BAB 3 FUZZY

Fuzzy merupakan salah satu pendekatan dari K ecerdasan Komputasional untuk mengolah uncertainty information dan pengambilan kesimpulan dengan menggunakan bahasa natural.

Bahasa Natural ini digunakan untuk merepresentasikan domain permasalah, aturan, ataupun domain solusi, sebagai pengganti angaka. Misalkan suhu sangat panas, kecepatan mobil kurang cepat, nilai mahasiswa yang rendah, dan lain-lain. Sehingga dengan representasi ini, maka fuzy dapat menghasilkan human reasoning. 

Fuzzy untuk reasorning atau pengambilan keputusan akan  dijelaskan pada subbab berikut, yang didahului dengan pembahasan Himpunan Fuzzy, Logika Fuzzy, dan proses reasorning atau inferencing itu sendiri.

3.1 Himpunan Fuzzy

Crisp Set merupakan suatu himpunan di mana elemenya hanya memiliki dua kemungkinan saja yaitu apakah elemen tersebut merupkan anggota dari suatu himpunan atau tidak, atau sering juga dikenal dengan logika Boolean yaitu yang memiliki kemungkinan nilai 0 dan 1 saja, atau true dan false. Beberapa permasalahan dapat diselesaikan dengan menggunakan logika boolean ini, akan tetapi tidak semua permasalahan memiliki dua kemungkinan nilai saja, dikarenakan terdapat uncertainty information atau informasi yang samar (vague).

    Fuzzy Set atau himmpuanan Fuzzy berbeda dengan himpunan Crisp yang hanya memilik dua kemungkian anggota saja. Misalkan pada himpuanan crisp, terdapat himpunan "dingin", yaitu suhu yang kurang dari 20ºC termasuk dalam himpunan dingin, dan sebaliknya jika lebih dari atau sama dengan 20ºC tidak termasuk dalam anggota himpunan dingin. Jika terdapat suhu 21ºC maka suhu tersebut bukan anggota himpuanan dingin, padahal hanya selisih 1ºC saja dibandingkan threshould yang ada. Selain itu pada himpuan crisp, semua anggota pada himpunan tersebut memiliki level yang sama, misalkan suhu 19ºC memiliki level yang sama dengan suhu 5ºC, yaitu sama-sama merupakan anggota himpuanan dingin. Akan lebih baik jika setiap anggota pada suatu anggota himpunan memiliki kadar atau derajat yang berbeda, misalkan suhu 19ºC memiliki derajat 0.1 dari himpunan dingin, dan suhu 5ºC memiliki derajat 0,9 dari himpuanan dingin.

Perbedaan utama antara himpunan crisp dengan himpunan fuzzy adalah derajat keanggotaanya atau dikenal dengan membership degrree. Membership degree dapat juga berupa fungsi, yang disebut dengan Membership function.

Membership Function pada himpunan crisp, mempresentasikan apakah suatu elemen x merupakan anggota dari suatu himpunan atau tidak, seperti yang terlihat pada Persamaan (3.1)


Atau dapat dikatakan bahwa pada himpunan crisp, Membership Function memetakan semua anggotanya ke nilai 0 dan 1 saja, sperti Persamaan (3.2)



Sedangkan untuk himpunan fuzzy, Membership function memetakan semua anggotanya ke nilai 0 sampai dengan 1, seperti persamaan (3.3). Nilai derajat keanggotaan ini menyatakan derajat suatu anggota terhadap himpunan fuzzy. Semakin besar derajat keanggotaan terhadap himpunan fuzzy, maka nilai derajat keanggotaanya mendekatai atau sama dengan satu. Misalkan terdapat himpuanan fuzzy dingin, dengan puncak level dingin pada saat suhu sama dengan 0ºC, maka derajat keanggotaan untuk suhu sana dengan 5ºC lebih besar jika dibandingkan dengan suhu sama dengan 10ºC. Semakin jauh dengan 0ºC maka semakin rendah keanggotaan suhu tersebut terhadap himpunan dingin, sebaliknya semakin dekat dengan suhu 0ºC maka derajat keanggotaany semakin besar atau mendekati satu, dan suhu 0ºC akan memiliki nilai derajat keanggotaan terbesar yaitu satu. 


Contoh himpunan fuzzy dan Membershi Function-nya dapat dilihat pada gambar (3.2)

Berdasarkan gambar di atas terdapat beberapa himpunan fuzzy yaitu :
  • Dingin
  • Sejuk
  • Normal 
  • Hangat
  • Panas
Penentuan fungsi keanggotaan atau Membership Function harus sesuai dengan permasalahan yang ada. Misalkan terdapat suatu himpunan A yaitu bilangan yang dekat dengan nol, maka fungsi keanggotaanya harus dibuat sedemikian hingga semakin dekat suatu bilangan dengan nol, maka semakin tinggi derajat keanggotaanya, demikian juga sebaliknya. Semakin jauh suatu bilangan dengan angka nol, maka semakin kecil derajat keanggotaan bilangan tersebut. Fungsi yang digunakan untuk mempresentasikan himpunan tersebut adalah,


Comments

Post a Comment

Popular posts from this blog

Latihan BAB 3

Image
 1. Jika Terdapat fungsi keanggotaan dari suatu himpunan A yang terlihat seperti gambar di bawah ini, maka tentukan nilai derajat keanggotaan dari 0,x = 60, x=70, x= 90, dan 10. jawab : Berdasarkan fungis keanggotaan trapezium yang terdapat pada gambar di atas Persamaan (3,9), maka )) = 0 ;))=0; ))=0.25; ))=0.75; ua (110)=1 2. Terdapat suatu sistem penggajian sales dari perusahaan distributor. Gaji sales akan mengalami peningkatan dengan dua syarat yaitu rajin masuk kantor (jumlah absen tiap bulan minimal), dan total penjualan yang dihasilkan pada tiap bulan. Buatlah code untuk sistem penggajian ini dengan menggunakan sistem inferensi fuzzy mamdani, berdasarkan beberapa kriteria berikut ini: variable kehadiran (jumlah absen dalam tiap bulan, di mana satu bulan = 20 hari kerja) yang memiliki tiga buah himpunan fuzzy, yaitu rajin, sedang, dan malas. Variable jumlah Penjualan yang memiliki dua buah himpunan fuzzy, yaitu sedikit dan banyak. Terdapat tiga jenis output kenaikan gaji, yai...
Read more

Latihan BAB 4

Image
 1. Terdapat suatu sistem pengenalan pol dengan jumlah fitur sama dengan 64. Dengan menggunakan algoritma genetika, buatlah representasi individu dan fungsi fitnes dari permasalahan seleksi fitur unutk pengenalan pola tersebut. Permasalahan seleksi fitur dengan total fitur adalah 64: a. Representasi Individu untuk algoritma genetika adalah: String binnerdengan ukuran 64 digit, di mana bit "1" menyatakan fitur tersebut digunakan, dan bit "0" menyatakan fitur tersebut tidak digunakan untuk fitur pada proses pengenalan pola. Misalkan terdapat contoh individu berikut ini: 1 1 0 1 0 0 0 0 ... 0 0 1 2 3 4 5 6 7 ... 63 Individu pada digit ke-1 dan digit ke-3 adalah satu, sedangkan digit ...
Read more