3.2.1. Rule Base Fuzzy Basis Aturan Fuzzy
Basis aturan fuzzy merupakan kumpulan dari aturan-aturan yang menyatakan aksi pengendalian yang harus dilakukan oleh fuzzy. Bentuk dari basis
aturan dinyatakan dalam aturan jika - maka implikasi, sebagai berikut : Jika
Na = Ai dan Ke = Bi, maka Li = SR Dimana :
i = 1, 2, 3 ..... m Ai dan Bi ialah variabel linguistik untuk setiap kondisi error dan delta
error. Li Lokasi ialah variabel linguistik untuk output fuzzy.
Seperti dijelaskan, basis aturan rule base merupakan salah satu bagian dari basis pengetahuan knowledge base. Disamping basis aturan, di dalam basis
pengetahuan juga ada basis data data base yang berisi data-data mengenai rentang kerja input dan output dari fuzzy. Atau dengan kata lain basis data
merupakan media untuk pengolahan data fuzzy. Aturan-aturan pengendalian pada rule base diturunkan secara heuristik
berdasarkan pengamatan terhadap respon step sistem. Hasil pengamatan ini dinyatakan dalam bentuk implikasi atau aturan jika-
maka, sebagai berikut :
q
Aturan 1 : Jika Na = SR, Ke = SR, maka L = SR.
q
Aturan 2 : Jika Na = SR, Ke = R, maka L = SR.
q
Aturan 3 : Jika Na = SR, Ke = S, maka L = R.
q
Aturan 4 : Jika Na = SR, Ke = T, maka L = S
q
Aturan 5 : Jika Na = SR, Ke = ST, maka L = T. Dan seterusnya sehingga sampai aturan 25, yang dapat dibuat tabel rule base
sebagai berikut : Tabel 3.1. Rule Base Sistem
NA SR
R S
T ST
KE SR
SR SR
R S
T R
SR R
R S
T S
SR R
S T
ST T
R S
T T
ST ST
S T
ST ST
ST 3.2.2. Mekanisme
Inferensi Fuzzy
Mekanisme inferensi fuzzy sering dipakai untuk sistem pengambilan keputusan terdiri dari dua macam yaitu inferensi MAX-MIN dengan operasi
implikasi Minimum Mamdani, serta inferensi MAX-DOT dengan operasi implikasi Sub Product Larsen.
Pada Tugas akhir ini metode inferensi yang dipakai adalah metode inferensi MAX-DOT dengan operasi implikasi Sub product Larsen. Alasan
dipakainya inferensi ini ialah kesimpulan yang diambil dari hasil inferensi MAX- DOT lebih halus smooth jika dibanding dengan inferensi MAX-MIN.
Adapun proses inferensi MAX-DOT dapat dijelaskan sebagai berikut :
Derajat keanggotaan output µ
i dari aturan ke-i diperoleh berdasarkan aturan sub product Larsen, yaitu dengan cara mengalikan nilai derajat keanggotaan input
error dan delta error terkwantisasi dari hasil proses fuzzifikasi. µ
i = µ
Ai[ Qek ]. µ
Bi[ Qdek ] dimana i adalah 1, 2, 3, 4, 5, ..... 49 banyaknya aturan fuzzy yang digunakan.
µ Ai = Derajat keanggotaan himpunan fuzzy Ai yang diberikan oleh nilai QNai =
Derajat keanggotaan himpunan fuzzy Bi yang diberikan oleh nilai QKe. Apabila nilai
µ i telah didapat, maka besarnya nilai Ke dan nilai Na
dapat diketahui dengan cara memasukkan nilai µ
i ke fungsi keanggotaan output. Proses selanjutnya dari rangkaian kontrol logika fuzzy ialah proses defuzzikasi,
yaitu Proses yang mentransformasikan besaran fuzzy manjadi besaran non fuzzy Crisp.
3.2.3. Proses Defuzzifikasi
Kategori