Fuzzy logic part1
Click here to load reader
-
Upload
rendy-ardiwinata -
Category
Education
-
view
275 -
download
1
Transcript of Fuzzy logic part1
44//1818//20132013
11
Fuzzy Systems
Kendali Konvensional
Tahapan Pembuatan Kendali Konvensional:1. Menentukan model matematika dari dinamika
plant2. Merancang pengendali dgn menggunakan model
atau model yang disederhanakan3. Menganalisa unjuk kerja sistem melalui
perhitungan atau simulasi model close-loop system
4. Jika tidak sesuai, rancang ulang pengendali5. Implementasi pengendali
44//1818//20132013
22
Kendali Konvensional
• Menentukan model matematik merupakanlangkah yang tidak mudah dan perlu waktu lama
• Setelah implementasi, kadang tidak sesuaikarena model yang tidak tepat
• Model matematik:– Tidak pernah sempurna– Abstraksi sistem nyata– Keakuratannya cukup untuk dapat membuat proses
perancangan bisa dilakukan (penyederhanaan)
Kendali Fuzzy (Fuzzy Control)
• Fuzzy Control menyediakan metodologi formal untuk merepresentasikan, memanipulasi, danimplementasi pengetahuan heuristic manusia(dan intuisi) tetang bagaimana mengendalikansuatu sistem
44//1818//20132013
33
Kendali Fuzzy (Fuzzy Control)
• Sangat berguna terutama untuk kondisi:– Proses kendali terlalu kompleks untuk dianalisa
dengan teknik konvensional– sumber-sumber informasi yang tersedia bersifat
kualitatif, tidak eksak, tidak pasti
• Keuntungan Kendali Logika Fuzzy:– Kendali paralel atau terdistribusi – sistem kompleks
non linier– Kendali linguistik - menggunakan bahasa manusia– Kendali kokoh (robust) – lebih dari 1 rule, error di
satu rule tidak fatal
Fuzzy Logic
• Logika yang kita bahas dalam konteks digital adalah untuk masalah-masalah yang pasti
• Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatubahasa formal yang dipahami komputerdigunakan fuzzy logic.
• Teori fuzzy set atau himpunan samar pertamakali dikemukakan oleh Lotfi Zadeh (1965), padamakalah berjudul 'Fuzzy Sets'.
• Sejak pertengahan 1970-an, para peneliti Jepangberhasil mengaplikasikan teori ini dalam berbagaipermasalahan praktis.
44//1818//20132013
44
Fuzziness dan Probabilitas
• Kedua teori tersebut memang sama-sama untukmenangani masalah ketidakpastian
• Keduanya memiliki nilai pada interval [0,1], namun interpretasi nilainya sangat berbedaantara kedua kasus
• Keanggotaan fuzzy memberikan suatu ukuranterhadap pendapat atau keputusan, sedangkanprobabilitas mengindikasikan proporsi terhadapkeseringan suatu hasil bernilai benar
Masalah: Pemberian beasiswa
• Misalkan terdapat permasalahan sebagai berikut:– Sebuah universitas akan memutuskan apakah seorang
mahasiswa layak mendapatkan beasiswa atau tidak.
– Misalkan kriteria yang diperhatikan adalah Indeks Prestasi (IP) ≥3,0 dan hasil Test Psikologi (TP) ≥8,0.
– Mahasiswa A memiliki IP=3,0 dan TP=8,0
– Mahasiswa B memiliki IP=2,999999, dan TP=8,5.
– Dengan aturan tersebut diputuskan bahwa mahasiswa A layak mendapatkan beasiswa sedangkan mahasiswa B tidak.
• Pada kasus di atas, universitas tersebut membuat keputusan dengan aturan yang jelas dan membedakan secara tegas, melihat masalah secara hitam dan putih (crisp), dan mungkin dianggap kurang adil.
44//1818//20132013
55
Crisp set
• Himpunan yang membedakan anggota dan non anggotanya dengan batasan yang jelas disebut crisp set.
• Misalnya, jika C={x | x integer, x > 2}, maka anggota C adalah 3, 4, 5, dan seterusnya.
• Sedangkan yang bukan anggota C adalah 2, 1, 0, -1, dan seterusnya.
Teori Himpunan Fuzzy (Fuzzy Set Theory)
Conventional (Boolean) Set:Conventional (Boolean) Set:
“Strong Fever”
40.1°C40.1°C
42°C42°C
41.4°C41.4°C
39.3°C39.3°C
3838..77°°CC
3737..22°°CC
3838°°CC
Fuzzy Set:Fuzzy Set:
40.1°C40.1°C
42°C42°C
41.4°C41.4°C
39.3°C39.3°C
38.7°C
37.2°C
38°C
“Strong Fever”
44//1818//20132013
66
Fuzzy Set
• Fuzzy set merupakan dasar dari fuzzy logic danfuzzy systems.
• Suatu fuzzy set A di dalam Universe (semesta) U didefinisikan sebagai suatu fungsi keanggotaanµA(x), yang memetakan setiap objek di U menjadi suatu nilai real dalam interval [0,1].
• Nilai-nilai µA(x) menyatakan derajat keanggotaanx di dalam A.
Fuzzy Set
• Contoh:– Misalkan, x = {5, 10, 20, 30, 40, 50, 60, 70, 80} adalah
crisp set Usia dalam satuan tahun.– Balita, Dewasa, Muda, dan Tua adalah empat fuzzy
set yang merupakan subset dari x.
44//1818//20132013
77
Fuzzy Set
• Pada tabel tersebut terdapat 4 buah fuzzy set dengan anggota dan derajat keanggotaannya sebagai berikut:– Balita = {}– Dewasa = {20, 30, 40, 50, 60, 70, 80}, di mana
derajat keanggotaannya dinyatakan oleh µDewasa = {0.8, 1, 1, 1, 1, 1, 1}.
– Muda = {5, 10, 20, 30, 40, 50}, di mana derajat keanggotaannya dinyatakan oleh µmuda = {1, 1, 0.8, 0.5, 0.2, 0.1}.
– Tua = {20, 30, 40, 50, 60, 70, 80}, di mana derajat keanggotaannya dinyatakan oleh µTua = {0.1, 0.2, 0.4, 0.6, 0.8, 1, 1}.
Konvensi penulisan fuzzy set
• Konvensi untuk menuliskan fuzzy set yang dihasilkan dari universe U yang diskrit adalah sebagai berikut:
• Pada contoh di atas, fuzzy set Tua ditulis sebagai:
44//1818//20132013
88
Konvensi penulisan fuzzy set
• Sedangkan jika U adalah kontinu, maka fuzzy set A dinotasikan sebagai: