Pengantar Logika Fuzzy dan Sistem Fuzzy
Prof.Siti Nurmaini
Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.com
Logika Fuzzy
§Teknik pembelajaran mesin yang fleksibel
§Meniru logika pemikiran manusia
§Logika mungkin memiliki dua nilai dan mewakilihanya dua
solusi yang memungkinkan
§Logika fuzzy adalah alogika multi nilaidan memungkinkan
nilai-nilai perantarauntuk didefinisikan
Logika Fuzzy
• Logika kaburadalah cabang kecerdasan buatan yang
berhubungan dengan algoritma penalaran yang digunakan untuk meniru pemikiran manusia dan pengambilan keputusan di mesin.
• Algoritma ini digunakan dalam aplikasi di mana data proses tidak dapat direpresentasikan dalam bentuk biner.
• Contoh:
• “Udaranya terasa sejuk”
• “Dia masih muda”
Mereka tidak terpisah
• Logika fuzzy menafsirkan pernyataan-pernyataan samar seperti
ini sehingga masuk akal secara logis.
Motivasi
• Para ahli mengandalkan kewajaran ketika mereka memecahkan masalah.
•
Bagaimana kita dapat mewakili pengetahuan ahli yang menggunakan istilah-istilah yang tidak jelas dan ambigu di komputer?•
Logika fuzzy bukanlah logika yang sebenarnyakusut, tapi logika yang digunakan untuk menggambarkan ketidakjelasan. Logika fuzzy adalah teori himpunan fuzzy yangmengkalibrasi ketidakjelasan.
• Logika fuzzy didasarkan pada gagasan bahwa segala sesuatu mengakuinya
derajat , yaitu suhu, tinggi, kecepatan, jarak, keindahan – semuanya datang dalam skala yang menurun.
• Motornya berjalan benar-benar panas .
•
Tom adalah seorangsangat tinggipria.Istilah Linguistik
•
Dalam logika fuzzy,himpunan yang menggambarkan nilai fuzzysering dipanggil istilah linguistik.•
Mengaturbuah-buahanatau aturSayuranjuga dapat dianggap sebagai aistilah linguistik.• Suhubisa sepertiDingin,hangatataupanas
• Tujuannya adalah menggunakan bahasa alami untuk membangun ekspresi fuzzy
• produk X adalah buah.
• Suhu t dingin.
•
Ketentuan "sangat" memperkuat pernyataan itu• Fungsi keanggotaan himpunan"sangat dingin"harus memiliki jalur
yang lebih curam daripada jalur yang "dingin".
Logika Boolean vs. Logika Fuzzy
§Contoh Suhu
Dingin Panas
0 1
Dingin Panas
[0, 1]
Logika Fuzzy Vs Logika Boolean
Garing
Kusut
Tentu saja
Ya
Apakah Anda berusia di bawah 40 tahun?
umur tahun?
Mengapa tidak?
Apakah kamu muda?
...
TIDAK
Tak sebanyak itu
§Logika Boolean hanya dapat memiliki dua kemungkinan nilai yaitu 0/1, ya/tidak,
benar/salah dll.
§Logika fuzzy bisa bernilai banyak. Itu dapat memiliki nilai relatif seperti ya,
tidak, tidak terlalu banyak, sedikit dll.
Logika fuzzy vs teori Probabilitas
Ketidaksempurnaan
Ketakpastian Ketidakjelasan
Kemungkinan
Teori Logika Fuzzy
Lanjutan
• Membuka kedua botol Anda mengamati bir (botol A) dan asam klorida (botol B).
• Hasil pengamatan ini adalahkeanggotaannya tetap sama sedangkanprobabilitas turun menjadi nol.
• Kemungkinanmengukurkemungkinanbahwaacara masa depan akanterjadi.
• Logika kaburmengukurkemenduaandariacarayang mempunyai
sudah terjadi.
Apa itu Logika Fuzzy?
• Teori himpunan fuzzy
• Keanggotaan adalah masalah derajat.
•
Himpunan fuzzy VS teori himpunan klasik.• Fondasi dasar himpunan fuzzy
• Himpunan Fuzzy (Zadeh, 1965), Logika Fuzzy (Zadeh, 1973)
• Kusut
•
Renungkan cara orang berpikir• Upaya untuk memodelkan pengambilan keputusan, dan akal sehat.
• Prinsip matematika untukrepresentasi pengetahuan
berdasarkanderajat keanggotaandaripada aktifkeanggotaan
yang tajam logika biner klasik.
Himpunan kabur
•
Terimalah bahwa segala sesuatunya bisa saja terjadi sebagianBENAR dan sebagianPALSUpada tingkat apa pun pada saat yang sama.•
Kumpulan 'pria jangkung' yang tajam dan tidak jelasFungsi keanggotaan
• Representasi set yang tajam
• Fungsi karakteristik
• Representasi himpunan fuzzy
• Fungsi keanggotaan
Fungsi Keanggotaan yang terkenal
Segitiga Trapesium
Gaussian lonceng
Probabilitas Fuzzy Vs
•
Fuzzy ≠ Probabilitas => μA(x) ≠ halA(X)•
Keduanya memetakan x ke nilai dalam [0,1].•
PA(x) mengukur milik kitapengetahuanatauketidaktahuankebenaran kejadian x termasuk dalam himpunan A.• Probabilitas berkaitan denganketakpastianDankemungkinan.
• μA(x) mengukur derajatrasa memilikidari x ke himpunan A dan tidak ada minat mengenaiketakpastiandi belakang hasil acara x.
Peristiwa x telah terjadi dan kita hanya tertarik untuk melakukan observasi mengenai sejauh mana x menjadi milik A.
•
Logika fuzzy berkaitan dengankemenduaanDanketidakjelasan.Contoh
• Sebotol air
• 50% kemungkinan menjadi beracun berarti 50%
kemungkinannya.
• 50% airnya bersih.
• 50% air beracun.
• 50% keanggotaan fuzzy beracun berarti air tersebut mengandung racun.
• Air setengah beracun.
Operasi Logika Fuzzy
• Operasi gabungan fuzzy atau fuzzy ATAU • μ
A+B= maks[μ
A(x), μ
B(X)]
• Operasi simpang fuzzy atau fuzzy And
aku μAB= menit[μA(x), μB(X)]
• Operasi pelengkap
aku μA= 1-μA(X)