26
d. Metode Largest of Maximum LOM
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terbesar dari domain yang memiliki nilai keanggotaan maksimum.
e. Metode Smallest of Maximum SOM
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terkecil dari domain yang memiliki nilai keanggotaan maksimum.
2.4.4 Metode Sugeno
Penalaran metode Sugeno ini hampir sama dengan penalaran Mamdani, hanya saja output sistem pada metode Sugeno tidak berupa himpunan fuzzy,
melainkan berupa konstanta atau persamaan linier. Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985. Perbedaan antara Metode
Mamdani dan Metode Sugeno ada pada konsekuen. Metode Sugeno menggunakan konstanta atau fungsi matematika dari pariable input:
JIKA x adalah A DAN y adalah B MAKA z = fx,y Di mana A dan B adalah himpunan fuzzy pada antiseden, dan z = fx,y
merupakan fungsi crisp konsekuen. Untuk memperoleh output diperlukan 4 tahapan, diantaranya:
1. Pembentukan himpunan fuzzy
Pada metode Fuzzy-Sugeno, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.
2. Aplikasi fungsi implikasi aturan
Menurut Cox 1994 metode Fuzzy-Sugeno terdiri dari dua jenis, yaitu: a.
Model Fuzzy-Sugeno orde nol Secara umum bentuknya adalah:
JIKA x
1
adalah A
1
◦ x
2
adalah A
2
◦ x
3
adalah A
3
◦ ... ◦ x
i
adalah A
i
THEN z = k
Universitas Sumatera Utara
27
b. Model Fuzzy-Sugeno orde satu
Secara umum bentuknya adalah: JIKA x
1
adalah A
1
◦ x
2
adalah A
2
◦ ... ◦ x
i
adalah A
i
MAKA z =
1
∗
1
+ ⋯ + ∗ +
Dengan A
1
adalah himpunan Fuzzy ke-i sebagai antiseden, konstanta tegas ke-i dan q konstanta pada konsekuen.
3. Komposisi aturan
Apabila sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Metode yang digunakan dalam
melakukan inferensi sistem fuzzy ini adalah Metode Max Maximum yaitu menghitung hasil dari
�
=1
dengan R banyaknya rule, � fire
strength ke-r.
Metode Max Maximum
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakan nilai tersebut untuk
memodifikasi daerah fuzzy dan mengaplikasikannya ke output dengan menggunakan operator OR gabungan. Jika semua proporsi telah
dievaluasi, maka output akan berisi himpunan fuzzy yang merefleksikan kontribusi dari tiap-tiap proporsi. Secara umum dapat dituliskan:
� = � , �
Dengan: � = nilai keanggotaan solusi fuzzy sampai aturan ke-i
� = nilai keanggotaan konsekuen fuzzy aturan ke-i
4. Penegasan defuzzyfication
Masukan dari proses penegasan adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang
dihasilkan merupakan suatu bilangan real yang tegas. Jika diberikan suatu
Universitas Sumatera Utara
28
himpunan fuzzy dalam range tertentu, maka dapat diambil suatu nilai tegas tertentu sebagai output.
Menurut Sri Kusumadewi 2010 pada proses ini output berupa bilangan crisp
. Penegasan dilakukan dengan cara mencari nilai rata-ratanya yaitu: =
�
=1
�
=1
2.3 Dengan
� adalah derajat keanggotaan nilai keluaran pada aturan ke-r dan adalah nilai keluaran pada aturan ke-r sedangkan R adalah banyaknya aturan
yang digunakan.
Universitas Sumatera Utara
BAB 1
PENDAHULUAN
1.1 Latar Belakang
