LOGIKA FUZZY MODEL SUGENO DAN TSUKAMOTO
 |
| image by fkmtfindonesia |
Logika fuzzy merupakan
salah satu pembentuk soft computing. Logika fuzzy pertama kali diperkenalkan
oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika fuzzy adalah teori
himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu
keberadaan elemen dalam suatu himpunan sangatlah penting.
Fuzzy logic yaitu logika yang
digunakan untuk menggambarkan ketidakjelasan.
Fuzzy logic ini
memiliki tiga metode yaitu metode
Fuzzy Tsukamoto, Sugeno, dan Mamdani dan
dari ketiga metode Fuzzy
ini memiliki mesin inferensi dan defuzzifikasi yang
berbeda [4]. Sehingga, dengan menerapkan metode Fuzzy
logic ini tepat untuk
menentukan keluarga miskin
pada penelitian ini. Namun ketiga metode
tersebut belum diketahui metode Fuzzy mana yang tepat untuk
diterapkan.
Kelebihan logika Fuzzy adalah
kemampuannya dalam proses penalaran secara bahasa
sehingga dalam perancangannya tidak memerlukan
persamaan matematik yang rumit. Beberapa alasan yang dapat diutarakan
mengapa menggunakan logika Fuzzy diantaranya adalah
mudah dimengerti, memiliki toleransi terhadap data-data yang
tidak tepat, mampu memodelkan fungsifungsi nonlinear yang sangat kompleks,
dapat membagun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus
melalui proses latihan, dapat bekerja
sama dengan teknik teknik kendali secara konvensional, dan didasarkan pada bahasa alami.
Model dalam Logika Fuzzy Yaitu :
1. MODEL
SUGENO
Metode
Sugeno mirip dengan
metode Mamdani, hanya output
(konsekuen) tidak berupa himpunan
fuzzy, melainkan berupa konstanta atau persamaan linier.
Ada dua model metode
Sugeno yaitu model fuzzy Sugeno orde nol dan model fuzzy Sugeno orde satu. Bentuk umum
model fuzzy Sugeno orde nol adalah :
IF(x1is A1i) o (x2 isA2i) o ... o
(xNisANi) THENz = k
Bentuk umum model fuzzy Sugeno
orde satu adalah:
IF (x1is A1i) o (x2 isA2i) o
... o (XNisAN)THEN
z=p1
*x1+ … + pN*xN+
Contoh:
1. Mengevaluasi kesehatan orang berdasarkan tinggi dan berat
badannya.
Input: Tinggi dan berat
Output: Kategori sehat
– Sangat sehat (SS), index = 0.8
– Sehat (A), index = 0.6
– Agak sehat (AS), index = 0.4
– Tidak sehat (TS), index = 0.2
Dalam bentuk If-Then, contoh:
If sangat pendek dan sangat kurus
Then sangat sehat.
L2: Rules Evaluation
2. Bagaimana kondisi kesehatan untuk orang dengan tinggi 161.5 cm dan
berat 41 kg?
Model Fuzzy Sugeno: μsedang[161.5]
= (165-161.5)/(165-160) = 0.7
Μtinggi [161.5] = (161.5-160)/(165-160) = 0.3
L2: Rules Evaluation Model Fuzzy
Sugeno
μsangatkurus [41] = (45-41)/(45-40) = 0.8 μkurus[41] = (41-40)/(45-40) = 0.2
L2: Rules Evaluation (4)
Model
Fuzzy Sugeno Pilih bobot minimum karena relasi AND Model Fuzzy Sugeno
L3: Defuzzification Diperoleh:
f = {TS, AS, S, SS} = {0.3, 0.7, 0.2, 0.2}
Penentuan
hasil akhir, ada 2 metoda:
·
Max
method: index tertinggi 0.7 hasil Agak Sehat.
·
Centroid
method, dengan metoda Sugeno:
Decision Index = (0.3×0.2)+(0.7×0.4)+(0.2×0.6)+(0.3×0.8) / (0.3+0.7+0.2+0.2 =
0.4429
Crisp decision index = 0.4429
Fuzzy decision index: 75% agak sehat, 25% sehat.
2. MODEL
TSUKAMOTO
Saat proses evaluasi
aturan dalam mesin
inferensi, metode fuzzy
Tsukamoto menggunakan fungsi implikasi MIN untuk
mendapatkan nilai α-predikat tiap-tiap rule
(α1, α2, α3,.... αn). Masing- masing nilai α-predikat
digunakan untuk menghitung hasil inferensi
secara tegas (crisp)
masing-masing rule (z1, z2, z3,.... zn). Metode Tsukamoto menggunakan metode
rata-rata (Average).
Contoh :
Sebuah perusahaan makanan kaleng
akan memproduksi makanan jenis ABC. Dari data 1 bulan terakhir, PERMINTAAN
TERBESAR mencapai 5000 kemasan/hari, dan PERMINTAAN TERKECIL 1000 kemasan/hari.
PERSEDIAAN TERBANYAK digudang sampai 600 kemasan/hari, dan PERSEDIAAN TERKECIL
mencapai 100 kemasan/hari. Dengan segala keterbatasan kemampuan PRODUKSI
TERBANYAK adalah 7000 kemasan/hari, dan agar efisien PRODUKSI TERKECIL adalah
2000 kemasan/hari. Dalam produksi perusahaan menggunakan aturan :
R1 : JIKA permintaan TURUN dan
persediaan BANYAK maka produksi = permintaan – persediaan
R2 : JIKA permintaan TURUN dan
persediaan SEDIKIT maka produksi = permintaan
R3 : JIKA permintaan NAIK dan
persediaan BANYAK maka produksi = permintaan
R4 : JIKA permintaan NAIK dan
persediaan SEDIKIT maka produksi = 1,25 * Permintaan – Persediaan
Berapa harus diproduki jika
PERMINTAAN 4000 kemasan dan PERSEDIAAN 300 kemasan?
Jawab
Terdapat 3 variabel fuzzy yaitu
(1) permintaan, (2) persediaan, dan (3) produksi
·
PERMINTAAN.
Terdiri dari 2 himpunan fuzzy, yaitu (1) TURUN, dan (2) NAIK. Diketahui :
Permintaan terendah adalah 1000 kemasan/hari Permintaan tertinggi
adalah 5000 kemasan/hari Permintaan permasalahan = 4000 kemasan
·
PERSEDIAAN.
Terdiri dari 2 himpunan fuzzy, yaitu (1) SEDIKIT, dan (2) BANYAK. Diketahui
: Persediaan terendah adalah 100 kemasan/hari Persediaan
tertinggi adalah 600 kemasan/hari Persediaan permasalahan = 300 kemasan.
Nilai Produksi Z
- PERMINTAAN X
- PERMINTAAN Y
- MENCARI PRODUKSI Z
R1 : JIKA permintaan TURUN dan persediaan BANYAK maka produksi = Permintaan – Persediaan
- R2 : JIKA permintaan TURUN dan persediaan SEDIKIT maka produksi = Permintaan
- R3 : JIKA permintaan NAIK dan persediaan BANYAK maka produksi = Permintaan
- R4 : JIKA permintaan NAIK dan persediaan SEDIKIT maka produksi = 1,24 * Permintaan – Persediaan
Hitung z sebagai berikut:
Maka, barang yang harus diproduksi jika permintaan 4000 kemasan dan persediaan 300 kemasan adalah 4230.
EmoticonEmoticon