MODUL PERKULIAHAN

SISTEM FUZZY

Teori Defuzzifikasi

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Teknik Teknik Elektro P141700004 Galang Persada Nurani Hakim S.T , M.T.

07

Abstract Kompetensi
Mahasiswa mengerti tentang Mahasiswa mampu menjelaskan Teori
Defuzzyfikasi: proses mengkonversi Fuzzy Logic Controller: Defuzzifikasi
setiap hasil dari inference engine (rule)
yang diekspresikan dalam bentuk fuzzy
set kesuatu bilangan real

‘13 Kendali Cerdas

1 Galang Hakim S.T .M.T
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
1) Apa yang dimaksud dengan Defuzzifikasi
Defuzzifikasi adalah langkah terakhir dalam suatu sistem logika fuzzy dimana
tujuannya adalah mengkonversi setiap hasil dari inference engine (rule) yang diekspresikan
dalam bentuk fuzzy set kesuatu bilangan real. Hasil konversi tersebut merupakan aksi yang
diambil oleh sistem kendali logika fuzzy. Defuzzifikasi adalah proses menghasilkan hasil
yang dapat diukur dalam logika Crisp, hal Ini adalah proses yang memetakan himpunan
fuzzy ke himpunan yang crisp. Defuzzifikasi menggunakan sejumlah aturan (rule) yang
mengubah sejumlah variabel menjadi hasil fuzzy. Misalnya, aturan yang dirancang untuk
memutuskan berapa banyak tekanan untuk diterapkan mungkin menghasilkan "Penurunan
Tekanan (15%), Pertahankan Tekanan (34%), Tingkatkan Tekanan (72%)". Defuzzifikasi
adalah mengartikan derajat keanggotaan set fuzzy ke dalam keputusan spesifik atau nilai
nyata.

Gambar 1 fungsi defuzzifikasi pada logika fuzzy

Teknik defuzzifikasi yang umum dan bermanfaat adalah pusat gravitasi (center of
gravitation / COG). Pertama, hasil aturan harus ditambahkan bersama dalam beberapa
cara. Fungsi keanggotaan himpunan fuzzy yang paling khas memiliki grafik segitiga.
Sekarang, jika segitiga ini harus dipotong dalam garis horizontal lurus di suatu tempat antara
bagian atas dan bawah, dan bagian atas harus dihilangkan, bagian yang tersisa membentuk
trapesium. Langkah pertama defuzzifikasi biasanya "memotong" bagian grafik untuk
membentuk trapesium (atau bentuk lain jika bentuk awal bukan segitiga). Misalnya, jika
output memiliki "Tekanan Turun (15%)", maka segitiga ini akan dipotong 15% dengan cara

‘13 Kendali Cerdas

2 Galang Hakim S.T .M.T
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
naik dari bawah. Dalam teknik yang paling umum, semua trapesium ini kemudian
ditumpukkan satu sama lain, membentuk bentuk geometris tunggal. Kemudian, centroid
bentuk ini, disebut fuzzy centroid, dihitung. Koordinat x dari centroid adalah nilai
defuzzifikasi.

Gambar 2 fungsi centroid untuk defuzzifikasi pada logika fuzzy

Mari kita bagi daerah implikasi kita menjadi enam bagian, seperti yang ditungjukkan
pada Gambar 2. Terlihat bahwa trapezium akan dibagi menjadi beberapa bagian berbentuk
segitiga dan persegi panjang. Rumus mencari luas segitiga sudah lazim, yaitu alas dikali
tinggi dibagi dua, sedangkan rumus mencari luas pesegi panjang adalah panjang dikalikan
dengan lebar. Lakukan pencarian luas untuk keenam bagian-bagian tersebut, seperti yang
terlihat pada Gambar 3.

‘13 Kendali Cerdas

3 Galang Hakim S.T .M.T
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Gambar 3 Rumus Centroid pada proses Defuzifikasi

Kita Amati rumus pada Gambar 3. Rumus tersebaut menyatakan bahwa untuk mencari pusat
daerah implikasi, kita harus membagi momen dengan luas daerah. Luasan sudah kita peroleh, yaitu
pada Gambar 4, sedangkan Momen dapat diperoleh dengan mengalikan tiap-tiap dengan nilai z
(dalam hal ini terhadap z), dan mengintegralkannya dengan batas atas dan batas bawah tertentu.
Proses ini tidaklah sulit, sebab hanya melibatkan matematka biasa. Untuk mencari momen, mari kita
sederhanakan persamaan. Kita menyederhanakan dengan membagi pembilang dengan
penyebutnya, sehingga diperoleh bentuk yang lebih sederhana (tidak melibatkan bentuk pecahan).
Proses ini terihat seperti pada Gambar 5.

‘13 Kendali Cerdas

4 Galang Hakim S.T .M.T
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Gambar 4 Luasan daerah implikasi pada output

Gambar 5 Penyederhanaan Persamaan

‘13 Kendali Cerdas

5 Galang Hakim S.T .M.T
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Selanjutnya, kita cari momennya, seperti yang terlihat pada Gambar 6. Amati bahwa
integral dilakukan terhadap variabel z. Dengan demikian, variabel x pada persamaan
Gambar 5 harus diubah ke z. kalikan setiap persamaan dengan z, kemudian kita
integralkan. Karena ada batas atas dan batas bawah, maka selesaikan persamaan dengan
memasukkan batas atas pada hasil integrasi, dikurangi dengan batas bawahnya. Jika
bingung tetang integral,

Gambar 6 Proses Menghitung Momen

Selanjutnya, terapkan rumus centroid, yaitu jumlah momen dibagi dengan total luasan daerah
implikasi, seperti yang terlihat pada Gambar 7. Maka akan di peroleh hasil defuzifikasinya.

‘13 Kendali Cerdas

6 Galang Hakim S.T .M.T
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Gambar 7 Proses Menghitung Pusat

2) Real World Application, Defuuzzifikasi untuk pengendalian suhu air akuarium

Teknik fuzzy yang paling umum adalah teknik fuzzy dengan menggunakan metode
mamdani. . Mamdani dan Assilian sebagai yang pertama mengusulkan menggunakan
metode ini mencoba untuk mengendalikan kombinasi mesin uap dan boiler dengan
menggunakan seperangkat linguistic sebagai aturan kendali fuzzy, dimana aturan kendali ini
merupakan pengalaman dari manusia yang menggunakan mesin tersebut sebelumnya.
Dalam model Mamdani, hal pertama yang dilakukan adalah mengumpulkan
(menghimpun) keanggotaan dari parameter-parameter yang digunakan. Keanggotaan
tersebut ditulis dalam variable linguistic untuk setiap parameter. Kemudian berdasarkan
variable linguistic tersebut dibuat setiap model matematisnya (fuzzifikasi). Setelah selesai
dilakukan hal berikutnya adalah membuat aturan (rule) untuk fuzzy, yang paling mudah
aturan yang dibuat adalah 2 input untuk 1 ouput.

 Rule1 : IF x is A3 OR y is B1 THEN z is C1
 Rule2 : IF x is A2 AND y is B2 THEN z is C2
 Rule3 : IF x is A1 THEN z is C3.

Setelah selesai membuat aturan (rule) hal berikutnya adalah dengan defuzzyfikasi dengan
menggunakan Center of Area (COA),

‘13 Kendali Cerdas

7 Galang Hakim S.T .M.T
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 ……………….Persamaan 2.1

dan menggunakan Mean of Maximum (MOM)

…………………….Persamaan 2.2

Sehingga hasilnya adalah output pengendalian sistem.

Pada aplikasi dunia nyata seperti pengendalian suhu air pada aquarium, pertama-tama
sesuai dengan langkah-langkah menerapkan sistem fuzzy di atas, kita harus terlebih dahulu
menetapkan input dan output yang akan digunakan pada pengendalian. Pada contoh ini kita
menggunakan parameter suhu sebagai input data microcontroller dan menggunakan pengaturan
PWM sebagai output untuk pengaturan arus yang masuk kedalam peltier (elemen
pendingin/pemanas). Oleh karena itu kita harus membuat 2 buah fuzzifikasi, yaitu untuk input dan
untuk output. Parameter suhu ini memiliki variable linguistik Dingin, Sejuk, dan Normal. sedangkan
untuk varibel dari parameter pengaturan arus pada peltier yaitu penuh, sedang, dan kecil. Berikut
adalah keanggotaan variable linguistic untuk suhu.

Gambar 8 variable linguistic untuk input suhu

‘13 Kendali Cerdas

8 Galang Hakim S.T .M.T
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Parameter kendali PWM ini memiliki pengaturan arus pada peltier yaitu penuh, sedang, dan
kecil. Berikut adalah keanggotaan variable linguistic untuk PWM microcontroller.

Gambar 9 variable linguistic untuk pengaturan arus dengan PWM

Parameter kendali PWM ini memiliki pengaturan arus pada peltier yaitu penuh, sedang, dan
kecil. Berikut adalah keanggotaan variable linguistic untuk PWM microcontroller.

Sehingga untuk defuzifikasi rumusnya adalah

Output Defuzifikasi =
((rule1*normal) + (rule2a*sejuk) + (rule2b*sejuk) + (rule3*dingin)) / (normal+sejuk+sejuk+dingin)

‘13 Kendali Cerdas

9 Galang Hakim S.T .M.T
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Gambar 10 Hasil Defuzifikasi pada microcontroller untuk pengaturan arus dengan PWM

‘13 Kendali Cerdas

10 Galang Hakim S.T .M.T
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Gambar 11 Hasil Defuzifikasi pada matlab untuk pengaturan arus dengan PWM dengan input
suhu 24 (atas), suhu 27 (tengah), suhu 30 (bawah)

‘13 Kendali Cerdas

11 Galang Hakim S.T .M.T
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Gambar 12 Model matematis antara input suhu dengan output PWM

‘13 Kendali Cerdas

12 Galang Hakim S.T .M.T
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Daftar Pustaka
[1] https://www.tutorialspoint.com/fuzzy_logic/fuzzy_logic_set_theory.htm
[2] J.-S. R. Jang, C.-T. Sun, and E. Mizutani, Neuro-Fuzzy and Soft Computing A
Computational Approach to Learning and Machine Intelligence. Prentice Hall, 1997.
[3] R. Agus, Perancangan Chiller Aquarium Dengan Menggunakan Metode Fuzzy
Mamdani. Tugas Akhir. Universitas Mercu Buana.2019.
[4] https://en.wikipedia.org/wiki/Artificial_intelligence#General_intelligence
[5] https://en.wikipedia.org/wiki/Fuzzy_logic
[6] http://ardiwinahyu.blogspot.com/2013/03/himpunan-fuzzy-adalah.html
[7] http://shynux.blogspot.com/2015/12/pengertian-fungsi-keanggotaan-dan.html
[8] https://en.wikipedia.org/wiki/Fuzzy_logic
[9] https://statistikawanku.wordpress.com/2013/03/29/beberapa-fungsi-keanggotaan-fuzzy-
triangular-trapezoidal-gaussian-generalized-bell/
[10] https://sufyan97.blogspot.com/2017/09/defuzzification-defuzzifikasi.html
[11] W. Hou, D. Shi, Y. Gao, and C. Yao, “A New Method for Radio Wave Propagation Prediction
Based on Finite Integral Method and Machine Learning,” in IEEE 5th International Symposium
on Electromagnetic Compatibility (EMC-Beijing), 2017.

[12] S. I. Popoola, E. Adetiba, A. A. Atayero, N. Faruk, and C. T. Calafate, “Optimal model for path
loss predictions using feed-forward neural networks Optimal model for path loss predictions
using feed-forward neural networks,” Cogent Eng., vol. 5, no. 1444345, pp. 1–19, 2018, doi:
10.1080/23311916.2018.1444345.

[13] G. Lee and B. K. Park, “Traffic Light Recognition Using Deep Neural Networks,” in IEEE
International Conference on Consumer Electronics (ICCE), 2017, pp. 4–5.

[14] E. Lotfi and M. R. Karimi, “OPEC Oil Price Prediction Using ANFIS,” J. Math. Comput. Sci., vol.
10, pp. 286–296, 2014.

[15] A. I. Haq, M. A. Riyadi, and Sumardi, “Sistem Tracking Panel Surya Untuk Pengoptimalan Daya
Menggunakan Metode Kendali Logika Fuzzy,” Sinergi, vol. 18, no. 3, pp. 35–41, 2014, doi:
10.12777/transmisi.17.1.35-41.

[16] S. B. Karwade and M. S. Ali, “Review Paper on Load Forecasting Using Neuro Fuzzy System,”
IOSR J. Electr. Electron. Eng., vol. 10, no. 3, pp. 38–42, 2015, doi: 10.9790/1676-10323842.

‘13 Kendali Cerdas

13 Galang Hakim S.T .M.T
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id