74
fuzzyfikasi
akan
mengambil
crisp
input
dan
membandingkan
dengan
membership function yang telah ada untuk menghasilkan harga fuzzy input.
2.6.9.2 Rules Evaluation
Pada tahap
rule
evaluation ini
diproses
hubungan
antara
nilai-nilai
input
(crisp input) dan nilai-nilai output (crisp output) yang dikehendaki dengan
aturan-aturan (rules).
Aturan
ini
nantinya
yang
akan
menentukan respon
sistem
terhadap
berbagai
kondisi setting
point
dan
gangguan
yang
terjadi
pada
sistem.
Rules yang dipakai adalah jenis “IF-THEN“. Berikut ini contoh rules.
IF Err is Normally big (antecendent 1) and AEn is Normally big (antecendent 2)
THEN output is Normally big (consequent).
Pada
antecendent input
variable
=
label,
juga
pada
consequent
output
variable
=
label
Pada
penggunaan
dua
antecendent atau
lebih,
untuk
mempermudah
dapat
digunakan
matriks.
Proses
rule
evaluation akan
mengevaluasi Fuzzy
input
yang
didapat
dari
proses
fuzzyfikasi
untuk
tiap
antecendent dari rule dengan
menentukan rule strength dari tiap-tiap rule, karena
antecendent dihubungkan dengan operator AND
maka
rule strength diambil dari
strength
value
yang
terkecil
dari
antecendent.
Proses
selanjutnya adalah
menentukan Fuzzy
output
dengan
membandingkan rule
strength dari
semua
rule
yang mempunyai label conscquent yang sama.
2.6.9.3 Defuzzyfication
Pada
tahap
ini
dilakukan
pemetaan
bagi
nilai-nilai fuzzy
output
yang
dihasilkan
pada
tahap
rules evaluation
ke
nilai-nilai
output kuantitatif
yang
sesuai
dengan
sistem
yang
diharapkan.
Ada
berbagai
metode
untuk
melakukan
proses
defuzzyfication,
diantaranya
metode
Center
Of
Grafity
(COG),
dimana
 |