Introduction Fuzzy Tsukamoto
-
Upload
pandu-kusuma -
Category
Documents
-
view
1.577 -
download
3
Transcript of Introduction Fuzzy Tsukamoto
Introduction Fuzzy Tsukamoto
Abdi Pandu Kusuma116060300111021
Aziz Musthafa116060300111043
Ichsan Fahmi116060300111054
Sistem Inferensi Fuzzy
Pasca Sarjana (S2)Teknik Elektro - SKI
SEKILAS TENTANG SISTEM FUZZY
REFRESHING MATERI FUZZY SEBELUMNYA DAN POSISIMETODE TSUKAMOTO DALAM SISTEM FUZZY
Introduction FuzzyDIAGRAM KALSIFIKASI SISTEM FUZZY
Sistem fuzzy dengan masukkan berupa bahasa dan angka
1.Metode Tsukamoto2.Metode Mamdani3.Metode Sugeno
Materi yang akan dipelajari berikut adalah berkaitan dengan metode tsukamoto yang merupakan salah satu bagian dari fuzzy inference pada diagram di atas
Fuzzy Systems
*Saran• Sebelum mempelajari inference fuzzy dengan metode tsukamoto diharapkan terlebih dahulu mempelajari teori dasar fuzzy,fuzzy set dan fuzzy relation,properti dan operation fuzzy
Tujuan• Dapat menjelaskan prinsip teory metode tsukamoto sebagai salah satu metode inference fuzzy• Dapat memberikan contoh perhitungan menggunakan metode tsukamoto• Dapat meyebutkan dan menjelaskan beberapa contoh aplikasi yang menggunakan metode tsukamoto sebagai inference fuzzynya• Dapat mengembangkan metode tsukamoto sebagai suatu solusi dengan pendekatan pemrograman misalnya menggunakan matlab/ scilab, VB dan sebagainya.
Pokok BahasanSystem Inferensi Fuzzy
Metode Tsukamoto: Bentuk ke-1 dan Bentuk ke-2
Inferensi Menggunakan Metode Tsukamoto
Contoh analisis perhitungan menggunakan metode Tsukamoto
Contoh Aplikasi Menggunakan Pemrograman Visual Basic
System Inferensi FuzzySistem Inferensi Fuzzy (Fuzzy Inference System / FIS) disebut juga fuzzy inference engine adalah sistem yang dapat melakukan penalaran dengan prinsip serupa seperti manusia melakukan penalaran dengan nalurinya. Terdapat beberapa jenis FIS yang dikenal antara lain :
• Metode Tsukamoto(yang akan dipelajari )• Metode Mamdani• Metode Sugeno
Pengenalan System Inferensi FuzzyMetode TsukamotoMetode dimana setiap konsekuen pada aturan yang berbentuk
IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton.
Metode MamdaniMetode Mamdani sering disebut sebagai metode Max-Min.
Metode ini diperkenalkan oleh Ebrahim Mamdani tahun 1975. Untuk mendapatkan output, diperlukan 4 tahapan diantaranya pembentukan himpunan fuzzy, aplikasi fungsi implikasi, komposis aturan, & Penegasan (defuzzy).
Metode SugenoPada metode penalaran atau rule evaluatian Takegi Sugeno,
output sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linear.
Metode Tsukamoto• Pertama kali diperkenalkan oleh Tsukamoto.• Setiap konsekuen (kesimpulan) pada setiap aturan IF-THEN harus
direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan monoton .
• output hasil inferensi dari setiap aturan diberikan secara tegas (crisp) berdasarkan α- predikat , kemudian menghitung rata-rata terbobot (weight average)=>(Jang, dkk., 1997)(Kusumadewi, 2003)
Metode Tsukamoto (Bentuk ke-1)Misalkan ada 1 variabel input (x) dan 1 variabel output (z). Dimana masing-masing variabel terdiri dari 2 himpunan fuzzy yaitu: Var x terdiri dari himpunan A Var z terdiri dari himpunan CDan digunakan 2 aturan fuzzy sbb: (R1) IF (x is small) THEN (z is C1) (R2) IF (x is medium) THEN (z is C2) (R3) IF (x is large) THEN (z is C2)
Metode Tsukamoto(Bentuk ke-2)Misalkan ada 2 variabel input (x,y) dan 1 variabel output (z). Dimana masing-masing variabel terdiri dari 2 himpunan fuzzy yaitu:Var x terdiri dari himpunan A1, A2Var y terdiri dari himpunan B1, B2Var z terdiri dari himpunan C1, C2Dan digunakan 2 aturan fuzzy sbb: (R1) IF (x is A1) and (y is B1) THEN (z is C1) (R2) IF (x is A2) and (y is B2) THEN (z is C2)
Inferensi Menggunakan Metode Tsukamoto
•
Contoh: metode TsukamotoSuatu perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Dari data satu bulan terakhir, permintaan terbesar hingga mencapai 5000 kemasan/hari, dan permintaan terkecil sampai 1000 kemasan/hari. Persediaan barang di gudang terbanyak sampai 600 kemasan/hari, dan terkecil pernah sampai 100 kemasan/hari. Dengan segala keterbatasannya, sampai saat ini, perusahaan baru mampu memproduksi barang maksimum 7000 kemasan/hari, serta demi efisiensi mesin dan SDM tiap hari diharapkan perusahaan memproduksi paling tidak 2000 kemasan.
Apabila proses produksi perusahaan tersebut menggunakan empat aturan fuzzy sbb:[R1] IF Permintaan TURUN And Persediaan BANYAK
THEN Produksi Barang BERKURANG;[R2] IF Permintaan TURUN And Persediaan SEDIKIT
THEN Produksi Barang BERKURANG;[R3] IF Permintaan NAIK And Persediaan BANYAK
THEN Produksi Barang BERTAMBAH;[R4] IF Permintaan NAIK And Persediaan SEDIKIT
THEN Produksi Barang BERTAMBAH;Berapa kemasan makanan jenis ABC yang harus diproduksi, jika jumlah permintaan sebanyak 4000 kemasan, dan persediaan di gudang masih 300 kemasan?
LANJUTAN SOAL
Solusi Hitung nilai keanggotaan untuk variabel Permintaan
µpmtTURUN[4000] = (5000-4000)/(5000-1000) = 0.25µpmtNAIK[4000] = (4000-1000)/(5000-1000) = 0.75
Hitung nilai keanggotaan untuk variabel Persediaan!
µpsdSEDIKIT[300] = (600-300)/(600-100) = 0.6µpsdBANYAK[300] = (300-100)/(600-100) = 0.4
1
01000 5000
µ[x]
Pemintaan(kemasan/hari)
TURUN
NAIK
1
0100 600
µ[x]
Persediaan(kemasan/hari)
SEDIKIT
BANYAK
Solusi
1
02000 7000
µ[x]
Produksi(kemasan/hari)
BERKURANG
BERTAMBAH
SolusiHitung nilai α-prediket untuk masing-masing fungsi
implikasi dengan menggunakan operator MIN.[R1] IF Permintaan TURUN and Persediaan BANYAK THEN Produksi BERKURANG
α-prediket = µpmtTURUN ⋂ µpsdBANYAK
= min (µpmtTURUN[4000], µpsdBANYAK[300] ) = min(0.25; 0.4) = 0.25Petakan nilai keanggotaan ini kedalam himpunan fuzzy PRODUKSI:(7000-z) / 5000 = 0.25 z1 = 5750
[R2] IF Permintaan TURUN and Persediaan SEDIKIT THEN Produksi BERKURANG
α-prediket = µpmtTURUN ⋂ µpsdSEDIKIT
= min (µpmtTURUN[4000], µpsdSEDIKIT[300] ) = min(0.25; 0.6) = 0.25Petakan nilai keanggotaan ini kedalam himpunan fuzzy PRODUKSI:(7000-z) / 5000 = 0.25 z2 = 5750
Solusi[R3] IF Permintaan NAIK and Persediaan BANYAK THEN Produksi BERTAMBAH
α-prediket = µpmtNAIK ⋂ µpsdBANYAK
= min (µpmtNAIK[4000], µpsdBANYAK[300] ) = min(0.75; 0.4) = 0.4Petakan nilai keanggotaan ini kedalam himpunan fuzzy PRODUKSI:(7000-z) / 5000 = 0.4 z3 = 4000
[R4] IF Permintaan NAIK and Persediaan SEDIKIT THEN Produksi BERTAMBAH
α-prediket = µpmtNAIK ⋂ µpsdSEDIKIT
= min (µpmtNAIK[4000], µpsdSEDIKIT[300] ) = min(0.75; 0.6) = 0.6Petakan nilai keanggotaan ini kedalam himpunan fuzzy PRODUKSI:(7000-z) / 5000 = 0.6 z4 = 5000
Solusi
Contoh Aplikasi dari Solusi diatasMenggunakan Visual Basic
>>> KLIK UNTUK DEMO PROGRAM
>>> KLIK CONTOH SOURCE CODE PROGRAM
BEBERAPA CONTOH PENELITIAN YANG MENGGUNAKAN METODE TSUKAMOTO:
1. Aplikasi Perusahaan Makanan Menggunakan Metode Tsukamoto
2. Sistem Penunjang Keputusan Untuk Pemilihan Karyawan Teladan Dengan Logika
Fuzzy Tsukamoto
3. Sistem Inferensi Fuzzy (Metode Tsukamoto) Untuk Penentuan Kebutuhan Kalori
Harian
TERIMAKASIH
SEKIAN