Algoritma FIS (Fuzzy Inference System): Tipe Sugeno 2


Algoritma FIS (Fuzzy Inference System) adalah salah satu algoritma yang digunakan untuk pengambilan keputusan. Contoh yang dibahas kali ini adalah mengenai penentuan nilai kinerja karyawan berdasarkan inputan yang ada.
Algoritma ini memiliki beberapa tipe teknik perhitungan yang digunakan, dan salah satu tipe yang digunakan adalah tipe yang ditemukan oleh Takagi – Sugeno – Kang, oleh karena itu tipe ini dinamakan tipe Sugeno / Fuzzy TSK / Fuzzy Sugeno. Karena skrip program yang terlalu kompleks, maka pada kali ini penjelasan hanya akan ditujukan pada bagian inti saja. Tetapi skrip program sudah disertakan di bagian bawah halaman ini agar pembaca dapat mencoba sendiri contoh program untuk kasus ini.



Diasumsikan ada 10 data karyawan yang diketahui datanya, yaitu karyawan A, B, C, D, E, F, G, H, I, J
Masing-masing karyawan memiliki 3 nilai berdasarkan masing-masing kriteria yang ada
Maka tentukan nilai skor akhir dari masing-masing karyawan tersebut
Diasumsikan 10 data tersebut adalah sebagai berikut:

Karyawan Jam kerja Jumlah barang Jumlah Gagal
Karyawan A 45 80 5
Karyawan B 50 92 7
Karyawan C 43 75 3
Karyawan D 37 72 4
Karyawan E 39 73 1
Karyawan F 48 81 2
Karyawan G 35 63 5
Karyawan H 42 71 3
Karyawan I 40 76 0
Karyawan J 43 79 2



Langkah pertama adalah memasukkan data-data yang digunakan.
Contoh data awal adalah sebagai berikut:


Langkah-langkah penggunaan algoritma ini adalah

* ‘Buat Struktur FIS Sugeno

1. Buat variabel input menurut masing-masing kriteria yang ada
Ada 3 Kriteria yang digunakan, yaitu Jam Kerja, Jumlah Barang, dan Jumlah Barang Gagal
Kemudian Buat fungsi keanggotaan pada masing-masing kriteria

1a. Pada kriteria jam kerja, nilai minimal adalah 35 jam, dan nilai maksimal adalah 50 jam
himpunan fuzzy akan dibagi menjadi 3, yaitu sedikit, sedang, banyak

1b. Pada kriteria jumlah barang, nilai minimal adalah 0 buah, dan nilai maksimal adalah 100 buah
himpunan fuzzy akan dibagi menjadi 4, yaitu sedikit, sedang, banyak, dan sangat banyak

1c. Pada kriteria jumlah barang gagal, nilai minimal adalah 0 buah, dan nilai maksimal adalah 10 buah
himpunan fuzzy akan dibagi menjadi 2, yaitu sedikit dan banyak

2. Buat variabel output untuk sistem ini
Kriteria hasil adalah nilai skor pada masing-masing data

2a. Nilai skor yang dihasilkan akan memiliki rentang nilai antara 0 sampai dengan 100
himpunan fuzzy akan dibagi menjadi 3, yaitu rendah, sedang, dan tinggi

3. Buat aturan fuzzy yang dibutuhkan
Jumlah aturan yang harus dibuat adalah semua kombinasi dari masing-masing nilai kriteria yang ada
Dalam kasus ini, jumlah aturan yang harus dibuat adalah jumlah jam kerja (3) * jumlah barang (4) * jumlah barang gagal (2) = 24 aturan

* Gunakan fungsi ini untuk memasukkan aturan-aturan yang telah dibuat ke dalam sistem
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini

* Lakukan perhitungan pada semua data (nomor 4 dan 5)

4. Masukkan data input ke dalam masing-masing kritera

5. Hitung skor akhir menggunakan metode fuzzy
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini

* Fungsi HitungFuzzy adalah inti perhitungan pada algoritma ini. Terdapat 4 langkah penting yang harus dilakukan untuk mendapatkan skor akhir, yaitu:

5a. Lakukan proses Fuzzy-fikasi pada masing-masing inputan
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini

* Gunakan fungsi ini untuk melakukan Fuzzy-fikasi pada masing-masing input
Pertama-tama lakukan validasi data input yang ada, kemudian masukkan masukkan data tersebut ke dalam diagram fuzzy
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini

5b. Lakukan evaluasi pada masing-masing kondisi dalam input tersebut
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini

* Gunakan fungsi ini untuk mengevaluasi kondisi pada masing-masing diagram fuzzy
parameter yang digunakan adalah
fuzzifiedInput = data awal dalam bentuk fuzzy
Nilai Pengembalian fungsi adalah hasil evaluasi
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini

* Gunakan fungsi ini untuk mengevaluasi kondisi fuzzy pada masing-masing diagram fuzzy
parameter yang digunakan adalah
condition = Kondisi yang harus dievaluasi
fuzzifiedInput = Input data setelah mengalami fuzzy-fikasi
Nilai Pengembalian fungsi adalah kondisi fuzzy yang sudah terevaluasi
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini

5c. Lakukan evaluasi nilai fungsi pada masing-masing data input
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini

* Gunakan fungsi ini untuk menghitung nilai fungsi dari inputan data
parameter yang digunakan adalah
dataAwal = data awal dalam bentuk biasa (bukan bentuk fuzzy)
Nilai Pengembalian fungsi adalah hasil perhitungan nilai fungsi
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini

* Gunakan fungsi ini untuk menghitung fungsi linier dari inputan data
parameter yang digunakan adalah
dataAwal = data awal dalam bentuk biasa (bukan bentuk fuzzy)
Nilai Pengembalian fungsi adalah hasil perhitungan fungsi linier
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini

5d. Hitung nilai skor akhir berdasarkan nilai fungsi dan bobot aturan yang sudah ditemukan sebelumnya
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini

* Gunakan fungsi ini untuk menghitung nilai skor akhir berdasarkan nilai fungsi dan bobot aturan yang sudah ditemukan sebelumnya
parameter yang digunakan adalah
bobotAturan = bobot aturan (hasil dari evaluasi kondisi pada data awal)
nilaiFungsi = nilai fungsi (hasil dari perhitungan nilai fungsi pada data awal)
Nilai Pengembalian fungsi adalah nilai skor akhir dari data inputan
Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini


Hasil akhir adalah: (klik untuk perbesar gambar)

cmd67


Contoh modul / source code dalam bahasa VB (Visual Basic) dapat didownload disini:



Jika membutuhkan jasa kami dalam pembuatan program, keterangan selanjutnya dapat dilihat di Fasilitas dan Harga
Jika ada yang kurang paham dengan langkah-langkah algoritma diatas, silahkan berikan komentar Anda.
Selamat mencoba.


Tinggalkan sebuah komentar

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

2 pemikiran di “Algoritma FIS (Fuzzy Inference System): Tipe Sugeno