REVIEW JURNAL LOGIKA FUZZY Disusun oleh : Gita Adinda Permata 1341177004309 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS NEGERI SINGAPERBANGSA KARAWANG
KATA PENGANTAR Assalamualaikum Wr. Wb. Dengan memanjatkan puji syukur kehadirat Allah Subhanahu Wa Ta ala yang telah melimpahkan segenap Rahmat dan Hidayah-Nya sehingga penulis dapat menyelesaikan tugas review ini dengan judul Logika Fuzzy Atas tersusunnya Laporan Tugas Akhir ini, penulis mengucapkan terima kasih yang sebesar-besarnya kepada Ibu Betha Nurinasari M.,Kom selaku dosen Pengantar Intelegensi Buatan. Penulis menyadari sepenuhnya bahwa dalam penyusunan Tugas ini masih jauh dari sempurna. Untuk itu kritik dan saran yang bersifat membangun guna perbaikan dimasa mendatang akan penulis terima dengan senang hati beserta ucapan Terima Kasih. Wassalamualaikum Wr. Wb. Penulis Karawang, 3 Februari 2016 R e v i e w J u r n a l i
DAFTAR ISI KATA PENGANTAR... i DAFTAR ISI... 1 BAB I JUDUL... 2 BAB II PEMBAHASAN... 3 2.1. Latar Belakang... 3 2.2. Rumusan Masalah... 4 2.3. Tujuan Penellitian... 4 2.4. Metode yang Digunakan... 4 2.5. Eksperimen dan Hasil... 4 2.6. Kesimpulan... 8 1 R e v i e w J u r n a l
BAB I JUDUL Judul Jurnal : STUDI INFERENSI FUZZY TSUKAMOTO UNTUK Tahun : 2012 PENENTUAN FAKTOR PEMBEBANAN TRAFO PLN. Penulis : Fanoeel Thamrin 2 R e v i e w J u r n a l
BAB II PEMBAHASAN 2.1. Latar Belakang Semakin berkembangnya teknologi tenaga listrik menyebabkan proses pemantauan dan diagnosis pada sistem tenaga listrik menjadi sangat kompleks. Pemantauan kondisi peralatan tenaga listrik secara manual tidak memberikan solusi yang tepat. Gangguan pada trafo dapat mengakibatkan terbakarnya trafo dan juga turunnya kinerja trafo. Oleh karena itu, pemeliharaan dan pendeteksian kerusakan trafo perlu dilakukan secara rutin agar trafo bisa bekerja sesuai dengan masa pemakaian maksimumnya. Permasalahannya adalah biaya yang cukup besar diperlukan untuk mendatangkan seorang ahli dalam pemeliharaan dan pemeriksaan trafo secara rutin, disamping kerusakan trafo yang juga akan mengakibatkan kerugian yang besar, dimana pada saat ini masalah penghematan energi di antaranya dengan penghematan biaya operasi. Berdasarkan permasalahan tersebut maka perlu dikembangkan perangkat lunak dengan kemampuan sama atau mendekati seorang pakar diagnosis trafo dengan ketelitian dan kecepatan tinggi terhadap pemeliharaan pada trafo sebelum terjadi kerusakan. Berdasarkan hal tersebut, maka dalam membangun sistem pakar untuk pemeliharaan preventif digunakan logika fuzzy yang mampu menangani ketidakjelasan dan ketidakpastian dari berbagai variabel pemeliharaan trafo yang digunakan. Logika fuzzy yang digunakan adalah sistem inferensi fuzzy Tsukamoto karena metode ini menggunakan aplikasi nilai monoton, Output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength). Sistem yang akan dibangun berbasis web yang dapat memberikan informasi kepada para teknisi PLN khususnya yang berkecimpung dibidang pemeliharaan trafo distribusi PLN. 3 R e v i e w J u r n a l
2.2. Rumusan Masalah Bagaimana membuat aplikasi sistem pakar dengan menggunakan teknik inferensi logika fuzzy Tsukamoto untuk pemeliharaan preventif pada trafo PLN. 2.3. Tujuan Penellitian Tujuan dari penelitian ini adalah membuat aplikasi sistem pakar sebagai alat bantu bagi para teknisi PT.PLN dalam melakukan pemeliharaan preventif pada trafo PLN dengan menggunakan teknik inferensi logika fuzzy Tsukamoto sehingga dapat dilakukan pemeliharaan sesuai dengan gejala awal gangguan. 2.4. Metode yang Digunakan Variabel fuzzy menggunakan fungsi keanggotaan trapesium sebagai pendekatan untuk memperoleh derajat keanggotaan suatu nilai dalam suatu himpunan fuzzy. Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaan yang memiliki nilai interval antara 0 dan 1. Salah satu representasi fungsi keanggotaan dalam fuzzy yang akan dipakai adalah representasi trapesium. Pada dasarnya, metode Tsukamoto mengaplikasikan penalaran monoton pada setiap aturannya. Karena menggunakan konsep dasar penalaran monoton, pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α- predikat (fire strength). Proses agregasi antar aturan dilakukan, dan hasil akhirnya diperoleh dengan menggunakan defuzzy dengan konsep rata-rata terbobot. 2.5. Eksperimen dan Hasil Pada pembuatan sistem pendukung keputusan ini terlebih dahulu dibuat variabel linguistik untuk proses fuzzyfikasi yang terdapat pada table di bawah ini : 4 R e v i e w J u r n a l
Gambar 4.6.1 Tabel variabel linguistik. Untuk Variabel Pembebanan Trafo ini dibagi dalam 4 kategori yaitu rendah (<40), sedang (40 Pembebanan 60 ), cukup tinggi (60 Pembebanan 80 ), tinggi (Pembebanan> 80). Dari pembagian kategori ini nantinya dapat diketahui fungsi keanggotaannya pada setiap himpunan fuzzy rendah, cukup tinggi, tinggi. Representasi trapesium pembebanan trafo. Variabel Ketidakseimbangan beban ini dibagi dalam 2 kategori yaitu rendah (<20), tinggi (>20). Dari pembagian kategori ini nantinya dapat diketahui fungsi keanggotaannya pada setiap himpunan fuzzy rendah dan tinggi. 5 R e v i e w J u r n a l
Representasi trapesium ketidak seimbangan beban. Variabel faktor daya ini dibagi dalam 1 kategori yaitu rendah (<0,85) dan normal (0,85-1). Dari pembagian kategori ini nantinya dapat diketahui fungsi keanggotaannya pada setiap himpunan fuzzy rendah dan tinggi. Gambar 4.6.2 Representasi trapesium faktor daya. Variabel tegangan ini dibagi dalam 3 kategori yaitu rendah (< 195 V), normal ( 195< V <231) dan tinggi ( >231 V). Dari pembagian kategori ini 6 R e v i e w J u r n a l
nantinya dapat diketahui fungsi keanggotaannya pada setiap himpunan fuzzy rendah, normal dan tinggi. Representasi trapesium tegangan. Diagram konteks sistem inferensi fuzzy ini ditampilkan pada gambar di atas. Dalam diagram alir data ini admin dapat mengolah data basis pengetahuan, data login. Sedangkan user dapat memasukkan data variabel masukan trafo, data login. Dan user dapat melihat info pembebanan trafo, info ketidak seimbangan beban, info tindakan pemeliharaan trafo. Diagram alir data spk. 7 R e v i e w J u r n a l
2.6. Kesimpulan Dari jurnal diatas yang dapat saya simpulkan dengan baik yaitu : Jurnal dengan metode Tsukamoto dapat digunakan sistem pakar yaitu dalam sistem pendukung keputusan. Metode Tsukamoto ini menggunakan aplikasi nilai monoton, Output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength). Logika fuzzy memiliki variabel linguistik seperti rendah, sedang, tinggi. 8 R e v i e w J u r n a l
9 R e v i e w J u r n a l