Materi Pengenalan Fuzzy Logic

 

Dasar Dasar Logika Fuzzy

 

 

Kenapa harus logika fuzzy ?

Logika terdiri dari 2 bagian yaitu

a.      Logika Klasik

Logika klasik ini sering disebut logika Boolean ( 0 atau 1) ,jadi maksudnya jika suatu pernyataan bernilai benar maka bernilai true, sebaliknya jika pernyataan salah maka bernilai 0. Hanya ada dua pilihan pada logika klasik ini tanpa melihat kondisi lain. Dua pilihan sebenarnya kurang tepat untuk menarik sebuah kesimpulan atau tujuan yang diinginkan

 

b.      Logika Fuzzy (logika samar)

Logika Fuzzy menerapkan nilai kedekatan dan memperhatikan toleransi untuk menghasilkan suatu kesimpulan.

 

Siapa penemu logika Fuzzy ?

 

Logika Fuzzy pertama kali diperkenalkan dan dikembangkan oleh Lotfi A. Zadeh lewat tulisannya tahun 1965 terkait teori himpunan Fuzzy. Lotfi A.Zaedah merupakan seorang  ilmuwan Amerika Serikat berkebangsaan Iran bekerja di Universitas California di Barkeley. Logika Fuzzy memang dikembangkan di Amerika, tetapi popularitas logika fuzzy justru di Jepang. Logika Fuzzy diterapkan secara luas oleh ilmuan dan praktisi Jepang dibidang kendali. Bahkan saat ini banyak produk elektronik buatan Jepang yang telah dilengkapi dengan teknologi Fuzzy ,seperti mesin cuci , AC , dan lain-lain.

 

Mengapa logika fuzzy lahir di Amerika tetapi justru di aplikasikan di negara Jepang ?

 

Karena kultur orang Amerika cenderung memandang persoalan sebagai dua sisi hitam atau putih , yes or no , true or false , sukses atau gagal. Intinya mereka menggunakan logika klasik. Sedangkan kultur orang Jepang sangat menerima alas an “keabu-abuan”, atau pemikiran tersebar yang bernilai diantara hitam atau putih, yes or no atau cenderung kepemikiran fuzzy.

 

Secara umum logika fuzzy dapat diterapkan pada kasus-kasus ketidakpastian, ketidaktepatan , banyak gangguan. Logika fuzzy dapat menjembatani Bahasa mesin yang bersifat presisi dengan Bahasa alamiah manusia yang fokus pada makna atau arti.

 

Contoh masalah ketidakpastian

 

Contoh 1 :

Seseorang disebut “tinggi” jika tinggi badannya melebih 170 cm.

 

Bila Budi memiliki tinggi 169,9 cm dan Ali memiliki tinggi badan 165 cm ,apakah mereka dikatergorikan tinggi ?

Namun menurut presepsi manusia , seseorang yang tinggi badannya sekitar 170 cm disebutkan “agak tinggi”

 

Contoh 2 :

Kecepatan “lambat” didefinisikan apabila di bawah 25.0 km/jam.

 

Mobil dengan kecepatan 25,01 km/jam ,dan sepeda dengan kecepatan 24,9 km/jam dapatkah disebut lambat?

Manusi mungkin mengkategorikan kendaraan dengan kecepatan 25,0 km/jam itu “agak pelan” karena perubahannya tidak signifikan.

 

Pada kedua kasus diatas , ketidakpastian disebabkan oleh pengertian “agak” ,”kurang lebih” , “sedikit”, “hampir” dan sebagainya.

 

Contoh Penerapan Logika Fuzzy

·         Tahun 1990 pertama kali mesin cuci dengan logika fuzzy di Jepang.

·         Sistem fuzzy digunakan untuk menentukan putaran yang tepat secara otomatis berdasarkan jenis dan banyaknya kotoran serta jumlah yang akan dicuci.

·         Input yang digunakan : seberapa kotor , jenis kotoran ,banyaknya yang dicuci.

·         Mesin ini menggunakan sensor optic, mengeluarkan cahaya ke air dan mengukur bagaimana cahaya tersebut sampai ke ujung lainnya. Makin kotor , maka sinar sampai makin redup. Sistem juga mampu menentukan jenis kotoran tersebut apakah daki/minyak.

 

Himpunan Fuzzy

Ø  Landasan pengembangan logika fuzzy adalah teori himpunan fuzzy.

Ø  Pada teori himpunan fuzzy , keanggotaan suatu elemen didalam himpunan dinyatakan dengan derajat keanggotaan (membership values) yang nilainya terletak di dalam selang [0,1] dari nol hingga satu.

Ø  Derajat keanggotaan diperoleh dengan menggunakan fungsi keanggotan.

 µ_{A : X à} [0,1] , maksudnya nilai dari 0 hingga 1

bandingkan fungsi keanggotaan pada teori himpunan tegas/klasik

x_{A : X à} {0,1} , maksudnya nilai 0 atau 1

 

Contoh : Misalkan variable umur dibagi menjadi 3 kategori yaitu :

-          Muda umur < 35 tahun

-     Paruhbaya 35 <= umur <= 55 tahun

-          Tua > 55 tahun

 

Nilai keanggotaan secara grafis, himpunan Muda , Paruhbaya ,Tua :

Jika x = 34 tahun à µ_muda (x) = 1

Jika x = 35.5 tahun à µ_muda (x) = 0 à tidak muda

 

Grafik Fungsi Keanggotaan pendekatan fuzzy logic

 

Jika x = 40 à µ_Muda (x) = 0.25 , µ_Paruhbaya (x) = 0.50 , µ_Tua (x) = 0 , yang paling besar nilai µ_Paruhbaya ,maka nilai / umur 40 dapat dikatakan golongan Paruhbaya

 

Jika x = 50 à µ_Muda (x) = 0, µ_Paruhbaya (x) = 0.50 , µ_Tua (x) = 0.25 , yang paling besar nilai µ_Paruhbaya ,maka nilai / umur 50 dapat dikatakan golongan Paruhbaya