• Tidak ada hasil yang ditemukan

3. FUZZY INFERENCE SYSTEM (Sugeno)

N/A
N/A
Protected

Academic year: 2019

Membagikan "3. FUZZY INFERENCE SYSTEM (Sugeno)"

Copied!
26
0
0

Teks penuh

(1)

FUZZY INFERENCE SYSTEM (2)

(

Penalaran Fuzzy)

(2)

METODE SUGENO

Bentuk penalaran dengan metode ini

hampir sama dengan penalaran

MAMDANI, hanya saja output

(konsekuen) sistem tidak berupa

himpunan fuzzy, melainkan berup

a

KONSTANTA

atau

PERSAMAAN

LINEAR

.

Metode ini diperkenalkan oleh

(3)

Metode ini dibagi atas 2 model:

Model Fuzzy Sugeno Orde-Nol

Secara umum bentuk model Fuzzy Sugeno

Orde-Nol adalah:

IF (x1 is A1) º (x2 is A2) º …. º (xn is An)

THEN z=k

(4)

Lanjutan…

Model Fuzzy Sugeno Orde-Satu

Secara umum bentuk model fuzzy Sugeno

Orde-satu adalah:

IF (x1 is A1) º … º (xn is An) THEN z=

p1*x1 + .. + pn*xn + q

Dengan Ai adalah himpunan fuzzy ke-I

sebagai antesedan dan pi adalah suatu

konstanta (tegas) ke-i dan q juga

merupakan konstanta dalam konsekuen.

Apabila komposisi aturan menggunakan

(5)

Contoh:

Suatu perusahaan minuman kaleng akan

memproduksi minuman jenis XYZ. Dari data 1 bulan terakhir, permintaan terbesar mencapai

5000 kemasan / hari dan permintaan terkecil 1000 kemasan/hari. Persediaan barang digudang

terbanyak mencapai 600 kemasan/hari dan terkecil pernah mencapai 100 kemasan/hari. Dengan segala keterbatasan sampai saat ini

(6)

Pertanyaan:

Berapa kemasan minuman XYZ yang harus diproduksi

jika jumlah permintaan sebanyak 4000 kemasan dan persediaan digudang sebanyak 300 kemasan, apabila proses produksi perusahaan tersebut menggunakan aturan fuzzy sbb:

[R1] IF Permintaan TURUN and Persediaan

BANYAK THEN Produksi = Permintaan - Persediaan

[R2] IF Permintaan TURUN and Persediaan

SEDIKIT THEN Produksi = Permintaan

[R3] IF Permintaan NAIK and Persediaan BANYAK

THEN Produksi = Permintaan

[R4] IF Permintaan NAIK and Persediaan SEDIKIT

THEN Produksi = 1,25 * Permintaan - Persediaan Ketiga variabel fuzzy yang digunakan dimodelkan

(7)

Penyelesaian:

1.Gambaran ketiga variabel dengan kurva

linear sbb:

(8)

2. Hitung nilai keanggotaan untuk variabel

Permintaan

µ

pmtTURUN

[4000] = (5000-4000)/(5000-1000)

= 0.25

µ

pmtNAIK

[4000] = (4000-1000)/(5000-1000)

= 0.75

3. Hitung nilai keanggotaan untuk variabel

Persediaan

µ

psdSEDIKIT

[300] = (600-300)/(600-100)

= 0.6

µ

psdBANYAK

[300] = (300-100)/(600-100)

(9)

4. Hitung nilai α-prediket untuk

masing-masing fungsi implikasi dengan

menggunakan operator MIN.

[R1] IF Permintaan TURUN and Persediaan

BANYAK THEN Produksi = Permintaan -

Persediaan

α-prediket = µ

pmtTURUN

µ

psdBANYAK

= min (µpmtTURUN[4000],

µpsdBANYAK[300] )

= min(0.25; 0.4) = 0.25

(10)

[R2] IF Permintaan TURUN and Persediaan

SEDIKIT THEN Produksi = Permintaan

α-prediket = µ

pmtTURUN

µ

psdSEDIKIT = min (µpmtTURUN[4000],

µpsdSEDIKIT[300] )

= min(0.25; 0.6) = 0.25

(11)

[R3] IF Permintaan NAIK and Persediaan

BANYAK THEN Produksi = Permintaan

α-prediket = µ

pmtNAIK

µ

psdBANYAK = min (µpmtNAIK[4000],

µpsdBANYAK[300] )

= min(0.75; 0.4) = 0.4

(12)

[R4] IF Permintaan NAIK and Persediaan

SEDIKIT THEN Produksi = 1,25 * Permintaan -

Persediaan

α-prediket = µ

pmtNAIK

µ

psdSEDIKIT = min (µpmtNAIK[4000],

µpsdSEDIKIT[300] )

= min(0.75; 0.6) = 0.6

Nilai z4 = 1,25 * 4000 - 300 = 5000 - 300

(13)
(14)

LATIHAN:

Sebuah perusahaan home industri akan

memproduksi suatu kerajinan tangan. Tenaga kerja yang digunakan untuk produksi sangat tergantung pada jumlah orderan dan waktu. Dari data

diketahui, jumlah orderan berkisar antara 500 s/d 3000. Biasanya pesanan berkisar antara 1500 s/d 2000 Sedangkan waktu selesai pengerjaan yang dibutuhkan berkisar antara 3 s/d 20 hari. Dengan segala keterbatasan, perusahaan baru mampu

(15)

Pertanyaan:

Berapakah jumlah tenaga kerja yang akan dilibatkan

jika perusahaan menerima orderan 2000 barang dalam waktu 12 hari pengerjaan. Berikut aturan fuzzy yang digunakan:

[R1] IF Orderan SEDIKIT and Waktuselesai LAMA THEN

Pekerja = 2

[R2]IF Orderan SEDIKIT and Waktukerja CEPAT THEN

Pekerja = (orderan / waktukerja) / (1.5 * 25)

[R3]IF Orderan BANYAK and Waktukerja LAMA THEN

Pekerja = 5

[R4]IF Orderan BANYAK and Waktukerja CEPAT THEN

Pekerja = (orderan / waktukerja) / (1.5 * 25)

[R5]IF Orderan NORMAL and Waktukerja CEPAT THEN

Pekerja = (orderan / waktukerja) / 25

[R6]IF Orderan NORMAL and Waktukerja LAMA THEN

Pekerja = 4

(16)
(17)

Model Mamdani

Sering dikenal dengan nama Metode

Max-Min. Metode ini diperkenalkan oleh

Ebrahim Mamdani pada tahun 1975.

Untuk mendapatkan output diperlukan 4

tahapan :

1.Pembentukan himpunan fuzzy Variabel

input maupun output dibagi menjadi satu

atau lebih himpunan

(18)

Model Mamdani(Contd)

3. Komposisi aturan Ada tiga metode yang

digunakan dalam melakukan inferensi sistem fuzzy :

a. Metode Max

b. Metode Additive (SUM) c. Metode Probabilistik OR

4. Penegasan (defuzzy) Input dari defuzzifikasi adalah suatu himpunan yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu

(19)

Beberapa metode

defuzzifi-kasi aturan MAMDANI :

a. Metode Centroid (Composite Moment)

b. Metode Bisektor

(20)
(21)

21

Model Fuzzy Mamdani

(22)

22

Model Fuzzy Mamdani

Model Fuzzy Mamdani

(23)

23

Composisi:

agregasi keluaran semua rule ke dalam himpunan fuzzy tunggal.

0

Model Fuzzy Mamdani

(24)

Contoh:

Suatu perusahaan minuman kaleng akan

memproduksi minuman jenis XYZ. Dari data 1

bulan terakhir, permintaan terbesar mencapai

5000 kemasan / hari dan permintaan terkecil

1000 kemasan/hari. Persediaan barang

digudang terbanyak mencapai 600

kemasan/hari dan terkecil pernah mencapai

100 kemasan/hari. Dengan segala

keterbatasan sampai saat ini perusahaan baru

mampu memproduksi barang maksimum 7000

kemasan/hari. Untuk efisiensi mesin dan SDM

tiap hari diharapkan perusahaan

(25)

Pertanyaan:

Berapa kemasan minuman XYZ yang harus

diproduksi jika jumlah permintaan sebanyak 4000 kemasan dan persediaan digudang

sebanyak 300 kemasan, apabila proses produksi perusahaan tersebut menggunakan aturan fuzzy sbb:

[R1] IF Permintaan TURUN and Persediaan

BANYAK THEN Produksi BERKURANG

[R2] IF Permintaan TURUN and Persediaan

SEDIKIT THEN Produksi BERKURANG

[R3] IF Permintaan NAIK and Persediaan

BANYAK THEN Produksi BERTAMBAH

[R4] IF Permintaan NAIK and Persediaan

SEDIKIT THEN Produksi BERTAMBAH

(26)

SOLUSI:

1.Gambaran ketiga variabel dengan kurva

linear sbb:

Referensi

Dokumen terkait

(e) clipped center of gravity 15 Gambar 2.9 Diagram Blok Sistem Inferensi Fuzzy 17 Gambar 3.1 Alur Kerja Fuzzy Inference System 24 Gambar 3.2 Langkah:langkah Metode Sugeno 25 Gambar

Tujuan dari pengujian ini adalah untuk mengetahui nilai peubah batasan fuzzy yang paling optimal untuk merubah titik pada batasan grafik fuzzy agar menghasilkan

Hasil Keputusan Berdasarkan Predikat Aturan untuk Fungsi Keanggotaan Kurva Trapesium Hasil keputusan didapat dari predikat aturan yang sudah dibentuk berdasarkan variabel HB, RBC,

penerapan metode fuzzy mamdani, sugeno, tsukamoto untuk memprediksi jumlah produksi kitab berdasarkan data persediaan dan jumlah permintaan suatu sistem yang membantu pengusaha

Proses aturan fuzzy didasarkan pada variabel input dan output dengan menggunakan IF-THEN, dimana data yang didapat dari masing-masing hasil variabelfuzzy perhitungan dikonversi

Masukan dari sistem kendali Fuzzy ini adalah sinyal kesalahan dan perubahan nilai sinyal kesalahan, sedangkan keluarannya adalah hasil dari proses FIS (nilai byte) yang

Tujuan dari pengujian ini adalah untuk mengetahui nilai peubah batasan fuzzy yang paling optimal untuk merubah titik pada batasan grafik fuzzy agar menghasilkan

Inferensi Dengan mengkombinasikan himpunan-himpunan fuzzy tersebut, maka diperoleh 19 aturan fuzzy sebagai berikut : [R1] IF Permintaan TURUN And Persediaan SEDIKIT THEN Produksi