LAPORAN PRAKTIKUM SISTEM CERDAS

PERCOBAAN 1 FUZZYFIKASI

Disusun untuk Memenuhi Matakuliah Sistem Cerdas

Dibimbing oleh Ibu Dr. Eng. Anik Nur Handayani, S.T., M. T.

Oleh:
[Link] RAFI IRFANSYAH
190534646477
S1 PTE 19 OFF A

UNIVERSITAS NEGERI MALANG

FAKULTAS TEKNIK
JURUSAN TEKNIK ELEKTRO
PRODI S1 PENDIDIKAN TEKNIK ELEKTRO
OKTOBER 2020
A. TUJUAN

1. Menjelaskan fungsi fuzzyfikasi dalam sistem berbasis aturan fuzzy.

2. Menganalisis jenis – jenis fungsi keanggotaan (membership function) dalam logika
fuzzy yang terdiri dari fungsi segitiga, fungsi trapezium, fungsi sigmoid, dan fungsi
gaussian.
3. Menganalisis cara perhitungan derajat keanggotaan sesuai dengan jenis fungsi
keanggotaan yang digunakan.

B. URAIAN MATERI

1. FUZZY LOGIC

Fuzzy logic atau logika fuzzy pertama kali ditemukan oleh Prof. Lotfi Astor Zadeh pada
tahun 1962. Fuzzy logic adalah metode pemecahan masalah yang cocok digunakan pada
sistem kendali. Fuzzy logic merupakan pengembangan dari logika boolean. Pada logika
boolean hanya terdapat nilai 1 atau 0, “Ya atau Tidak”. Sedangkan pada fuzzy logic
terdapat nilai diantara 1 dan 0, nilai tersebut dikenl dengan tingkat kebenaran.
Pada fuzzy logic terdapat sistem penalaran yang disebut dengan Fuzzy Inference System
(Sistem Interferensi Fuzzy). Struktur Fuzzy Inference System ditunjukkan pada Gambar
1.1.

Gambar 1.1 Strukur Fuzzy Inference System

Fuzzyfikasi adalah proses untuk mengbah input sistem menjadi variable linguistic
menggunakan membership function (fungsi keanggotaan).

2. MEMBERSHIP FUNCTION

Membership Function adalah suatu kurva yang menunjukkan pemetaan titik – titik input
data ke dalam nilai keanggotaan yang memiliki interval antara 0 sampai 1. Membership
function yang sering digunakan antara lain: Segitiga, Trapesium, Sigmoid, dan Gaussian.

3. FUNGSI SEGITIGA

Fungsi segitiga pada dasarnya merupakan gabungan antara 2 garis seperti yang terlihat
pada Gambar 1.2.
 Gambar 1.2 Membership Function Kurva Segitiga

Derajat keanggotaan :

4. FUNGSI TRAPESIUM

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

Gambar 1.3 Membership Function Kurva Trapesium

Derajat keanggotaan :

5. FUNGSI SIGMOID

Grafik Keanggotaan kurva S memiliki bentuk seperti huruf “S” yang mempunyai ukuran
yang diletakkan oleh parameter a, b, dan c. titik b disebut titik infleksi, yaitu titik yang
mempunyai derajat keanggotaan 0,5. Ada dua macam kurva – S, yaitu kurva – S
PERTUMBUHAN dan kurva – S PENYUSUTAN.
Pada kurva – S PERTUMBUHAN, kurva bergerak mulai dari kiri dengan derajat
keanggotaan 0, menuju ke kanan dengan derajat keanggotaan 1. Fungsi Sigmoid akan
bernilai 0 jika x ≤ a dan akan bernilai 1 jika x ≥ c. sedangkan R1 adalah batas domain
variable paling kiri dan R2 adalah batas domain variable paling kanan.
 Derajat keanggotaannya :

Pada kurva – S PENYUSUTAN, kurva bergerak mulai dari kiri dengan derajat keanggotaan
1, menuju ke kanan dengan derajat keanggotaan 0. Fungsi Sigmoid akan bernilai 1 jika x ≤
a dan akan bernilai 1 jika x ≥ c. sedangkan R1 adalah batas domain variable paling kiri dan
R2 adalah batas domain variable paling kanan.

Derajat keanggotaannya :

Gambar 1.4 Kurva – S PERTUMBUHAN

Gambar 1.5 Kurva – S PENYUSUTAN

6. FUNGSI GAUSSIAN
 Kurva Gaussian mempunyai derajat keanggotaan 1 di titik pusat kurva (c) dan lebar kurva
(L) yang ditunjukkan oleh Gambar 1.6.

Gambar 1.3 Membership Function Kurva Gaussian

Derajat keanggotaan :

C. LEMBAR KERJA

1. ALAT DAN BAHAN

1.1 PC (Personal Computer) 1 buah

1.2 Software LabVIEW 1 buah
1.3 Jobsheet Fuzzy Logic 1 buah

2. KESEHATAN DAN KESELAMATAN KERJA

2.1 Perhatikan sumber tegangan dan catu daya sesuai yang dibutuhkan.
2.2 Gunakanlah peralatan sesuai dengan fungsinya.
2.3 Bekerjalah sesuai dengan cara kerja atau petunjuk yang telah ditentukan pada job –
sheet.

3. LANGKAH KERJA

3.1 Siapkan alat dan bahan yang akan digunakan untuk praktikum.
3.2 Buka software LabVIEW.
 Gambar 1.7 Tampilan Awal Software LabVIEW

3.3 Buka tool “Fuzzy System Designer” dengan cara klik menu Tool – Control and
Simulation – Fuzzy System Designer sehingga muncul jendela seperti pada Gambar
1.8.
3.4 Buatlah variable input dengan menekan tombol + pada bagian input Variable,
sehingga akan muncul jendela Edit Variabel seperti yang ditunjukkan pada gambar.

Gambar 1.8 Tampilan Awal pada Jendela Fuzzy System Designer

 Gambar 1.9 Tampilan Jendela Edit Variabel

3.5 Isi data pada setiap parameter yang ditunjukkan pada label berikut:
 Name : nama variable input sesuai dengan sistem yang diinginkan
 Minimum : nilai maksimal untuk range kebutuhan sistem
 Maximum : nilai minimal untuk range kebutuhan sistem
dengan nilai/keterangan yang tertera pada Tabel 1.1.
Tabel 1.1 Parameter untuk Membership Function Kurva Segitiga
Name Minimum Maximum
In_Segitiga 0 0

3.6 Lalu, tekan tombol + untuk menambahkan membership function

3.7 Isi data pada setiap parameter untuk membuat membership function, seperti yang
ditunjukkan pada label berikut:
 Name : label dari membership function
 Shape : bentuk yang diinginkan dari membership function
 Point : titik perpotongan yang akan membentuk sebuah membership function
 Color : warna yang diinginkan untuk memberi warna pada membership function
dengan nilai/keterangan yang tertera pada Tabel 1.2.
Tabel 1.2 Parameter untuk Membership Function Kurva Segitiga
MF Name Shape Point Color
1 Segitiga_Sangat Kecil Segitiga [0 1 2] Merah
2 Segitiga_Kecil Segitiga [1 2 3] Biru
3 Segitiga_Nol Segitiga [2 3 4] Hijau
4 Segitiga_Besar Segitiga [3 4 5] Ungu
5 Segitiga_Sangat Besar Segitiga [4 5 6] Jingga

3.8 Klik OK jika anda telah membuat membership function untuk variable input segitiga
3.9 Ulangi Langkah 4 sampai 7, namun isi parameter dengan nilai/keterangan sesuai Tabel
1.3 dan Tabel 1.4

Tabel 1.3 Parameter untuk Membership Function Kurva Trapesium

Name Minimum Maximum
In_Trapesium 0 11

Tabel 1.4 Parameter untuk Membership Function Kurva Trapesium

 MF Name Shape Point Color
1 Trapesium_Sangat Kecil Trapesium [0 1 2 3] Merah
2 Trapesium_Kecil Trapesium [2 3 4 5] Biru
3 Trapesium_Nol Trapesium [4 5 6 7] Hijau
4 Trapesium_Besar Trapesium [6 7 8 9] Ungu
5 Trapesium_Sangat Besar Trapesium [8 9 10 11] Jingga

3.10 Klik OK jika anda telah selesai membuat membership function untuk variable input
trapesium
3.11 Ulangi Langkah 4 sampai 7, namun isi parameter dengan nilai/keterangan sesuai
Tabel 1.5 dan Tabel 1.6

Tabel 1.5 Parameter untuk Membership Function Kurva Sigmoid

Name Minimum Maximum
In_Sigmoid 0 15

Tabel 1.6 Parameter untuk Membership Function Kurva Sigmoid

MF Name Shape Point Color
1 Sigmoid_Sangat Kecil Sigmoid [0 1 2 3] Merah
2 Sigmoid_Kecil Sigmoid [2 3 4 5] Biru
3 Sigmoid_Nol Sigmoid [4 5 6 7] Hijau
4 Sigmoid_Besar Sigmoid [6 7 8 9] Ungu
5 Sigmoid_Sangat Besar Sigmoid [8 9 10 11] Jingga

3.12 Klik OK jika anda telah selesai membuat membership function untuk variable input
sigmoid
3.13 Ulangi Langkah 4 sampai 7, namun isi parameter dengan nilai/keterangan sesuai
Tabel 1.7 dan Tabel 1.8

Tabel 1.7 Parameter untuk Membership Function Kurva Gaussian

Name Minimum Maximum
In_Gaussian 0 15

Tabel 1.8 Parameter untuk Membership Function Kurva Sigmoid

MF Name Shape Point Color
1 Gaussian_Sangat Kecil Gaussian [0 2 4] Merah
2 Gaussian_Kecil Gaussian [2 4 6] Biru
3 Gaussian_Nol Gaussian [4 6 8] Hijau
4 Gaussian_Besar Gaussian [6 8 10] Ungu
5 Gaussian_Sangat Besar Gaussian [8 10 12] Jingga

3.14 Klik OK jika anda telah selesai membuat membership function untuk variable input
gaussian
3.15 Ulangi Langkah 4 sampai 7, namun isi parameter dengan nilai/keterangan sesuai
Tabel 1.9 dan Tabel 1.10

Tabel 1.9 Parameter untuk Membership Function Kurva Campuran

 Name Minimum Maximum
In_Campuran -2 2

Tabel 1.8 Parameter untuk Membership Function Kurva Campuran

MF Name Shape Point Color
1 Campuran_Sangat Kecil Trapesium [-2,5; - 2; -1,5 -1] Merah
2 Campuran_Kecil Segitiga [-1,5; -1; -0,5] Biru
3 Campuran_Nol Trapesium [-1; - 0,5; 0,5 -1] Hijau
4 Campuran_Besar Segitiga [6 8 10] Ungu
5 Campuran_Sangat Besar Trapesium [-2,5; - 2; -1,5 -1] Jingga

3.16 Klik OK jika anda telah selesai membuat membership function untuk variable input
3.17 Buatlah variable output dengan menekan tombol + pada bagian output variable,
sehingga akan muncul jendala edit Edit Variabel
3.18 Ulangi Langkah 5 sampai 7, namun isi parameter dengan nilai/keterangan sesuai
Tabel 1.11 dan Tabel 1.12

Tabel 1.11 Parameter untuk Membership Function Variable Output

Name Minimum Maximum
In_Campuran -2 2

Tabel 1.12 Parameter untuk Membership Function Variable Output

MF Name Shape Point Color
1 Campuran_Sangat Kecil Trapesium [-2,5; - 2; -1,5 -1] Merah
2 Campuran_Kecil Segitiga [-1,5; -1; -0,75; -0,25] Biru
3 Campuran_Nol Trapesium [-0,75; - 0,25; 0,25; 0,75] Hijau
4 Campuran_Besar Segitiga [0,25; 0,75; 1; 1,5] Ungu
5 Campuran_Sangat Besar Trapesium [1; 1,5; 2; 3] Jingga

3.19 Klik OK jika anda telah selesai membuat membership function untuk variable output
3.20 Klik tab Rule pada bagian bawah Menu Bar
3.21 Tekan tombol + pada samping kiri Rules untuk menambahkan Inference Rule
sehingga akan tampil menu untuk mengedit Rule seperti yang ditunjukkan pada
Gambar 1.10
 Gambar 1.10 Tampilan Tab Rule pada Jendela Fuzzy System Designer

Gambar 1.11 Tampilan Tab Test System pada Jendela Fuzzy System Designer

3.22 Buatlah Rule pada menu sesuai dengan Tabel 1.13, dengan mengganti parameter
yang ditunjukkan pada kotak merah pada Gambar 1.11
 Tabel 1.11 Parameter untuk Membership Function Variable Output
No IF THEN
1 In_Segitiga Segitiga_Sangat Kecil Out Out_Sangat Kecil
2 In_Segitiga Segitiga_Kecil Out Out_Kecil
3 In_Segitiga Segitiga_Nol Out Out_Nol
4 In_Segitiga Segitiga_Besar Out Out_Besar
5 In_Segitiga Segitiga_Sangat Besar Out Out_Sangat Besar
6 In_Trapesium Trapesium_Sangat Kecil Out Out_Sangat Kecil
7 In_Trapesium Trapesium_Kecil Out Out_Kecil
8 In_Trapesium Trapesium_Nol Out Out_Nol
9 In_Trapesium Trapesium_Besar Out Out_Besar
10 In_Trapesium Trapesium_Sangat Besar Out Out_Sangat Besar
11 In_Sigmoid Sigmoid_Sangat Kecil Out Out_Sangat Kecil
12 In_Sigmoid Sigmoid_Kecil Out Out_Kecil
13 In_Sigmoid Sigmoid_Nol Out Out_Nol
14 In_Sigmoid Sigmoid_Besar Out Out_Besar
15 In_Sigmoid Sigmoid_Sangat Besar Out Out_Sangat Besar
16 In_Gaussian Gaussian _Sangat Kecil Out Out_Sangat Kecil
17 In_Gaussian Gaussian_Kecil Out Out_Kecil
18 In_Gaussian Gaussian_Nol Out Out_Nol
19 In_Gaussian Gaussian_Besar Out Out_Besar
20 In_Gaussian Gaussian_Sangat Besar Out Out_Sangat Besar
21 In_Campuran Campuran_Sangat Kecil Out Out_Sangat Kecil
22 In_Campuran Campuran_Kecil Out Out_Kecil
23 In_Campuran Campuran_Nol Out Out_Nol
24 In_Campuran Campuran_Besar Out Out_Besar
25 In_Campuran Campuran_Sangat Besar Out Out_Sangat Besar

3.23 Buka Tab Test System untuk melihat hasil rancangan fuzzy yang telah dibuat
3.24 Ubah nilai Input Variable sesuai [erintah. Kemudian, cek nilai pada kolom Weight
untuk melihat nilai derajat keanggotaan dan Invoked Rule yang memenuhi syarat
 4. HASIL
 Desain membership function untuk kurva segitiga

 Desain membership function Kurva Trapesium

 Desain membership function untuk kurva Sigmoid

 Desain membership function untuk kurva Gaussian

 Desain membership function untuk Campuran

 Tampilan Tab Test System Hasil Simulasi Segitiga

 Input 2,2
  Input 3,1

 Input 4,7

 Tampilan Tab Test System Hasil Simulasi Trapesium

 Input 4,6
  Input 6,1

 Input 8,3

 Tampilan Tab Test System Hasil Simulasi Sigmoid

 Input 2,1
  Input 8,9

 Input 10,4

 Tampilan Tab Test System Hasil Simulasi Gaussian

 Input 3,2
  Input 6,7

 Input 8,1

 Tampilan Tab Test System Hasil Simulasi Campuran

 Input -1,3
  Input -0,75

 Input 2,1

5. ANALISIS

1. Hituglah output fuzzy dari 3 nilai input yang berbeda untuk kurva segitiga (Catat hasil
perhitungan pada lembar tugas nomor 2) !

a. Input dari nilai x = 2,2

Perhitungan μ untuk Label Kecil Perhitungan μ untuk Label Nol
μ ( x )=( c−x ) / ( c−b ) μ ( x )=( x−a ) / ( b−a )
μ ( x )=( 3−2, 2 ) / ( 3−2 ) μ ( x )=( 2 , 2−2 ) / ( 3−2 )
μ ( x )=( 0 , 8 ) / ( 1 ) μ ( x )=( 0 , 2 ) / ( 1 )
μ ( x )=0 , 8/1 μ ( x )=0 , 2/1
μ ( x )=0 , 8 μ ( x )=0 , 2

b. Input dari nilai x = 3,1

Perhitungan μ untuk Label Nol Perhitungan μ untuk Label Besar
μ ( x )=( c−x ) / ( c−b ) μ ( x )=( x−a ) / ( b−a )
μ ( x )=( 4−3 , 1 ) / ( 4−3 ) μ ( x )=( 3 , 1−3 ) / ( 3−2 )
μ ( x )=( 0 , 9 ) / ( 1 ) μ ( x )=( 0 , 1 ) / ( 1 )
 μ ( x )=0 , 9/1 μ ( x )=0 , 1/1
μ ( x )=0 , 9 μ ( x )=0 , 1

c. Input dari nilai x = 4,7

Perhitungan μ untuk Label Besar Perhitungan μ untuk Label SangatBesar
μ ( x )=( c−x ) / ( c−b ) μ ( x )=( x−a ) / ( b−a )
μ ( x )=( 5−4 , 7 ) / ( 5−4 ) μ ( x )=( 4 ,7−4 ) / ( 3−2 )
μ ( x )=( 0 , 3 ) / ( 1 ) μ ( x )=( 0 , 7 ) / ( 1 )
μ ( x )=0 , 3/1 μ ( x )=0 , 7/1
μ ( x )=0 , 3 μ ( x )=0 , 7

2. Hituglah output fuzzy dari 3 nilai input yang berbeda untuk kurva trapesium (Catat
hasil perhitungan pada lembar tugas nomor 2) !

a. Input dari nilai x = 4,6

Perhitungan μ untuk Label Kecil Perhitungan μ untuk Label Nol
μ ( x )=( d−x ) / ( d −b ) μ ( x )=( x−a ) / ( b−a )
μ ( x )=( 5−4 , 6 ) / (5−4 ) μ ( x )=( 4 , 6−4 ) / ( 5−4 )
μ ( x )=( 0 , 4 ) / ( 1 ) μ ( x )=( 0 , 6 ) / ( 1 )
μ ( x )=0 , 4 /1 μ ( x )=0 , 6/1
μ ( x )=0 , 4 μ ( x )=0 , 6

b. Input dari nilai x = 6,1

Perhitungan μ untuk Label Nol Perhitungan μ untuk Label Besar
μ ( x )=( d−x ) / ( d −b ) μ ( x )=( x−a ) / ( b−a )
μ ( x )=( 7−6 , 1 ) / (7−6 ) μ ( x )=( 6 , 1−6 ) / ( 7−6 )
μ ( x )=( 0 , 9 ) / ( 1 ) μ ( x )=( 0 , 1 ) / ( 1 )
μ ( x )=0 , 9/1 μ ( x )=0 , 1/1
μ ( x )=0 , 9 μ ( x )=0 , 1

c. Input dari nilai x = 8,3

Perhitungan μ untuk Label Besar Perhitungan μ untuk Label SangatBesar
μ ( x )=( d−x ) / ( d −b ) μ ( x )=( x−a ) / ( b−a )
μ ( x )=( 9−8 , 3 ) / ( 9−8 ) μ ( x )=( 8 , 3−8 ) / ( 9−8 )
μ ( x )=( 0 , 7 ) / ( 1 ) μ ( x )=( 0 , 3 ) / ( 1 )
μ ( x )=0 , 7/1 μ ( x )=0 , 3/1
μ ( x )=0 , 7 μ ( x )=0 , 3

3. Hituglah output fuzzy dari 3 nilai input yang berbeda untuk kurva sigmoid (Catat hasil
perhitungan pada lembar tugas nomor 2) !

a. Input dari nilai x = 2,1

Perhitungan μ untuk Label Sangat Kecil Perhitungan μ untuk Label Kecil
2 2
μ ( x )=1−2 ( ( x−a ) / ( c−a ) ) μ ( x )=2 ( ( x−a ) / ( c−a ) )
2 2
μ ( x )=1−2 ( ( 2 , 1−2 ) / ( 3−2 ) ) μ ( x )=2 ( ( 2 ,1−2 ) / ( 3−2 ) )
2 2
μ ( x )=1−2 ( 0 , 1 ) μ ( x )=2 ( 0 ,1 )
μ ( x )=1−2 ( 0 , 01 ) μ ( x )=2 ( 0 , 01 )
μ ( x )=0 , 98 μ ( x )=0 , 02
 b. Input dari nilai x = 8,9
Perhitungan μ untuk Label Besar Perhitungan μ untuk Label Sangat
Besar
2 2
μ ( x )=2 ( ( c−x ) / ( c−a ) ) μ ( x )=1−2 ( ( c−x ) / ( c−a ) )
2 2
μ ( x )=2 ( ( 9−8 , 9 ) / ( 9−8 ) ) μ ( x )=1−2 ( ( 9−9 , 8 ) / ( 9−8 ) )
2 2
μ ( x )=2 ( 0 ,1 ) μ ( x )=1−2 ( 0 , 1 )
μ ( x )=2 ( 0 , 01 ) μ ( x )=1−2 ( 0 , 01 )
μ ( x )=0 , 02 μ ( x )=0 , 98

c. Input dari nilai x = 10,4

Perhitungan μ untuk Label Sangat Besar
2
μ ( x )=1−2 ( ( x−a ) / ( c−a ) )
2
μ ( x )=1−2 ( ( 10 , 4−10 ) / ( 11−10 ) )
2
μ ( x )=1−2 ( 0 , 4 )
μ ( x )=1−0 , 32
μ ( x )=0 , 68

4. Hituglah output fuzzy dari 3 nilai input yang berbeda untuk kurva gaussian (Catat hasil
perhitungan pada lembar tugas nomor 2) !

a. Input dari nilai x = 3,2

Perhitungan μ untuk Label Sangat Kecil Perhitungan μ untuk Label Kecil
(−L ( c−x ) ) 2
(−L ( c−x ) ) 2

μ ( x )=e μ ( x )=e
(−2( 2−3 ,2) 2 ) (−2( 4−3 ,2 ) 2)
μ ( x )=e μ ( x )=e
(−2( −1 ,2 )2 ) (−2( 0 ,8 ) 2)
μ ( x )=e μ ( x )=e
(−2( 1, 44 ) ) (−2( 0 ,64 ) )
μ ( x )=e μ ( x )=e
μ ( x )=0,056 μ ( x )=0 , 27

b. Input dari nilai x = 6,7

Perhitungan μ untuk Label Nol Perhitungan μ untuk Label Besar
(−L ( c−x ) ) 2
(−L ( c−x ) ) 2

μ ( x )=e μ ( x )=e
(−2( 6−6 ,7 ) 2) (−2( 8−6 ,7 )2)
μ ( x )=e μ ( x )=e
(−2( −0 ,7 ) 2) (−2( 1 ,3) 2 )
μ ( x )=e μ ( x )=e
μ ( x )=e (−2( 0 ,49 )) μ ( x )=e (−2( 1, 69))
μ ( x )=0,375 μ ( x )=0,034

c. Input dari nilai x = 8,1

Perhitungan μ untuk Label Besar Perhitungan μ untuk Label SangatBesar
(−L ( c−x ) ) 2
(−L ( c−x ) ) 2

μ ( x )=e μ ( x )=e
(−2( 8−8 ,1 )2 ) (−2( 10−8 ,1) 2)
μ ( x )=e μ ( x )=e
(−2( −0 ,1 ) 2) (−2( 1 ,9 )2 )
μ ( x )=e μ ( x )=e
μ ( x )=e (−2( 0 ,01) ) μ ( x )=e (−2( 3 ,61))
−4
μ ( x )=0 , 98 μ ( x )=7 , 31× 10

5. Hituglah output fuzzy dari 3 nilai input yang berbeda untuk kurva campuran (Catat
hasil perhitungan pada lembar tugas nomor 2) !

a. Input dari nilai x = -1,3

Perhitungan μ untuk Label Sangat Kecil Perhitungan μ untuk Label Kecil
μ ( x )=( d−x ) / ( d −c ) μ ( x )=( x−a ) / ( b−a )
 μ ( x )=(−1− (−1, 3 ) ) / ( −1−(−1 , 5 ) ) μ ( x )=(−1 , 3−(−1 , 5 ) ) / (−1−(−1 ,5 ))
μ ( x )=(−1+1 ,3 ) / (−1+ 1 ,5 ) μ ( x )=(−1 ,3+ 1 ,5 ) / (−1+1 , 5 )
μ ( x )=( 0 , 3 ) / ( 0 , 5 ) μ ( x )=( 0 , 2 ) / ( 0 , 5 )
μ ( x )=0 , 6 μ ( x )=0 , 4

b. Input dari nilai x = -0,75

Perhitungan μ untuk Label Kecil Perhitungan μ untuk Label Nol
μ ( x )=( c−x ) / ( c−b ) μ ( x )=( x−a ) / ( b−a )
μ ( x )=(−0 , 5− (−0 ,75 ) ) / (−0 , 5− (−1 ) ) μ ( x )=(−0 , 75− (−1 ) ) / (−0 , 5− (−1 ) )
μ ( x )=(−0 , 5+0 , 25 ) / ( 0 , 5+1 ) μ ( x )=(−0 , 75+1 ) / (−0 , 5+1 )
μ ( x )=( 0 , 25 ) / ( 0 , 5 ) μ ( x )=0 , 25/−0 , 5
μ ( x )=0 , 5 μ ( x )=0 , 5

c. Input dari nilai x = 2,1

Perhitungan μ untuk Label SangatBesar
μ ( x )=( d−x ) / ( d −c )
μ ( x )=( 2 ,5−2 , 1 ) / ( 2, 5−2 )
μ ( x )=( 0 , 4 ) / ( 0 , 5 )
μ ( x )=0 , 8
μ ( x )=0 , 8

D. TUGAS

1. Jelaskan fungsi dari fuzzyfikasi sesuai dengan pemahaman yang anda dapatkan!
 Fuzzyfikasi digunakan untuk mengubah crisp input menjadi variael linguistic menggunakan
membership function.
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………

2. Bandingkan hasil perhitungan pada lembar analisis dengan simulasi pada LabVIEW!

Hasil
No Nilai Input Hasil Simulasi Selisih
perhitungan
1 2,2 0,8 0,8 0
2 3,1 0,9 0,9 0
3 4,7 0,3 0,3 0
4 4,6 0,4 0,4 0
5 6,1 0,9 0,9 0
6 8,3 0,7 0,7 0
7 2,1 0,98 0,982 0,002
8 8,9 0,02 0,017 0,003
9 10,4 0,68 0,73 0,05
10 3,2 0,056 0,105 0,049
11 6,7 0,375 0,465 0,09
12 8,1 0,98 0,984 0,004
 13 -1,3 0,6 0,6 0
14 -0,75 0,5 0,5 0
15 2,1 0,8 0,8 0

3. Buatlah analisis megenai perbandingan antara hasil perhitungan dengan simulasi pada
LabVIEW!
 Terdapat selisih antara hasil perhitungan dengan hasil simulasi dikarenakan perbedaan
pendekatan rumus yang digunakan.
……………………………………………………………………………………………………
……………………………………………………………………………………………………
……………………………………………………………………………………………………

E. KESIMPULAN

Fuzzyfikasi digunakan untuk mengubah crip input menjadi derajat keanggotaan sesuai dengan
membership function yang digunakan. Terdapat empat membership function yang digunakan,
antara lain: Segitiga, Trapesium, Sigmoid dan Gaussian. ………………………………………....
………………………………………………………………………………………………………..

F. DAFTAR RUJUKAN

Adritya, Catur. 2010. Aplikasi Kendali Logika Fuzzy pada Sistem Tracking Aktif Matahari
Tipe Single-Axis Panel Surya. Surabaya: Institut Teknologi Sepuluh November.
Sutojo, T, Mulyanto, Edy, & Suhartono, Vincent. 2011. Kecerdasan Buatan. Yogyakarta:
Andi.