Apa itu Logika Fuzzy (Fuzzy Logic)

Dalam bahasa kehidupan manusia sehari-harinya. Banyak percakapan yang menggunakan kalimat tidak pasti dalam suatu hal. Semisal, "Sepertinya teh ini terlalu panas", "Hampir semua pemain sepakbola berkecukupan". Oke, sedangkan komputer sejauh yang kita tahu hanya memiliki 2 keputusan ya atau tidak, 1 atau 0, True atau False. Contoh yang lain misalkan seseorang dikatakan muda jika berumur kurang dari 35 tahun dan dikatakan tua jika lebih dari itu. Nah adilkah kita mengatakan umur 36 tahun sebagai orang yang berumur tua padahal ada orang berumur 35 tahun dikatakan muda. Jadi apa itu sebenarnya fuzzy itu ?, bagaimana fuzzy memecahkan persoalan keputusan yang samar.

Definisi

Logika Fuzzy adalah peningkatan dari logika Boolean yang berhadapan dengan konsep kebenaran sebagian. Saat logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah biner (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran.(Wikipedia)

logika Fuzzy adalah teknik/ metode yang dipakai untuk mengatasi hal yang tidak pasti pada masalah – masalah yang mempunyai banyak jawaban.(http://www.temukanpengertian.com)

Konsep Dasar Fuzzy

Logika fuzzy bukanlah logika yang tidak jelas (kabur), tetapi logika yang digunakan untuk menggambarkan ketidakjelasan.
Logika fuzzy adalah teori himpunan fuzzy, himpunan yang mengkalibrasi ketidakjelasan.
Logika fuzzy didasarkan pada gagasan bahwa segala sesuatu mempunyai nilai derajat.
Logika Fuzzy merupakan peningkatan dari logika Boolean yang mengenalkan konsep kebenaran sebagian.

Logika klasik (Crisp Logic) menyatakan bahwa segala hal dapat diekspresikan dalam istilah binary (0 atau 1, hitam atau putih, ya atau tidak) Tidak ada nilai diantaranya
Logika fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran Ada nilai diantara hitam dan putih (abu-abu)

Alasan Penggunaan Fuzzy

Mudah dimengerti, konsep matematisnya sederhana
Sangat Fleksibel
Memiliki toleransi terhadap data-data yang tidak tepat (kabur)
Mampu memodelkan fungsi-fungsi non-linear yang sangat kompleks.
Dapat menerapkan pengalaman pakar secara langsung tanpa proses pelatihan.
Dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
Didasarkan pada bahasa alami

Proses Kerja

Tahapan-tahapan dari proses fuzzy sendiri adalah sebagai berikut:

Fuzzification : Proses pengubahan nilai skalar menjadi nilai fuzzy. Proses menerjemahkan nilai crisp input yang berasal dari kehidupan sehari-hari, semisal umur 17 tahun, tinggi 170 cm ke dalam fungsi keanggotaan. Sehingga masing-masing nilai tersebut menjadi nilai fuzzy atau biasa dilambangkan menjadi (µ).

Contoh :

Nilai real suhu ruangan : 36 oF, suhu tersebut kalau diukur kira-kira seberapa dingin?.
Seberapa dingin tersebut bisa dilihat dari fungsi keanggotaan (biasanya disediakan kalau dalam soal).

Untuk :

Suhu 37oF ternyata dia masuk ke dalam 2 kriteria (Freezing dan Cool). Nah dari data tersebut ternyata untuk Freezing nilainya 0,7. Nilai 0,7 ini merupakan nilai fuzzy. Begitu pula nilai 0,3 untuk kriteria Cool, ini juga merupakan nilai fuzzy. Sehingga dari data tersebut nilai µfreezing = 0,7 dan µCool = 0,3. Bagaimana cara mendapatkan nilai tersebut dari grafik keanggotaan ? gunakan fungsi persamaan garis yang di bahas lebih rinci di postingan fuzzification. Jadi intinya fuzzification itu adalah pengubahan nilai skalar (real di kehidupan) yang diubah ke dalam nilai fuzzy.

Inference : Sebuah aturan yang memproses nilai-nilai fuzzy tadi selayaknya manusia dalam hal proses penalaran. Simpelnya begini, misalkan ada 2 variabel di kehidupan nyata sebagai inputan, suhu dan sisa token listrik. Dan 1 variabel output yaitu nyalakan AC atau Kipas angin. Misal suhu ternyata panas dan token listrik banyak maka nyalakan AC. Misal lagi, suhu panas dan token listrik sedikit maka nyalakan AC, dsb.

Untuk Inference ini biasa kita kenal dengan nama Fuzzy Inference System (FIS). FIS ini terdapat banyak metode semisal yang terkenal itu Mamdani dan Sugeno. FIS ini juga berperan penting untuk penyelesaian tipe kasus. Jadi, kasus ini lebih cocoknya pakai metode FIS apa dsb. Nilai dari FIS ini akan berpengaruh kepada proses selanjutnya dan keputusan akhir. Untuk bahasan lebih lanjut bisa baca Fuzzy Inference System (FIS).

Defuzzyfication : yaitu proses untuk memproduksi yang berasal dari proses fuzzy ke dalam suatu nilai yang dimengerti oleh kita (nilai yang bisa di mengerti seperti halnya nilai crisp logic). Contohnya : setelah dihitung-hitung ternyata output akhirnya adalah nyalakan AC (untuk kasus sebelumnya). Bisa dibilang defuzzyfication merupakan hasil yang bisa dijadikan keputusan.

Masalah apa saja yang bisa dipecahkan oleh metode fuzzy ?

Banyak masalah yang dipecahkan melalui metode fuzzy ini banyak juga yang tidak. Sebenarnya, metode fuzzy ini lebih ke proses optimasi sebuah keputusan. Untuk contoh penerapan metode fuzzy yang sudah dilakukan :

Tahun 1990, mesin cuci otomatis di Jepang menggunakan logika fuzzy. Menggunakan sensor untuk mendeteksi kotoran pada pakaian. Inputnya: tingkat kekotoran, jenis kotoran dan banyaknya cucian. Outputnya: menentukan putaran putaran yang tepat secara otomatis.
Fuzzy logic sudah diterapkan pada banyak bidang, mulai dari teori kendali hingga inteligensia buatan. Dunia kedokteran dan biologi : Diagnosis penyakit pasien, penelitian kanker, dsb.
Manajemen pengambilan keputusan.
Manajemen basis data untuk query data
Tata letak pabrik yang maksimal
Penentuan jumlah produksi berdasarkan jumlah stok dan permintaan.
Klasifikasi dan pencocokan pola.
Mengukur kualitas air, peramalan cuaca, dsb.

sumber :

https://s3.amazonaws.com/lowres.cartoonstock.com/old-age-retirement-skateboard-skateboarding-skaters-zimmer_frames-walking_frames-mlyn1917_low.jpg
Suyanto, S. Dwi M. PPT Fuzzy Logic.
dsb (karena keterbatasan patokan sumber referensi).

Anda juga bisa mendownload file PDFnya DISINI
Sekian kurang lebihnya mohon maaf dan terimakasih

Lokasi:

Sufyan97