logika fuzzy fuzzy logic -...
TRANSCRIPT
LOGIKA FUZZY
(FUZZY LOGIC)
TI091209 [2 SKS]
OTOMASI INDUSTRI
MINGGU KE-16
1Jurusan Teknik Industri 1
disusun oleh:
Mokh. Suef
Yudha Prasetyawan
Maria Anityasari
OUTLINE PERTEMUAN INI
� Pengantar
� Crisp Variables
� Fuzzy Sets
� Linguistic Variables
� Membership Functions
Fuzzy Logic
2Jurusan Teknik Industri 2
� Fuzzy Logic
� Fuzzy OR
� Fuzzy AND
� Contoh
� Fuzzy Control � Variables
� Rules
� Fuzzification
� Defuzzification
� Ringkasan
PENGANTAR
� Fuzzy logic: � Cara untuk merepresentasikan variasi atau
ketidakpresisian dalam logika
� Cara untuk menggunakan bahasa natural dalam logika
� Melakukan pendekatan dalam (approximate) reasoning
� Seseorang berkata “Jika cuaca sejuk dan
3Jurusan Teknik Industri 3
� Seseorang berkata “Jika cuaca sejuk dan matahari bersinar terang hari ini, saya akan berkendara dengan kencang"
� Linguistic variables:� Temperatur: {sangat dingin, dingin, sejuk, panas}
� Kondisi awan: {berawan, sebagian berawan, cerah –matahari bersinar terang}
� Kecepatan: {pelan, kencang}
CRISP VARIABLES (TRADISIONAL)
�Crisp variables merepresentasikan kuantitas yang tepat:� x = 3.1415296
� A ∈{0,1}
�Proposisi dapat bernilai Benar atau Salah
4Jurusan Teknik Industri 4
�Proposisi dapat bernilai Benar atau Salah� A ∧∧∧∧ B ⇒ C
�Keegoisan (Richard) ∧∧∧∧ Ketamakan(Richard) ⇒ Keburukan (Richard)
�Richard apakah tamak atau tidak:� Ketamakan (Richard) ∈{0,1}
FUZZY SETS
�Bagaimana apabila Richard tidak
terlalu tamak?� Fuzzy Sets dapat merepresentasikan derajat sebuah
kualitas seharusnya diukur
5Jurusan Teknik Industri 5
kualitas seharusnya diukur
� Fuzzy Sets (Simple Fuzzy Variables) bernilai dalam
rentang [0,1]
� Ketamakan (Richard) = 0.7
� Pertanyaan: Seberapa burukkah Richard?
FUZZY LINGUISTIC VARIABLES
�Fuzzy Linguistic Variables dipergunakan untuk merepresentasikan besaran kualitas dalam spektrum tertentu
�Temperatur:
{Sangat dingin, dingin, sejuk, panas}
6Jurusan Teknik Industri 6
{Sangat dingin, dingin, sejuk, panas}
�Membership Function
�Pertanyaan: Bagaimana kondisi temperatur?
�Jawab: sejuk.
�Pertanyaan: Seberapa sejuk?
MEMBERSHIP FUNCTIONS
� Temperatur: {sangat dingin, dingin, sejuk, panas}
� Degree of Truth atau "Membership"
7Jurusan Teknik Industri 7
MEMBERSHIP FUNCTIONS
�Seberapa dingin suhu 36 F°?
8Jurusan Teknik Industri 8
MEMBERSHIP FUNCTIONS
�Seberapa dingin suhu 36 F°?
�30% dingin dan 70% sangat dingin
9Jurusan Teknik Industri 9
0.7
0.3
FUZZY LOGIC
� Bagaimana menggunakan fuzzy membership
functions dalam menyebut logika?
� Fuzzy logic Connectives (penghubung):
� Fuzzy Conjunction, ∧
� Fuzzy Disjunction, ∨
10Jurusan Teknik Industri 10
� Fuzzy Disjunction, ∨
� Digunakan dalam derajat membership dalam
sebuah fuzzy sets
FUZZY DISJUNCTION
� A∨B max(A, B)
� A∨B = C
“Kualitas C adalah disjunction dari Kualitas A dan B"
11Jurusan Teknik Industri 11
(A∨B = C) ⇒ (C = 0.75)
FUZZY CONJUNCTION
� A∧B min(A, B)
� A∧B = C
“Kualitas C adalah conjunction dari Kualitas A and B"
12Jurusan Teknik Industri 12
(A∧B = C) ⇒ (C = 0.375)
CONTOH: FUZZY CONJUNCTION
Hitung A∧B jika A bernilai 0.4 dan B bernilai 20
13Jurusan Teknik Industri 13
CONTOH: FUZZY CONJUNCTION
Hitung A∧B jika A bernilai 0.4 dan B bernilai 20
0.7
0.9
14Jurusan Teknik Industri 14
Perhitungan derajat membership:
A = 0.7 B = 0.9
Menerapkan Fuzzy AND
A∧B = min(A, B) = 0.7
FUZZY CONTROL
� Fuzzy Control mengkombinasikan penggunaan
fuzzy linguistic variables dengan fuzzy logic
� Contoh: Kendali kecepatan
� Seberapa cepat saya akan berkendara hari ini?
� Tergantung pada kondisi cuaca
15Jurusan Teknik Industri 15
� Tergantung pada kondisi cuaca
� Disjunction atau Conjunctions
INPUT: TEMPERATUR
�Temperatur:
{sangat dingin, dingin, sejuk, panas}
16Jurusan Teknik Industri 16
INPUTS: TEMPERATURE, KONDISI AWAN
�Temperatur: {sangat dingin, dingin,
sejuk, panas}
17Jurusan Teknik Industri 17
�kondisi awan: {cerah, sedikit berawan,
berawan}
OUTPUT: KECEPATAN
� Kecepatan : {Pelan, Kencang}
18Jurusan Teknik Industri 18
RULES (ATURAN, KETETAPAN)
� Jika kondisi cerah dan sejuk, maka berkendara
kencang
cerah (kondisi awan) ∧ sejuk (temp) ⇒ kencang(kecepatan)
� Jika berawan dan dingin, maka berkendara pelan
19Jurusan Teknik Industri 19
� Jika berawan dan dingin, maka berkendara pelan
berawan (kondisi awan) ∧ dingin (temp) ⇒ pelan (kecepatan)
� Kecepatan berkendara merupakan kombinasi
output dari rules tersebut...
CONTOH PERHITUNGAN KECEPATAN
� Seberapa cepat berkendara jika:
� 65 F°
� 25 % berawan?
20Jurusan Teknik Industri 20
FUZZIFICATION:
PERHITUNGAN LEVEL INPUT MEMBERSHIP
�65 F°⇒ dingin = 0.3, sejuk= 0.7
21Jurusan Teknik Industri 21
FUZZIFICATION:
PERHITUNGAN INPUT MEMBERSHIP LEVELS
� 65 F°⇒ dingin = 0.3, sejuk= 0.7
22Jurusan Teknik Industri 22
� 25% tertutup awan ⇒ cerah = 0.8, sebagian berawan
= 0.2
...DIHITUNG...
� Jika cerah dan sejuk, berkendara kencang
cerah(kondisi awan)∧sejuk(Temp)⇒Kencang (kecepatan)
0.8 ∧ 0.7 = 0.7
⇒ Kencang = 0.7
23Jurusan Teknik Industri 23
� Jika sebagian berawan dan dingin, berkendara pelan
Sebagian berawan (kondisi awan)∧dingin(Temp)⇒Pelan(kecepatan)
0.2 ∧ 0.4 = 0.2
⇒ Pelan = 0.2
DEFUZZIFICATION:
MEMPERHITUNGKAN OUTPUT
� Kecepatan 20% pelan dan 70% kencang
24Jurusan Teknik Industri 24
� Cari centroids: Lokasi di mana membership
bernilai 100%
DEFUZZIFICATION:
MEMPERHITUNGKAN OUTPUT
� Kecepatan 20% pelan dan 70% kencang
25Jurusan Teknik Industri 25
� Cari centroids: Lokasi di mana membership
bernilai 100%
DEFUZZIFICATION:
MEMPERHITUNGKAN OUTPUT
� Kecepatan 20% pelan dan 70% kencang
26Jurusan Teknik Industri 26
� Kecepatan = rata-rata terbobot
= (2*25+...
DEFUZZIFICATION:
MEMPERHITUNGKAN OUTPUT
� Kecepatan 20% pelan dan 70% kencang
27Jurusan Teknik Industri 27
� Kecepatan = rata-rata terbobot
= (2*25+7*75)/(9)
= 63.8 mph
CATATAN KHUSUS
� Fuzzy Logic Control memungkinkan interpolasi
rinci (smooth) antar variabel centroids dengan
rules yang relatif sedikit
� Hal tersebut tidak dapat dilakukan pada logika
Boolean
28Jurusan Teknik Industri 28
Boolean
� Menyediakan cara yang natural untuk
memodelkan keahlian/kompetensi manusia
dalam sebuah program komputer
KEKURANGAN DARI FUZZY LOGIC
� Membutuhkan penyelarasan (kesamaan
persepsi) tentang membership functions
� Fuzzy Logic control tidak dapat diskalakan
dengan baik untuk problem besar atau kompleks
� Dapat mengantisipasi ketidakpresisian dan
29Jurusan Teknik Industri 29
� Dapat mengantisipasi ketidakpresisian dan
ambiguitas, tetapi bukan ketidakpastian
RINGKASAN
�Fuzzy Logic menyediakan cara untuk
menghitung ketidakpresisian dan
ambiguitas
�Fuzzy Logic dapat dipergunakan untuk
30Jurusan Teknik Industri 30
merepresentasikan beberapa macam
keahlian/kompetensi manusia
�Beberapa yang harus diperhatikan adalah
Fuzzy Membership Sets, Fuzzy Linguistic
Variables, Fuzzy AND dan OR, Fuzzy
Control
SUDAH MENGERTIKAH ANDA?
� Apa yang dimaksud dengan membership
function?
� Bagaimana prinsip dasar dari fuzzy logic?
� Berikan contoh penggunaannya dalam
peralatan industri!
REVIEW pertanyaanS
31Jurusan Teknik Industri 31
peralatan industri!
***AKHIR DARI MATERI PERTEMUAN 16***REVIEW pertanyaanS