- Mengetahui toolbox yang terdapat pada Matlab
- Mampu memahami cara kerja dari toolbox yang terdapat dari Matlab
- Dapat menjalankan program dengan menggunakan Matlab
A. Pengenalan Fuzzy Logic
Logika Fuzzy merupakan suatu logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness) antara benar atau salah.Logika fuzzy dapat digunakan dalam bidang teori kontrol, teori keputusan, dan beberapa bagian dalam managemen sains. Kelebihan dari logika fuzzy adalah mampu dalam proses penalaran secara bahasa (linguistic reasoning), sehingga dalam perancangannya tidak perlu lagi persamaan matematik dari objek yang dikendalikan. Adapun salah satu contoh dari aplikasi logika fuzzy dalam kehidupan sehari-hari adalah di tahun 1990 pertama kali dibuat mesin cuci dengan logika fuzzy di Jepang (Matsushita Electric Industrial Company). Sistem fuzzy digunakan untuk menentukan putaran yang tepat secara otomatis berdasarkan jenis dan banyaknya kotoran serta jumlah yang akan dicuci
B. Konsep Dasar Fuzzy Logic
Konsep Dasar
- Logika fuzzy bukanlah logika yang tidak jelas (kabur), tetapi logika yang digunakan untuk menggambarkan ketidakjelasan.
- Logika fuzzy adalah teori himpunan fuzzy Himpunan yang mengkalibrasi ketidakjelasan.
- Logika fuzzy didasarkan pada gagasan bahwa segala sesuatu mempunyai nilai derajat.
- Logika fuzzy merupakan peningkatan dari logika Boolean yang mengenalkan konsep kebenaran sebagian.
- Logika klasik (Crisp Logic) menyatakan bahwa segala hal dapat diekspresikan dalam istilah binary (0 atau 1, hitam atau putih, ya atau tidak) Tidak ada nilai diantaranya 2. Logika fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran Ada nilai diantara hitam dan putih (abu-abu).
- Fuzzifikasi = proses untuk mengubah suatu masukan dari bentuk tegas (crisp) menjadi fuzzy yang biasanya disajikan dalam bentuk himpunan-himpunan fuzzy dengan suatu fungsi kenggotaannya masing-masing.
- Interference System (Evaluasi Rule) = sebagai acuan untuk menjelaskan hubungan antara variable-variabel masukan dan keluaran yang mana variabel yang diproses dan yang dihasilkan berbentuk fuzzy.
- Defuzzification = proses pengubahan variabel berbentuk fuzzy tersebut menjadi data-data pasti (crisp) yang dapat dikirimkan ke peralatan pengendalian.
Untuk melakukan perancangan suatu sistem fuzzy perlu dilakukan beberapa tahapan berikut ini :
1. Mendefinisikan karakteristik model secara fungsional dan operasional.
2. Melakukan dekomposisi variabel model menjadi himpunan fuzzy
3. Membuat aturan fuzzy
Step 1:Mulai Matlab
Step 2:Masukkan codingnya
Step 3: Simpan codingnya
Step 4: Run coding Matlabnya
1. Buatlah program yang meminta input angka sebanyak N, dimana N adalah input dari pengguna. Output program adalah bilangan maksimum dan minimum dari angka-angka tersebut.
jumlah = input(‘masukkan bilangan ke-n: ‘);
Vektor = [];
for i=1:jumlah
n = input(‘masukkan angka: ‘);
Vektor = [Vektor n];
end
maksimal = max(Vektor);
minimal = min(Vektor);
disp([‘max= ‘ num2str(maksimal)]);
disp([‘min= ‘ num2str(minimal)]);
2.Buatlah program yang bisa menyimpan input berupa bilangan-bilangan integer ke dalam array. Lalu, dari bilangan-bilangan tersebut akan muncul bilangan-bilangan yang habis dibagi 4.
1. Buatlah program yang meminta input angka sebanyak N, dimana N adalah input dari pengguna. Output program adalah bilangan maksimum dan minimum dari angka-angka tersebut.
jumlah = input(‘masukkan bilangan ke-n: ‘);
Vektor = [];
for i=1:jumlah
n = input(‘masukkan angka: ‘);
Vektor = [Vektor n];
end
maksimal = max(Vektor);
minimal = min(Vektor);
disp([‘max= ‘ num2str(maksimal)]);
disp([‘min= ‘ num2str(minimal)]);
j = 0;
x = input(‘masukkan x dalam bentuk [array]: ‘);
panjang = length(x);
for i = 1:panjang
sisa = mod(x(i),4);
if(sisa == 0)
j = j+1;
y(j)= x(i);
end
end
disp(y(1:j));
- Download File HTML [klik disini]
- Link Download Video Penjelasan Fuzzy Logic [klik disini]
- Link Download Video Tutorial 3 | Menggunakan Matlab Fuzzy Logic [klik disini]
No comments:
Post a Comment