Adaptive Neuro-Fuzzy

Inference System
(ANFIS)
Mata Kuliah Neuro Fuzzy
HANY DWI PAMINTO -1814122006
HANIF TRISYE PRIMA RYKO -1714121015
PENDAHULUAN

 Neuro-Fuzzy merupakan gabungan dari 2 system yaitu system logika fuzzy dan
jaringan syaraf tiruan (JST)
 Sistem neuro-fuzzy berdasar pada system inferensi fuzzy yang dilatih menggunakan
algoritma pembelajaran yang diturunkan dari system jaringan syaraf tiruan
 Arsitektur dari ANFIS merepresentasikan/mewakili model Fuzzy Sugeno dan
Tsukamoto
 Dengan demikian, system neuro-fuzzy memiliki semua kelebihan yang dimiliki oleh
system inferensi fuzzy dan system jaringan syaraf tiruan. Dari kemampuannya untuk
belajar maka system neuro-fuzzy sering disebut sebagai ANFIS (Adaptive neuro
fuzzy inference system)
Struktur ANFIS

 Lapisan 1 Fuzzyfikasi: Simpul adaptif (parameter dapat berubah). Fungsi

keanggotaan yang banyak digunakan adalah bentuk BELL(Lonceng) dan Gaussian.
 Lapisan 2 :Produk: Semua simpul pada lapisan ini adalah non adaptif (parameter
tetap). Fungsi simpul ini adalah mengalikan setiap sinyal masukan yang dating.
 Lapisan 3 Normalisasi : Simpul non adaptif yang menampilkan fungsi derajat
pengaktifan ternormalisasi (normalized firing strength) yaitu rasio keliaran simpul
ke-I pada lapisan sebelumnya terhadap seluruh keluaran lapisan sebelumnya.
 Lapisan 4 Defuzzyfikasi: Simpul adaptif (parameter dapat berubah)
 Lapisan 5 Total Output: Lapisan ini mensintesiskan informasi yang dikirimkan
dengan lapisan 4 dan mengembalikan keseluruhan output menggunakan fungsi
tetap
Gambar Struktur ANFIS
Proses Pembelajaran ANFIS

 ANFIS dalam kerjanya mempergunakan algoritma belajar hibrida, yaitu

menggabungkan metode Leastsquares estimator (LSE) dan error backpropagation
(EBP). Dalam struktur ANFIS metode EBP dilakukan di lapisan 1, sedangkan metode
LSE dilakukan di lapisan 4.
 Pada lapisan 1 parameternya merupakan parameter dari fungsi keanggotaan
himpunan fuzzy sifatnya nonlinier terhadap keluaran sistem . Proses belajar pada
parameter ini menggunakan metode EBP untuk memperbaharui nilai parameternya.
 Sedangkan pada lapisan ke 4, parameter perupakan parameter linier terhadap
keluaran sistem, yang menyusun basis kaidah fuzzy. Proses belajar untuk
memperbaharui parameter. Lapisan ini menggunakan metode Least-squares
Estimator (LSE).
Tabel Proses Belajar ANFIS

 Satu tahap arah pembelajaran maju- Arah Maju Arah Mundur

mundur dinamakan satu epoch.
Parameter
Tetap EBP
 Pembelajaran hybrida terdiri atas dua Premis
bagian yaitu maju (forward pass) dan
Paramater
arah mundur (backward pass). LSE Tetap
Konsekuen
Keluaran Sinyal
Sinyal
Simpul Kesalahan
Contoh Penerapan

 Suatu system dirancang untuk mengukur berapa persen partial shading pada
permukaan panel surya. Untuk mengukurnya menggunakan masukan pertama:
tegangan panel surya dan masukan kedua:Suhu pada panel surya
 Harapannya setelah mengetahui persentasi partial shading dapat juga diketahui
keefektifitas keluaran dayanya ketika terjadi gangguan Partial Shading pada lapisan
permukaan solar panel.
Langkah Kerja

 Langkah pertama yaitu membuat data

sampel dan menyimpannya dengan
nama InputSampel.dat

Data yang dimaksud disini merupakan

nilai data masukan
 Selanjutnya yaitu pada Command Window, ketik :
anfisedit
Maka akan muncul jendela Neuro-Fuzzy Designer seperti
berikut :
 Kemudian, pada jendela tsb pilih Tab load data agar
data sampel tadi bisa dimasukkan ke neuro-fuzzy
designer
 Setelah berhasil load data, maka tekan tombol
Generate FIS untuk membuat FIS dari data pelatihan
tersebut, kemudian akan muncul INPUT untuk
memasukkan jumlah keanggotaan, terdapat dua
angka default adalah 3 3, menunjukkan tiga katagori
masukan pertama dan tiga kategori masukan
kedua. Pada contoh penerapan ini terdapat
masukan V PV (SB, B, N, K, SK) dan masukkan Suhu
(SJ, S, N, KS, SK), maka MFs diganti menjadi 5 5

 Sedangkan untuk tipe MFs, pilih linear dan gaussmf

sebagai bentuk konstan dan fungsi gauss yang
halus untuk pemula,
 Setelah ditekan tombol OK, dapat melihat bentuk  Setelah menghasilkan rule, maka klik tombol Train Now
rancangan ANFIS dengan menekan tombol Structure untuk dilakukan pelatihan.
pada jendela ANFIS.
 Kemudian simpan FIS dengan menekan File-Export-To File
 Rule yang dibuat melalui mekanisme pelatihan dengan nama Partial.fis dan ketik pada command window :
terdapat 25 rule Fuzzy Partial, maka akan muncul jendela Fuzzy Logic
Designer
 TERIMA
KASIH
HANY DWI PAMINTO
HANIF TRISYE PRIMA RYKO