Fuzzy Logic

18
Fuzzy Logic Tim Asprak Metkuan

description

Fuzzy Logic. Tim Asprak Metkuan. Analogi. Tinggi Badan bisa dikategorikan: Tinggi S edang Pendek. Himpunan fuzzy. Berapa tinggi sebenarnya ???. Anak 1: 140 cm Anak 2: 112 cm Anak 3: 125 cm. Nilai Crisp. Fuzzy Logic. - PowerPoint PPT Presentation

Transcript of Fuzzy Logic

Page 1: Fuzzy Logic

Fuzzy LogicTim Asprak Metkuan

Page 2: Fuzzy Logic

AnalogiTinggi Badan bisa dikategorikan:-Tinggi- Sedang - Pendek

Berapa tinggi sebenarnya ???

Anak 1: 140 cmAnak 2: 112 cmAnak 3: 125 cm

Himpunan fuzzy

Nilai Crisp

Page 3: Fuzzy Logic

Fuzzy Logic• Logical system yang mengikuti penalaran manusia yang

cenderung menggunakan ‘pendekatan’ dan bukan ‘eksak’• Sebuah pendekatan terhadap ketidakpastian yang

mengkombinasikan nilai real [0..1] dan operasi logikaKeuntungan Fuzzy:- Mudah dimengerti- Pemodelan matematika sederhana- Toleransi data yang tidak tepat- Dapat memodelkan fungsi-fungsi non linear yang kompleks- Mengaplikasikan pengalaman tanpa proses pelatihan- Didasarkan pada bahasa alami

Page 4: Fuzzy Logic

Variable fuzzy

• Variabel dalam suatu sistem fuzzy• Contoh: tinggi badan, berat badan, kecepatan,

suhu, cuaca, dll

Page 5: Fuzzy Logic

Fuzzy Set

• Himpunan fuzzy yang mewakili suatu kondisi pada variabel fuzzy

• Tinggi badan = {pendek, sedang, tinggi}• Suhu = {panas, hangat, dingin}

Page 6: Fuzzy Logic

Membership Function

• Cara untuk merepresentasikan himpunan fuzzy

• Contoh membership function: fungsi linier, segitiga, trapesium, sigmoid, phi

Page 7: Fuzzy Logic

Membership Function (lanj..)

• Diketahui fuzzy set dari variabel ‘harga’

Page 8: Fuzzy Logic

Membership Function (lanj..)

• Diketahui fuzzy set dari variabel ‘rasa’

Page 9: Fuzzy Logic

Membership Function (lanj..)

• Diketahui fuzzy set dari variabel ‘porsi’

Bagaimana Membership Functionnya ???

Page 10: Fuzzy Logic

Degree of Membership

1 ; x = b 0 ; x<a atau x>c

; a < x < b

; b < x < c

µ(x) =

Page 11: Fuzzy Logic

Degree of Membership (lanj..)

• Jika x = 750, berapa degree of membershipnya??

Page 12: Fuzzy Logic

Fuzzy Connectives

• Disjunction => or• A V B => max(A,B)

Page 13: Fuzzy Logic

Fuzzy Connectives (lanj..)

• Conjunction => and• A ʌ B => min (A,B)

Page 14: Fuzzy Logic

Latihan

• Gambarkan Membership Function dari fuzzy set berikut:

Page 15: Fuzzy Logic

Latihan(lanj..)

• Tentukan degree of membership dari nilai berikut:– Permintaan = 13 – Permintaan = 15– Permintaan = 22– Persediaan = 37– Persediaan = 41– Persediaan = 48

Page 16: Fuzzy Logic

• Dari soal sebelumnya, jika diketahui permintaan = 15 dan persediaan = 37, tentukan degree of membership dari:– permintaan V persediaan– permintaan ʌ persediaan

Page 17: Fuzzy Logic

Pengumpulan

Subjek: NRP_LKP5

Kirim ke:• P1: [email protected]• P2: [email protected]

Page 18: Fuzzy Logic

Terima Kasih