Rabu, 28 Desember 2022

Belajar Fuzzy Logic beserta Studi Kasus Penerapannya

 Definisi Fuzzy Logic


Fuzzy logic adalah suatu cabang ilmu dari AI, yaitu suatu pengetahuan yang membuat komputer dapat meniru kecerdasan manusia sehingga diharapkan komputer dapat melakukan hal-hal yang apabila dikerjakan manusia  memerlukan kecerdasan. Fuzzy ini diterapkan pada masalah yang mengandung unsur ketidakpastian, ketidaktepatan, dan noisy.

Kelebihan Fuzzy Logic

  • Sangat fleksibel 
  • Memiliki toleransi data-data yang tidak tepat 
  • Mudah dimengerti
  • Mampu memodelkan fungsi-fungsi non-linier yang sangat kompleks
  • Dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan
  • Dapat bekerja sama dengan teknik-teknik kendali secara konvensional

Aplikasi Fuzzy logic

Automatic transmission (Nissan, Subaru, Mitsubishi), Vacum Cleaner (Panasonic), Air Conditioner (Mitsubishi), Game untuk merespon emosi, penetan produksi suatu pabrik.

Logika Fuzzy:

didasarkan pada gagasan bahwa segala sesuatu mempunyai nilai derajat.

  1. Logika Klasik (Crisp Logic) : Menyatakan bahwa segala hal dapat diekspresikan dalam istilah binary/tidak ada nilai diantaranya.
    Himpunan Crisp : tegas hanya ada 2 pilihan yaitu anggota himpunan atau tidak anggota himpunan
  2. Logika Fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran ada nilai diantara hitam dan putih (abu-abu).
    Himpunan Fuzzy : untuk mengantisipasi jika ada kondisi dimana tidak masuk kedalam kedua himpunan atau bisa disebut di tengah-tengah.

Fungsi Keanggotaan

Fungsi yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya yang memiliki interval 0 sampai 1. (Fungsi linear, segitiga, trapesium, sigmoid, phi)

Operasi Logika = OR(union), AND(intersection), dan NOT(complement)

Aturan If-Then

Merupakan komponen utama dalam sistem penalaran. Aturan ini digunakan untuk menyimpulkan output berdasarkan variabel input.

Tahap Perancangan

  1. Definisi = mendefinisikan karakteristik model secara fungsional dan operasional
  2. Dekomposisi = menguraikan variabel model menjadi himpunan fuzzy
  3. Aturan = membuat aturan untuk menunjukkan bagaimana sistem tersebut beroperasi
  4. Metode = menentukan metode defuzzy untuk tiap-tiap variable solusi.

Proses Fuzzy

  1. Fuzifikasi = mengubah suatu masukan dari bentuk tegas menjadi fuzzy
  2. Aturan Dasar = implikasi dari If-Then
  3. Inference = proses implikasi dalam menalar nilai masukan guna penentuan nilai keluaran sebagai bentuk pengambilan keputusan.
  4. Defuzifikasi = proses pemetaan himpunan fuzzy ke himpunan tegas.

Penggunaan Fuzzy Logic pada Kamera Cerdas Lampu Lalu Lintas

Sumber : Studi kasus fuzzy pada lampu lalu lintas

Pada kasus ini, metode fuzzy max-min digunakan pada kamera cerdas lalulintas dalam melakukan inferensi sistem fuzzy. Metode ini diperkenalkan oleh Ebrahim Mandani pada tahun 1975. Secara prinsip, terdapat beberapa tahapan dalam metode ini, yaitu pembentukan himpunan fuzzy dan variabel input/output, aplikasi fungsi implikasi dan menghitung predikat aturan.


Pembentukan himpunan fuzzy dan variabel input/output merupakan tahap pembagian himpunan menjadi satu atau lebih. Aplikasi fungsi implikasi adalah menggunakan Min dan kurva segitiga, setelah itu menentukan aturan fuzzy. Menghitung predikat aturan adalah komposisi predikat aturan.

Terdapat tiga metode yang digunakan dalam melakukan inferensi sistem fuzzy, seperti metode max, metode additive (SUM), dan metode Probablisitik OR. Selanjutnya tahap defuzifikasi ialah tahap penegasan (defuzzy) nilai input dari defuzifikasi. Defuzifikasi adalah suatu himpunan yang diperoleh dari komposisi aturan-aturan fuzzy, dan kita menggunakan defuzifikasi centroid, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut.

Dalam kasus ini, penentuan variabel inputan (linguistik) dibagi 2 yaitu jumlah mobil dan motor. Kemudian, setiap volume jenis kendaraan terbagi menjadi sedikit, sedang, dan banyak. Sedangkan variabel output hanya ditentukan melalui lama lampu hijau (detik) yang dibagi menjadi sebentar, sedang, dan lama. Adapun skema aturan yang diterapkan pada variabel inpu dan output sebagai berikut,

  • Sedikit : jumlah kendaraan (mobil/motor) memenuhi < 25% suatu simpang jalan
  • Sedang : jumlah kendaraan (mobil/motor) memenuhi > 50% suatu simpang jalan
  • Banyak : jumlah kendaraan (mobil/motor) memenuhi >75% suatu simpang jalan
  • Tidak ada : tidak ada kendaraan (mobil/motor) pada suatu simpang jalan.
Sedangkan skema lama lampu lalu lintas sebagai berikut
  • Sebentar : 0 - 40 detik
  • Sedang : 40 - 80 detik
  • Lama : 80 - 120 detik
Tahap selanjutnya adalah menentukan aturan fuzzy yang digunakan sebagai berikut,
  • if (mobil sedikit) then (lampu hijau sebentar)
  • if (mobil sedang) then (lampu hijau sedang)
  • if (mobil banyak) then (lampu hijau lama)
  • if (motor sedikit) then (lampu hijau sebentar)
  • if (motor sedang) then (lampu hijau sedang)
  • if (motor banyak) then (lampu hijau lama)
  • if (mobil sedikit) and (motor sedikit) then (lampu hijau sebentar)
  • If (mobil sedikit) and (motor sedang) then (lampu hijau sedang)
  • If (mobil sedikit) and (motor banyak) then (lampu hijau lama)
  • If (mobil sedang) and and (motor sedikit) then (lampu hijau sebentar)
  • If (mobil sedang) and (motor sedang) then sedang)
  • If (mobil sedang) and (motor banyak) then (lampu hijau lama)
  • If (mobil banyak) and and (motor sedikit) then (lampu hijau sebentar)
  • If (mobil banyak) and (motor sedang) then (lampu hijau sedang)
  • If (mobil banyak) and (motor banyak) then (lampu hijau lama)

Penerapan Logika Fuzzy dan Pulse Width Modulation untuk Sistem Kendali Robot Line Follower

Sumber : penerapan fuzzy pada line follower

Pada kasus ini, pengembangan robot Line Follower terus ditingkatkan kepintarannya, karena kelemahan robot Line Follower selama ini adalah tidak ada kendali kecepatan gerak kedua motor ketika belok dan hanya satu roda saja yang bergerak, baik belok tajam, sedang, dan sedikit. Kasus kali ini telah menerapkan logika fuzzy untuk komputasi masukan dari lintasa yang menghasilkan nilai kontrol on/off motor, dimana masukan dibagi menjadi beberapa kelompok yaitu "belok kanan tajam", "belok kanan sedang", "belok kanan sedikit", "lurus", "belok kiri tajam", "belok kiri sedang", "belok kiri sedikit", "cari garis".

Penentuan aturan dan anggota masukan robot line follower dengan fuzzy dilakukan dengan simulasi program Matlab,

  1. if (sensor is kiri_tajam) then (pwm_kiri is sangat_lambat) (pwm_kanan is cepat) (1)
  2. if (sensor is kiri_sedang) then (pwm_kiri is lambat) (pwm_kanan is cepat) (1)
  3. if (sensor is kiri_lambat) then (pwm_kiri is sedang) (pwm_kanan is cepat) (1)
  4. if (sensor is maju) then (pwm_kiri is cepat) (pwm_kanan is cepat) (1)
  5. if (sensor is kanan_lambat) then (pwm_kiri is cepat) (pwm_kanan is sedang) (1)
  6. if (sensor is kanan_sedang) then (pwm_kiri is cepat) (pwm_kanan is lambat) (1)
  7. if (sensor is kanan_tajam) then (pwm_kiri is cepat) (pwm kanan is sangat lambat) (1)

Share:

0 comments:

Posting Komentar

sumberdipercaya.com

Blog Archive