KECERDASAN BUATAN
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
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
25 35 45 55 65
umur
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:
BERAT
1
[x]
0
40 berat badan 60
(kg)
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; xa
x a
[x] ; axb
b a
1; xb
0 a domain b
FUNGSI KEANGGOTAAN
TUA
1
0,6
(x)
0 35 50 60
Umur(th)
(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)
[x]
0,125
0 25 32 40 45
Umur (th)
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)
[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.
IF x is A AND y is B THEN z is C
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.
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
1
0 0 0 z1
Var-1 Var-2 Var-3
2
0 0 0
Var-1 Var-2 z2 Var-3
Rata-rata
terbobot
1z1 2z2
z
1 2
Fuzzy Inference System: Tsukamoto
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:
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
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: