Tupro_Fuzzy

Dalam Program :

1. Membaca Data

2. Fuzzification

3. Defuzzification

4. Output ke File

Langkah - Langkah :

1. Jumlah dan Nama Linguistik Setiap Atribut Input

    untuk kategori "Harga" terdapat 3 batas yang digunakan dengan label ["Murah", "Sedang", "Mahal"]
    untuk kategori "Servis" terdapat 4 batas yang digunakan dengan label ["Buruk", "Biasa", "Bagus", "Sangat Bagus"]
   

2. Bentuk dan Batas Fungsi Keanggotaan Input

    Bentuk untuk Fuzzy Set : 
    1) Bentuk Trapesium. (((x-d)/(d-c))*(-1)) dan (x-a)/(b-a)
    2) Bentuk Segitiga.
   
    Fuzzy set untuk kategori "Harga" rentang [1,10] :
    1) Murah  (c = 3, d = 5)
    2) Sedang (a = 3, b = 5, c = 7)
    3) Mahal  (a = 5, b = 7)
   
    Fuzzy set untuk kategoti "Servis" rentang [1,100] :
    1) Buruk        (c = 15, d = 25)
    2) Biasa        (a = 15, b = 25, c = 45, d = 55)
    3) Bagus        (a = 45, b = 55, c = 75, d = 85)
    4) Sangat Bagus (a = 75, b = 85)
   

3. Aturan Inferensi

    Dengan kombinasi yang ada kami mengelompokkan dalam 3 kategori :
    1) Buruk : (Buruk & Mahal), (Buruk & Sedang), (Biasa & Mahal)
    2) Biasa : (Sangat Bagus & Mahal), (Buruk & Murah), (Biasa & Sedang), (Biasa & Murah), (Bagus & Mahal), (Bagus & Sedang)
    3) Bagus : (Sangat Bagus & Murah), (Sangat Bagus & Sedang), (Bagus & Murah)
   

4. Metode Defuzzification

    1) Model Sugeno  (Metode yang dipilih)
    2) Model Mamdani (x)
   

5. Bentuk dan Batas Fungsi Keanggotaan Output (sesuai metode Defuzzification)

    Menggunakan model sugeno dengan batasan :
    1) Buruk [25]
    2) Biasa [50]
    3) Bagus [75]