Lab.

Komputasi Dan Sistem Agroindustri

TIP FTP UB Fuzzy Logic

LOGIKA FUZZY
(FUZZY LOGIC)
Pert ke 5

USF 3/20/2023 1
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Contents
• Characteristics of Fuzzy Sets
• Operations
• Properties
• Fuzzy Rules
• Examples

USF 3/20/2023 2
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic

Characteristics of Fuzzy Sets

• Teori himpunan klasik yang dikembangkan pada akhir abad ke-19 oleh
Georg Cantor menjelaskan bagaimana himpunan yang tajam dapat
berinteraksi. Interaksi ini disebut operasi.

• Himpunan fuzzy juga memiliki properti yang terdefinisi dengan baik.

• Properti dan operasi ini adalah dasar di mana himpunan fuzzy

digunakan untuk menangani ketidakpastian di satu sisi dan untuk
mewakili pengetahuan di sisi lain.

USF 3/20/2023 3
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Note: Membership Functions
• Biasanya satu set fuzzy dilambangkan sebagai:

A = A(xi)/xi + …………. + A(xn)/xn

di A(xi)/xi adalah sepasang elemen "grade of membership",

yang termasuk dalam semesta wacana:

A = {x1, x2, .., xn}

USF 3/20/2023 4
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Operations of Fuzzy Sets
Not A
B

A AA

Complement Containment

A B AA B

Intersection Union

USF 3/20/2023 5
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Complement
Crisp Sets: Siapa yang tidak termasuk dalam set?
Himpunan Fuzzy: Berapa banyak elemen yang bukan milik himpunan?
• Komplemen dari sebuah himpunan adalah kebalikan dari himpunan ini. Misalnya,
jika kita memiliki himpunan pria jangkung, komplemennya adalah kumpulan
BUKAN pria jangkung. Ketika menghapus set pria jangkung dari semesta wacana,
dapat diperoleh pelengkap (komplemen)

• Jika A adalah himpunan fuzzy, komplemennya A dapat ditemukan sebagai

berikut:
A(x) = 1  A(x)

USF 3/20/2023 6
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Containment
Crisp Sets: Set mana yang termasuk dalam set lain?
Fuzzy Sets: Set mana yang termasuk dalam set lain?

• Satu set bisa berisi set lain. Kumpulan yang lebih kecil disebut subset. Misalnya,
set pria jangkung berisi semua pria jangkung; pria yang sangat tinggi adalah
bagian dari pria tinggi. Namun, set pria jangkung hanyalah sebagian dari
kumpulan pria.
• Dalam set yang tajam, semua elemen dari sebuah subset seluruhnya dimiliki oleh
set yang lebih besar.
• Dalam himpunan fuzzy, bagaimanapun, setiap elemen dapat dimiliki lebih sedikit
dari himpunan bagian daripada himpunan yang lebih besar.
• Elemen dari himpunan fuzzy memiliki keanggotaan yang lebih kecil di dalamnya
daripada di himpunan yang lebih besar.
USF 3/20/2023 7
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Intersection
Crisp Sets: Elemen mana yang termasuk dalam kedua set?
Set Fuzzy: Berapa banyak elemen di kedua set?
• Dalam teori himpunan klasik, irisan antara dua himpunan berisi elemen-elemen yang
dimiliki oleh himpunan ini. Misalnya, perpotongan antara set pria tinggi dan set pria
gemuk adalah area di mana set ini tumpang tindih.
• Dalam himpunan fuzzy, sebuah elemen sebagian bisa dimiliki oleh kedua himpunan
dengan keanggotaan yang berbeda.
• irisan fuzzy adalah keanggotaan yang lebih rendah di kedua himpunan setiap elemen.
Perpotongan fuzzy dari dua himpunan fuzzy A dan B pada semesta wacana X:
• AB(x) = min [A(x), B(x)] = A(x)  B(x),
where xX

USF 3/20/2023 8
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Union
Crisp Sets: Elemen mana yang termasuk dalam set?
Fuzzy Sets: Berapa banyak elemen yang ada di salah satu set?

• Penyatuan dua set yang tajam terdiri dari setiap elemen yang termasuk dalam set
mana pun. Misalnya, gabungan pria tinggi dan pria gemuk berisi semua pria yang
tinggi ATAU gemuk.
• Dalam himpunan fuzzy, penyatuan adalah kebalikan dari perpotongan. Artinya,
penyatuan adalah nilai keanggotaan terbesar dari elemen di kedua himpunan.
Operasi fuzzy untuk membentuk penyatuan dua himpunan fuzzy A dan B di semesta X
dapat diberikan sebagai:
• AB(x) = max [A(x), B(x)] = A(x)  B(x),
dimana xX

USF 3/20/2023 9
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
(x) (x)

Operations of Fuzzy 1
A
1
B
A

Sets 0
x
0
B
x
1 1 A
Not A
0 0
x x
Complement Containment

(x) (x)

1 1
A B A B
0 0
x x
1 AB 1
AB
0 0
x x
Intersection Union

USF 3/20/2023 10
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Properties of Fuzzy Sets
• Kesetaraan dua set fuzzy
• Dimasukkannya satu set ke himpunan fuzzy lainnya
• Kardinalitas himpunan fuzzy
• Satu set fuzzy kosong
• -cuts (pemotongan alfa)

USF 3/20/2023 11
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Equality
• Fuzzy set A dianggap sama dengan fuzzy set B, IF AND ONLY
IF (iff):
A(x) = B(x), xX

A = 0.3/1 + 0.5/2 + 1/3

B = 0.3/1 + 0.5/2 + 1/3

Karenanya A = B
USF 3/20/2023 12
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Inclusion
• Dimasukkannya satu set fuzzy ke set fuzzy lain. Fuzzy set A  X termasuk dalam
(adalah subset dari) set fuzzy lain, B  X:
A(x)  B(x), xX

Mempertimbangkan X = {1, 2, 3} dan set A dan B

A = 0.3/1 + 0.5/2 + 1/3;

B = 0.5/1 + 0.55/2 + 1/3

maka A adalah subset dari B, atau A  B

USF 3/20/2023 13
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Cardinality
• Cardinality dari himpunan non-fuzzy, Z, adalah jumlah elemen dalam Z. TAPI
cardinality dari set fuzzy A, yang disebut SIGMA COUNT, dinyatakan sebagai
JUMLAH nilai-nilai fungsi keanggotaan A,A(x):

cardA = A(x1) + A(x2) + … A(xn) = ΣA(xi), for i=1..n

Mempertimbangkan X = {1, 2, 3} dan menetapkan A dan B

A = 0.3/1 + 0.5/2 + 1/3;
B = 0.5/1 + 0.55/2 + 1/3

cardA = 1.8
cardB = 2.05
USF 3/20/2023 14
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Empty Fuzzy Set
• Set fuzzy A kosong, IF AND ONLY IF:
A(x) = 0, xX

Mempertimbangkan X = {1, 2, 3} dan set A

A = 0/1 + 0/2 + 0/3

maka A adalah empty

USF 3/20/2023 15
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Alpha-cut
• -cut atau -level himpunan dari himpunan fuzzy A  X adalah suatu himpunan
biasa( ORDINARY SET) A  X, sedemikian sehingga:
A={A(x), xX}.

Pertimbangkan X = {1, 2, 3} dan himpunan A

A = 0.3/1 + 0.5/2 + 1/3

maka A0.5 = {2, 3},

A0.1 = {1, 2, 3},
A1 = {3}
USF 3/20/2023 16
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Fuzzy Set Normality
• Subset fuzzy X disebut normal jika ada setidaknya satu elemen xX
sedmikian rupa seshingga A(x) = 1.

• Subset fuzzy yang tidak normal disebut subnormal.

• Semua subset tegas kecuali untuk set null adalah normal.

• Tinggi subset A fuzzy adalah nilai keanggotaan besar dari elemen di A
• height(A) = maxx(A(x))

USF 3/20/2023 17
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Fuzzy Sets Core and Support
• Anggaplah A adalah subset fuzzy dari X:

• support dari A adalah subset tegas X yang terdiri dari seluruh elemen
dengan tingkat keanggotaan:
supp(A) = {x A(x)  0 and xX}

• core dari A adalah subset tegas X yang terdiri dari seluruh elemen
dengan tingkat keanggotaan: :
core(A) = {x A(x) = 1 and xX}

USF 3/20/2023 18
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Fuzzy Set Math Operations
• aA = {aA(x), xX} • Aa = {A(x)a, xX}
Let a =0.5, and Let a =2, and
A = {0.5/a, 0.3/b, 0.2/c, 1/d} A = {0.5/a, 0.3/b, 0.2/c, 1/d}
then then
Aa = {0.25/a, 0.15/b, 0.1/c, Aa = {0.25/a, 0.09/b, 0.04/c,
0.5/d} 1/d}

USF 3/20/2023 19
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Fuzzy Sets Examples
• Consider two fuzzy subsets of the set X,
X = {a, b, c, d, e }

referred to as A and B

A = {1/a, 0.3/b, 0.2/c 0.8/d, 0/e}

and
B = {0.6/a, 0.9/b, 0.1/c, 0.3/d, 0.2/e}

USF 3/20/2023 20
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Fuzzy Sets Examples
• Support:
supp(A) = {a, b, c, d }
supp(B) = {a, b, c, d, e }

• Core:
core(A) = {a}
core(B) = {o}

• Cardinality:
card(A) = 1+0.3+0.2+0.8+0 = 2.3
card(B) = 0.6+0.9+0.1+0.3+0.2 = 2.1

USF 3/20/2023 21
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Fuzzy Sets Examples
• Complement:
A = {1/a, 0.3/b, 0.2/c 0.8/d, 0/e}
A = {0/a, 0.7/b, 0.8/c 0.2/d, 1/e}

• Union:
A  B = {1/a, 0.9/b, 0.2/c, 0.8/d, 0.2/e}

• Intersection:
A  B = {0.6/a, 0.3/b, 0.1/c, 0.3/d, 0/e}

USF 3/20/2023 22
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
• aA:
for a=0.5
Fuzzy Sets aA = {0.5/a, 0.15/b, 0.1/c, 0.4/d, 0/e}
Examples • Aa:
for a=2
Aa = {1/a, 0.09/b, 0.04/c, 0.64/d, 0/e}

• a-cut:
A0.2 = {a, b, c, d}
A0.3 = {a, b, d}
A0.8 = {a, d}
A1 = {a}

23 USF 3/20/2023 23
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Fuzzy Rules
• Pada tahun 1973, Lotfi Zadeh menerbitkan makalah kedua yang paling
berpengaruh. Makalah ini menguraikan pendekatan baru untuk analisis sistem
yang kompleks, di mana Zadeh menyarankan menangkap pengetahuan manusia
dalam aturan fuzzy.
• Aturan fuzzy dapat didefinisikan sebagai pernyataan bersyarat dalam bentuk:
IF x is A
THEN y is B

• di mana x dan y adalah variabel linguistik; dan A dan B adalah nilai-nilai linguistik
yang ditentukan oleh set fuzzy di semesta wacana X dan Y, masing-masing.

USF 3/20/2023 24
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Classical Vs Fuzzy Rules
• Aturan IF-THEN klasik menggunakan logika biner, misalnya,

Rule: 1 Rule: 2
IF speed is > 100 IF speed is < 40
THEN stopping_distance is long THEN stopping_distance is short

• Variabel Kecepatan dapat memiliki nilai numerik antara 0 dan 220 km / jam,
tetapi variabel linguistik stopping_distance dapat mengambil nilai panjang atau
pendek. Dengan kata lain, aturan klasik dinyatakan dalam bahasa hitam-putih
logika Boolean.

USF 3/20/2023 25
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Classical Vs Fuzzy Rules
• Kita juga dapat mewakili aturan jarak berhenti dalam bentuk fuzzy:

Rule: 1 Rule: 2
IF speed is fast IF speed is slow
THEN stopping_distance is long THEN stopping_distance is short

• Dalam aturan fuzzy, variabel linguistik kecepatan juga memiliki kisaran (semesta
wacana) antara 0 dan 220 km / jam, tetapi kisaran ini termasuk set fuzzy, seperti
lambat, menengah dan cepat. Semesta wacana variabel linguistik
stopping_distance antara 0 dan 300 m dan mungkin termasuk set fuzzy seperti
pendek, menengah dan panjang.

USF 3/20/2023 26
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Classical Vs Fuzzy Rules
• Aturan fuzzy berhubungan fuzzy set.
• Dalam sistem fuzzy, semua aturan aktif (fire) sampai batas
tertentu, atau dengan kata lain mereka aktif sebagian. Jika
anteseden benar untuk beberapa tingkat keanggotaan, maka
akibatnya juga berlaku untuk tingkat yang sama.

USF 3/20/2023 27
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Firing Fuzzy Rules
• Set fuzzy ini memberikan dasar untuk model estimasi berat. Model ini didasarkan
pada hubungan antara tinggi badan seorang pria dan berat badannya:
• IF height is tall
THEN weight is heavy
Degree of Degree of
Membership Membership
1.0 1.0
Tall men Heavy men
0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0.0 0.0
160 180 190 200 70 80 100 120
Height, cm Weight, kg

USF 3/20/2023 28
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Firing Fuzzy Rules
• Nilai output atau nilai keanggotaan dari aturan akibatnya dapat
diperkirakan langsung dari nilai keanggotaan yang sesuai di
anteseden. Bentuk inferensi fuzzy ini menggunakan metode yang
disebut seleksi monotonik.
Degree of Degree of
Membership Membership
1.0 1.0
Tall men
0.8 0.8 Heavy men
0.6 0.6

0.4 0.4

0.2 0.2

0.0 0.0
160 180 190 200 70 80 100 120
Height, cm Weight, kg

USF 3/20/2023 29
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
• Aturan fuzzy dapat memiliki beberapa anteseden, misalnya:
IF project_duration is long
Firing Fuzzy AND project_staffing is large
AND project_funding is inadequate
Rules THEN risk is high

IF service is excellent
OR food is delicious
THEN tip is generous

• Konsekuen (Akibat) dari aturan fuzzy juga dapat mencakup beberapa

bagian, misalnya:
IF temperature is hot
THEN hot_water is reduced;
cold_water is increased

USF 3/20/2023 30
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Fuzzy Sets Example
• Air-conditioning involves the delivery of air which can be warmed or cooled and have its
humidity raised or lowered.

• An air-conditioner is an apparatus for controlling, especially lowering, the temperature and

humidity of an enclosed space. An air-conditioner typically has a fan which
blows/cools/circulates fresh air and has cooler and the cooler is under thermostatic
control. Generally, the amount of air being compressed is proportional to the ambient
temperature.

• Consider Johnny’s air-conditioner which has five control switches: COLD, COOL, PLEASANT,
WARM and HOT. The corresponding speeds of the motor controlling the fan on the air-
conditioner has the graduations: MINIMAL, SLOW, MEDIUM, FAST and BLAST.

USF 3/20/2023 31
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Fuzzy Sets Example
• Pengkondisian udara melibatkan pengiriman udara yang dapat dihangatkan
atau didinginkan dan kelembabannya dinaikkan atau diturunkan.
• Pendingin ruangan (AC) adalah alat untuk mengontrol, terutama menurunkan,
suhu dan kelembaban ruangan tertutup. AC biasanya memiliki kipas yang
menghembuskan / mendinginkan / mengedarkan udara segar dan memiliki
pendingin dan pendingin berada di bawah kendali termostatis. Umumnya,
jumlah udara yang dikompresi sebanding dengan suhu lingkungan.
• Pertimbangkan AC Johnny yang memiliki lima sakelar kontrol: DINGIN (cold),
DINGIN (cool), PLEASANT, HANGAT dan PANAS. Kecepatan yang sesuai dari
motor yang mengontrol kipas pada AC memiliki tingkat: MINIMAL, LAMBAT,
SEDANG, CEPAT dan BLAST.

USF 3/20/2023 32
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
• Aturan yang mengatur AC adalah sebagai berikut:
Fuzzy Sets Example
RULE 1:
IF TEMP is COLD THEN SPEED is
MINIMAL

RULE 2:
IF TEMP is COOL THEN SPEED is SLOW

RULE 3:
IF TEMP is PLEASANT THEN SPEED is MEDIUM

RULE 4:
IF TEMP is WARM THEN SPEED is FAST

RULE 5:
IF TEMP is HOT THEN SPEED is BLAST
USF 3/20/2023 33
Lab. Komputasi Dan Sistem Agroindustri

Fuzzy Sets Example

Tingkat suhu terkait dengan persepsi Johnny tentang Temp
(0C).
COLD COOL PLEASANT WARM HOT

suhu sekitar.
0 Y* N N N N
dimana:
5 Y Y N N N
Y : nilai suhu anggota dari set
10 N Y N N N
(0<A(x)<1)
12.5 N Y* N N N

15 N Y N N N
Y* : nilai suhu ideal keanggotaan dari set (A(x)=1)
17.5 N N Y* N N

20 N N N Y N
N : nilai suhu bukan anggota set set (A(x)=0)
22.5 N N N Y* N

25 N N N Y N

27.5 N N N N Y

30 N N N N Y*

USF 3/20/2023 34
Lab. Komputasi Dan Sistem Agroindustri

Fuzzy Sets Example Rev/sec MINIMAL SLOW MEDIUM FAST BLAST

Persepsi Johnny tentang kecepatan motor adalah (RPM)
sebagai berikut: 0 Y* N N N N

10 Y N N N N

dimana: 20 Y Y N N N

Y : speed value belongs to the set (0<A(x)<1) 30 N Y* N N N

40 N Y N N N

50 N N Y* N N
Y* : speed value is the ideal member to the set
(A(x)=1) 60 N N N Y N

70 N N N Y* N

N : speed value is not a member of the set (A(x)=0) 80 N N N Y Y

90 N N N N Y

100 N N N N Y*

USF 3/20/2023 35
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Fuzzy Sets Example
• Keanggotaan yang dinyatakan secara analitis untuk subset referensi fuzzy untuk
suhu:

• COLD:
for 0 ≤ t ≤ 10 COLD(t) = – t / 10 + 1

• SLOW:
for 0 ≤ t ≤ 12.5 SLOW(t) = t / 12.5
for 12.5 ≤ t ≤ 17.5 SLOW(t) = – t / 5 + 3.5

• etc… all based on the linear equation:

y = ax + b

USF 3/20/2023 36
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Fuzzy Sets Example
Temperature Fuzzy Sets

1
0.9
0.8 Cold
Truth Value

0.7
0.6
Cool
0.5 Pleasent
0.4
0.3
Warm
0.2 Hot
0.1
0
0 5 10 15 20 25 30

Temperature Degrees C

USF 3/20/2023 37
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Fuzzy Sets Example
• Keanggotaan yang dinyatakan secara analitis untuk subset referensi fuzzy untuk
speed:

• MINIMAL:
for 0 ≤ v ≤ 30 COLD(t) = – v / 30 + 1

• SLOW:
for 10 ≤ v ≤ 30 SLOW(t) = v / 20 – 0.5
for 30 ≤ v ≤ 50 SLOW(t) = – v / 20 + 2.5

• etc… all based on the linear equation:

y = ax + b

USF 3/20/2023 38
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Fuzzy Sets Example
Speed Fuzzy Sets

1
0.8 MINIMAL
Truth Value

0.6 SLOW
MEDIUM
0.4
FAST
0.2 BLAST
0
0 10 20 30 40 50 60 70 80 90 100
Speed

USF 3/20/2023 39
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Exercises
For
A = {0.2/a, 0.4/b, 1/c, 0.8/d, 0/e}
B = {0/a, 0.9/b, 0.3/c, 0.2/d, 0.1/e}

Draw the Fuzzy Graph of A and B

Then, calculate the following:

- Support, Core, Cardinality, and Complement for A and B independently
- Union and Intersection of A and B
- the new set C, if C = A2
- the new set D, if D = 0.5B
- the new set E, for an alpha cut at A0.5

USF 3/20/2023 40
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Solutions
A = {0.2/a, 0.4/b, 1/c, 0.8/d, 0/e}
B = {0/a, 0.9/b, 0.3/c, 0.2/d, 0.1/e}
Support
Supp(A) = {a, b, c, d}
Supp(B) = {b, c, d, e}
Core
Core(A) = {c}
Core(B) = {}
Cardinality
Card(A) = 0.2 + 0.4 + 1 + 0.8 + 0 = 2.4
Card(B) = 0 + 0.9 + 0.3 + 0.2 + 0.1 = 1.5
Complement
Comp(A) = {0.8/a, 0.6/b, 0/c, 0.2/d, 1/e}
Comp(B) = {1/a, 0.1/b, 0.7/c, 0.8/d, 0.9/e}

USF 3/20/2023 41
Lab. Komputasi Dan Sistem Agroindustri
Fuzzy Logic
Solutions
A = {0.2/a, 0.4/b, 1/c, 0.8/d, 0/e}
B = {0/a, 0.9/b, 0.3/c, 0.2/d, 0.1/e}
Union
AB = {0.2/a, 0.9/b, 1/c, 0.8/d, 0.1/e}
Intersection
AB = {0/a, 0.4/b, 0.3/c, 0.2/d, 0/e}
C=A2
C = {0.04/a, 0.16/b, 1/c, 0.64/d, 0/e}
D = 0.5B
D = {0/a, 0.45/b, 0.15/c, 0.1/d, 0.05/e}
E = A0.5
E = {c, d}

USF 3/20/2023 42
Lab. Komputasi Dan Sistem Agroindustri

Ref
Dr Bogdan L. Vrusias. 2006. Fuzzy Logic (week4 Fuzzy Logic.ppt)

Negnevitsky, Michael (2004), Artificial Intelligence – A Guide to Intelligent Systems

(Second Edition), Harlow, UK, Addison Wesley, ISBN: 0321204662.

USF 3/20/2023 43