Perhitungan Sederhana ANFIS Oleh Arsyil [PDF]

Citation preview

Perhitungan Sederhana ANFIS Oleh: Arsyil Hendra Saputra / J2E008009 – Universitas Diponegoro



Misalkan diberikan data runtun waktu sebanyak 8 buah: 1 3



t Zt



2 5



3 4



4 2



5 6



6 5



7 7



8 4



Diberikan input ANFIS berupa Zt-1 dan Zt-2 sedangkan output berupa Zt: Data ke1 2 3 4 5 6



Zt-2



Zt-1



Zt



3 5 4 2 6 5



5 4 2 6 5 7



4 2 6 5 7 4



Misalkan jumlah klaster yang dicobakan adalah 2, maka aturan pada ANFIS basis aturan model Sugeno: If Zt-2 is A1 and Zt-1 is B1 then Zt = p1Zt-2 + q1Zt-1 + r1 If Zt-2 is A2 and Zt-1 is B2 then Zt = p2Zt-2 + q2Zt-1 + r2 Hasil clustering dengan algoritma FCM: Data ke1 2 3 4 5 6



Derajat keanggotaan Zt-2 Zt-1 0.93403 0.06597 0.674176 0.325824 0.175299 0.824701 0.785267 0.214733 0.210751 0.789249 0.78891 0.21109



Kecenderungan masuk cluster C1 C2 * * * * * *



Lapisan 1: Misalkan digunakan fungsi keanggotaan Generalized Bell (gbellmf): ( )= 1+



1 −



Arsyil Hendra Saputra | arsyil.blogspot.com | 1



Ditentukan b=1 dan sebagai inisialisasi dari nilai a dan c, digunakan nilai mean dan standard deviasi, dihitung: C1



Data ke-



Zt-2 3 5



Zt-1 5 4



2



6



5 3.75 1.500



mean sd



C2



7 5.5 1.291



Zt-2



Zt-1



4



2



6



5



5 1.414



3.5 2.121



Maka dihitung neuron dari lapisan 1: 1



( )= 1+



Z



− 3.75 1.500 1



( )= 1+



Z



−5 1.414



;



;



1



( )= 1+



Z



− 5.5 1.291 1



( )= 1+



Z



− 3.5 2.121



Output lapisan 1 berupa derajat keanggotaan setiap data, hasilnya: Data ke1 2 3 4 5 6



Derajat keanggotaan 0.800 0.590 0.973 0.424 0.308 0.590



0.211 0.870 0.426 0.120 0.870 0.870



1.000 0.667 0.182 0.667 1.000 0.333



0.667 0.947 0.667 0.419 0.667 0.269



Lapisan 2: = Data ke1 2 3 4



( ).



( ) ;



=



( ).



( )



Output lapisan 2 w1 w2 0.800 0.140 0.393 0.824 0.177 0.284 0.282 0.050



Arsyil Hendra Saputra | arsyil.blogspot.com | 2



5 6



0.308 0.197



0.580 0.234



Lapisan 3: =



;



+



=



+



Output lapisan 3



Data ke1 2 3 4 5 6



0.851 0.323 0.384 0.849 0.347 0.457



0.149 0.677 0.616 0.151 0.653 0.543



Lapisan 4:



Data ke1 2 3 4 5 6



=



( Z



+



Z



+



)=(



Z



)



+(



Z



)



+



=



( Z



+



Z



+



)=(



Z



)



+(



Z



)



+



Z



Z



2.552 1.616 1.536 1.698 2.080 2.286



4.254 1.293 0.768 5.095 1.734 3.200



0.851 0.323 0.384 0.849 0.347 0.457



Z



Z



0.448 3.384 2.464 0.302 3.920 2.714



0.746 2.707 1.232 0.905 3.266 3.800



0.149 0.677 0.616 0.151 0.653 0.543



Estimasi parameter konsekuen (p1, q1, r1, p2, q2, r2) dengan LSE rekursif: A= 2.552 1.616 1.536 1.698 2.080 2.286



4.254 1.293 0.768 5.095 1.734 3.200



0.851 0.323 0.384 0.849 0.347 0.457



0.448 3.384 2.464 0.302 3.920 2.714



0.746 2.707 1.232 0.905 3.266 3.800



Arsyil Hendra Saputra | arsyil.blogspot.com | 3



0.149 0.677 0.616 0.151 0.653 0.543



y= 4 2 6 5 7 4 = p1 q1 r1 p1 q1 r1 =(



Dihitung



)



, diperoleh:



35.505 44.993 -314.898 4.361 -41.591 127.172 Dengan demikian, nilai parameter diperoleh: p1 = 35.505, q1 = 44.993, r1 = -314.898, p2 = 4.361, q2 = -41.591, r2 = 127.172



Lapisan 5 Data ke-



Zt target



1



4



2 3 4 5 6



2 6 5 7 4



( Z ) +( Z ) + + ( Z ) +( Z ) + 2.552*35.505+4.254*44.993+ 0.851*(-314.898)+0.448*4.361+ 0.746*(-41.591)+0.149*127.172 dst. dst. dst. dst. dst.



Zt output



Error



4



-4.99E-12



2 6 5 7 4



-9.96E-12 5.47E-12 1.40E-12 1.22E-12 -1.52E-12



Estimasi parameter premis (a,c) dengan model propagasi error gradient descent.



Arsyil Hendra Saputra | arsyil.blogspot.com | 4