FUZZY INFERENCE SYSTEMS

Pokok Bahasan

 Langkah-langkah FIS
 Metode Inferensi Fuzzy
Langkah-langkah FIS
 Tentukan variabel-variabel & himpunan
fuzzy;
 Tentukan fungsi keanggotaan;
 Lakukan implementasi fungsi implikasi;
 Lakukan komposisi/agregasi aturan;
 Lakukan proses penegasan (defuzzy)
FUNGSI IMPLIKASI
 Bentuk umum:

IF (x1 is A1)(x2 is A2) (xN is AN)

THEN y is B

dengan adalah operator (misal: OR atau AND), x1, x2, …,

xN adalah variabel-variabel input, y adalah variabel output,
A1, A2, …, AN, B, adalah himpunan-himpunan fuzzy.
Ada 2 fungsi implikasi:

 Min (minimum)
 Dot (product)
1. Min (Minimum)
 Fungsi ini akan memotong output himpunan fuzzy

Aplikasi Aplikasi fungsi

Operator AND implikasi Min

NAIK SEDANG NORMAL

IF
IF Permintaan
Permintaan NAIK
NAIK AND
AND Persediaan
Persediaan SEDANG
SEDANG THEN
THEN Produksi
Produksi Barang
Barang NORMAL
NORMAL
2. Dot (Product)
 Fungsi ini akan menskala output himpunan fuzzy

Aplikasi Aplikasi fungsi implikasi

Operator AND Dot (Product)

NAIK SEDANG NORMAL

IF
IF Permintaan
Permintaan NAIK
NAIK AND
AND Persediaan
Persediaan SEDANG
SEDANG THEN
THEN Produksi
Produksi Barang
Barang NORMAL
NORMAL
PENALARAN MONOTON
 Jika 2 daerah fuzzy direlasikan dengan implikasi
sederhana sebagai berikut:
IF x is A THEN y is B
transfer fungsi:
y = f((x,A),B)
maka sistem fuzzy dapat berjalan tanpa harus melalui
komposisi dan dekomposisi fuzzy.
 Nilai output dapat diestimasi secara langsung dari
derajat keanggotaan yang berhubungan dengan
antesedennya.
 1 TINGGI

[0,75]

[x]

0
150 165 170
Tinggi badan (cm)

1 BERAT
[0,75]

[y]

0
35 58 70
Berat badan (Kg)
Metode Komposisi

 Metode Max
 Metode Additive
 Metode Probabilistik OR (PROBOR)
1. Metode MAX (Maximum)
 Solusi himpunan fuzzy diperoleh dengan cara mengambil nilai
maksimum aturan, kemudian menggunakannya untuk memodifikasi
daerah fuzzy, dan mengaplikasikannya ke output dengan
menggunakan operator OR (union).
 Secara umum dapat dituliskan:
sf[xi]  max(sf[xi],kf[xi])
dengan:
sf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
kf[xi] = nilai keanggotaan konsekuen fuzzy aturan ke-i;

 Apabila digunakan fungsi implikasi MIN, maka metode komposisi

ini sering disebut dengan nama MAX-MIN atau MIN-MAX atau
MAMDANI.
Contoh:

Misalkan ada 3 aturan (proposisi) sebagai berikut:

[R1] IF Biaya Produksi RENDAH And Permintaan NAIK

THEN Produksi Barang BERTAMBAH;
[R2] IF Biaya Produksi STANDAR
THEN Produksi Barang NORMAL;
[R3] IF Biaya Produksi TINGGI And Permintaan TURUN
THEN Produksi Barang BERKURANG;
 1. Input fuzzy 2. Aplikasi op. fuzzy 3. Aplikasi metode implikasi
(and = min) (min)
rendah naik bertamba
h

IF biaya produksi RENDAH AND permintaan NAIK THEN produksi barang

BERTAMBAH
standar norma
l

Tak ada input

IF biaya produksi STANDAR THEN produksi barang
NORMAL
tinggi turun berkurang

IF biaya produksi TINGGI AND permintaan TURUN THEN produksi barang

BERKURANG 4. Aplikasi metode
komposisi (max)
2. Metode ADDITVE
 Solusi himpunan fuzzy diperoleh dengan cara melakukan
bounded-sum terhadap semua output daerah fuzzy.
 Secara umum dituliskan:
sf[xi]  min(1,sf[xi]+kf[xi])

dengan:
sf[xi] = nilai keanggotaan solusi fuzzy sampai
aturan ke-i;
 kf[xi] = nilai keanggotaan konsekuen fuzzy
aturan ke-i
3. Metode Probabilistik Or
 Solusi himpunan fuzzy diperoleh dengan cara melakukan
product terhadap semua output daerah fuzzy.
 Secara umum dituliskan:
sf[xi]  (sf[xi]+kf[xi]) - (sf[xi] *kf[xi])

dengan:
sf[xi] = nilai keanggotaan solusi fuzzy sampai
aturan ke-i;
 kf[xi] = nilai keanggotaan konsekuen fuzzy
aturan ke-i;
PENEGASAN (DEFUZZY)
 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.
 Jika diberikan suatu himpunan fuzzy
dalam range tertentu, maka harus
dapat diambil suatu nilai crsip
tertentu sebagai output
1. Metode Centroid

Solusi crisp diperoleh dengan cara

mengambil titik pusat daerah fuzzy C.

n
n
 z i *  C (z i )  z C ( z )dz
z  i0
1
z n
n
  C (z i )
i 0

1
C ( z )dz
2. Metode Bisektor

Solusi crisp diperoleh dengan cara mengambil nilai

pada domain fuzzy yang memiliki nilai
keanggotaan separo dari jumlah total nilai
keanggotaan pada daerah fuzzy C.

p n

z p sdh 
1
 C (z)dz  p
 C (z)dz
3. Metode Mean Of Maximum (MOM)

Solusi crisp diperoleh dengan cara

mengambil nilai rata-rata domain pada
himpunan C yang memiliki nilai
keanggotaan maksimum.

z = mean{zi | C(zi) = maksimum C}

4. Metode Smallest Of Maximum (SOM)

Solusi crisp diperoleh dengan cara

mengambil nilai terkecil dari domain pada
himpunan C yang memiliki nilai
keanggotaan maksimum.

z = min{abs(zi) | C(zi) = maksimum C}

5. Metode Largest Of Maximum (LOM)

Solusi crisp diperoleh dengan cara

mengambil nilai terbesar dari domain pada
himpunan C yang memiliki nilai
keanggotaan maksimum.

z = max{abs(zi) | C(zi) = maksimum C}

Metode Inferensi Fuzzy
 Metode Tsukamoto
 Metode Mamdani
 Metode Sugeno
Metode Tsukamoto
 setiap konsekuen pada aturan yang berbentuk
IF-Then harus direpresentasikan dengan
suatu himpunan fuzzy dengan fungsi
keanggotaan yang monoton
 output hasil inferensi dari tiap-tiap aturan
diberikan secara tegas (crisp) berdasarkan -
predikat (fire strength).
 Hasil akhirnya diperoleh dengan
menggunakan rata-rata terbobot.
 Misal ada 2 var input: var-1 (x), dan var-
2 (y); serta 1 var output: var-3 (z).
 Var-1 terbagi atas himp. A1 & A2; var-2
terbagi atas himp. B1 & B2; var-3
terbagi atas himp. C1 & C2.
 Ada 2 aturan:
 If (x is A1) and (y is B2) Then (z is C1)
 If (x is A2) and (y is B1) Then (z is C2)
[x] [y] B2 [z]
A1 C1
1 1 1

1
0 0 0 z1
Var-1 Var-2 Var-3
IF (x is A1) AND (y is B2) THEN (z is C1)
[x] A2 [y] [z] C2
B1
1 1 1

2
0 0 0
Var-1 Var-2 z2 Var-3
IF (x is A2) AND (y is B1) THEN (z is C2)

Rata-rata
terbobot
 z  2z2
z 1 1
1  2
CONTOH…
 Suatu perusahaan makanan kaleng setiap
harinya rata-rata menerima permintaan sekitar
55000 kaleng, dan dalam 3 bulan terakhir
permintaan tertinggi sebesar 75000 kaleng.
 Makanan kaleng yang masih tersedia di
gudang, setiap harinya rata-rata 7000 kaleng,
sedangkan kapasitas gudang maksimum hanya
dapat menampung 13000 kaleng.
 Apabila sistem produksinya menggunakan
aturan fuzzy sebagai berikut:
[R1] IF Permintaan TURUN And Persediaan BANYAK
THEN Produksi Barang BERKURANG
[R2] IF Permintaan NAIK And Persediaan SEDIKIT
THEN Produksi Barang BERTAMBAH
[R3] IF Permintaan NAIK And Persediaan BANYAK
THEN Produksi Barang BERTAMBAH
[R4] IF Permintaan TURUN And Persediaan SEDIKIT
THEN Produksi Barang BERKURANG

Tentukanlah berapa jumlah barang yang harus

diproduksi hari ini, jika permintaan sebanyak 60000
kaleng, dan persediaan yang masih ada di gudang
sebanyak 8000 kaleng.
1. Membuat himpunan dan input fuzzy
Ada 3 variabel fuzzy yang akan dimodelkan, yaitu:
a. Permintaan; terdiri-atas 2 himpunan fuzzy,
yaitu: NAIK dan TURUN.
b. Persediaan; terdiri-atas 2 himpunan fuzzy,
yaitu: BANYAK dan SEDIKIT.
c. Produksi Barang; terdiri-atas 2 himpunan
fuzzy, yaitu: BERKURANG dan BERTAMBAH.
A. Variabel Permintaan

TURUN NAIK

1
[x]

0,5

0,08
0
0 45 60 75
permintaan per hari (x1000 kaleng)
Jika permintaan 60000 maka nilai keanggotaan
fuzzy pada tiap-tiap himpunan adalah:

 Himpunan fuzzy TURUN, PmtTurun[60] = 0,08.

 Himpunan fuzzy NAIK, PmtNaik[60] = 0,5.
diperoleh dari:
= 2[(60-75)/(75-45)]2
= 0,5
B. Variabel Persediaan

SEDIKIT BANYAK

1
[x]

0,5

0,25

0
0 2 5 8 10 11 13
persediaan (x1000 kemasan per hari)
Jika persediaan sebanyak 8000 kemasan per hari,
maka nilai keanggotaan fuzzy pada tiap-tiap
himpunan adalah:
 Himpunan fuzzy SEDIKIT, PsdSedikit[8] = 0,25.
diperoleh dari:
= (10-8)/(10-2)
= 0,25

 Himpunan fuzzy BANYAK, PsdBanyak[8] = 0,5.

diperoleh dari:
= (10-5)/(11-5)
= 0,5
C. Variabel Produksi Barang

BERKURANG BERTAMBAH

[z]

0 15 100
25 75
permintaan per hari (x1000 kaleng)
Nilai keanggotaan fuzzy pada tiap-tiap himpunan
dirumuskan:
Himpunan fuzzy BERKURANG:
1; z  15

 PBBerkurang [z]  (75  z) / 60; 15  z  75
0; z  75

Himpunan fuzzy BERTAMBAH:
0; z  25

 PBBertambah [z]  (z  25) / 75; 25  z  100
1; z  100

2. Aplikasi operator fuzzy
A. Aturan ke-1:

[R1] IF Permintaan TURUN And Persediaan BANYAK

THEN Produksi Barang = BERKURANG

Operator yang digunakan adalah AND, sehingga:

 = PredikatR1 = min(PmtTurun[60],PsdBanyak[8])
= min(0,08;0,5) = 0,08

Cari nilai z1, untuk 1 = 0,08; lihat himpunan BERKURANG:

0,08 = (75 – z1)/60
z1 = 75 - 4,8 = 70,2
B. Aturan ke-2:

[R2] IF Permintaan NAIK And Persediaan SEDIKIT

THEN Produksi Barang BERTAMBAH

Operator yang digunakan adalah AND, sehingga:

 = PredikatR2 = min(PmtNaik[60],PsdSedikit[8])
= min(0,5;0,25) = 0,25

Cari nilai z2, untuk 2 = 0,25; lihat himpunan BERTAMBAH:

0,25 = (z2 – 25)/75
z2 = 18,75 + 25 = 43,75
C. Aturan ke-3:

[R3] IF Permintaan NAIK And Persediaan BANYAK

THEN Produksi Barang BERTAMBAH

Operator yang digunakan adalah AND, sehingga:

 = PredikatR3 = min(PmtNaik[60],PsdBanyak[8])
= min(0,5;0,5) = 0,5

Cari nilai z3, untuk 3 = 0,5; lihat himpunan BERTAMBAH:

0,5 = (z3 – 25)/75
z3 = 37,5 + 25 = 62,5
D. Aturan ke-4:

[R4] IF permintaan TURUN And persediaan SEDIKIT

THEN produksi barang BERKURANG

Operator yang digunakan adalah AND, sehingga:

 = PredikatR4 = min(PmtTurun[60],PsdSedikit[8])
= min(0,08;0,25) = 0,08

Cari nilai z4, untuk 4 = 0,08; lihat himpunan BERKURANG:

0,08 = (75 – z4)/60
z4 = 75 – 4,8 = 70,2
 3. Penegasan (Defuzzy)

0,08 * 70,2  0,25 * 43,75  0,5 * 62,5  0,08 * 70,2

z  58,703
0,08  0,25  0,5  0,08

Jadi produksi barang = 58703 kaleng

Metode Mamdani

 Metode Mamdani sering juga dikenal

dengan nama Metode Max-Min.
 Menggunakan MIN pada fungsi
implikasi, dan MAX pada komposisi
antar fungsi implikasi.
 Diperkenalkan oleh Ebrahim Mamdani
pada tahun 1975.
 MIN
[x] A1 [y] B3 [z] C3 [z]
1 1 1 1
C3

0 0 0 0
Var-1 Var-2 Var-3

[x] [y] [z] C2 [z]

A2 B1
1 1 1 1

C2

0 0 0 0
Var-1 Var-2 Var-3
MAX
[z]
1

0
CONTOH …

 Suatu perusahaan soft drink akan memproduksi

minuman jenis X.
 Pada 3 bulan terakhir biaya produksi untuk minuman
jenis tersebut rata-rata sekitar Rp 500,- per kemasan,
dan maksimum mencapai Rp 1000,- per kemasan.
 Banyaknya permintaan per hari rata-rata mencapai
30000 kemasan dan maksimum hingga mencapai 60000
kemasan.
 Sampai saat ini, perusahaan baru mampu memproduksi
barang maksimum 100000 kemasan per hari.
Apabila proses produksi perusahaan tersebut menggunakan 3 aturan fuzzy
sbb:

[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 minuman jenis X yang harus diproduksi, jika biaya untuk
memproduksi jenis minuman tersebut diperkirakan sejumlah Rp 800 per
kemasan, dan permintaannya diperkirakan mencapai 25000 kemasan per hari.
1. Membuat himpunan dan input fuzzy
Ada 3 variabel fuzzy yang akan dimodelkan, yaitu:
 Biaya produksi; terdiri-atas 3 himpunan fuzzy, yaitu: RENDAH,
STANDAR, dan TINGGI.
 Permintaan barang; terdiri-atas 3 himpunan fuzzy, yaitu: TURUN,
BIASA, dan NAIK.
 Produksi barang; terdiri-atas 3 himpunan fuzzy, yaitu: BERKURANG,
NORMAL, dan BERTAMBAH.
A. Variabel Biaya Produksi

RENDAH STANDAR TINGGI

[x] 1

0,68

0,32
0
0 250 500 750 800 1000
biaya produksi (Rp)
 Jika biaya produksi sebesar Rp 800,- maka nilai keanggotaan fuzzy
pada tiap-tiap himpunan adalah:
 Himpunan fuzzy RENDAH, BPRendah[800]= 0,0

 Himpunan fuzzy STANDAR, BPStandar[800]=0,32

diperoleh dari:
(800;500,500) = S(800;500,750,1000)
= 2[(1000-800)/(1000-500)]2
= 0,32

 Himpunan fuzzy TINGGI, BPTinggi[800]=0,68

diperoleh dari:
S(800;500,750,1000) = 1 – S(800;500,750,1000)
= 1 – 2[(1000-800)/(1000-500)]2
= 0,68
B. Variabel Permintaan
TURUN BIASA NAIK

[x]

0,25

0
0 10 25 30 35 50 60
permintaan (x1000 kemasan per hari)
 Jika permintaan sebanyak 25000 kemasan per hari,
maka nilai keanggotaan fuzzy pada tiap-tiap
himpunan adalah:
 Himpunan fuzzy TURUN, PmtTurun[25]=0,25
diperoleh dari:
= (30-25)/(30-10)
= 5/20
= 0,25
 Himpunan fuzzy BIASA, PmtBiasa[25]=0
 Himpunan fuzzy NAIK, PmtNaik[25]=0
C. Variabel Produksi Barang
BERKURANG NORMAL BERTAMBAH

Derajat
keanggotaan
[x]

0
0 10 30 50 70 90 100
produksi barang (x1000 kemasan per hari)
Nilai keanggotaan fuzzy pada tiap-tiap himpunan dirumuskan:
Himpunan fuzzy BERKURANG:
1; z  10

 PBBerkuran g [z]  (50  z ) / 40; 10  z  50
0; z  50

Himpunan fuzzy NORMAL:
0; ( z  30) atau ( z  70)

 PBNormal [z]  ( z  30) / 20; 30  z  50
(70  z ) / 20; 50  z  70

Himpunan fuzzy BERTAMBAH:
0; z  50

 PBBertambah [z]  (z  50) / 40; 50  z  90
1; z  90

2. Aplikasi operator fuzzy
A. Aturan ke-1:

[R1] IF Biaya Produksi RENDAH And Permintaan NAIK

THEN Produksi Barang BERTAMBAH;

Operator yang digunakan adalah AND, sehingga:

 = PredikatR1
= min(BPRendah[800],PmtNaik[25])
= min(0;0)
=0
B. Aturan ke-2:

[R2] IF Biaya Produksi STANDAR

THEN Produksi Barang NORMAL;

Tidak menggunakan operator, sehingga:

 = PredikatR2
= BPStandar[800]
= 0,32
C. Aturan ke-3:

[R3] IF Biaya Produksi TINGGI And Permintaan TURUN

THEN Produksi Barang BERKURANG;

Operator yang digunakan adalah AND, sehingga:

 = PredikatR3
= min(BPTinggi[800],PmtTurun[25])
= min(0,68; 0,25)
= 0,25
3. Aplikasi fungsi implikasi

A. Aturan ke-1:

Tidak ada daerah hasil implikasi (KFR1 = 0).

B. Aturan ke-2:

Pada saat PBNormal[z]= 0,32 nilai z dapat ditentukan sbb:

0,32 = (z-30)/20
0,05z = 1,82
 z = 36,4

atau
0,32 = (70-z)/20
0,05z = 3,18
 z = 63,6
0; (z  30) atau ( z  70)
Sehingga: 
(z  30) / 20; 30  z  36,4
 KFR2  
0,32 36,4  z  63,6
(70  z ) / 20; 63,6  z  70
C. Aturan ke-3:

Pada saat PBBerkurang[z]= 0,25 nilai z dapat ditentukan sbb:

0,25 = (50-z)/40
0,025z = 1,00
 z = 40

Sehingga:

0,25; z  40

 KFR3  (50  z ) / 40; 40  z  50
0; z  50

3. Komposisi semua output
Untuk melakukan komposisi semua output fuzzy dilakukan dengan
menggunakan metode MAX.

Titik potong antara aturan-2 dan aturan-3 terjadi saat PBNormal[z]=

PBBerkurang[z] = (0,25), yaitu:

0,25 = 0,05z – 1,5

0,05z = 1,75
 z = 35

Sehingga: 0,25; z  35

( z  30) / 20; 35  z  36,4

 SF  0,32; 36,4  z  63,6
(70  z ) / 20; 63,6  z  70


0; z  70
4. Penegasan (Defuzzy)
 Defuzzy dilakukan dengan menggunakan
metode Centroid.
 Untuk menentukan nilai crisp z, dilakukan
dengan membagi daerah menjadi 4 bagian
(D1, D2, D3, dan D4) dengan luas masing-
masing: A1, A2, A3, dan A4. Momen terhadap
nilai keanggotaan masing-masing adalah: M1,
M2, M3 dan M4.
 D2
D3
D1 D4
Menghitung Momen:

35 35
2
M1   (0,25)z dz  0,125z 0
 153,125
0
36,4
36,4 36,4
M2   (0,05z  1,5)z dz   (0,05z 2  1,5z ) dz  0,0167z 3  0,75z 2  14,43418
35 35 35
63,6 63,6
2
M3   (0,32)z dz  0,16z 36,4
 435,2
36,4
70
70 70
2
M4   (0,05z  3,5)z dz   (0,05z  3,5z ) dz  0,0167z 3  1,75z 2  64,45292
63,6 63,6 63,6
Menghitung Luas:
A1 = 35*0,25 = 8,75
A2 = (0,25+0,32)*(36,4-35)/2 = 0,399
A3 = (63,6-36,4)*0,32 = 8,704
A4 = (70-63,6)*0,32/2 = 1,024
Menghitung titik pusat (terhadap z):

153,125  14,43418  435,2  64,45292

z  35,345
8,75  0,399  8,704  1,024

Jadi jumlah minuman yang harus diproduksi

tiap harinya sebanyak 35345 kemasan.
METODE SUGENO (TSK)

 Penalaran dengan metode SUGENO hampir

sama dengan penalaran MAMDANI, hanya
saja output (konsekuen) sistem tidak berupa
himpunan fuzzy, melainkan berupa konstanta
atau persamaan linear.
 Metode ini diperkenalkan oleh Takagi-Sugeno
Kang pada tahun 1985.
 Model Fuzzy Sugeno Orde-Nol
Secara umum bentuk model fuzzy SUGENO Orde-Nol
adalah:

IF (x1 is A1)(x2 is A2) (xN is AN)

THEN z=k
dengan Ai adalah himpunan fuzzy ke-i sebagai
anteseden, dan k adalah suatu konstanta (tegas)
sebagai konsekuen.
 Model Fuzzy Sugeno Orde-Satu
Secara umum bentuk model fuzzy SUGENO Orde-Satu
adalah:

IF (x1 is A1) (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.
CONTOH …

 Suatu perusahaan makanan kaleng setiap harinya rata-rata

menerima permintaan sekitar 55000 kaleng, dan dalam 3
bulan terakhir permintaan tertinggi sebesar 75000 kaleng.
 Makanan kaleng yang masih tersedia di gudang, setiap
harinya rata-rata 7000 kaleng, sedangkan kapasitas
gudang maksimum hanya dapat menampung 13000
kaleng.
 Apabila sistem produksinya menggunakan aturan fuzzy
sebagai berikut:
[R1] IF permintaan TURUN And persediaan BANYAK
THEN produksi barang = 10000;

[R2] IF permintaan NAIK And persediaan SEDIKIT

THEN produksibarang =1,25*permintaan- persediaan;

[R3] IF permintaan NAIK And persediaan BANYAK

THEN produksi barang = permintaan - persediaan;

 Tentukanlah berapa jumlah barang yang harus diproduksi hari ini,

jika permintaan sebanyak 60000 kaleng, dan persediaan yang
masih ada di gudang sebanyak 8000 kaleng.
1. Membuat himpunan dan input fuzzy
Ada 3 variabel fuzzy yang akan dimodelkan:
a. Permintaan; terdiri-atas 2 himpunan fuzzy,
yaitu: NAIK dan TURUN.
b. Persediaan; terdiri-atas 2 himpunan fuzzy,
yaitu: BANYAK dan SEDIKIT.
c. Produksi Barang
A. Variabel Permintaan

TURUN NAIK

 1
[x]

0,5

0,08
0
0 45 60 75
permintaan per hari (x1000 kaleng)
 Jika Permintaan 60000 maka nilai
keanggotaan fuzzy pada tiap-tiap
himpunan adalah:
 Himpunan fuzzy TURUN, PmtTurun[60] = 0,08.
 Himpunan fuzzy NAIK, PmtNaik[60] = 0,5.
diperoleh dari:
= 2[(60-75)/(75-45)]2
= 0,5
B. Variabel Persediaan

SEDIKIT BANYAK

1
[x]

0,5

0,25

0
0 2 5 8 10 11 13
persediaan (x1000 kemasan per hari)
 Jika Persediaan sebanyak 8000 kemasan per
hari, maka nilai keanggotaan fuzzy pada tiap-
tiap himpunan adalah:
 Himpunan fuzzy SEDIKIT, PsdSedikit[8] = 0,25.
diperoleh dari:
= (10-8)/(10-2)
= 0,25
 Himpunan fuzzy BANYAK, PsdBanyak[8] = 0,5.
diperoleh dari:
= (10-5)/(11-5)
= 0,5
2. Aplikasi operator fuzzy
A. Aturan ke-1:

[R1] IF Permintaan TURUN And Persediaan BANYAK

THEN Produksi Barang = 10;

Operator yang digunakan adalah AND, sehingga:

 = PredikatR1
= min(PmtTurun[60],PsdBanyak[8])
= min(0,08;0,5)
= 0,08

Produksi barang = 10
B. Aturan ke-2:

[R2] IF Permintaan NAIK And Persediaan SEDIKIT

THEN Produksi Barang = 1,25*Permintaan - Persediaan;

Operator yang digunakan adalah AND, sehingga:

 = PredikatR2
= min(PmtNaik[60],PsdSedikit[8])
= min(0,5;0,25)
= 0,25

Produksi barang = 1,25*60 – 8 = 67

C. Aturan ke-3:

[R3] IF Permintaan NAIK And Persediaan BANYAK

THEN Produksi Barang = Permintaan - Persediaan;

Operator yang digunakan adalah AND, sehingga:

 = PredikatR3
= min(PmtNaik[60],PsdBanyak[8])
= min(0,5;0,5)
= 0,5

Produksi barang = 60 – 8 = 52
3. Penegasan (Defuzzy)

0,08 * 10  0,25 * 67  0,5 * 52

z   52,5
0,08  0,25  0,5

Jadi produksi barang = 52500 kaleng