FUZZY ?
Konsep himpunan fuzzy merupakan dasar dari
sistem logika fuzzy. Himpunan fuzzy tersebut Sebelum logita fuzzy dicetuskan, logika
memetakan kriteria-kriteria kualitatif terhadap konvensional mengharuskan bahwa jika
fungsi keanggotaan. Dengan demikian setiap suatu proposisi benar, maka negasinya
kriteria kualitatif dalam himpunan fuzzy harus salah sehingga hanya ada dua
mempunyai fungsi keanggotaan (). keanggotaan yaitu 0 dan 1. LA Zadeh
kemudian memperkenalkan gugus fuzzy
(fuzzy set) dengan ketentuan:
Fungsi keanggotaan dari kriteria kualitatif
dalam himpunan fuzzy mempunyai selang nilai Jika A = {X A(X)} maka 0 A(X) 1
antara 0.0 sampai 1.0. Bila X anggota Hal ini berarti bahwa nilai fungsi
himpunan fuzzy, maka (X) merupakan keanggotaan A dalam semesta X bisa
derajat keanggotaan atau fungsi dari X. bernilai 0, 1 dan nilai-nilai diantaranya.
Tabel Contoh derajat keanggotaan himpunan Fuzzy
Misal X adalah himpunan
semesta umur manusia, dan X
Umur Muda Dewasa Tua adalah himpunan crisp yang
(tahun) mempunyai anggota sbb:
5 1 0 0
10 1 0 0 X = {5, 10, 15, 20, 30, 40, 50,
20 0.8 0.8 0.1 60, 70, 80 }.
30 0.5 1 0.2 A = (1/x1), (2/x2), (3/x3), ................. , (i/xi)
40 0.2 1 0.4 Anggota-anggota himpunan bagian (xi) dengan
50 0.1 1 0.6 derajat keanggotaan i dari himpunan semesta X
adalah:
60 0 1 0.8
70 0 1 1 Muda: {1/5, 1/10, 0.8/20, 0.5/30, 0.2/40, 0.1/50}.
Dewasa: {0.8/20, 1/30, 1/40, 1/50, 1/60, 1/70, 1/80}.
80 0 1 1
Tua: {0.1/20, 0.2/30, 0.4/40, 0.6/50, 0.8/60, 1/70,
1/80}
PENGENDALIAN LOGIKA FUZZY
Tahapan yang umum dilakukan dalam pengendalian logika fuzzy
adalah:
Fuzzifikasi
Basis Pengetahuan.
Logika Fuzzy reasoning
Defuzzifikasi
LOGIKA FUZZY
Suatu cara untuk merepresentasikan dan menangani masalah
ketidakpastian (keraguan, ketidaktepatan, kekurang-lengkapan
informasi, dan kebenaran yang bersifat sebagian).
FUZZY SYSTEM
HIMPUNAN FUZZY
PERTEMUAN KE-2
POKOK BAHASAN
Sistem fuzzy
Himpunan Fuzzy
Fungsi Keanggotaan
Operator-operator Fuzzy
SISTEM FUZZY
Sistem yang berdasarkan aturan-aturan (pengetahuan)
Dibangun oleh koleksi aturan: IF-THEN
Contoh:
IF mesin panas THEN putar kipas lebih cepat
IF jarak mobil dekat THEN tekan rem kuat-kuat
IF permintaan naik THEN produksi barang bertambah
MENGAPA MENGGUNAKAN SISTEM FUZZY?
Pada kenyataannya banyak hal di dunia ini yang sangat kompleks.
Pengetahuan & pengalaman manusia menjadi sangat dibutuhkan dalam
menyelesaikan masalah tersebut.
Perlu suatu teori yang mampu merumuskan pengetahuan & pengalaman
manusia itu ke bentuk matematis.
Sistem fuzzy akan melakukan transformasi dari pengetahuan manusia
ke bentuk matematis
HIMPUNAN TEGAS (CRISP)
Pada himpunan tegas (crisp set), nilai keanggotaan suatu item x dalam suatu
himpunan A (ditulis A[x]) memiliki 2 kemungkinan :
Satu (1), artinya x adalah anggota A
Nol (0), artinya x bukan anggota A
CONTOH
S={1,2,3,4,5,6} adalah semesta pembicaraan
A={1,2,3}
B={3,4,5}
maka :
Nilai kaanggotaan 2 pada A, A[2] = 1, karena 2A
Nilai kaanggotaan 4 pada A, A[4] = 0, karena 4 A
CONTOH
“Jika suhu lebih tinggi atau sama dengan 80 oF, maka suhu disebut panas,
sebaliknya disebut tidak panas”
Kasus :
– Suhu = 100 oF, maka Panas
– Suhu = 80.1 oF, maka Panas
– Suhu = 79.9 oF, maka tidak panas
– Suhu = 50 oF, maka tidak panas
• Fungsi keanggotaan dari himpunan tegas gagal membedakan antara anggota pada
himpunan yang sama
• Ada problem-problem yang terlalu kompleks untuk didefinisikan secara tepat
CONTOH
Misal variable umur dibagi menjadi 3 katagori :
• MUDA umur <35 tahun
• PAROBAYA 35 ≤ umur ≤ 55 tahun
• TUA umur > 55 tahun
1
Setengah
Baya
0 35 55 umur
0.5
25 35 45 55 65
umur
0.5
25 35 45 55 65
umur
1 0,82
derajat
keanggotaan
derajat
keanggotaan
1 4 7
47 50 53
BENTUK NORMAL MAKSIMUM DAN MINIMUM
Suatu himpunan fuzzy dikatakan memiliki bentuk normal maksimum
(Maximum Normal Form) jika paling sedikit satu elemennya memiliki
nilai keanggotaan satu (1) dan satu elemennya memiliki nilai
keanggotaan nol (0).
Suatu himpunan fuzzy dikatakan memiliki bentuk normal minimum
(Minimum Normal Form) jika paling sedikit satu elemennya memiliki
nilai keanggotaan satu (1).
DEKAT DENGAN 50
0,82
derajat
keanggotaan
47 50 53
VARIABEL FUZZY
Variabel fuzzy adalah variabel-variabel yang akan dibicarakan dalam suatu sistem
fuzzy.
Contoh:
Temperatur
Umur
Tinggi Badan
dll
SEMESTA PEMBICARAAN
Keseluruhan ruang permasalahan dari nilai terkecil hingga nilai terbesar yang
diijinkan disebut dengan semesta pembicaraan (universe of discourse).
Semesta pembicaraan bersifat monoton naik, dan adakalanya open ended.
TEMPERATUR
DINGIN SEJUK HANGAT PANAS
1
[x]
0
100 140 200 260 320 360
temperatur turbin (oC)
HIMPUNAN FUZZY
0
40 berat badan 60
(kg)
0
100 140 200 260 320 360
temperatur turbin (oC)
SUPPORT SET
Himpunan yang memiliki derajat keanggotaan lebih dari nol.
Domain untuk BERAT adalah 40 kg hingga 60 kg, namun kurva yang ada dimulai dari 42 hingga 55 kg
1 BERAT
(x)
0
40 42 berat badan 55 60
(kg)
support set
A-CUT SET
Himpunan ini berisi semua nilai domain yang merupakan bagian dari himpunan
fuzzy dengan nilai keanggotaan lebih besar atau sama dengan .
BERAT
1
(x)
=0,2
0
40 45 berat badan
60
(kg)
-cut set
FUNGSI KEANGGOTAAN HIMPUNAN FUZZY (MEMBERSHIP FUNCTION)
Adalah suatu fungsi (kurva) yang menunjukkan pemetaan titik-titik input data
ke dalam nilai keanggotaannya (derajat keanggotaan) yang memiliki
interval antara 0 sampai 1.
Ada beberapa fungsi yang bisa digunakan :
1. Linier
2. Segitiga
3. Trapesium
4. Sigmoid
5. Phi
FUNGSI KEANGGOTAAN
1. Representasi Linear
TUA
1
0,6
(x)
0 35 50 60
Umur(th)
0; x a atau x c
( x; a, b, c) ( x a) /(b a); a x b
(c x) /(c b); b x c
Contoh
PAROBAYA
1
0,75
[x]
0,3
0
35 38 45 50 65
Umur (th)
PAROBAYA[38] = (38-35)/(45-35) = 0,3
PAROBAYA[50] = (65-50)/(65-45) = 0,75
3. Kurva-S (Sigmoid/Logistic)
0 x
2
2((x ) /(g )) xb
S(x; , b , g ) 2
1 2((g x) /(g )) b x g
1 x g
1
derajat
keanggotaan
0,5
0
i j
Titik Infleksi b
Keanggotaan=0 Keanggotaan=1 g
Contoh
1
TUA
0,755
[x]
0,125
0 45 50 58 65
Umur (th)
MUDA
1
0,755
[x]
0,125
0 25 32 40 45
Umur (th)
Pusat g
1
derajat
keanggotaan
0,5
0
i Titik j
Infleksi Lebar b
Domain
Contoh
1 PAROBAYA
0,92
[x]
0,18
0 35 43 45 52 55
Umur (th)
[x]
0
0 15 20 25 30 35
Suhu Ruangan (oC)
OPERASI LOGIKA
(OPERASI DASAR HIMPUNAN FUZZY)
IF x is A AND y is B THEN z is C
0 0
35 45 55 135 170
umur (tahun) tinggi badan (cm)
0
X1 Xn
CONTOH
Misal derajat keanggotaan 27 tahun pada himpunan MUDA adalah 0.6
(µMUDA[27] = 0.6)
Derajat keanggotaan Rp.2 juta pada himpunan penghasilan TINGGI adalah 0.8
(µGAJITINGGI[2juta] = 0.8) maka α predikat untuk usia MUDA dan
berpenghasilan TINGGI :
µMUDA ∩ µGAJITINGGI = min (µMUDA[27], µGAJITINGGI[2juta])
= min (0.6 , 0.8)
= 0.6
UNION
• Union dari 2 himpunan dibentuk dengan menggunakan operator OR.
• Pada logika fuzzy konvensional, operator OR diperlihatkan dengan
derajat keanggotaan maksimum antar kedua himpunan.
[x] [x]
0 0
35 45 55 135 170
umur (tahun) tinggi badan (cm)
0
X1 Xn
CONTOH
A = {1.0, 0.20, 0.75}
B = {0.2, 0.45, 0.50}
A B = {MAX(1.0, 0.2), MAX(0.20, 0.45), MAX(0.75, 0.50)}
= {1.0, 0.45, 0.75}
CONTOH
Misal nilai keanggotaan umur 27 pada himpunan muda adalah
MUDA[27] = 0,6 dan nilai keanggotaan 2 juta pada himpunan
penghasilan TINGGI adalah GAJITINGGI[2juta] = 0,8
0 025
25 35 55 65 45 65
umur (tahun) umur (tahun)
CONTOH
Ac = {1 – 1.0, 1 – 0.2, 1 – 0.75} = {0.0, 0.8, 0.25}
Misal nilai keanggotaan umur 27 pada himpunan muda adalah
MUDA[27]= 0,6 maka -predikat untuk usia TIDAK MUDA adalah :
MUDA’[27] = 1 - MUDA[27
= 1 - 0,6
= 0,4
CONTOH Nilai keanggotaan sebagai hasil dari
operasi 2 himpunan: fire strength atau -
predikat
AND
Misalkan nilai keanggotaan IP 3.2 pada
AB [x] = min(A[x], B[x]) himpunan IPtinggi adalah 0.7 dan nilai
keanggotaan 8 semester pada himpunan
LulusCepat adalah 0.8 maka a-predikat
IPtinggiLulusCepat = min(IPtinggi[3.2], LulusCepat[8]) untuk IPtinggi dan LulusCepat:
= min(0.7,0.8) = 0.7
OR
AB AB A
A’
AB
AB
ATURAN (RULE) IF-THEN FUZZY
Aturan IF-THEN fuzzy adalah penyataan IF-THEN dimana beberapa kata-kata
dalam pernyataan tersebut ditentukan oleh fungsi keanggotaan.
Aturan produksi fuzzy adalah relasi fuzzy antara dua proposisi fuzzy. Aturan
tersebut dinyatakan dalam bentuk: IF (proposisi fuzzy 1 → anteseden) THEN
(proposisi fuzzy 2 → konsekuen)
ATURAN (RULE) IF-THEN FUZZY
Premis dari aturan fuzzy dapat memiliki lebih dari satu bagian
(premis1, premis2, …dst), semua bagian dari premis dihitung secara
simultan dan diselesaikan untuk sebuah nilai tunggal dengan
penggunakan operator fuzzy dalam himpunan fuzzy.
IF premis 1 AND premis 2 THEN kesimpulan 1 AND kesimpulan 2
Dimana : AND adalah operator fuzzy
Premis 1 dan premis 2 berupa variabel masukan
Kesimpulan 1 dan kesimpulan 2 berupa variabel keluaran
CONTOH
IF permintaan turun AND persediaan banyak THEN produksi barang
berkurang
IF permintaan naik AND persediaan sedikit THEN produksi barang
bertambah
Dimana :
Permintaan, persediaan : variabel masukan
Produksi barang : variabel keluaran
Turun, naik : kategori himpunan fuzzy dari permintaan
Banyak, sedikit : kategori himpunan fuzzy dari persediaan
Berkurang, bertambah : kategori himpunan fuzzy dari
produksi barang
STUDI KASUS 1
Suatu perusahaan makanan kaleng akan memproduksi
makanan jenis ABC.
Dari data 1 bulan terakhir, permintaan terbesar
mencapai 5000 kemasan/hari, dan permintaan terkecil
sampai 1000 kemasan/hari.
Persediaan barang di gudang terbanyak sampai 600
kemasan/hari, dan terkecil pernah 100 kemasan/hari.
Dengan segala keterbatasannya, sampai saat ini,
perusahaan baru mampu memproduksi barang maksimum
7000 kemasan/hari, serta demi efisiensi mesin dan SDM
perusahaan memproduksi paling tidak 2000 kemasan.
STUDI KASUS 1
Apabila proses produksi perusahaan tersebut menggunakan 4 aturan fuzzy :
R1 : IF permintaan turun AND persediaan banyak THEN produksi barang
berkurang
R2 : IF permintaan turun AND persediaan sedikit THEN produksi barang
berkurang
R3 : IF permintaan naik AND persediaan banyak THEN produksi barang
bertambah
R4 : IF permintaan naik AND persediaan sedikit THEN produksi barang
bertambah
Berapa kemasan makanan jenis ABC yang harus diproduksi, jika jumlah permintaan
sebanyak 4000 kemasan dan persediaan di gudang masih 300 kemasan?
SOLUSI
FUZZIFIKASI → membuat fungsi keanggotaan
Ada 3 variabel fuzzy yang akan dimodelkan, yaitu :
1. Permintaan
2. Persediaan
3. Barang produksi
LATIH :
b. ( ( a – x ) e) / ( a – b ) , untuk a x b
e, untuk b x c
B(x)=
( ( d – x ) e ) / ( d – c ) , untuk c x d
0, untuk x < a dan x > d