Sistem Inferensi Fuzzy

Kartika Wisnudhanti

1607115621

Sistem Pakar

Logika Fuzzy adalah suatu cara untuk memetakan suatu ruang input ke dalam suatu ruang output. Juga merupakan peningkatan dari logika Boolean yang mengenalkan konsep kebenaran sebagian. Dimana logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah binary (1 dan 0, hitam dan putih, ya dan tidak), logika Fuzzy menggantikan kebenaran logika Boolean dengan tingkat kebenaran yang memungkinkan nilai keanggotaan antara 0 sampai 1, tingkat keabuan, serta dalam bentuk linguistik misalnya konsep tidak pasti seperti “sedikit”, “lumayan”, dan “sangat”. Fuzzy diperkenalkan oleh Dr. Lotfi Zadeh dari Universitas California, Berkeley pada tahun 1965.

Ada beberapa alasan mengapa logika Fuzzy digunakan daripada menggunakan logika Boolean, yaitu sebagai berikut :

1. Konsep logika Fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran Fuzzy sangat sederhana dan mudah dimengerti.

2. Logika Fuzzy sangat fleksibel.

3. Logika Fuzzy memiliki toleransi terhadap data-data yang tidak tepat.

4. Logika Fuzzy mampu memodelkan fungsi-fungsi non linear yang sangat kompleks.

5. Logika Fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.

6. Logika Fuzzy dapat bekerja sama dengan teknik-teknik kendali secara konvensional.

7. Logika Fuzzy didasarkan pada bahasa alami.

Sistem Inferensi Fuzzy adalah cara memetakan suatu ruang input ke dalam ruang output dengan menggunakan logika Fuzzy.

1. Basis pengetahuan adalah kumpulan aturan-aturan dalam bentuk pernyataan IF-THEN yang dibuat oleh pakar dibidangnya.

2. Fuzzifikasi adalah proses untuk mengubah input sistem yang mempunyai nilai tegas menjadi variabel linguistik menggunakan fungsi keanggotaan yang disimpan dalam basis pengetahuan Fuzzy.

3. Mesin inferensi adalah proses untuk mengubah input Fuzzy menjadi output Fuzzy dengan cara mengikuti aturan-aturan (IF-THEN Rules) yang telah ditetapkan pada basis pengetahuan Fuzzy.

4. Defuzzifikasi merupakan proses mengubah output Fuzzy yang diperoleh dari mesin inferensi menjadi nilai tegas menggunakan fungsi keanggotaan yang sesuai dengan saat dilakukan fuzzyfikasi.

Metode Mamdani

Metode mamdani paling sering digunakan dalam aplikasi-aplikasi karena strukturnya yang sederhana, yaitu menggunakan operasi min-max atau max-product. Untuk mendapatkan output, diperlukan 4 tahapan:

1. Fuzzifikasi (pembentukan himpunan Fuzzy dan perhitungan derajat keanggotaan).

2. Aplikasi fungsi implikasi menggunakan fungsi min.

3. Komposisi antar aturan menggunakan fungsi max atau max-product (menghasilkan himpunan Fuzzy baru).

4. Penegasan (deffuzy) menggunakan metode Centroid.

Metode Tsukamoto

Secara umum bentuk model metode Tsukamoto adalah :

Dimana A, B, dan C adalah himpunan Fuzzy.

Misalkan diketahui dua aturan berikut :

Maka berikut adalah skema penalaran fungsi implikasi min atau product dan proses defuzzifikasi dilakukan dengan cara mencari nilai rata-ratanya.

Metode Sugeno

Secara umum bentuk model metode Tsukamoto adalah :

Catatan :

A1,A2,...,AN, adalah himpunan Fuzzy ke-i sebagai anteseden.

z=f(x, y), adalah fungsi tegas (biasanya merupakan fungsi linier dari x dan y )

CONTOH APLIKASI LOGIKA FUZZY

Untuk mengatur frekuensi putar kipas angin secara otomatis digunakan sistem kontrol. Sistem ini dipengaruhi oleh tiga variabel yaitu kecepatan putar kipas angin, suhu ruangan, dan sumber frekuensi putar kipas angin. Berdasarkan data spesifikasi dari pabrik, kecepatan putar kipas angin terkecil 1000 rpm (rotary per minute) dan terbesar 5000 rpm, kemampuan sensor suhu ruangan berada dalam interval 100 Kelvin hingga 600 Kelvin, sedangkan sumber frekuensi putar kipas angin hanya mampu menyediakan frekuensi sebesar 2000 rpm hingga 7000 rpm.

Berapa sumber frekuensi putar kipas angin yang dihasilkan sistem kontrol tersebut bila pada saat itu sensor suhu menunjukkan angka 300 Kelvin sedangkan kipas angin berputar dengan kecepatan 4000 rpm ?

Metode Tsukamoto

Apabila sistem kontrol ruangan tersebut menggunakan 4 aturan berikut :

o IF kecepatan LAMBAT and suhu TINGGI THEN frekuensi KECIL

o IF kecepatan LAMBAT and suhu RENDAH THEN frekuensi KECIL

o IF kecepatan CEPAT and suhu TINGGI THEN frekuensi BESAR

o IF kecepatan CEPAT and suhu RENDAH THEN frekuensi BESAR

Penyelesaian

1. Kecepatan terdiri atas 2 himpunan Fuzzy, yaitu LAMBAT dan CEPAT

Fungsi keanggotaan variabel kecepatan