KATA PENGANTAR
Puji syukur kehadirat Allah SWT berkat rahmat dan hidayah-Nya, shalawat serta salam selalu kita ucapkan kepada junjungan Nabi Muhammad SAW, yang telah menjadi suri tauladan bagi semua orang, sehingga pada kesempatan ini penulis dapat menyeleaikan tugas laporan Fisika Kelautan ini dengan baik.
Laporan Fisika Kelautan ini disusun sebagai salah sarat untuk memenuhi tugas mata kuliah Fisika Kelautan dan untuk melatih mahasiswa dalam mengerjakan serta menerapkan ilmu pembuatan program kepintaran buatan khususnya menggunakan logika fuzzy.
Penulis menyadari bahwa lappran ini masih banyak kekurangan dan kesalahan serta masih jauh dari sempurna. Oleh karena itu kritik dan saran yang bersifat membangun sangat penulis harapkan.
Penulis berharap lapran ini dapat bermanfaat dan berguna bagi tim penyusun lain dan orang lain khususnya bagi mahasiswa pada umumnya.
Surabaya, 9 April 2016
DAFTAR ISI
KATA PENGANTAR ... i
DAFTAR ISI ... ii
DAFTAR GAMBAR ... iii
BAB I PENDAHULUAN ... 4
1.1 Latar Belakang ... 4
1.2 Rumusan Masalah ... 4
1.3 Tujuan ... 5
BAB II PEMBAHASAN ... 6
2.1... Pengertian Fuzzy Logic ... 6
2.2... Derajat Kebenaran ... 6
2.3... Alasan Menggunakan Fuzzy Logic ... 7
2.4... Fungsi Keanggotaan Fuzzy Logic ... 8
2.5... Rancangan Pembuatan Program Sisa Penjualan Barang ... 9
2.6... Membuat Simulink ... 14
BAB III PENUTUP ... 18
3.1 Kesimpulan ... 18
3.2 Saran ... 18
DAFTAR GAMBAR
Gambar 1. Tambilan Awal Matlab ... 11
Gambar 2. Tampilan Awal Fuzzy Toolbox ... 11
Gambar 3. Penenambah Input ... 11
Gambar 4. Mengganti Nama ... 12
Gambar 5. Tampilan Member Function... 12
Gambar 6. Fungsi Keanggotaan Harga ... 13
Gambar 7. Fungsi Keanggotaan Kualitas ... 13
Gambar 8. Fungsi Keanggotaan Sisa Penjualan ... 13
Gambar 9. Tampilan Rules Editor ... 13
Gambar 10. Rules ... 14
Gambar 11. Tampilan Rules Viewer ... 14
Gambar 12. Tampilan Surface Viewer ... 15
Gambar 13. Workspace Variabel ... 15
Gambar 14. Model ... 15
Gambar 15. Simulink dan Model ... 16
Gambar 16. Drag Constant ke Model ... 16
Gambar 17. Drag Mux ke Model ... 16
Gambar 18. Drag Fuzzy Logic Controller ke Model ... 17
Gambar 19. Drag Display ke Model ... 17
Gambar 20. Menyambungkan Komponen ... 17
Gambar 21. Fuzzy Logic Controller ... 18
BAB I PENDAHULUAN
1.1 Latar Belakang
Logika fuzzy atau fuzzy logic bermula dari kenyataan bahwa dunia nyata sangat kompleks. Kompleksitas ini muncul dari ketidakpastian dalam bentuk informasi imprecision (ketidakpastian). Mengapa komputer yang dibuat oleh manusia tidak mampu menangani persoalan yang kompleks dan tidak presisi ini sedangkan manusia bisa. Jawabanya adalah manusia mempunyai kemampuan untuk menalar (Reasoning) dengan baik yaitu kemampuan yang komputer tidak mempunyainya. Pada suatu sistem jika kompleksitasnya berkurang, maka persamaan matematik dapat digunakan dan ketelitian yang dihasilkan menjadi sangat berguna dalam pemodelan sistem tetapi jika kompleksitasnya bertambah dimana persamaan matematik tidak dapat digunakan.
Logika fuzzy merupakan alternatif cara berpikir yang dapat memodelkan kompleks sistem menggunakan pengetahuan dan pengalaman yang dipunyai logika dimulai sebagai studi tentang bahasa dalam argument dan persuasif , dan hal itu kemungkinan digunakan untuk menilai kebenaran dari rantai reasoning, dalam bentuk matematikanya sebagai contoh adalah sebagai berikut : Dalam dua nilai logika proporsinya bisa benar atau salah , tetapi tidak keduanya. Kebenaran ditandai dengan statement(pernyataan) nilai kebenaran. Dalam fuzzy logic proporsi kemungkinan benar atau salah atau mempunyai setengah nilai kebenaran, seperti kemungkinan benar.
1.2 Rumusan Masalah
1. Apa Pengertian dari Fuzzy Logic? 2. Apa itu Himpunan Fuzzy Logic?
3. Bagaimana Rancangan Program Sisa Penjualan Barang dengan Fuzzy Logic?
1.3 Tujuan
1. Mahasiswa Memahami Pengertian Fuzzy Logic 2. Mahasiswa Memahami Himpunan Fuzzy Logic
3. Mahasiswa Memahami Rancangan Program Sisa Penjualan Barang dengan Fuzzy Logic
BAB II terkesan seperti memiliki perasaan, karena memiliki keputusan lain selain iya (logika 1) dan tidak (logika 0). Oleh karena itu fuzzy logic sangat berbeda jauh dari alur logaritma pemrogaman
Sebagai contoh adalah robot yang menggunakan fuzzy logic dapat memprediksikan kapan ia harus bertindak atau menghindar saat ada halangan di depannya dengan hanya ada peringatan ‘awas’ dan tanpa ada hitungan matematis yang diberikan oleh user. Sedangkan robot yang menggunakan alogaritma pemrograman konvensional tidak akan dapat memutuskan sendiri untuk menghindar dari halangan yang ada di depannya.
Logika Fuzzy, yang dalam bahasa Indonesia dapat diartikan sebagai Logika Kabur atau Logika Samar, dapat dikatakan sebagai “logika baru yang sudah lama”. Hal ini karena ilmu tentang logika fuzzy secara modern dan metodis ditemukan pada tahun 1965, namun konsep logika fuzzy sudah melekat pada diri manusia, sejak manusia ada. Konsep logika fuzzy dapat dengan mudah kita temukan pada perilaku manusia dalam kesehariannya
2.2. Derajat Kebenaran
Masukan Crisp adalah masukan yang tegas dan tertentu dan Lingkup / Domain adalah lebar fungsi keanggotaan. Jangkauan konsep, biasanya bilangan, tempat dimana fungsi keanggotaan dipetakkan. Disini domain dari fuzzy set ( fungsi keanggotaan ) adalah dari 0 sampai 20 derajat dan lingkupnya adalah 20 derajat. Daerah Batasan Crisp adalah jangkauan seluruh nilai yang mungkin dapat diaplikasikan pada variabel sistem. Menggunakan logika fuzzy untuk mencapai penyelesaian crisp pada masalah khusus biasanya melibatkan tiga langkah : fuzzyfikasi, evaluasi rule, dan defuzzyfikasi. Jika anda tidak / belum mengetahui bagaimana logika fuzzy itu bekerja kami sarankan agar anda benar benar memahami betul tiap langkah dalam bagian berikutnya.
2.3. Alasan Menggunakan Fuzzy Logic
Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain:
1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari
2. penalaran fuzzy sangat sederhana dan mudah dimengerti. 3. Logika fuzzy sangat fleksibel.
4. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.
5. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks.
6. Logika fuzzy dapat membangun dan mengaplikasikan pengalamanpengalaman
7. para pakar secara langsung tanpa harus melalui proses pelatihan. 8. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali
secara konvensional.
2.4. Fungsi Keanggotaan Fuzzy Logic
Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi.
a. Representasi Linear
(Representasi fungsi keanggotaan linear) Fungsi keanggotaan :
μ
[
x]
=x−b a−b( (Persamaan 1)
b. Representasi Kurva Segitiga
(Representasi fungsi keanggotaan segitiga) 0 b a
Fungsi keanggotaan :
μ
[
x]
=max(
min(
h−hc+x,c+hh−x)
,0)
(Persamaan 2)
c. Representasi Kurva Trapesium
(Representasi fungsi keanggotaan trapesium) Fungsi keanggotaan :
2.5. Rancangan Program Sisa Penjualan Barang
Pada kesempatan yang sangat berharga ini, kami manfaatkan tugas yang diberikan untuk membuat suatu program kecerdasan buatan yang kami manfaatkan sebaik mungkin agar dapat dipahami sebaik mungkin, oleh karena itu dipilih permasalahn yang tidak begitu rumit yaitu program kecerdasan buatan sisa penjualan barang. Program akan menghitung berapa sisa barang hasil penjualan dengan menggunakan dua input yaitu harga barang dan kualitas barang, dari dua input tersebut akan menghasilkan output seberapa banyak barang yang tersisa dari hasil penjualan barang dengan pengaruh dua input sebelumnya.
1. Membuka software Matlab, menunggu sampai mucul tampilan seperti berikut
2. Mengetik “fuzzy” pada command windows untuk masuk ke Fuzzy Toolbox, menunggu sampai muncul tampilan seperti berikut
3. Menambah Input dengan cara klik Edit > Add Variable > Input , sampai muncul tampilan seperti berikut
(Gambar 1. Tampilan awal Matlab)
4. Mengganti nama Input 1, Input 2 dan Output 1 dengan Harga, Kualitas dan Sisa Penjualan dengan cara menggantinya pada kolom Name.
5. Membuat Fungsi Keanggotaan dengan cara klik Edit > Member Function dan menunggu sampai muncul tampilan seperti berikut
6. Membuat Fungsi Keanggotaan sesuai dengan program dan kebutuhan atau mengambil dari data real.
(Gambar 4. Mengganti Nama)
7. Masuk ke Rule Editor dengan cara klik Edit > Rules, menunggu sampai muncul tampilan seperti berikut.
(Gambar 7. Fungsi Keanggotaan Kualitas) (Gambar 6. Fungsi Keanggotaan Harga)
(Gambar 8. Fungsi Keanggotaan Sisa Penjualan)
8. Membuat Rule sesuai dengan kebutuhan dan disesuaikan dengan rule table yang sudah dibuat.
9. Melihat hasil rules di Rule Viewer dari hasil rule yang sudah dibuat di Rule Editor dengan cara klik View > Rules
10. Melihat Surface di Surface Viewer dari hasil rule yang sudah dibuat di Rule Editor dengan cara klik View > Surface
(Gambar 10. Rules)
11. Menyimpan hasil pekerjaan dengan cara klik File > Export > To File lalu simpan di tempat yang diinginkan. Lalu ulangi kembali klik File > Export > To Workspace lalu copy Workspace Variablenya untuk membuat
Simulink.
2.6. Membuat Simulink
Simulink pada Matlab adalah salah satu fitur dari matlab untuk mensimulasi suatu desain atau model yang bersifat dinamis ataupun tertanam. Langkah membuat Simulink adalah sebagai berikut :
1. Kembali ke tampilan awal Matlab, klik File > New > Model dan tunggu sampai muncul tampilan seperti berikut.
(Gambar 12. Surface Viewer)
(Gambar 13. Workspace Variabel)
2. Kembali ke tampilan awal Matlab, lalu ketik “Simulink” di Command Window, sehingga aka nada dua windows yang terbuka yaitu Model dan Simulink. tunggu sampai muncul tampilan sebagai berikut
3. Klik Sources di Simulink Libraries, klik dan tahan pada pilihan Constant dan drag ke model, mengulangi tahap ini sekali lagi karena kami menggunakan dua input.
4. Klik Signal Routing di Simulink Libraries, pilih dan drag Mux ke Model.
(Gambar 15. Simulink (kiri) dan Model (kanan)
(Gambar 16. Mendrag Constant ke Model )
5. Klik Fuzzy Logic Toolbox Libraries lalu pilih Fuzzy Logic Controller dan drag ke Model.
6. Klik Sink di Simulink Libraries, pilih dan drag Display ke Model
7. Menyambungkan semua komponen
(Gambar 18. Mendrag Fuzzy Logic Controller)
(Gambar 19. Mendrag Display ke Model)
8. Double Klik di Komponen Fuzzy Logic Controller lalu Paste nama program yang tadi di copy saat di export ke wokspaces. Lalu klik apply dan ok
9. Simulasi. Maukan nilai Harga dan Kualitas, lalu klik start.
BAB III
(Gambar 21. Fuzzy Logic Controller)
PENUTUP
3.1 Kesimpulan
Pada tugas pembuat kecerdasan buatan untuk menentukan sisa barang penjualan ini kami menggunakan logika fuzzy dengan metode mamdani. Hasil yang diproses simulasi menunjukan angka yang sesuai dengan rules dan maksud dari pembuatan program ini yaitu, ketika harga semakin mahal dan kualitas semakin jelek maka sisa barang akan sangat banyak, dan sebaliknya.
Logika Fuzzy ini dapat digunakan untuk membuat program lainnya yang memiliki variable tidak jelas atau ada unsur ketidakjelasan dan perbedaan persepsi antar satu orang dengan orang yang lain, maka dari iru Fuzzy digunakan untuk menyamakan persepsi.
3.2 Saran
Agar bisa mengerjakan dan membuat program fuzzy perlu banyak referensi untuk jadi acuan dan contoh, karena untuk pemula dan orang yang pertamakali menggunakan matlab akan sangat asing dan kebingungan bagaimana menggunakan matlab dan fuzzy toolbox. Oleh karena itu perlu perjuangan lebih besar lagi untuk mencari referensi dan contoh – contoh program AI yang dibuat menggunakan logika fuzzy sebagai referensi.
http://sistemoperasimobile.blogspot.co.id/2013/04/pengertian-dan-contoh-makalah-fuzzy.html
https://dataxp.wordpress.com/2012/06/15/makalah-logika-fuzzy/ http://auldwimirarizka.blogspot.co.id/p/fuzzy-logic.html
Sistem Pengontrolan Fuzzy, Unicersitas Komputer Indonesia, Bandung
