Fuzzy Logic dengan Menggunakan MATLAB Bahan Kuliah

dokumen-dokumen yang mirip
: Pengantar Intelegensi Buatan. Worksheet 2 : Praktikum Fuzzy Logic menggunakan MATLAB

Praktikum 10 Tim Asisten Praktikum Sistem Pakar

Solusi MATLAB. Double Click salah satu kotak input sehingga muncul Membership Function Editor. Pada Membership Function Editor:

Studi Kasus Fuzzy Logic 2016

MATLAB, Penalaran Mamdani

BAB IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat

Jika kecepatan mobil adalah : 50 km/jam dan jaraknya adalah 0,75 m berapa posisi pedal yang harus di injak? Denganketentuan aturan sebagai berikut :

LOGIKA FUZZY MENGGUNAKAN MATLAB

Simulasi Pengendali Kiln PT. Semen Tonasa (Tonasa IV) Menggunakan Fuzzy Logic Toolbox Program Matlab St. Nawal Jaya

BAB 3 ALGORITMA PERENCANAAN SISTEM PENGENALAN PENYAKIT DARAH

Aplikasi Fuzzy Inference System Dalam Penilaian Prestasi Mahasiswa

Praktikum Sistem Pakar Jumat 16 Desember 2013 Pertemuan 12. Tabel 1. Rancangan Variabel fuzzy Fungsi Nama Variabel Rentang Nilai Keterangan

SISTEM CERDAS LATIHAN FUZZY LOGIC Dr. Fatchul Arifin, ST., MT. Phone:

Ada 5 GUI tools yang dapat dipergunakan untuk membangun, mengedit, dan mengobservasi sistem penalaran, yaitu :

Jurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL

ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG

JOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi

BAB 4 IMPLEMENTASI & EVALUASI

DENIA FADILA RUSMAN

IDENTIFIKASI BUAH MANGGA GEDONG GINCU CIREBON BERDASARKAN CITRA RED-GREEN-BLUE MENGGUNAKAN ADAPTIF NEURO FUZZY INFERENCE SYSTEM ABSTRACT ABSTRAK

BAB IV PEMBAHASAN. Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan

PENENTUAN JUMLAH PRODUKSI PULP PADA PT.TOBA PULP LESTARI, Tbk. DENGAN MENGGUNAKAN METODE FUZZY-MAMDANI SKRIPSI AGNES NENNY SISKA SINAGA

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ

MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA

BAB III LANDASAN TEORI

MODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)

BAB III. Sub Kompetensi :

SISTEM PENDUKUNG KEPUTUSAN SELEKSI SUPPLIER DENGAN PENDEKATAN METODE FIS MAMDANI PADA KOPERASI XYZ

APLIKASI ADAPTIVE NEURAN FUZZY INFERENCE SYSTEM (ANFIS) SEBAGAI MODEL DIAGNOSIS KONSENTRASI JURUSAN PADA SISWA SMA/MA

IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)

SistemInferensiFuzzy

Tahap Sistem Pakar Berbasis Fuzzy

Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic

SIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS DI PDAM KOTA SURABAYA. oleh: WINDA ZULVINA

MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN

BAB V IMPLEMENTASI SISTEM

BAB II KAJIAN TEORI. Bab II berisi kajian teori. Teori-teori yang digunakan pada penelitian ini

DIAGNOSA PENYAKIT DBD (DEMAM BERDARAH DENGEU) DENGAN ALGORITMA PEMBELAJARAN HYBRID DAN BACKPROPAGATION BERBASIS NEURAL NETWORK

SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI

Manifold Pressure. Engine Temp

Penerapan Fuzzy Logic Sebagai Pendukung Keputusan Dalam Upaya Optimasi Penjualan Barang

LOGIKA FUZZY. Dr. Ade Gafar Abdullah JPTE-UPI

FUZZY SYSTEM & FUZZY REASONING DEPARTEMEN ILMU KOMPUTER IPB

PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO

Aplikasi Graf Fuzzy dan Aljabar Max-Plus untuk Pengaturan. Lampu Lalu Lintas di Simpang Empat Beran Kabupaten Sleman

Fuzzy Inference System untuk Mengurangi Kemacetan di Perempatan Jalan

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

ANALISIS OPTIMASI TRAFFIC LIGHT DENGAN TEORI FUZZY LOGIC MENGGUNAKAN ALTERNATIF APLIKASI MATLAB (STUDI KASUS SIMPANG EMPAT LHOKSEUMAWE)

BAB III METODE PENELITIAN. Bab ini berisi penjelasan mengenai metode penelitian, jenis dan sumber data

Sist Sis em t Fuzzy Fuzz Sistem Pakar

Fuzzy Expert Sistem. Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015

Praktikum sistem Pakar Fuzzy Expert System

MENENTUKAN TINGKAT PRODUKSI MAKSIMUM DENGAN TEKNIK ARTIFICIAL INTELLIGENCE MENGGUNAKAN LOGIKA FUZZY LINIER PROGRAMMING

Penerapan Fuzzy Logic untuk Pembatasan Jumlah Partikel Pada Aplikasi yang Menggunakan Sistem Partikel

BAB III PERANCANGAN SISTEM

SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB

BAB I PENDAHULUAN. Minyak dan gas bumi merupakan gabungan/ campuran komposisi dari

SISTEM PENYARINGAN MAHASISWA BEASISWA PRESTASI AMIK BSI YOGYAKARTA MENGGUNAKAN FUZZY INFERENCE SYSTEM

JMP : Volume 4 Nomor 2, Desember 2012, hal

IMPLEMENTASI METODE LOGIKA FUZZY DALAM PEMBANGUNAN SISTEM OPTIMALISASI LAMPU LALU LINTAS TUGAS AKHIR

Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani

Peramalan Beban Jangka Panjang Sistem Kelistrikan Kota Palu Menggunakan Metode Logika Fuzzy

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY

KAJIAN SISTEM PAKAR DAN FUZZY LOGIC DALAM PENENTUAN JURUSAN

APLIKASI FUZZY LOGIC UNTUK MENILAI KOLEKTIBILITAS ANGGOTA SEBAGAI PERTIMBANGAN PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT DI KOPERASI X SKRIPSI

Penentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno

Institut Teknologi Sepuluh Nopember Surabaya

OPTIMASI FUNGSI KEANGGOTAAN FUZZY MENGGUNAKAN METODE MAMDANI TERHADAP PREDIKSI PERILAKU PEMBELI

PERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ)

ANALISIS BIDANG MINAT SISWA MENGGUNAKAN SISTEM PAKAR PADA SEKOLAH MENENGAH PERTAMA (SMP) NEGERI 2 CEPOGO KABUPATEN BOYOLALI NASKAH PUBLIKASI

BAB IV PEMBAHASAN. BAB IV berisi pembahasan tahapan penelitian, yaitu klasifikasi logika. A. Identifikasi Data Cadangan Hidrokarbon

PERANCANGAN SISTEM PENGUKUR TINGKAT KEPUASAN MAHASISWA TERHADAP LAYANAN KAMPUS STMIK NEUMANN DENGAN METODE FUZZY MAMDANI

UNIVERSITAS BINA NUSANTARA

BAB III METODE PENELITIAN

PENDAHULUAN A. LATAR BELAKANG MASALAH

I. PENDAHULUAN Sebagai perusahaan yang memproduksi trafo, PT Bambang Djaja harus merencanakan dengan baik

APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI)

Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani

STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)

NURAIDA, IRYANTO, DJAKARIA SEBAYANG

BAB III PERANCANGAN SIMULASI. 3.1 Perancangan Sistem Parkir Mobil Seri Otomatis

PENERAPAN FUZZY LOGIC DALAM MENGANALISIS TINGKAT PENDAPATAN AKHIR KONSULTAN PRODUK MULTI LEVEL MARKETING (STUDI KASUS : PT

Penggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi

BAB II TINJAUAN PUSTAKA

BAB I PENDAHULUAN A. Latar Belakang

ANALISIS PERBANDINGAN LOGIKA FUZZY DENGAN REGRESI BERGANDA SEBAGAI ALAT PERAMALAN

MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB

SISTEM PAKAR FUZZY PENENTUAN KUALITAS KAKAO. Oleh

ANALISA TINGKAT KEPUASAN MASYARAKAT DENGAN KUALITAS KINERJA KEPOLISIAN MENGGUNAKAN METODE FUZZY LOGIC SUGENO

FUZZY LOGIC UNTUK MENENTUKAN PENJUALAN RUMAH DENGAN METODE MAMDANI (STUDI KASUS: PT GRACIA HERALD)

IMPLEMENTASI FUZZY MAMDANI DALAM MENENTUKAN PEMBELIAN CAT (STUDI KASUS PT. XYZ)

LOGIKA FUZZY METODE MAMDANI DALAM SISTEM KEPUTUSAN FUZZY PRODUKSI MENGGUNAKAN MATLAB

BAB III METODE FUZZY MAMDANI

PENERAPAN METODE FUZZY INFERENCE SYSTEM (FIS) DALAM MEMBUAT MODEL PENILAIAN PEMAHAMAN MATA PELAJARAN PEMROGRAMAN WEB

OPTIMASI PENGGUNAAN MEMBERSHIP FUNCTION LOGIKA FUZZY PADA KASUS IDENTIFIKASI KUALITAS MINYAK TRANSFORMATOR

BAB 2 TINJAUAN PUSTAKA

Fuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic.

Mahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan Sistem Fuzzy.

IMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS

BAB 2 LANDASAN TEORI

Transkripsi:

Fuzzy Logic dengan Menggunakan MATLAB Bahan Kuliah IF4058 Topik Khusus IF Oleh: Rinaldi Munir Teknik Informatika STEI ITB 1

Sumberuntukbahankuliahini: Belajar Cepat Fuzzy Logic menggunakan MATLAB Oleh: Agus Naba Penerbit ANDI 2

Fuzzy Logic Toolbox MATLAB menyediakan kakas untuk membuat sistem inferensi fuzzy (FIS) bernama Fuzzy Logic Toolbox(FLT). FLT memiliki 5 jenis GUI untuk merancang FIS: 1. FIS Editor 2. Membership Function Editor 3. Rule Editor 4. Rule Viewer 5. Surface viewer 3

ContohStudiKasus Pelayan restoran sering mendapat uang tip (bonus) dari pelangganyang makandisana. Besaruangtip bergantung pada dua kriteria, yaitu kualitas pelayanan dan kualitas makanan. Jika pelanggan merasa puas dengan pelayanan dan makanan di restoran, pelanggan tidak akan segan memberi bonus yang besar kepada pelayan. Sebaliknya jika pelayanan kurang memuaskan atau makanan kurang enak, pelanggan mungkin memberikan uang bonus yang kecil atau tidak ada sama sekali. Batasan tentang kualitas pelayanan, kualitas makanan, dan berapa besar uang tip tidaklah jelas, oleh karena itu bersifat fuzzy. Rancanlah sebuah FIS untuk masalah ini. 4

Ketikkan fuzzy MemulaiFLT pada prompt MATLAB, maka akan muncul FIS Editor berikut: 5

Variabel linguistik adalah pelayanan, makanan, dan bonus. Dari FIS editor, pilihfile Add Variable Input 6

Klik gambar Input1, ganti namanya menjadi pelayanan pada kotak Current Variable, lalu tekan Enter. Untuk gambar Input2, ganti namanya menjadi makanan Untuk gambar Output, ganti namanya menjadi bonus Hasil: 7

Simpan FIS ke memori dengan memilih: File Export To Workspace dan pada field Workspace Variable isikan nama fisbonus, lalu tekan OK. Untuk menyimpan ke memori, pilih: File Export To Disk dan simpan dengan nama fisbonus. 8

Hasil: 9

Membership Function Editor Dari FIS editor, pilih: Edit Membership Functions 10

AdatigavariabelFIS disudutkiriatas, yaitu pelayanan, makanan, danbonus. Pelayananmemiliktigaterma, yaitumengecewakan, bagus, dan memuaskan. KlikvariabelFIS pelayanan, laluklikkurvamf1, kemudian isikan/ganti parameter-parameter berikut pada setiap field: Nama: mengecewakan Range: [0 10} Display Range: [0 10] Type: gaussmf Params: nilai default yang terdiri dari standard deviasi dan mean (bisa diubah) 11

Klik kurva mf2, kemudian isikan/ganti parameterparameter berikut pada setiap field: Nama: bagus Range: [0 10} Display Range: [0 10] Type: gaussmf Params: nilaidefault yang terdiridaristandard deviasidanmean (bisa diubah) Klik kurva mf3, kemudian isikan/ganti parameterparameter berikut pada setiap field: Nama: memuaskan Range: [0 10} Display Range: [0 10] Type: gaussmf Params: nilaidefault yang terdiridaristandard deviasidanmean (bisa diubah) 12

Hasil: 13

Makanan memiliki terma hambar dan enak. Klik variabel makanan, lalu klik mf2 Hapusmf2dariEdit Remove Selected MF UbahRange manjadi[0 10} dandisplay Range menjadi[0 10] Klik kurva mf1, kemudian isikan/ganti parameter- parameter berikut pada setiap field: Nama: hambar Range: [0 10} Display Range: [0 10] Type: trimf Params: [-4 0 7] 14

Klik kurva mf1, kemudian isikan/ganti parameterparameter berikut pada setiap field: Nama: enak Range: [0 10] Display Range: [0 10] Type: trimf Params: [3 10 14] 15

Hasil: 16

Bonus memiliki terma sedikit, sedang, dan banyak. Klik kurva mf1, kemudian isikan/ganti parameterparameter berikut pada setiap field: Nama: sedikit Range: [0 30] Display Range: [0 30] Type: trimf Params: [0 5 10] 17

Klik kurva mf2, kemudian isikan/ganti parameterparameter berikut pada setiap field: Nama: sedang Range: [030] Display Range: [030] Type: trimf Params: [101520] Klik kurva mf3, kemudian isikan/ganti parameterparameter berikut pada setiap field: Nama: banyak Range: [030] Display Range: [030] Type: trimf Params: [202530] 18

Hasil: 19

Rule Editor Dari FIS editor, pilih: Edit Rules 20

Menyisipkan kaidah IF-THEN pertama: IF (pelayananis mengecewakan) or (makananis hambar) THEN bonus is sedikit Di bawah variabel pelayanan pilih mengecewakan Di bawah variabel makanan pilih hambar Di bawah variabel bonus pilih sedikit Isi bobot Weight dengan 1 Klik Add Rule 21

Menyisipkan kaidah IF-THEN pertama: IF (pelayanan is bagus) THEN bonus is sedang Di bawah variabel pelayanan pilih bagus Di bawah variabel makanan pilih none Di bawah variabel bonus pilih banyak Isi bobot Weight dengan 1 Klik Add Rule 22

Menyisipkan kaidah IF-THEN pertama: IF (pelayananis memuaskan) or (makananis enak) THEN bonus is banya Di bawah variabel pelayanan pilih memuaskan Di bawah variabel makanan pilih enak Di bawah variabel bonus pilih banyak Isi bobot Weight dengan 1 Klik Add Rule 23

Hasil: 24

Rule Viewer Rule viewer menampilkan proses inferensi di dalam FIS. 25

Surface Viewer Surface Viewer menampilkan keluaran FIS dalam plot 3-D 26

Fungsi-FungsiPenampilFIS Tiga perintah: 1. plotfis 2. plotmf 3. Gensurf Ubah terlebih dahulu current directory ke direktori kerja 27

1. Plotfis Dari prompt MATLAB, ketikkan perintah-perintah berikut: >> a = readfis( fisbonus ); >> plotfis(a) 28

2. Plotmf >> plotmf(a, input, 1) 29

>> plotmf(a, input, 2) 30

>> plotmf(a, output, 1) 31

3. Gensurf >> gensurf(a) 32

MembangunFIS TipeSugeno Dari FIS editor, pilihfile New FIS Sugeno 33

KonversiFIS Mamdani FIS Sugeno >> fisbonus =readfis('fisbonus'); >> sgnfisbonus=mam2sug(fisbonus) Respon MATLAB: name: 'fisbonus' type: 'sugeno' andmethod: 'min' ormethod: 'max' defuzzmethod: 'wtaver' impmethod: 'min' aggmethod: 'max' input: [1x2 struct] output: [1x1 struct] rule: [1x3 struct] 34