L
L
OGIKA
OGIKA
F
F
UZZY
UZZY
Pertemuan : 1
Pokok Bahasan
Logika fuzzy
Himpunan Fuzzy
Himpunan Crisp vs Fuzzy Tinggi Himpunan Fuzzy Variabel Fuzzy
Semesta Pembicaraan Himpunan Fuzzy
Domain Himpunan Fuzzy Support-Set
Fungsi Keanggotaan
Nilai Keanggotaan Fungsi Linear
Fungsi Segitiga
Fungsi S (Sigmoid) Fungsi
Fungsi Beta Fungsi Gauss
Fungsi Trapesium
Operator-operator Fuzzy
Operator Dasar Zadeh Interseksi
Union
Logika Fuzzy
Logika fuzzy adalah suatu cara untuk
melakukan penalaran dengan
menggunakan teori himpunan fuzzy.
Sistem fuzzy adalah sistem yang
Mengapa Menggunakan Logika Fuzzy?
Konsep logika fuzzy mudah dimengerti. Logika fuzzy sangat fleksibel.
Logika fuzzy memiliki toleransi terhadap data-data
yang lain daripada yang lain.
Logika fuzzy mampu memodelkan fungsi-fungsi
nonlinear yang sangat kompleks.
Logika fuzzy dapat membangun bagian teratas dari
pengalaman-pengalaman para pakar.
Logika fuzzy dapat bekerjasama dengan teknik-teknik
kendali secara konvensional.
Himpunan Crisp
Himpunan disimbolkan dengan huruf
besar (A, B, P, dll)
Anggota (elemen) himpunan disimbolkan
dengan huruf kecil (a, b, c, x, y, dll)
Hanya ada 2 nilai keanggotaan, yaitu 1
Himpunan Crisp vs Fuzzy
Misalkan diketahui klasifikasi sebagai berikut:
MUDA umur < 35 tahun
Himp. Crisp SETENGAH BAYA
Himp. Crisp SETENGAH BAYA
Orang yang berusia 35 tahun termasuk SETENGAH BAYA
(nilai keanggotaan=1)
Orang yang berusia 34 tahun tidah termasuk SETENGAH BAYA
(nilai keanggotaan=0)
Orang yang berusia 55 tahun termasuk SETENGAH BAYA (nilai keanggotaan=1)
Orang yang berusia 56 tahun tidah termasuk SETENGAH BAYA
(nilai keanggotaan=0)
35 55 umur
x1 Setengah Setengah
Baya Baya
Orang yang berusia 35 tahun termasuk SETENGAH BAYA (nilai
keanggotaan=0,5)
Orang yang berusia 45 tahun termasuk SETENGAH BAYA (nilai
keanggotaan=1)
Orang yang berusia 55 tahun termasuk SETENGAH BAYA (nilai
keanggotaan=0,5)
Orang yang berusia 25 tahun tidak termasuk SETENGAH BAYA
(nilai keanggotaan=0)
Himp. Fuzzy SETENGAH BAYA
Himp. Fuzzy SETENGAH BAYA
45
35 55
25 65
umur
x
1
0.5
Orang yang berusia 45 tahun termasuk SETENGAH BAYA (nilai keanggotaan=1)
Orang yang berusia 35 tahun termasuk SETENGAH BAYA (nilai keanggotaan=0,5), dan termasuk MUDA (nilai keanggotaan 0,5). Orang yang berusia 55 tahun termasuk SETENGAH BAYA (nilai
keanggotaan=0,5), dan termasuk TUA (nilai keanggotaan 0,5).
TUA MUDA
45
35 55
25 65
umur
x
1
0.5
TINGGI HIMPUNAN FUZZY
TINGGI HIMPUNAN FUZZY
Tinggi himpunan fuzzy adalah derajat
keanggotaan maksimumnya dan terikat pada konsep normalisasi.
1
1 4 7
derajat keanggotaan
DEKAT DENGAN 4
0,82
47 50 53
derajat keanggotaan
Suatu himpunan fuzzy dikatakan memiliki bentuk bentuk
normal maksimum
normal maksimum (Maximum Normal Form) jika
paling sedikit satu elemennya memiliki nilai keanggotaan satu (1) dan satu elemennya memiliki nilai keanggotaan nol (0).
Suatu himpunan fuzzy dikatakan memiliki bentuk
normal minimum (Minimum Normal Form) jika
47 50 53
derajat keanggotaan
DEKAT DENGAN 50
VARIABEL FUZZY
VARIABEL FUZZY
Variabel fuzzy adalah variabel-variabel
yang akan dibicarakan dalam suatu sistem fuzzy.
Contoh:
Temperatur
Umur
Tinggi Badan
0 1
[x]
TEMPERATUR
SEJUK
DINGIN HANGAT PANAS
temperatur turbin (oC)
SEMESTA PEMBICARAAN
SEMESTA PEMBICARAAN
Keseluruhan ruang permasalahan dari nilai terkecil hingga nilai
terbesar yang diijinkan disebut dengan semesta pembicaraan (universe of discourse).
Semesta pembicaraan bersifat monoton naik, dan adakalanya
open ended.
HIMPUNAN FUZZY
HIMPUNAN FUZZY
Himpunan fuzzy adalah
himpunan-himpunan yang akan dibicarakan pada suatu variabel dalam sistem fuzzy.
Contoh:
Temperatur: DINGIN, SEJUK, HANGAT,
PANAS.
Umur: MUDA, PAROBAYA, TUA.
Tinggi Badan: RENDAH, TINGGI
DOMAIN HIMPUNAN FUZZY
DOMAIN HIMPUNAN FUZZY
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan.
Domain merupakan himpunan bilangan real yang senantiasa naik
(bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun negatif.
BERAT
1
0
berat badan (kg)
[x]
Domain himpunan fuzzy BERAT [40,60]
0 1
derajat keanggotaan (x)
TEMPERATUR
SEJUK
DINGIN HANGAT PANAS
temperatur turbin (oC)
Domain himpunan fuzzy: DINGIN (100oC-200oC), SEJUK (140o
C-260oC), HANGAT (200oC-320oC), dan PANAS (260oC-360oC).
Himpunan-himpunan fuzzy yang mendeskripsikan semesta
pembicaraan ini tidak perlu simetris, namun harus selalu ada overlap
pada beberapa derajat.
SUPPORT SET
SUPPORT SET
Himpunan yang domainnya dimulai dari nilai yang derajat keanggotaannya nol terakhir hingga satu yang pertama.
Domain untuk BERAT adalah 40 kg hingga 60 kg, namun kurva yang ada dimulai dari 42 hingga 55 kg
40 42 55 60
BERAT
1
0
berat badan (kg)
(x)
40 45 60
BERAT
1
0
berat badan (kg)
(x)
=0,2
-CUT SET
-CUT SET
Himpunan ini berisi semua nilai domain yang merupakan bagian
dari himpunan fuzzy dengan nilai keanggotaan lebih besar atau sama dengan .
MENENTUKAN
MENENTUKAN
NILAI KEANGGOTAAN
NILAI KEANGGOTAAN
Pendekatan Fungsi
Clustering
Nilai Keanggotaan
Supaya benar-benar tinggi, tinggi badan seseorang harus lebih dari garis ini.
Derajat Keanggotaan
()
1
0
Tinggi Badan
TINGGI (=1)
TIDAK TINGGI
FUNGSI KEANGGOTAAN
FUNGSI KEANGGOTAAN
1. Representasi Linear Naik 1. Representasi Linear Naik
Pada representasi linear, permukaan digambarkan sebagai suatu
garis lurus.
Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk
mendekati suatu konsep yang kurang jelas.
2. Representasi Linear Turun
Merupakan kebalikan dari linear naik.
Garis lurus dimulai dari nilai domain
dengan derajat keanggotaan tertinggi dari sisi kiri bergerak menuju derajat anggota rendah
1
a b
µ[x]
Contoh:
Contoh:
(x)
1
0
Umur(th)
35 60
TUA
TUA
50 0,6
2.
2. Kurva SegitigaKurva Segitiga
Contoh
Contoh
1
0
x]
35 45 65
PAROBAYA
Umur (th)
38 50
0,3 0,75
PAROBAYA[38] = (38-35)/(45-35) = 0,3
3.
3. Kurva-S (Kurva-S (Sigmoid/LogisticSigmoid/Logistic))
1
0
i
derajat keanggotaan
0,5
j
Titik Infleksi
Titik Infleksi
Keanggotaan=0
50
1
0
[x]
45 58 65 TUA
Umur (th) Contoh
Contoh
0,755
TUA[58] = 1-2[(65-58)/(65-45)]2 = 0,755
0,125
Sedangkan Kurva PENYUSUTAN akan bergerak dari sisi
paling kanan (nilai keanggotaan = 0) ke sisi paling
kiri(nilai keanggotaan =1), berikut gambaran grafiknya:
1
0 µ[x]
Domain γ α β
β, 1
0 [x]
Fungsi Keanggotaan Penyusutan:
32
1
0
[x]
25 40 45 MUDA
Umur (th) Contoh
Contoh
0,755
MUDA[40] = 2[(45-40)/(45-25)]2 = 0,125
0,125
4.
4. Kurva-Kurva-
1
0
i
derajat keanggotaan
Contoh
Contoh
1
0 35 45 55
PAROBAYA
[x]
43 52
Umur (th)
0,18 0,92
PAROBAYA[43] = 1-2[(45-43)/(45-35)]2 = 0,82
5.
5. Kurva BetaKurva Beta
2
derajat keanggotaan
6.
6. Kurva GaussKurva Gauss
2
derajat keanggotaan
0,5
j
Pusat
Pusat
Lebar k
Lebar k
0
0
1 DINGIN SEJUK NORMAL HANGAT PANAS
[x]
15 20 25 30 35
Suhu Ruangan (oC)
7.
7. Kurva Bentuk Bahu (Trapesium)Kurva Bentuk Bahu (Trapesium)
Bahu Kiri
Bahu Kiri
Bahu Kiri
8. Derajat Keanggotaan Skalar 8. Derajat Keanggotaan Skalar
Digunakan apabila kita tidak bisa menemukan suatu
fungsi yang tepat untuk beberapa sampel data.
Dituliskan dengan:
Skalar(i) / Derajat(i)
Semua titik harus ada di domain, dan paling sedikit
harus ada satu titik yang memiliki nilai kebenaran sama dengan 1.
Apabila titik-titik tersebut telah digambarkan, maka
10 20 30 40 50 60 70 80 90 100 umur
derajat keanggotaan
PENGENDARA BERESIKO TINGGI (dalam umur)
0 1
10 20 30 40 50 60 70 80 90 100 umur
derajat keanggotaan
LOGIKA TRADISIONAL
LOGIKA TRADISIONAL
Pada logika tradisional, fungsi keanggotaan
suatu himpunan terbagi atas 2 daerah, yaitu:
A[x] = 0, jika x A atau
A
1 3 5 7 11 13 17
B
1 2 3 5 8 13 21
INTERSEKSI
1 3 5 13
UNION
1 2 3 5 7 8 11 13
17 21
KOMPLEMEN
2 4 6 8 9 10 12 14
15 16 …
EXCLUSIVE UNION
OPERASI DASAR FUZZY: ZADEH
OPERASI DASAR FUZZY: ZADEH
Interseksi:Interseksi:
AB = min(A[x], B[y]).
Union:Union:
AB = max(A[x], B[y]).
Komplemen:Komplemen:
INTERSEKSI
INTERSEKSI
Interseksi antara 2 himpunan berisi elemen-elemen yang
berada pada kedua himpunan.
Ekuivalen dengan operasi aritmetik atau logika AND.
Pada logika fuzzy konvensional, operator AND diperlihatkan
dengan derajat keanggotaan minimum antar kedua himpunan.
Operator interseksi seringkali digunakan sebagai
batasan anteseden dalam suatu aturan fuzzy, seperti:
IF
IF x is A x is A ANDAND y is B y is B THENTHEN z is C z is C
Kekuatan nilai keanggotaan antara konsekuen z dan
Contoh:
Contoh:
35 45 55 umur (tahun)
1
TINGGI dan PAROBAYA
PAROBAYA
UNION
UNION
• Union dari 2 himpunan dibentuk dengan menggunakan
operator OR.
• Pada logika fuzzy konvensional, operator OR diperlihatkan
dengan derajat keanggotaan maksimum antar kedua himpunan.
0.00 0.25 0.50 0.75 1.00
Contoh:
Contoh:
35 45 55 umur (tahun)
1
TINGGI atau PAROBAYA
KOMPLEMEN
KOMPLEMEN
• Komplemen atau negasi suatu himpunan A berisi
semua elemen yang tidak berada di A.
25 35 55 65 umur (tahun)
1
0
[x]
Tidak PAROBAYA
25 45 65 umur (tahun)
1
0
[x]
}
Operator Yager
}
1.Operator OR (Union)
2.Operator AND (Intersection)
3.Operator NEGASI
(Komplemen)
b a b
a, ) * (
t_ap
Operator Lukasiewic
) * (
) , (
S_as
a b a b - a b1.Operator OR (Aljebraic_sum)
2.Operator AND (Aljebraic_product)
Contoh
Diketahui seorang pegawai berumur 27 tahun,
dengan gaji yang diperoleh sebesar 2.500.000. tentukan nilai keanggotaannya jika:
A. Usia muda[0..35] dan gaji sedang [2jt..3jt..4jt]
B. Usia parobaya[30.. 40..50] dan gaji tinggi
[2jt…5jt]
C. Usia muda atau gaji tinggi
Tentukan nilai keanggotaannya dengan