Logika Fuzzy merupakan suatu logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness) antara benar atau salah. Adalah Profesor Lotfi A. Zadeh guru besar pada University of California, Berkeley yang merupakan pencetus sekaligus yang memasarkan ide tentang cara mekanisme pengolahan atau manajemen ketidakpastian yang kemudian dikenal dengan logika fuzzy. Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy. Lotfi Asker Zadeh adalah seorang ilmuwan Amerika Serikat berkebangsaan Iran.
Logika fuzzy dapat digunakan dalam bidang teori kontrol, teori keputusan, dan beberapa bagian dalam managemen sains. Kelebihan dari logika fuzzy adalah mampu dalam proses penalaran secara bahasa (linguistic reasoning), sehingga dalam perancangannya tidak perlu lagi persamaan matematik dari objek yang dikendalikan. Adapun salah satu contoh dari aplikasi logika fuzzy dalam kehidupan sehari-hari adalah di tahun 1990 pertama kali dibuat mesin cuci dengan logika fuzzy di Jepang (Matsushita Electric Industrial Company). Sistem fuzzy digunakan untuk menentukan putaran yang tepat secara otomatis berdasarkan jenis dan banyaknya kotoran serta jumlah yang akan dicuci. Input yang digunakan adalah: seberapa kotor, jenis kotoran, dan banyaknya yang dicuci. Mesin ini menggunakan sensor optik, mengeluarkan cahaya ke air dan mengukur bagaimana cahaya tersebut sampai ke ujung lainnya. Makin kotor, maka sinar yang sampai semakin redup.
2. Konsep Dasar Fuzzy Logic [kembali]
Konsep
Dasar
·
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 2. Logika fuzzy
menggantikan kebenaran boolean dengan tingkat kebenaran Ada nilai diantara
hitam dan putih (abu-abu).
3. Metode Desain Sistem Fuzzy Logic [kembali]
Ada tiga proses
utama jika ingin mengimplementasikan fuzzy logic pada suatu perangkat, yaitu
fuzzifikasi, evaluasi rule, dan defuzzifikasi.
1.
Fuzzification, merupakan suatu proses untuk mengubah suatu masukan dari bentuk
tegas (crisp) menjadi fuzzy yang biasanya disajikan dalam bentuk
himpunan-himpunan fuzzy dengan suatu fungsi kenggotaannya masing-masing.
2.
Interference System
(Evaluasi Rule), merupakan sebagai acuan untuk
menjelaskan hubungan antara variable-variabel masukan dan keluaran yang mana
variabel yang diproses dan yang dihasilkan berbentuk fuzzy. Untuk menjelaskan
hubungan antara masukan dan keluaran biasanya menggunakan “IF-THEN”.
3. Defuzzification, merupakan proses pengubahan variabel berbentuk fuzzy tersebut menjadi data-data pasti (crisp) yang dapat dikirimkan ke peralatan pengendalian.
Contoh-contoh
masalah yang mengandung ketidakpastian:
1.
Seseorang dikatakan “tinggi”
jika tinggi badannya lebih dari 1,7 meter. Bagaimana dengan orang yang
mempunyai tinggi badan 1,6999 meter atau 1,65 meter, apakah termasuk kategori
orang tinggi? Menurut persepsi manusia, orang yang mempunyai tinggi badan
sekitar 1,7 meter dikatakan “kurang lebih tinggi” atau “agak tinggi”.
2.
Kecepatan “pelan” didefinisikan
di bawah 20 km/jam. Bagaimana dengan
kecepatan 20,001 km/jam, apakah masih dapat dikatakan pelan? Manusia mungkin mengatakan bahwa kecepatan
20,001 km/jam itu “agak pelan”. Ketidapastian dalam kasus –kasus ini disebabkan
oleh kaburnya pengertian “agak”, “kurang lebih”, “sedikit”, dan sebagainya .
Himpunan Crisp (Tegas) Nilai keanggotaan suatu item x dalam suatu himpunanA, ditulis mA[x], memiliki 2 kemungkinan: Satu (1): berarti bahwa suatu item menjadi anggota dalam suatu himpunan Nol (0): berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.
4. Contoh Penyelesaian Fuzzy Logic [kembali]
Contoh: S = {1,
2, 3, 4, 5} adalah semesta pembicaraan A = {1, 2, 3} dan B = {3, 4, 5} Bisa dikatakan bahwa:
5. Video Fuzzy Logic Theory [kembali]
No comments:
Post a Comment