(Fuzzy Logic)
Edy Mulyanto
Pengertian Logika Fuzzy
Logika fuzzy adalah metodologi sistem kontrol pemecahan
masalah, yang cocok untuk diimplementasikan pada sistem
0; xa
[ x] ( x a) /(b a); a x b
1; xb
Fungsi Keanggotaan
Fungsi keanggotaan untuk himpunan NAIK pada variabel
permintaan seperti terlihat pada Gambar 5.3. Berapa derajat
keanggotaan 32 pada himpunan NAIK tersebut ?
mNAIK[32] =(32-25)/(35-25)
=7/10
= 0,7
Fungsi Keanggotaan
Kurva Segitiga
0; x a atau x c
[x] (x - a)/(b - a); a x b
(b - x)/(c - b); b x c
Fungsi Keanggotaan
Fungsi keanggotaan untuk himpunan DINGIN pada variabel
temperatur ruangan seperti terlihat pada Gambar 5.7. Berapa derajat
keanggotaan 23 pada himpunan DINGIN tersebut ?
mDINGIN[23]= (23-15)/(25-15)
= 8/10
= 0,8
Fungsi Keanggotaan
Kurva Trapesium
0; x a atau x d
(x - a)/(b - a); axb
[ x ]
1; bxc
(d - x)/(d - c); cxd
Fungsi Keanggotaan
Fungsi keanggotaan untuk himpunan DINGIN pada variabel
temperatur ruangan seperti terlihat pada Gambar 5.9. Berapa
derajat keanggotaan 32 dan 25 pada himpunan DINGIN tersebut ?
mDINGIN [32]= (35-32)/(35-27)
= 3/8
= 0,375
mDINGIN [25]= 1
Fungsi Keanggotaan
Kurva Bentuk Bahu
Fungsi Keanggotaan
1; 0 x a atau c x d
[ x] (b - x)/(b - a); a x b
(x - b)/(c - b); b x c
Fungsi Keanggotaan
Kurva- S (Sigmoid)
Fungsi Keanggotaan
0 xa
2(( x a ) /(c a)) 2 a xb
( x; a, b, c)
1 2((c x) /(c a)) bxc
2
1 xc
Fungsi Keanggotaan
Kurva-S PENYUSUTAN
Fungsi Keanggotaan
Fungsi Keanggotaan Kurva-S PENYUSUTAN:
1 xa
1 2(( x a) /(c a)) 2 a xb
S ( x; a, b, c)
2((c x) /(c a)) b xc
2
0 xc
Fungsi Keanggotaan
Berapa derajat keanggotaan PANAS pada variabel temperatur, bila
sebuah benda mempunyai temperatur 50 oC dan grafik kurva
keanggotaan untuk himpunan fuzzy PANAS terlihat pada Gambar
5.12.
mPANAS[50] = 1 – 2((60-50)/(60-35))2
= 1 – 2(10/25)2
= 0,68
Fungsi Keanggotaan
Berapa derajat keanggotaan PANAS pada variabel temperatur, bila
sebuah benda mempunyai temperatur 37 oC dan grafik kurva
keanggotaan untuk himpunan fuzzy PANAS terlihat pada Gambar
5.13.
mMUDA[37] = 2((50-37)/(50-20))2
= 2(13/30)2
= 0,376
Fungsi Keanggotaan
Kurva Bentuk Lonceng (Bell Curve) : (i) Kurva PI
Fungsi Keanggotaan
b
S x; c b, c 2 , c xc
( x, b, c)
1 S x; c, c b , c b x c
2
Berapa derajat keanggotaan PANAS pada variabel temperatur, bila
sebuah benda mempunyai dua buah sisi, sisi depan temperaturnya
42 oC dan sisi belakang temperaturnya 51oC.
mPANAS[42] = 1 - 2((45-42)/(45-35))2
= 1 - 2(3/10)2
= 0,82
mPANAS[51] = 2((55-51)/(55-45))2
= 2(4/10)2
= 0,32
Fungsi Keanggotaan
Kurva Bentuk Lonceng (Bell Curve) : (ii) Kurva BETA
1
B( x; c, b) 2
xc
1
b
Fungsi Keanggotaan
Berapa derajat keanggotaan PANAS pada variabel temperatur, bila
sebuah benda mempunyai dua buah sisi, sisi depan temperaturnya 42 oC
dan sisi belakang temperaturnya 51oC.
mPANAS[42] = 1/(1+((42-45)/5)2)
= 0,7353
mPANAS[51] = 1/(1+((51-45)/5)2)
= 0,4098
Fungsi Keanggotaan
Kurva Bentuk Lonceng (Bell Curve) : (iii) Kurva Gauss
L(c x)2
G ( x; L, c) e
Operasi Himpunan Fuzzy
Operasi Gabungan (Union)
AB x max . A x , B x untuk setiap x X
A C x 1 A x
mTIDAK_PANAS[45] = 1 - 0,6
= 0,4
Penalaran Monoton
Penalaran monoton digunakan untuk merelasikan himpunan fuzzy
A pada variabel x dan himpunan fuzzy B pada variabel y dengan
cara membuat implikasi berikut
IF x is A THEN y is B
Berat badan Cuplis adalah 55 kg, berarti Cuplis termasuk orang kurus,
karena berat badannya lebih rendah dari berat badan idealnya 61,634
kg.
SISTEM INFERENSI FUZZY
Sistem inferensi fuzzy adalah cara memetakan ruang
input menuju ruang output menggunakan logika fuzzy.
If (x is A) and (y is B) then (z is C)
Catatan :
0, x 1000
x 1000
CEPAT [ x] , 1000 x 5000
4000
1, x 5000
Metode Tsukamoto (FUZZIFIKASI)
Derajat keanggotaan untuk kecepatan 4000 rpm
adalah:
LAMBAT[4000] = (5000-4000)/4000
= 0,25
Cepat[4000] = (4000-1000)/4000
= 0,75
Metode Tsukamoto (FUZZIFIKASI)
Suhu; terdiri-atas 2 himpunan fuzzy, yaitu:
RENDAH dan TINGGI
Metode Tsukamoto (FUZZIFIKASI)
1, y 100
600 y
RENDAH [ y ] , 100 y 600
500
0, y 600
0, y 100
y 100
TINGGI [ y ] , 100 y 600
500
1, y 600
Metode Tsukamoto (FUZZIFIKASI)
0, z 2000
z 2000
BESAR [ z ] , 2000 z 7000
5000
1, z 7000
Metode Tsukamoto (Inferensi)
[R1] IF kecepatan LAMBAT And suhu TINGGI THEN
frekuensi KECIL;
Sudah dikerjakan
Metode Mamdani (INFERENSI )
Kita terapkan fungsi MIN untuk setiap aturan pada
aplikasi fungsi implikasinya:
0,25; z 3250
[z] (z 2000) / 5000; 3250 z 5000
0,6; z 5000
Metode Mamdani (DEFUZZYFIKASI )
Pada tahap ini digunakan metode centroid.
( z ) zdz
z*
( z )dz
3250 5000
z 2000 7000
0
0,25dz
3250
5000 0,6dz
5000
Sudah dikerjakan
Metode Sugeno (Inferensi )
[R1] IF kecepatan LAMBAT And suhu TINGGI THEN
frekuensi = 0,5*kecepatan + 1700;
Nilai z1:
z1 =0,5*4000 + 1700
= 2000 + 1700
= 3700
Metode Sugeno (Inferensi )
[R2] IF kecepatan LAMBAT And suhu RENDAH THEN
frekuensi = 2*kecepatan − 4000;
0; x 250 atau x 350
x 250
MENENGAH [ x] ; 250 x 300
50
350 x ; 300 x 350
50
0; x 300
x 300
TINGGI [ x] ; 300 x 400
100
1; x 400
Basis data Fuzzy
mahasiswa berdasarkan nilai TOEFL dengan derajat
keanggotannya pada setiap himpunan.
Basis data Fuzzy
nilai IPK diatas ke dalam himpunan:
JELEK, CUKUP, dan BAGUS
Basis data Fuzzy
1; x 1
JELEK [ x] 2 x; 1 x 2
0; x2
0; x 1,5 atau x 2,5
x 1,5
CUKUP [ x] ; 1,5 x 2
0,5
2,5 x ; 2 x 2,5
0,5
0; x2
BAGUS [ x] x 2; 2 x 3
1; x3
Basis data Fuzzy
tabel mahasiswa berdasarkan nilai IPK dengan derajat
keanggotannya pada setiap himpunan.
Basis data Fuzzy
nilai penghasilan orangtua diatas ke dalam himpunan:
SEDIKIT, SEDANG, dan BANYAK
Basis data Fuzzy
1; x 600
800 x
SEDIKIT [ x] ; 600 x 800
200
0; x 800
0; x 700 atau x 900
x 700
SEDANG [ x] ; 700 x 800
100
900 x ; 800 x 900
100
0; x 800
x 800
BANYAK [ x] ; 800 x 1000
200
1; x 1000
Basis data Fuzzy
penghasilan orangtua dengan derajat keanggotannya pada
setiap himpunan.
Basis data Fuzzy
Contoh Query1:
Siapa saja-kah mahasiswa yang nilai TOEFL-nya TINGGI tetapi
IPK-nya CUKUP ?
SELECT NAMA
FROM MAHASISWA
WHERE (Toefl = “TINGGI”) AND (Ipk = “CUKUP”)
Basis data Fuzzy
Query2:
Siapa saja-kah mahasiswa yang nilai TOEFL-nya RENDAH tetapi
IPK-nya BAGUS ?
SELECT NAMA
FROM MAHASISWA
WHERE (Toefl = “RENDAH”) AND (Ipk = “BAGUS”)
Basis data Fuzzy
Query3:
Siapa saja-kah mahasiswa yang nilai TOEFL-nya TINGGI tetapi
penghasilan orangtuanya SEDIKIT ?
SELECT NAMA
FROM MAHASISWA
WHERE (Toefl = “TINGGI”) AND (Peng = “SEDIKIT”)
Basis data Fuzzy
Dari data diatas, siapa yang layak menerima
beasiswa dari UDINUS jika kriteria penerima
beasiswa adalah mahasiswa yang nilai IPK-
nya BAGUS, nilai TOEFL-nya TINGGI dan
penghasilan orang tuanya SEDIKIT ?
Query4:
SELECT NAMA
FROM MAHASISWA
WHERE (Toefl = “TINGGI”) AND (Peng = “SEDIKIT”) AND (Ipk = “BAGUS”)
Basis data Fuzzy