Tugas Resume

9
TUGAS RESUME PENGANTAR KECERDASAN BUATAN LOGIKA FUZZY OLEH : RISKA PRASETIYO UTAMI (1308605007) I GST. AGUNG AYU RHERA MAHAYEKTI (1308605057) LUH AYU DIAH FERNITA SARI (1308605064) PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER

Transcript of Tugas Resume

TUGAS RESUME

PENGANTAR KECERDASAN BUATANLOGIKA FUZZY

OLEH :

RISKA PRASETIYO UTAMI

(1308605007)

I GST. AGUNG AYU RHERA MAHAYEKTI(1308605057)

LUH AYU DIAH FERNITA SARI(1308605064)

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS UDAYANA

BUKIT JIMBARAN

2015

FUZZIFICATIONFuzzifikasi merupakan proses memetakan nilai crisp (numerik) ke dalam himpunan fuzzy dan menentukan derajat keanggotaannya di dalam himpunan fuzzy. Hal ini dilakukan karena data diproses berdasarkan teori himpunan fuzzy sehingga data yang bukan dalam bentuk fuzzy harus diubah ke dalam bentuk fuzzy.

Prosesnya adalah sebagai berikut: Suatu besaran analog dimasukkan sebagai masukan (crisp input), lalu input tersebut dimasukkan pada batas scope dari membership function. Membership function ini biasanya dinamakan membership function input. Keluaran dari proses fuzzifikasi ini adalah sebuah nilai input fuzzy atau yang biasanya dinamakan fuzzy input.INFERENCE

Inference: melakukan penalaran menggunakan fuzzy input dan fuzzy rules yang telah ditentukan, sehingga menghasilkan fuzzy output. Secara sintaks, suatu fuzzy rule (aturan fuzzy) dituliskan sebagai: IF antecendent THEN consequent

Untuk mendapatkan aturan IF.....THEN ada dua cara utama :

1) Menanyakan ke operator manusia yang dengan cara manual telah mampu mengendalikan sistem tersebut, dikenal dengan human expert.

2) Dengan menggunakan algoritma pelatihan berdasarkan data-data masukan dan keluaran. Dalam penalaran logika fuzzy

Contoh Rule

IF x adl rendah AND y adl tinggi THEN z = medium

x dan y : variabel input yang didapat dari user

z : variabel output

rendah : fungsi keanggotaan untuk x

tinggi : fungsi keanggotaan untuk y

medium : fungsi keanggotaan untuk z

Terdapat dua model aturan fuzzy yang digunakan secara luas dalam berbagai aplikasi, yaitu:

a. Model Mamdani Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk memperoleh output, diperlukan 4 tahapan yaitu :

1) Pembentukan himpunan fuzzy; pada metoda mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.

2) Aplikasi fungsi impliksi (aturan);pada metode mamdani, fungsi implikasi yang digunakan adalah MIN

3) Komponen aturan; Pada tahapan ini sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu : max, additive dan probabilistik OR.

Pada metode max, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk

memodifikasi daerah fuzzy, dan mengaplikasikanya ke output dengan menggunakan operator OR (union). Secara umum dapat ditulis

df (xi) max (df(xi,) kf(xi))

4) Penegasan (defuzzyfikasi)Input dari proses defuzzyfikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat di ambil suatu nilai crisp tertentu sebagai output. Defuzzyfikasi pada metode mamdani untuk semesta diskrit menggunakan persamaan

b. Model Sugeno

Inferensi Mamdani tidak efisien karena melibatkan proses pencarian centroid dari area 2 dimensi. Michio Sugeno mengusulkan penggunaan singleton sebagai fungsi keanggotaan dari konsekuen. Singleton adalah sebuah himpunan fuzzy dengan fungsi keanggotaan: pada titik tertentu mempunyai sebuah nilai dan 0 di luar titik tersebut. Penalaran ini hampir sama dengan penalaran Mamdani, hanya saja output (konsekuen) sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linearDEFUZZIFICATION

Defuzzifikasi merupakan proses pemetaan himpunan fuzzy ke himpunan tegas (crips). Proses ini merupakan kebalikan dari proses fuzzifikasi. Strategi yang umum dipakai dalam defuzzifikasi adalah menentukan bentuk kompromi terbaik. Proses defuzzifikasi diekspresikan sebagai berikut :

Z* = defuzzifier

Dimana :

Z

= hasil penalaran fuzzy

Z*

= keluaran control logika fuzzy

Defuzzifier= operasi defuzzifier

Metode dalam melakukan defuzzifikasi antara lain :

1. Metode Max (Maximum)

Metode ini dikenal juga dengan metode tinggi. Solusi crisp diperoleh dengan mengambil derajat keanggotaan tertinggi dari semua hasil agregasi. Misalkan Z adalah himpunan fuzzi,

Maka 2. Metode Titik Tengah (Center of Area)Metode ini dikenal juga dengan nama metode centroid atau center of gravity. Ini merupakan metode paling umum digunakan. Solusi crisp diperoleh dengan menghitung pusat gravitasi

(titik-berat) dari daerah agregasi.

3. Metode Rata Rata (Average)

Metode ini hampir sama dengan metode pertama, kecuali titik maksimumnya tidak unik (berupa dataran). Solusi crisp diperoleh dengan mengambil nilai rata-rata domain yang memiliki nilai keanggotaan maksimum.

4. Metode Penjumlahan Titik Tengah (Summing of Center Area)

Metode ini dinyatakan dalam persamaan :

5. Metode Titik Tengah Area Terbesar

Dalam metode ini keluaran dipilih berdasarkan titik pusat area terbesar yang ada. Metode ini dinyatakan dalam bentuk :

CRIPS VOLUME