TOTO HARYANTO

Sedikit goresan menebar manfaat …..

Archive for the 'AI' Category

About CI

Tutorial Fuzzy Logic Toolbox di Matlab

Posted by totoharyanto on 24th February 2014

Bagi pemula yang mempelajari logika fuzzy, semoga tutorial ini bisa membantu Anda. Anda juga bisa download
cover_fuzzy_logic_toolbox

 


Posted in AI | No Comments »

Fuzzy Tsukamoto

Posted by totoharyanto on 9th December 2013

Ahmadulillah saya sempat menuliskan kembali sedikit menganai fuzzy reasoning. Jika masih lupa silahkan baca tautan berikut.
http://totoharyanto.staff.ipb.ac.id/2012/08/11/fuzzy-reasoning-penalaran-fuzzy/. 

Untuk dapat lebih memahani fuzzy Tsukamoto, berikut contoh kasus  :

Suatu perusahaan tekstil akan memproduksi pakaian dengan jenis XYZ. Dari 1 bulan terakhir, permintaan terbesar mencapai 5000 potong per bulan, dan permintaan terkecil mencapai 1000 potong per bulan. Persediaan barang di gudang tiap hari paling banyak 600 potong. dan persediaan terkecil mencapai 100 potong per hari. Dikarenakan memiliki keterbasan, perusahaan ini hanya mampu memproduksi pakaian paling banyak 7000 potong per bulan. Untuk efisiensi, mesin dan SDM setiap bulan diharapkan perusahaan memproduksi paling tidak 2000 potong pakaian. Berapa potong pakaian jenis XYZ yang harus diproduksi apabila terdapat permintaan sejumlah 4000 potong dan persediaan di gudang terdapat 300 potong. ?

Tahap Fuzzifikasi
Pada tahap ini setiap input dan output akan difuzzikan menjadi variabel linguistik. Berikut rancangan kurva keanggotaan untu setiap variabel:

Variabel Permintaan:
permintaan

 

 

 

 

 

 

 

Variabel Persediaan
persediaan

 

 

 

 

 

 

 

Variabel Jumlah Produksi:

produksi

 

 

 

 

 

 

Tahap Pembuatan Aturan Fuzzy
Jika diketahui aturan (rule) :

• [R1] : IF Permintaan TURUN And Persediaan BANYAK THEN Produksi Pakaian BERKURANG
• [R2] :  IF Permintaan TURUN And Persediaan SEDIKIT  THEN Produksi Pakaian BERKURANG
• [R3] :  IF Permintaan NAIK And Persediaan BANYAK THEN Produksi Pakaian BERTAMBAH
• [R4] :  IF Permintaan NAIK And Persediaan SEDIKIT THEN Produksi Pakaian BERTAMBAH

Tahap Perhitungan Nilai Z (output) berdasarkan aturan yang digunakan:

Dari hasil fuzzifikasi, dapat diketahui bahwa permintaan sejumlah 4000 masuk dalam himpunan (Turun dan Naik)
dan persediaan 300 masuk dalam himpunan (Sedikit dan Banyak). Berdasarkan aturan yang ada (4 rule) diketahui bahwa keempat aturan tersebut bersesuaian dengan input yang masuk ke dalam sistem. Dengan demikian keempat rule tersebut fired.

Implementasi aturan pertama [R1]

IF Permintaan TURUN And Persediaan BANYAK THEN  Produksi Pakaian BERKURANG
alpha_predikat1 =  min (µTurun [4000],µBanyak [300])
                                  =  min (0,25;0,4)
                                  =  0,25

Lihat Himpunan Berkurang pada Output
(7000-z1) / (7000-2000) = 0,25
z1 = 5750

Implementasi aturan kedua [R2]

IF Permintaan TURUN And Persediaan BANYAK THEN  Produksi Pakaian BERKURANG

 

alpha_predikat1 = min (µTurun [4000],µBanyak [300])
                                   =  min (0,25;0,4)
=  0,25

Lihat Himpunan Berkurang pada Output

(7000-z) / (7000-2000) = 0,25
                              z1 = 5750

Implementasi aturan ketiga [R3]

IF Permintaan NAIK And Persediaan BANYAK THEN Produksi Pakaian BERTAMBAH

alpha_predikat3 = min (µNaik [4000],µBanyak [300])
=  min (0,75;0,4)
=  0,4

Lihat Himpunan Bertambah pada Output

(z-2000) / (7000-2000) = 0,4
z3 = 4000

 

Implementasi aturan keempat [R4]

IF Permintaan NAIK And Persediaan SEDIKIT THEN  Produksi Pakaian BERTAMBAH

alpha_predikat4 = min (µNaik [4000],µSedikit [300])
=  min (0,75;0,6)
=  0,6
Lihat Himpunan Bertambah pada Output

(z-2000) / (7000-2000) = 0,6
z4 = 5000

Defuzzifikasi

Tahap akhir dari fuzzy Tsukamoto adalah menghitung Ztotal (Hasil) Defuzzifikasi dengan rata-rata terbobot
z_total

 

 

Dengan demikian, jumlah potong pakaian yang harus diproduksi adalah sebanyak : 4983 potong

 


Posted in AI | 12 Comments »

CLIPS Versus JESS

Posted by totoharyanto on 19th October 2012

This link is posting about comparison between two expert system shell, CLIPS and JESS.

http://www.comp.lancs.ac.uk/~kristof/research/notes/clipsvsjess/index.html

Hopefully useful


Posted in Sistem Pakar | No Comments »

Fuzzy Reasoning / Penalaran Fuzzy

Posted by totoharyanto on 11th August 2012

Bismillahirrohmanirrohim.
Alhamdulillah setelah sekian lama tidak menulis, akhir Alloh subhanahuwata’ala mudahkan juga saya untuk mem-posting tulisan. Sambil nunggu mahasiswa yang belum pada datang. Padahal jadwal kuliah jam 9. saya on time lho. Alhamdulillah sudah datang..

Bagi orang IT atau ilmu komputer, istilah fuzzy bukanlah sesuau yang asing. Konsep fuzzy sebenarnya berawal dari teori himpunan yang diperkenalkan oleh Zadeh. Pada implementasinya, penggunaan fuzzy logic control banyak diterapkan bahkan pada skala industri. Saya sering memberikan contoh ke mahasiswa biasanya adalah mesin cuci. Saya akan betanya dulu biasanya.

  • Toto                            : Ada berapa tabung yang terdapat pada mesin cuci ?
  • Mahasiswa/i            : Ada yang menjawab 1 ada yang 2. Bergantung pengalaman …
  • Mahasiswa (lain)    : Boro-boro mesin cuci Pak, masih digosok …. manual …(cmiiw) :)

Oke, kembali ke fuzzy, nah bisanya pada mesin cuci yang 2 tabung saya kataka masih semi otomatis. Mengapa ? Karena kita tetap harus memastikan kapan cucian tersebut harus selesai dibilas dan kapan harus dikeringkan. Akan tetapi kalau mesin cuci dengan 1 tabung , sekali kita masukkan kelua sudah siap untuk dijemur….

Pertanyaannya ? Bagaimana mesin tersebut mengatahui bahwa cucian milik kita sudah masih kotor (harus dibilas) atau sudah siap dikeringkan? Nah, di sinilah fuzzy logic control bisa diterapkan…
Kalo ada kesempatan coba sekali-kali ke toko elektronik deh.. lihat lihat mesin cuci. Kalai diperhatikan biasanya pada mesin cuci dengan 1 tabung tertera tulisan Fuzzy Logic Control. Bisa dicari di google aja sendiri ya..

 

 

 

Dari konsep fuzzy inilah lahir metode-metode seperti:

  •   Fuzzy Inferene System
  •   Fuzzy Measurement
  •   Fuzzy Clustering
  •   dll (saya tidak hapal semua )…

Salah satu dari mekanisme penarikan kesimpulan dengan konsep fuzzy adalah mekanisme penalaran fuzzy/ fuzzy reasoning.
Fuzzy resoning merupakan bagaimana suatu kesimpulan berbasis fuzzy dapat dibuat. Sejauh yang yang tahu terdapat 3 metode penalaran fuzzy , yaitu:

1. Metode Penalaran Mamdani
2. Metode Penalaran Tsukamoto
3 Metode Penalaran Takagi Sugeno

Apa perbedaannya ?
Secara garis besar perbedaan dari tiga metode ini bisa dilihat pada Tabel berikut:

Penalaran Input Output Deffuzzifikasi Penggunaan
Tsukamoto Himpunan Fuzzy Himpunan Fuzzy Weigthed Average Humannis
Controll
Mamdani Himpunan Fuzzy Himpunan Fuzzy CoG
Lom
SomMomBisector
Humanis
Sugeno Himpunan Fuzzy – Konstanta- Linear (orde 1) Weigthed Average Control l

Adapun detail dari perbedaan ketiganya tersebut saya lampirkan dalam formmat pdf saja.
Silahkan diunduh Penalaran_Fuzzy (unduh)

Contoh Kasus Fuzzy Tsukamoto : http://totoha ryanto.staff.ipb.ac.id/2013/12/09/fuzzy-tsukamoto/

Terima Kasih


Posted in Sistem Pakar | No Comments »