-400 cm Jauh J

1. Dekat – Sedang 135 cm

2. Sedang – Jauh 290 cm
3. Jauh – Jauh Sekali 370 cm ˚
1. Dekat
1, X ≤ 100cm
 Dekat t (X) = {200cm- X ,100cm ≤ X ≤ 200cm
100cm
0, X ≥ 200cm
0, X ≤ 100cm

 Dekat n (X) = {X – 100cm ,100cm ≤ X ≤ 200cm

100cm
1, X ≥ 200cm

Degree of membership
Dekat t = 200 - X = 200 – 135 = 65 = 0,65
100 100 100

Dekat n = X – 100cm = 135 – 100 = 35 = 0,35

100 100 100

2. Sedang
1, X ≤ 200cm
 Sedang t (X) = {300cm- X ,200cm ≤ X ≤ 300cm
100cm
0, X ≥ 300cm
0, X ≤ 200cm

 Sedang n (X) = {X - 200 ,200 ≤ X ≤ 300

100
1, X ≥ 300

Degree of membership
Sedang t = 300 - X = 300– 290 = 10 = 0,1
100 100 100
 Sedang n = X – 200 = 290– 200 = 90 = 0,9
100 100 100

3. Jauh
1, X ≤ 300
 Jauh t (X) = {400- X ,300 ≤ X ≤ 400
100
0, X ≥ 400
0, X ≤ 300

 Jauh n (X) = {X - 300 ,300 ≤ X ≤ 400

100
1, X ≥ 300

Degree of membership
Suhu panas t = 400 - 370 = 400 – 370 = 30 = 0,3
100 100 100

Suhu panas n = 370 – 300 = 370 – 300 = 70 = 0,7

100 100 100