FUZZY INFERENCE
FUZZY INFERENCE
SYSTEMS
SYSTEMS
Logika Fuzzy
Jurusan Teknik Informatika
Samuel Wibisono
Mekanisme FIS
Fuzzy Inference Systems
(FIS)
FUZZYFIKASI
RULES AGREGASI
DEFUZZY
INPUT
(CRISP)
OUTPUT
Pokok Bahasan
Metode Mamdani
Metode Mamdani
Metode Mamdani sering juga dikenal dengan
nama Metode Max-Min.
Menggunakan MIN pada fungsi implikasi, dan
MAX pada komposisi antar fungsi implikasi.
Diperkenalkan oleh Ebrahim Mamdani pada
Langkah-langkah FIS: MAMDANI
Langkah-langkah FIS: MAMDANI
Tentukan variabel-variabel & himpunan
fuzzy;
Tentukan fungsi keanggotaan;
Lakukan
implementasi fungsi implikasi
;
Lakukan komposisi/agregasi aturan;
Lakukan proses penegasan (defuzzy)
FUNGSI IMPLIKASI
FUNGSI IMPLIKASI
Bentuk umum:
IF (x1 is A1)(x2 is A2) (xN is AN)
THEN y is B
dengan
adalah operator (misal: OR atau AND), x
1,
x
2, …, x
Nadalah variabel-variabel input, y adalah
variabel output, A
1, A
2, …, A
N, B, adalah
Ada 2 fungsi implikasi:
Min (minimum)
NAIK
IF Permintaan NAIK AND Persediaan SEDANG THEN Produksi Barang NORMAL
IF Permintaan NAIK AND Persediaan SEDANG THEN Produksi Barang NORMAL
SEDANG NORMAL
Aplikasi
Operator AND Aplikasi fungsi implikasi Min
1. MIN (Minimum)
1. MIN (Minimum)
2. DOT (Product)
2. DOT (Product)
Fungsi ini akan menskala output himpunan fuzzy
NAIK
IF Permintaan NAIK AND Persediaan SEDANG THEN Produksi Barang NORMAL
IF Permintaan NAIK AND Persediaan SEDANG THEN Produksi Barang NORMAL SEDANG NORMAL
Aplikasi Operator AND
Metode Komposisi
Metode Max
Metode Additive
Solusi himpunan fuzzy diperoleh dengan cara mengambil nilai
maksimum aturan, kemudian menggunakannya untuk
memodifikasi daerah fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator OR (union).
Secara umum dapat dituliskan:
sf[xi] max(sf[xi],kf[xi])
dengan:
sf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
kf[xi] = nilai keanggotaan konsekuen fuzzy aturan ke-i;
Apabila digunakan fungsi implikasi MIN, maka metode
komposisi ini sering disebut dengan nama MAX-MIN atau MIN-MAX atau MAMDANI.
1. Metode MAX (Maximum)
Contoh:
Misalkan ada 3 aturan (proposisi) sebagai berikut:
[R1] IF Biaya Produksi RENDAH And Permintaan NAIK THEN Produksi Barang BERTAMBAH;
[R2] IF Biaya Produksi STANDAR
THEN Produksi Barang NORMAL;
tinggi turun berkurang standar normal
Tak ada input
rendah naik bertambah
1. Input fuzzy 2. Aplikasi op. fuzzy
(and = min) 3. Aplikasi metode implikasi (min)
IF biaya produksi RENDAH AND permintaan NAIK THEN produksi barang BERTAMBAH
IF biaya produksi RENDAH AND permintaan NAIK THEN produksi barang BERTAMBAH
IF biaya produksi STANDAR THEN produksi barang NORMAL
IF biaya produksi STANDAR THEN produksi barang NORMAL
IF biaya produksi TINGGI AND permintaan TURUN THEN produksi barang BERKURANG
IF biaya produksi TINGGI AND permintaan TURUN THEN produksi barang
BERKURANG 4. Aplikasi metode
2. Metode ADDITIVE
2. Metode ADDITIVE
Solusi himpunan fuzzy diperoleh dengan cara melakukan
bounded-sum terhadap semua output daerah fuzzy.
Secara umum dituliskan:
sf[xi] min(1,sf[xi]+kf[xi])
dengan:
sf[xi] = nilai keanggotaan solusi fuzzy sampai
aturan ke-i;
kf[xi] = nilai keanggotaan konsekuen fuzzy
3. Metode PROBABILISTIK OR
3. Metode PROBABILISTIK OR
(PROBOR)
(PROBOR)
Solusi himpunan fuzzy diperoleh dengan cara melakukan
product terhadap semua output daerah fuzzy.
Secara umum dituliskan:
sf[xi] (sf[xi]+kf[xi]) - (sf[xi] *kf[xi])
dengan:
sf[xi] = nilai keanggotaan solusi fuzzy sampai
aturan ke-i;
kf[xi] = nilai keanggotaan konsekuen fuzzy
PENEGASAN (
PENEGASAN (
DEFUZZY
DEFUZZY
)
)
Input dari proses defuzzifikasi adalah
suatu himpunan fuzzy yang diperoleh dari
komposisi aturan-aturan fuzzy.
Sedangkan output yang dihasilkan
merupakan suatu bilangan pada domain
himpunan fuzzy tersebut.
Jika diberikan suatu himpunan fuzzy
1. Metode CENTROID
1. Metode CENTROID
Solusi crisp diperoleh dengan cara
mengambil titik pusat daerah fuzzy C.
2. Metode BISEKTOR
2. Metode BISEKTOR
Solusi crisp diperoleh dengan cara
mengambil nilai pada domain fuzzy yang
memiliki nilai keanggotaan separo dari
jumlah total nilai keanggotaan pada daerah
fuzzy C.
n
1 p
C p
C
p
sdh
(z)dz
(z)dz
3. Metode MEAN OF MAXIMUM (MOM)
3. Metode MEAN OF MAXIMUM (MOM)
Solusi crisp diperoleh dengan cara
mengambil nilai rata-rata domain pada
himpunan C yang memiliki nilai
keanggotaan maksimum.
4.
4.
Metode SMALLEST OF MAXIMUM
Metode SMALLEST OF MAXIMUM
(SOM)
(SOM)
Solusi crisp diperoleh dengan cara
mengambil nilai terkecil dari domain pada
himpunan C yang memiliki nilai
keanggotaan maksimum.
5.
5.
Metode LARGEST OF MAXIMUM
Metode LARGEST OF MAXIMUM
(LOM)
(LOM)
Solusi crisp diperoleh dengan cara
mengambil nilai terbesar dari domain pada
himpunan C yang memiliki nilai
keanggotaan maksimum.
CONTOH …
CONTOH …
Suatu perusahaan soft drink akan memproduksi
minuman jenis X.
Pada 3 bulan terakhir biaya produksi untuk minuman
jenis tersebut rata-rata sekitar Rp 500,- per kemasan, dan maksimum mencapai Rp 1000,- per kemasan.
Banyaknya permintaan per hari rata-rata mencapai
30000 kemasan dan maksimum hingga mencapai 60000 kemasan.
Sampai saat ini, perusahaan baru mampu memproduksi
Apabila proses produksi perusahaan tersebut menggunakan 3 aturan fuzzy sbb:
[R1] IF Biaya Produksi RENDAH And Permintaan NAIK
THEN Produksi Barang BERTAMBAH;
[R2] IF Biaya Produksi sesuai STANDAR
THEN Produksi Barang NORMAL;
[R3] IF Biaya Produksi TINGGI And Permintaan TURUN
THEN Produksi Barang BERKURANG;
Berapa jumlah minuman jenis X yang harus diproduksi, jika biaya
untuk memproduksi jenis minuman tersebut diperkirakan sejumlah Rp
1.
1.
Membuat himpunan dan input fuzzy
Membuat himpunan dan input fuzzy
Ada 3 variabel fuzzy yang akan dimodelkan, yaitu:
Biaya produksi; terdiri-atas 3 himpunan fuzzy, yaitu:
RENDAH, STANDAR, dan TINGGI.
Permintaan barang; terdiri-atas 3 himpunan fuzzy,
yaitu: TURUN, BIASA, dan NAIK.
Produksi barang; terdiri-atas 3 himpunan fuzzy, yaitu:
A. Variabel Biaya Produksi
A. Variabel Biaya Produksi
0 250 500 750 800 1000
biaya produksi (Rp)
1
0
[x]
STANDAR
RENDAH TINGGI
0,32
Jika biaya produksi sebesar Rp 800,- maka nilai
keanggotaan fuzzy pada tiap-tiap himpunan adalah:
Himpunan fuzzy RENDAH, BPRendah[800]= 0,0
Himpunan fuzzy STANDAR, BPStandar[800]=0,32
diperoleh dari:
(800;500,500) = S(800;500,750,1000)
= 2[(1000-800)/(1000-500)]2
= 0,32
Himpunan fuzzy TINGGI, BPTinggi[800]=0,68
diperoleh dari:
S(800;500,750,1000)= 1 – S(800;500,750,1000)
= 1 – 2[(1000-800)/(1000-500)]2
B. Variabel Permintaan
B. Variabel Permintaan
[x]
0 10 25 30 35 50 60
permintaan (x1000 kemasan per hari)
1
0
BIASA
TURUN NAIK
Jika permintaan sebanyak 25000 kemasan per hari,
maka nilai keanggotaan fuzzy pada tiap-tiap himpunan adalah:
Himpunan fuzzy TURUN, PmtTurun[25]=0,25
diperoleh dari:
= (30-25)/(30-10) = 5/20
= 0,25
Himpunan fuzzy BIASA, PmtBiasa[25]=0
C. Variabel Produksi Barang
C. Variabel Produksi Barang
0 10 30 50 70 90 100
produksi barang (x1000 kemasan per hari)
1
0
Derajat keanggotaan
[x]
NORMAL
Nilai keanggotaan fuzzy pada tiap-tiap himpunan dirumuskan: Himpunan fuzzy BERKURANG:
Himpunan fuzzy BERKURANG:
Himpunan fuzzy NORMAL:
Himpunan fuzzy NORMAL:
Himpunan fuzzy BERTAMBAH:
Himpunan fuzzy BERTAMBAH:
2.
2.
Aplikasi operator fuzzy
Aplikasi operator fuzzy
A. Aturan ke-1:
[R1] IF Biaya Produksi RENDAH And Permintaan NAIK THEN Produksi Barang BERTAMBAH;
Operator yang digunakan adalah AND, sehingga:
= PredikatR1
= min(BPRendah[800],PmtNaik[25]) = min(0;0)
B. Aturan ke-2:
[R2] IF Biaya Produksi STANDAR
THEN Produksi Barang NORMAL;
Tidak menggunakan operator, sehingga:
= PredikatR2
C. Aturan ke-3:
[R3] IF Biaya Produksi TINGGI And Permintaan TURUN
THEN Produksi Barang BERKURANG;
Operator yang digunakan adalah AND, sehingga:
= PredikatR3
= min(BPTinggi[800],PmtTurun[25]) = min(0,68; 0,25)
3.
3.
Aplikasi fungsi implikasi
Aplikasi fungsi implikasi
A. Aturan ke-1:
B. Aturan ke-2:
Pada saat PBNormal[z]= 0,32 nilai z dapat ditentukan sbb:
C. Aturan ke-3:
3.
3.
Komposisi semua output
Komposisi semua output
Untuk melakukan komposisi semua output fuzzy dilakukan dengan menggunakan metode MAX.
Titik potong antara aturan-2 dan aturan-3 terjadi saat PBNormal[z]=
PBBerkurang[z] = (0,25), yaitu:
0,25 = 0,05z – 1,5
0,05z = 1,75 z = 35
Sehingga:
4.
4.
Penegasan (Defuzzy)
Penegasan (Defuzzy)
Defuzzy dilakukan dengan menggunakan
metode Centroid.
Untuk menentukan nilai crisp z, dilakukan
dengan membagi daerah menjadi 4 bagian
(D1, D2, D3, dan D4) dengan luas
masing-masing: A1, A2, A3, dan A4. Momen
D1
D2
D3
Menghitung Luas:
A1 = 35*0,25 = 8,75
A2 = (0,25+0,32)*(36,4-35)/2 = 0,399 A3 = (63,6-36,4)*0,32 = 8,704
A4 = (70-63,6)*0,32/2 = 1,024
Menghitung titik pusat (terhadap z):
Jadi jumlah minuman yang harus diproduksi
METODE SUGENO (TSK)
METODE SUGENO (TSK)
Penalaran dengan metode SUGENO hampir sama
dengan penalaran MAMDANI, hanya saja output
(konsekuen) sistem tidak berupa himpunan fuzzy,
melainkan berupa konstanta atau persamaan linear.
Metode ini diperkenalkan oleh Takagi-Sugeno Kang
Model Fuzzy Sugeno Orde-Nol
Model Fuzzy Sugeno Orde-Nol
Secara umum bentuk model fuzzy SUGENO Orde-Nol adalah:
IF (x1 is A1)(x2 is A2) (xN
is AN)
THEN z=k
Model Fuzzy Sugeno Orde-Satu
Model Fuzzy Sugeno Orde-Satu
Secara umum bentuk model fuzzy SUGENO Orde-Satu adalah:
IF (x1 is A1) (xN is AN)
THEN z = p1*x1 + … + pN*xN + q
dengan Ai adalah himpunan fuzzy ke-i sebagai
CONTOH …
CONTOH …
Suatu perusahaan makanan kaleng setiap harinya rata-rata
menerima permintaan sekitar 55000 kaleng, dan dalam 3 bulan terakhir permintaan tertinggi sebesar 75000 kaleng.
Makanan kaleng yang masih tersedia di gudang, setiap
harinya rata-rata 7000 kaleng, sedangkan kapasitas gudang maksimum hanya dapat menampung 13000 kaleng.
Apabila sistem produksinya menggunakan aturan fuzzy
[R1] IF permintaan TURUN And persediaan BANYAK
THEN produksi barang = 10000;
[R2] IF permintaan NAIK And persediaan SEDIKIT
THEN produksibarang =1,25*permintaan- persediaan;
[R3] IF permintaan NAIK And persediaan BANYAK THEN produksi barang = permintaan - persediaan;
Tentukanlah berapa jumlah barang yang harus
diproduksi hari ini, jika permintaan sebanyak 60000
1.
1.
Membuat himpunan dan input fuzzy
Membuat himpunan dan input fuzzy
Ada 3 variabel fuzzy yang akan dimodelkan, yaitu: a. Permintaan; terdiri-atas 2 himpunan fuzzy,
yaitu: NAIK dan TURUN.
b. Persediaan; terdiri-atas 2 himpunan fuzzy, yaitu: BANYAK dan SEDIKIT.
0 45 60 75 permintaan per hari (x1000 kaleng)
1
0
[x]
TURUN NAIK
A. Variabel Permintaan
A. Variabel Permintaan
0,08
Jika Permintaan 60000 maka nilai
keanggotaan fuzzy pada tiap-tiap himpunan
adalah:
Himpunan fuzzy TURUN,
PmtTurun[60] = 0,08.
Himpunan fuzzy NAIK,
PmtNaik[60] = 0,5.
diperoleh dari:
= 2[(60-75)/(75-45)]
20 2 5 8 10 11 13
1
0
[x]
SEDIKIT BANYAK
B. Variabel Persediaan
B. Variabel Persediaan
0,25
Jika Persediaan sebanyak 8000 kemasan per
hari, maka nilai keanggotaan fuzzy pada
tiap-tiap himpunan adalah:
Himpunan fuzzy SEDIKIT,
PsdSedikit[8] = 0,25.
diperoleh dari:
= (10-8)/(10-2) = 0,25
Himpunan fuzzy BANYAK,
PsdBanyak[8] = 0,5.
diperoleh dari:
2.
2.
Aplikasi operator fuzzy
Aplikasi operator fuzzy
A. Aturan ke-1:
[R1] IF Permintaan TURUN And Persediaan BANYAK THEN Produksi Barang = 10;
Operator yang digunakan adalah AND, sehingga:
= PredikatR1
= min(PmtTurun[60],PsdBanyak[8]) = min(0,08;0,5)
= 0,08
B. Aturan ke-2:
[R2] IF Permintaan NAIK And Persediaan SEDIKIT
THEN Produksi Barang = 1,25*Permintaan - Persediaan;
Operator yang digunakan adalah AND, sehingga:
= PredikatR2
= min(PmtNaik[60],PsdSedikit[8]) = min(0,5;0,25)
= 0,25
C. Aturan ke-3:
[R3] IF Permintaan NAIK And Persediaan BANYAK
THEN Produksi Barang = Permintaan - Persediaan;
Operator yang digunakan adalah AND, sehingga:
= PredikatR3
= min(PmtNaik[60],PsdBanyak[8]) = min(0,5;0,5)
= 0,5
3.
3.
Penegasan (Defuzzy)
Penegasan (Defuzzy)
Jadi produksi barang = 52500 kaleng