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

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

Praktikum 10 Tim Asisten Praktikum Sistem Pakar

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

JOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi

LOGIKA FUZZY MENGGUNAKAN MATLAB

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

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI

: Pengantar Intelegensi Buatan. Worksheet 2 : Praktikum Fuzzy Logic menggunakan MATLAB

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

Studi Kasus Fuzzy Logic 2016

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

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

Sist Sis em t Fuzzy Fuzz Sistem Pakar

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

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

BAB III. Sub Kompetensi :

Fuzzy Logic dengan Menggunakan MATLAB Bahan Kuliah

LAPORAN PRAKTIKUM TEKNIK DAN INSTRUMENTASI KENDALI. M-File dan Simulink

BAB 2 TINJAUAN PUSTAKA

BAB II LANDASAN TEORI

BAB 3 ALGORITMA PERENCANAAN SISTEM PENGENALAN PENYAKIT DARAH

BAB 2 LANDASAN TEORI

BAB III PERANCANGAN SISTEM

Praktikum sistem Pakar Fuzzy Expert System

BAB III LANDASAN TEORI

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

PENGEMBANGAN SISTEM PAKAR FUZZY

DENIA FADILA RUSMAN

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

Manifold Pressure. Engine Temp

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

ANALISIS PERBANDINGAN LOGIKA FUZZY DENGAN REGRESI BERGANDA SEBAGAI ALAT PERAMALAN

MODEL PENDUGA JUMLAH PRODUKSI PIL KB TRINORDIOL*-28: STUDI KASUS PT.SUNTHI SEPURI

Metode Fuzzy. Analisis Keputusan TIP FTP UB

PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012

FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR

NURAIDA, IRYANTO, DJAKARIA SEBAYANG

Kontroler Fuzzy-PI untuk Plant Coupled-Tank

Data reaksi berikut telah diperoleh dari reaksi peluruhan sederhana: Menggunakan MATLAB untuk memplot konsentrasi komponen A dalam mol/l

BAB II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas

EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI

BAB IV PEMBAHASAN. A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai. Pertimbangan Pengambilan Keputusan Pemberian Kredit

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

Aplikasi Fuzzy Inference System Dalam Penilaian Prestasi Mahasiswa

Petra Fuzzy Develpoment System for MCS51 Family Versi 1.1. Beberapa fasilitas yang tersedia daalam software PetraFuz51 adalah

FUZZY SYSTEM & FUZZY REASONING DEPARTEMEN ILMU KOMPUTER IPB

BAB 2 TINJAUAN PUSTAKA

ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG

Elin Haerani. Kata Kunci : Defuzzifikasi, COA (center of area), bisektor, MOM (mean of maximum) LOM

BAB 2 LANDASAN TEORI

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

PERANCANGAN KONTROLER LOGIKA FUZZY UNTUK TRACKING CONTROL PADA ROBOT SUMO

LAB SHEET PRAKTIK PEMROGRAMAN KOMPUTER

Logika Fuzzy. Farah Zakiyah Rahmanti 2016

Contoh Kasus. Bagus Ilhami HIdayat

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ

DAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PENGESAHAN... ii. HALAMAN PERNYATAAN... iii. KATA PENGANTAR... iv. MOTO DAN PERSEMBAHAN... v. DAFTAR ISI...

Materi Bagian 01 Pengenalan Grasshopper... 4

DAFTAR ISI. KATA PENGANTAR i. DAFTAR ISI. iv. DAFTAR GAMBAR. viii. DAFTAR TABEL. x. DAFTAR LAMPIRAN.. xi. 1.1 Latar Belakang dan Rumusan Masalah..

BAB 2 LANDASAN TEORI

PRAKTIKUM ISYARAT DAN SISTEM TOPIK 0 TUTORIAL PENGENALAN MATLAB

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

Fuzzy Rule Decomposition. Prof. Dr. Sardi Sar Dr. Ir. Wahidin Wahab M.Sc.

LAPORAN PRAKTIKUM TEKNIK DAN INSTRUMENTASI KENDALI. Simulasi Model Dinamik

PENERAPAN LOGIKA FUZZY UNTUK MENGUKUR KINERJA FRONTLINER PEGAWAI BANK BRI

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

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

ANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB

MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN

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

Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen

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

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

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

BAB I. 1 P e m r o g r a m a n V i s u a l B a s i c - J a t i L e s t a r i

SISTEM PAKAR FUZZY PENENTUAN KUALITAS KAKAO. Oleh

METODOLOGI PENELITIAN

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA

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

BAB 4 IMPLEMENTASI & EVALUASI

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

V. IMPLEMENTASI SISTEM. yang dibutuhkan oleh sistem dari media penyimpan program ke dalam media

Gambar 1. Jendela Ms. Access Pilihan: New : menu untuk membuat file basis data baru. Recent : menu untuk membuka file basis data yang sudah ada.

GUI Matlab untuk membuat grafik fungsi

LOGIKA FUZZY DALAM TEKNIK PERAMALAN SECARA STATISTIK

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN

ANALISA SISTEM PENILAIAN TINGKAT KUALITAS PENGAJAR MENGGUNAKANLOGIKA FUZZY MAMDANI (STUDI KASUS PADA POLIBAN)

JURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 4 NO. 1 SEPTEMBER 2011

BAB 2 LANDASAN TEORI

Perancangan Graphical User Interface untuk Pengendalian Suhu pada Stirred Tank Heater Berbasis Microsoft Visual Basic 6.0

BAB 3 LAYAR WINDOW 3.1. WINDOW VIEW

BAB 6 LAYAR WINDOW 6.1. WINDOW VIEW

IMPLEMENTASI LOGIKA FUZZY UNTUK MENGENDALIKAN PH DAN LEVEL AIR KOLAM RENANG

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

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

IMPLEMENTASI SISTEM FUZZY UNTUK PENGATURAN LAMPU LALU LINTAS BERDASARKAN KEPADATAN ARUS KENDARAAN

Herry gunawan wibisono Pembimbing : Ir. Syamsul Arifin, MT

PETUNJUK PRAKTIKUM GEOGEBRA

PENGENALAN APLIKASI STATISTICAL PRODUCT AND SERVICE SOLUTIONS (SPSS)

Transkripsi:

SISTEM CERDAS LATIHAN FUZZY LOGIC Dr. Fatchul Arifin, ST., MT. Email: fatchul@uny.ac.id Phone: +6285725125326

Latihan 1 Fuzzy If Then Rule 1. Dasar Teori If then Rules If then Rules digunakan untuk menyatakan kondisional fuzzy logic, yang secara umum berbentuk: if x adalah A then (maka) y adalah B Bagian x adalah A disebut antecedent atau premise, sementara bagian y is B dinamakan consequent atau conclusion. Contohnya : if service is good then tip is average Bagian antecedent dapat lebih dari satu (multiple) contohnya: if sky is gray and wind is strong and barometer is falling, then Disini seluruh antecedent akan dikalkulasi yang akan mempengaruhi consequent tersebut. Demikian juga bagian consequent dapat lebih dari satu. Misalnya: if temperature is cold then hot water valve is open and cold water valve is shut Seluruh consequent dipengaruhi oleh satu buah antecedent. Bagaimana cara beberapa buah antecedent mempengaruhi consequent? Hal ini akan ditentukan oleh fungsi implikasi (implication function) dari fuzzy logic. Yang paling sering digunakan adalah min dan prod. Secara global ada tiga langkah dalam menerapkan fuzzy if then rules 1. Fuzzifikasi input. : Seluruh statemen dalam antecedent kita pecahkan dalam derajat membership function antara 0 dan 1. 2. Meng-plikasikan fuzzy operator pada multiple antecedents: jika if then rule punya antecedent lebih dari satu maka kita gunakan fuzzy logic operators yang akhirnya akan menghasilkan satu nilai input saja. 3. Mengaplikasikan implication fuzzy: Hasil dari antecedent (derajat MF) digunakan untuk menentukan derajat MF dari output. (derajat MF Output menunjukkan kualitas dari output. Seluruh proses mulai dari memetakkan antecedent ke dalam MF sampai dengan menarik kesimpulan output disebut Fuzzy Inference System. 2. Alat/Instrument/Aparatus/Bahan 3. Keselamatan Kerja 4. Langkah Kerja A. Singel Anticedent 1) Hidupkan komputer dan siapkan software matlab 2) Pada percobaan ini akan digunakan graphical user interface (GUI) tools yang disediakan oleh fuzzy toolbox dari matlab. Pada command window ketik fuzzy lalu enter (eksekusi). Maka akan muncul FIS (fuzzy infgerence system) editor. 3) Pada percobaan ini kita memiliki satu buah if then rules (single rules dan single anticedent) if service is good then tip is average 4) Click satu kali pada box bagian kiri (kuning) dengan tanda input1 5) Pada bagian edit kanan (warna putih) ubah input1 dengan service, tekan enter 6) Click satu kali pada box bagian kanan (biru) box dengan tanda output1. 7) Pada bagian edit kanan (warna putih) ubah output1 dengan tip, tekan enter 8) Dari menu File pilih Save to workspace as... simpan dengan nama tipper_1.

Mengatur Membership function 9) Pilih variable input, service, double-click pada nya. Set Range dan Display Range pada vector [0 10]. 10) Pilih Add MFs... dari menu Edit. pilih gaussmf untuk MF Type dan 3 untuk Number of MFs. 11) Click satu kali pada curva paling kiri. Ubah nama kurva tersebut dengan poor. Untuk mengatur bentuk kurva MF dapat digunakan mouse (click dan drag), atau dapat juga ketikkan perubahan parameter yang diinginkan. Sementara gunakan Defaulnya saja 12) Dengan cara yang sama namailah kurva yang bagian puncak/punggung ditengah dengan good, dan kurva dengan punggung di bagian paling kanan dengan excellent. 13) Selanjutnya buat MF untuk output tip 14) Dengan cara yang sama pada input tambahkan 3 buah MF triangular dengan display range [0 30] 15) MF I namailah cheap dengan parameter [0 5 10], MF II dengan nama average dengan parameter [10 15 20], and MF III generous dengan parameter [20 25 30]. Menulis If Then Rules 16) Buka edit rule melalui menu View pilih Edit rules... Lakukanlah pembuatan RULE, lalu tekan Enter, missal buatlah: if service is good then tip is average Double/Multiple Anticedent 17) Tambahkan satu buah input untuk multiple anticedent 18) Dengan cara yang sama dengan langkah 9-12, atur input tsb. Dengan nama food dan nama 2 buah MF rancid dan delicious 19) Selanjutnya melalui menu edit rules aturlah if then rules. Misalnya buatlah: If (service is poor) or (food is rancid) then (tip is cheap) (1) 21. Ubahlah Rule-rule diatas menggunakan not. Amati hasilnya. 5. Bahan Diskusi Amati setiap yang anda buat, diskusikan dengan teman anda. 6. Lampiran : Sesuaikan dengan gambar yang diperoleh

Latihan 2 Fuzzy Reasoning 7. Dasar Teori Angregation Pada Praktikum sebelumnya telah dijelaskan if then rules untuk single rule. Bagaiamana bila rules yang ada lebih dari satu? Rule akan tetap berjalan biasa, dengan masing-masing rule akan punya output. Output dari setiap rules akan dikombinasikan untuk menghasilkan satu keputusan (output fuzzy). Aggregation adalah sebuah process pengkombinasian output fuzzy dari masing-masing rules ke dalam single output fuzzy. Minimal ada tiga metode aggregation : max (maximum), probor (probabilistic or), dan sum (jumlah dari masing-masing output). Lihat gambar di bawah: Defuzzyfikasi Output dari angregation masih berupa set fuzzy. Agar output tersebut menjadi sebuah angka tunggal (yang siap digunakan) maka harus melalui proses defuzzifikasi. Jadi proses defuzzifikasi memiliki inut set fuzzy sedangkan outputnya bilangan tunggal. Ada beberapa metode defuzzifikasi, antara lain: - centroid, - bisector, - middle of maximum (the average of the maximum value of the output set), - largest of maximum, and - smallest of maximum. Dan yang paling banyak digunakan adalah centroid 8. Alat/Instrument/Aparatus/Bahan 9. Keselamatan Kerja 10. Langkah Kerja Hidupkan komputer dan siapkan software matlab Pada percobaan ini kita memiliki tiga buah if then rules If (service is poor) or (food is rancid) then (tip is cheap) (1) If (service is good) then (tip is average) (1) If (service is excellent) or (food is delicious) then (tip is generous) (1) Buatlah dua buah input dengan nama service dan food serta satu buah output dengan nama tip, lengkap beserta MF masing masing. Melalui Edit rules pada menu View, atur configurasi rule seperti pada point 2. Amati, menggunakan menu view rules dan view survace! apa kesimpulan anda? Ubah setia anticedent dan consequent yang ada pada rule menggunakan complement-nya masingmasing. Amati dan apa komentar anda? Buatlah rule sendiri dan cobalah ulangi semua langkah di atas!

Latihan 3 Aplikasi fuzzy Pengatur Level air 11. Alat/Instrument/Aparatus/Bahan 12. Keselamatan Kerja 13. Langkah Kerja I. Membandingkan Kendali Fuzzy dengan Kendali PID Hidupkan komputer dan siapkan software matlab Pada Command Windows ketikkan sltank Gambar tersebut adalah gambar simulasi kendali level air. Kendali level air yang ada dalam gambar tersebut dapat dikendalikan dengan 2 macam pengendali : Kendali fuzzy dan PID. Amati bagian manakah yang menentukan untuk memili jenis kendali yang akan digunakan. Double klik pada..isi dengan nilai 0, berarti yang bekerja adalah kendali FUZZY. Selanjutnya jalankan simulasi tersebut dengan masuk ke menu >> Simulasi >> running Amati hasil pengendalianya. Gambar grafik responya Ulangi langkah 4, dan isikan -2. Berarti jenis kendali yang manakah yang dipilih? Selanjutnya jalankan simulasi kendali tersebut!! Amati dan ambar grafik responya! Bandingkan hasil kedua pengamatan tsb. Apa kesimpulan anda??? II. Melihat Design Fuzzy yang digunakan dalam simulasi Water tank 1. Double klik pada blok Kendali Fuzzy. Apa nama system fuzzy yang digunakan?? 2. Bukalah FUZZY INFERENCE SYSTEM (FIS) Tollbox, dengan mengetikkan FUZZY pada command windows. 3. Export lah system kendali yang digunakan oleh water tank ke dalam FIS. Masuk ke menu edit pilih export pilih workspace selanjutnya ketikkan nama system fuzzy yang digunakan oleh water tank tank. 4. Amatai berapa jumlah input? Apa saja? Jumlah output? Masing-masing input dan outpt mempunyai berapa buah MF? Sebutkan masing-masing. 5. 14. Bahan Diskusi Amati setiap yang anda buat, diskusikan dengan teman anda. 15. Lampiran : Sesuaikan dengan gambar yang diperoleh