Home / Pemrograman / Fuzzy Logic / Fungsi Keanggotaan Logika Fuzzy

Fungsi Keanggotaan Logika Fuzzy

Sahabat Belajar IT. Setelah mengenal atribut himpunan fuzy, maka Anda juga harus tahu bagaimana himpunan fuzzy merepresentasian pengetahuan.

Fungsi Keanggotaan Logika Fuzzy digunakan untuk menghitung derajat keanggotaan suatu himpunan fuzzy. Setiap istilah linguistik diasosiasikan dengan fuzzy set, yang masing-masing memiliki fungsi keanggotaan yang telah didefinisikan. Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukan pemetaan 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. Adalah fungsi keanggotaan yang biasa digunakan dalam penalaran logika fuzzy, diantaranya :

1. Representasi linear

Pada representasi linear, pemetaan input ke derajat keanggotaannya digambarkan sebagai sebuah garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas.

Ada dua keadaan himpunan fuzzy linear. Pertama, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0] bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi yang disebut dengan representasi fungsi linear naik.

Representasi fungsi keanggotaan untuk linear naik adalah sebagai berikut :

Representasi Linear Naik Rumus Representasi Linear Naik

Keterangan:

a  = nilai domain yang mempunyai derajat keanggotaan nol

b  = nilai domain yang mempunyai derajat keanggotaan satu

x  = nilai input yang akan di ubah ke dalam bilangan fuzzy

Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah.

Representasi fungsi keanggotaan untuk linear turun adalah sebagai berikut:

Representasi Linear Turun Rumus Representasi Linear Turun

Keterangan:

a  =  nilai domain yang mempunyai derajat keanggotaan satu

b  = nilai domain yang mempunyai derajat keanggotaan nol

x  = nilai input yang akan di ubah ke dalam bilangan fuzzy

2. Representasi Kurva Segitiga

Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear). Nilai-nilai disekitar b memiliki derajat keanggotaan turun cukup tajam (menjauhi 1).

Representasi Kurva Segitiga

Representasi fungsi keanggotaan untuk kurva segitiga adalah sebagai berikut:

Rumus Representasi Kurva Segitiga

Keterangan:

a  = nilai domain terkecil yang mempunyai derajat keanggotaan nol

b  = nilai domain yang mempunyai derajat keanggotaan satu

c = nilai domain terbesar yang mempunyai derajat keanggotaan nol

 

3. Reperentasi Kurva Trapesium

Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1.

Representasi Kurva Trapesium

Representasi fungsi keanggotaan untuk kurva trapesium adalah sebagai berikut:

Rumus Representasi Kurva Trapesium

Keterangan:

a = nilai domain  terkecil yang mempunyai derajat keanggotaan nol

b = nilai domain  terkecil yang mempunyai derajat keanggotaan satu

c = nilai domain  terbesar  yang mempunyai derajat keanggotaan satu

d = nilai domain  terbesar  yang mempunyai derajat keanggotaan nol

x = nilai input yang akan di ubah ke dalam bilangan fuzzy

4. Kurva Bentuk Bahu

Daerah yang terletak di tengah-tengah suatu variabel yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan naik turun. Tetapi terkadang salah satu sisi dari variabel tersebut tidak mengalami perubahan. Himpunan fuzzy “bahu”, bukan segitiga, digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari benar ke salah, demikian juga bahu kanan bergerak dari salah ke benar.

Representasi Kurva Bahu

Representasi fungsi keanggotaan untuk kurva bahu adalah sebagai berikut:

Rumus Representasi Kurva Bahu

Selain fungsi di atas, masih ada beberapa fungsi keanggotaan logika fuzzy lainnya, seperti Representasi Kurva S dan  Representasi Kurva Bentuk Lonceng (Bell Curve). Tetapi kedua Fungsi Keanggotaan  Logika Fuzzy tersebut jarang dipakai untuk penelitian.

About Idah Ceris

Check Also

Himpunan Fuzzy: Tegas dan Himpunan Kabur

Dear Sahabat IT. Sekarang masih dalam tahap belajar bersama. Belajar tentang Himpunan Fuzzy. Hasil dari …

16 comments

  1. Zulham Efendi

    maaf nih sebelumnya kalau boleh tau pembahasan di atas untuk studi apa ya,…

    • Studi di atas bisa dipakai untuk memecahkan permasalahan di dunia nyata. Sebelum ke permasalahan, memang harus tahu teori secara detail terlebih dahulu.

      Permasalahannya seperti prediksi atau perkiraan untuk masa yang akan datang.

  2. zulkifli bsc

    Terimakasih atas pencerahannya. akan tetapi saya belum begitu paham. bolehkah bertanya lebih lanjut untuk tujuan penelitian. kasusnya saya emailkan. mohon kemurahannya untuk merespon ke emal saya diatas ..terimakasih sebelumnya.

    • Bisa saja, silakan berdiskusi saja.
      Jika saya bisa, Insya Alloh saya bantu.

      Terima Kasih kembali sudah berkunjung. 🙂

  3. mau tanya..kalo boleh minta refrensi artikel ini dari mana yaa??sedang membutuhkan untuk skripsi.. 😀

  4. bedanya kurva trapesium dan bahu apa?? mksud saya, kapan kita mnggunakan kurva bahu dan kapan menggunakan kurva trapesium. bisa kah keduanya digunakan pada kasus yang sama. misalnya kasus saya
    Penjualan : {sangat sedikit, sedikit,banyak, sangat banyak}
    itu harusnya pake kurva apa???

    • Sepemahaman saya, penggunaan kurva disesuaikan dengan atribut himpunannya. Jika nilai linguistiknya ada 4 atau =3, saya sarankan untuk menggunakan kurva trapesium saja.
      Namun, jika lebih dari 4, maka menggunakan Kurva bentuk bahu.

      Penggunaan kurva ini nantinya untuk meudahkan penemuan di membership function pada Matlab dan mempermudah perhitungan.

      Semoga jawaban saya bisa membantu. 😉

  5. bisa berikan contoh kurva bahu untuk lebih mengerti fungsi keanggotaannya?
    terima kasih

    • Ara: Bisa. Insya Allah saya posting lain waktu, ya.
      Azhar: Pengetahuan saya, untuk menggunakan kurva di atas disesuaikan dengan atribut linguistiknya. Coba Anda baca tentang nilai linguistik pada postingan sya berikut ini:Terima Kasih.

  6. admin, bisa dijelaskan tidak kapan kita harus menggunakan segitiga dan kapan harus kita menggunakan trapesium ?

  7. maaf, apakah untuk representasi segitiga, untuk range dari a ke b harus sama dengan b ke c? atau dengan kata lain apakah segitiga yang terbentuk harus berupa segitga sama kaki? mohon dijawab secepatnya, tq

    • Hai, Eve.

      Rangenya lebih besar dari b ke c. Dan, untuk segitiganya, tidak ada istilah sama kaki atau sama sisi. Krn, di matlab nanti sudah disediakan segitiganya.

      Semoga bisa membantu, ya.

  8. mau tanya, apakah untuk representasi segitiga range dari a ke ba harus sama dengan range dari b ke c? atau dengan kata lain segitiga yang terbentuk harus berupa segitiga sama kaki?

  9. mau tanya, dari banyak referensi yang saya dapatkan, fuzzy ini bisa dipakai untuk penilaian kepuasan pelanggan yah. nah yang saya masih sedikit bingungkan, sebenarnya hubungannya dengan fuzzy itu bgmn, sehingga bisa mengarah ke penilaian kepuasan tsb..
    trims

  10. boleh saya kirim masalahnya dengan rumus dasar, kemudian logika fuzzynya menggunakan apa, klo oleh diberi input dan outputnya…saya kirim ke emailnya dimana pa?

Tinggalkan Balasan

%d blogger menyukai ini: