1. Tujuan [kembali]
- Mempelajari Fuzzy Logic.
- Mempelajari cara membuat Fuzzy Logic di Matlab
- Mengetahui cara mengoperasikan Fuzzy Logic di Matlab.
Logika fuzzy merupakan logika yang memiliki nilai kesamaran antara benar atau salah. Berbeda dengan logika Boolean yang hanya bernilai benar atau salah, 1 atau 0, kebenaran logika fuzzy tidak dinyatakan dalam bentuk binary. Logika fuzzy memungkinkan nilai keanggotaan antara 1 dan 0 dalam bentuk linguistik, sehingga memungkinkan keberadaan konsep ketidakpastian seperti “sedikit”, “agak”, “lumayan”, dsb.
· Logika boolean
· Logika Fuzzy
Logika fuzzy yang pertama kali dikenalkan oleh Prof. Lotfi A. Zadeeh, ilmuwan Amerika berkebangsaan Iran. Selanjutnya logika fuzzy berkembang menjadi salah satu dasar logika komputer modern. Sejak tahun 1980-an, konsep logika fuzzy telah digunakan di banyak produk elektronik, terutama produk elektronik dari Jepang dan negara asia lainnya. Penerapan logika fuzzy diklaim menjadikan produk elektronik lebih hemat listrik dan lebih mudah digunakan. Beberapa contoh penerapan logika fuzzy:
· Mesin cuci, antara lain untuk pengaturan kecepatan rotasi mesin berdasarkan jumlah pakaian, tingkat kekotoran, volume air, dll
· Pendingin (AC) yang dapat menghemat daya/listrik dengan melakukan pendinginan berdasarkan kondisi suhu ruangan.
· Rice cooker yang dapat memasak nasi secara lebih efektif dan hemat listrik
· Mobil Nissan telah menerapkan logika fuzzy dalam sistem transmisi otomatis dan mampu menghemat bahan bakar sekitar 12-17%
· Kereta cepat di Jepang juga telah menerapkan sistem pengereman berbasis Fuzzy sehingga kereta dapat berhenti dengan lebih “smooth”.
Ada beberapa teori dasar logika fuzzy yang harus kita pahami, yaitu:
1. Variabel Fuzzy, adalah variabel yang akan dibahas dalam suatu sistem fuzzy
2. Himpunan Fuzzy, yaitu kelompok yang mewakili suatu keadaan tertentu dalam variabel fuzzy, umumnya menggunakan himpunan linguistik.
3. Semesta Pembicaraan, yaitu keseluruhan nilai yang diperbolehkan untuk dioperasikan dengan variabel fuzzy
4. Domain himpunan Fuzzy, yaitu seluruh nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy
Fungsi keanggotaan
Fungsi keanggotaan (membership function) adalah grafik yang menunjukkan pemetaaan titik-titik input data kedalam nilai keanggotaannya (sering disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1.
Fungsi keanggotaan dapat dibuat kedalam beberapa bentuk kurva diantanya,
1. Kurva linear
2. Kurva segitiga
3. Kurva trapesium
4. Kurva bahu
5. Kurva S ( sigmoid)
6. Kurva lonceng
Sistem Inferensi Fuzzy
Sistem Inferensi Fuzzy adalah cara memetakan ruang input menuju ruang output menggunakan logika fuzzy.
· Fuzzy rule based : kumpulan aturan (rule) dalam bentuk pernyataan if-then yang dibuat oleh pakar.
· Fuzzifikasi : proses mengubah input sistem yang memiliki nilai tegas (crisp) menjadi variabel linguistik (fuzzy) menggunakan fungsi keanggotaan yang disebapan padarule based.
· Inferensi : proses pengolahan input berupa nilai fuzzy yang didapat dari fuzzifier dengan mengkombinasikan fuzzy rule base untuk memperoleh output berupa nilai fuzzy baru. Alat yang digunakan dalam proses inferensi fuzzy disebut fuzzy inference engine.
· Defuzzifikasi : proses mengubah hasil dari tahap inferensi menjadi output yang bernilai tegas (crisp).
- Mulai Matlab
- Masukkan coding program
- Simpan coding program
- Run coding pada Matlab
Tidak ada komentar:
Posting Komentar