Materi 3: Sistem Inferensi Fuzzy (SIF): Komparasi Metode Tsukamoto, Mamdani, dan Sugeno

Sistem Inferensi Fuzzy (SIF): Komparasi Metode Tsukamoto, Mamdani, dan Sugeno

Modul ini mengkaji arsitektur mesin penalaran berbasis aturan fuzzy (Fuzzy Rule-Based Inference System), mekanisme penarikan kesimpulan (inferencing), dan algoritma defuzzifikasi untuk menghasilkan keluaran tegas (crisp output).

1. Struktur Komponen Sistem Inferensi Fuzzy

1. Fuzzification: Pemetaan input crisp ke dalam derajat keanggotaan fuzzy.
2. Rule Base & Knowledge Base: Kumpulan proposisi implikasi kondisional berbentuk:

3. Inference Engine: Evaluasi derajat pembakaran aturan (firing strength $\alpha_i$) dan agregasi output antar aturan.
4. Defuzzification: Transformasi distribusi fuzzy keluaran agregat menjadi nilai numerik riil tunggal.

2. Tiga Metode Utama Sistem Inferensi Fuzzy

• Metode Mamdani (Max-Min / Max-Product):
  • Menggunakan fungsi keanggotaan fuzzy pada bagian konsekuen (then-part).
  • Defuzzifikasi menggunakan metode Centroid (Center of Gravity / COG):

• Metode Sugeno (Takagi-Sugeno-Kang):
  • Bagian konsekuen berupa konstanta (order-0) atau persamaan linier dari variabel masukan (order-1): $z_i = p_i x_1 + q_i x_2 + r_i$.
  • Defuzzifikasi menggunakan rata-rata terbobot (weighted average), sangat efisien secara komputasi:

• Metode Tsukamoto:
  • Setiap aturan memiliki konsekuen berupa himpunan fuzzy dengan fungsi keanggotaan monotonik, menghasilkan nilai tegas individual $z_i$ per aturan yang kemudian digabungkan secara terbobot.

3. Berkas Perkuliahan

• Berkas presentasi: 3_Fuzzy_ITS.pptx menyajikan perbandingan formula inferensi fuzzy.
• Handout komprehensif: 3_Fuzzy_SIF.pdf yang menjabarkan simulasi kasus industri sistem kontrol suhu ruangan dan pompa air otomatis.