Pertemuan 1- Logika Fuzzy
description
Transcript of Pertemuan 1- Logika Fuzzy
-
DASAR-DASAR LOGIKA FUZZY 1
1
I. PENDAHULUAN
Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada
tahun 1965 tentang teori himpunan fuzzy. Lotfi A. Zadeh adalah seorang ilmuwan Amerika
Serikat berkebangsaan Iran dari Universiti California di Barkeley.
Meskipun logika fuzzy dikembangkan di Amerika, namun ia lebih popular dan banyak
diaplikasikan secara luas oleh praktisi Jepang dengan mengadaptasikannya ke bidang kendali
(control). Produk elektronik buatan Jepang yang menerapkan fungsi logika fuzzy adalah,
mesin cuci, AC, dan lain-lain. Logiz fuzzy telah diterapkan pada banyak bidang, mulai dari
teori kendali hingga intelegensi buatan.
Mengapa logika fuzzy yang ditemukan di Amerika malah lebih banyak ditemukan
aplikasinya di Negara Jepang? Salah satu penjelasannya adalah: kultur orang Barat yang
cendrung memandang sesuatu persoalan suatu persoalan sebagai hitam putih, ya tidak,
bersalah tidak bersalah, sukses gagal, atau yang setara dengan dunia logika biner
Aristoteles. Sedangkan kultur orang Timur lebih dapat menerima dunia, abu-abu atau fuzzy.
Logika fuzzy pada umumnya diterapkan pada masalah-masalah yang mengandung unsur
ketidakpastian, ketidaktepatan, noysi dan sebagainya.
Contoh-contoh masalah yang mengandung ketidakpastian:
1. Seorang dikatakan tinggi jika badannya lebih dari 1,7 meter. Bagaimana dengan orang
yang mempunyai tinggi badan 1,6999 meter atau 1,65 meter, apakah termasuk kategori
tinggi?
Menurut persepsi manusia, orang yang mempunyai tinggi badan sekitar 1,7 meter
dikatakan kurang lebih tinggi atau agak tinggi
2. Kecepatan pelan didefinisikan di bawah 20 km/jam.
Bagaimana dengan kecepatan 20,001 km/jam, apakah masih dapat dikategorikan pelan?
Manusia mungkin mengatakan bahwa kecepatan 20,001 km/jam itu agak pelan
Ketidakpastian dalam kasus-kasus ini disebabkan oleh kaburnya pengertian agak, kurang
lebih, sedikit dan sebagainya.
-
DASAR-DASAR LOGIKA FUZZY 1
2
Alasan menggunakan logika fuzzy:
1. Konsep logika fuzzy mudah dimengerti
2. Logika fuzzy sangat fleksibel
3. Memiliki toleransi terhadap data-data yang tidak tepat
4. Logika fuzzy didasarkan pada bahasa alami.
Aplikasi Logika Fuzzy
1. Pada tahun 1990 pertama kali mesin cuci dengan logika fuzzy di Jepang (Matsushita
Electric Industrial Company). Sistem fuzzy digunakan untuk menentukan putaran yang
tepat secara otomatis berdasarkan jenis dan banyaknya kotoran serta jumlah yang akan
dicuci. Inputnya yang digunakan: seberapa kotor, jenis kotoran, banyak yang akan dicuci.
Mesin ini menggunakan sensor optic mengeluarkan cahaya ke air dan mengukur
bagaimana cahaya sampai ke ujung lainnya. Makin kotor, maka sinar yang sampai makin
redup. Sistem juga mampu menentukan jenis kotoran tersebut daki/minyak.
2. Transmisi otomatis pada mobil Nissan, meghemat bensin 12-17%
3. Manajemen dan pengambilan keputusan, tata letak pabrik berdasarkan logika fuzzy,
pembuatan games berdasarkan logika fuzzy, dll.
4. Ilmu kedokteran dan biologi, seperti system diagnose kanker.
5. Ilmu lingkukngan, misalnya kendali kualitas air, prediksi cuaca.
6. Teknik, misalnya perancangan jaringan computer, prediksi adanya gempa bumi, dll
7. Psikologi, seperti logika fuzzy untuk menganalisis kelakuan masyarakat, pencegahan dan
investasi criminal, dll
-
DASAR-DASAR LOGIKA FUZZY 1
3
II. HIMPUNAN FUZZY
Logika Fuzzy dikembangkan dari teori himpunan fuzzy. Sedangkan himpunan klasik yang
sudah dipelajari selama ini disebut himpunan tegas (crisp set). Di dalam himpunan tegas ,
keanggotaan suatu unsur di dalam himpunan dinyatakan secara tegas, apakah objek tersebut
anggota himpunan atau bukan.
Pada himpunan tegas nilai keanggotaan suatu item dalam suatu himpunan A, yang sering
didilambangkan dengan , mendefenisikan apakah suatu unsur dari semesta pembicaraan
merupakan anggota suatu himpunan atau bukan, memiliki dua kemungkinan yaitu:
= 1, 0,
Contoh 1
Misalkan S = {1, 2, 3, 4, 5, 6} adalah semesta pembicaraan, A = { 1, 2, 3}, B= {3, 4 5}
Bisa dikatakan bahwa: Nilai keanggotaan 2 pada himpunan A, 2 = 1, karena 2 A. Nilai keanggotaan 3 pada himpunan A, 3 = 1, karena 3 A. Nilai keanggotaan 4 pada himpunan A, 4 = 0, karena 4 A. Nilai keanggotaan 2 pada himpunan B, 2 = 0, karena 2 B. Nilai keanggotaan 3 pada himpunan B, 3 = 1, karena 3 B
Contoh 2
Misalkan variable umur dibagi menjadi 3 kategori, yaitu:
< 35 35 55 > 55
Nilai keanggotaan secara grafis, himpunan MUDA, PAROBYA dan TUA dapat digambar
sebagai berikut:
Pada gambar dapat dilihat bahwa:
Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA: 34 = 1
Jika x = 35.5 tahun maka maka dikatakan TIDAK MUDA : 35.5 = 0.
-
DASAR-DASAR LOGIKA FUZZY 1
4
Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA: 35 = 0
Bila seseorang berusia 35 tahun, maka ia dikatakan PAROBAYA: 35 = 1
Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK
PAROBAYA: 35 1 = 0
Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK MUDA :
35 1 = 0
Apabila seseorang berusia 34 tahun, maka ia dikatakan TIDAK PAROBAYA:
34 = 0
Himpunan Crisp untuk menyatakan umur bisa tidak adil karena adanya perubahan kecil
saja pada suatu nilai mengakibatkan perbedaan kategori yang cukup signifikan. Himpunan
fuzzy digunakan untuk mengantisipasi hal tersebut. Seseorang dapat masuk dalam 2
himpunan yang berbeda, MUDA dan PAROBAYA, PAROBAYA dan TUA, dsb. Seberapa
besar eksistensinya dalam himpunan tersebut dapat dilihat pada nilai keanggotaannya.
Contoh Himpunn fuzzy untuk variable Umur.
Usia 40 tahun termasuk dalam himpunan MUDA dengan 40 = 0.25. Termasuk juga
dalam himpunan PAROBAYA dengan 40 = 0.5
Usia 50 tahun termasuk dalam himpunan TUA dengan 50 = 0.25. Termasuk juga
dalam himpunan PAROBAYA dengan 50 = 0.5
Terkadang kemiripan antara keanggotaan fuzzy dengan probabilitas menimbulkan
kerancuan. Keduanya memiliki nilai pada interval [0.1], namun interpretasi nilai sangat
berbeda antara kedua kasus tersebut. Keanggotaan fuzzy memberikan suatu ukuran terhadap
pendapat atau keputusan, sedangkan probabilitas mengindikasikan proporsi terhadap
-
DASAR-DASAR LOGIKA FUZZY 1
5
keseringan suatu hasil bernilai benar dalam jangka panjang. Misalnya, jika nilai keanggotaan
suatu himpunan fuzzy MUDA adalah 0,9, maka tidak perlu dipermasalahkan berapa
seringnya nilai itu diulang secara individual untuk mengharapkan suatu hasil yang hamper
pasti muda. Di lain pihak, nilai probabilitas 0,9 muda berarti 0,9 muda berarti 10% dari
himpunan tersebut diharapkan tidak muda.
Perbedaan Logika Fuzzy dengan Logika tegas
Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang
sering ditulis dengan [], memiliki dua kemungkinan, yaitu = 1, 0,
Dalam teori himpunan fuzzy, keanggotaan suatu elemen di dalam himpunan dinyatakan
dengan derajat keanggotaan (membership values) yang nilainya terletak dalam selang [0,1].
Derajat keanggotaan ditentukan dengan fungsi keanggotaan: : [0,1].
Bandingkan fungsi keanggotaan pada teori himpunan tegas : {0,1}
Arti derajat keanggotaan:
1. Jika = 1, maka x adalah anggota penuh dari himpunan A
2. Jika = 0, maka x bukan anggota himpunan A
3. Jika = , dengan 0 < < 1, maka x adalah anggota himpuanan A dengan
derajat keanggotaan sebesar
Menuliskan Himpunan Fuzzy
Salah satu cara menuliskan himpunan fuzzy adalah dengan menyatakan Sebagai himpunan
pasangan berurutan = { 1, 1 , 2, 2 , , }
Contoh.
Misalkan X = { becak, sepeda motor, mobil kodok (VW), mobil kijang, mobil carry}
A= Himpunan kendaraan yang nyaman dipakai untuk bepergian jarak jauh oleh keluarga
besar (terdiri dari ayah, ibu, dan empat orang anak)
-
DASAR-DASAR LOGIKA FUZZY 1
6
Didefinisikan bahwa,
X1 = becak, 1 = 0 X2 = sepeda motor, 2 = 0.1
X3 = mobil VW, 3 = 0.5 X4 = Mobil Kijang, 4 = 1.0
X5 = mobil carry, 5 = 0.8
Maka, dalam himpunan fuzzy, A = {(becak,0), (sepeda motor, 0.1), (VW, 0.5), (mobil kijang,
1.0), (mobil carry, 0.8)}. Artinya kijang paling banyak diminati oleh keluarga karena
memiliki derajat keanggotaan 1.0
Secara grafik perbedaan antara logika tegas dan logika fuzzy ditunjukan oleh gambar:
(a). Logika tegas (b). Logika fuzzy
Pada gambar (a) apabila X lebih dari atau sama dengan 10 baru dikatakan benar yaitu bernilai
Y = 1, sebaliknya nilai X yang kurang dari 10 adalah salah yaitu Y = 0. Maka angka 9 atau 8
atau 7 dan seterusnya dikatakan salah.
Pada gambar (b) nilai X =9 atau 8 atau 7 atau nilai antara 0 atau 10 adalah dikatakan ada
benarnya dan ada salahnya.
Himpunan fuzzy mempunyai dua atribut:
1. Linguistik: penamaan grup yang mewakili kondisi dengan menggunakan bahasa
alami. Contoh: PANAS, DINGIN, TUA, MUDA, PELAN,dsb
2. Numerik: nilai yang menunjukan ukuran variable fuzzy
Contoh: 35, 78, 112, 0, -12 dsb.
-
DASAR-DASAR LOGIKA FUZZY 1
7
Komponen-komponen system fuzzy:
1. Variabel fuzzy
Contoh: umur, kecepatan, temperature, dsb
2. Himpunan fuzzy
Grup yang mewakili kondisi tertentu dalam suatu variable fuzzy.
Contoh: variable temperature air dibagi menjadi 3 himpunan fuzzy; PANAS,
DINGIN, SEJUK.
3. Semesta pembicaraan
Keseluruhan nilai yang diperoleh untuk dioperasikan dengan variable fuzzy
Contoh: semesta pembicaraan variable umur [0,]
4. Domain
Keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu himpunan
fuzzy
Contoh: DINGIN=[0.15], MUDA=[0,35]
Operasi Himpunan Fuzzy
1. Komplomen
Komplomen himpunan fuzzy A adalah dengan fungsi keanggotaan = 1
()
2. Gabungan / Union Himpunan Fuzzy
Gabungan himpunan fuzzy A dan B adalah himpunan fuzzy . Dengan fungsi
keanggotaan = max[ , ], untuk semua
3. Irisan/intersection Himpunan Fuzzy
Irisan himpunan fuzzy A dan B adalah himpunan fuzzy dengan fungsi keanggotaan
= min[ , ], untuk semua 4. Pemotongan / cut Himpunan Fuzzy
Pemotongan pada Sebuah himpunan fuzzy dapat dilakukan dimana saja pada selang
nilai derajat keanggotaan himpunan fuzzy tersebut. Hasil pemotongan sebuah
-
DASAR-DASAR LOGIKA FUZZY 1
8
himpunan fuzzy adalah himpunan fuzzy yang memiliki derajat keanggotaan lebih
besar atau sama dengan nilai potongnya.
Notasi: = { }
5. Pendukung (support) Himpunan Fuzzy
Pendukung himpunan fuzzy terbatas A pada semesta pembicaraan X adalah himpunan
yang terdiri dari elemen X yang derajat keanggotaannya lebih besar dari 0
Notasi: = { () > 0 }
a. Inti (Core) Himpunan Fuzzy. Inti himpunan fuzzy terbatas A pada semesta
pembicaraan X adalah himpunan yang terdiri dari elemen X yang derajat
keanggotaanya sama dengan 1. Notasi = { = 1}
b. Tinggi (height) Himpunan Fuzzy. Tinggi dari himpunan fuzzy dapat dilihat dari
nilai tertinggi derajat keanggotaan himpunan fuzzy tersebut. Notasi: h(A)
Bila h(A) = 1, maka maka himpunan fuzzy dikatakan normal
Bila h(A) < 1, maka himpunan fuzzy dikatakan subnormal.
6. Skala Cardinality
Scalar cardinality dari sebuah himpunan fuzzy A pada semesta pembicaraan X adalah
jumlah semua derajat keanggotaan elemen X dalam himpunan fuzzy A
Notasi = ()
III. FUNGSI KEANGGOTAAN
Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukan
pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering disebut dengan derajat
keanggotaan) yang memiliki interval 0 sampai 1. Salah satu cara yang dapat digunakan untuk
mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa
fungsi yang bisa digunakan:
-
DASAR-DASAR LOGIKA FUZZY 1
9
1. Representasi Linier
a. Representasi linier naik b. Representasi linier turun
Fungsi keanggotaan
=
0;
;
1;
= 0;
b x
b a;
Contoh: Himpunan fuzzy pada variable temperature
Fungsi keanggotaan untuk himpunan PANAS pada variable temperature ruangan
32 =32 25
35 25=
7
10= 0.7
2. Representasi Kurva Segitiga
Kurva segitiga pada dasarnya meruoakan gabungan antara 2 garis (linier)
Fungsi Keanggotaan
=
0;
;
;
-
DASAR-DASAR LOGIKA FUZZY 1
10
Contoh.
Fungsi keanggotaan untuk himpunan NORMAL pada variable temperature ruangan seperti
pada gambar
23 = (23 15)/25 15) = 8/10 = 0.8 3. RepresentasiTrapesium
Fungsi keanggotaan
=
0;
;
1;
;
Contoh
Fungsi keanggotaan untuk himpunan NORMAL pada variable temperature ruangan seperti
pada gambar berikut:
-
DASAR-DASAR LOGIKA FUZZY 1
11
23 =35 32
35 27=
3
8= 0.375
4. Representasi Kurva-S. Kurva PERTUMBUHAN dan PENYUSUTAN merupakan
kurva-S atau sigmoid yang berhubungan dengan kenaikan dan penurunan permukaan
secara tak linier.
Contoh Persoalan: Suatu 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. Gambarkan fungsi
keanggotaan yang cocok untuk permintaan dan persediaan makanan kelang.
Penyelesaian
Ada 3 variabel fuzzy yang akan dimodelkan, yaitu:
PERMINTAAN: terdiri atas 2 himpunan fuzzy, yaitu: NAIK dan TURUN
Permintaan (kemasan/hari)
Fungsi keanggotan variable Permintaan
=
1, 10005000
5000 1000, 1000 < < 5000
0, 5000
=
1, 1000 1000
5000 1000, 1000 < < 5000
0, 5000
-
DASAR-DASAR LOGIKA FUZZY 1
12
Derajat /nilai keanggotaan
Jika permintaan = 4000 kemasan/hari, maka
4000 =5000 4000
4000= 0.25
4000 =4000 1000
4000= 0.75
PERSEDIAAN: terdiri atas 2 himpunan fuzzy, yaitu: SEDIKIT dan BANYAK
Permintaan (kemasan/hari)
Fungsi keanggotan variable Persedian
=
1, 1000600
600 100, 100 < < 600
0, 600
, =
0, 100 100
600 100, 100 < < 600
1, 600
Derajat /nilai keanggotaan
300 =600 300
500= 0.6
, 300 =300 100
500= 0.4
Referensi
Logika fuzzy
http://cif416.weblog.esaunggul.ac.id/wp-content/uploads/sites/3818/2014/05/Fuzzy-Logic-
Pertemuan-2.pdf
logika fuzzy
http://www.mdp.ac.id/materi/2011-2012-1/TI322/041035/TI322-041035-987-24.pdf
Pengantar Logika Fuzzy
http://informatika.stei.itb.ac.id/~rinaldi.munir/MetNum/2011
2012/Pengantar%20Logika%20Fuzzy.pdf
-
DASAR-DASAR LOGIKA FUZZY 1
13
LEMBAR KEGIATAN MAHASISWA
Materi: Dasar-dasar Logika Fuzzy
Tujuan Perkuliahan :
1. Mahasiswa dapat membedakan antara logika tegas dan logika fuzzy
2. Mahasiswa dapat menggambarkan fungsi keanggotaan variabel fuzzy
Petunjuk: 1. Kerjakan soal-soal di bawah ini secara berkelompok
2. Setiap kelompok bertanggung jawab atas hasil kerja kelompoknya
Soal
1. Misalkan X = {1, 2, 3, 4, 5, 6} dan A X, yang dalam hal ini A = { 1, 2, 5}. A dinyatakan sebagai A = {(1,1), (2,1), (3,0), (4,0), (5,1), (6,0)}.
Tentukan nilai keanggotaan dari A
2. Himpunan fuzzy A pada semesta pembicaraan X dinyatakan dengan fungsi keanggotaan sebagai berikut:
=
0 < 41
2 2 4 6
1 6 8
1
2 + 5 8 10
0 > 10
Gambarkan fungsi keanggotaan tersebut, kemudian tentukan Supp (A), dan
h(A)
3. Suatu perusahaan air minum akan memproduksi minuman jenis XYZ. Dari data 1 bulan
terakhir, permintaan terbesar hingga mencapai 6000 botol/hari, dan permintaan terkecil
sampai 500 botol/hari. Persediaan barang digudang terbanyak sampai 800 botol/hari dan
terkecil pernah sampai 200 botol/hari. Persediaan barang di gudang terbanyak, sampai
saat ini, perusahaan baru mampu memproduksi barang maksismum 9000 botol/hari.
Gambarkan fungsi keanggotaan yang cocok untuk permintaan dan persediaan minuman.
-
DASAR-DASAR LOGIKA FUZZY 1
14
TUGAS 1
SOAL
1. Misalkan himpunan anggota fuzzy A dan B didefinisikan oleh fungsi keanggotaan
= 1 6
4 2 10
0 < 2 > 10
= 1 8
4 4 12
0 < 4 > 14
a. Gambarkan himpunan fuzzy A dan B
b. Tuliskan himpunan fuzzy A dan B
c. Gambarkan dan tuliskan fuzzy dan
d. Gambar dan tuliskan himpunan fuzzy AB, AB, dan
e. Tuliskan supp dari AB, AB, dan