NAMA : RESSTHU ALFENDO

KELAS : IF6D
NIM : 171420106
TUGAS : KONSEP SIMULASI &
PERMODELAN
ISTILAH-ISTILAH

• FUZZIFICATION: DEFINISI DARI HIMPUNAN FUZZY DAN PENENTUAN DERAJAT

KEANGGOTAAN DARI CRISP INPUT PADA SEBUAH HIMPUNAN FUZZY

• INFERENSI: EVALUASI KAIDAH/ATURAN/RULE FUZZY UNTUK MENGHASILKAN OUTPUT DARI

TIAP RULE

• COMPOSISI: AGREGASI ATAU KOMBINASI DARI KELUARAN SEMUA RULE

• DEFUZZIFICATION: PERHITUNGAN CRISP OUTPUT

SISTEM INFERENSI FUZZY

METODE TSUKAMOTO
• PERTAMA KALI DIPERKENALKAN OLEH TSUKAMOTO.
• SETIAP KONSEKUEN (KESIMPULAN) PADA SETIAP ATURAN IF-THEN HARUS DIREPRESENTASIKAN
DENGAN SUATU HIMPUNAN FUZZY DENGAN FUNGSI KEANGGOTAAN MONOTON.
• HASILNYA, OUTPUT HASIL INFERENSI DARI SETIAP ATURAN DIBERIKAN SECARA TEGAS (CRISP)
BERDASARKAN
-PREDIKAT, KEMUDIAN MENGHITUNG RATA-RATA TERBOBOT.
 • Fuzzification: definisi dari himpunan fuzzy dan
penentuan derajat keanggotaan dari crisp input
pada sebuah himpunan fuzzy

• Inferensi: evaluasi kaidah/aturan/rule fuzzy

untuk menghasilkan output dari tiap rule

• Composisi: agregasi atau kombinasi dari

keluaran semua rule

• Defuzzification: perhitungan crisp

output

5
METODE TSUKAMOTO

6
 SISTEM INFERENSI
FUZZY
Metode Tsukamoto
• Pertama kali diperkenalkan oleh Tsukamoto.
• Setiap konsekuen (kesimpulan) pada setiap aturan IF-THEN harus
direpresentasikan dengan suatu himpunan fuzzy dengan fungsi
keanggotaan monoton.

• Hasilnya, output hasil inferensi dari setiap aturan diberikan secara tegas

(crisp) berdasarkan -predikat, kemudian menghitung rata-rata terbobot.

7
 CONTOH: METODE
TSUKAMOTO
• Sebuah perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Dari data 1 bulan terakhir,
permintaan terbesar hingga mencapai 5000 kemasan/hari, dan permintaan terkecil sampai 1000
kemasan/hari. Persediaan barang digudang paling banyak sampai 600 kemasan/hari, dan paling sedikit
sampai 100 kemasan/hari. Dengan segala keterbatasannya, sampai saat ini, perusahaan baru mampu
memproduksi barang maksimal 7000 kemasan/hari, serta demi efisiensi mesin dan SDM tiap hari
diharapkan perusahaan memproduksi paling tidak 2000 kemasan.
• Apabila proses produksi perusahaan tersebut menggunakan 4 aturan sebagai berikut:
• Rule 1
• IF permintaan TURUN and persediaan BANYAK THEN produksi barang BERKURANG
• Rule 2
• IF permintaan TURUN and persediaan SEDIKIT THEN produksi barang BERKURANG
• Rule 3
• IF permintaan NAIK and persediaan BANYAK THEN produksi barang BERTAMBAH
• Rule 4
• IF permintaan NAIK and persediaan SEDIKIT THEN produksi barang BERTAMBAH
• Berapa kemasan makanan jenis ABC yang harus diproduksi, jika jumlah permintaan sebanyak 4000
kemasan, dan persediaan di gudang masih 300 kemasan ? (Gunakan fungsi keanggotaan LINEAR)

8
 Ada 3 variabel yang digunakan: PERMINTAAN, PERSEDIAAN, dan PRODUKSI
PERMINTAAN: 1000 – 5000, x = 4000
PERSEDIAAN: 100 - 600, y = 300
PRODUKSI: 2000 – 7000, z = ?

PERMINTAAN, terdiri dari 2 himpunan fuzzy: TURUN dan NAIK

Nilai keanggotaan
untuk nilai
PERMINTAAN =
4000

, x  1000
1
 pmtTURUN [x]   5 0 0 0  x ,1000  x  5 0 0 0
 4000
, x  5000 pmtTURUN [4000] = (5000-4000)/4000 = 0.25
0
, x  1000 pmtNAIK[4000] = (4000-1000)/4000 = 0.75
0
 pmtNAIK [x]   x  1 0 0 0 ,1000  x  5 0 0 0
 4000
9 , x  5000
1
 PERSEDIAAN, terdiri dari 2 himpunan fuzzy: SEDIKIT dan BANYAK

, y  100
1
 psdSEDIKIT [ y]   6 0 0  y ,100  y  6 0 0 psdSEDIKIT [300] = (600-300)/500 = 0.6
 500 psdBANYAK[300] = (300-100)/500 = 0.4
, y  600
0
, y  100
0
 p sd B A N YA K [ y]   y  1 0 0 ,100  y  6 0 0
 500
, y  600
1

10
 PRODUKSI, terdiri dari 2 himpunan fuzzy: BERKURANG dan BERTAMBAH
Nilai -predikat dan Z dari setiap aturan
Rule 1
-predikat1 = pmtTURUN  psdBANYAK
= min(pmtTURUN[4000]  psdBANYAK[300])

= min(0.25; 0.4)
= 0.25
Dari himpunan produksi barang BERKURANG,
(7000-z)/5000 = 0.25  z1 = 5750

, z  2000
1
 p rd B E R K U R A N G [z]   7 0 0 0  z ,2000  z  7000
 5000 Rule 2
, z  7000 -predikat =  
0
 2 pmtTURUN psdSEDIKIT
, z  2000
0
 [z]   z  2000 ,2000  z  7000
= min(pmtTURUN[4000]  psdSEDIKIT[300])
p sd B E R TA M B A H
 5000
 , z  7000
1 = min(0.25; 0.6)
pmtSEDIKIT = 0.6 = 0.25
pmtTURUN = 0.25 
pmtNAIK = 0.75 pmtBANYAK = 0.4 Dari himpunan produksi barang BERKURANG,
(7000-z)/5000 = 0.25  z2 = 5750

11
 NILAI -PREDIKAT DAN Z DARI SETIAP
ATURAN
Rule 3 Rule 4
-predikat3 = pmtNAIK  psdBANYAK -predikat4 = pmtNAIK  psdBANYAK
= min(pmtNAIK[4000] psdBANYAK[300]) = min(pmtNAIK[4000]  psdBANYAK[300])

= min(0.75; 0.4) = min(0.75; 0.6)

= 0.4 = 0.6
Dari himpunan produksi barang BERTAMBAH, Dari himpunan produksi barang BERTAMBAH,
(z-2000)/5000 = 0.4  z3 = 4000 (z-2000)/5000 = 0.6  z4 = 5000

Menghitung z akhir dengan merata-rata semua z berbobot:

z 
 p re d * z   p re d * z   p re d * z   p re d * z
1 1 2 2 3 3 4 4

 p re d   p re d   p re d   p re d
1 2 3 4

z 
0.25* 5750  0.25* 5750  0.4 * 4000  0.6 * 500  7457 

4983
0.25  0.25  0.4  0.6
METODE SUGENO

13
 SISTEM INFERENSI
FUZZY
Metode Tsukamoto

Metode Sugeno
• Diperkenalkan oleh Takagi-Sugeno-Kang, tahun 1985.
• Bagian output (konsekuen) sistem tidak berupa himpunan fuzzy, melainkan
konstanta (orde nol) atau persamaan linear (orde satu).
• Model Sugeno Orde Nol
• IF (x1 is A1)  (x2 is A2)  …  (xn is An) THEN z=k
• Model Sugeno Orde Satu
• IF (x1 is A1)  (x2 is A2)  …  (xn is An) THEN z= p1 * x1 + … + p2 * x2 + q

Metode Mamdani

14
 CONTOH: METODE
SUGENO
• Sebuah perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Dari data 1 bulan terakhir,
permintaan terbesar hingga mencapai 5000 kemasan/hari, dan permintaan terkecil sampai 1000
kemasan/hari. Persediaan barang digudang paling banyak sampai 600 kemasan/hari, dan paling sedikit
sampai 100 kemasan/hari. Dengan segala keterbatasannya, sampai saat ini, perusahaan baru mampu
memproduksi barang maksimal 7000 kemasan/hari, serta demi efisiensi mesin dan SDM tiap hari
diharapkan perusahaan memproduksi paling tidak 2000 kemasan.
• Apabila proses produksi perusahaan tersebut menggunakan 4 aturan sebagai berikut:
• Rule 1
• IF permintaan TURUN and persediaan BANYAK THEN produksi barang = permintaan - persediaan
• Rule 2
• IF permintaan TURUN and persediaan SEDIKIT THEN produksi barang = permintaan
• Rule 3
• IF permintaan NAIK and persediaan BANYAK THEN produksi barang = permintaan
• Rule 4
• IF permintaan NAIK and persediaan SEDIKIT THEN produksi barang = 1.25*permintaan - persediaan
• Berapa kemasan makanan jenis ABC yang harus diproduksi, jika jumlah permintaan sebanyak 4000
kemasan, dan persediaan di gudang masih 300 kemasan ? (Gunakan fungsi keanggotaan LINEAR)

15
 Ada 3 variabel yang digunakan: PERMINTAAN, PERSEDIAAN, dan PRODUKSI
PERMINTAAN: 1000 – 5000, x = 4000
PERSEDIAAN: 100 - 600, y = 300
PRODUKSI: 2000 – 7000, z = ?

PERMINTAAN, terdiri dari 2 himpunan fuzzy: TURUN dan NAIK

Nilai keanggotaan
untuk nilai
PERMINTAAN =
4000

, x  1000
1
 pmtTURUN [x]   5 0 0 0  x ,1000  x  5 0 0 0
 4000
, x  5000 pmtTURUN [4000] = (5000-4000)/4000 = 0.25
0
, x  1000 pmtNAIK[4000] = (4000-1000)/4000 = 0.75
0
 pmtNAIK [x]   x  1 0 0 0 ,1000  x  5 0 0 0
 4000
16 , x  5000
1
 PERSEDIAAN, terdiri dari 2 himpunan fuzzy: SEDIKIT dan BANYAK

, y  100
1 y = 300
 psdSEDIKIT [ y]   6 0 0  y ,100  y  6 0 0 psdSEDIKIT [300] = (600-300)/500 = 0.6
 500 psdBANYAK[300] = (300-100)/500 = 0.4
, y  600
0
, y  100
0
 p sd B A N YA K [ y]   y  1 0 0 ,100  y  6 0 0
 500
, y  600
1

17
 PRODUKSI, tidak mempunyai himpunan fuzzy.
Nilai permintaan = 4000 Jumlah persediaan =
300-predikat dan Z dari setiap aturan
Nilai
Rule 1 Rule 3
-predikat1 = pmtTURUN  psdBANYAK -predikat3 = pmtNAIK  psdBANYAK
= min(pmtTURUN[4000]  psdBANYAK[300]) = min(pmtNAIK[4000] psdBANYAK[300])
= min(0.25; 0.4) = min(0.75; 0.4)
= 0.25 = 0.4
Dari bagian konsekuen Rule 1 Dari bagian konsekuen Rule 3
z1 = permintaan – persediaan z3 = permintaan
= 4000 – 300 = 3700 = 4000

Rule 2 Rule 4
-predikat2 = pmtTURUN  psdSEDIKIT -predikat4 = pmtNAIK  psdBANYAK
= min(pmtTURUN[4000]  psdSEDIKIT[300]) = min(pmtNAIK[4000]  psdBANYAK[300])
= min(0.25; 0.6) = min(0.75; 0.6)
= 0.25 = 0.6
Dari bagian konsekuen Rule 2 Dari bagian konsekuen Rule 2
z2 = permintaan z2 = 1.25*permintaan - persediaan
= 4000 = 1.25 * 4000 – 300 = 4700

Menghitung z akhir dengan merata-rata semua z berbobot:

 p re d 1 * z 1   p re d 2 * z2   p re d3 * z3   p re d 4 * z4 Jadi, jumlah makanan jenis ABC yang
z 
 p r e d 1   p r e d   p r2 e d   p r3 e d harus diproduksi sebanyak 4230
4
kemasan.
z 
0.25* 3700  0.25* 4000  0.4 * 4000  0.6 * 4700  6345 
18 0 .2 5  0 .2 5  0 .4  0 .6 1 .5
METODE MAMDANI

19
METODE
MAMDANI
• Diperkenalkan oleh Mamdani dan Assilian (1975).
• Ada 4 tahapan dalam inferensi Mamdani (termasuk metode yang lain):
1. Pembentukan himpunan fuzzy (fuzzyfication)
Variabel input dan output dibagi menjadi satu atu lebih himpunan fuzzy
2. Penerapan fungsi implikasi
Fungsi implikasi yang digunakan adalah MIN
3. Komposisi (penggabungan) aturan
Inferensi diperoleh dari kumpulan dan korelasi antar aturan.
Ada 3 macam: MAX, ADDITIVE, dan probabilistik OR (probor)
4. Penegasan (defuzzyfication)
Input disini adalah suatu himpunan fuzzy yang diperoleh dari
komposisi aturan-aturan fuzzy,
outputnya adalah nilai tegs (crisp)
Metode defuzzifikasi: Centroid (Center of Mass), dan Mean of
Maximum (MOM)
 METODE KOMPOSISI
ATURAN
• MAX
• Solusi himpunan diperoleh dengan cara mengambil nilai maksimum aturan, kemudian
menggunakannya untuk memodifikasi daerah fuzzy, kemudian menerapkannya ke output
dengan operator OR. Dirumuskan:
• sf[xi]  max(sf[xi], kf[xi])
• Dimana: sf[xi] adalah nilai keanggotaan solusi fuzzy sampai aturan ke-i
• kf[xi] adalah nilai keanggotaan konsekuen fuzzy sampai aturan ke-i
• Additive (sum)
• Solusi fuzzy diperoleh dengan melakukan bounded-sum pada semua output daerah fuzzy.
Dirumuskan:
• sf[xi]  min(1, sf[xi]+ kf[xi])
• Probabilistik OR (probor)
• Solusi fuzzy diperoleh dengan cara melakukan product terhadap semua output daerah fuzzy.
Dirumuskan:
• sf[xi]  (sf[xi] + kf[xi]) - (sf[xi] * kf[xi])

21
 CONTOH INFERENSI FUZZY
MODEL MAMDANI

Rule: 1
IF x is A3
OR y is B1
THEN z is
C1

Rule: 2
IF x is A2
AND y is B2
THEN z is C2

Rule: 3
IF x is A1
THEN z is C3

Agregasi menggunakan
22 MAX
 METODE
DEFUZZIFIKASI
• Metode Centroid
• Solusi crisp diperoleh dengan mengambil titik pusat (z*) d aerah fuzzy
• Dirumuskan:  z.(z)dz
• Untuk semesta kontinyu z*  Z

 (z)dz
Z
n

• Untuk semesta diskrit j  1 zj (z ) j

z*  n


j 1
j

• Metode Mean of Maximum (MOM) (z )

• Solusi diperoleh dengan mengambil nilai rata-rata domain yang memiliki nilai keanggotaan
terbesar.
• Dirumuskan: l

j 1 z

z*  j

l
• . Dimana: zj adalah titik dalam domain kosenkuen yang mempunyai nilai
keanggotaan maksimum, dan l adalah jumlah titik yang mempunyai nilai
keanggotaan maksimum
23
 CONTOH: METODE
MAMDANI
• Sebuah perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Dari data 1 bulan terakhir,
permintaan terbesar hingga mencapai 5000 kemasan/hari, dan permintaan terkecil sampai 1000
kemasan/hari. Persediaan barang digudang paling banyak sampai 600 kemasan/hari, dan paling sedikit
sampai 100 kemasan/hari. Dengan segala keterbatasannya, sampai saat ini, perusahaan baru mampu
memproduksi barang maksimal 7000 kemasan/hari, serta demi efisiensi mesin dan SDM tiap hari
diharapkan perusahaan memproduksi paling tidak 2000 kemasan.
• Apabila proses produksi perusahaan tersebut menggunakan 4 aturan sebagai berikut:
• Rule 1
• IF permintaan TURUN and persediaan BANYAK THEN produksi barang BERKURANG
• Rule 2
• IF permintaan TURUN and persediaan SEDIKIT THEN produksi barang BERKURANG
• Rule 3
• IF permintaan NAIK and persediaan BANYAK THEN produksi barang BERTAMBAH
• Rule 4
• IF permintaan NAIK and persediaan SEDIKIT THEN produksi barang BERTAMBAH
• Berapa kemasan makanan jenis ABC yang harus diproduksi, jika jumlah permintaan sebanyak 4000
kemasan, dan persediaan di gudang masih 300 kemasan ? (Gunakan fungsi keanggotaan LINEAR)

24
 HIMPUNAN FUZZY
Ada 3 variabel yang digunakan: PERMINTAAN, PERSEDIAAN, dan PRODUKSI
PERMINTAAN: 1000 – 5000, x = 4000
PERSEDIAAN: 100 - 600, y = 300
PRODUKSI: 2000 – 7000, z = ?
PERMINTAAN, terdiri dari 2
himpunan fuzzy: TURUN dan NAIK
N
i
l
a
i

k
e
, x  1000
1 a
 pmtTURUN [x]   5 0 0 0  x ,1000  x  5 0 0 0 x = n4000
 4000
, x  5000 g
0 pmtTURUN [4000] = (5000-4000)/4000 = 0.25
g
, x  1000 pmtNAIK[4000] = (4000-1000)/4000 = 0.75
0
o
 t
[x]   x  1 0 0 0 ,1000  x  5 0 0 0
a
pmtNAIK

 4000
25 , x  5000 a
1
 PEMBENTUKAN HIMPUNAN FUZZY
PERSEDIAAN, TERDIRI DARI 2 HIMPUNAN FUZZY: SEDIKIT DAN
BANYAK

, y  100 y = 300
1
 psdSEDIKIT [ y]   6 0 0  y ,100  y  6 0 0 psdSEDIKIT [300] = (600-300)/500 = 0.6
 500 psdBANYAK[300] = (300-100)/500 = 0.4
, y  600
0
, y  100
0
 p sd B A N YA K [ y]   y  1 0 0 ,100  y  6 0 0
 500
, y  600
1

26
 pmtTURUN = 0.25 PMTBANYAK = 0.4
pmtNAIK = 0.75
Nilai -predikat dan Z dari setiap aturan
Rule 1
IF permintaan TURUN and persediaan BANYAK THEN produksi
barang BERKURANG
-predikat1 = pmtTURUN  psdBANYAK
= min(pmtTURUN[4000]  psdBANYAK[300])
= min(0.25; 0.4)
= 0.25

Rule 2
IF permintaan TURUN and persediaan SEDIKIT THEN produksi barang BERKURANG
-predikat2 = pmtTURUN  psdSEDIKIT
= min(pmtTURUN[4000]  psdSEDIKIT[300])
= min(0.25; 0.6)
= 0.25

27
 Nilai -predikat dan Z dari setiap aturan pmtTURUN = 0.25 pmtSEDIKIT = 0.6
Rule 3
 = 0.75 pmtBANYAK = 0.4
IF permintaan NAIK and persediaan BANYAK THEN produksi barang BERTAMBAH pmtNAIK
-predikat3 = pmtNAIK  psdBANYAK
= min(pmtNAIK[4000] psdBANYAK[300])
= min(0.75; 0.4)
= 0.4

Rule 4
IF permintaan NAIK and persediaan SEDIKIT THEN produksi barang BERTAMBAH
-predikat4 = pmtNAIK  psdBANYAK
= min(pmtNAIK[4000]  psdBANYAK[300])
= min(0.75; 0.6)
= 0.6

28
 ATURAN

MAX
=

Daerah himpunan fuzzy terbagi 3: A1, A2, dan A3.

Mencari nilai a1, dan a2

(a – prod_minimal)/interval_prod = nilai_keanggotaan
Fungsi keanggotaan hasil komposisi:
(a1 – 2000)/5000 = 0.25  a = 3250
(a21 – 2000)/5000 = 0.6  a2 = 5000  0.25 , z  3250

[z]   (z  2000) / 5000 ,3250  z  5000
 0.6 , z  5000
29 
  0.25 , z  3250
 [ z ]   ( z  2 0 0 0 ) / 5 0 0 0 ,3250  z  5000
DEFUZZIFIKASI
 / MENGHITUNG
, z  5 0Z
0 0AKHIR
0.6
Menghitung z* menggunakan metode Centroid kontinyu

Daerah A1 Daerah A2 Daerah A3
3250 5000 7000
M1   M3   (0.6)z dz
Moment (0.25)z dz 3250 5000 5000

0 5000 M3  0.3* z 2 7000

M1  0.125* z 2 3250 M2   (0.0002z - 0.4z) dz

2 5000

0 3250
5000
M 3  7200000
M 1  1320312.5 M2  0.000067z - 0.2z 3 2

3250

M 2  3187515.625
A2 
(z - 2000) z d
5000
7000
A3 
3250
A1   0.25   (0.6)
3250 5000 dz
dz
Luas 0
5000 5000

A2   (z/5000 - 0.4) dz A3  0.6* z

7000

A1  0.25* z 3250 5000

3250

A2  z /10000 - 0.4z A3  1200

2 5000
0
3250
A1  0.25* A2  (5000 /10000 - 0.4 * 5000)
2

3250 - 0.25* 0 - (3250 /10000 - 0 .4 * 3250)

2

A1  812.5 A2  743.75
30
 Menghitung z* menggunakan metode Centroid kontinyu
DEFUZZIFIKASI / MENGHITUNG Z AKHIR
z* 
M 1  M 2  M 3  1320312.5  3187515.625  7200000  4 2 4 7 . 7 4
A1 A2  A3 812.5  743.75 1 20 0
Jadi, jumlah makanan jenis ABC yang harus diproduksi sebanyak 4248 kemasan.

Menghitung z* menggunakan metode Mean of Maximum (MOM)

l 7000
(7000  5000  1)(5000 
 j z  z j
7000)
z*  j 1
 j 5000
 2
l 7000  5000   2001
2 01 0 1 * 1 2 0 0 0
z*   2 1 2 0 0 6 0 0 
 6000
2001
2001

Jadi, jumlah makanan jenis ABC yang harus diproduksi sebanyak 6000 kemasan.

31