1 / 21

Sistem samar (fuzzy System)

Sistem samar (fuzzy System). Pengertian Dasar. Sistem Samar ( Fuzzy System ) mencakup dua hal: Himpunan Samar ( Fuzzy Set ) dan Logika Samar ( Fuzzy Logic )

tallys
Download Presentation

Sistem samar (fuzzy System)

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Sistemsamar (fuzzy System)

  2. Pengertian Dasar • Sistem Samar (Fuzzy System) mencakup dua hal: • Himpunan Samar (Fuzzy Set) dan • Logika Samar (Fuzzy Logic) • Logika samar dikembangkan pertama kali oleh Lotfi A. Zadeh, seorang ilmuwan Amerika berkebanggaan Iran dari Universitas California di Berkeley, melalui tulisanya tahun 1965. • Logika samar umumnya diterapkan pada masalah-masalah yang mengandung unsur ketiakpastian (uncertainty).

  3. Contoh : • Seseorang dikatakan “tinggi” jika tinggi badannya di atas 170 cm. Apakah orang yang tingginya 169,99 cm atau 165 cm termasuk kategori “tinggi”? menurut persepsi manusia, orang yang mempunyai tinggi sekitar 170 cm dikatakan “kurang lebih tinggi” atau “agak tinggi”. • Kecepatan pelan didefinisikan di bawah 20 km/jam. Bagaimana dengan kecepatan 20,01 km/jam, apakah masih dapat dikatakan pelan? Kita mungkin mengatakan bahwa kecepatan 20,01 km/jam itu “agak pelan”. Kedua contoh di atas memperlihatkan bahwa ketidakpastian dalam kasus ini disebabkan oleh kaburnya pengertian “agak”, “kurang lebih”, “sedikit”, dan sebagainya

  4. Himpunan Samar (Fuzzy Set) Fungsi Karakteristik • Fungsi karakteristik merupakan cara untuk menyajikan himpunan. Fungsi karakteristik dilambangkan dengan , mendefinisikan apakah suatu unsur dari semesta pembicaraan merupakan anggota suatu himpunan atau bukan, yaitu: • Jadi, A memetakan X ke himpunan {0, 1}, yang dalam hal ini X adalah semesta pembicaraan.

  5. Fungsi Karakteristik Contoh 1: • Misalkan X = {1, 2, 3, 4, 5, 6} dan AX, yang dalam hal ini A = {1, 2, 5}. Dengan fungsi karakteristik, kita menyatakan A sebagai A = {(1,1), (2,1), (3,0), (4,0), (5,1) , (6,0)} Keterangan: (2,1) berarti A(2) = 1; (4,0) berarti A(4) = 0.

  6. Contoh 2: Misalkan X = {x|0 x 10, xR}. Misalkan AX , yang dalam hal ini A = {x|5 x 8, xR}. Maka kita dapat menyatakan bahwa A(3) = 0 A(4,8) = 0 A(7) = 1 A(5,654) = 1

  7. Derajat Keanggotaan • Logika samar dikembangkan dari teori himpunan samar (fuzzy set). Berbeda dengan himpunan klasik yang merupakan himpunan tegas (crisp set) dimana syarat keanggotaannya dinyatakan secara tegas, yakni apakah sebuah unsur x adalah anggota atau bukan. • Misalkan V = himpunan kecepatan pelan (yaitu v 20 km/jam). Apakah kecepatan v = 20,001 km/jam termasuk ke dalam himpunan kecepatan pelan? Menurut himpunan tegas 20,001 V, tetapi menurut himpunan fuzzy tidak ditolak ke dalam himpunan V, tetapi diturunkan derajat keanggotaannya.

  8. Derajat Keanggotaan • Dalam teori himpunan fuzzy, keanggotaan suatu elemen di dalam himpunan dinyatakan dengan derajat keanggotaan (membership values) yang nilainya terletak di dalam selang [0, 1]. • Derajat keanggotaan ditentukan dengan fungsi keanggotaan: A : X [0, 1] • Bandingkan dengan fungsi keanggotaan pada teori himpunan tegas: A : X {0, 1}

  9. Derajat Keanggotaan Arti derajat keanggotaan adalah sebagai berikut: • Jika A(x) = 1, maka x adalah anggota penuh dari himpunan A • Jika A(x) = 0, maka x bukan anggota dari himpunan A • Jika A(x) = , dengan 0 < < 1, maka x adalah anggota dari himpunan A dengan derajat keanggotaan sebesar .

  10. Mendefinisikan Himpunan Fuzzy • Misalkan himpunan fuzzy A didefinisikan pada semesta pembicaraan X = {x1, x2, . . ., xn}. Maka cara mendefinisikan himpunan fuzzy adalah sebagai berikut: Cara 1 : Untuk anggota himpunan fuzzy bernilai diskrit. Sebagai himpunan pasangan berurutan A = { (x1, A(x1)), (x2, A(x2)), . . . , (xn, A(xn)) }

  11. Contoh 3: Misalkan X = {becak, sepeda motor, mobil kodok (VW), mobil kijang, mobil carry} dan A = himpunan kendaraan yang nyaman dipakai untuk bepergian jarak jauh oleh keluarga besar (terdiri dari ayah, ibu, dan empat orang anak). Didefinisikan bahwa, x1 = becak, A(x1) = 0 x2 = sepeda motor, A(x2) = 0.1 x3 = mobil kodok, A(x3) = 0.5 x4 = mobil kijang, A(x4) = 1.0 x5 = mobil carry, A(x5) = 0.8 maka, dalam himpunan fuzzy, A = { (becak, 0), (sepeda motor, 0.1), (mobil kodok, 0.5), (mobil kijang, 1.0), (mobil carry, 0.8) }

  12. Cara 2: Untuk anggota himpunan fuzzy bernilai kontinu (real). Dinyatakan dengan menyebut fungsi keanggotaan. Contoh 4: Misalkan A = himpunan bilangan riil yang mendekati 2. Maka, dalam himpunan fuzzy,

  13. Contoh 5: • i. Diskrit X = himpunan bilangan bulat positif. A = himpunan bilangan bulat yang mendekati 10 = { 0.1/7 + 0.5/8 + 1.0/10 + 0.8/11 + 0.5/12 + 0.1/13} • ii. Kontinu X = himpunan bilangan riil positif. A = himpunan bilangan riil yang mendekati 10 =  1/(1 + (x -10)2 ) / x

  14. Misalkan himpunan fuzzy A dan himpunan fuzzy B masing-masing memiliki fungsi keanggotaan yang grafiknya adalah seperti pada gambar di bawah Operasi Himpunan Fuzzy

  15. ABAB = A(x) B(x) = max(A(x), B(x)) AB diartikan sebagai “x dekat A” atau ”x dekat B”  Grafik fungsi keanggotaan AB digambarkan pada Gambar di bawah berikut, garis yang lebih tebal menunjukkan derajat keanggotaan hasil gabungan. Gabungan

  16. ABAB = A(x) B(x) = min(A(x), B(x)) AB diartikan sebagai “x dekat A” dan ”x dekat B” Grafik fungsi keanggotaan AB digambarkan pada gambar di bawah, garis yang lebih tebal menunjukkan derajat keanggotaan hasil irisan Irisan

  17. ĀĀ = 1 - A(x) Ā diartikan sebagai “x tidak dekat A”.  Grafik fungsi keanggotaan Ā digambarkan pada gambar di bawah, garis yang lebih tebal menunjukkan derajat keanggotaan hasil komplemennya. Komplemen

  18. Logika Samar (Fuzzy Logic) • Pada logika klasik, nilai kebenaran proposisi adalah 1 (true) atau 0 (false). Tetapi pada logika fuzzy, nilai kebenaran proposisi adalah nilai riil di dalam selang [1, 0]. • Misalkan p adalah proposisi yang didefinisikan pada himpunan fuzzyA, maka nilai kebenaran proposisi p adalah T(p). T(p) = A(x), 0 A 1 • Jadi, nilai kebenaran p : xA sama dengan derajat keanggotaan x di dalam A.

  19. Proposisi di dalam Logika Samar • Ada dua bentuk : • Proposisi atomik, berbentuk “x is A” yang dalam hal ini, x adalah peubah linguistik dan A adalah terma/nilai linguistik. • Proposisi majemuk, berbentuk “x is A or y is B” “x is A and y is B” Contoh: “temperature is cold or it is rainy”

  20. Proposisi atomik Contoh: proposisi dalam bahasa Inggris “man is old”. Jika x = 50 dan fungsi keanggotaan old adalah old = maka nilai kebenaran “42 is old” adalah (50 – 45) / 15 = 1/3 = 0.3333

  21. The end and 10_Q

More Related