BAB I
SEKILAS FUZZY LOGIC
SEKILAS FUZZY LOGIC
1.1 Defenisi Fuzzy Logic
Istilah
fuzzy didefenisikan sebagai blurred (kabur atau remang remang), indistinct
(tidak jelas),imprecisely defined(didefenisikan secara tidak presisi), confused
(membingungkan),vague (tidak jelas).
System fuzzy
adalah sebuah system yang dibangun dengan defenisi yang jelas berdasarkan teori
fuzzy logic.
Secara umum ,fuzzy logic adalah sebuah
metologi “berhitung” dengan variable kata-kata(linguistic variable), Sebagai
pengganti berhitung dengan bilangan.
Fuzzy logic memberi ruang dan bahkan
mengeksploitasi toleransi terhadap ketidakpresisian.
Disini peran sistem
fuzzy, yaitu menjebatani komunikasi menjadi lebih efektif dan efisien antara
mesin dan manusia atau bisa dibayangkan sistem fuzzy merupakan sebuah mesin
penerjemah bahasa manusia sehingga lebih dimengerti oleh mesin dan begitu juga
sebaliknya.
Ilustrasi Pengunaan Bahasa
Presisi ( Dengan Bilangan
) Dan Bahasa Bermakna :
1.2 Mengapa Dan Kapan
Perlu Fuzzy Logic?
Fuzzy logic merupakan suatu cara yang cocok untuk menyelesaikan
masalah Pemetaan hubungan input dan ouput dari suatu system berdasarkan data
input –output .
Gambar di atas merupakan pemetaan hubungan
input-output .Di antara input dan output kita berikan sebuah system (black box)
yang akan melakukan tugas pemetaan. Sistem yang dapat menggantikan fuzzy ini
ada banyak akan tetapi dari sekian banyak itu fuzzy lah alternatif yang
tersedia. Sistem fuzzy sering kali menjadi pilihan yang terbaik. Menurut
Lotfti A Zaden, dalam hampir setiap kasus, anda dapat membangun sistem yang
dapat menggantikan black-box pada gambar sebelumnya dengan menggunakan fuzzy
logic. Dan dengan menggunakan fuzzy logic tersebut bisa menyebabkan apa yang
anda lakukan lebih cepat dan efisien.
Alasan
Menggunakan System Fuzzy Logic :
Dalam menyelesaikan masalah pada saat ini sering kali
menggunakan system fuzzy logic. Berikut alasan kenapa menggunakan system fuzzy
logic :
1. Konsep
fuzzy logic sangat sederhana sehingga mudah dipahami. Kelbihannya dibanding konsep
yang lain bukan pada kompleksitasnya, tetapi pada naturalness pendekatannya
dalam memecahkan masalah.
2. Fuzzy logic fleksibel, dalam arti kata dapat
dibangun dan dikembangkan dengan mudah tanpa harus dimulai dari nol.
3. Fuzzy logic memberikan toleransi terhadap
ketidakpresisian data. Hal ini sangat cocok dengan fakta sehari-hari. Segala
sesuatu dialam ini relatif tidak presisi, bahkan meskipun kita lihat secara
lebih dekat dan hati-hati.
4. Pemodelaan/pemetaan untuk mencari hubungan data
input-output dari sembarang system black box bias dilakukan dengan menggunakan
system fuzzy.
5. Pengetahuan atau pengalaman dari pakar dapat
dengan mudah digunakan untuk membangun system fuzzy logic. Hal ini merupakan
kelebihan utama fuzzy logic .
6. Fuzzy logic dapat diterapkan dalam desain
control tanpa harus menghilangkan teknik desain control konvesional yang sudah
terlebih dahulu ada.
7. Fuzzy logic berdasarkan pada bahasa manusia.
1.3 Non-fuzzy logic dan
fuzzy logic
Analogi suatu restoran dengan pelayanan dari pelayan yang bagus dan tidak.
1.3.1 pendekatan Non-Fuzzy
Model ini
mengabaikan kualitas pelayanan, tidak membedakan pelayanan buruk dengan
pelayanan yang memuaskan maka terasa tidak adil. Agar bisa adil :
Bonus
= 0.2/10 * pelayanan + 0.05
Jika diplotkan
maka akan didpatkan digram sebagai berikut :
if pelayanan <
3
Bonus =
(0.1/3)*pelayanan+0.05;
Elseif pelayanan<7
Bonus = 0.15;
Elseif
pelayanan<10,
Bonus =
(0.10/3)*(pelayanan-7)+0.15;
End
1.3.2 Pendekatan
Fuzzy
Dengan pedekatan
fuzzy maka pemodelan bisa disederhanakan dengan hanya berdasarkan pada beberapa
IF THEN rule yang mudah dipahami.
If service is poor or food is rancid,
Then bonus is cheap
If service is good,
Then bonus is average
If service is excellent or food is delicious,
Then bonus is generous
BAB II
KONSEP FUZZY LOGIC
Motivasi utama
teori fuzzy logic adalah Memetakan sebuah ruang input kedalam ruang output
dengan menggunakan IF-THEN rules.
Pemetaan
dilakukan dalam suatu fuzzy interfence System (FIS), urutan rule bisasembarang.
FIS mengevaluasi semua rule secara simultam untuk
menghasilkan kesimpulan.Oleh karenanya ,semua rule harus didefenisikan lebih
dahulu sebelum kita membangun sebuah FIS yang igunakan untuk menginterpretasikan semua rule
tersebut.
Konsep umum
kronologi proses pembangunan FIS
Mekanisme dalam
FIS dirangkum :
FIS adalah sebuah
metode yang menginterpretasikan harga-harga dalam vector input menarik kesimpulan berdasar sekumpulan
IF-THEN rules yang diberikan , dan kemudia menghasilkan vector output.
2.1 Fuzzy Set
Untuk memahami fuzzu logic, terlebih dahulu dimulai
dengan memahami fuzzy set. Fuzzy set adalah sebuah himpunan di mana
keanggotaan dari tiap elemennya tidak mempunyai batas yang jelas .Himpunan
demikian sangat kontras dengan himpunan klasik.
Sebagai contoh : himpunan nama hari-hari dalam satu minggu dan himpunan
selain nama-nama hari .Bisa dibuatkan dalam himpunan hari-hari dalam satu
minggu atau pada himpunan
hari-hari akhir minggu .
Dijelaskan didalamnya
dari 7 hari dalam seminggu, jumat termasuk dalam Himpunan hari-hari akhir
minggu selain sabtu dan minggu.
Cara kerja fuzzy
logic hanya masalah generalisasi logika “ya-tidak” (Boolean). Misalkan ,dalam logika Boolean ,”benar” diberi bobot 1
dan “salah” diberi bobot 0, dalam fuzzy logic hal yang sama bias dilakukan
dengan memboboti “benar”/”salah” dalam rentang 0 sampai 1.
Dialog ini
memberikan contoh perlunya pemakaian fuzzy logic
A : apakah minggu adalah anggota himpunan hari akhir
minggu?
B : 0.95 (ya,tidak sepenuhnya seperti hari sabtu
terutama hari akhir minggu)
A : apakah
sabtu adalah anggota himpunan hari akhir minggu ?
B : 1 (ya)
A : apakah selasa adalah anggota himpunan hari
akhir minggu ?
B : 0(tidak)
A : apakah jumat adalah anggota himpunan hari akhir
minggu?
B : 0.8 (ya sebagian besar
dan tidak sepanjang hari)
2.2 Fuzzy Keanggotaan
Kurva pada gambar sebelumnya merupakan sebuah fungsi yg
memetakan ruang input (waktu dalam seminggu) menjadi bobot atau derajat “akhir
minggu” atau lebih sering disebut membership function (fungsi keanggotaan).
Fungsi
keanggotaan mendefenisikan bagaimana tiap titik dalam ruang input dipetajam menjadi bobot atau derajat keanggotaan antara 0 dan
1.
Dalam teori
himpunan,ruang input juga dikenal sebagai universe of discourse.
Secara umum
,beberapa kesimpulan tentang himpunan dan fungsi keanggotaan fuzzy diberikan di
bawah ini :
1. Fuzzy
set menekankan konsep variable samar (vague or fuzzy variable) seperti hari
minggu ,suhu panas,pelari cepat,dll
2. Fuzzy
set mengijinkan keanggotaan parsial dari suatu himpunan seperti hari jumat yang dianggap sebagai hari akhir minggu namun
dengan derajat di bawah 1.
3. Derajat keanggotaan fuzzy dalam fuzzy set berkisar
antara 0 sampai 1.
4. Tiap fungsi keanggotan µ berasosiasi dengan sebuah
fuzzy set tertentu dan memetakan suatu nilai input ke nilai derajat keanggotaan
yang sesuai. Misalnya dalam kasus fuzzy set orang berbadan “tinggi” mempunyai
fungsi keanggotaan sendiri, yaitu µtinggi yang berbeda dengan fungsi
keanggotaan dari fuzzy set orang berbadan “rendah” yaitu µ rendah.
2.3 Boolean Logic dan Fuzzy Logic
Merupakan
sebuah fakta bahwa dalam fuzzy logic bersifat lebih general daeripada Boolean
logic. Dalam fuzzy logic ,jika variable fuzzy diset pada derajat maksimumnya,
yaitu 1 atau minimumnya yaitu 0, maka akan berlaku Boolean logic (atau two-valued
logic).
Misalkan
ada dua fuzzy set,yaitu A dan B dan ada sebuah anggota himpunan x. Anggota
himpunan x ini bisa dikelompokan dalam fuzzy set A dengan derajat
keanggotaan µA(x) dan juga fuzzy set B dengan derajat keanggotaan µB(x) .
Sekarang lihat jika operasi min dilakukan antara dua fuzzy set A dan B tersebut
di notasikan dengan :
min(µA(x),µB(x)
Berdasarkan gambar diatas, dengan menggunakan fungsi min,
max dan 1-A untuk menggantikan operator AND, OR, dan NOT, kita bisa menggunakan
sembarang variabel fuzzy untuk melakukan operasi-operasi fuzzy logic yg
ekivalen dengan AND, OR, dan NOT, bahkan bisa lebih general.
2.4 Operator tambahan FUZZY LOGIC
Pada
pembahasan sebelumnya memilih korespondensi AND = min , OR = max , dan NOT = komplemen penambahan. Dalam fuzzy logic kita bisa berkreasi sendiri dalam mendefinisikan sendiri
fungs-fungsi yang bisa
menggantikan operasi AND,OR,NOT. Namun fungsi-fungsi buatan sendiri tersebut harus mengacu pada
aturan-aturan umum operasi fuzzy logic .
2.5 IF-THEN rule
Fuzzy
logic bekerja berdasar aturan-aturan yang dinyatakan dalam bentuk pernyataan
IF-THEN. Sebuah aturan fuzzy berbentuk seperti berikut :
if
x is A the y is B
BAB III
FUZZY INFERENCE
SYSTEM ( FIS )
Defenisi FIS
Metode FIS
Kedua metode hanya berbeda dalam cara penentuan harga
output FIS.
Metode Mamdani
- Struktur FIS
- Fuzzifikasi
- Operasi Fuzzy Logic :
1. Implikasi
2. Agregasi
3. Defuzzifikasi
4. Diagram FIS
Metode Sugeno
Rumus menghitung nilai keluaran :
Keluaran rule yang demikian bukan dalam bentuk fungsi keanggotaan, tapi bilangan yang berubah secara linier terhadap variabel input
yang mengikuti persamaan :
z = av + bw +
c
Jika b=0, FIS dikatakan berorde satu dimana keluaran mengikuti persamaan garis
z = av + c
Jika a=b=0, FIS dikatakan berorde nol karena keluaran berupa bilangan konstan yaitu z=c
BAB IV
MATLAB
Matlab Dasar
Matlab merupakan singkatan dari matrix laboratory.
Pada awalnya
Matlab digunakan untuk menangani
berbagai operasi matriks dan vektor menggunakan
library dari LINPACK dan
EISPACK. Saat ini Matlab telah menggabungkan
library LAPACK dan BLAS yang lebih efisien dalam menangani
operasi matriks dan vector.
Memulai Matlab
Matlab Desktop
Mengakhiri Matlab
Perintah-Perintah Dasar Matlab
1. Perintah Langsung
pada Matlab Prompt
2. Memotong Perintah yang Panjang
Jika
ingin memberikan perintah yang panjang pada Matlab, maka ditulis dalam 2 baris
atau lebih, contoh :
c=a+b+d+…
e+f+g+
…
h+i+j;
Perintah diatas merupakan perintah satu baris yang ditulis dengan 3 baris
3. Menyimpan Data Workspace
- Caranya, melalui menu file->Save Workspace As.
- Untuk memanggil kembali file.mat, gunakan File->Import Data.
- Untuk menyimpan per variable dalam satu file, gunakan perintah save.
4. Perintah Melalui M-Files
Cara membuka M-File :
Penggunaan M-File
5. Set Path
Matriks
Untuk
transpose A
Untuk akses salah
Untuk pengisian suatu nilai kepada elemen yang belum ada (A(2,5)=1)
- 1:2:10 (vektor baris berurutan dengan interval 2 dari rentang 1-10)
1. Membuat
dan Mengakses Elemen
Ketikan pada matlab prompt A
= [12 11 8 9; 4 2 7 10;7 2 13 7;3 2 5 1]
Respon di matlab :
Untuk pengaksesan suatu elemen matriks
Untuk akses salah
Untuk pengisian suatu nilai kepada elemen yang belum ada (A(2,5)=1)
2. OPERATOR “:”
- 1:10
- 1:2:10 (vektor baris berurutan dengan interval 2 dari rentang 1-10)
- a=A(2,:)
- a=A(:,2)
- a=A(2,2:3)
3. Membuat Matriks dari File
simpan di folder Current Directory dan lalu beri nama file dataku.txt.
Untuk
mengimpor file data ke Matlab,berikan perintah : Load dataku.txt
Dengan M-Files (buat file teks dengan
nama dataku1.m dan isi dengan
kode :)
4. Menghapus/Menambah Baris/Kolom
Operasi Matriks
+ untuk penjumlahan matriks.
- untuk pengurangan matriks.
* untuk perkalian elemen
demi elemen.
/ untuk pembagian elemen
demi elemen.
¥ untuk pembagian elemen
demi elemen.
^ untuk perpangkatan
elemen demi elemen.
1. Operasi Logika Internal Matriks
x(~isfinite (x))=9999
x =
1 2 3 9999
4 7 9999 9
2. Fungsi Find
Tidak ada komentar:
Posting Komentar