1 / 18

Fuzzy Logic

Fuzzy Logic. Tim Asprak Metkuan. Analogi. Tinggi Badan bisa dikategorikan: Tinggi S edang Pendek. Himpunan fuzzy. Berapa tinggi sebenarnya ???. Anak 1: 140 cm Anak 2: 112 cm Anak 3: 125 cm. Nilai Crisp. Fuzzy Logic.

vaughan
Download Presentation

Fuzzy Logic

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. Fuzzy Logic Tim Asprak Metkuan

  2. Analogi • Tinggi Badan bisa dikategorikan: • Tinggi • Sedang • Pendek Himpunan fuzzy • Berapa tinggi sebenarnya ??? • Anak 1: 140 cm • Anak 2: 112 cm • Anak 3: 125 cm Nilai Crisp

  3. Fuzzy Logic • Logical system yang mengikuti penalaran manusia yang cenderung menggunakan ‘pendekatan’ dan bukan ‘eksak’ • Sebuah pendekatan terhadap ketidakpastian yang mengkombinasikan nilai real [0..1] dan operasi logika Keuntungan Fuzzy: • Mudah dimengerti • Pemodelan matematika sederhana • Toleransi data yang tidak tepat • Dapat memodelkan fungsi-fungsi non linear yang kompleks • Mengaplikasikan pengalaman tanpa proses pelatihan • Didasarkan pada bahasa alami

  4. Variable fuzzy • Variabel dalam suatu sistem fuzzy • Contoh: tinggi badan, berat badan, kecepatan, suhu, cuaca, dll

  5. Fuzzy Set • Himpunan fuzzy yang mewakili suatu kondisi pada variabel fuzzy • Tinggi badan = {pendek, sedang, tinggi} • Suhu = {panas, hangat, dingin}

  6. Membership Function • Cara untuk merepresentasikan himpunan fuzzy • Contoh membership function: fungsi linier, segitiga, trapesium, sigmoid, phi

  7. Membership Function (lanj..) • Diketahui fuzzy set dari variabel ‘harga’

  8. Membership Function (lanj..) • Diketahui fuzzy set dari variabel ‘rasa’

  9. Membership Function (lanj..) • Diketahui fuzzy set dari variabel ‘porsi’ Bagaimana Membership Functionnya ???

  10. Degree of Membership 1 ; x = b 0 ; x<a atau x>c µ(x) = ; a < x < b ; b < x < c

  11. Degree of Membership (lanj..) • Jika x = 750, berapa degree of membershipnya??

  12. Fuzzy Connectives • Disjunction => or • A V B => max(A,B)

  13. Fuzzy Connectives (lanj..) • Conjunction => and • A ʌ B => min (A,B)

  14. Latihan • Gambarkan Membership Function dari fuzzy set berikut:

  15. Latihan(lanj..) • Tentukan degree of membership dari nilai berikut: • Permintaan = 13 • Permintaan = 15 • Permintaan = 22 • Persediaan = 37 • Persediaan = 41 • Persediaan = 48

  16. Dari soal sebelumnya, jika diketahui permintaan = 15 dan persediaan = 37, tentukan degree of membership dari: • permintaan V persediaan • permintaan ʌ persediaan

  17. Pengumpulan Subjek: NRP_LKP5 Kirim ke: • P1: deanimations@gmail.com • P2: natasia.ayu08@gmail.com

  18. Terima Kasih

More Related