Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword
Like this
3Activity
0 of .
Results for:
No results containing your search query
P. 1
Model Fuzzy Dengan Metode Tsukamoto (Yuni Widhiastiwi

Model Fuzzy Dengan Metode Tsukamoto (Yuni Widhiastiwi

Ratings: (0)|Views: 153 |Likes:
Published by Dede Ziber
pengujian model fuzz dengan menggunakan metode rsukamoto
pengujian model fuzz dengan menggunakan metode rsukamoto

More info:

Published by: Dede Ziber on May 27, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

04/24/2013

pdf

text

original

 
INFORMATIKA
MODEL FUZZY DENGAN METODE TSUKAMOTO
Yuni Widhiastiwi ')
 Abstract 
Fuzzy represents a knowledge which is constructed by utilizing the if-thenrules. It is one of the method that can process uncertain and imprecise data. It can be implemented at a lower cost. Fuzzy Logic is vary useful because it effec-tively and accurately describes the human perception to make a decision. Themathod of Tsukamoto is one of the inference system that can be used to make adecison, where any consequence in If-Then Rules has to be reperesented with fuzzy set in monotonous membership function.
Key
Words:
logika fuzzy, sistem inferensi, metode tsukamoto
A.
Pendahuluan
Dalam logika konvensional, nilaikebenaran mempunyai kondisi yangpasti yaitu benar atau salah
(true or 
 false),
dengan tidak ada kondisi an-tara. Prinsip ini telah mendominasipemikiran logika di dunia sampaisekarang. Tentu saja, pemikiran me-ngenai logika konvensional dengannilai kebenaran yang pasti yaitubenar atau salah dalam kehidupanyang nyata sangatlah tidak mung-kin. logika
fuzzy
menawarkan suatulogika yang dapat merepresentasikankeadaan dunia nyata.Teori himpunan logika
fuzzy
di-kembangkan oleh Professor LoftiA. Zadeh pada tahun 1965. Ia ber-
88
I
Bina Widya Vol 18 No. 02, Juli 2007
pendapat bahwa logika benar dansalah dari logika
booleanlkonven-
sional tidak dapat mengatasi masalahgradasi yang berada pada dunia nya-taoUntuk mengatasi masalah gradasiyang tidak terhingga tersebut, Zadehmengembangkan sebuah himpunanfuzzy. Tidak seperti logika boolean,logika fuzzy mempunyai nilai yangkontinu. Fuzzy dinyatakan dalamderajat dari suatu keanggotaan danderajat dari kebenaran. Oleh sebabitu sesuatu dapat dikatakan sebagianbenar dan sebagian salah pada waktuyang sama.Berdasarkan hal tersebut diatasLogika fuzzy dapat digunakan un-tuk memodelkan suatu permasalah-an yang matematis, dimana konsep
.) Fakultas IImu Komputer UPN "Veteran" Jakarta
 
http://www.univpancasila.ac.id 7/27
 
matematis yang mendasari penalaran
 juzzy
sangat sederhana dan mudahdimengerti.
B. KajianTeoritis1. Pengertianlogika Fuzzy
Konsep
logikajuzzy
pertama kalidiperkenalkan oleh Professor LottiA. Zadeh dari Universitas Californiatahun 1965. Logikafuzzy merupakangeneralisasi dari logika klasik (CrispSet) yang hanya memiliki dua nilaikeanggotaan yaitu 0 dan 1. Dalamlogika
fuzzy
nilai kebenaran suatupernyataan berkisar dari sepenuhnyabenar sampai dengan sepenuhnyasalah.
Fuzzy Logic
berhubungan de-ngan ketidakpastian yang telah men- jadi sifat alamiah manusia, mensimu-lasikan proses pertimbangan normalmanusia denganjalan memungkinkankomputer untuk berperilaku sedikitlebih seksama dan logis daripadayang dibutuhkan metode komputerkonvensional.Pemikiran di balik pendekatanini adalah pengambilan keputusantidak sekadar persoalan hitam danputih atau benar dan salah, namun ke-rapkali melibatkan area abu-abu, danhal itu dimungkinkan.
o
Gambar 1. Crisp Set Versus Fuzzy Set
INFORMATIKA
2. HimpunanFuzzy
Himpunan
fuzzy
merupakansuatu group yang mewakili suatukondisi atau keadaa tertentu dalamsuatu variabel fuzzy.Pada himpunan tegas (crisp), ni-lai keanggotaan suatu item x dalamsuatu himpunan A, yang sering di-tulis dengan flA[x], memiliki duakemungkinan, yaitu : Satu (I), yangberarti bahwa suatu item menjadi an-gota dalam suatu himpunan atau Nol(0), yang berarti bahwa suatu itemtidak menjadi anggota dalam suatuhimpunan.Pada himpunan fuzzy nilai ke-anggotaan terletak pada rentang 0sampai 1. Apabila x memiliki nilaikeanggotaan fuzzy
flA[ 
x]
=
0 berartix tidak menjadi anggota himpunan A,demikian pula apabila x memiliki ni-lai keanggotaan fuzzy
flA[ 
x]
=
1 be-rarti x menjadi anggota penuh padahimpunanA.Kemiripan antara keanggotaanfuzzy dengan probabilitas terkadangmenimbulkan kerancuan, karena me-miliki nilai pada interval [0,1], namuninterpretasi nilainya sangat berbeda.Keanggotaan fuzzy memberikansuatu ukuran terhadap pendapat ataukeputusan, sedangkan probabilitasmengindikasikan proporsi terhadapkeseringan suatu hasil bernilai benardalam jangka panjang.Himpunan fuzzy memiliki 2atribut, yaitu :a. Linguistik, yaitu penamaan suatugroup yang mewakili suatu ke-adaan atau kondisi tertentu den-gan menggunakan bahasa alami,seperti : Muda, Parobaya, Tua.
MODEL FUZZY, Yuni Widhiastiwi
I
89
 
http://www.univpancasila.ac.id 7/27
 
INFORMATIKA
b. Numeris, yaitu suatu nilai (ang-ka) yang menunjukkan ukurandari suatu variabel seperti : 25,
40,60.
Fungsi Keanggotaaan :
{O; jika x:::;a
Il(x] 
=
(x - a)
(b - a); jika a:::;x:::;b1; jikax2:b
3. Fungsi Keanggotaan
Fungsi keanggotaan adalah suatukurva yang menunjukkan pemetaantitik-titik input data ke dalam nilaikeanggotaan yang memiliki nilaiinterval antara 0 dan I. Salah satucara yang dapat digunakan untumendapatkan nilai keanggotaanadalah dengan melalui pendekatanfungsi.Salah satu representasi fungsikeanggotaan dalam fuzzy yang akandipakai adalah represntasi linier. Padarepresentasi linear, pemetaan input kederajat keanggotaannya digambarkansebagai suatu garis lurus. Bentuk inipaling sederhana dan menjadi pili-han yang baik untuk mendekati suatukonsep yang kurang jelas.Ada dua keadaan himpunanfuzzy yang linear. Pertama, kenaikanhimpunan dimulai pada nilai domainyang memiliki derajat keanggotaannol [0] bergerak ke kanan menuju kenilai domain yang memiliki derajatkeanggotaan lebih tinggi.Gambar grafik fungsi keanggota-annya adalah :
Gambar
2.
Representasi Linear Naik
b
Domain
a
Gambar 2..Representasi Linear Turun
Fungsi Keanggotaaan :
o
.................................................
l![x]
Kedua, merupakan kebalikanyang pertama. Garis lurus dimu-lai dari nilai domain dengan derajatkeanggotaan tertinggi pada sisi kiri,kemudian bergerak menurun ke nilaidomain yang memiliki derajat keang-gotaan lebih rendah.Gambar grafik fungsi keanggota-annya adalah :
{(X-a)/(b-a); jikaa:::;x:::;b
Il[x] 
=
0; jikax2:b
4. Sistem Inferensi Fuzzy
Sistem inferensi fuzzy meru-pakan proses pengolahan data dalambentuk crisp input yang melalui be-berapa tahapan dalam sistem fuzzyuntuk menghasilkan data dalambentuk crips output. Terdapat tigametode sistem inferensi fuzzy, yaitu :Mamdani, Sugeno dan Tsukamoto.Tahap sistem inferensi fuzzy
b
Domain
a
o
l![X ]
90
I
Bina Widya Vol 18 No. 02, Juli 2007
 
http://www.univpancasila.ac.id 7/27

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->