LOGIKA FUZZY 3/18/2017 OVERVIEW SEJARAH LOGIKA FUZZY WHAT IS FUZZY LOGIC? LOGIKA BOLEAN PERMASALAHAN DUNIA NYATA

Transkripsi

1 OVERVIEW Pengertian Logika Fuzzy LOGIKA FUZZY SHINTA P. SARI Sejarah Logika Fuzzy Teori Logika Fuzzy Aplikasi Logika Fuzzy PRODI. INFORMATIKA FASILKOM UIGM 2017 WHAT IS FUZZY LOGIC? Pengertian Fuzzy not clear, distinct, or precise; lurred (English) kaur, samar, tidak pasti, tidak jelas Definisi Logika Fuzzy Suatu entuk representasi pengetahuan untuk mendefinisikan sesuatu yang tidak dapat dinyatakan secara jelas/ pasti/enar, tapi tergantung pada konteks. SEJARAH LOGIKA FUZZY Lotfi Asker Zadeh ( 1965 ), seorang profesor University of California di Berkeley,USA First to pulish ideas of fuzzy logic. Professor Toshire Terano ( 1972 ) Organized the world's first working group on fuzzy systems. F.L. Smidth & Co. ( 1980 ) First to market fuzzy expert systems. LOGIKA BOLEAN Slow Fast Speed = 0 Speed = 1 ool speed; get speed; if ( speed == 0) // speed is slow else // speed is fast PERMASALAHAN DUNIA NYATA Banyak masalah yang erisi ketidakpastian dan sulit diterjemahkan ke dalam suatu rumus untuk diukur secara kuantitatif Misal : Ukuran Panas atau dingin, Susah atau mudah, Banyak atau sedikit 1

2 FUNGSI KEANGGOTAAN Fungsi Keanggotaan: Fungsi Linier Fungsi Keanggotaan adalah seuah representasi grafis dari esarnya partisipasi masing-masing input Seuah himpunan fuzzy dari semesta U dikelompokkan oleh fungsi keanggotaan μ A (x) yang erada pada nilai antara [0, 1] (Wang, 1997). Fungsi keanggotaan dari himpunan klasik hanya memiliki 2 nilai yaitu 0 dan 1, sedangkan fungsi keanggotaan himpunan fuzzy merupakan fungsi kontinu dengan rentang nilai [0, 1]. Domain Linier Naik [x]= 0; x a [x]= 0; x a (x-a)/(-a); a x (x-a)/(-a); a x 1; x 1; x Domain Linier Turun [x]= (-x)/(-a); a x [x]= (-x)/(-a); a x 0; x 0; x 8 Fungsi Keanggotaan: Segitiga Fungsi Keanggotaan: Trapesium 0 a Segitiga c 0 a Trapesium c d [x] = 0; x a atau x c (x-a)/(-a); [x] = a 0; x x a atau x c (c-x)/(c-); (x-a)/(-a); x c a x (c-x)/(c-); x c [x]= 0; x a atau x d [x]= 0; x a atau x d (x-a)/(-a); a x (x-a)/(-a); a x 1; x c 1; x c (d-x)/(d-c); c x d (d-x)/(d-c); c x d 9 10 Fungsi Keanggotaan: Sigmoid c Sigmoid [x;a,,c] sigmoid = 0; x a [x;a,,c] sigmoid = 0; x a 2 ((x - a)/(c - a)) 2 ; a x 2 ((x - a)/(c - a)) 2 ; a x 1-2((c - x)/(c - a)) 2 ; x c 1-2((c - x)/(c - a)) 2 ; x c 1; x c 1; x c VARIABEL LINGUISTIK Berisi ahasa alami yang merepresentasikan masalah dunia nyata. Bahasa alami sulit dinyatakan secara pasti dalam nilai tau 1 contoh : Rasa : Pahit atau manis Tempratur : Panass atau Dingin 11 2

3 REPRESENTASI LOGIKA FUZZY FUZZY LOGIC REPRESENTATION Permasalahan direpresentasikan dalam himpunan fuzzy dengan nilai derajat keanggotaan [0 s.d 1] Lamat [ ] Lamat [ ] Cepat [ ] Cepat [ ] Slowest Slow Fast float speed; get speed if ((speed >= 0.0)&&(speed < 0.25)) // speed is slowest else if ((speed >= 0.25)&&(speed < 0.5)) // speed is slow else if ((speed >= 0.5)&&(speed < 0.75)) // speed is fast else // speed >= 0.75 && speed < // speed is fastest Fastest CONTOH : Usia Tua dalam menentukan fungsi keanggotaan, dierikan himpunan semesta U adalah umur manusia antara [0, 100] Seseorang dikatakan tua jika dia erumur leih dari 50 tahun. Sedangkan orang yang erumur 30 tahun atau kurang, dianggap tidak tua 0, x 30 x 30 f ( x), 30 x , x 50 Berapa dejarad ketuaan orang yang erumur : tahun tahun tahun tahun Fuzzyfication : Menguah nilai real menjadi fungsi keanggotaan Fuzzy FUZZY LOGIC IN CONTROL SYSTEMS Logika Fuzzy memerikan cara yang leih efisien dan anyak cara untuk memecahkan Sistem Pengendalian. pendek Pendek Sedang Tinggi tinggi Mudah dimengerti Pemodelan matematik sederhana Toleransi data-data yang tidak tepat [163]= [0, 0, 0.42, 0.58, 0] atau sedang [163] = 0.42, tinggi [163] = Dapat memodelkan fungsi-fungsi non liner yang kompleks Mengaplikasikan pengalaman tanpa proses pelatihan Didasarkan pada ahasa alami 3

4 Cara Kerja Kontrol Logika Fuzzy Fuzzification Fuzzification: suatu proses penguahan nilai tegas/real ke dalam fungsi keanggotaan fuzzy Rule Based: suatu entuk aturan relasi/implikasi ifthen. Contoh if X=A dan Y=B then Z=C Inference Engine: proses implikasi dalam menalar nilai masukan untuk menentukan nilai keluaran seagai entuk pengamil keputusan. Defuzzification: proses pemetaan dari himpunan fuzzy ke himpunan tegas suatu proses penguahan nilai tegas/real ke dalam fungsi keanggotaan fuzzy Rule Based Inference Engine T I N G G I kurus B E R A T Kurus Biasa Berat Dalam entuk if-then, contoh: If sangat pendek dan sangat kurus then sangat sehat erat pendek SS S AS TS TS Pendek S SS S AS TS Sedang AS SS SS AS TS Tinggi TS S SS S TS tinggi TS AS SS S AS 21 Salah satu model penalaran yang anyak dipakai adalah penalaran maxmin AND AB [x]= min( A [x], B [x]) Model Fuzzy Sugeno Model Fuzzy Tsukamoto Model Fuzzy Mamdani OR AB [x] = max( A [x], B [x]) 22 Defuzzification proses pemetaan dari himpunan fuzzy ke himpunan tegas BENEFITS OF USING FUZZY LOGIC 23 4

5 FUZZY LOGIC IN OTHER FIELDS Business Hyrid Modeling Expert Systems CONCLUSION Fuzzy logic provides an alternative way to represent linguistic and sujective attriutes of the real world in computing. It is ale to e applied to control systems and other applications in order to improve the efficiency and simplicity of the design process. Reference: 1. Fuzzy Logic, Shane Warren & Brittney Ballard 2. Logika Fuzzy, Kusrini 5