Inferensi fuzzy
Jenis-jenis Fuzzy – Inferensi fuzzy adalah proses yang digunakan untuk mengambil keputusan berdasarkan aturan fuzzy yang ditentukan oleh user. Inferensi fuzzy diciptakan oleh Dr. Lotfi A. Zadeh, seorang profesor di Universitas California Berkeley. Dia pertama kali mengenalkan konsep fuzzy set pada tahun 1965 melalui publikasi ilmiahnya, yang kemudian menjadi dasar dari pengembangan teori fuzzy.
Namun, dia tidak sendirian dalam menciptakan inferensi fuzzy, beberapa jenis inferensi fuzzy seperti inferensi Mamdani, Tsukamoto, dan Sugeno dikembangkan oleh ahli-ahli lain dengan menggunakan dasar teori yang dikembangkan oleh Zadeh. Dr. Lotfi A. Zadeh dianggap sebagai “Bapak Fuzzy Logic” karena perannya yang penting dalam pengembangan teori fuzzy.
Lotfi A. Zadeh adalah seorang ilmuwan yang berasal dari Iran, yang saat ini bekerja di Amerika Serikat dan dikenal sebagai salah satu pionir dalam bidang logika fuzzy dan sistem fuzzy. Dia adalah orang yang menemukan konsep fuzzy logic dan sistem fuzzy, serta mengembangkan inferensi Mamdani dan Tsukamoto.
Ada beberapa jenis inferensi fuzzy yang digunakan dalam sistem fuzzy, yaitu inferensi forward, inferensi backward, inferensi Mamdani, inferensi Tsukamoto, dan inferensi Sugeno.
Inferensi Forward
Inferensi forward adalah jenis inferensi fuzzy yang digunakan untuk menentukan output dari sistem fuzzy dengan cara mengevaluasi aturan fuzzy dari input ke output. Kelebihan dari inferensi ini adalah proses inferensi yang cepat, namun kekurangan dari inferensi ini adalah kualitas output bergantung pada kualitas rule base yang digunakan.
Inferensi Backward
Inferensi backward adalah jenis inferensi fuzzy yang digunakan untuk menentukan input dari sistem fuzzy dengan cara mengevaluasi aturan fuzzy dari output ke input. Kelebihan dari inferensi ini adalah kualitas output yang lebih baik karena rule base yang ditentukan oleh user, namun kekurangan dari inferensi ini adalah proses inferensi yang lebih lama.
Inferensi Mamdani
Inferensi Mamdani adalah jenis inferensi fuzzy yang digunakan untuk menentukan output dari sistem fuzzy dengan cara mengevaluasi aturan fuzzy dan menggunakan konsep fuzzy set. Kelebihan dari inferensi ini adalah kualitas output yang lebih baik karena rule base yang ditentukan oleh user dan konsep fuzzy set, namun kekurangan dari inferensi ini adalah proses inferensi yang lebih lama dan kompleks. Inferensi ini diperkenalkan oleh Dr. Mamdani.
Dr. E.H. Mamdani adalah seorang ilmuwan yang berasal dari Tanzania, yang saat ini bekerja di Kanada dan dikenal sebagai salah satu peneliti yang memperkenalkan metode inferensi fuzzy yang dikenal sebagai inferensi Mamdani.
Inferensi Tsukamoto
Inferensi Tsukamoto adalah jenis inferensi fuzzy yang digunakan untuk menentukan output dari sistem fuzzy dengan cara mengevaluasi aturan fuzzy dan menggunakan konsep fuzzy set dan fuzzy relation. Kelebihan dari inferensi ini adalah kualitas output yang lebih baik karena konsep fuzzy set dan fuzzy relation, namun kekurangan dari inferensi ini adalah proses inferensi yang lebih lama dan kompleks. Inferensi ini diperkenalkan oleh Dr. Tsukamoto.
Dr. R. Tsukamoto adalah seorang ilmuwan yang berasal dari Jepang, yang dikenal sebagai peneliti yang memperkenalkan metode inferensi fuzzy yang dikenal sebagai inferensi Tsukamoto.
Inferensi Sugeno
Inferensi Sugeno adalah jenis inferensi fuzzy yang digunakan untuk menentukan output dari sistem fuzzy dengan cara mengevaluasi aturan fuzzy dan menggunakan konsep fungsi linear. Kelebihan dari inferensi ini adalah proses inferensi yang lebih cepat dan mudah karena menggunakan fungsi linear, namun kekurangan dari inferensi ini adalah kualitas output yang bergantung pada kualitas rule base yang digunakan. Inferensi ini diperkenalkan oleh Dr. Sugeno.
Dr. Yoshiteru Sugeno adalah seorang ilmuwan yang berasal dari Jepang, yang dikenal sebagai peneliti yang memperkenalkan metode inferensi fuzzy yang dikenal sebagai inferensi Sugeno.
Tabel Perbandingan
Perbedaan antara 5 jenis inferensi fuzzy yang saya sebutkan sebelumnya adalah sebagai berikut:
Jenis Inferensi Konsep Dasar Kelebihan Kekurangan Inferensi Forward Mencari rule yang sesuai dengan input untuk menghasilkan output Cepat dalam proses inferensi Kualitas output bergantung pada kualitas rule base Inferensi Backward Mencari rule yang sesuai dengan output yang diinginkan untuk menentukan input Kualitas output lebih baik karena rule base yang ditentukan oleh user Proses inferensi lebih lama Inferensi Mamdani Menggabungkan konsep inferensi Forward dan Backward dengan menggunakan konsep fuzzy set Kualitas output lebih baik karena rule base yang ditentukan oleh user dan konsep fuzzy set Proses inferensi lebih lama dan kompleks Inferensi Tsukamoto Menggabungkan konsep inferensi Forward dan Backward dengan menggunakan konsep fuzzy set dan menghitung nilai output dengan menggunakan konsep fuzzy relation Kualitas output lebih baik karena konsep fuzzy set dan fuzzy relation Proses inferensi lebih lama dan kompleks Inferensi Sugeno Menghitung nilai output dengan menggunakan konsep fuzzy relation dan menggunakan pola linier Proses inferensi lebih cepat dan sederhana Kualitas output bergantung pada pola linier yang digunakan
Semua jenis inferensi fuzzy memiliki kelebihan dan kekurangan masing-masing, dan pilihan tergantung pada aplikasi dan kondisi yang digunakan. Semoga artikel Jenis-jenis Fuzzy dan Perbedaannya dapat bermanfaat.
Baca juga: