Metode Mamdani

Metode Mamdani sering juga dikenal dengan nama metode Max-Min. metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975 (Kusuma Dewi, 2003). Untuk medapatkan output diperlukan beberapa tahapan, antara lain:

Pembentukan himpunan fuzzy.

Pada Metode Mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.

Aplikasi fungsi implikasi

Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min. Secara umum dapat dituliskan:

Komposisi aturan

Tidak seperti penalaran monoton, apabila sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan kolerasi antar aturan. Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu max, additive dan probabilistik OR (probor).

  1. Metode Max (Maximum)
    Metode Max (Maximum) mengambil solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengapilasikannya ke output dengan menggunakan operator OR (union). Jika semua proposisi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang merefleksikan kontribusi dari tiap-tiap proporsi. Secara umum dapat dituliskan: Continue reading

Operator Dasar Zadeh untuk Operasi Himpunan Fuzzy

Seperti halnya konvensional, ada beberapa operasi yang didefinisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil dari operasi dua himpunan sering dikenal dengan nama fire strength atau α-predikat. Ada tiga operator dasar yang diciptakan oleh zadeh, yaitu:

Operator AND

Operator ini berhubungan dengan operasi interseksi pada himpunan. α-predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antara elemen pada himpunan-himpunan yang bersangkutan.

 

Operator OR

Operator ini berhubungan dengan operasi union pada himpunan. α-predikat sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antara elemen pada himpunan-himpunan yang bersangkutan.

Operator NOT

Operator ini berhubungan dengan operasi komplemen pada himpunan. α-predikat sebagai hasil operasi dengan operator NOT diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan-himpunan yang bersangkutan dari 1. Continue reading

Jenis-jenis Fungsi Keanggotaan

Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan adalah dengan melalui pendekatan fungsi yang bisa digunakan.

Fungsi Representasi Linier

Pada representasi linier, pemetaan input ke derajat keanggotaannya digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas. Keadaan linier himpunan fuzzy terdiri dari dua keadaan linier naik dan linier turun.

Pada linier naik, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0] bergerak ke kanan menuju nilai domain yang memiliki derajat keanggotaan lebih tinggi dengan fungsi keanggotaan:

Continue reading

Logika Fuzzy

Logika Fuzzy

Logika fuzzy adalah salah satu komponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan atau membership function menjadi ciri utama dalam penalaran dengan logika fuzzy tersebut (Kusuma Dewi, 2003).

Logika fuzzy dapat dianggap sebagai kotak hitam yang berhubungan antara ruang input menuju ruang output (Kusuma Dewi, 2003). Kotak hitam tersebut berisi cara atau metode yang dapat digunakan untuk mengolah data input menjadi output dalam bentuk informasi yang baik.

Alasan Digunakannya Logika Fuzzy

Adapun beberapa alasan digunakannya logika fuzzy (Kusuma Dewi, 2003), adalah:

  1. Konsep logika fuzzy mudah dimengerti. Karena logika fuzzy menggunakan dasar teori himpunan, maka konsep matematis yang mendasari penalaran fuzzy tersebut cukup mudah untuk dimengerti.
  2. Logika fuzzy sangat fleksisbel, artinya mampu beradaptasi dengan perubahan-perubahan, dan ketidakpastian yang menyertai permasalahan.
  3. Logika fuzzy memiliki toleransi terhadap data yang cukup homogeny, dan kemudian ada beberapa data “eksklusif”, maka logika fuzzy memiliki kemampuan untuk menangani data eksklusif tersebut.
  4. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. Dalam hal ini, sering dikenal dengan istilah fuzzy expert sistem menjadi bagian terpenting.
  5. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional. Hal ini umumnya terjadi pada aplikasi di bidang teknik mesin maupu teknik elektro.
  6. Logika fuzzy didasari pada bahasa alami. Logika fuzzy menggunakan bahasa sehari-hari sehingga mudah dimengerti. Continue reading

Struktur Expert System (Sistem Pakar)

Struktur Sistem Pakar

Struktur sistem pakar terdiri dari dua pokok (Sri Kusumadewi, 2003), yaitu: lingkungan pengembang (development environment) dan lingkungan konsultasi (consulatation environment). Lingkungan pengembang digunakan sebagai pembangunan sistem pakar baik dari segi pembangunan komponen maupun basis pengetahuan. Lingkungan konsultasi digunakan oleh seseorang bukan ahli untuk berkonsultasi.

Komponen Sistem Pakar

Komponen-komponen sistem pakar terlihat pada Gambar 2.1 diatas dan berikut penjelasan dari masing-masing komponen (Sri Kusumadewi, 2003), yaitu:

  1. Subsistem penambahan pengetahuan. Bagian ini digunakan untuk memasukkan pengetahuan, mengkontruksi atau memperluas pengetahuan dalam basis pengetahuan. Pengetahuan itu bisa berasal dari buku, ahli, basisdata, penelitian, dan gambar.
  2. Basis pengetahuan. Berisi pengetahuan yang dibutuhkan untuk memahami, memformulasikan dan menyelesaikan masalah.
  3. Motor inferensi (inference engine). Program yang berisi metodologi yang digunakan untuk melakukan penalaran terhadap informasi-informasi basis pengetahuan dan blackboard, serta digunakan untuk memformulasikan konklusi. Ada tiga elemen utama dalam motor inferensi, yaitu:
    1. Interpreter: Mengeksekusi item-item agenda yang terpilih menggunakan aturan-aturan dalam basis pengetahuan.
    2. Scheduler: Akan mengontrol agenda.
    3. Consistency enforce: Akan berusaha memelihara konsistenan dalam mempresentasikan solusi yang bersifat darurat. Continue reading

Sistem Pakar (Expert System)

Sistem pakar (Expert System) dibuat bertujuan untuk dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya bisa diselesaikan oleh para ahli. Pembuatan sistem pakar bukan untuk menggantikan ahli itu sendiri melainkan dapat digunakan sebagai asisten yang sangat berpengalaman (Sri Kusumadewi, 2003).

Adapun beberapa definisi sistem pakar dari beberapa ahli (Sri Kusumadewi, 2003), antara lain:

  1. Menurut Durkin: Sistem pakar adalah suatu program komputer yang dirancang untuk memodelkan kemampuan penyelesaian masalah yang dilakukan oleh seorang pakar.
  2. Menurut Ignizio: Sistem pakar adalah suatu model dan prosedur berkaitan, dalam suatu domain tertentu, yang mana tingkat keahliannya dapat dibandingkan dengan seorang pakar.
  3. Menurut Giarratano dan Riley: Sistem pakar adalah suatu sistem komputer yang bisa menyamai atau meniru kemampuan seorang pakar.

Sejarah Sistem Pakar

Sistem Pakar petama kali dikembangkan oleh komunitas AI (Artificial Intellegence) pada pertengahan tahun 1956. Sistem Pakar yang munculpertama kali adalah General-purpose Problem Solver (GPS) yang dikembangkan oleh Newel dan Simon (Sri Kusumadewi, 2003).

Pertengahan tahun 1960-an, terjadi pergantian dari program serba bisa (general-purpose) ke program yang spesialis (special-purpose) dengan dikembangkannya DENDRAL oleh E.Feigenbauh dari Universitas Stanford dan kemudian diikutu oleh MYCIN.

Awal tahun 1980-an, teknologi Sistem Pakar yang mula-mula dibatasi oleh suasana akademis mulai muncul sebagai aplikasi komersial, khususnya XCON, XSEL (dikembangkan dari R-1 pada Digital Equipment Corp.) dan CATS-1 (dikembangkan oleh General Electric). Sistem Pakar dari tahun ketahun selalu mengalami perkembangan. Continue reading

Sequence Diagram – UML

Sequence Diagram

Sequence diagram digunakan untuk menggambarkan prilaku pada sebuah skenario. Diagram jenis ini memberikan kejelasan sejumlah obyek dan pesan-pesan yang diletakkan diantaranya didalam sebuah use case. Komponen utamanya adalah obyek yang digambarkan dengan kotak segi empat, message yang digambarkan dengan garis penuh, dan waktu yang ditunjukkan dengan progress vertical.(Suhendar, 2002).

Kegunaan Sequence Diagram

Sequence diagram digunakan untuk memberikan gambaran detail dari setiap use case diagram yang dibuat sebelumnya. Setiap obyek yang terlibat dalam sebuah use case digambarkan dengan garis putus-putus vertical, kemudian massage yang dikirim oleh obyek digambarkan dengan garis horisontal secara kronologis dari atas ke bawah. Sequance diagram dapat dilihat pada Gambar berikut. Continue reading