Aturan Fuzzy

Aturan Fuzzy (RULE)
-Rules (aturan-aturan), merupakan pengetahuan procedural
- Menghubungkan informasi yang diberikan dengan tindakan (action)
-Struktur rule, secara logika menghubungkan satu atau lebih antecedent (atau premises) yang berada pada bagian IF, dengan satu atau lebih consequents (atau conclusions/kesimpulan) pada bagian THEN.

Misalnya:
IF Warna bola itu merah THEN Saya suka bola itu
-Sebuah rule dapat memiliki multiple premise yang tergabung dengan menggunakan operasi logika (AND, OR)
- Bagian Konklusi dapat berupa kalimat tunggal atau gabungan dengan menggunakan operasi logika (AND) dan dapat pula memiliki kalimat ELSE.

•Suatu sistem berbasis aturan fuzzy yang lengkap terdiri dari tiga komponen utama:
–Fuzzification
–Inference
–Defuzzification

Fuzzification : mengubah masukan-masukan yang nilai kebenarannya bersifat pasti (crisp input) ke dalam bentuk fuzzy input..Atau juga bisa diartikan proses untuk mengubah variabel non fuzzy (variabel numerik) menjadi variabel fuzzy (variabel linguistik)

Inference : melakukan penalaran menggunakan fuzzy input dan fuzzy rules yang telah ditentukan sehingga menghasilkan fuzzy output. pada umumnya aturan-aturan fuzzy dinyatakan dalam bentuk “IF THEN” yang merupakan inti dari relasi fuzzy.
Seperti pada penalaran biasa (hukum sebab-akibat), inferensi fuzzy terdiri dari :

1.Pengetahuan (knowledge) : penalaran yang dinyatakan dalam aturan berbentuk

IF (jika) x is A, THEN (maka) y is B
x dan y adalah variable fuzzy, A dan B adalah nilai variable fuzzy. Bagian premis/sebab (antecedent) atau konsekuensi (akibat) dapat lebih dari satu, dan biasanya dihubungkan dengan penghubung logika AND atau OR.
Contoh :
IF x is A AND y is B THAN z is C
2. Fakta : merupakan masukan fuzzy (nilai nyata yang ada) yang akan dicari inferensi (konklusi)nya dengan menggunakan aturan fuzzy. Fakta tidak harus sama dengan basis pengetahuan.
3. Konklusi : keputusan berdasarkan pengetahuan dan fakta

Defuzzification : mengubah fuzzy output menjadi crisp value (nilai pasti) berdasarkan fungsi keanggotaan yang telah ditentukan. proses pengubahan data-data fuzzy tersebut menjadi data-data numerik yang dapat dikirimkan ke peralatan pengendalian.

Jadi aturan fuzzy diatur oleh Fuzzy Logic Control merupakan sistem inferensi fuzzy yang terdiri atas :
• Unit fuzifikasi yang mengkonversi masukan tegas menjadi masukan fuzzy
• Unit penalaran logika fuzzy yang melakukan prosedur inferensi.
• Basis pengetahuan yang terdiri atas basis aturan dan basis data
• Unit defuzifikasi yang mengkonversi keluaran fuzzy menjadi keluaran tegas

JENIS-JENIS RULES

RELATIONSHIP/HUBUNGAN
IF Bateri sudah soak
THEN Mobil tidak bisa distarter

REKOMENDASI
IF Mobil tidak bisa distarter
AND Sistem bahan bakar OK
THEN Periksa bagian elektrikal

STRATEGI
IF Mobil tidak bisa distarter
THEN Pertama periksa sistem bahan bakar, lalu periksa sistem elektrikal

INTERPRETASI
IF Tegangan Resistor R1 lebih besar dari 2.0 volt
AND Tegangan Kolektor pada Q1 kurang dari 1.0 volt
THEN Bagian Pre-Amp berada pada range normal

DIAGNOSA
IF stain dari organisme adalah grampos
AND morfologi dari organisme adalah coccus
AND pertumbuhan dari organisme adalah chains
THEN organisme tersebut adalah streptococcus

DISAIN
IF task sekarang adalah menempatkan catu daya
AND posisi dari catu daya pada kabinet sudah diketahui
AND ada ruang tersedia dalam kabinet untuk catu daya
THEN letakkan catu daya pada kabinet tersebut

Komposisi Max-Min
Sistem Inferensi Fuzzy (Fuzzy Inference System/FIS) disebut juga fuzzy inference engine adalah sistem yang dapat melakukan penalaran dengan prinsip serupa seperti manusia melakukan penalaran dengan nalurinya.

Terdapat beberapa jenis FIS yang dikenal yaitu Mamdani, Sugeno dan Tsukamoto. FIS yang paling mudah dimengerti, karena paling sesuai dengan naluri manusia adalah FIS Mamdani. FIS tersebut bekerja berdasarkan kaidah-kaidah linguistik dan memiliki algoritma fuzzy yang menyediakan sebuah aproksimasi untuk dimasuki analisa matematik.
Input yang diberikan kepada FIS adalah berupa bilangan tertentu dan output yang dihasilkan juga harus berupa bilangan tertentu. Kaidah-kaidah dalam bahasa linguistik dapat digunakan sebagai input yang bersifat teliti harus dikonversikan terlebih dahulu, lalu melakukan penalaran berdasarkan kaidah-kaidah dan mengkonversi hasil penalaran tersebut menjadi output yang bersifat teliti.

•Model Mamdani (Max-Min)
–Pada model ini, aturan fuzzy didefinisikan sebagai:
IF x1 is A1 AND …AND xn is An THEN y is B
di mana A1, …, An, dan B adalah nilai-nilai linguistik (atau fuzzy set) dan “x1 is A1” menyatakan bahwa nilai x1 adalah anggota fuzzy set A1.

Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk memperoleh output, diperlukan 4 tahapan yaitu :

1.Pembentukan himpunan fuzzy;
pada metoda mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.

2. Aplikasi fungsi impliksi (aturan);
pada metode mamdani, fungsi implikasi yang digunakan adalah MIN

3. Komponen aturan;
Pada tahapan ini sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu : max, additive dan probabilistik OR.
Pada metode max, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikanya ke output dengan menggunakan operator OR (union). Secara umum dapat ditulis
µdf (x¬i) <—- max (µdf(xi,) µkf(x¬i))

4. Penegasan (defuzzyfikasi)
Input dari proses defuzzyfikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat di ambil suatu nilai crisp tertentu sebagai output. Defuzzyfikasi pada metode mamdani untuk semesta diskrit menggunakan persamaan
z = ∑ z¬j µ(zj)/∑ µ(zj)


Metode maksimum dan momen

Metode Maksimum
Pada metode ini kita justru ingin memaksimumkan fungsi kemungkinan dari suatu fungsi. Analoginya dengan memaksimalkan kemungkinan maka diharapkan kita akan mendapatkan sampel yang mempunyai kemungkinan paling banyak, artinya paling sering muncul dan paling dikenal.

Metode Momen
Metode momen pada prinsipnya adalah menggunakan sifat-sifat momen untuk memastikan bahwa parameter yang kita dapatkan adalah parameter yang terbaik. Pada metode momen ini cara kerjanya kurang lebih dengan menganggap bahwa momen-momen sampel sama dengan momen-momen pada populasi dan hasilnya terbaik.