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
● 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 :
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
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”.
Diketahui :
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