Fuzzy Logic – part 6

Fuzzyfication

Fuzzyfication merupakan proses pemetaan nilai-nilai input (crisp input)
yang berasal yang berasal dari sistem yang dikontrol (besaran non fuzzy) ke dalam himpunan fuzzy menurut fungsi keanggotaannya. Himpunan fuzzy Iersebut merupakan fuzzy input yang akan diolah secara fuzzy pada proses berikutnya. Untuk mengubah crisp input menjadi fuzzy input, terlebih dahulu harus menentukan membership function untuk tiap crisp input, kemudian proses fuzzyfikasi akan mengambil crisp input dan membandingkan dengan membership function yang telah ada untuk menghasilkan harga fuzzy input.

Rules Evaluation

Pada tahap rule evaluation ini diproses hubungan antara nilai-nilai input (crisp input) dan nilai-nilai output (crisp output) yang dikehendaki dengan aturan-aturan (rules). Aturan ini nantinya yang akan menentukan respon sistem terhadap berbagai kondisi setting point dan gangguan yang terjadi pada sistem. Rules yang dipakai adalah jenis “IF-THEN“. Berikut ini contoh rules.

IF Err is Normally big (antecendent 1) and AEn is Normally big (antecendent 2)

THEN output is Normally big (consequent).

Pada antecendent input variable = label, juga pada consequent output variable = label Pada penggunaan dua antecendent atau lebih, untuk mempermudah dapat digunakan matriks. Proses rule evaluation akan mengevaluasi Fuzzy input yang didapat dari proses fuzzyfikasi untuk tiap antecendent dari rule dengan menentukan rule strength dari tiap-tiap rule, karena antecendent dihubungkan dengan operator AND maka rule strength diambil dari strength value yang terkecil dari antecendent. Proses selanjutnya adalah menentukan Fuzzy output dengan membandingkan rule strength dari semua rule yang mempunyai label conscquent yang sama.

Defuzzyfication

Pada tahap ini dilakukan pemetaan bagi nilai-nilai fuzzy output yang dihasilkan pada tahap rules evaluation ke nilai-nilai output kuantitatif yang sesuai dengan sistem yang diharapkan. Ada berbagai metode untuk melakukan proses defuzzyfication, diantaranya metode Center Of Grafity (COG), dimana metode ini akan menghitung pusat titik berat pada semua membership function output yang dipenuhi untuk  menentukan besarnya output yang harus diberikan.

Pada proses defuzzyfikasi dengan metode COG setiap output membership function yang mempunyai nilai diatas Fuzzy output dipotong, pemotongan ini disebut lamda cut. Hasil dari membership function yang telah terpotong digabungkan lalu dihitung dengan COG secara keseluruhan. Metode COG juga dapat dilakukan pada output membership function yang berbentuk singleton. Output membership function singleton merupakan sebuah garis vertikal tunggal. Pemotongan pada output membership function dilakukan dengan pengurangan tinggi garis vertikal tersebut pada nilai fuzzy output. Nilai yang lebih tinggi dari fuzzy output dibuang dan hasil pemotongan tersebut kemudian dihitung dengan COG.

reff : http://ai.indra-ehm.net

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

%d blogger menyukai ini: