Professional Documents
Culture Documents
Fuzzy Sugeno
Fuzzy Sugeno
Universitas Airlangga
Dasar Teori
Istilah fuzzy mengacu pada hal-hal yang tidak jelas atau samar-samar. Di dunia nyata
seringkali dihadapkan pada situasi yang tidak dapat menentukan apakah suatu keadaan
benar atau salah, logika fuzzy memberikan fleksibilitas untuk penalaran keputusan. Dengan
cara ini, ketidakakuratan dan ketidakpastian dapat dipertimbangkan dalam situasi apa pun.
Logika Fuzzy adalah suatu bentuk logika bernilai banyak yang nilai kebenaran suatu
variabel dapat berupa bilangan real apa pun antara 0 dan 1, bukan hanya nilai tradisional
yang benar atau salah. Ini digunakan untuk menangani informasi yang tidak tepat atau tidak
pasti dan merupakan metode matematika untuk mewakili ketidakpastian dalam
pengambilan keputusan. Logika Fuzzy didasarkan pada gagasan bahwa dalam banyak kasus,
konsep benar atau salah terlalu membatasi, dan terdapat banyak area abu-abu di
antaranya. Hal ini memungkinkan adanya kebenaran parsial, di mana suatu pernyataan bisa
benar atau salah sebagian, bukan sepenuhnya benar atau salah. Penerapan logika Fuzzy
cukup luas, seperti sistem kontrol, pemrosesan citra, pemrosesan bahasa alami, diagnosis
medis, dan kecerdasan buatan.
Pada pertemuan ini, penjelasan menekankan pada fuzzy sugeno yang merupakan
salah satu jenis algoritma fuzzy yang ada selain tsukamoto dan mamdani yang dijelaskan
sebelumnya. Sistem Fuzzy Tsukamoto, Mamdani, dan Sugeno adalah tiga jenis sistem
pengendalian logika fuzzy yang digunakan untuk mengatasi ketidakpastian dalam
pengambilan keputusan. Sistem Fuzzy Sugeno diperkenalkan pada tahun 1974 oleh Michio
Sugeno.
Sistem inferensi fuzzy Sugeno menggabungkan aturan fuzzy yang didasarkan pada
nilai keanggotaan (membership) dari variabel input, dengan sebuah fungsi linear yang
memberikan hasil kesimpulan yang bersifat numerik. Metode Sugeno memperkenalkan
sebuah model fungsi konsekuen (consequent) linier yang dinyatakan sebagai polinomial
orde pertama (linear), di mana koefisien pada polinomial tersebut dihitung secara adaptif
berdasarkan variabel input
Sistem Fuzzy Sugeno terdiri dari dua jenis yaitu:
1. Model Fuzzy Sugeno Orde – Nol
Output:
● Fuzzy Tsukamoto: Output sistem Tsukamoto adalah nilai numerik tunggal yang mewakili
tingkat keanggotaan dalam himpunan keluaran yang disebut "singleton fuzzification."
● Fuzzy Mamdani: Output sistem Mamdani adalah himpunan fuzzy yang mewakili tingkat
keanggotaan dalam keluaran fuzzy.
● Fuzzy Sugeno: Output sistem Sugeno berupa konstanta atau persamaan linear.
Kepentingan:
● Fuzzy Tsukamoto: Sistem Tsukamoto sering digunakan dalam pengambilan keputusan
numerik, seperti dalam pengendalian kendaraan atau sistem kendali otomatis.
● Fuzzy Mamdani: Sistem Mamdani digunakan lebih luas dalam aplikasi di mana
pengetahuan manusia bisa diungkapkan dalam bentuk linguistik, seperti dalam
pengendalian mesin cuci atau sistem penilaian risiko.
● Fuzzy Sugeno: Sistem Sugeno cocok digunakan untuk tugas yang butuh
menginterpolasi penguatan linier yang akan diterapkan di seluruh ruang input,
termasuk untuk memodelkan sistem nonlinier dengan melakukan interpolasi di antara
beberapa model linier. Keunggulan lainnya adalah metode ini lebih efisien secara
komputasi, bekerja dengan baik untuk permasalahan linier, seperti kontrol PID, serta
cocok untuk analisis matematis.
Pada pertemuan sebelumnya, Arsitektur logika fuzzy telah dijelaskan terdiri atas
dasar peraturan (rule base), fuzzifikasi, mesin inferensi, dan defuzzifikasi sebagaimana pada
Gambar 5.1. Cara kerja sistem Fuzzy Sugeno sama dengan metode Mamdani untuk tahap
penentuan variabel masukan hingga tahap operasi logika fuzzy. Pada tahap selanjutnya
yaitu implikasi hingga proses defuzzifikasi terdapat perbedaan yaitu:
● Implikasi: menerapkan metode implikasi untuk menentukan bentuk akhir fuzzy set
keluaran. Keluaran dari aturan fuzzy ditentukan dengan menggunakan keanggotaan
keluaran yang bersifat linier atau konstan.
import numpy as np
y),
(homework_membership[2], exam_membership[1], lambda x, y: 0.5 * x + 0.5 *
y),
(homework_membership[2], exam_membership[2], lambda x, y: 0.5 * x + 0.5 *
y),
]
Tugas Praktikum
1. Cobalah kode pembuatan model logika Fuzzy metode Sugeno sesuai contoh pada
modul. Buat flowchart berdasarkan pemahaman Anda dan analisis hasilnya!
2. Modifikasi contoh 1 untuk menyelesaikan kasus berikut ini.
Perusahaan kain tenun ABC, adalah suatu perusahaan pembuat kain tenun,
berdasarkan sampel data produksi dari bulan September 2014 hingga bulan
Februari 2017 yang diketahui perbulannya dapat diperoleh beberapa informasi:
Diketahui biaya produksi saat ini pada bulan Maret 2017 yaitu: Rp 6.000.000 dan
permintaan saat ini yaitu: 320 perbiji, stok saat ini yaitu 60 perbiji. Berdasarkan
permasalahan di atas maka:
a. Tentukan aturan-aturan yang digunakan berdasarkan permasalahan di atas.
b. Tentukan jumlah kain tenun yang harus diproduksi Perusahaan kain tenun ABC
pada bulan Maret 2017 menggunakan metode logika Fuzzy Sugeno.
c. Berikan analisis hasilnya.
Referensi
Ben Auffarth, 2021, “Machine Learning for Time-Series with Python”, PACKT Publishing.
Dangeti, P., 2017, “Statistics for Machine Learning”, PACKT Publishing
Gopal Sakarkar, Gaurav Patil, dan Prateek Dutta, 2021, “Machine Learning Algorithms Using
Python Programming”, Nova Science Publishers, Inc.