L/O/G/O

Dosen :
Syamsul Arifin
syamsul@ep.its.ac.id
K5-6 Relasi Fuzzy
twitter : syam212 http://share.its.ac.id
Relasi Fuzzy
U V

A  B atau IF A(u) THEN B(v)

Antecedent Consequent

UXV
Relasi Fuzzy
AxB    A (u)t B (v) /(u, v)
UxV

UxV  u, v  / u  U , v  V 

 min  A (u ),  B (v)  interseksi

 R u, v    AxB (u, v)  
 A (u ). B (v)  perkalian aljabar
 Contoh : Relasi Konjungtif

Jumlah MK U = {1,2,3}

 A (u) / u  1 / 1  0,7 / 2  0,2 / 3

Nilai MK V = {1,2,3,4}

 B (v) / v  0,8 / 1 0,6 / 2  0,4 / 3  0,2 / 4

Himpunan fuzzy A; Jumlah MK Sedikit B;Nilai Jelek
Relasi Konjungtif
A x B = 0,8/(1,1) + 0,6/(1,2) + 0,4/(1,3) + 0,2/(1,4) +
0,56/(2,1) + 0,42/(2,2) + 0,28/(2,3) + 0,14/(2,4) +
0,16/(3.1) + 0,12/(3,2) + 0,8/(3,3) + 0,04/(3,4)

R =AxB v 1 2 3 4

u
1 0,8 0,6 0,4 0,2

2 0,56 0,42 0,28 0,14

3 0,16 0,12 0,8 0,04

Contoh : Relasi Interseksi
A = fast = 0/0 + 0/20 + 0,3/40 + 0,7/60 + 1/80 + 1/100
Data Expert
C = slow = 1/0 + 0,7/20 + 0,3/40 + 0/60 + 0/80 + 0/100

Statement Expert

IF C is slow THEN A is fast

Operasi Relasi Interseksi

 min  C (u1 ),  A (v1 ) min  C (u1 ),  A (v n ) 

 
CxA    
 min  (u ),  (v ) min  (u ),  (v )
 C m A 1 C m A n 
 Matrik Hasil Relasi Interseksi
 min[1,0] min[1,0] min[1,0.3] min[1,0.7] min[1,1] min[1,1] 
min[ 0.7,0] min[ 0.7,0] min[ 0.7,0.3] min[ 0.7,0.7] min[ 0.7,1] min[ 0.7,1]
 
 min[ 0.3,0] min[ 0.3,0] min[ 0.3,0.3] min[ 0.3,0.7] min[ 0.3,1] min[ 0.3,1]
CxA   
 min[ 0,0] min[ 0,0] min[ 0,0.3] min[ 0,0.7 ] min[ 0,1] min[ 0,1] 
 min[ 0,0] min[ 0,0] min[ 0,0.3] min[ 0,0.7] min[ 0,1] min[ 0,1] 
 
 min[ 0,0] min[ 0,0] min[ 0,0.3] min[ 0,0.7] min[ 0,1] min[ 0,1] 

0 0 0.3 0.7 1 1 
0 0 0.3 0.7 0.7 0.7

0 0 0.3 0.7 0.3 0.3
CxA   
0 0 0 0 0 0
0 0 0 0 0 0
 
0 0 0 0 0 0 
Contoh : Relasi Interseksi
G = good = 0/0 + 0,1/1 + 0,2/2 + 0,45/3 + 0,8/4 + 1/5 + 0,1/6
+ 0,2/7 + 0,5/8 + 0,8/9 + 1,0/10
A = average = 0/0 + 0/1+ 0/2 +1/3 +0/4 + 0/5

IF service is good THEN tip is average

 min G (u1 ),  A (v1 ) min G (u1 ),  A (vn ) 

 
GxA    
 min  (u ),  (v ) min  (u ),  (v )
 G m A 1 G m A n 
Matrik Hasil Relasi Interseksi

 min[ 0,0] min[ 0,0] min[ 0,0] min[ 0,1] min[ 0,0] min[ 0,0] 
 min[ 0.1,0] min[ 0.1,0] min[ 0.1,0] min[ 0.1,1] min[ 0.1,0] min[ 0.1,0] 
 
 min[ 0.2,0] min[ 0.2,0] min[ 0.2,0] min[ 0.2,1] min[ 0.2,0] min[ 0.2,0] 
 
 min[ 0.45,0] min[ 0.45,0] min[ 0.45,0] min[ 0.45,1] min[ 0. 45, 0] min[ 0. 45, 0]
 min[ 0.8,0] min[ 0.8,0] min[ 0.8,0] min[ 0.8,1] min[ 0.8,0] min[ 0.8,0] 
 
GxA   min[1,0] min[1,0] min[1,0] min[1,1] min[1,0] min[1,0] 
 min[ 0.1,0] min[ 0.1,0] min[ 0.1,0] min[ 0.1,1] min[ 0.1,0] min[ 0.1,0] 
 
 min[ 0.2,0] min[ 0.2,0] min[ 0.2,0] min[ 0.2,1] min[ 0.2,0] min[ 0.2,0] 
 min[ 0.5,0] min[ 0.5,0] min[ 0.5,0] min[ 0.5,1] min[ 0.5,0] min[ 0.5,0] 
 
 min[ 0.8,0] min[ 0.8,0] min[ 0.8,0] min[ 0.8,1] min[ 0.8,0] min[ 0.8,0] 
 
 min[1,0] min[1,0] min[1,0] min[1,1] min[1,0] min[1,0] 
Relasi Fuzzy N-Kaidah
R1 : IF A1(u) THEN B1(v)
R2 : IF A2(u) THEN B2(v)
:
:
RN : IF AN(u) THEN BN(v)

 R (u, v)   { A (u) t  B (v)}

i 1,...,N i i

max {min{ Ai (u),  Bi (v)}}

i 1,...,N
Relasi Fuzzy N-Himpunan Fuzzy

U V W

A  B  C : IF A(u) THEN B(v) THEN C(w)

Antecedent Consequent

UXVXW
 Relasi Fuzzy N-Himpunan Fuzzy

R  AxBxC    A (u )t B (v)t C ( w) /(u, v, w)

UxVxW

   A (u )t B (v)t C ( w) /(u, v, w)

U .V .W

Matrik 3 Dimensi
 Definisi 3-4 : Komposisi Multi-relasi Fuzzy

R=UxV dan S=VxW

Komposisi sup-t

R  S  {[sup( R (u, v)t S (v, w))], u  U , v  V , w  W }

V
Komposisi inf-s

R  S  {[inf(  R (u, v) s S (v, w))], u  U , v  V , w  W }

V
 Definisi 3-5 :
Kaidah Penalaran Komposisional.

R=UxV A’U A’ B’
R
B’V

 A  R  untuk komposisi sup - t

B  
 A  R  untuk komposisi inf - s
kaidah penalaran komposisional Zadeh

 B (v)  max{min[  A (u ),  R (u, v)]}

A  U
Contoh 3-4 : Relasi Komposisional
Relasi 3-Kaidah :
IF A is slow THEN B is fast
OR IF A is medium THEN B is medium
OR IF A is fast THEN B is slow

R = (slowfast) (mediummedium)(fastslow)
Hasil Relasi R
R = (slowfast) (mediummedium)(fastslow)

B 0 20 40 60 80 100
A

0 0 0 0 0,3 0,7 1,0

20 0 0 0,3 0,3 0,7 0,7
40 0 0,3 0,7 0,7 0,3 0,3
60 0,3 0,3 0,7 0,7 0,3 0,3
80 0,7 0,7 0,3 0,3 0 0
100 1,0 0,7 0,3 0 0 0
Hasil Relasi R
B =slowR

 B (v)  max{min[  A (u ),  R (u, v)]}

A U

B (v) = 0/0 + 0,3/20 + 0,3/40 + 0,3/60 + 0,7/80 + 1/100

Pengendalian Tinggi Air Dalam Tangki

Variabel yang dikendalikan : Level

Sinyal Pengendali : Bukaan Valve
Sinyal Penggerak : Error
Error = [ Level yang dikehendaki ] –
[Level Yang Terjadi]
Pengendali : PID
Tuning : Fuzzy Logic
Kaidah :5
Sistem dibangun dengan MATLAB
Fuzzy Inferance System (FIS)
Simulator : MATLAB - Simulink
Kaidah Pengendalian

5 kaidah Pengendalian Ketinggian Air dalam Tangki

1. If (level is okay) then (valve is no_change) (1)

2. If (level is low) then (valve is open_fast) (1)
3. If (level is high) then (valve is close_fast) (1)
4. If (level is good) and (rate is negative), then (valve is close_slow) (1)
5. If (level is good) and (rate is positive), then (valve is open_slow) (1)
Simulink Editor :
Sistem Pengendalian Level : PID-Fuzzy
Simulink Editor :

Clik 2x
Simulink Editor :
Fungsi Keanggotaan Fuzzy : Input
Fungsi Keanggotaan Fuzzy : Output
Start Simulation
Tampilan Monitoring Proses Pengendalian
L/O/G/O

Dosen :
Syamsul Arifin
Thank You!
syamsul@ep.its.ac.id
twitter : syam212 http://share.its.ac.id