Академический Документы
Профессиональный Документы
Культура Документы
M E N G E N A L D E K AT T E N TA N G L O G I C A
FUZZY
DISUSUN OLEH;
C H A I R U L TA N S A
UCI DAELI
N O VA K R I S D A Y A N T I
M S U R YAWA N P R I A N T O
LOGICA FUZZY
Logika Fuzzy adalah peningkatan dari logika Boolean yang mengenalkan
konsep kebenaran sebagian. Di mana logika klasik menyatakan bahwa
segala hal dapat diekspresikan dalam istilah binary (0 atau 1, hitam
atau putih, ya atau tidak), logika fuzzy menggantikan kebenaran
boolean dengan tingkat kebenaran.
Clustering dengan pendekatan hirarki mengelompokkan data yang mirip dalam hirarki
yang sama dan yang tidak mirip di hirarki yang agak jauh. Ada dua metode yang
sering diterapkan yaitu agglomerative hieararchical clustering dan divisive
hierarchical clustering. Agglomerative melakukan proses clustering dari N cluster
menjadi satu kesatuan cluster, dimana N adalah jumlah data, sedangkan divisive
melakukan proses clustering yang sebaliknya yaitu dari satu cluster
menjadi N cluster.
Beberapa metode hierarchical clustering yang sering digunakan dibedakan menurut cara
mereka untuk menghitung tingkat kemiripan. Ada yang menggunakan Single
Linkage, Complete Linkage, Average Linkage, Average Group Linkage dan lain-
lainnya. Seperti juga halnya dengan partition-based clustering, kita juga bisa
memilih jenis jarak yang digunakan untuk menghitung tingkat kemiripan antar data.
Salah satu cara untuk mempermudah pengembangan dendogram untuk hierarchical
clustering ini adalah dengan membuat similarity matrix yang memuat tingkat
kemiripan antar data yang dikelompokkan. Tingkat kemiripan bisa dihitung dengan
berbagai macam cara seperti dengan Euclidean Distance Space. Berangkat dari
similarity matrix ini, kita bisa memilih lingkage jenis mana yang akan digunakan
untuk mengelompokkan data yang dianalisa.
LOGICA FUZZY
Konsep Dasar [1]
Teori klasik, himpunan = kumpulan elemen yang berhingga/tak-berhingga
milik dari suatu himpunantertentu yg disbt semesta pembicaraan
Elemen dr semesta pembicaraan dapat termasuk atau tidak termasuk ke
dalam himpunan A
Fungsi karakteristik yg bersifat Boolean/crisp atau tegas adalah fungsi tak-kontinu:
Sifat samar atau vagueness dpt dimasukkan ke dalam teori himpunan dgn membuat fungsi
karakteristik boleh bernilai tidak berhingga banyaknya di antara nilai 0 dan nilai 1
Fungsi keanggotaan µ A(x) adl pemetaan dari semesta pembicaraan ke rentang tertutup [0, 1]:
Fungsi keanggotaan = ukuran sejauh mana elemen x termasuk ke dalam himpunan A
Fuzzifikasi yaitu suatu proses untuk mengubah suatu masukan dari bentuk
tegas (crisp) menjadi fuzzy (variabel linguistik) yang biasanya disajikan
dalam bentuk himpunan-himpunan fuzzy dengan suatu fungsi
kenggotaannya masing-masing. Contoh dari proses Fuzzification adalah
seperti yang ditunjukkan di gambar 4. Sebuah sistem fuzzy untuk mengukur
suhu mempunyai 5 buah membership function yang mempunyai label
sangat dingin, dingin, hangat, panas, sangat panas. Kemudian input yang
diperoleh dari crisp input adalah 47° maka pengambilan fuzzy input-nya
adalah seperti pada gambar berikut ini
SKEMA FUZZY
Dari uraian blok diatas dapat kita fahami bahwa didalam logika Fuzzy terdapat tiga
hal terpenting yang harus temen2 fahami diataranya:
Fuzzifikasi adalah proses untuk mengubah variabel non fuzzy (variabel numerik)
menjadi variabel fuzzy (variabel linguistik).
Inferencing (Ruled Based) , pada umumnya aturan-aturan fuzzy dinyatakan dalam
bentuk “IF……THEN” yang merupakan inti dari relasi fuzzy
Defuzifikasi adalah proses pengubahan data-data fuzzy tersebut menjadi data-data
numerik yang dapat dikirimkan ke peralatan pengendalian.
.
FUZZIFIKASI
Sehingga didapat 2 fuzzy input yang masing-masing adalah: dingin (x2) dan
hangat (x1). Nilai x1 dan x2 dapat dicari dengan rumus persamaan
garis. Yang menentukan sistem anda sensitif atau tidak adalah
membership function ini. Jika membership function-nya banyak maka
sistem anda menjadi sensitif. Yang dimaksud dengan sensitif dalam hal
ini adalah jika input-nya berubah sedikit saja maka sistem akan cepat
merespon dan menghasilkan suatu output lain. Output dari proses
fuzzification ini adalah sebuah nilai input fuzzy atau yang biasanya
dinamakan fuzzy input.
DEFUZZIFIKASI
Kaidah dasar dalam menarik kesimpulan dari dua nilai logika tradisional
adalah modus ponens, yaitu kesimpulan tentang nilai kebenaran pada
B diambil berdasarkan kebenaran pada A. Sebagai contoh, jika A
diidentifikasi dengan “tomat itu merah” dan B dengan “tomat itu
masak”, kemudian jika benar kalau “tomat itu merah” maka “tomat
itu masak”, juga benar. Konsep ini digambarkan sebagai berikut:
memiliki fungsi keanggotaan yang berhubungan dengan A dan B yang didefinisikan sebagai
berikut
dengan adalah operator biner untuk fungsi S dan biasa disebut
sebagai operator T-conorm atau S-norm, yang memiliki sifat-
sifat sebagai berikut:
S(1,1) = 1, S(0,a) = S(a,0) = a (boundary);
S(a,b) £ S(c,d) jika a £ c dan b £ d (monotonicity);
S(a,b) = S(b,a) (commutativity);
S(a,S(b,c)) = S(S(a,b),c) (associativity).
INTERSECTION (IRISAN)
Irisan dari dua buah himpunan fuzzy A dan B adalah himpunan fuzzy C
dituliskan sebagai
Atau
,
memiliki fungsi keanggotaan yang berhubungan dengan A dan B yang
didefinisikan sebagai berikut:
Fungsi-fungsi keanggotaan fuzzy terparameterisasi satu dimensi yang umum
digunakan diantaranya adalah:
1. Fungsi keanggotaan segitiga, disifati oleh parameter{a,b,c} yang didefinisikan
sebagai berikut:
5. Fungsi keanggotaan sigmoid, disifati oleh parameter {a,c} yang didefinisikan sebagai
berikut:
parameter a digunakan untuk menentukan kemiringan kurva pada saat x = c. Polaritas dari a
akan menentukan kurva itu kanan atau kiri terbuka, seperti terlihat pada Gambar 2.(d)
dan 2.(e).
FUZZY IF-THEN RULE
Kaidah fuzzy If-Then (dikenal juga sebagai kaidah fuzzy, implikasi fuzzy atau
pernyataan kondisi fuzzy) diasumsikan berbentuk:
Jika x adalah A maka y adalah B
Dengan A dan B adalah nilai linguistik yang dinyatakan dengan himpunan fuzzy
dalam semesta pembicaraan X dan Y. Sering kali “x adalah A” disebut sebagai
antecedent atau premise, sedangkan “y adalah B” disebut consequence atau
conclusion.
Kaidah fuzzy if-then “jika x adalah A maka y adalah B” sering kali
disingkat dalam bentuk A B yang merupakan suatu bentuk relasi fuzzy biner
R pada produk ruang X ´ Y. Terdapat dua cara untuk menyatakan A B, yaitu
sebagai A coupled with B dan A entails B. Jika dinyatakan sebagai A coupled
with B maka didefinisikan sebagai berikut:
KESIMPULAN
Logika Fuzzy adalah peningkatan dari logika Boolean yang mengenalkan
konsep kebenaran sebagian dan tidak mengandung unsur ketidak pastian
Keanggotaan dalam himpunan fuzzy dinyatakan dengan derajat keanggotaan
suatu nilai dapat di jadikan anggota dan himpanan seklaigus derajat yang
berbeda
kendali logika fuzzy dapat dilakukan dengan proses fuzzyfikasi penalaran
sesuai dengan aturan dan deffuzifikasi
dalam sistem kendali ogica fuzzy cukup praktis diaplikasi berbagai bidang
Terima kasih