Materi Kuliah – [10]:

KECERDASAN BUATAN

Ellyza Gustri Wahyuni, S.T., M.Cs.

  Mahasiswa mampu mengenal
konsep logika fuzzy serta mampu
memahami fuzzy inference system
dengan metode Tsukamoto.
Referensi Utama
 Kusumadewi; Sri. 2003. Artificial Intelligence (Teknik &
Aplikasinya). Yogyakarta: Graha Ilmu.
 Kusumadewi; Sri dan Purnomo, Hari. 2004. Logika Fuzzy
untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu.

04/01/24 2
 Himpunan Fuzzy
 Fungsi Keanggotaan
 Operator Dasar Fuzzy
 Penalaran Monoton
 FIS: Metode Tsukamoto
 Sistem yang berdasarkan aturan-aturan
(pengetahuan)
 Dibangun oleh koleksi aturan: IF-THEN
 Contoh:
◦ IF mesin panas THEN putar kipas lebih cepat
◦ IF jarak mobil dekat THEN tekan rem kuat-kuat
◦ IF permintaan naik THEN produksi barang bertambah
 Konsep logika fuzzy mudah dimengerti.
 Logika fuzzy sangat fleksibel.
 Logika fuzzy memiliki toleransi terhadap data-data yang lain
daripada yang lain.
 Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear
yang sangat kompleks.
 Logika fuzzy dapat membangun bagian teratas dari
pengalaman-pengalaman para pakar.
 Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali
secara konvensional.
 Logika fuzzy didasarkan pada bahasa alami.
 Himpunan disimbolkan dengan huruf besar (A,
B, P, dll)
 Anggota (elemen) himpunan disimbolkan

dengan huruf kecil (a, b, c, x, y, dll)

 Hanya ada 2 nilai keanggotaan, yaitu 1

(anggota) atau 0 (bukan anggota)

 Diperkenalkan oleh Zadeh (1965)
 Memiliki 2 variabel

◦ Variabel numeris (mis: 3, 50, 45, dst)

◦ Variabel linguistik (mis: TUA, MUDA, dst)
 Nilai keanggotaan terletak dalam interval [0,1]
Misalkan diketahui klasifikasi sebagai
berikut:

MUDA umur < 35 tahun

SETENGAH BAYA 35  umur  55 tahun
TUA umur > 55 tahun
 1
 Parobaya

0 35 55 umur
 Orang yang berusia 35 tahun termasuk SETENGAH BAYA (nilai keanggotaan=1)
 Orang yang berusia 34 tahun tidah termasuk SETENGAH BAYA (nilai
keanggotaan=0)
 Orang yang berusia 55 tahun termasuk SETENGAH BAYA (nilai keanggotaan=1)
 Orang yang berusia 56 tahun tidah termasuk SETENGAH BAYA (nilai
keanggotaan=0)
  PAROBAYA
1

0,5

25 35 45 55 65
umur

 Orang yang berusia 35 tahun termasuk SETENGAH BAYA (nilai keanggotaan=0,5)

 Orang yang berusia 45 tahun termasuk SETENGAH BAYA (nilai keanggotaan=1)
 Orang yang berusia 55 tahun termasuk SETENGAH BAYA (nilai keanggotaan=0,5)
 Orang yang berusia 25 tahun tidak termasuk SETENGAH BAYA (nilai
keanggotaan=0)
 MUDA PAROBAYA TUA
1

0.5

25 35 45 55 65
umur

 Orang yang berusia 45 tahun termasuk SETENGAH BAYA (nilai

keanggotaan=1)
 Orang yang berusia 35 tahun termasuk SETENGAH BAYA (nilai
keanggotaan=0,5), dan termasuk MUDA (nilai keanggotaan 0,5).
 Orang yang berusia 55 tahun termasuk SETENGAH BAYA (nilai
keanggotaan=0,5), dan termasuk TUA (nilai keanggotaan 0,5).
 Tinggi himpunan fuzzy adalah derajat keanggotaan
maksimumnya dan terikat pada konsep normalisasi.

DEKAT DENGAN 4 DEKAT DENGAN 50

1 0,82
derajat
keanggotaan
derajat
keanggotaan

1 4 7
47 50 53
 Suatu himpunan fuzzy dikatakan memiliki bentuk
normal maksimum (Maximum Normal Form) jika
paling sedikit satu elemennya memiliki nilai
keanggotaan satu (1) dan satu elemennya memiliki
nilai keanggotaan nol (0).
 Suatu himpunan fuzzy dikatakan memiliki bentuk
normal minimum (Minimum Normal Form) jika
paling sedikit satu elemennya memiliki nilai
keanggotaan satu (1).
 DEKAT DENGAN 50

0,82

derajat
keanggotaan

47 50 53
 Variabel fuzzy adalah variabel-variabel yang
akan dibicarakan dalam suatu sistem fuzzy.
 Contoh:

◦ Temperatur
◦ Umur
◦ Tinggi Badan
◦ dll
 Keseluruhan ruang permasalahan dari nilai terkecil hingga nilai terbesar
yang diijinkan disebut dengan semesta pembicaraan (universe of
discourse).
 Semesta pembicaraan bersifat monoton naik, dan adakalanya open
ended.
TEMPERATUR
DINGIN SEJUK HANGAT PANAS
1

[x]

0
0 15 18 24 28 32
temperatur (oC)
 Himpunan fuzzy adalah himpunan-himpunan
yang akan dibicarakan pada suatu variabel
dalam sistem fuzzy.
 Contoh:

◦ Temperatur: DINGIN, SEJUK, HANGAT, PANAS.

◦ Umur: MUDA, PAROBAYA, TUA.
◦ Tinggi Badan: RENDAH, TINGGI
◦ dll
 Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam
semesta pembicaraan.
 Domain merupakan himpunan bilangan real yang senantiasa naik
(bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat
berupa bilangan positif maupun negatif.

BERAT
1
[x]

0
40 berat badan 60
(kg)

Domain himpunan fuzzy BERAT [40,60]

 Himpunan-himpunan fuzzy yang mendeskripsikan semesta
pembicaraan ini tidak perlu simetris, namun harus selalu ada overlap
pada beberapa derajat.

TEMPERATUR
DINGIN SEJUK HANGAT PANAS
1
derajat
keanggotaan
(x)

0
0 15 18 24 28 32
temperatur turbin (oC)
 Support set adalah himpunan yang memiliki derajat keanggotaan
lebih dari nol.
 Domain untuk BERAT adalah 40 kg hingga 60 kg, namun kurva yang
ada dimulai dari 42 hingga 55 kg

1 BERAT

(x)

0
40 42 berat badan 55 60
(kg)

support set
 -cut set adalah himpunan ini berisi semua nilai domain
yang merupakan bagian dari himpunan fuzzy dengan
nilai keanggotaan lebih besar atau sama dengan .

BERAT
1
(x)

=0,2
0
40 45 berat badan 60
(kg)

-cut set
 1. Representasi Linear
 Pada representasi linear, permukaan digambarkan sebagai suatu
garis lurus.
 Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk
mendekati suatu konsep yang kurang jelas.

(x)  0;  xa
 x  a
[x]   ;  axb
b  a
 1;  xb
0 a domain b
FUNGSI KEANGGOTAAN
TUA
1

0,6
(x)

0 35 50 60
Umur(th)

TUA[50] = (50-35)/(60-35) = 0,6

FUNGSI KEANGGOTAAN
2. Kurva Segitiga
0; x  a atau x  c

( x; a , b, c)  ( x  a ) /(b  a ); a  x  b
Pusat
Pusat (c  x ) /(c  b); b  x  c
1 

(x)

0
a b c
Sisi
Sisi Sisi
Sisi
kiri
kiri kanan
kanan
Domain
Domain
FUNGSI KEANGGOTAAN
PAROBAYA
1

0,75
x]
0,3

0
35 38 45 50 65
Umur (th)
PAROBAYA[38] = (38-35)/(65-35) = 0,3
PAROBAYA[50] = (65-50)/(65-45) = 0,75
FUNGSI KEANGGOTAAN
3. Kurva-S (Sigmoid/Logistic)
 0  x 
 2
 2(( x   ) /(   ))    x  
S( x; ,  ,  )   2
1  2((  x ) /(   ))    x 

 1  x 

1
derajat
keanggotaan

0,5

0
i j
Titik
Titik Infleksi
Infleksi 

Keanggotaan=0
Keanggotaan=0  Keanggotaan=1
Keanggotaan=1 
FUNGSI KEANGGOTAAN
1
TUA
0,755

[x]

0,125

0 45 50 58 65
Umur (th)

TUA[50] = 2[(50-45)/(65-45)]2 = 0,125

TUA[58] = 1-2[(65-58)/(65-45)]2 = 0,755
FUNGSI KEANGGOTAAN
MUDA
1
0,755

[x]

0,125

0 25 32 40 45
Umur (th)

MUDA[32] = 1-2[(32-25)/(45-25)]2 = 0,755

MUDA[40] = 2[(45-40)/(45-25)]2 = 0,125
FUNGSI KEANGGOTAAN
   
4. Kurva- 

S  x;    ,   ,
2 
 x
 ( x, ,  )   
1  S x;  ,    ,      x

  2 
Pusat
Pusat 

1
derajat
keanggotaan

0,5

0
i Titik j
Titik
Infleksi Lebar
Lebar 
Infleksi

Domain
Domain
FUNGSI KEANGGOTAAN
1 PAROBAYA

0,92

[x]

0,18

0 35 43 45 52 55
Umur (th)

PAROBAYA[43] = 1-2[(45-43)/(45-35)]2 = 0,92

PAROBAYA[52] = 1-(1-2[(55-52)/(55-45)]2) = 0,18
FUNGSI KEANGGOTAAN
Bahu
Bahu Kiri
Kiri Bahu
Bahu Kanan
Kanan

5. Kurva Bentuk Bahu

1 DINGIN SEJUK NORMAL HANGAT PANAS

[x]

0
0 15 20 25 30 35
Suhu Ruangan (oC)
 INTERSEKSI

OPERATOR 1 3 5 13

DASAR A B
FUZZY 1 3 5 7
11 13
1 2 3 5 8
13 21
17

2 4 6 8 9 1 2 3 5
10 12 14 7 8 11
15 16 … 13 17 21

KOMPLEMEN UNION
2 7 8 11
17 21

EXCLUSIVE
UNION
 Interseksi:

AÇB = min(A[x],B[y]).
 Union:

AÈB = max(A[x],B[y]).
 Komplemen:

A’ = 1-A[x]
 Interseksi antara 2 himpunan berisi elemen-elemen yang
berada pada kedua himpunan.
 Ekuivalen dengan operasi aritmetik atau logika AND.
 Pada logika fuzzy konvensional, operator AND
diperlihatkan dengan derajat keanggotaan minimum
antar kedua himpunan.

 0.00 0.25 0.50 0.75 1.00

0.00 0.00 0.00 0.00 0.00 0.00
0.25 0.00 0.25 0.25 0.25 0.25
0.50 0.00 0.25 0.50 0.50 0.50
0.75 0.00 0.25 0.50 0.75 0.75
1.00 0.00 0.25 0.50 0.75 1.00
 Operator interseksi seringkali digunakan sebagai
batasan anteseden dalam suatu aturan fuzzy, seperti:

IF x is A AND y is B THEN z is C

 Kekuatan nilai keanggotaan antara konsekuen z dan

daerah fuzzy C ditentukan oleh kuat tidaknya premis
atau anteseden. Kebenaran anteseden ini ditentukan
oleh min ([x is A],[y is B].
 PAROBAYA TINGGI
1 1
[x] [x]

0 0
35 45 55 135 170
umur (tahun) tinggi badan
(cm)
TINGGI dan SETENGAH BAYA
1
PAROBAYA
[x]
TINGGI

0
X1 Xn
UNION
• Union dari 2 himpunan dibentuk dengan menggunakan
operator OR.
• Pada logika fuzzy konvensional, operator OR
diperlihatkan dengan derajat keanggotaan maksimum
antar kedua himpunan.
 0.00 0.25 0.50 0.75 1.00
0.00 0.00 0.25 0.50 0.75 1.00
0.25 0.25 0.25 0.50 0.75 1.00
0.50 0.50 0.50 0.50 0.75 1.00
0.75 0.75 0.75 0.75 0.75 1.00
1.00 1.00 1.00 1.00 1.00 1.00
 Contoh
PAROBAYA TINGGI
1 1

[x] [x]

0 0
35 45 55 135 170
umur (tahun) tinggi badan
(cm)
TINGGI atau SETENGAH BAYA
1
Tinggi
Parobaya
[x]

0
X1 Xn
KOMPLEMEN
• Komplemen atau negasi suatu himpunan A berisi
semua elemen yang tidak berada di A.

Tidak PAROBAYA Tidak Parobaya

1 1
[x] [x]

0 0
25 35 55 65 25 45 65
umur (tahun) umur (tahun)
 Jika dua 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)
 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

[x] A2 [y] [z] C2

B1
1 1 1

2
0 0 0
Var-1 Var-2 z2 Var-3

Rata-rata
terbobot
1z1  2z2
z
1  2
Fuzzy Inference System: Tsukamoto

 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:
Fuzzy Inference System: Tsukamoto
[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.
Fuzzy Inference System: Tsukamoto
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.
Fuzzy Inference System: Tsukamoto
A. Variabel Permintaan

TURUN NAIK

1
[x]

0,5

0,08
0
0 45 60 75
permintaan per hari (x1000 kaleng)
Fuzzy Inference System: Tsukamoto
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
Fuzzy Inference System: Tsukamoto
B. Variabel Persediaan
SEDIKIT BANYAK

1
[x]

0,5

0,25

0
0 2 5 8 10 11 13
persediaan (x1000 kemasan per hari)
Fuzzy Inference System: Tsukamoto
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
Fuzzy Inference System: Tsukamoto
C. Variabel Produksi Barang

BERKURANG BERTAMBAH

[z]

0 15 100
25 75
permintaan per hari (x1000 kaleng)
Fuzzy Inference System: Tsukamoto

1; z  15

 PBBerkurang [z]  (75  z) / 60; 15  z  75
0; z  75


0; z  25

 PBBertambah [z]  (z  25) / 75; 25  z  100
1; z  100

Fuzzy Inference System: Tsukamoto
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
Fuzzy Inference System: Tsukamoto
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
Fuzzy Inference System: Tsukamoto
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
Fuzzy Inference System: Tsukamoto
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
Fuzzy Inference System: Tsukamoto
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