728x90 AdSpace

  • Latest News

    24/05/2013

    Pengertian Logika Fuzzy

    AksFullShare-Fuzzy secara bahasa dapat diartikan samar, dengan kata lain Logika Fuzzy adalah logika yang samar. Dimana pada logika fuzzy suatu nilai dapat bernilai 'true' dan 'false' secara bersamaan. Tingkat 'true' atau 'false' nilai dalam logika fuzzy tergantung pada bobot keanggotaan yang dimilikinya.

    Logika fuzzy memiliki derajat keanggotaan rentang antara 0 hingga 1, berbeda dengan logika digital yang hanya memiliki dua keanggotaan 0 atau 1 saja pada satu waktu. Logika fuzzy sering digunakan untuk mengekspresikan suatu nilai yang diterjemahkan dalam bahasa (linguistic), semisal untuk mengekspresikan suhu dalam ruangan apakah ruangan tersebut dingin, hangat, atau panas. Logika fuzzy Ini pertama kali diformulasikan dalam sebuah seminar oleh Lotfi A Zadeh dari University of Califonia, Berkeley tahun 1965.

    Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input dalam suatu ruang output dan memiliki nilai yang berlanjut. Kelebihan logika fuzzy ada pada kemampuan penalaran secara bahasa. Sehingga, dalam perancangannya tidak memerlukan persamaan matematis yang kompleks dari objek yang akan dikendalikan.

    Ada beberapa alasan mengapa orang menggunakan logika fuzzy (Kusumadewi S, Purnomo H, 2010) antara lain :
    1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti. 
    2. Logika fuzzy sangat fleksibel. 
    3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat. 
    4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks. 
    5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman- pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. 
    6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
    7. Logika fuzzy didasarkan pada bahasa alami.


    Himpunan Fuzzy

    Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan (X), memiliki dua kemungkinan, yaitu:

    1. Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau
    2. Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.

    Contoh:
    Misalkan variabel umur dibagi menjadi tiga kategori, yaitu:

    • MUDA                        umur < 35 tahun
    • PAROBAYA               35 ≤ umur ≤ 55 tahun
    • TUA                            umur > 55 tahun

    Dari kategori diatas dapat dijelaskan bahwa:
    1. Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA ( (34)=1)
    2. Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA ( (35)=0)
    3. Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK MUDA ( (35-1 hari)=1)
    4. Apabila seseorang berusia 35 tahun, maka ia dikatakan PAROBAYA ( (34)=1)
    5. Apabila seseorang berusia 34 tahun, maka ia dikatakan TIDAK PAROBAYA ( (34)=0)
    6. Apabila seseorang berusia 55 tahun, maka ia dikatakan PAROBAYA ( (55)=1)
    7. Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK PAROBAYA ( (35-1 hari)=0)

    Dari sini dapat dikatakan bahwa pemakaian himpunan crisp untuk menyatakan umur sangat tidak adil. Adanya perubahan kecil saja pada suatu nilai mengakibatkan perbedaan kategori yang cukup signifikan.
    Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut. Seseorang dapat masuk dalam dua himpunan yang berbeda, MUDA dan PAROBAYA, PAROBAYA dan TUA, dan sebagainya. Seberapa besar eksistensinya dalam himpunan tersebut dapat dilihat pada nilai keanggotaanya. 

    Gambar berikut menunjukkan himpunan fuzzy untuk variabel umur :


    Pada gambar diatas, dapat dilihat bahwa:
    1. Seseorang yang berumur 40 tahun, termasuk dalam himpunan MUDA dengan ( (40) = 0,25); namun dia juga termasuk dalam himpunan PAROBAYA ( (40) = 0,5).
    2. Seseorang yang berumur 50 tahun, termasuk dalam himpunan TUA dengan ( (50) = 0,25); namun dia juga termasuk dalam himpunan PAROBAYA ( (50)=0,5).

    Himpunan fuzzy memiliki 2 atribut : 
    1. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti : MUDA, PAROBAYA, TUA
    2. Numeris, yaitu suatu nilai (angka) yang menunjukan ukuran dari suatu variabel seperti : 40, 25, 35
    Hal-hal yang terdapat pada sistem fuzzy : 
    • Variabel Fuzzy, merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy, seperti umur, temperatur, dsb 
    • Himpunan Fuzzy, merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy 
    • Semesta Pembicaraan, adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy 
    • Domain, adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.
    Fungsi Keanggotaan Himpunan Fuzzy (Membership Function)
    Adalah suatu fungsi (kurva) yang menunjukkan pemetaan titik- titik input data ke dalam nilai keanggotaannya (derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Ada beberapa fungsi yang bisa digunakan : 
    1. Linier 
    2. Segitiga 
    3. Trapesium 
    4. Sigmoid
    5. Phi
    Operasi Logika (Operasi Himpunan Fuzzy)
    Operasi logika adalah operasi yang mengkombinasikan dan memodifikasi 2 atau lebih himpunan fuzzy. 
    Nilai keanggotaan baru hasil operasi dua himpunan disebut firing strength atau αpredikat, terdapat 3 operasi dasar pada himpunan fuzzy : 
    1. OR (Union) : Fuzzy union (∪): union dari 2 himpunan adalah maksimum dari tiap pasang elemen  element pada kedua himpunan.
    2. AND (Intersection) : Fuzzy intersection (∩): irisan dari 2 himpunan fuzzy adalah minimum dari tiap pasang elemen pada kedua himpunan.
    3. NOT (Complement).
    Sistem Inferensi Fuzzy 

    Metode Tsukamoto 
    Setiap konsekuen pada aturan yang berbentu IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas berdasarkan α-predikat. Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot.

    Metode Mamdani 
    Sering dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output diperlukan 4 tahapan : 
    1. Pembentukan himpunan fuzzy ¾ Variabel input maupun output dibagi menjadi satu atau lebih himpunan 
    2. Aplikasi fungsi implikasi ¾ Fungsi implikasi yang digunakan adalah Min
    3. Komposisi aturan ¾ Ada tiga metode yang digunakan dalam melakukan inferensi sisten fuzzy yaitu: Metode Max, Metode Additive (SUM) dan  Metode Probabilistik OR.
    4. Penegasan (defuzzy) ¾ Input dari defuzzifikasi adalah suatu himpunan yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut.

    • Blogger Comments
    • Facebook Comments

    0 Komentar Yang Masuk:

    Post a Comment

    Ingat !!! Jangan Hanya Bisa Berkomentar, Berikanlah Solusi Dari Komentar Anda. Thanks

    Item Reviewed: Pengertian Logika Fuzzy Rating: 5 Reviewed By: Ahmad Kurniawan Siddik
    Scroll to Top