FUZZY TSUKAMOTO

DISUSUN OLEH KELOMPOK 1:

NUR SYAVINAS 081811733008

ANGELI FALSAH ENGGAR M. 081811733010
BEATA FAHRANI 081811733013
ALMA MAXFIRA BRILIANI 081811733031
M. RIZKY ALIFIAN 081811733045
 Definisi Logika Fuzzy
Logika Fuzzy merupakan sebuah metode logika yang mampu membentuk respons yang
definit terhadap input yang tidak akurat, ambigu, tidak lengkap, dan/atau terdistorsi.
Pendekatan dari logika fuzzy bermaksud mengimitasi proses pengambilan keputusan pada
manusia yang mempertimbangkan segala jenis kemungkinan (tidak hanya menganggap
sebagai ‘ya’ dan ‘tidak’)
KELEBIHAN DAN KEKURANGAN SYSTEM BERBASIS LOGIKA
FUZZY
NO KEUNTUNGAN KEKURANGAN

1. Mampu mempertimbangkan prioritas relatif Persyaratan komputasi sangat rumit bahkan

dari factor atau alternatif dan mewakili untuk masalah yang kecil
alternatif yang terbaik

2. Menyediakan model yang sederhana dan Tidak selalu ada solusi untuk persamaan linear
sangat fleksibel

3. Memiliki toleransi terhadap data - data yang Metode Fuzzy digunakan berdasarkan
tidak tepat probabilitas dan kemungkinan

4. Konsep logika fuzzy relatif cukup sederhana Belum adanya metode umum untuk
dan mudah dimengerti. mengembangkan dan implementasi pengendali
fuzzy.
 APLIKASI YANG BERBASIS
LOGIKA FUZZY
1. Air Conditioner
2. Penerapan Fuzzy logic untuk keamanan dalam berkendara dengan mobil
3. Vacum Cleaner
Vacum Cleaner
Menggunakan aturan fuzzy yaitu aturan if….. Then… dengan pernyataan “OR”
“AND” sebagai penghubung

Permukaan

Halus Sedang Kasar

Sedikit Kecil Kecil Sedang

Banyak Debu Sedang Kecil Sedang Besar

Banyak Sedang Besar Sangat Besar

 HIMPUNAN DAN FUNGSI
KEANGGOTAAN LOGIKA FUZZY
● Tidak semua himpunan terdefinisi secara jelas, untuk mengatasi permasalahan himpunan
dengan batas yang tidak tegas itu Zadeh mengaitkan himpunan semacam itu dengan suatu
fungsi yang menyatakan nilai keanggotaan pada suatu himpunan tak kosong
sembarang dengan mengaitkan pada interval [0,1].

● Fungsi ini disebut fungsi keanggotaan (membership function) dan nilai fungsi itu disebut
derajat keanggotaan suatu unsur dalam himpunan tak kosong, yang selanjutnya disebut
himpunan fuzzy.

● Himpunan fuzzy (fuzzy set) adalah generalisasi dari konsep fungsi karakteristik, himpunan
fuzzy memiliki batas yang tidak jelas dengan nilai keanggotaannya terletak pada rentang 0
sampai 1.
 HIMPUNAN DAN FUNGSI
KEANGGOTAAN LOGIKA FUZZY
FUNGSI KEANGGOTAAN
● Keanggotaan (membership function) adalah suatu kurva fungsi yang
menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya
(derajat keanggotaan) yang memiliki interval antara 0 sampai 1.
● Cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah
dengan melalui pendekatan fungsi.
1. Representasi Linear
2. Representasi Kurva Segitiga
3. Representasi Kurva Trapesium
4. Representasi Kurva S
REPRESENTASI LINEAR REPRESENTASI SEGITIGA

REPRESENTASI KURVA S

REPRESENTASI TRAPESIUM
 OPERATOR DASAR ZADEH UNTUK OPERASI
HIMPUNAN FUZZY
Terdapat 3 jenis operator dasar zadeh :

1. Operator AND
Pada operator ini, α – predikat diperoleh dari hasil nilai keanggotaan terkecil antara
keanggotaan himpunan A dan keanggotaan himpunan B yang dituliskan dengan formula :

𝜇A ∩ B = min (µA (x), µB (y)

2. Operator OR
Pada operator ini, α – predikat diperoleh dari hasil nilai keanggotaan terbesar antara
keanggotaan himpunan A dan keanggotaan himpunan B yang dituliskan dengan formula :
𝜇A ∪ B = max (µA (x), µB (y))
3. Operator NOT

Pada operator ini, α – predikat diperoleh dari hasil selisih antara nilai
keanggotaan terhadap nilai 1, dapat dituliskan dengan formula :
𝜇A = 1 - µA (x)
 Fuzzy Inference System

Sistem Inferensi Fuzzy (Fuzzy Inference System/FIS) adalah

jenis sistem yang melakukan perhitungan berdasar pada konsep
teori himpunan fuzzy, konsep logika fuzzy, dan aturan fuzzy.
Pada Fuzzy Inference System terdapat input fuzzy berupa nilai
crisp. Nilai crisp tersebut akan dihitung berdasarkan aturan-
aturan yang telah dibuat dan kemudian akan menghasilkan
besaran fuzzy yang kemudian disebut proses fuzzifikasi.
 Jenis-Jenis Metode Inferensi Fuzzy

a. Metode Mamdani (Min-Max)

Pada jenis metode ini, aturannya dibuat dalam bentuk implikasi (“sebab-
akibat”). Anteseden yang memiliki bentuk nonjungsi (AND) memiliki nilai
keangotaan minimum sedangkan konsekuen gabungannya berbentuk
maximum. Hal, ini dikarenakan pada metode ini himpunan aturan-aturannya
bersifat independen.

b. Metode Takagi- Sugeno

Pada metode ini mengasumsikan suatu sistem dengan m input, yaitu x1,x2,
…xm kemudian outputnya berupa Y. Metode fuzzy dari metode ini terdiri
dari basis aturan dengan n aturan penarikan kesimpulan fuzzy.
 Jenis-Jenis Metode Inferensi Fuzzy

c. Metode Tsukamoto
Pada metode ini, setiap aturan direpresentasikan dalam bentuk himpunan- himpunan
fuzzy dengan fungsi keanggotaan yang monoton. Untuk menentukan nilai output
crisp/hasil yang tegas (Z) yaitu dengan cara mengubah input yang berupa himpunan
fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy menjadi suatu bilangan pada
domain himpunan fuzzy tersebut. Cara ini disebut sebagai metode defuzzifikasi
(penegasan). Metode defuzzifikasi yang digunakan dalam metode Tsukamoto adalah
metode defuzzifikasi rata-rata terpusat (Center Average Defuzzyfier).
Input dari Fuzzy Inference System Tsukamoto ini berupa nilai crisp yang akan
dihitung berdasarkan aturan-aturan yang telah dibuat dan menghasilkan besaran fuzzy.
Untuk aturan fuzzy dibuat dalam bentuk “IF-THEN”.
 SYSTEM INFERENSI FUZZY TSUKAMOTO
Fuzzy Inference System Tsukamoto adalah proses proses
menggabungkan banyak aturan/perintah berdasarkan data yang ada
dengan melakukan perhitungan berdasarkan konsep pada teori himpunan
fuzzy, konsep logika fuzzy dan aturan fuzzy. Aturan fuzzy dibuat dalam
bentuk “IF-THEN”.

Untuk mendapat alpa predikat ( α ) hanya digunakan 1 jenis operator

yaitu AND/MIN, jenis operator MIN akan mengambil nilai minimum pada
himpunan-himpunan yang berkaitan.
 CONTOH SYSTEM INFERENSI FUZZY
TSUKAMOTO
Kasus: Menetukan jumlah produksi kaleng dari suatu perusahaan.

Diketahui :

Permintaan tertinggi =3500 Persediaan Tertinggi =250 Produksi tertinggi=5000

Permintaan Terendah=2100 Persedian Terendah=100 Produksi terendah=1000

Bersdasarkan Data maka hitunglah jumlah produksi perusahaan tersebut

dalam memproduksi kaleng dengan metode tsukamoto. Jika Permintaan 3200
dan Persediaan 140.
DATA
 PENYELESAIAN
1. Fungsi Keanggotaan
Jenis fungsi keanggotaan yang digunakan yaitu
representasi linear. Dimana pada variabel permintaan
untuk angka maksimumnya adalah 3500 dan
minimumnya 2100 dan untuk nilai yang dicari yaitu x
pada titik 3200. Sedangkan untuk variabel persediaan
untuk angka maksimumnya 210 dan angka minimumnya
adalah 100 dan nilai x yang dicari adalah pada titik 140.
 PENYELESAIAN

1. Mendefinisikanvariabel permintaan, persediaan dan produksi

yang masing-masing terdiri dari 2 himpunan yaitu NAIK dan
TURUN untuk permintaan, SEDIKIT dan BANYAK untuk persediaan,
BERKURANG dan BERTAMBAH untuk produksi.
 PENYELESAIAN

PERMINTAAN PERSEDIAAN PRODUKSI

NAIK TURUN SEDIKIT BANYAK BERKURANG BERTAMBAH

0,7857 0,2142 0,7333 0,2666 ? ?

 PENYELESAIAN
2. Interferensi
Berdasarkan hasil pendefinisian variabel pada point 1, didapat 4 aturan fuzzy yaitu:
1. JIKA Permintaan TURUN, dan Persediaan BANYAK, MAKA Produksi Barang BERKURANG.
(H1)
2. JIKA Permintaan TURUN, dan Persediaan SEDIKIT, MAKA Produksi Barang BERKURANG.
(H2)
3. JIKA Permintaan NAIK, dan Persediaan BANYAK, MAKA Produksi Barang BERTAMBAH. (H3)
4. JIKA Permintaan NAIK, dan Persediaan SEDIKIT, MAKA Produksi Barang BERTAMBAH. (H4)
Setelah itu dilakukan perhitungan untuk mencari nilai alpa predikat
dan z (banyak kaleng yang diproduksi oleh perusahaan).
PENYELESAIAN
PENYELESAIAN
PENYELESAIAN
PENYELESAIAN
 PENYELESAIAN
3. Defuzifikasi

Untuk mendapatkan output crisp, maka dilakukan defuzifikasi reta-rata terpusat, yaitu:

Jadi jumlah kaleng yang diproduksi oleh perusahaan sebanyak 3647,5284. Untuk
kesimpulan yang benar dapat dipilih H4 yaitu, JIKA Permintaan NAIK, dan Persediaan
SEDIKIT, MAKA Produksi Barang BERTAMBAH.
TERIMAKASIH