LAPORAN RANCANGAN PROGRAM AI Artificial
KATA PENGANTAR
Puji syukur kehadirat Allah SWT berkat rahmat dan hidayah-Nya,
shalawat serta salam selalu kita ucapkan kepada junjungan Nabi Muhammad
SAW, yang telah menjadi suri tauladan bagi semua orang, sehingga pada
kesempatan ini penulis dapat menyeleaikan tugas laporan Fisika Kelautan ini
dengan baik.
Laporan Fisika Kelautan ini disusun sebagai salah sarat untuk memenuhi
tugas mata kuliah Fisika Kelautan dan untuk melatih mahasiswa dalam
mengerjakan serta menerapkan ilmu pembuatan program kepintaran buatan
khususnya menggunakan logika fuzzy.
Penulis menyadari bahwa lappran ini masih banyak kekurangan dan
kesalahan serta masih jauh dari sempurna. Oleh karena itu kritik dan saran yang
bersifat membangun sangat penulis harapkan.
Penulis berharap lapran ini dapat bermanfaat dan berguna bagi tim
penyusun lain dan orang lain khususnya bagi mahasiswa pada umumnya.
Surabaya, 9 April 2016
Tim Penyusun
1
DAFTAR ISI
KATA PENGANTAR .............................................................................................. i
DAFTAR ISI .......................................................................................................... ii
DAFTAR GAMBAR ............................................................................................ iii
BAB I PENDAHULUAN ...................................................................................... 4
1.1 Latar Belakang .......................................................................................... 4
1.2 Rumusan Masalah ..................................................................................... 4
1.3 Tujuan ........................................................................................................ 5
BAB II PEMBAHASAN ....................................................................................... 6
2.1................................................................................. Pengertian Fuzzy Logic
..................................................................................................................... 6
2.2........................................................................................ Derajat Kebenaran
..................................................................................................................... 6
2.3............................................................... Alasan Menggunakan Fuzzy Logic
..................................................................................................................... 7
2.4................................................................. Fungsi Keanggotaan Fuzzy Logic
..................................................................................................................... 8
2.5............................... Rancangan Pembuatan Program Sisa Penjualan Barang
..................................................................................................................... 9
2.6........................................................................................ Membuat Simulink
................................................................................................................... 14
BAB III PENUTUP .............................................................................................. 18
3.1 Kesimpulan ............................................................................................ 18
3.2 Saran ........................................................................................................ 18
DAFTAR PUSTAKA ........................................................................................... 19
2
DAFTAR GAMBAR
Gambar 1. Tambilan Awal Matlab ........................................................................ 11
Gambar 2. Tampilan Awal Fuzzy Toolbox ........................................................... 11
Gambar 3. Penenambah Input .............................................................................. 11
Gambar 4. Mengganti Nama ............................................................................... 12
Gambar 5. Tampilan Member Function................................................................ 12
Gambar 6. Fungsi Keanggotaan Harga ................................................................ 13
Gambar 7. Fungsi Keanggotaan Kualitas ............................................................. 13
Gambar 8. Fungsi Keanggotaan Sisa Penjualan .................................................. 13
Gambar 9. Tampilan Rules Editor ........................................................................ 13
Gambar 10. Rules ................................................................................................. 14
Gambar 11. Tampilan Rules Viewer ..................................................................... 14
Gambar 12. Tampilan Surface Viewer ................................................................. 15
Gambar 13. Workspace Variabel .......................................................................... 15
Gambar 14. Model ............................................................................................... 15
Gambar 15. Simulink dan Model ......................................................................... 16
Gambar 16. Drag Constant ke Model .................................................................. 16
Gambar 17. Drag Mux ke Model ......................................................................... 16
Gambar 18. Drag Fuzzy Logic Controller ke Model ........................................... 17
Gambar 19. Drag Display ke Model .................................................................... 17
Gambar 20. Menyambungkan Komponen ........................................................... 17
Gambar 21. Fuzzy Logic Controller .................................................................... 18
Gambar 22. Simulasi ............................................................................................ 18
3
BAB I
PENDAHULUAN
1.1
Latar Belakang
Logika fuzzy atau fuzzy logic bermula dari kenyataan bahwa dunia
nyata sangat kompleks. Kompleksitas ini muncul dari ketidakpastian
dalam bentuk informasi imprecision (ketidakpastian). Mengapa komputer
yang dibuat oleh manusia tidak mampu menangani persoalan yang
kompleks dan tidak presisi ini sedangkan manusia bisa. Jawabanya
adalah manusia mempunyai kemampuan untuk menalar (Reasoning)
dengan baik yaitu kemampuan yang komputer tidak mempunyainya.
Pada suatu sistem jika kompleksitasnya berkurang, maka persamaan
matematik dapat digunakan dan ketelitian yang dihasilkan menjadi sangat
berguna dalam pemodelan sistem tetapi jika kompleksitasnya bertambah
dimana persamaan matematik tidak dapat digunakan.
Logika fuzzy merupakan alternatif cara berpikir yang dapat
memodelkan kompleks sistem menggunakan pengetahuan dan pengalaman
yang dipunyai logika dimulai sebagai studi tentang bahasa dalam argument
dan persuasif , dan hal itu kemungkinan digunakan untuk menilai
kebenaran dari rantai reasoning, dalam bentuk matematikanya sebagai
contoh adalah sebagai berikut : Dalam dua nilai logika proporsinya bisa
benar atau salah , tetapi tidak keduanya. Kebenaran ditandai dengan
statement(pernyataan) nilai kebenaran. Dalam fuzzy logic proporsi
kemungkinan benar atau salah atau mempunyai setengah nilai kebenaran,
seperti kemungkinan benar.
1.2
Rumusan Masalah
1. Apa Pengertian dari Fuzzy Logic?
2. Apa itu Himpunan Fuzzy Logic?
3. Bagaimana Rancangan Program Sisa Penjualan Barang dengan Fuzzy
Logic?
4. Bagaimana Merancang Simulink?
4
1.3
Tujuan
1. Mahasiswa Memahami Pengertian Fuzzy Logic
2. Mahasiswa Memahami Himpunan Fuzzy Logic
3. Mahasiswa Memahami Rancangan Program Sisa Penjualan Barang
dengan Fuzzy Logic
4. Mahasiswa Memahami Bagaimana Merancang Simulink
5
BAB II
PEMBAHASAN
2.1. Pengertian Fuzzy Logic
Fuzzy Logic merupakan kecerdasan buatan yang pertama kali
dipublikasikan oleh Prof.Dr. Lotfi Zadeh yang berasal dari Pakistan.
Melalui fuzzy logic ini sistem dapat membuat keputusan sendiri dan
terkesan seperti memiliki perasaan, karena memiliki keputusan lain selain
iya (logika 1) dan tidak (logika 0). Oleh karena itu fuzzy logic sangat
berbeda jauh dari alur logaritma pemrogaman
Sebagai contoh adalah robot yang menggunakan fuzzy logic dapat
memprediksikan kapan ia harus bertindak atau menghindar saat ada
halangan di depannya dengan hanya ada peringatan ‘awas’ dan tanpa ada
hitungan matematis yang diberikan oleh user. Sedangkan robot yang
menggunakan alogaritma pemrograman konvensional tidak akan dapat
memutuskan sendiri untuk menghindar dari halangan yang ada di
depannya.
Logika Fuzzy, yang dalam bahasa Indonesia dapat diartikan
sebagai Logika Kabur atau Logika Samar, dapat dikatakan sebagai “logika
baru yang sudah lama”. Hal ini karena ilmu tentang logika fuzzy secara
modern dan metodis ditemukan pada tahun 1965, namun konsep logika
fuzzy sudah melekat pada diri manusia, sejak manusia ada. Konsep logika
fuzzy dapat dengan mudah kita temukan pada perilaku manusia dalam
kesehariannya
2.2. Derajat Kebenaran
Derajat keanggotaan adalah derajat dimana nilai crisp compatible
dengan fungsi keanggotaan ( dari 0 sampai 1 ), juga mengacu sebagai
tingkat keanggotaan, nilai kebenaran, atau masukan fuzzy. Label adalah
nama deskriptif yang digunakan untuk mengidentifikasikan sebuah fungsi
keanggotaan. Fungsi Keanggotaan adalah mendefinisikan fuzzy set dengan
memetakkan masukan crisp dari domainnya ke derajat keanggotaan.
6
Masukan Crisp adalah masukan yang tegas dan tertentu dan
Lingkup / Domain adalah lebar fungsi keanggotaan. Jangkauan konsep,
biasanya bilangan, tempat dimana fungsi keanggotaan dipetakkan. Disini
domain dari fuzzy set ( fungsi keanggotaan ) adalah dari 0 sampai 20
derajat dan lingkupnya adalah 20 derajat. Daerah Batasan Crisp adalah
jangkauan seluruh nilai yang mungkin dapat diaplikasikan pada variabel
sistem. Menggunakan logika fuzzy untuk mencapai penyelesaian crisp
pada masalah khusus biasanya melibatkan tiga langkah : fuzzyfikasi,
evaluasi rule, dan defuzzyfikasi. Jika anda tidak / belum mengetahui
bagaimana logika fuzzy itu bekerja kami sarankan agar anda benar benar
memahami betul tiap langkah dalam bagian berikutnya.
2.3. Alasan Menggunakan Fuzzy Logic
Ada beberapa alasan mengapa orang menggunakan logika fuzzy,
antara lain:
1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang
mendasari
2. penalaran fuzzy sangat sederhana dan mudah dimengerti.
3. Logika fuzzy sangat fleksibel.
4. Logika fuzzy memiliki toleransi terhadap data-data yang tidak
tepat.
5. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang
sangat kompleks.
6. Logika
fuzzy
dapat
membangun
dan
mengaplikasikan
pengalamanpengalaman
7. para pakar secara langsung tanpa harus melalui proses pelatihan.
8. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali
secara konvensional.
9. Logika fuzzy didasarkan pada bahasa alami
7
2.4. Fungsi Keanggotaan Fuzzy Logic
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.
a. Representasi Linear
1
0
b
a(Representasi fungsi keanggotaan linear)
Fungsi keanggotaan :
μ [ x ]=
(
x−b
a−b
(Persamaan 1)
b. Representasi Kurva Segitiga
(Representasi fungsi keanggotaan segitiga)
8
Fungsi keanggotaan :
( (
μ [ x ] =max min
) )
h−c+ x c +h−x
,
,0
h
h
(Persamaan 2)
c. Representasi Kurva Trapesium
(Representasi fungsi keanggotaan trapesium)
Fungsi keanggotaan :
x−a d−x
(
( b−a ,1, d−c ) , 0)
μ [ x ] =max min
(Persamaan 3)
2.5. Rancangan Program Sisa Penjualan Barang
Pada kesempatan yang sangat berharga ini, kami manfaatkan tugas
yang diberikan untuk membuat suatu program kecerdasan buatan yang
kami manfaatkan sebaik mungkin agar dapat dipahami sebaik mungkin,
oleh karena itu dipilih permasalahn yang tidak begitu rumit yaitu program
kecerdasan buatan sisa penjualan barang. Program akan menghitung
berapa sisa barang hasil penjualan dengan menggunakan dua input yaitu
harga barang dan kualitas barang, dari dua input tersebut akan
menghasilkan output seberapa banyak barang yang tersisa dari hasil
penjualan barang dengan pengaruh dua input sebelumnya.
Untuk itu akan dilampirkan bagaimana proses pembuatan program
sisa penjualan barang dengan menggunakan logika fuzzy sebagai berikut :
9
1. Membuka software Matlab, menunggu sampai mucul tampilan seperti
berikut
(Gambar 1. Tampilan awal Matlab)
2. Mengetik “fuzzy” pada command windows untuk masuk ke Fuzzy
Toolbox, menunggu sampai muncul tampilan seperti berikut
(Gambar 2. Tampilan Fuzzy Toolbox)
3. Menambah Input dengan cara klik Edit > Add Variable > Input , sampai
muncul tampilan seperti berikut
(Gambar 3. Penambahan Input)
10
4. Mengganti nama Input 1, Input 2 dan Output 1 dengan Harga, Kualitas dan
Sisa Penjualan dengan cara menggantinya pada kolom Name.
(Gambar 4. Mengganti Nama)
5. Membuat Fungsi Keanggotaan dengan cara klik Edit > Member Function
dan menunggu sampai muncul tampilan seperti berikut
(Gambar 5. Tampilan Member Function)
6. Membuat Fungsi Keanggotaan sesuai dengan program dan kebutuhan atau
mengambil dari data real.
11
(Gambar 7. Fungsi Keanggotaan Kualitas)
(Gambar 6. Fungsi Keanggotaan Harga)
(Gambar 8. Fungsi Keanggotaan Sisa Penjualan)
7. Masuk ke Rule Editor dengan cara klik Edit > Rules, menunggu sampai
muncul tampilan seperti berikut.
(Gambar 9. Tampilan Rule Editor
12
8. Membuat Rule sesuai dengan kebutuhan dan disesuaikan dengan rule table
yang sudah dibuat.
(Gambar 10. Rules)
9. Melihat hasil rules di Rule Viewer dari hasil rule yang sudah dibuat di
Rule Editor dengan cara klik View > Rules
(Gambar 11. Rules Viewer)
10. Melihat Surface di Surface Viewer dari hasil rule yang sudah dibuat di
Rule Editor dengan cara klik View > Surface
13
(Gambar 12. Surface Viewer)
11. Menyimpan hasil pekerjaan dengan cara klik File > Export > To File lalu
simpan di tempat yang diinginkan. Lalu ulangi kembali klik File > Export
> To Workspace lalu copy Workspace Variablenya untuk membuat
Simulink.
(Gambar 13. Workspace Variabel)
2.6. Membuat Simulink
Simulink pada Matlab adalah salah satu fitur dari matlab untuk
mensimulasi suatu desain atau model yang bersifat dinamis ataupun
tertanam. Langkah membuat Simulink adalah sebagai berikut :
1.
Kembali ke tampilan awal Matlab, klik File > New > Model dan
tunggu sampai muncul tampilan seperti berikut.
(Gambar 14. Tampilan Model)
14
2.
Kembali ke tampilan awal Matlab, lalu ketik “Simulink” di Command
Window, sehingga aka nada dua windows yang terbuka yaitu Model
dan Simulink. tunggu sampai muncul tampilan sebagai berikut
(Gambar 15. Simulink (kiri) dan Model (kanan)
3. Klik Sources di Simulink Libraries, klik dan tahan pada pilihan
Constant dan drag ke model, mengulangi tahap ini sekali lagi
karena kami menggunakan dua input.
(Gambar 16. Mendrag Constant ke Model )
4. Klik Signal Routing di Simulink Libraries, pilih dan drag Mux ke
Model.
(Gambar 17. Mendrag Mux ke Model )
15
5. Klik Fuzzy Logic Toolbox Libraries lalu pilih Fuzzy Logic
Controller dan drag ke Model.
(Gambar 18. Mendrag Fuzzy Logic Controller)
6. Klik Sink di Simulink Libraries, pilih dan drag Display ke Model
(Gambar 19. Mendrag Display ke Model)
7. Menyambungkan semua komponen
(Gambar 20. Menyambungkan Komponen)
16
8. Double Klik di Komponen Fuzzy Logic Controller lalu Paste nama
program yang tadi di copy saat di export ke wokspaces. Lalu klik
apply dan ok
(Gambar 21. Fuzzy Logic Controller)
9. Simulasi. Maukan nilai Harga dan Kualitas, lalu klik start.
(Gambar 22. Simulasi)
BAB III
17
PENUTUP
3.1
Kesimpulan
Pada tugas pembuat kecerdasan buatan untuk menentukan sisa
barang penjualan ini kami menggunakan logika fuzzy dengan metode
mamdani. Hasil yang diproses simulasi menunjukan angka yang sesuai
dengan rules dan maksud dari pembuatan program ini yaitu, ketika harga
semakin mahal dan kualitas semakin jelek maka sisa barang akan sangat
banyak, dan sebaliknya.
Logika Fuzzy ini dapat digunakan untuk membuat program lainnya
yang memiliki variable tidak jelas atau ada unsur ketidakjelasan dan
perbedaan persepsi antar satu orang dengan orang yang lain, maka dari iru
Fuzzy digunakan untuk menyamakan persepsi.
3.2
Saran
Agar bisa mengerjakan dan membuat program fuzzy perlu banyak
referensi untuk jadi acuan dan contoh, karena untuk pemula dan orang
yang
pertamakali
menggunakan
matlab
akan
sangat
asing
dan
kebingungan bagaimana menggunakan matlab dan fuzzy toolbox. Oleh
karena itu perlu perjuangan lebih besar lagi untuk mencari referensi dan
contoh – contoh program AI yang dibuat menggunakan logika fuzzy
sebagai referensi.
DAFTAR PUSTAKA
18
http://sistemoperasimobile.blogspot.co.id/2013/04/pengertian-dan-contohmakalah-fuzzy.html
https://dataxp.wordpress.com/2012/06/15/makalah-logika-fuzzy/
http://auldwimirarizka.blogspot.co.id/p/fuzzy-logic.html
Sistem Pengontrolan Fuzzy, Unicersitas Komputer Indonesia, Bandung
Fuzzy Logic and Control, Software and Hardware Applications, University of
New Mexico 1993
19
Puji syukur kehadirat Allah SWT berkat rahmat dan hidayah-Nya,
shalawat serta salam selalu kita ucapkan kepada junjungan Nabi Muhammad
SAW, yang telah menjadi suri tauladan bagi semua orang, sehingga pada
kesempatan ini penulis dapat menyeleaikan tugas laporan Fisika Kelautan ini
dengan baik.
Laporan Fisika Kelautan ini disusun sebagai salah sarat untuk memenuhi
tugas mata kuliah Fisika Kelautan dan untuk melatih mahasiswa dalam
mengerjakan serta menerapkan ilmu pembuatan program kepintaran buatan
khususnya menggunakan logika fuzzy.
Penulis menyadari bahwa lappran ini masih banyak kekurangan dan
kesalahan serta masih jauh dari sempurna. Oleh karena itu kritik dan saran yang
bersifat membangun sangat penulis harapkan.
Penulis berharap lapran ini dapat bermanfaat dan berguna bagi tim
penyusun lain dan orang lain khususnya bagi mahasiswa pada umumnya.
Surabaya, 9 April 2016
Tim Penyusun
1
DAFTAR ISI
KATA PENGANTAR .............................................................................................. i
DAFTAR ISI .......................................................................................................... ii
DAFTAR GAMBAR ............................................................................................ iii
BAB I PENDAHULUAN ...................................................................................... 4
1.1 Latar Belakang .......................................................................................... 4
1.2 Rumusan Masalah ..................................................................................... 4
1.3 Tujuan ........................................................................................................ 5
BAB II PEMBAHASAN ....................................................................................... 6
2.1................................................................................. Pengertian Fuzzy Logic
..................................................................................................................... 6
2.2........................................................................................ Derajat Kebenaran
..................................................................................................................... 6
2.3............................................................... Alasan Menggunakan Fuzzy Logic
..................................................................................................................... 7
2.4................................................................. Fungsi Keanggotaan Fuzzy Logic
..................................................................................................................... 8
2.5............................... Rancangan Pembuatan Program Sisa Penjualan Barang
..................................................................................................................... 9
2.6........................................................................................ Membuat Simulink
................................................................................................................... 14
BAB III PENUTUP .............................................................................................. 18
3.1 Kesimpulan ............................................................................................ 18
3.2 Saran ........................................................................................................ 18
DAFTAR PUSTAKA ........................................................................................... 19
2
DAFTAR GAMBAR
Gambar 1. Tambilan Awal Matlab ........................................................................ 11
Gambar 2. Tampilan Awal Fuzzy Toolbox ........................................................... 11
Gambar 3. Penenambah Input .............................................................................. 11
Gambar 4. Mengganti Nama ............................................................................... 12
Gambar 5. Tampilan Member Function................................................................ 12
Gambar 6. Fungsi Keanggotaan Harga ................................................................ 13
Gambar 7. Fungsi Keanggotaan Kualitas ............................................................. 13
Gambar 8. Fungsi Keanggotaan Sisa Penjualan .................................................. 13
Gambar 9. Tampilan Rules Editor ........................................................................ 13
Gambar 10. Rules ................................................................................................. 14
Gambar 11. Tampilan Rules Viewer ..................................................................... 14
Gambar 12. Tampilan Surface Viewer ................................................................. 15
Gambar 13. Workspace Variabel .......................................................................... 15
Gambar 14. Model ............................................................................................... 15
Gambar 15. Simulink dan Model ......................................................................... 16
Gambar 16. Drag Constant ke Model .................................................................. 16
Gambar 17. Drag Mux ke Model ......................................................................... 16
Gambar 18. Drag Fuzzy Logic Controller ke Model ........................................... 17
Gambar 19. Drag Display ke Model .................................................................... 17
Gambar 20. Menyambungkan Komponen ........................................................... 17
Gambar 21. Fuzzy Logic Controller .................................................................... 18
Gambar 22. Simulasi ............................................................................................ 18
3
BAB I
PENDAHULUAN
1.1
Latar Belakang
Logika fuzzy atau fuzzy logic bermula dari kenyataan bahwa dunia
nyata sangat kompleks. Kompleksitas ini muncul dari ketidakpastian
dalam bentuk informasi imprecision (ketidakpastian). Mengapa komputer
yang dibuat oleh manusia tidak mampu menangani persoalan yang
kompleks dan tidak presisi ini sedangkan manusia bisa. Jawabanya
adalah manusia mempunyai kemampuan untuk menalar (Reasoning)
dengan baik yaitu kemampuan yang komputer tidak mempunyainya.
Pada suatu sistem jika kompleksitasnya berkurang, maka persamaan
matematik dapat digunakan dan ketelitian yang dihasilkan menjadi sangat
berguna dalam pemodelan sistem tetapi jika kompleksitasnya bertambah
dimana persamaan matematik tidak dapat digunakan.
Logika fuzzy merupakan alternatif cara berpikir yang dapat
memodelkan kompleks sistem menggunakan pengetahuan dan pengalaman
yang dipunyai logika dimulai sebagai studi tentang bahasa dalam argument
dan persuasif , dan hal itu kemungkinan digunakan untuk menilai
kebenaran dari rantai reasoning, dalam bentuk matematikanya sebagai
contoh adalah sebagai berikut : Dalam dua nilai logika proporsinya bisa
benar atau salah , tetapi tidak keduanya. Kebenaran ditandai dengan
statement(pernyataan) nilai kebenaran. Dalam fuzzy logic proporsi
kemungkinan benar atau salah atau mempunyai setengah nilai kebenaran,
seperti kemungkinan benar.
1.2
Rumusan Masalah
1. Apa Pengertian dari Fuzzy Logic?
2. Apa itu Himpunan Fuzzy Logic?
3. Bagaimana Rancangan Program Sisa Penjualan Barang dengan Fuzzy
Logic?
4. Bagaimana Merancang Simulink?
4
1.3
Tujuan
1. Mahasiswa Memahami Pengertian Fuzzy Logic
2. Mahasiswa Memahami Himpunan Fuzzy Logic
3. Mahasiswa Memahami Rancangan Program Sisa Penjualan Barang
dengan Fuzzy Logic
4. Mahasiswa Memahami Bagaimana Merancang Simulink
5
BAB II
PEMBAHASAN
2.1. Pengertian Fuzzy Logic
Fuzzy Logic merupakan kecerdasan buatan yang pertama kali
dipublikasikan oleh Prof.Dr. Lotfi Zadeh yang berasal dari Pakistan.
Melalui fuzzy logic ini sistem dapat membuat keputusan sendiri dan
terkesan seperti memiliki perasaan, karena memiliki keputusan lain selain
iya (logika 1) dan tidak (logika 0). Oleh karena itu fuzzy logic sangat
berbeda jauh dari alur logaritma pemrogaman
Sebagai contoh adalah robot yang menggunakan fuzzy logic dapat
memprediksikan kapan ia harus bertindak atau menghindar saat ada
halangan di depannya dengan hanya ada peringatan ‘awas’ dan tanpa ada
hitungan matematis yang diberikan oleh user. Sedangkan robot yang
menggunakan alogaritma pemrograman konvensional tidak akan dapat
memutuskan sendiri untuk menghindar dari halangan yang ada di
depannya.
Logika Fuzzy, yang dalam bahasa Indonesia dapat diartikan
sebagai Logika Kabur atau Logika Samar, dapat dikatakan sebagai “logika
baru yang sudah lama”. Hal ini karena ilmu tentang logika fuzzy secara
modern dan metodis ditemukan pada tahun 1965, namun konsep logika
fuzzy sudah melekat pada diri manusia, sejak manusia ada. Konsep logika
fuzzy dapat dengan mudah kita temukan pada perilaku manusia dalam
kesehariannya
2.2. Derajat Kebenaran
Derajat keanggotaan adalah derajat dimana nilai crisp compatible
dengan fungsi keanggotaan ( dari 0 sampai 1 ), juga mengacu sebagai
tingkat keanggotaan, nilai kebenaran, atau masukan fuzzy. Label adalah
nama deskriptif yang digunakan untuk mengidentifikasikan sebuah fungsi
keanggotaan. Fungsi Keanggotaan adalah mendefinisikan fuzzy set dengan
memetakkan masukan crisp dari domainnya ke derajat keanggotaan.
6
Masukan Crisp adalah masukan yang tegas dan tertentu dan
Lingkup / Domain adalah lebar fungsi keanggotaan. Jangkauan konsep,
biasanya bilangan, tempat dimana fungsi keanggotaan dipetakkan. Disini
domain dari fuzzy set ( fungsi keanggotaan ) adalah dari 0 sampai 20
derajat dan lingkupnya adalah 20 derajat. Daerah Batasan Crisp adalah
jangkauan seluruh nilai yang mungkin dapat diaplikasikan pada variabel
sistem. Menggunakan logika fuzzy untuk mencapai penyelesaian crisp
pada masalah khusus biasanya melibatkan tiga langkah : fuzzyfikasi,
evaluasi rule, dan defuzzyfikasi. Jika anda tidak / belum mengetahui
bagaimana logika fuzzy itu bekerja kami sarankan agar anda benar benar
memahami betul tiap langkah dalam bagian berikutnya.
2.3. Alasan Menggunakan Fuzzy Logic
Ada beberapa alasan mengapa orang menggunakan logika fuzzy,
antara lain:
1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang
mendasari
2. penalaran fuzzy sangat sederhana dan mudah dimengerti.
3. Logika fuzzy sangat fleksibel.
4. Logika fuzzy memiliki toleransi terhadap data-data yang tidak
tepat.
5. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang
sangat kompleks.
6. Logika
fuzzy
dapat
membangun
dan
mengaplikasikan
pengalamanpengalaman
7. para pakar secara langsung tanpa harus melalui proses pelatihan.
8. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali
secara konvensional.
9. Logika fuzzy didasarkan pada bahasa alami
7
2.4. Fungsi Keanggotaan Fuzzy Logic
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.
a. Representasi Linear
1
0
b
a(Representasi fungsi keanggotaan linear)
Fungsi keanggotaan :
μ [ x ]=
(
x−b
a−b
(Persamaan 1)
b. Representasi Kurva Segitiga
(Representasi fungsi keanggotaan segitiga)
8
Fungsi keanggotaan :
( (
μ [ x ] =max min
) )
h−c+ x c +h−x
,
,0
h
h
(Persamaan 2)
c. Representasi Kurva Trapesium
(Representasi fungsi keanggotaan trapesium)
Fungsi keanggotaan :
x−a d−x
(
( b−a ,1, d−c ) , 0)
μ [ x ] =max min
(Persamaan 3)
2.5. Rancangan Program Sisa Penjualan Barang
Pada kesempatan yang sangat berharga ini, kami manfaatkan tugas
yang diberikan untuk membuat suatu program kecerdasan buatan yang
kami manfaatkan sebaik mungkin agar dapat dipahami sebaik mungkin,
oleh karena itu dipilih permasalahn yang tidak begitu rumit yaitu program
kecerdasan buatan sisa penjualan barang. Program akan menghitung
berapa sisa barang hasil penjualan dengan menggunakan dua input yaitu
harga barang dan kualitas barang, dari dua input tersebut akan
menghasilkan output seberapa banyak barang yang tersisa dari hasil
penjualan barang dengan pengaruh dua input sebelumnya.
Untuk itu akan dilampirkan bagaimana proses pembuatan program
sisa penjualan barang dengan menggunakan logika fuzzy sebagai berikut :
9
1. Membuka software Matlab, menunggu sampai mucul tampilan seperti
berikut
(Gambar 1. Tampilan awal Matlab)
2. Mengetik “fuzzy” pada command windows untuk masuk ke Fuzzy
Toolbox, menunggu sampai muncul tampilan seperti berikut
(Gambar 2. Tampilan Fuzzy Toolbox)
3. Menambah Input dengan cara klik Edit > Add Variable > Input , sampai
muncul tampilan seperti berikut
(Gambar 3. Penambahan Input)
10
4. Mengganti nama Input 1, Input 2 dan Output 1 dengan Harga, Kualitas dan
Sisa Penjualan dengan cara menggantinya pada kolom Name.
(Gambar 4. Mengganti Nama)
5. Membuat Fungsi Keanggotaan dengan cara klik Edit > Member Function
dan menunggu sampai muncul tampilan seperti berikut
(Gambar 5. Tampilan Member Function)
6. Membuat Fungsi Keanggotaan sesuai dengan program dan kebutuhan atau
mengambil dari data real.
11
(Gambar 7. Fungsi Keanggotaan Kualitas)
(Gambar 6. Fungsi Keanggotaan Harga)
(Gambar 8. Fungsi Keanggotaan Sisa Penjualan)
7. Masuk ke Rule Editor dengan cara klik Edit > Rules, menunggu sampai
muncul tampilan seperti berikut.
(Gambar 9. Tampilan Rule Editor
12
8. Membuat Rule sesuai dengan kebutuhan dan disesuaikan dengan rule table
yang sudah dibuat.
(Gambar 10. Rules)
9. Melihat hasil rules di Rule Viewer dari hasil rule yang sudah dibuat di
Rule Editor dengan cara klik View > Rules
(Gambar 11. Rules Viewer)
10. Melihat Surface di Surface Viewer dari hasil rule yang sudah dibuat di
Rule Editor dengan cara klik View > Surface
13
(Gambar 12. Surface Viewer)
11. Menyimpan hasil pekerjaan dengan cara klik File > Export > To File lalu
simpan di tempat yang diinginkan. Lalu ulangi kembali klik File > Export
> To Workspace lalu copy Workspace Variablenya untuk membuat
Simulink.
(Gambar 13. Workspace Variabel)
2.6. Membuat Simulink
Simulink pada Matlab adalah salah satu fitur dari matlab untuk
mensimulasi suatu desain atau model yang bersifat dinamis ataupun
tertanam. Langkah membuat Simulink adalah sebagai berikut :
1.
Kembali ke tampilan awal Matlab, klik File > New > Model dan
tunggu sampai muncul tampilan seperti berikut.
(Gambar 14. Tampilan Model)
14
2.
Kembali ke tampilan awal Matlab, lalu ketik “Simulink” di Command
Window, sehingga aka nada dua windows yang terbuka yaitu Model
dan Simulink. tunggu sampai muncul tampilan sebagai berikut
(Gambar 15. Simulink (kiri) dan Model (kanan)
3. Klik Sources di Simulink Libraries, klik dan tahan pada pilihan
Constant dan drag ke model, mengulangi tahap ini sekali lagi
karena kami menggunakan dua input.
(Gambar 16. Mendrag Constant ke Model )
4. Klik Signal Routing di Simulink Libraries, pilih dan drag Mux ke
Model.
(Gambar 17. Mendrag Mux ke Model )
15
5. Klik Fuzzy Logic Toolbox Libraries lalu pilih Fuzzy Logic
Controller dan drag ke Model.
(Gambar 18. Mendrag Fuzzy Logic Controller)
6. Klik Sink di Simulink Libraries, pilih dan drag Display ke Model
(Gambar 19. Mendrag Display ke Model)
7. Menyambungkan semua komponen
(Gambar 20. Menyambungkan Komponen)
16
8. Double Klik di Komponen Fuzzy Logic Controller lalu Paste nama
program yang tadi di copy saat di export ke wokspaces. Lalu klik
apply dan ok
(Gambar 21. Fuzzy Logic Controller)
9. Simulasi. Maukan nilai Harga dan Kualitas, lalu klik start.
(Gambar 22. Simulasi)
BAB III
17
PENUTUP
3.1
Kesimpulan
Pada tugas pembuat kecerdasan buatan untuk menentukan sisa
barang penjualan ini kami menggunakan logika fuzzy dengan metode
mamdani. Hasil yang diproses simulasi menunjukan angka yang sesuai
dengan rules dan maksud dari pembuatan program ini yaitu, ketika harga
semakin mahal dan kualitas semakin jelek maka sisa barang akan sangat
banyak, dan sebaliknya.
Logika Fuzzy ini dapat digunakan untuk membuat program lainnya
yang memiliki variable tidak jelas atau ada unsur ketidakjelasan dan
perbedaan persepsi antar satu orang dengan orang yang lain, maka dari iru
Fuzzy digunakan untuk menyamakan persepsi.
3.2
Saran
Agar bisa mengerjakan dan membuat program fuzzy perlu banyak
referensi untuk jadi acuan dan contoh, karena untuk pemula dan orang
yang
pertamakali
menggunakan
matlab
akan
sangat
asing
dan
kebingungan bagaimana menggunakan matlab dan fuzzy toolbox. Oleh
karena itu perlu perjuangan lebih besar lagi untuk mencari referensi dan
contoh – contoh program AI yang dibuat menggunakan logika fuzzy
sebagai referensi.
DAFTAR PUSTAKA
18
http://sistemoperasimobile.blogspot.co.id/2013/04/pengertian-dan-contohmakalah-fuzzy.html
https://dataxp.wordpress.com/2012/06/15/makalah-logika-fuzzy/
http://auldwimirarizka.blogspot.co.id/p/fuzzy-logic.html
Sistem Pengontrolan Fuzzy, Unicersitas Komputer Indonesia, Bandung
Fuzzy Logic and Control, Software and Hardware Applications, University of
New Mexico 1993
19