Tugas5_SistemPakar2019


SISTEM PAKAR
TUGAS 5





Disusun Oleh :

Sri Purnama Ningsih                  1607122609




PROGRAM STUDI TEKNIK INFORMATIKA S1
JURUSAN TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS RIAU
2019






BAB I
PEMBAHASAN

1.1. MODEL SUGENO A. Penalaran Fuzzy Metode Sugeno

Dalam membangun sebuah sistem fuzzy dikenal beberapa metode penalaran antara lain :Metode Mamdani, Metode Sugeno, Metode Tsukamoto, dan sebagainya. Penalaran dengan Metode Sugeno hampir sama dengan penalaran Mamdani, hanya saja output (konsekuen) system tidak berupa himpunan fuzzy melainkan berupa konstanta atau persamaan linier. Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985. Sistem fuzzy Sugeno memperbaiki kelemahan yang dimiliki oleh sistem fuzzy murni untuk menambah suatu perhitungan matematika sederhana sebagai bagian THEN. Pada perubahan ini, system fuzzy memiliki suatu nilai rata-rata tertimbang (Weighted Average Values) di dalam bagian aturan fuzzy IF-THEN. Sistem fuzzy Sugeno juga memiliki kelemahan terutama pada bagian THEN, yaitu dengan adanya perhitungan matematika sehingga tidak dapat menyediakan kerangka alami untuk erepresentasikan pengetahuan manusia dengan sebenarnya. Permasalahan kedua adalah tidak adanya kebebasan untuk menggunakan prinsip yang berbeda dalam logika fuzzy, sehingga ketidakpastian dari Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6 Yogyakarta, 18 Juni 2005 K-60 sistem fuzzy tidak dapat direpresentasikan secara baik dalam kerangka ini
      Model Fuzzy Sugeno Orde-Nol 
Secara umum bentuk model fuzzy Sugeno Orde-Nol adalah: IF ( 1 x is 1 A ) • ( 2 x is 2 A ) • ( 3 x is 3 A ) • … •( n x is n A ) THEN z = k 
Dengan Ai adalah himpunan fuzzy ke-I sebagai anteseden dan k adalah suatu konstanta (tegas) sebagai konsekuen.
      Model Fuzzy Sugeno Orde-Satu
Secara umum bentuk model fuzzy Sugeno Orde-Satu adalah: IF ( 1 x is 1 A ) • … • ( n x is n A ) THEN z =1 p * 1 x + … + 2 p * 2x+ q
Dengan Ai adalah himpunan fuzzy ke-I sebagai anteseden dan p i adalah suatu konstanta (tegas) ke-i dan q juga merupakan konstanta dalam konsekuen. 

B. Contoh Kasus

Sebagai contoh, diketahui suatu perusahaan makanan setiap hari mampu memproduksi 50.000 kaleng makanan dan juga menerima permintaan 50.000 kaleng. Dalam 3 bulan terakhir, diperoleh data bahwa permintaan tertinggi adalah 75.000 kaleng. Rata-rata persediaan di gudang adalah 7.500, sedangkan kapasitas maksimum gudang adalah 15.000 kaleng. Apabila sistem produksi menggunakan aturan fuzzy sebagai berikut: 
[R1] IF permintaan TURUN And persediaan BANYAK THEN produksi barang = 1000;
[R2] IF permintaan NAIK And persediaan SEDIKIT THEN produksi barang = 1.25*permintaan – persediaan;
[R3] IF permintaan NAIK And persediaan BANYAK THEN produksi barang = permintaan – persediaan;
Apabila terdapat permintaan sebanyak 52.000 kaleng dan persediaan yang masih ada di gudang 8.000 kaleng maka cara mencari jumlah produksi barang berdasar logika fuzzy dapat diselesaikan melalaui langkah-langkah sebagai berikut:
Langkah 1: Memasukkan Jumlah Data Utama
Sistem
a)   Jumlah variabel input = 2
b)   Jumlah data fungsi output = 3
c)   Jumlah data aturan = 3
Langkah 2: Memasukkan Data Variabel Input
Terdapat 2 variabel input fuzzy yang akan dimodelkan, yaitu: o Permintaan, terdiri atas 2 himpunan : NAIK dan TURUN. o Persediaan, terdiri atas 2 himpunan : BANYAK dan SEDIKIT. Variabel Permintaan direpresentasikan menggunakan kurva berbentuk S pada domain/batasan 10.000 (asumsi: permintaan minimum) sampai dengan 75.000 (permintaan maksimum).
Langkah 3: Memasukkan Data Himpunan
Himpunan TURUN menggunakan kurva SPenyusutan dan himpunan NAIK menggunaakan kurva S-Pertumbuhan.

Langkah 4: Memasukkan Data Fungsi Output Dari data aturan diperoleh data output: 
[R1] produksi barang = 1.000;
[R2] produksi barang = 1.25*permintaan – persediaan;
[R3] produksi barang = permintaan – persediaan;
Misal, dari data ke-2 berisi pernyataan : 1.25*permintaan – persediaan dipresentasikan dalam bentuk angka menjadi : 1.25 -1 0 atau dalam bentuk perhitungan matematis menjadi :
(1.25)*(52) + (-1)*(8) + 0 = 57
Sehingga cara pengisian data di dalam system menjadi :
Data Fungsi Output Ke-2
Koefisien Var Input Ke-1 : 1.25
Koefisien Var Input Ke-2 : -1
Konstanta Akhir : 0
Isi data fungsi output tersebut memiliki rumusan:
(koef 1 )*(nilai cari var input 1 )+(koef 2 )*(nilai cari var input 2 )+ … +(koef n )*(nilai cari var n )+C

1.2. MODEL TSUKAMOTO A. Pengertian

Metode Tsukamoto merupakan perluasan dari penalaran monoton. Pada metode Tsukamoto, Setiap konsekuen pada aturan yang berbentuk IF-THEN harus dipresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot.

B. Contoh Kasus

Suatu perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Dari data 1 bulan terakhir, permintaan terbesar mencapai 5000 kemasan/hari, dan permintaan terkecil mencapai 1000 kemasan/hari. Persediaan barang digudang terbanyak mencapai 600 kemasan/hari, dan terkecil pernah mencapai 100 kemasan/hari. Dengan segala keterbatasannya perusahaan sampai saat ini baru mampu memproduksi brang maksimum 7000 kemasan/hari, untuk efisiensi mesin dan SDm tiap hari diharapkan perusahaan memproduksi paling tidak 2000 kemasan. Berapa kemasan makanan jenis ABC yang harus diprosuksi, jika jumlah permintaan sebanyak 4000 kemasan, 
dan persediaan di gudang masih 300 kemasan, apabilla proses produksi perusahaan tersebut menggunakan 4 aturan fuzzy sebagai berikut:

[R1]   IF permintaan TURUN And Persediaan BANYAK, THEN Produksi
Barang BERKURANG;
[R2]   IF permintaan TURUN And Persediaan SEDIKIT, THEN Produksi
Barang BERKURANG;
[R3]   IF permintaan NAIK And Persediaan BANYAK, THEN Produksi
Barang BERTAMBAH;
[R4]   IF permintaan TURUN And Persediaan SEDIKIT, THEN Produksi
Barang BERTAMBAH;

Solusi:
Ada 3 variable fuzzy yang akan dimodelkan, yaitu:
Permintaan terdiri atas 2 himpunan fuzzy, yaitu NAIK dan TURUN1
Pemintaan (kemasan/hari)

Permintaan terdiri atas 2 himpunan fuzzy, yaitu NAIK dan TURUN


                                                  Pemintaan (kemasan/hari) 


Nilai Keanggotaan :
µPmtTURUN (4000)  = (5000-4000)/4000 = 0.25 µPmtTURUN (4000)  = (4000-1000)/4000 = 0.75

2. Persediaan,  terdiri atas 2 himpunan fuzzy, yaitu SEDIKIT dan
BANYAK 

                                                        Pemintaan (kemasan/hari)


Nilai keanggotaan: µPmtSEDIKIT[y]      = {(1, y ≤ 1000), ((600 – y)/500, 100 ≤ y ≤ 600), (0, y ≥ 600)}
µPmtBANYAK [y]     = {(0, y ≤ 1000), ((y-1000)/500, 100≤ y ≤
600), (1, y ≥ 600)}

Nilai Keanggotaan :
µPmtSEDIKIT(300)  = (600-300)/500 = 0.26 µPmtBANYAK (300)  = (300-100)/500 = 0.4
3. Produksi barang, terdiri atas 2 himpunan fuzzy, yaitu:
BERKURANG dan BERTAMBAH
  
Pemintaan (kemasan/hari) Nilai keanggotaan
µPmtBERKURANG[z]      = {(1, z ≤ 2000), ((7000 – z)/5000, 2000
≤ z≤ 7000), (0, z ≥ 7000)}

µPmtBERTAMBAH[z]      = {(0, z ≤ 2000), ((z-2000)/5000, 2000≤ z
7000), (1, z ≥ 7000)}

Sekarang kita cari nilai z untuk setiap aturan dengan menggunakan fungsi MIN pada aplikasi fungsi implikasinya:

[R1]   IF permintaan TURUN And Persediaan BANYAK THEN
Produksi Barang BERKURANG;

α-predikat1 = µPmtTURUN | µPmtBAYAK

α-predikat1 = min ( µPmtTURUN , µPmtBANYAK )

α-predikat1  = min (0.25; 0,4)
α-predikat1  = 0.25

Lihat himpunan Produksi Barang Berkurang
(7000-z)/5000=0.25 -> z1= 5750

[R2]   IF permintaan TURUN And Persediaan SEDIKIT THEN
Produksi Barang BERKURANG;

α-predikat2 = µPmtTURUN  | µPmtSEDIKIT

α-predikat2 = min ( µPmtTURUN , µPmtSEDIKIT)

α-predikat2 = min (0.25; 0,6)
α-predikat2 = 0.25

lihat himpunan Produksi Barang Berkurang
(7000-z)/5000=0.25 -> z2= 5750

[R3]   IF permintaan NAIK And Persediaan BANYAK THEN
Produksi Barang BERTAMBAH;
α-predikat3 = µPmtNAIK | µPmtBANYAK

α-predikat3 = min ( µPmtNAIK , µPmtBANYAK)

α-predikat3 = min (0.75; 0,4) α-predikat3 = 0.4

lihat himpunan Produksi Barang Bertambah
(z-2000)/5000=0.4 -> z3= 4000

[R4]   IF permintaan TURUN And Persediaan SEDIKIT THEN
Produksi Barang BERTAMBAH;

α-predikat4  = µPmtTURUN | µPmtSEDIKIT

α-predikat4  = min ( µPmtTURUN  , µPmtSEDIKIT )

α-predikat4  = min (0.75; 0,6) α-predikat4  = 0.6

lihat himpunan Produksi Barang Bertambah
(z-2000)/5000=0.6 -> z4= 5000

Nilai Z dapat dicari dengan cara berikut:
z= αpred1 * z1 + αpred2 * z2 + αpred3 * z3 + αpred4 * z4/ (αpred1+ αpred2+ αpred3+ αpred4)

z= 0.25*5750 + 0.25*5750 + 0.4 *4000 + 0.6 * 5000 /
(0.25+0.25+0.4+0.6) = 4983

Maka jumlah makanan kaleng jenis ABC yang harus diproduksi sebanyak 4983 kemasan. 
1. Langkah Pertama Input Permintaan
2.      Langkah Kedua Input Persediaan
3.      Langkah Ketiga Input Produksi 
4.      Langkah Keempat Input Permintaan Real dan Persediaan Real 



Result:
Maka makanan jenis ABC yang harus diprosuksi sebanyak 


Comments