Fuzzy Associative Memory (FAM) Logika Fuzzy

dokumen-dokumen yang mirip
Fuzzy Associative Memory (FAM) Logika Fuzzy

Sifat-sifat Fungsi Keanggotaan, Fuzzifikasi, Defuzzifikasi. Logika Fuzzy

Relasi Tolerans & Relasi Ekivalen. Logika Fuzzy

Fuzzy Clustering. Logika Fuzzy

Pada dasarnya lebih sulit drpd classifier berdasar teori bayes, terutama untuk data dimensi tinggi.

Perancangan dan Implementasi Embedded Fuzzy Logic Controller Untuk Pengaturan Kestabilan Gerak Robot Segway Mini. Helmi Wiratran

KASUS PENERAPAN LOGIKA FUZZY. Fuzzy tsukamoto, mamdani, sugeno

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

GPENELITIAN MANDIRI RANCANG BANGUN SISTEM KENDALI MOTOR DC MENGGUNAKAN FUZZY LOGIC BERBASIS MIKROKONTROLER

BAB III PERANCANGAN DAN PEMBUATAN SISTEM. Gambar 3. 1 Diagram Blok Sistem Kecepatan Motor DC

ESTIMATOR FUNGSI PDF. Pertemuan 4

Superposisi & Interferensi

Multiple Model Fuzzy Control:

PENGUAT DAYA KELAS A

Implementasi Fuzzy Logic Untuk Mengatur Banyak Air Pada Tanaman Mawar Berdasarkan Suhu Dan Kelembaban

SIMULASI DAN ANALISIS RESPON FUZZY LOGIC CONTROLLER PADA SISTEM SUSPENSI. Sunarno 1, Rohmad 2

BAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan

BAB III METODOLOGI 3.1. PENDAHULUAN

Materi 4: Rangkaian Dioda

Aspek Teknis. Manajemen Proyek (TKE 3101) oleh: Indah Susilawati, S.T., M.Eng.

BAB I Pengenalan Kecerdasan Buatan (Artificial Inteligent / AI ) Created A.Tohir from Dosen Mr.Zulkifli

Pertemuan 8 Aljabar Linear & Matriks

Himpunan Tegas (Crisp)

PENGUKURAN RESISTANSI

ANALISA SISTEM KENDALI FUZZY PADA CONTINUOUSLY VARIABLE TRANSMISSION (CVT) DENGAN DUA PENGGERAK PUSH BELT UNTUK MENINGKATKAN KINERJA CVT

BAB II: TINJAUAN PUSTAKA

IMPLEMENTASI LOGIKA FUZZY UNTUK MENGENDALIKAN PH DAN LEVEL AIR KOLAM RENANG

Bab III Perancangan Sistem

BAB III METODE PENELITIAN

Abdul Halim Dosen Pembimbing Dr. Trihastuti Agustinah, ST., MT

DENIA FADILA RUSMAN

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ

Stabilisasi Robot Pendulum Terbalik Beroda Dua Menggunakan Kontrol Fuzzy Hybrid

Materi 6: Logic Concepts

PEMODELAN SISTEM. Pemodelan & simulasi TM05

Penerapan Logika Fuzzy Pada Sistem Parkir Truk

Perancangan Kontroler Fuzzy untuk Tracking Control Robot Soccer

LATIHAN OTOT UNTUK MENINGKATKAN KEMAMPUAN FUNGSIONAL-NYA PERLU MENGGUNAKAN BEBAN BEBAN : BERAT BADAN SENDIRI BEBAN YG BERASAL DARI LUAR.

METODOLOGI PENELITIAN

JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: ( Print) B-58

Manajemen Waktu Proyek & Penjadwalan Proyek. By Wiji Nurastuti,MT

Contoh Penerapan Algoritma Genetik Untuk Menentukan Fungsi Keanggotaan Misalkan system dengan input dan output tunggal seperti pada table berikut.

IV PENGEMBANGAN FUZZY INFERENSI SISTEM SELEKSI METODE EOR

Viewing 3D. Tujuan: memberi kesan pada viewer bahwa ia melihat foto 3D dengan cara yg sama saat kita memotret obyek 3D ke film 2D.

SISTEM PENGEMBANGAN KENDALI LOGIKA FUZZY BERBASIS PROGRAMMABLE LOGIC CONTROLLER

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

PERANCANGAN SISTEM KONTROL KESTABILAN SUDUT AYUNAN BOX BAYI BERBASIS MIKROKONTROLER MENGGUNAKAN FUZZY LOGIC CONTROL

PERMODELAN DAN SIMULASI KECEPATAN MOTOR DC BERBASIS FUZZY LOGIC CONTROLLER DENGAN 3 FUNGSI KEANGGOTAAN

PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN

IMPLEMENTASI MICROKONTROLLER UNTUK SISTEM KENDALI KECEPATAN BRUSHLESS DC MOTOR MENGGUNAKAN ALGORITMA HYBRID PID FUZZY

Materi 9: Fuzzy Controller

Relasi Tegas (Crips Relation)

Kelayakan Proyek dan Keputusan Investasi

Praktikum sistem Pakar Fuzzy Expert System

SIMULASI PENGENDALI P. I. D. FUZZY PADA SISTEM PENGATURAN KECEPATAN MOTOR ARUS SEARAH

BAB III PERANCANGAN SISTEM

Tahap Sistem Pakar Berbasis Fuzzy

Proceeding Tugas Akhir-Januari

Perancangan Sistem Kontrol Sandar Kapal Otomatis Berbasis Logika Fuzzy di Pelabuhan Tanjung Perak Surabaya

Lima metode defuzzifikasi ini dibandingkan dengan mengimplementasikan pada pengaturan kecepatan motor DC.

BAB III METODE TIME-INVARIANT FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS

Implementasi Fuzzy Logic Pada Microcontroller Untuk Kendali Putaran Motor DC

BAB III ANALISIS DAN PERANCANGAN SISTEM

IMPLEMENTASI METODE LOGIKA FUZZY PADA KONTROL KESEIMBANGAN ROBOT MOBIL BERODA DUA

Materi 8: Introduction to Fuzzy Logic

PEMODELAN SISTEM MEKANIS. Pemodelan & Simulasi TM06

Logika Klasik Misalkan himpunan klasik A dan B. P adl nilai kebenaran bahwa x A dan Q adl nilai kebenaran bahwa x B. jika x A maka T(P) = 1, jika x A

Kampus PENS-ITS Sukolilo, Surabaya

---Sistem Pakar--- By Anjik Sukmaaji

REVIEW JURNAL LOGIKA FUZZY

Ekstremum relatif dan absolut Titik kritis Uji turunan pertama Uji turunan kedua

MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA

SEMINAR TUGAS AKHIR PERANCANGAN SISTEM KONTROL BERBASIS LOGIKA FUZZY UNTUK MENGHINDARI BENDA ASING DI PERAIRAN TANJUNG PERAK

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

PEMODELAN BILANGAN ACAK DAN PEMBANGKITANNYA. Pemodelan & Simulasi

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan

Aplikasi Kendali Fuzzy Logic untuk Pengaturan Kecepatan Motor Universal

adalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK

Sistem Inferensi Fuzzy

PROTOTIPE SISTEM KENDALI TEMPERATUR BERBASIS FUZZY LOGIC PADA SEBUAH INKUBATOR

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN

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

Untuk dapat lebih memahani fuzzy Tsukamoto, berikut contoh kasus :

Model Linear Programming:

Rangkaian AC Tiga-Fase [1]

ANALISIS PERBANDINGAN LOGIKA FUZZY DENGAN REGRESI BERGANDA SEBAGAI ALAT PERAMALAN

Kontroler Fuzzy-PI untuk Plant Coupled-Tank

KONSEP SISTEM DAN PENGELOLAAN INTEGRASI

Penerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk

ALJABAR SET & AKSIOMA PROBABILITAS

Jurnal MIPA 39 (1)(2016): Jurnal MIPA.

BAB IV SIMULASI STABILISASI INVERTED PENDULUM DENGAN MENGGUNAKAN PENGONTROL FUZZY

Metode Fuzzy. Analisis Keputusan TIP FTP UB

Pertemuan 4 Diagram Alur / Flowchart

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini.

Physics Communication

Herry gunawan wibisono Pembimbing : Ir. Syamsul Arifin, MT

IMPEMENTASI KONTROL PID DAN FUZZY LOGIC UNTUK SISTEM KONTROL KECEPATAN MOTOR DC SEBAGAI APLIKASI PRAKTIKUM KONTROL DIGITAL

JENIS PENELITIAN KE-2

Transkripsi:

Fuzzy Associative Memory (FAM) Logika Fuzzy 1

Misalkan suatu sistem fuzzy dengan n input dan satu output. Setiap input X1, X2,, Xn dipartisi menjadi k partisi fuzzy. Maka menggunakan aturan fuzzy IF THEN.. akan dapat dibentuk aturan sebanyak k n Jumlah aturan fuzzy yang digunakan (r), biasanya jauh lbh kecil drpd l atau r << l 2

Jika setiap input X1, X2,, Xn dipartisi dengan jumlah partisi fuzzy yang berbeda, misalnya k1, k2,, kn, maka jumlah aturan fuzzy maksimum yang mungkin adalah: k k... 1 2 k n Untuk sistem fuzzy dengan sejumlah kecil input dan output, maka dapat disajikan bentuk yang kompak utk sistem fuzzy (fuzzy rule-based system). Misalnya sistem dengan 2 input dan satu output. Inputnya adl A dan B, dan masingmasing dipartisi menjadi 7 dan 5 partisi. 3

Outputnya adl C dan dipartisi menjadi 4 partisi. Maka sistem fuzzy dapat direpresentasikan dlm bentuk tabel sbb: Berapa jumlah aturan maks yg mungkin? Berapa jumlah aturan yg dipakai? Tabel seperti pada contoh di atas disebut tabel FAM. 4

y = 10 sin x1 Contoh Misalkan sebuah fungsi nonlinear y = 10 sin x1. Kita akan membuat fuzzy rule-based system untuk mendekati output y. Variabel input x1 ditentukan mpy interval [-180, 180] dan variabel output y ditentukan mempunyai interval [-10, 10]. 10 8 6 4 2 0-2 -4-6 -8-10 -4-3 -2-1 0 1 2 3 4 x1 radian 5

Penyelesaian: Misalkan kita akan mem-partisi x1 menjadi 5 partisi sederhana pd interval [-180, 180] dan output y akan di partisi menjadi 3 fungsi keanggotaan pd interval [-10, 10]. Gambarnya ditampilkan sbb: NB : Negative Big NS : Negative Small Z : Zero PS : Positive Small PB : Positive Big 6

Langkah selnjutnya adl membuat aturan fuzzy-nya. Misalnya akan digunkan 4 aturan fuzzy sbb: 1. IF x1 adl Z atau PB THEN y adl Z 2. IF x1 adl PS THEN y adl PB 3. IF x1 adl Z atau NB THEN y adl Z 4. IF x1 adl NS THEN y adl NB Maka tabel FAM yg dihasilkan adl sbb: Berapa jumlah aturan maks yg mungkin? Berapa jumlah aturan yg dipakai? 7

Untuk mendekati nilai output y maka dipilih beberapa nilai input x1 yg dpt mewakili (gunakan metode inferensi). Kmd gunakan metode cemtroid untuk proses defuzzifikasi-nya. Misalkan akan dicek utk input x1 sbb: Untuk x1 = -135 Aturan 3 dan 4 berlaku (1 dan 2 tdk berlaku) IF x1 adl Z atau NB THEN y adl Z IF x1 adl NS THEN y adl NB 8

aturan 3 IF x1 adl Z atau NB THEN y adl Z maka dpt digambarkan: aturan 4 IF x1 adl NS THEN y adl NB maka dpt digambarkan: 9

maka untuk x1 = -135 diperoleh nilai y sbb: Aturan 3 y = 0 Aturan 4 y = -7 Untuk x1 = -45 Aturan 1, 3 dan 4 berlaku (2 tdk berlaku) IF x1 adl Z atau PB THEN y adl Z IF x1 adl Z atau NB THEN y adl Z IF x1 adl NS THEN y adl NB maka hasil yg diperoleh sama dengan nilai y untuk x1 = -135, yaitu: Aturan 1 y = 0 Aturan 3 y = 0 Aturan 4 y = -7 10

Untuk x1 = 45 Aturan 1, 2, dan 3 berlaku (4 tdk berlaku) IF x1 adl Z atau PB THEN y adl Z IF x1 adl PS THEN y adl PB IF x1 adl Z atau NB THEN y adl Z Untuk proses defuzzifikazi lihat pada cara mencari nilai y utk x1 = - 45 (aturan 1) dan utk x1 = - 135 (aturan 3) 11

aturan 2 IF x1 adl PS THEN y adl PB maka dpt digambarkan sbb: maka untuk x1 = 45 diperoleh nilai y sbb: Aturan 1 y = 0 Aturan 2 y = 7 Aturan 3 y = 0 12

Untuk x1 = 135 Aturan 1 dan 2 berlaku (3 dan 4 tdk berlaku) IF x1 adl Z atau PB THEN y adl Z IF x1 adl PS THEN y adl PB maka untuk x1 = 135 diperoleh nilai y sbb: Aturan 1 y = 0 Aturan 2 y = 7 Hasil keseluruhan: x1-135 -45 45 135 y 0 0 0 0-7 0 0 7-7 7 13

Dengan mengambil nilai terbesar (tanpa memperhatikan positif atau negatifnya) dari nilai output y untuk masingmasing nilai input maka plot input-output sistem dapat digambarkan sbb. Bandingkan dengan grafik y = 10 sin x1 pada hal. 5. Bgmn caranya spy bentuk grafik smkn mendekati aslinya? 14

Quiz Grafik yang menggambarkan tegangan terhadap waktu diperlihatkan pada gambar berikut. y 12 x Input x dipartisi menjadi 5 partisi pd jangkauan [-1, 1]. Output y dipartisi menjadi 3 partisi pd jangkauan [0, 12]. Lihat gambar berikut. 15

Partisi untuk input x Partisi untuk output y 16

Pertanyaan: Buatlah aturan fuzzy untuk mendekati output (3 aturan saja) Ambil 5 nilai x untuk kemudian dicari nilai outputnya (y) x = - 0,6; - 0,3; 0; 0,3; 0,6. Gunakan metode centroid utk proses defuzzifikasi-nya Gambarlah grafik y terhadap x (dari hasil pendekatan). Bandingkan dengan grafik aslinya. 17