NEW
Font size
WorksheetsLogika Fuzzy
Total questions: 50
Worksheet time: 24mins
Apa yang menjadi ciri khas utama logika fuzzy dibandingkan dengan logika klasik?
Logika fuzzy hanya menggunakan nilai benar (1) dan salah (0)
Logika fuzzy memungkinkan nilai kebenaran parsial antara 0 dan 1.
Logika fuzzy tidak memiliki aplikasi praktis
Logika fuzzy lebih sederhana daripada logika klasik
Logika fuzzy pertama kali diperkenalkan oleh siapa?
Albert Einstein
Alan Turing
Lotfi A. Zadeh.
ohn McCarthy
Tujuan utama logika fuzzy adalah untuk.
Menangani ketidakpastian dan ambiguitas dalam sistem.
Menghilangkan ketidakpastian dalam data
Menyederhanakan algoritma matematika
Mengubah data linguistik menjadi data biner
Dalam logika klasik, nilai kebenaran suatu pernyataan adalah...
0 sampai 1
Antara -1 dan 1
Selalu 0
Hanya 0 atau 1.
Salah satu kelebihan logika fuzzy dibanding logika biner adalah:
Mampu menangani ketidakpastian
Hanya bekerja untuk data diskrit
Tidak bisa digunakan dalam sistem kontrol
Tidak efisien dalam perhitungan
Fungsi keanggotaan (membership function) digunakan untuk...
Menentukan logika matematika
Mengukur tingkat kebenaran logika klasik
Menentukan derajat keanggotaan suatu elemen dalam himpunan fuzzy
Mengubah bilangan biner menjadi desimal
Salah satu bentuk fungsi keanggotaan yang umum digunakan adalah...
Parabola
Segitiga.
Logaritma
Eksponensial kompleks
Proses yang mengubah input tegas menjadi input fuzzy disebut...
Defuzzifikasi
Inferensi
Fuzzifikasi
Normalisasi
Salah satu kelebihan logika fuzzy dibanding logika klasik adalah...
Mampu menangani data yang bersifat samar atau linguistik.
Hanya bisa digunakan untuk data numerik
Tidak membutuhkan data input
Lebih cepat tanpa memerlukan komputasi
Langkah terakhir dalam sistem inferensi fuzzy untuk menghasilkan output tegas adalah...
Fuzzifikasi
Normalisasi
Inferensi Mamdani
Defuzzifikasi.
cara memetakan ruang input menuju ruang output menggunakan logika fuzzy adalah
Sistem Inferensi Fuzzy.
Defuzzifikasi
Normalisasi
Fuzzifikasi
kumpulan aturan (rule) dalam bentuk pernyataan if-then yang dibuat oleh pakar
Fuzzifikasi
Basis Pengetahuan.
Inferensi
Defuzzifikasi
Logika fuzzy merupakan pengembangan dari logika klasik yang memperkenalkan konsep:
True dan False
Ya dan Tidak
Derajat keanggotaan.
Bilangan biner
Logika fuzzy disebut juga logika:
Deterministik
. Multi-valued
Probabilistik
Diskrit
Konsep logika fuzzy banyak digunakan pada sistem:
Sistem digital
Sistem kontrol cerdas.
Sistem biner
Sistem manual
Logika fuzzy merupakan bentuk penyajian dari:
. Data linguistik
Data tegas
Data acak
Data numerik
Istilah “fuzzy” dalam logika fuzzy berarti:
samar.
Tegas
Jelas
pasti
Himpunan fuzzy berbeda dari himpunan crisp karena:
Memiliki batas tegas
Tidak memiliki nilai keanggotaan
Memiliki derajat keanggotaan antara 0–1.
Tidak dapat dihitung
Dalam logika fuzzy, domain adalah:
Nilai keluaran
. Semesta pembicaraan
Nilai linguistik
Fungsi implikasi
Operasi “union” pada himpunan fuzzy didefinisikan dengan:
min(μA(x), μB(x))
1 – μA(x)
max(μA(x), μB(x)).
μA(x) × μB(x)
Operasi “intersection” pada himpunan fuzzy didefinisikan dengan:
max(μA(x), μB(x))
. min(μA(x), μB(x))
μA(x) + μB(x)
μA(x) – μB(x)
Operasi fuzzy yang menggantikan logika AND pada sistem fuzzy adalah:
Min.
Max
Sum
Complement
Operasi fuzzy yang menggantikan logika OR pada sistem fuzzy adalah:
Min
. Max
Product
Difference
Operator fuzzy “NOT” digunakan untuk:
Complement.
Intersection
Union
Composition
Proses defuzzifikasi adalah:
Mengubah nilai crisp ke fuzzy
Membentuk aturan fuzzy
.Mengubah fuzzy ke crisp
Mengubah domain
Inferensi fuzzy digunakan untuk:
.Membentuk aturan fuzzy
Menghitung probabilitas
Mengubah input fuzzy menjadi output crisp
Menghapus noise data
Salah satu metode mamdani pada defuzzifikasi yang umum digunakan adalah:
Max-Min
.Centroid
Product
Gaussian
Pada sistem inferensi Mamdani, output fuzzy diperoleh dari:
Fungsi linear
Minimum dan maksimum
Kombinasi aturan fuzzy.
Nilai rata-rata
ada sistem fuzzy Sugeno, output dari aturan biasanya berupa:
.Nilai konstanta atau fungsi linear
Nilai fuzzy
Nilai linguistik
Nilai nol
Tahapan dalam sistem fuzzy umumnya terdiri dari:
Input – Output – Decision
Data – Informasi – Pengetahuan
Analisis – Desain – Implementasi
.Fuzzifikasi – Inferensi – Defuzzifikasi
Pada proses fuzzifikasi, nilai input crisp diubah menjadi:
Nilai output
.Nilai linguistik
Nilai numerik
Nilai statistik
Contoh aturan fuzzy adalah:
IF suhu > 30 THEN kipas = 100
suhu = 35
kipas = 50%
.IF suhu tinggi THEN kipas cepat
Salah satu aplikasi logika fuzzy dalam kehidupan sehari-hari adalah:
Mesin cuci otomatis.
Game offline
Kalkulator
Mesin ketik
Dalam sistem kontrol suhu, “dingin”, “hangat”, dan “panas” merupakan contoh:
Variabel crisp
Parameter statistik
Konstanta
,Variabel linguistik
Salah satu keuntungan utama fuzzy dibanding sistem konvensional adalah
Kompleksitas tinggi
Tidak adaptif
. Dapat meniru cara berpikir manusia
Hanya untuk data numerik
Dalam fuzzy control, istilah “rule base” berisi:
Fungsi keanggotaan
Aturan IF-THEN.
Defuzzifikasi
Input crisp
Fuzzy cocok digunakan pada masalah:
Logika biner
Perhitungan aritmatika sederhana
.Pengambilan keputusan yang tidak pasti
Algoritma deterministik
Metode Mamdani pertama kali diperkenalkan oleh siapa?
Lotfi A. Zadeh
Zadeh dan Sugeno
.Ebrahim H. Mamdani
Takagi dan Sugeno
Komponen utama dalam metode Mamdani adalah berikut, kecuali...
Fuzzifikasi
Basis aturan (rule base)
Inferensi
Pembelajaran mesin
Dalam metode Tsukamoto, fungsi keanggotaan output harus bersifat...
.kurva naik atau kurva turun
Gaussian
Linear
monoton
Nilai akhir (output keseluruhan) pada metode Tsukamoto diperoleh dari...
Rata-rata aritmetika semua output crisp
. Rata-rata tertimbang berdasarkan derajat keanggotaan
Nilai maksimum dari semua output crisp
Nilai minimum dari semua z
Pada metode Tsukamoto, setiap aturan menghasilkan nilai zᵢ berdasarkan...
Luas area fungsi keanggotaan
Pusat massa
Nilai linguistik dari output
.Derajat keanggotaan hasil inferensi
Bentuk umum aturan dalam metode Sugeno adalah...
.IF–THEN dengan konsekuen berupa fungsi linear
IF–THEN dengan konsekuen linguistik
IF–ELSE dengan konsekuen fuzzy
IF–THEN dengan konsekuen fuzzy
Metode Sugeno pertama kali diperkenalkan oleh siapa?
Michio Sugeno
Suseno Nugrooho
.Takagi–Sugeno-Kang
Ebrahim Mamdani
Jenis Sugeno yang menggunakan konsekuen konstanta disebut...
.Sugeno orde 0
Sugeno orde negatif
Sugeno orde positif
Sugeno orde 0-1
Fuzzy inference system (FIS) terdiri dari:
Basis aturan dan inferensi.
Sensor dan aktuator
Komputer dan printer
Variabel dan konstanta
Contoh pernyataan yang cocok dimodelkan dengan logika fuzzy adalah...
“Bilangan 2 lebih kecil dari 3”
“Air ini agak dingin.”
“x = 10”
“Lampu menyala = 1”
Dalam sistem fuzzy, nilai linguistik seperti “rendah”, “sedang”, “tinggi” digunakan untuk:
Mengaburkan data
Menyederhanakan representasi nilai crisp.
Menentukan probabilitas
Menghapus noise
Pada sistem fuzzy Sugeno, output dari aturan biasanya berupa
Nilai fuzzy
Nilai konstanta atau fungsi linear
Nilai linguistik
Nilai nol
Salah satu aplikasi umum metode Sugeno adalah
Sistem kontrol berbasis bahasa alami
Sistem inferensi untuk data numerik dan adaptif.
Pengenalan pola visual
Logika proposisional klasik
