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
29
BAB 3
PEMBAHASAN
3.1 Pengumpulan Data