DASAR FUZZY Logika Fuzzy Suatu metode untuk memetakan
- Slides: 39
DASAR FUZZY
Logika Fuzzy • Suatu metode untuk memetakan suatu masukan ke dalam suatu derajat keanggotaan kelompok keluaran • Logika Fuzzy adalah peningkatan dari logika boolean / logika klasik (yang menyatakan derajat keanggotaan dalam 0 atau 1) • Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1.
Aplikasi • Pada tahun 1990 pertama kali dibuat mesin cuci dengan logika fuzzy di Jepang (Matsushita Electric Industrial Company). Sistem fuzzy digunakan untuk menentukan putaran yang tepat secara otomatis berdasarkan jenis dan banyaknya kotoran serta jumlah yang akan dicuci. • Input yang digunakan adalah: seberapa kotor, jenis kotoran, dan banyaknya yang dicuci. Mesin ini menggunakan sensor optik , mengeluarkan cahaya ke air dan mengukur bagaimana cahaya tersebut sampai ke ujung lainnya. Makin kotor, maka sinar yang sampai makin redup. Disamping itu, sistem juga dapat menentukan jenis kotoran (daki atau minyak).
Fungsi Keanggotaan Fuzzy lainnya
OPERASI LOGIKA PADA FUZZY • Operator “AND” • Operator “OR” • Operator “NOT”
Operator “AND”
Operator “OR”
Operator “NOT”
Defuzzification
Fuzzy Inference System • Steps in FIS : – Fuzzification – Fuzzy Logic Inference – Defuzzification
FIS Mamdani
FIS Sugeno
Proses pengereman otomatis • Fuzzy Rules : – – Jika Kecepatan Tinggi dan Jarak Dekat maka Rem Penuh Jika Kecepatan Tinggi dan Jarak Jauh maka Rem Sedang Jika Kecepatan Rendah dan Jarak Dekat maka Rem Sedang Jika Kecepatan Rendah dan Jarak Jauh maka Rem Sedikit
FIS Sugeno • MF Kecepatan Tinggi : trapezoidal (40, 80, 110, 120) • MF Kecepatan Rendah : trapezoidal(-2, -1, 20, 60) • MF Jarak Jauh : trapezoidal (8, 16, 21, 22) • MF Jarak Dekat : trapezodial (-2, -1, 4, 12) • MF Rem Penuh : 100 % • MF Rem Sedang : 50 % • MF Rem Sedikit : 20 %
FIS Mamdani • MF Kecepatan Rendah : trapezoidal (-2, -1, 20, 60) • MF Kecepatan Tinggi : trapezoidal (40, 80, 110, 120) • MF Jarak Jauh : trapezoidal (8, 16, 21, 22) • MF Jarak Dekat : trapezodial (-2, -1, 4, 12) • MF Rem Penuh : triangle (80, 90, 100) • MF Rem Sedang : triangle (40, 50, 60) • MF Rem Sedikit : triangle (10, 20, 30)
Hasil Agregasi • Centroid Area :
Perbandingan dgn simulasi MATLAB
Toolbox Fuzzy pada MATLAB • FIS Editor
Edit nama untuk setiap kotak
Klik 2 x pada kotak input • Akan muncul Membership Function Editor
Edit Name, Range, Type, Param • Input : Kecepatan
• Input : Jarak
• Output : Rem
Masuk ke Rule Editor • Klik dua kali pada kotak putih di FIS Editor
Membuat Rule
Masuk pada Rule Viewer
Simulasi input output Fuzzy Keluaran Masukan
- Contoh fuzzy mamdani
- Pengertian pemasaran online menurut boone dan kurtz
- Komponen algoritma yang berasal dari masukan user adalah
- Translasi (-3 6) memetakan titik p(5 5) ke pc'
- Fuzzy sets and fuzzy logic theory and applications
- Contoh himpunan fuzzy
- Contoh fuzzy logic
- Contoh kasus logika fuzzy
- Sugeno
- Sejarah singkat logika
- Suatu metode yang digunakan untuk
- Konsep dasar logika himpunan
- Logika matematika
- Persamaan gerbang logika nand
- Operator unary
- Suatu ujian terdiri dari 20 soal pilihan ganda
- Buatlah model neuron mcp untuk menyatakan fungsi logika or
- Prosedur analisis penemuan fonem
- Pendekatan konseling berorientasi perilaku
- Konsep dasar perangkat lunak
- Dasar dasar korespondensi bisnis
- Ethical design meaning
- Peta konsep tentang hardware
- Dasar dasar pengambilan keputusan menurut george r terry
- Dasar dasar pengorganisasian
- Laporan pengukuran dan ketidakpastian
- Dasar dasar kuliner
- Dasar dasar prosedur pembukuan
- Dasar dasar pengujian perangkat lunak
- Dasar dasar korespondensi bisnis
- Dasar 1 kokurikulum
- Dasar dasar prosedur pembukuan
- Dasar dasar pemrosesan komputer
- Konsep dasar advokasi kesehatan
- Etika relasi karyawan dan perlakuan adil di tempat kerja
- Dasar pembentuk kelompok sosial
- Dasar dasar penelitian sejarah
- Konsep dasar unit pemrosesan dan dasar datapath
- Data path adalah
- Materi dasar-dasar agronomi ipb