contoh fuzzy
TRANSCRIPT
-
7/22/2019 Contoh Fuzzy
1/5
Contoh : Pemberian Beasiswa
Misalkan suatu program pemberian beasiswa kepada mahasiswa di suatu perguruan tinggi dilakukan
berdasarkan dua kriteria, yaitu Kumulatif Indeks Prestasi Kumulatif (IPK) dan Gaji per bulan orang
tuanya (G). Beasiswa diberikan kepada mahasiswa dengan prestasi akademik bagus tetapi tingkat
ekonomi orang tua rendah. Misalkan terdapat dua mahasiswa, A dan B, dengan data-data seperti
tertera di tabel berikut :
Mahasiswa IPK Gaji Orang Tua (Rp/bln)
A 3,00 10 juta
B 2,99 1 juta
Jika aturan berbasis logika biner (berdasarkan classical sets) yang digunakan adalah :
IF IPK 3,00 AND G 10 juta THEN dapat beasiswa
Pemecahan masalah menggunakan Model Mamdani
1. FuzzificationMisalkan berdasarkan pengetahuan pakar, fungsi keanggotaan yang sebaiknya digunakan untuk
variabel IPK adalah berbentuk segitiga dan trapesium dengan tiga variabel linguistik : BURUK,
CUKUP, dan BAGUS
Dengan menggunakan fungsi tersebut, maka crisp input untuk IPK sebesar 3,00 dan 2,99 dikonversi
ke nilai fuzzy dengan derajar keanggotaan :
Mhs IPK Himpunan Fuzzy dan Derajat Keanggotaannya
A 3,00 CUKUP BAGUS
=0,5 =0,5
B 2,99 CUKUP BAGUS
=0,52 =0,48
Berdasarkan pengetahuan pakar, fungsi keanggotaan yang sebaiknya digunakan untuk variabel Gaji
Orang tua adalah berbentuk trapesium dengan empat variabel linguistik : KECIL, SEDANG, BESAR,dan SANGAT BESAR.
BURUK CUKUP BAGUS1
0
2,00 2,75 3,25 4,00 IPK
-
7/22/2019 Contoh Fuzzy
2/5
Dengan menggunakan fungsi tersebut, maka crisp input untuk Gaji Orang tua sebesar 10 juta dan 1
juta dikonversi ke nilai fuzzy dengan derajat keanggotaan :
Mhs Gaji Orang tua Himpunan Fuzzy dan Derajat Keanggotaannya
A 10 Juta BESAR SANGAT BESAR
=0,4 =0,6
B 1 Juta KECIL SEDANG
=1 =0
2. InferenceMisalkan untuk output yang berupa Nilai Kelayakan digunakan fungsi keanggotaan trapesium
dengan dua nilai linguistik : RENDAH dan TINGGI
Misalkan aturan fuzzy berdasarkan pengetahuan pakar adalah sebagai berikut :
IPK Gaji Kecil Sedang Besar Sangat Besar
Buruk Rendah Rendah Rendah Rendah
Cukup Tinggi Rendah Rendah Rendah
Bagus Tnggi Tinggi Tinggi Rendah
Dengan mendefinisikan aturan fuzzy seperti tabel di atas, berarti terdapat 3x4 = 12 aturan fuzzy,
yaitu :
RENDAH
TINGGI
1
0
50 80 100
1
0
SEDANG BESARKECIL SANGAT BESAR
3 6 7 12 Gaji Orangtua
(juta)
41
Nilai Kelayakan
Skala [0,100]
-
7/22/2019 Contoh Fuzzy
3/5
1) IF IPK = Buruk AND Gaji = Kecil THEN NK=Rendah2) IF IPK = Buruk AND Gaji = Sedang THEN NK=Rendah3) IF IPK = Buruk AND Gaji = Besar THEN NK=Rendah4) IF IPK = Buruk AND Gaji = Sangat Besar THEN NK=Rendah5) IF IPK = Cukup AND Gaji = Kecil THEN NK=Tinggi6) IF IPK = Cukup AND Gaji = Sedang THEN NK=Rendah7) IF IPK = Cukup AND Gaji = Besar THEN NK=Rendah8) IF IPK = Cukup AND Gaji = Sangat Besar THEN NK=Rendah9) IF IPK = Bagus AND Gaji = Kecil THEN NK=Tinggi10)IF IPK = Bagus AND Gaji = Sedang THEN NK=Tinggi11)IF IPK = Bagus AND Gaji = Besar THEN NK=Tinggi12)IF IPK = Bagus AND Gaji = Sangat Besar THEN NK=Rendah
Aturan fuzzy yang berlaku untuk input data mahasiswa A dan B adalah
Mhs Input Aturan FuzzyA IPK CUKUP =0,5
IPK BAGUS =0,5
GAJI BESAR =0,4
GAJI SANGAT BESAR =0,6
(7) IF IPK = Cukup ( =0,5) AND Gaji = Besar ( =0,4)
THEN NK=Rendah ( =0,4)
(8) IF IPK = Cukup ( =0,5) AND Gaji = Sangat Besar (
=0,6) THEN NK=Rendah ( =0,5)
(11)IF IPK = Bagus ( =0,5) AND Gaji = Besar ( =0,4)
THEN NK=Tinggi ( =0,4)
(12)IF IPK = Bagus ( =0,5) AND Gaji = Sangat Besar (
=0,6) THEN NK=Rendah ( =0,5)
B IPK CUKUP =0,52
IPK BAGUS =0,48
GAJI KECIL =1GAJI SEDANG =0
(5) IF IPK = Cukup ( =0,52) AND Gaji = Kecil ( =1)
THEN NK=Tinggi ( =0,52)
(6) IF IPK = Cukup ( =0,52) AND Gaji = Sedang( =0)THEN NK=Rendah ( =0)
(9) IF IPK = Bagus ( =0,48) AND Gaji = Kecil ( =1)
THEN NK=Tinggi ( =0,48)
(10)IF IPK = Bagus ( =0,48) AND Gaji = Sedang (
=0)THEN NK=Tinggi ( =0)
3. CompositionGunakan aturan Disjunction untuk NK (Nilai Kelayakan)
Mhs Nilai Kelayakan (NK)
A NK = Rendah ( =0,4) v NK = Rendah ( =0,5) v NK = Rendah ( =0,5) =
NK = Rendah ( =0,5)
NK = Tinggi ( =0,4)
B NK = Tinggi ( =0,52) v NK = Tinggi ( =0,48) v NK = Tinggi ( =0) =
NK = TInggi ( =0,52)
NK = Rendah ( =0)
4. Defuzzification
-
7/22/2019 Contoh Fuzzy
4/5
Nilai Kelayakan Mhs A :
Dengan menggunakan 10 titik untuk mencari nilai crisp menggunakan Centroid Method of
Gravity (COG).
() ()
() ()
Nilai Kelayakan Mhs B :
Dengan menggunakan 4 titik untuk mencari nilai crisp menggunakan Centroid Method of
Gravity (COG).
()()
()
Model Sugeno
RENDAH
TINGGI
50 80 100
1
0
0,52
RENDAH
TINGGI1
0
50 80 100
0,5
0,4
Nilai Kelayakan
Skala [0,100]
Nilai Kelayakan
Skala [0,100]
-
7/22/2019 Contoh Fuzzy
5/5
RENDAH
TINGGI1
0
50 80
Nilai Kelayakan
Skala [0,100]
0,4
RENDAH
TINGGI1
0
50 80
Nilai Kelayakan
Skala [0,100]
0,5
RENDAH
TINGGI1
0
50 80
Nilai Kelayakan
Skala [0,100]