komputasi cerdas/ imamatul ummah,s.pd,m · 2018. 9. 11. · komputasi cerdas/ imamatul...

KOMPUTASI CERDAS/ IMAMATUL UMMAH,S.Pd,M.Si

•Himpunan yang pasti (“ya atau tidak”, “benaratau salah”, “baik atau buruk”, dll)

•Nilai keanggotaan 0 atau 1•Contoh : himpunan mahasiswa fakultas teknik ,himpunan jenis kelamin, himpunan bilanganbulat, dll

•Himpunan yang pasti (“ya atau tidak”, “benaratau salah”, “baik atau buruk”, dll)

•Nilai keanggotaan 0 atau 1•Contoh : himpunan mahasiswa fakultas teknik ,himpunan jenis kelamin, himpunan bilanganbulat, dll

Himpunan Crips

Himpunan Fuzzy

•Himpunan yang pasti (“ya atau tidak”, “benaratau salah”, “baik atau buruk”, dll)

•Nilai keanggotaan 0 atau 1•Contoh : himpunan mahasiswa fakultas teknik ,himpunan jenis kelamin, himpunan bilanganbulat, dll

•Himpunan yang pasti (“ya atau tidak”, “benaratau salah”, “baik atau buruk”, dll)

•Nilai keanggotaan 0 atau 1•Contoh : himpunan mahasiswa fakultas teknik ,himpunan jenis kelamin, himpunan bilanganbulat, dll

•Perluasan dari himpunan crips•Nilai keanggotaan di antara 0 sampai1•Contoh : himpunan kecepatan, himpunan tinggibadan, himpunan kepandaian mahasiswa,himpunan usia, dll

•Perluasan dari himpunan crips•Nilai keanggotaan di antara 0 sampai1•Contoh : himpunan kecepatan, himpunan tinggibadan, himpunan kepandaian mahasiswa,himpunan usia, dll

X Balita Dewasa Muda Tua

5 0 0 1 0

10 0 0 1 0

20 0 0.8 0.8 0.1

Himpunan Usia

20 0 0.8 0.8 0.1

30 0 1 0.5 0.2

40 0 1 0.2 0.4

50 0 1 0.1 0.6

60 0 1 0 0.8

70 0 1 0 1

80 0 1 0 1

Buat tiga himpunan fuzzy mengenai kegiatan di sekitar anda

Beberapa hal yang perlu dipahami dalam logika fuzzy:Variabel fuzzy : variabel yang akan dibahas dalam logika fuzzy

Himpunan fuzzy :suatu kelompok yang mewakili suatu keadaan dalam suatuvariabel fuzzySemesta pembicaraan : seluruh nilai yang diizinkan untuk dioperasikan dalam suatuvariabel fuzzyDomain : seluruh nilai yang diizinkan dalam semesta pembicaraan dan bolehdioperasikan dalam suatu himpunan

Beberapa hal yang perlu dipahami dalam logika fuzzy:Variabel fuzzy : variabel yang akan dibahas dalam logika fuzzy

Himpunan fuzzy :suatu kelompok yang mewakili suatu keadaan dalam suatuvariabel fuzzySemesta pembicaraan : seluruh nilai yang diizinkan untuk dioperasikan dalam suatuvariabel fuzzyDomain : seluruh nilai yang diizinkan dalam semesta pembicaraan dan bolehdioperasikan dalam suatu himpunan

Dua atribut pada himpunan fuzzyLinguistikNumeris

Dua atribut pada himpunan fuzzyLinguistikNumeris

KOMPUTASI CERDAS/ IMAMATUL UMMAH,S.Pd,M.Si

Beberapa hal yang perlu dipahami dalam logika fuzzy:Variabel fuzzy : variabel yang akan dibahas dalam logika fuzzy

Himpunan fuzzy :suatu kelompok yang mewakili suatu keadaan dalam suatuvariabel fuzzySemesta pembicaraan : seluruh nilai yang diizinkan untuk dioperasikan dalam suatuvariabel fuzzyDomain : seluruh nilai yang diizinkan dalam semesta pembicaraan dan bolehdioperasikan dalam suatu himpunan

Beberapa hal yang perlu dipahami dalam logika fuzzy:Variabel fuzzy : variabel yang akan dibahas dalam logika fuzzy

Himpunan fuzzy :suatu kelompok yang mewakili suatu keadaan dalam suatuvariabel fuzzySemesta pembicaraan : seluruh nilai yang diizinkan untuk dioperasikan dalam suatuvariabel fuzzyDomain : seluruh nilai yang diizinkan dalam semesta pembicaraan dan bolehdioperasikan dalam suatu himpunan

ContohDi sebuah kota A terdapat peraturan dalam mengendarai sepeda, aturan tersebutadalah pengendara sepeda harus berhenti atau melakukan pengereman pada jarak165 dari pejalan kaki. Sehingga perusahan BikeBraker melakukan pengontrolan padasepeda untuk menentukan bagaimana dan kapan harus mengerem.

BikeBraker Speedstopped [0 – 2 mph]slow [1 – 10 mph]pretty fast [5 – 30 mph]real fast [25 – 50 mph]

BikeBraker Distanceat [0 – 5 feet]real close [0 - 40 feet]near [20 – 80 feet]pretty far [60 – 120 feet]real far [100 – 165 feet]

BikeBraker Speedstopped [0 – 2 mph]slow [1 – 10 mph]pretty fast [5 – 30 mph]real fast [25 – 50 mph]

BikeBraker Distanceat [0 – 5 feet]real close [0 - 40 feet]near [20 – 80 feet]pretty far [60 – 120 feet]real far [100 – 165 feet]

Bike Braker Brakingnone [ 0 - 1 %]light [1 – 30 %]medium [25 – 75 %]squeeze hard [65 – 100%]

Variabel ?Himpunan ?Semesta Pembicaraan ?Domain ?Input ?Output ?Linguistic ?Numeric ?

Variabel ?Himpunan ?Semesta Pembicaraan ?Domain ?Input ?Output ?Linguistic ?Numeric ?

TUGASBuatlah satu persoalan mengenai sistem fuzzy !! (20 menit)

Fungsi keanggotaan adalah grafik yang mewakili besar derajat keanggotaan

masing-masing variabel input yang berada dalam interval antara 0 dan 1.

fungsi keanggotaan digunakan untuk mempresentasikan masalah dan

menghasilkan keputusan yang akurat. Derajat keanggotaan sebuah variabel x

dilambangkan dengan simbol µ(x).

Macam-macam fungsi keanggotaan, yaitu:

kurva linier

kurva segitiga

kurva trapesium

kurva bentuk bahu

Kurva – S (sigmoid)

kurva bentuk lonceng (bell curve)

Fungsi keanggotaan adalah grafik yang mewakili besar derajat keanggotaan

masing-masing variabel input yang berada dalam interval antara 0 dan 1.

fungsi keanggotaan digunakan untuk mempresentasikan masalah dan

menghasilkan keputusan yang akurat. Derajat keanggotaan sebuah variabel x

dilambangkan dengan simbol µ(x).

Macam-macam fungsi keanggotaan, yaitu:

kurva linier

kurva segitiga

kurva trapesium

kurva bentuk bahu

Kurva – S (sigmoid)

kurva bentuk lonceng (bell curve)

Kurva Linier

Kurva Segitiga

Kurva Trapesium

Kurva Bentuk Bahu

Misal sistem Fuzzy pada BikeBraker menggunakan fungsi keanggotaan linier turun, segitigadan linier naik, maka:

BikeBraker Speed

mph µ

1

5

BikeBraker Distance

feet µ

3

10

BikeBraker Braking

% µ

1

5

Menghitung derajat keanggotaan dari masing-masing variabel:

5

6

15

20

30

35

40

45

50

10

30

50

60

70

80

90

110

120

5

10

15

20

30

40

50

60

80

Tentukan fungsi keanggotaan dari sistem fuzzy yang telah kalian bentukdan hitung derajat keanggotaan dari masing-masing variabel fuzzy 5numerik.

TUGAS

a. Operasi AND (intersection) berhubungan dengan irisan pada himpunan.

b. Operasi OR (union) berhubungan dengan gabungan pada himpunan.

Hitung masing-masing aturan yang terbentuk menggunakan operator-operator himpunan fuzzy

TUGAS

Bentuk ruel IF … THEN … operator yang digunakan AND atau OR.Cara membentuk rule dengan mengkombinasi semua himpunan fuzzy.

Stopped Slow Pretty Fast Real Fast

BikeBraker Speed

Bike

Brak

erD

ista

nce Stopped Slow Pretty Fast Real Fast

AtNone Medium

SqueezeHard

SqueezeHard

Real CloseNone Light

SqueezeHard

SqueezeHard

NearNone Light

SqueezeHard

SqueezeHard

Pretty Far None None Medium Medium

Real Far None None Light Light

Bike

Brak

erD

ista

nce

IF BikeBraker Speed is Stopped AND BikeBraker Distance is At THEN BikeBrakerBraking is None

IF BikeBraker Speed is Stopped AND BikeBraker Distance is Real Close THENBikeBraker Braking is None

IF BikeBraker Speed is Stopped AND BikeBraker Distance is Near THENBikeBraker Braking is None

IF BikeBraker Speed is Stopped AND BikeBraker Distance is Near THENBikeBraker Braking is None

dst

IF BikeBraker Speed is Stopped AND BikeBraker Distance is At THEN BikeBrakerBraking is None

IF BikeBraker Speed is Stopped AND BikeBraker Distance is Real Close THENBikeBraker Braking is None

IF BikeBraker Speed is Stopped AND BikeBraker Distance is Near THENBikeBraker Braking is None

IF BikeBraker Speed is Stopped AND BikeBraker Distance is Near THENBikeBraker Braking is None

dst

CripsFuzzifikasiFuzzifikasi

Aturan 1

x is A1 y is B1w1

Aturan 2

x is A2 y is B2w2

.

.

.

.

.

.

Fuzzy

Kom

posis

iant

arat

uran

(Agr

egas

i)

FuzzifikasiFuzzifikasi

Aturan n

x is An y is Bnwn

.

.

.

.

.

. Kom

posis

iant

arat

uran

(Agr

egas

i)

Defuzzifikasi

Crips

MisalBikeBraker Speed 1 mph dan BikeBraker Distance 3 feet.Rule yang termasuk yaitu:[R1] if bikebraker speed is stopped and bikebraker distance is at then bikebraker

braking is nonemin = {1,0.4} = 0.4

[R2] if bikebraker speed is stopped and bikebraker distance is real close thenbikebraker braking is nonemin = {1,0.15} = 0.15

[R3] if bikebraker speed is slow and bikebraker distance is at then bikebrakerbraking is mediummin = {0,0.4} = 0

[R4] if bikebraker speed is slow and bikebraker distance is real close thenbikebraker braking is lightmin = {0,0.15} = 0

MisalBikeBraker Speed 1 mph dan BikeBraker Distance 3 feet.Rule yang termasuk yaitu:[R1] if bikebraker speed is stopped and bikebraker distance is at then bikebraker

braking is nonemin = {1,0.4} = 0.4

[R2] if bikebraker speed is stopped and bikebraker distance is real close thenbikebraker braking is nonemin = {1,0.15} = 0.15

[R3] if bikebraker speed is slow and bikebraker distance is at then bikebrakerbraking is mediummin = {0,0.4} = 0

[R4] if bikebraker speed is slow and bikebraker distance is real close thenbikebraker braking is lightmin = {0,0.15} = 0

Langkah compositionMaks derajat keanggotaan none = {0.4,0.15} = 0.4Maks derajat keanggotaan light = {0} = 0Maks derajat keanggotaan medium = {0} = 0

INPUTBikeBraker Speed [0 – 50 mph]

lambat [0 – 38 mph]cepat [14 – 50 mph]BikeBraker Distance [0 – 165 feet]

OUTPUTBike Braker Braking [0 – 100%]

INPUTBikeBraker Speed [0 – 50 mph]

lambat [0 – 38 mph]cepat [14 – 50 mph]BikeBraker Distance [0 – 165 feet]

OUTPUTBike Braker Braking [0 – 100%]

MEMBUAT FIS BARU

FIS=newfis(‘breaking','mamdani','min','max','min','max','centroid');atauFIS=newfis(‘nama file','sugeno','prod','probor','prod','sum','wtaver');

MEMBUAT VARIABEL DAN FUNGSI KEANGGOTAAN

FIS=addvar(FIS,'input',‘speed',[0 50]);FIS=addmf(FIS,'input',1,‘lambat','trapmf',[0 0 0 38]);FIS=addmf(FIS,'input',1,‘cepat',‘trapmf',[14 50 50 50]);

MEMBUAT RULE

ruleList=[1 2 1 1 1; 2 1 1 1 1 ];FIS=addrule(FIS,ruleList);

MEMANGGIL FIS

fuzzy(FIS);

MEMBUAT FIS BARU

FIS=newfis(‘breaking','mamdani','min','max','min','max','centroid');atauFIS=newfis(‘nama file','sugeno','prod','probor','prod','sum','wtaver');

MEMBUAT VARIABEL DAN FUNGSI KEANGGOTAAN

FIS=addvar(FIS,'input',‘speed',[0 50]);FIS=addmf(FIS,'input',1,‘lambat','trapmf',[0 0 0 38]);FIS=addmf(FIS,'input',1,‘cepat',‘trapmf',[14 50 50 50]);

MEMBUAT RULE

ruleList=[1 2 1 1 1; 2 1 1 1 1 ];FIS=addrule(FIS,ruleList);

MEMANGGIL FIS

fuzzy(FIS);

Cara Menghitung Fuzzy Dari File Excel

D=xlsread('Volume_Ekspor.xlsx','Sheet1','C3:G146');a=D(1:144,1); %Variabel IHSGb=D(1:144,2); %Variabel USD/IDR

c=D(1:144,3); %Variabel EUR/IDRd=D(1:144,4); %Variabel OPEC Crude Oil Pricee=D(1:144,5); %Variabel NASDAQ

out=evalfis([a,b,c,d,e],FIS)out

xlswrite('Volume_Ekspor.xlsx',out,'Sheet1','I3')

D=xlsread('Volume_Ekspor.xlsx','Sheet1','C3:G146');a=D(1:144,1); %Variabel IHSGb=D(1:144,2); %Variabel USD/IDR

c=D(1:144,3); %Variabel EUR/IDRd=D(1:144,4); %Variabel OPEC Crude Oil Pricee=D(1:144,5); %Variabel NASDAQ

out=evalfis([a,b,c,d,e],FIS)out

xlswrite('Volume_Ekspor.xlsx',out,'Sheet1','I3')

1. Ketik guide pada command window 2. enter

3. Pilih Blank GUI – Kemudian OK

CARA MEMBERI JUDUL ATAU NAMA PADA PROGRAM

1. Pilih Static text – drag pada tempat yang dinginkan

2. Untuk mengedit static text pilih property inspector

CARA MENAMPILKAN LOGO ATAU GAMBAR PADA PROGRAMCARA MENAMPILKAN LOGO ATAU GAMBAR PADA PROGRAM

Pastikan terlebih dahulu program telah disimpan1. Pilih Axes – drag pada tempat yang dinginkan

2. Pastikan gambar yang akan di tunjukkan berada dalam satu folder3. Ketikkan imshow(‘nama file.jpg/png’);

letakkan pada function opening atau function axes

CARA MENAMPILKAN LOGO ATAU GAMBAR PADA PROGRAMCARA MENAMPILKAN LOGO ATAU GAMBAR PADA PROGRAM

Pastikan terlebih dahulu program telah disimpan1. Pilih Axes – drag pada tempat yang dinginkan 3. ketik

axes (hObject)imshow('logo unhasy.png')Di bawah function logo

2. Klik kanan – view callbacks - CreateFcn

Masih tertulis axes1,karena pada Tag tidakada perubahanJika pada Tag dirubah,maka nama pada syntaxjuga akan berubah

Tulis sesuai dengan namagambar yang tersimpan danpastikan terletak pada satufolder

CARA MENAMBAHKAN PILIHAN MENU BARCARA MENAMBAHKAN PILIHAN MENU BAR

1. Pilih Menu Editor

klik klik

Tulis nama menu yangakan dimunculkan

Nama yang muncul padasyntax. Boleh samadengan nama label

CARA MENGABUNGKAN TOOLBOX FUZZY DENGAN GUICARA MENGABUNGKAN TOOLBOX FUZZY DENGAN GUI

Pastikan membuat toolbox fuzzy terlebih dahulu dan simpan dalam satu folder denganGUI yang akan dibuat

1. Buat tampilan GUIMenggunakan edit

teks

Menggunakanpush button

Ketik syntax “guidata(hObject, handles)” di bawah syntax edit teks sebagai

input yang nantinya akan dipanggil (diproses) pada output.

Syntax yang ditulis pada push button untuk memproses input sehingga

menghasilkan output.

clchandles.permintaan=str2double(get(handles.edit1,'string'));handles.persediaan=str2double(get(handles.edit2,'string'));handles.fuzzy=readfis('contohmamdani.fis');output=evalfis([handles.permintaan,handles.persediaan],handles.fuzzy)set(handles.edit3,'string',output);guidata(hObject,handles)

clchandles.permintaan=str2double(get(handles.edit1,'string'));handles.persediaan=str2double(get(handles.edit2,'string'));handles.fuzzy=readfis('contohmamdani.fis');output=evalfis([handles.permintaan,handles.persediaan],handles.fuzzy)set(handles.edit3,'string',output);guidata(hObject,handles)

Ketik syntax “guidata(hObject, handles)” di bawah syntax edit teks sebagai

input yang nantinya akan dipanggil (diproses) pada output.

Syntax yang ditulis pada push button untuk memproses input sehingga

menghasilkan output.

Cara menampikan excel

handles.D=xlsread('Bawean.xlsx','data','B10:F903');handles.Curah_Hujan=handles.D(1:894,1); %Variabel Curah Hujan (mm)handles.Kelembaban=handles.D(1:894,2); %Variabel Kelembaban (%)handles.Tekanan=handles.D(1:894,3); %Variabel Tekanan (mb)handles.Temperatur=handles.D(1:894,4); %Variabel Temperatur (Celcius)handles.Kecepatan_Angin=handles.D(1:894,5);%Variabel Kecepatan Angin (Knots)set(handles.uitable1,'data',handles.D);

Cara menampikan excel

handles.FIS=addrule(handles.FIS,ruleList);out=evalfis([handles.Curah_Hujan handles.Kelembaban handles.Tekananhandles.Temperatur],handles.FIS)set(handles.uitable2, 'data', out);handles.hasil=xlswrite('Bawean.xlsx',out,'data','I10:I903')guidata(hObject,handles)