Logika Fuzzy


fuzzylogic-logo-web

Dalam paper yang berjudul Fuzzy Sets*, pada tahun 1965 Dr. Lotfi Aliasker Zadeh (Ilmuwan Amerika Serikat berkebangsaan Iran dari dari University of California, Berkeley, California) memperkenalkan teori fuzzy yang mampu memetakan nilai masukan menuju nilai keluaran. Tidak seperti pada logika Boolean yang menyatakan suatu nilai dengan tegas (0 atau 1, hitam atau putih, ya atau tidak, benar atau salah, hidup atau mati), teori fuzzy menggunakan logika yang menyatakan bahwa suatu nilai dapat memiliki range atau derajat level (0 s.d 1, hitam s.d putih). Logika fuzzy dapat diartikan sebagai logika yang samar, kabur, tidak jelas, atau tidak tegas. Logika fuzzy umumnya diterapkan pada masalah-masalah yang mengandung unsur ketidakpastian (uncertainty), ketidaktepatan (imprecise), noisy, dan sebagainya. Logika fuzzy menjembatani bahasa mesin yang presisi dengan bahasa manusia yang menekankan pada makna atau arti (significance). Logika fuzzy dikembangkan berdasarkan bahasa manusia (bahasa alami).

Berikut ini merupakan contoh pemrograman logika fuzzy untuk sistem pengatur kecepatan mesin menggunakan sensor suhu dan sensor cahaya sebagai masukan.
Langkah-langkahnya adalah sebagai berikut:
1. Menyusun konsep sistem kontrol dengan logika fuzzy
Misalnya keadaan sensor suhu (input 1) dibagi menjadi lima kategori yaitu:

INPUT 1

SUHU

KETERANGAN

Dingin

0 0C – 15 0C

Sejuk

11 0C – 25 0C

Normal

21 0C – 30 0C

Hangat

28  0C – 40 0C

Panas

36 0C – 50 0C

keadaan sensor cahaya (input 2) dibagi menjadi tiga kategori yaitu:

INPUT 2

CAHAYA

KETERANGAN

Gelap

0 Cd– 35 Cd

Normal

31 Cd– 85 Cd

Terang

81 Cd- 100 Cd

keadaan kecepatan mesin (output) dibagi menjadi tiga kategori yaitu:

OUTPUT

KEC. MESIN

KETERANGAN

Lambat

0 m/s– 15 m/s

Sedang

11 m/s – 21 m/s

Cepat

19 m/s – 45 m/s

aturan /rules adalah sebagai berikut:

No.

INPUT

OUTPUT

SUHU

CAHAYA

KEC. MESIN

1

Dingin

Gelap

Lambat

2

Dingin

Normal

Lambat

3

Dingin

Terang

Lambat

4

Sejuk

Gelap

Lambat

5

Sejuk

Normal

Lambat

6

Sejuk

Terang

Sedang

7

Normal

Gelap

Sedang

8

Normal

Normal

Sedang

9

Normal

Terang

Sedang

10

Hangat

Gelap

Sedang

11

Hangat

Normal

Cepat

12

Hangat

Terang

Cepat

13

Panas

Gelap

Cepat

14

Panas

Normal

Cepat

15

Panas

Terang

Cepat

2. Setelah konsep sistem kontrol dibentuk, maka kita dapat membuat pemrogramannya. Ketiklah “fuzzy” pada command window untuk membuka jendela Fuzzy Inference System (FIS) editor, sehingga muncul tampilan seperti gambar di bawah ini:

1
3. Pilih edit >> add variable >> input untuk menambah variable input

2
sehingga akan muncul tampilan seperti pada gambar di bawah ini:

3
3. Ubahlah nama input1 menjadi suhu, input2 menjadi cahaya dan output1 menjadi kec_mesin

4
4. Pilih edit >> membership function untuk membuat fungsi keanggotaan setiap variabel

5
sehingga akan muncul tampilan Membership Function Editor seperti pada gambar di bawah ini:

6
5. Pada variabel suhu, ubahlah
range menjadi [0 50],
nama mf1 menjadi dingin, type trimf, Params [0 0 15]
nama mf2 menjadi sejuk, type trimf, Params [11 18 25]
nama mf3 menjadi normal, type trimf, Params [21 25 30]

pilih edit >> add mfs untuk menambah membership function
nama mf4 menjadi hangat, type trimf, Params [28 34 40]
nama mf5 menjadi panas, type trimf, Params [36 50 50]

sehingga tampilan variabel suhu akan tampak seperti pada gambar di bawah ini:

7
6. Pada variabel cahaya, ubahlah
range menjadi [0 100],
nama mf1 menjadi gelap, type trimf, Params [0 0 35]
nama mf2 menjadi normal, type trimf, Params [31 50 85]
nama mf3 menjadi terang, type trimf, Params [81 100 100]

sehingga tampilan variabel cahaya akan tampak seperti pada gambar di bawah ini:

8
7. Pada variabel kec_mesin, ubahlah
range menjadi [0 50],
nama mf1 menjadi lambat, type trimf, Params [0 0 15]
nama mf2 menjadi sedang, type trimf, Params [11 15 21]
nama mf3 menjadi cepat, type trimf, Params [19 50 50]

sehingga tampilan variabel kec_mesin akan tampak seperti pada gambar di bawah ini:

9
8. Pilih edit >> rules untuk membuka jendela rule editor

10
buatlah aturan pada rule editor sesuai dengan konsep sistem kontrol yang sebelumnya telah dibuat. Misalnya if (suhu is dingin) and (cahaya is gelap) then (kec_mesin is lambat), dan seterusnya sampai dengan 15 rules.

11
9. Pilih view >> rules, untuk melihat hasil rules yang telah kita buat

12
kita dapat menggeser-geser nilai suhu (input1) dan cahaya (input2) sehingga menghasilkan nilai keluaran pada kec. mesin (output) 

13
10. Pilih view >> surface, untuk melihat grafik 3D antara suhu, cahaya, dan kec. mesin

14
sehingga akan muncul tampilan seperti pada gambar di bawah ini

15
11. Simpanlah FIS yang telah dibuat dengan cara mengklik file >> export >> to file.
Misalnya simpan dengan nama “mesin.fis”

16
12. Untuk mengecek hasil keluaran dari FIS yang telah dibuat, dapat kita lakukan dengan mengetik kode berikut pada command window:

fis = readfis('mesin');
output = evalfis([10 20],fis)

Hasilnya adalah:

output =

6.2059

Nilai ini artinya: Jika suhu = 10 0C (dingin) dan cahaya =  20 Cd (gelap), maka kec. mesin = 6.2059 m/s (lambat)
Dapat disimpulkan bahwa hasil keluaran FIS sesuai dengan konsep sistem kontrol yang sebelumnya telah dibuat.

Kita dapat membuat tampilan program yang telah kita buat menjadi lebih interaktif menggunakan Graphical User Interface (GUI), seperti contoh GUI di bawah ini :
17

Listing program nya adalah sebagai berikut:

function varargout = mesingui(varargin)
% MESINGUI MATLAB code for mesingui.fig
%      MESINGUI, by itself, creates a new MESINGUI or raises the existing
%      singleton*.
%
%      H = MESINGUI returns the handle to a new MESINGUI or the handle to
%      the existing singleton*.
%
%      MESINGUI('CALLBACK',hObject,eventData,handles,...) calls the local
%      function named CALLBACK in MESINGUI.M with the given input arguments.
%
%      MESINGUI('Property','Value',...) creates a new MESINGUI or raises the
%      existing singleton*.  Starting from the left, property value pairs are
%      applied to the GUI before mesingui_OpeningFcn gets called.  An
%      unrecognized property name or invalid value makes property application
%      stop.  All inputs are passed to mesingui_OpeningFcn via varargin.
%
%      *See GUI Options on GUIDE's Tools menu.  Choose "GUI allows only one
%      instance to run (singleton)".
%
% See also: GUIDE, GUIDATA, GUIHANDLES

% Edit the above text to modify the response to help mesingui

% Last Modified by GUIDE v2.5 04-Oct-2013 22:13:32

% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name',       mfilename, ...
'gui_Singleton',  gui_Singleton, ...
'gui_OpeningFcn', @mesingui_OpeningFcn, ...
'gui_OutputFcn',  @mesingui_OutputFcn, ...
'gui_LayoutFcn',  [] , ...
'gui_Callback',   []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end

if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT


% --- Executes just before mesingui is made visible.
function mesingui_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject    handle to figure
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
% varargin   command line arguments to mesingui (see VARARGIN)

% Choose default command line output for mesingui
handles.output = hObject;

% Update handles structure
guidata(hObject, handles);
movegui(hObject, 'center');
% UIWAIT makes mesingui wait for user response (see UIRESUME)
% uiwait(handles.figure1);


% --- Outputs from this function are returned to the command line.
function varargout = mesingui_OutputFcn(hObject, eventdata, handles)
% varargout  cell array for returning output args (see VARARGOUT);
% hObject    handle to figure
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)

% Get default command line output from handles structure
varargout{1} = handles.output;


% --- Executes on slider movement.
function slider2_Callback(hObject, eventdata, handles)
% hObject    handle to slider2 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)

% Hints: get(hObject,'Value') returns position of slider
%        get(hObject,'Min') and get(hObject,'Max') to determine range of slider
slider_suhu = get(hObject,'Value');
set(handles.edit2, 'string', strcat(num2str(slider_suhu),' *C'));

if slider_suhu <= 10
suhu = 'dingin';
elseif slider_suhu > 10 && slider_suhu <= 20
suhu = 'sejuk';
elseif slider_suhu > 20 && slider_suhu <= 27
suhu = 'normal';
elseif slider_suhu > 27 && slider_suhu <= 35
suhu = 'hangat';
else
suhu = 'panas';
end

set(handles.text14, 'string', suhu);


slider_cahaya = get(handles.slider3,'Value');

input = [slider_suhu slider_cahaya];
fis = readfis('mesin');
out = evalfis(input,fis);

if out <= 10
kec_mesin = 'lambat';
elseif out > 10 && out <= 18
kec_mesin = 'sedang';
else
kec_mesin = 'cepat';
end

set(handles.edit4,'string',strcat(num2str(out),' m/s'));
set(handles.text16, 'string', kec_mesin);

% --- Executes during object creation, after setting all properties.
function slider2_CreateFcn(hObject, eventdata, handles)
% hObject    handle to slider2 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    empty - handles not created until after all CreateFcns called

% Hint: slider controls usually have a light gray background.
if isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor',[.9 .9 .9]);
end


% --- Executes on slider movement.
function slider3_Callback(hObject, eventdata, handles)
% hObject    handle to slider3 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)

% Hints: get(hObject,'Value') returns position of slider
%        get(hObject,'Min') and get(hObject,'Max') to determine range of slider
slider_cahaya = get(hObject,'Value');
set(handles.edit3, 'string', strcat(num2str(slider_cahaya),' Cd'));

if slider_cahaya <= 30
cahaya = 'gelap';
elseif slider_cahaya > 30 && slider_cahaya <= 80
cahaya = 'normal';
else
cahaya = 'terang';
end

set(handles.text15, 'string', cahaya);

slider_suhu = get(handles.slider2,'Value');

input = [slider_suhu slider_cahaya];
fis = readfis('mesin');
out = evalfis(input,fis);

if out <= 10
kec_mesin = 'lambat';
elseif out > 10 && out <= 18
kec_mesin = 'sedang';
else
kec_mesin = 'cepat';
end

set(handles.edit4,'string',strcat(num2str(out),' m/s'));
set(handles.text16, 'string', kec_mesin);

% --- Executes during object creation, after setting all properties.
function slider3_CreateFcn(hObject, eventdata, handles)
% hObject    handle to slider3 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    empty - handles not created until after all CreateFcns called

% Hint: slider controls usually have a light gray background.
if isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor',[.9 .9 .9]);
end


function edit2_Callback(hObject, eventdata, handles)
% hObject    handle to edit2 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)

% Hints: get(hObject,'String') returns contents of edit2 as text
%        str2double(get(hObject,'String')) returns contents of edit2 as a double


% --- Executes during object creation, after setting all properties.
function edit2_CreateFcn(hObject, eventdata, handles)
% hObject    handle to edit2 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows.
%       See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end



function edit3_Callback(hObject, eventdata, handles)
% hObject    handle to edit3 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)

% Hints: get(hObject,'String') returns contents of edit3 as text
%        str2double(get(hObject,'String')) returns contents of edit3 as a double


% --- Executes during object creation, after setting all properties.
function edit3_CreateFcn(hObject, eventdata, handles)
% hObject    handle to edit3 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows.
%       See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end



function edit4_Callback(hObject, eventdata, handles)
% hObject    handle to edit4 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)

% Hints: get(hObject,'String') returns contents of edit4 as text
%        str2double(get(hObject,'String')) returns contents of edit4 as a double


% --- Executes during object creation, after setting all properties.
function edit4_CreateFcn(hObject, eventdata, handles)
% hObject    handle to edit4 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows.
%       See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end

Sedangkan file GUI dapat didownload pada laman berikut: link

  1. Mohon bantuannya master.. Bagaimana cara merubah fuzzy (.fis) ke bahasa c dengan menggunakan matlab.. Terimakasih..

  2. mohon bantuanny mas, saya ada beberapa pertanyaan mengenai fuzzy ini. apa bisa dibantu ya? *kalo boleh sih chat biar agak enakan hehe
    fb / email dong mas kalo boleh minta?
    terima kasih..

  3. maaf mas,, file gui.nya ndak bisa di unduh

  4. oh iy untuk membership sendiri, kapan kita harus menggunakan trimf, trapmf dll nya?
    ada cara untuk menentukannya tidak ya?

  5. asssalamualaikum, selamat malam mas,
    mau nanya nih mas, penelitian saya mengenai identifikasi cacat/tidak dari suatu kulit samak (bahan kulit dari sapi untuk sepatu), untuk itu saya menggunakan algoritma fuzzy, saya mau nanya kalau parameter untuk cacat/tidak kulit apa ya mas? apakah cukup dengan glcm seperti yg sudah mas posting?

    • Waalaikumsalam
      Selamat malam juga mas dodik
      Sayangnya saya tidak melihat citra kulit samak nya
      Untuk kasus tersebut bisa menggunakan analisis tekstur maupun analisis morfologi/bentuk
      Untuk analisis tekstur, citra yg akan diekstraksi ciri adalah berupa citra grayscale
      Sedangkan untuk analisis morfologi, citra yg akan diekstraksi ciri adalah berupa citra biner
      Bisa dicoba dulu untuk analisis tekstur, bisa menggunakan ekstraksi ciri orde satu maupun orde dua. Bisa juga analisis tekstur dilakukan pada domain frekuensi dg terlebih dahulu mentransformasi citra dr domain spasial ke domain frekuensi dg menggunakan transformasi fourier ataupun wavelet
      Jika dg analisis tekstur saja belum menghasilkan akurasi deteksi yg tinggi, maka bisa dikombinasikan dg analisis morfologi. Ekstraksi ciri dg analisis morfologi bisa menggunakan parameter eccentricity, compactness, metric, maupun parameter lainnya

  6. ohh iya mas, saya juga untuk saat ini memahaminya memakai 2 analisis, yaitu tekstur dengan mengambil nilai glcm (energy, correlation, homogeneity, dan contrast). untuk analisis morfologi yang citra biner saya dengan canny. untuk gambar kulit samaknya yaitu kulitnya hitam polos dan tidak berstektur, hanya saja cacat pada kulit berupa garis, bintik-bintik.

  7. menurut mas bagaimana ? saya soalnya juga baru pegang matlab baru baru ini mas , jadi belum terlalu paham , mohon bantuannya mas,
    trims

  8. Assalammualaikum, gan mohon bantuanya z lg buat sistem pakar diagnosa penyakit hewa menggunakan logika fuzzy, gmana yach cara mengimput datanya?

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: