Pertemuan 14 - Metode-Metode FIS

Fuzzy Inference System
- Fuzzy Tsukamoto -
TEACHING TEAM
MATA KULIAH SISTEM PENDUKUNG KEPUTUSAN TAHUN 23/24
jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 1

Sejarah dan Konsep Dasar
Siapa pengusul metode Fuzzy Tsukamoto? Bagaimana metode tersebut bekerja?

Sejarah Dan Konsep Dasar
Di usulkan oleh Yahachiro Tsukamoto, pada tahun 1993
Perluasan dari penalaran monoton yang direpresentasikan dengan tegas

berdasarkan firing strength
Menggunakan fungsi implikasi min untuk mendapatkan nilai firing strength
Nilai defuzzifikasi diperoleh dengan menggunakan rata-rata terbobot
Konsekuen dari setiap aturan implikasi direpresentasikan dengan himpunan

fuzzy monoton

Kilas Balik: Fuzzy Inference System
KOMPOSISI
Aggregasi atau kombinasi dari semua aturan
Masukan Variabel Aturan Variabel Keluaran

Crisp Fuzzifikasi Fuzzy Fuzzy Defuzzifikasi Crisp
Logika Fuzzy

Studi Kasus
Suatu perusahaan akan memproduksi powerbank jenis XZ. Dari data 2 bulan terakhir, permintaan
terbesar mencapai 2000 buah/hari dan yang terkecil 500 buah/hari. Persediaan di gudang,
terbanyak mencapai 300 buah/hari, dan terkecil 100 buah/hari.
Sampai saat ini, perusahaan mampu memproduksi maksimal 4000 buah/hari, dan untuk efisiensi
mesin, minimal harus memproduksi 500 buah/hari.
Berapa powerbank jenis XZ yang harus diproduksi bila permintaan (x) mencapai 1800 buah dan
persediaan di gudang (y) masih 250 kemasan dengan asumsi bahwa jumlah permintaan selalu
lebih tinggi dibanding jumlah persediaan
1. Jika PERMINTAAN TURUN DAN PERSEDIAAN BANYAK maka PRODUKSI BERKURANG

2. Jika PERMINTAAN TURUN DAN PERSEDIAAN SEDIKIT maka PRODUKSI BERKURANG
Aturan 3. Jika PERMINTAAN NAIK DAN PERSEDIAAN BANYAK maka PRODUKSI BERTAMBAH
4. Jika PERMINTAAN NAIK DAN PERSEDIAAN SEDIKIT maka PRODUKSI BERTAMBAH

Langkah 1a: Fuzzifikasi Permintaan #1
Permintaan terbesar mencapai 2000 buah/hari dan yang terkecil 500 buah/hari
MAX MIN
Fungsi Linier Naik Fungsi Linier Turun
1, 𝑋 ≤ 𝑋min
𝑋max − 𝑋
𝜇𝑝𝑚𝑡 𝑡𝑢𝑟𝑢𝑛 𝑋 , 𝑋min ≤ 𝑋 ≤ 𝑋max
𝑋max − 𝑋𝑚𝑖𝑛
0, 𝑋 ≥ 𝑋𝑚𝑎𝑥
0, 𝑋 ≤ 𝑋min
𝑋 − 𝑋𝑚𝑖𝑛
𝜇𝑝𝑚𝑡 𝑛𝑎𝑖𝑘 𝑋 , 𝑋min ≤ 𝑋 ≤ 𝑋max

Berapa powerbank yang harus di produksi ketika permintaan 1800 buah?
1, 𝑋 ≤ 𝑋min
𝑋max − 𝑋
0, 𝑋 ≤ 𝑋min
1800 1, 𝑋 ≥ 𝑋𝑚𝑎𝑥
Maka,
2000 − 1800
𝜇pmt turun 1800 = = 0.1333
2000 − 500
1800 − 500
𝜇pmt naik 1800 = = 0.8667
2000 − 500

Langkah 1b: Fuzzifikasi Persediaan #1
Persediaan di gudang, terbanyak mencapai 300 buah/hari, dan terkecil 100 buah/hari
MAX MIN
Fungsi Linier Naik Fungsi Linier Turun
1, 𝑌 ≤ 𝑌min
𝑌max − 𝑌
𝜇𝑝𝑠𝑑 𝑠𝑒𝑑𝑖𝑘𝑖𝑡 𝑌 , 𝑌min ≤ 𝑌 ≤ 𝑌max
𝑌max − 𝑌𝑚𝑖𝑛
0, 𝑌 ≥ 𝑌𝑚𝑎𝑥
0, 𝑌 ≤ 𝑌min
𝑌 − 𝑌𝑚𝑖𝑛
𝜇𝑝𝑠𝑑 𝑏𝑎𝑛𝑦𝑎𝑘 𝑌 , 𝑌min ≤ 𝑌 ≤ 𝑌max

Persediaan di gudang (y) masih 250 kemasan
1, 𝑌 ≤ 𝑌min
𝑌max − 𝑌
0, 𝑌 ≤ 𝑌min
Maka,
300 − 250
𝜇psd sedikit 250 = = 0.25
300 − 100
250 − 100
𝜇psd banyak 250 = = 0.75
300 − 100

Langkah 1c: Fuzzifikasi Produksi
Pemproduksi maksimal 4000 buah/hari, dan untuk efisiensi mesin, minimal harus memproduksi 500
buah/hari
MAX Fungsi Linier Naik MIN Fungsi Linier Turun
1, 𝑍 ≤ 𝑍min
𝑍max − 𝑍
𝜇𝑝𝑟𝑑 𝑘𝑢𝑟𝑎𝑛𝑔 𝑍 , 𝑍min ≤ 𝑍 ≤ 𝑍max
𝑍max − 𝑍𝑚𝑖𝑛
0, 𝑍 ≥ 𝑍𝑚𝑎𝑥
0, 𝑍 ≤ 𝑍min
𝑍 − 𝑍𝑚𝑖𝑛
𝜇𝑝𝑠𝑑 𝑏𝑎𝑛𝑦𝑎𝑘 𝑍 , 𝑍min ≤ 𝑍 ≤ 𝑍max
Nilai Z merupakan jumlah produksi yang akan kita cari berdasarkan aturan fuzzy

Langkah 2: Inference Aturan Fuzzy
Himpunan Fuzzy
• Permintaan TURUN, Permintaan NAIK

• Persediaan SEDIKIT, Persediaan BANYAK
• Produksi BERKURANG, Produksi BERTAMBAH


Langkah 3a: Komposisi Aturan 1
Produksi Berkurang
Jika PERMINTAAN TURUN DAN PERSEDIAAN BANYAK maka PRODUKSI BERKURANG

2000 − 1800
Firing strength aturan 1 𝜇pmt turun 1800 = = 0.1333
2000 − 500
1800 − 500
𝛼1 = 𝜇𝑝𝑚𝑡 𝑡𝑢𝑟𝑢𝑛 1800 ∩ 𝜇𝑝𝑠𝑑 𝑏𝑎𝑛𝑦𝑎𝑘 250 𝜇pmt naik 1800 =
2000 − 500
= 0.8667
𝛼1 = 0.1333 ∩ 0.75 300 − 250

𝛼1 = min 0.1333; 0.75 𝜇psd sedikit 250 =
300 − 100
= 0.25
𝛼1 = 0.1333  Menunjukkan derajat keanggotaan
250 − 100
Implikasi Produksi Berkurang, 300 − 100
Berapa nilai Z1?
𝑍max − 𝑍1 𝑍1 = 4000 − 0.1333 (4000 − 500)
𝛼1 =
𝑍max − 𝑍𝑚𝑖𝑛 𝑍1 = 4000 − 467
𝑍1 = 𝑍𝑚𝑎𝑥 − 𝛼1 (𝑍max − 𝑍𝑚𝑖𝑛 ) 𝑍1 = 3533 Jumlah yang diproduksi sesuai aturan 1

Langkah 3b: Komposisi Aturan 2
Produksi Berkurang
Jika PERMINTAAN TURUN DAN PERSEDIAAN SEDIKIT maka PRODUKSI BERKURANG

2000 − 1800
2000 − 500
1800 − 500
𝛼2 = 𝜇𝑝𝑚𝑡 𝑡𝑢𝑟𝑢𝑛 1800 ∩ 𝜇𝑝𝑠𝑑 𝑠𝑒𝑑𝑖𝑘𝑖𝑡 250 𝜇pmt naik 1800 =
2000 − 500
= 0.8667
𝛼2 = 0.1333 ∩ 0.25 300 − 250

300 − 100
= 0.25
250 − 100
Implikasi Produksi Berkurang, 300 − 100
Berapa nilai Z2?
𝑍max − 𝑍2 𝑍2 = 4000 − 0.1333 (4000 − 500)
𝛼2 =
𝑍max − 𝑍𝑚𝑖𝑛 𝑍2 = 4000 − 467
𝑍2 = 𝑍𝑚𝑎𝑥 − 𝛼2 (𝑍max − 𝑍𝑚𝑖𝑛 ) 𝑍2 = 3533 Jumlah yang diproduksi sesuai aturan 2

Langkah 3c: Komposisi Aturan 3
Produksi Bertambah
Jika PERMINTAAN NAIK DAN PERSEDIAAN BANYAK maka PRODUKSI BERTAMBAH

2000 − 1800
2000 − 500
1800 − 500
𝛼3 = 𝜇𝑝𝑚𝑡 𝑛𝑎𝑖𝑘 1800 ∩ 𝜇𝑝𝑠𝑑 𝑏𝑎𝑛𝑦𝑎𝑘 250 𝜇pmt naik 1800 =
2000 − 500
= 0.8667
𝛼3 = 0.8667 ∩ 0.75 300 − 250

300 − 100
= 0.25
250 − 100
Implikasi Produksi 300 − 100
Bertambah, Berapa nilai Z3?
𝑍3 − 𝑍𝑚𝑖𝑛 𝑍3 = 0.75 4000 − 500 + 500
𝛼3 =
𝑍max − 𝑍𝑚𝑖𝑛 𝑍3 = 2625 + 500
𝑍3 = 𝛼3 𝑍max − 𝑍𝑚𝑖𝑛 + Zmin 𝑍3 = 3125 Jumlah yang diproduksi sesuai aturan 3

Langkah 3d: Komposisi Aturan 4
Produksi Bertambah
Jika PERMINTAAN NAIK DAN PERSEDIAAN SEDIKIT maka PRODUKSI BERTAMBAH

2000 − 1800
2000 − 500
1800 − 500
𝛼4 = 𝜇𝑝𝑚𝑡 𝑛𝑎𝑖𝑘 1800 ∩ 𝜇𝑝𝑠𝑑 𝑠𝑒𝑑𝑖𝑘𝑖𝑡 250 𝜇pmt naik 1800 =
2000 − 500
= 0.8667
𝛼4 = 0.8667 ∩ 0.25 300 − 250

300 − 100
= 0.25
250 − 100
Implikasi Produksi 300 − 100
Bertambah, Berapa nilai Z4?
𝑍4 − 𝑍𝑚𝑖𝑛 𝑍4 = 0.25 4000 − 500 + 500
𝛼4 =
𝑍max − 𝑍𝑚𝑖𝑛 𝑍4 = 875 + 500
𝑍4 = 𝛼4 𝑍max − 𝑍𝑚𝑖𝑛 + Zmin 𝑍4 = 1375 Jumlah yang diproduksi sesuai aturan 4

Langkah 4: Defuzzifikasi
Mencari titik tengah dari semua nilai-nilai yang dihasilkan oleh komposisi aturan
Tsukamoto menggunakan nilai “rata-rata terbobot” untuk melakukan defuzzifikasi

𝑛
∗
σ𝑖=1 𝛼𝑖 ∗ 𝑍𝑖
𝑍 =
σ𝑛𝑖=1 𝛼𝑖
∗
𝛼1 ∗ 𝑍1 + 𝛼2 ∗ 𝑍2 + 𝛼3 ∗ 𝑍3 + 𝛼4 ∗ 𝑍4
𝑍 =
𝛼1 + 𝛼2 + 𝛼3 + 𝛼4
(0.1333 ∗ 3533) + (0.1333 ∗ 3533) + (0.75 ∗ 3125) + (0.25 ∗ 1375)

𝑍=
0.1333 + 0.1333 + 0.75 + 0.25
3630 Sehingga, jumlah yang harus diproduksi
𝑍=
1.2267
berdasarkan aturan fuzzy adalah 2866
𝑍 = 2866
buah

- Fuzzy Mamdani -
TEACHING TEAM

Sejarah dan Konsep Dasar
Di usulkan oleh Ebrahim Mamdani pada tahun 1975
Metode Fuzzy Mamdani juga dikenal dengan sebutan metode MIN-MAX
Dapat digunakan untuk penarikan kesimpulan dalam permasalahan yang

tidak pasti (Bova, 2010)
Kelebihan metode Mamdani adalah lebih spesifik karena memperhatikan
kondisi yang akan terjadi untuk setiap daerah fuzzy (Bova, 2010)
Kekurangan metode Mamdani adalah metode ini hanya dapat digunakan
pada data kuantitatif

Komposisi Aturan Fuzzy Mamdani
Terdapat beberapa aturan komposisi yang dapat digunakan pada FIS,
diantaranya,
Metode Max MAMDANI
Metode Additive (SUM)
Metode Probabilistik OR (Probor)

Proses Komposisi Pada Fuzzy Mamdani
Komposisi MAX digunakan untuk menggabungkan daerah fuzzy

Metode Defuzzifikasi
Beberapa metode defuzzifiksi yang
biasa digunakan pada Fuzzy Mamdani
• Metode Centroid / Center of Gravity (CoG) / Center

of Area (CoA)
• Metode Bisektor
• Metode Maxima (Middle, Smallest, Largest of
Maxima)
• Metode rata-rata terbobot
• Dan masih banyak lagi
https://www.mathworks.com/help/fuzzy/defuzzification-methods.html

Metode Defuzzifikasi – Metode Centroid
Nilai Kontinu
‫𝑧𝑑𝑧 𝑧 𝐶𝜇 ׬‬
𝑍∗ =
‫𝑧𝑑 𝑧 𝐶𝜇 ׬‬
Nilai Diskrit
σ𝑧𝑖 ∈𝑍 𝜇𝐶 𝑧𝑖 𝑧𝑖
𝑍∗ =
σ𝑧𝑖 ∈𝑍 𝜇𝐶 𝑧𝑖

Kilas Balik: Studi Kasus (Sama )


Berapa powerbank yang harus di produksi ketika permintaan 1800 buah?
1, 𝑋 ≤ 𝑋min
𝑋max − 𝑋
0, 𝑋 ≤ 𝑋min
1800 1, 𝑋 ≥ 𝑋𝑚𝑎𝑥
Maka,
2000 − 1800
𝜇pmt turun 1800 = = 0.1333
2000 − 500
1800 − 500
𝜇pmt naik 1800 = = 0.8667
2000 − 500

Persediaan di gudang (y) masih 250 kemasan
1, 𝑌 ≤ 𝑌min
𝑌max − 𝑌
0, 𝑌 ≤ 𝑌min
Maka,
300 − 250
𝜇psd sedikit 250 = = 0.25
300 − 100
250 − 100
300 − 100

Langkah 1c: Fuzzifikasi Produksi
Pemproduksi maksimal 4000 buah/hari, dan untuk efisiensi mesin, minimal harus memproduksi 500
buah/hari
MAX Fungsi Linier Naik MIN Fungsi Linier Turun
1, 𝑍 ≤ 𝑍min
𝑍max − 𝑍
𝜇𝑝𝑟𝑑 𝑘𝑢𝑟𝑎𝑛𝑔 𝑍 , 𝑍min ≤ 𝑍 ≤ 𝑍max
0, 𝑍 ≤ 𝑍min
𝑍 − 𝑍𝑚𝑖𝑛
𝜇𝑝𝑠𝑑 𝑡𝑎𝑚𝑏𝑎ℎ 𝑍 , 𝑍min ≤ 𝑍 ≤ 𝑍max
Nilai Z merupakan jumlah produksi yang akan kita cari berdasarkan aturan fuzzy

Langkah 2a: Inferensi Aturan 1
Produksi Berkurang
Jika PERMINTAAN TURUN DAN PERSEDIAAN BANYAK maka PRODUKSI BERKURANG
Firing strength aturan 1
𝛼1 = 𝜇𝑝𝑚𝑡 𝑡𝑢𝑟𝑢𝑛 1800 ∩ 𝜇𝑝𝑠𝑑 𝑏𝑎𝑛𝑦𝑎𝑘 250

𝛼1 = 0.1333 ∩ 0.75
𝛼1 = min 0.1333; 0.75
PERMINTAAN TURUN PERSEDIAAN BANYAK PRODUKSI BERKURANG

Langkah 2b: Inferensi Aturan 2
Produksi Berkurang
Jika PERMINTAAN TURUN DAN PERSEDIAAN SEDIKIT maka PRODUKSI BERKURANG
𝛼2 = 𝜇𝑝𝑚𝑡 𝑡𝑢𝑟𝑢𝑛 1800 ∩ 𝜇𝑝𝑠𝑑 𝑠𝑒𝑑𝑖𝑘𝑖𝑡 250

𝛼2 = 0.1333 ∩ 0.25
𝛼2 = min 0.1333; 0.25
PERMINTAAN TURUN PERSEDIAAN SEDIKIT PRODUKSI BERKURANG

Langkah 2c: Inferensi Aturan 3
Produksi Bertambah
Jika PERMINTAAN NAIK DAN PERSEDIAAN BANYAK maka PRODUKSI BERTAMBAH
𝛼3 = 𝜇𝑝𝑚𝑡 𝑛𝑎𝑖𝑘 1800 ∩ 𝜇𝑝𝑠𝑑 𝑏𝑎𝑛𝑦𝑎𝑘 250

𝛼3 = 0.8667 ∩ 0.75
𝛼3 = min 0.8667; 0.75
PERMINTAAN NAIK PERSEDIAAN BANYAK PRODUKSI BERTAMBAH

Langkah 2d: Inferensi Aturan 4
Produksi Bertambah
Jika PERMINTAAN NAIK DAN PERSEDIAAN SEDIKIT maka PRODUKSI BERTAMBAH
𝛼4 = 𝜇𝑝𝑚𝑡 𝑛𝑎𝑖𝑘 1800 ∩ 𝜇𝑝𝑠𝑑 𝑠𝑒𝑑𝑖𝑘𝑖𝑡 250

𝛼4 = 0.8667 ∩ 0.25
𝛼4 = min 0.8667; 0.25
PERMINTAAN NAIK PERSEDIAAN SEDIKIT PRODUKSI BERTAMBAH

Langkah 3: Komposisi Aturan #1
Firing Strength untuk PRODUKSI
𝛼𝑝𝑟𝑜𝑑 𝑡𝑢𝑟𝑢𝑛 = 𝜇𝑝𝑟𝑜𝑑 𝑡𝑢𝑟𝑢𝑛 1 𝑍 ∪ 𝜇𝑝𝑟𝑜𝑑 𝑡𝑢𝑟𝑢𝑛 2 𝑍 𝛼𝑝𝑟𝑜𝑑 𝑛𝑎𝑖𝑘 = 𝜇𝑝𝑟𝑜𝑑 𝑛𝑎𝑖𝑘 3 𝑍 ∪ 𝜇𝑝𝑟𝑜𝑑 𝑛𝑎𝑖𝑘 4 𝑍
𝛼𝑝𝑟𝑜𝑑 𝑡𝑢𝑟𝑢𝑛 = 0.8667 ∪ 0.75 𝛼𝑝𝑟𝑜𝑑 𝑡𝑢𝑟𝑢𝑛 = 0.75 ∪ 0.25
𝛼𝑝𝑟𝑜𝑑 𝑡𝑢𝑟𝑢𝑛 = max(0.1333;0.1333) 𝛼𝑝𝑟𝑜𝑑 𝑡𝑢𝑟𝑢𝑛 = max(0.75;0.25)
𝛼𝑝𝑟𝑜𝑑 𝑡𝑢𝑟𝑢𝑛 = 0.1333  Menunjukkan derajat keanggotaan 𝛼𝑝𝑟𝑜𝑑 𝑡𝑢𝑟𝑢𝑛 = 0.75  Menunjukkan derajat keanggotaan
Implikasi Produksi Berkurang, Implikasi Produksi

Berapa nilai Z1? Bertambah, Berapa nilai Z2?
𝑍1 = 𝑍𝑚𝑎𝑥 − 𝛼𝑝𝑟𝑜𝑑 𝑡𝑢𝑟𝑢𝑛 𝑍max − 𝑍𝑚𝑖𝑛 𝑍2 = 𝛼𝑝𝑟𝑜𝑑 𝑛𝑎𝑖𝑘 𝑍max − 𝑍𝑚𝑖𝑛 + Zmin
𝑍1 = 4000 − 0.1333 4000 − 500 𝑍1 = 0.75 4000 − 500 + 500
𝑍1 = 3533 𝑍1 = 3125

Langkah 3: Komposisi
Aturan #2
3125 3533

Langkah 4: Defuzzifikasi - Momen
3125 3125
𝑧 − 500 1 𝑧 − 500
𝑀1 = න 𝑧𝑑𝑧 = ∗ 𝑧2 = 2953125
500 3125 − 500 2 3125 − 500 500
3533
𝑀2 = න 0.75𝑧 𝑑𝑧 = 1018674
D1 D2 D3 3125
4000 4000
1
3125 3533 𝑀3 = න 0.75𝑧 𝑑𝑧 = ∗ 0.75𝑧 2 = 1.31922 × 106
3533 2 3533
‫𝑧𝑑𝑧 𝑧 𝐶𝜇 ׬‬ MOMEN
𝑍∗ =
‫𝑧𝑑 𝑧 𝐶𝜇 ׬‬

Langkah 4: Defuzzifikasi - Luas
3125
𝑧 − 500
𝑀1 = න 𝑑𝑧 = 1312.5
500 3125 − 500
D1 D2 D3 3533
𝑀2 = න 0.75𝑑𝑧 = 306
3125
3125 3533
4000
𝑀3 = න 0.75𝑑𝑧 = 350.25
3533
‫𝑧𝑑𝑧 𝑧 𝐶𝜇 ׬‬
𝑍∗ =
‫𝑧𝑑 𝑧 𝐶𝜇 ׬‬ LUAS

Langkah 4: Defuzzifikasi - Hasil
∗
2953125 + 1018674 + 1319220
𝑍 =
1312.5 + 306 + 350.25
𝑍 ∗ ≈ 2687
Sehingga, harus memproduksi 2687 powerbank

- Fuzzy Sugeno -
TEACHING TEAM

Konsep dasar
Diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985.
Merupakan metode inference fuzzy untuk aturan yang direpresentasikan dalam bentuk IF-
THEN, dimana output sistem tidak berupa himpunan fuzzy, melainkan berupa persamaan
linier atau konstanta.
Metode sugeno ini merupakan metode fuzzy yang telah terbukti efektif ketika berhadapan
dengan sistem nonlinear yang kompleks, yang sangat sulit untuk analisis dan sintesis.

Ada 2 model fuzzy metode Sugeno;
Model Fuzzy Sugeno Orde-Nol
• Bentuk model :
• 𝑰𝑭 𝒙𝟏 𝒊𝒔 𝑨𝟏 ∘ 𝒙𝟐 𝒊𝒔 𝑨𝟐 ∘ 𝒙𝟑 𝒊𝒔 𝑨𝟑 ∘ ⋯ ∘ 𝒙𝑵 𝒊𝒔 𝑨𝑵 𝑻𝑯𝑬𝑵 𝒛 = 𝒌
• dengan 𝑨𝟏 adalah himpunan Fuzzy ke-i sebagai anteseden, dan k adalah suatu konstanta (tegas)
sebagai konsekuen.
2. Model Fuzzy Sugeno Orde-Satu
• Bentuk model :
• 𝑰𝑭 𝒙𝟏 𝒊𝒔 𝑨𝟏 ∘ 𝒙𝟐 𝒊𝒔 𝑨𝟐 ∘ 𝒙𝟑 𝒊𝒔 𝑨𝟑 ∘ ⋯ ∘ 𝒙𝑵 𝒊𝒔 𝑨𝑵 𝑻𝑯𝑬𝑵 𝒛 = 𝒑𝟏 *𝒙𝟏 + ⋯ + 𝒑𝑵 *𝒙𝑵 +q
• dengan Ai adalah himpunan Fuzzy ke-i sebagai anteseden, dan pi adalah suatu konstanta (tegas) ke-i
dan q juga merupakan konstanta dalam konsekuen.
Apabila komposisi aturan menggunakan metode SUGENO, maka deffuzifikasi dilakukan dengan
cara mencari nilai rata-rata.

Persamaan Linier
Bentuk umum untuk persamaan linear adalah:
Y = mx + k (grafik naik)
Y = 1,5x + 2
Y = mx - k (grafik turun)
Keterangan:
Y = nilai keluaran
X = nilai masukan
m = konstanta
k = konstanta
39
39
jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN
Langkah – langkah penerapan
metode
• Fuzzifikasi
• Pada tahapan ini variabel input (crisp) dari sistem fuzzy ditransfer ke dalam himpunan fuzzy untuk dapat
digunakan dalam perhitungan nilai kebenaran dari premis pada setiap aturan dalam basis pengetahuan.
• Aplikasi Fungsi Implikasi

• Aplikasi Fungsi Implikasi Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan berhubungan
dengan suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan dalam fungsi implikasi adalah sebagai
berikut: IF x is A THEN y is B Dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy.
• Defuzzifikasi
• Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan
fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy
tersebut.

Kilas Balik(2): Studi Kasus (Sama )


Langkah 1: Fuzzification (Variable Permintaan)
“permintaan terbesar mencapai 2000 buah/hari (max) dan yang terkecil 500 buah/hari (min)”
Permintaan terdiri atas 2 himpunan fuzzy, yaitu TURUN dan NAIK. Keduanya menggunakan
fungsi keanggotaan kurva berbentuk bahu.

Langkah 1: Fuzzification (Mendefinisikan Variable
Permintaan)
“Berapa powerbank jenis XZ yang harus diproduksi bila permintaan (x) mencapai 1800 buah?”
Dari grafik fungsi keanggotaan (permintaan) terlihat untuk nilai

permintaan sebesar 1800 berada pada kelompok permintaan turun (garis
turunbiru) dan kelompok permintaan naik (garis naikorange)

Langkah 1: Fuzzification (Variable Persediaan)
“Persediaan di gudang, terbanyak mencapai 300 buah/hari(max), dan terkecil 100 buah/hari(min)”
Persediaan terdiri atas 2 himpunan fuzzy, yaitu SEDIKIT dan BANYAK.
Keduanya menggunakan fungsi keanggotaan kurva berbentuk bahu.

Langkah 1: Fuzzification (Variable Persediaan)
“persediaan di gudang (y) masih 250 kemasan”

Langkah 2: Fungsi Implikasi

Langkah 2: Implikasi ( [R1])
persediaan di gudang (y) masih 250 kemasan
bila permintaan (x) mencapai 1800 buah
[R1] JIKA Permintaan TURUN, dan Persediaan BANYAK, MAKA Produksi Barang= Permintaan -
Persediaan; (Karena aturan fuzzy menggunakan operator AND, maka nilai α-Predikat1 adalah yang minimal)
𝛼 − 𝑃𝑟𝑒𝑑𝑖𝑘𝑎𝑡1 = 𝜇𝑃𝑀𝑇𝑇𝑈𝑅𝑈𝑁𝑁 [𝑥] ∩ 𝜇𝑃𝑆𝐷𝐵𝐴𝑁𝑌𝐴𝐾 [𝑦]

= min(𝜇𝑃𝑀𝑇𝑇𝑈𝑅𝑈𝑁 𝑥 , 𝜇𝑃𝑆𝐷𝐵𝐴𝑁𝑌𝐴𝐾 [𝑦]
= min(𝜇𝑃𝑀𝑇𝑇𝑈𝑅𝑈𝑁 1800 , 𝜇𝑃𝑆𝐷𝐵𝐴𝑁𝑌𝐴𝐾 [250]
= min(0.13333, 0.75 ) = 0.13333
Menurut fungsi keanggotaan himpunan Produksi Barang = Permintaan - Persediaan

maka diperoleh persamaan berikut
Z1 = Permintaan - Persediaan
Z1 = 1800 – 250
Z1= 1550

Langkah 2: implikasi ([R2])
[R2] JIKA Permintaan TURUN, dan Persediaan SEDIKIT, MAKA Produksi Barang = permintaan;
(Karena aturan fuzzy menggunakan operator AND, maka nilai α-Predikat1 adalah yang minimal)
α-Predikat1 = μPMTTURUN[x] ∩ μPSDSEDIKIT[y]

= min(μPMTTURUN[x], μPSDSEDIKIT[y])
= min(μPMTTURUN[1800], μPSDSEDIKIT[250])
= min(0.13333, 0.75 ) = 0.13333
Menurut fungsi keanggotaan himpunan Produksi Barang = permintaan

maka diperoleh berikut :
Z2 = Permintaan
Z2 = 1800

Langkah 2: implikasi [R3])
[R3] JIKA Permintaan NAIK, dan Persediaan BANYAK, MAKA Produksi Barang=permintaan;
(Karena aturan fuzzy menggunakan operator AND, maka nilai α-Predikat1 adalah yang minimal)
α-Predikat3 = μPMTNAIK[x] ∩ μPSDBANYAK[y]

= min(μPMTNAIK[x], μPSDBANYAK[y])
= min(μPMTNAIK[1800], μPSDBANYAK[250])
= min(0,866667, 0.75 ) = 0.75
Menurut fungsi keanggotaan himpunan Produksi Barang= permintaan
pada persamaan di atas maka diperoleh persamaan berikut
Z3 = Permintaan
Z3 = 1800
Langkah 2:implikasi ( [R4])
[R3] JIKA Permintaan NAIK, dan Persediaan SEDIKIT, MAKA Produksi Barang= 1,25
*Permintaan - Persediaan; (Karena aturan fuzzy menggunakan operator AND, maka nilai α-
Predikat1 adalah yang minimal)
α-Predikat3 = μPMTNAIK[x] ∩ μPSDSEDIKIT[y]
= min(μPMTNAIK[x], μPSDSEDIKIT [y])
= min(μPMTNAIK[1800], μPSDSEDIKIT [250])
= min(0,866667, 0.25 ) = 0.25
Menurut fungsi keanggotaan himpunan Produksi Barang= 1,25 *Permintaan -
Persediaan
pada persamaan di atas maka diperoleh persamaan berikut
Z4 = (1,25 *Permintaan) - Persediaan
Z4 = (1,25 * 1800) - 250
Z4 = 2000
Rangkuman implikasi
[R1] IF Permintaan TURUN and Persediaan BANYAK, THEN𝑷𝒓𝒐𝒅𝒖𝒌𝒔𝒊 𝑩𝒂𝒓𝒂𝒏𝒈 𝒁𝟏 =
= 𝑷𝒆𝒓𝒎𝒊𝒏𝒕𝒂𝒂𝒏 − 𝑷𝒆𝒓𝒔𝒆𝒅𝒊𝒂𝒂𝒏 𝟏𝟓𝟓𝟎 (𝑷𝒓𝒐𝒅𝒖𝒌𝒔𝒊 𝑩𝒂𝒓𝒂𝒏𝒈 =
𝜶 − 𝑷𝒓𝒆𝒅𝒊𝒌𝒂𝒕𝟏 = 𝝁𝑷𝑴𝑻𝑻𝑼𝑹𝑼𝑵 ∩ 𝝁𝑷𝑺𝑫𝑩𝑨𝑵𝒀𝑨𝑲 𝑷𝒆𝒓𝒎𝒊𝒏𝒕𝒂𝒂𝒏 −
𝜶 − 𝑷𝒓𝒆𝒅𝒊𝒌𝒂𝒕𝟏 = 𝒎𝒊𝒏 𝝁𝑷𝑴𝑻𝑻𝑼𝑹𝑼𝑵 , 𝝁𝑷𝑺𝑫𝑩𝑨𝑵𝒀𝑨𝑲 = 𝟎, 𝟏𝟑𝟑𝟑𝟑𝟑𝟑𝟑 𝑷𝒆𝒓𝒔𝒆𝒅𝒊𝒂𝒂𝒏)
[R2] IF Permintaan TURUN and Persediaan SEDIKIT, THEN𝑷𝒓𝒐𝒅𝒖𝒌𝒔𝒊 𝑩𝒂𝒓𝒂𝒏𝒈 𝒁𝟏 =
= 𝑷𝒆𝒓𝒎𝒊𝒏𝒕𝒂𝒂𝒏 𝟏𝟖𝟎𝟎 (𝑷𝒓𝒐𝒅𝒖𝒌𝒔𝒊 𝑩𝒂𝒓𝒂𝒏𝒈 =
𝜶 − 𝑷𝒓𝒆𝒅𝒊𝒌𝒂𝒕𝟐 = 𝝁𝑷𝑴𝑻𝑻𝑼𝑹𝑼𝑵 ∩ 𝝁𝑷𝑺𝑫𝑺𝑬𝑫𝑰𝑲𝑰𝑻 𝑷𝒆𝒓𝒎𝒊𝒏𝒕𝒂𝒂𝒏)
𝜶 − 𝑷𝒓𝒆𝒅𝒊𝒌𝒂𝒕𝟐 = 𝒎𝒊𝒏 𝝁𝑷𝑴𝑻𝑻𝑼𝑹𝑼𝑵 , 𝝁𝑷𝑺𝑫𝑺𝑬𝑫𝑰𝑲𝑰𝑻 = 𝟎, 𝟏𝟑𝟑𝟑𝟑𝟑𝟑𝟑
[R3] IF Permintaan NAIK and Persediaan BANYAK, THEN𝑷𝒓𝒐𝒅𝒖𝒌𝒔𝒊 𝑩𝒂𝒓𝒂𝒏𝒈 𝒁𝟏 =
= 𝑷𝒆𝒓𝒎𝒊𝒏𝒕𝒂𝒂𝒏 𝟏𝟖𝟎𝟎 (𝑷𝒓𝒐𝒅𝒖𝒌𝒔𝒊 𝑩𝒂𝒓𝒂𝒏𝒈 =
𝜶 − 𝑷𝒓𝒆𝒅𝒊𝒌𝒂𝒕𝟑 = 𝝁𝑷𝑴𝑻𝑵𝑨𝑰𝑲 ∩ 𝝁𝑷𝑺𝑫𝑩𝑨𝑵𝒀𝑨𝑲 𝑷𝒆𝒓𝒎𝒊𝒏𝒕𝒂𝒂𝒏)
𝜶 − 𝑷𝒓𝒆𝒅𝒊𝒌𝒂𝒕𝟑 = 𝒎𝒊𝒏 𝝁𝑷𝑴𝑻𝑵𝑨𝑰𝑲 , 𝝁𝑷𝑺𝑫𝑩𝑨𝑵𝒀𝑨𝑲 = 𝟎, 𝟕𝟓
[R4] IF Permintaan NAIK and Persediaan SEDIKIT, THEN𝑷𝒓𝒐𝒅𝒖𝒌𝒔𝒊 𝑩𝒂𝒓𝒂𝒏𝒈 𝒁𝟏 =
= 𝟏, 𝟐𝟓 ∗ 𝑷𝒆𝒓𝒎𝒊𝒏𝒕𝒂𝒂𝒏 − 𝑷𝒆𝒓𝒔𝒆𝒅𝒊𝒂𝒂𝒏 𝟐𝟎𝟎𝟎 (𝑷𝒓𝒐𝒅𝒖𝒌𝒔𝒊 𝑩𝒂𝒓𝒂𝒏𝒈 =
𝜶 − 𝑷𝒓𝒆𝒅𝒊𝒌𝒂𝒕𝟒 = 𝝁𝑷𝑴𝑻𝑵𝑨𝑰𝑲 ∩ 𝝁𝑷𝑺𝑫𝑺𝑬𝑫𝑰𝑲𝑰𝑻 𝟏. 𝟐𝟓 ∗ 𝑷𝒆𝒓𝒎𝒊𝒏𝒕𝒂𝒂𝒏 −
𝜶 − 𝑷𝒓𝒆𝒅𝒊𝒌𝒂𝒕𝟒 = 𝒎𝒊𝒏 𝝁𝑷𝑴𝑻𝑵𝑨𝑰𝑲 , 𝝁𝑷𝑺𝑫𝑺𝑬𝑫𝑰𝑲𝑰𝑻 = 𝟎, 𝟐𝟓 𝑷𝒆𝒓𝒔𝒆𝒅𝒊𝒂𝒂𝒏)

Langkah 3 : Defuzzificationdengan nilai rata-rata
Berapa powerbank jenis XZ yang harus diproduksi bila permintaan (x) mencapai 1800 buah dan persediaan di
gudang (y) masih 250 kemasan ?
 _ pred1 * Z1   _ pred 2 * Z 2   _ pred 3 * Z 3   _ pred 4 * Z 4

Z
 _ pred1   _ pred 2   _ pred 3   _ pred 4
ATAU
𝛼1 ∗ 𝑍1 + 𝛼2 ∗ 𝑍2 + 𝛼3 ∗ 𝑍3 + 𝛼4 ∗ 𝑍4
𝑍=
𝛼1 + 𝛼2 + 𝛼3 + 𝛼4
( 0,1333 ∗ 1550 + 0,1333 ∗ 1800 + 0,75 ∗ 1800 + (0,25 ∗ 2000)
𝑍=
(0,1333 + 0,1333 + 0.75 + 0,25)
𝑍 = 1813
Jadi jumlah power bank jenis 𝑋𝑍 yang maksimal bisa diproduksi menurut Metode SUGENO
adalah 1813 buah power bank.
52
Terima Kasih
Jobsheet Time!

Pertemuan 14 - Metode-Metode FIS

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Pertemuan 14 - Metode-Metode FIS

Diunggah oleh

Hak Cipta:

Format Tersedia

Fuzzy Inference System

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 1

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 2

Perluasan dari penalaran monoton yang direpresentasikan dengan tegas

Menggunakan fungsi implikasi min untuk mendapatkan nilai firing strength

Nilai defuzzifikasi diperoleh dengan menggunakan rata-rata terbobot

Konsekuen dari setiap aturan implikasi direpresentasikan dengan himpunan

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 3

Masukan Variabel Aturan Variabel Keluaran

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 4

1. Jika PERMINTAAN TURUN DAN PERSEDIAAN BANYAK maka PRODUKSI BERKURANG

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 5

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 6

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 7

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 8

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 9

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 10

• Permintaan TURUN, Permintaan NAIK

1. Jika PERMINTAAN TURUN DAN PERSEDIAAN BANYAK maka PRODUKSI BERKURANG

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 11

Jika PERMINTAAN TURUN DAN PERSEDIAAN BANYAK maka PRODUKSI BERKURANG

𝛼1 = 0.1333 ∩ 0.75 300 − 250

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 12

Jika PERMINTAAN TURUN DAN PERSEDIAAN SEDIKIT maka PRODUKSI BERKURANG

𝛼2 = 0.1333 ∩ 0.25 300 − 250

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 13

Jika PERMINTAAN NAIK DAN PERSEDIAAN BANYAK maka PRODUKSI BERTAMBAH

𝛼3 = 0.8667 ∩ 0.75 300 − 250

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 14

Jika PERMINTAAN NAIK DAN PERSEDIAAN SEDIKIT maka PRODUKSI BERTAMBAH

𝛼4 = 0.8667 ∩ 0.25 300 − 250

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 15

Tsukamoto menggunakan nilai “rata-rata terbobot” untuk melakukan defuzzifikasi

(0.1333 ∗ 3533) + (0.1333 ∗ 3533) + (0.75 ∗ 3125) + (0.25 ∗ 1375)

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 16

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 17

Di usulkan oleh Ebrahim Mamdani pada tahun 1975

Metode Fuzzy Mamdani juga dikenal dengan sebutan metode MIN-MAX

Dapat digunakan untuk penarikan kesimpulan dalam permasalahan yang

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 18

Metode Max MAMDANI

Metode Additive (SUM)

Metode Probabilistik OR (Probor)

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 19

Komposisi MAX digunakan untuk menggabungkan daerah fuzzy

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 20

• Metode Centroid / Center of Gravity (CoG) / Center

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 21

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 22

1. Jika PERMINTAAN TURUN DAN PERSEDIAAN BANYAK maka PRODUKSI BERKURANG

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 23

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 24

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 25

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 26

Jika PERMINTAAN TURUN DAN PERSEDIAAN BANYAK maka PRODUKSI BERKURANG

Firing strength aturan 1

𝛼1 = 𝜇𝑝𝑚𝑡 𝑡𝑢𝑟𝑢𝑛 1800 ∩ 𝜇𝑝𝑠𝑑 𝑏𝑎𝑛𝑦𝑎𝑘 250

PERMINTAAN TURUN PERSEDIAAN BANYAK PRODUKSI BERKURANG

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 27

Firing strength aturan 2

𝛼2 = 𝜇𝑝𝑚𝑡 𝑡𝑢𝑟𝑢𝑛 1800 ∩ 𝜇𝑝𝑠𝑑 𝑠𝑒𝑑𝑖𝑘𝑖𝑡 250

jti.polinema.ac.id SISTEM PENDUKUNG KEPUTUSAN 28

Jika PERMINTAAN NAIK DAN PERSEDIAAN BANYAK maka PRODUKSI BERTAMBAH