dimana A dan B adalah linguistic values yang
didefinisikan dalam
rentang variabel X dan Y. Pernyataan “x is A”
disebut antecedent
atau premis.
Pernyataan “y is B” disebut consequent atau kesimpulan.
4. Defuzzifikasi
Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh
dari komposisi aturan-aturan fuzzy, sedangkan
output yang
dihasilkan merupakan suatu bilangan pada domain
himpunan fuzzy tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam
range tertentu, maka harus dapat diambil suatu nilai crisp tertentu.
2.5.3 Fuzzy Clustering
Salah satu penerapan logika fuzzy adalah
dalam clustering
atau pengelompokan. Fuzzy clustering adalah
bagian dari
pattern recognition
atau pengenalan
pola. Fuzzy
clustering memainkan peran yang paling penting dalam
pencarian struktur dalam data Klir, 1995. Fuzzy clustering adalah salah satu
teknik untuk menentukan cluster optimal dalam suatu ruang vektor yang didasarkan
pada bentuk normal Euclidian untuk jarak antar vektor Kusumadewi, 2004.
Metode clustering yang digunakan dalam penelitian ini adalah fuzzy c-means.
Metode ini pertama kali dikenalkan oleh Jim Bezdek pada tahun 1981 Kusumadewi,
2004. Fuzzy c-means adalah salah satu teknik pengklusteran data yang mana
keberadaan tiap titik data dalam suatu cluster ditentukan oleh derajat keanggotan.
2.5.4 Fungsi Keanggotaan
Fungsi Keanggotaan membership function
adalah suatu
kurva yang
menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya sering juga
disebut dengan derajat keanggotaan yang memiliki interval antara 0 sampai 1. Salah
satu cara yang dapat digunakan untuk mendapatkan
nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada
beberapa fungsi yang biasa digunakan, namun fungsi keanggotaan yang digunakan
dalam penelitian ini adalah kurva Gaussian. Grafik fungsi gaussian adalah sebagai
berikut:
gambar 2. 3 Kurva Gaussian Secara matematis, notasi fungsi Gaussian
adalah: ; , =
2.5.5 Inferensi Fuzzy
Inferensi fuzzy merupakan suatu proses penalaran yang didasarkan pada teori
himpunan fuzzy , aturan fuzzy berbentuk IF- THEN. Ada beberapa metode yang sering
digunakan untuk melakukan proses inferensi atau penalaran fuzzy, yaitu metode Mamdani
dan metode Takagi-Sugeno. Dalam hal ini, pembangunan logika fuzzy menggunakan
metode Takagi-Sugeno.
Metode ini diperkenalkan oleh Takagi- Sugeno Kang pada tahun 1985. Metode ini
diawali dengan pembentukan himpunan fuzzy pada variabel masukan, dimana pada
variabel
masukan menggunakan
kurva gaussian sebagai fungsi keanggotaannya.
Secara umum, bentuk model aturan fuzzy Takagi-Sugeno menggunakan bentuk aturan
IF-THEN. Ada dua model untuk system inferensi fuzzy Takagi-Sugeno, yaitu:
1.
Model Fuzzy Sugeno Orde-Nol Secara umum bentuk model fuzzy
SUGENO Orde-Nol adalah: IF x
1
is A
1
• x
2
is A
2
• x
3
is A
3
• ...... • x
n
is A
n
THEN z=k
dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, dan k adalah suatu
konstanta tegas sebagai konsekuen.
2. Model Fuzzy Sugeno Orde-Satu
Secara umum bentuk model fuzzy SUGENO Orde-Satu adalah:
IF x
1
is A
1
• ...... • x
n
is A
n
THEN z = p
1
x
1
+ … + p
n
x
n
+ q
dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, dan pi adalah suatu
konstanta tegas ke-i dan q juga merupakan konstanta dalam konsekuen.
2.5.6 Defuzzifikasi