Pengertian Logika Fuzzy dan Contoh Logika Fuzzy

By Posted on

Belajar Logika Fuzzy

Pengertian logika fuzzy dan contoh logika fuzzy  – Penalaran manusia merupakan penalaran yang tidak tetap. Terkadang manusia dengan manusia yang lain jika melihat sesuatu objek, nalar nya akan berbeda.

Didalam sistem kontrol, secara dasar hanya bisa diberi dan mengeluarkan nalar benar atau salah, true or false atau 0 atau 1.

Dengan berkembangnya teknologi, sistem kontrol disematkan metode pengambilan keputusan dengan pendekatan nalar manusia.

Salah satu metode yang digunakan adalah menggunakan logika Fuzzy.

A. Pengertian Logika Fuzzy

Berdasarkan namanya, Fuzzy artinya samar-samar, kabur, tidak jelas, tidak tepat atau berubah-ubah nilainya . Contohnya beg: Ketika kita berjalan di suatu daerah, terdapat banyak bangunan saling bersebelahan. Bangunan memiliki tinggi yang tidak sama seperti yang ditunjukkan pada gambar berikut:
Pengertian Logika Fuzzy dan Contoh Logika Fuzzy
Dari beberapa foto diatas, kita dapat melihat banyaknya bangunan. Ada yang sangat rendah, rendah, sedang, tinggi dan sangat tinggi. Namun apa faktor atau patokan nilai yang dikatakan rendah hingga tinggi tersebut? Tidak ada. Di fikiran kita hanyalah, ketika satu bangunan tingginya lebih tinggi dari bangunan disebelahnya, maka kita sebut itu bangunan tertinggi, iya kan? Nah, karena nilainya tidak ada ketetapan atau tidak jelas atau samar-samar disebut dengan Fuzzy. Logika Fuzzy adalah logika yang mendeskripsikan fuzzy tersebut. Jika kita bermain dengan Logika Digital, maka kita akan bermain logika benar atau salah, iya atau tidak, 1 atau  0. Berbeda dengan Logika Fuzzy, suatu nilai, bisa menjadi benar, bisa jadi salah, mungkin benar, mungkin salah, sedikit salah, sedikit benar, hampir salah, hampir benar dan sebagainya. Contoh lain, jika didalam logika digital kita pasti akan menerima 2 jenis data saja yaitu data benar (1) dan data salah (0). Logika Fuzzy memungkinkan mengambil data antara 0 hingga 1, contohnya 0.2, 0.43, 0.84, 0.91 dan sebagainya. Didalam praktiknya, logika Fuzzy bekerja dengan meniru cara manusia (nalar manusia), dengan menggabungkan pengetahuan manusia dan menarik kesimpulan untuk mendapatkan keputusan. Ini sebenarnya merupakan logika yang telah lama ada dan sering digunakan dalam otak manusia. Namun istilah logika Fuzzy di perkenalkan pada tahun 1965 oleh Lofti A. Zadeh dalam ilmu teknik.

B. Dimana aplikasi Logika Fuzzy bisa diterapkan?

Karena logika fuzzy merupakan logika pendekatan nalar manusia, aplikasi yang dapat di benamkan logika fuzzy sangatlah banyak.
Seperti:
  • Sistem kontrol robotik
  • Sistem kontrol produksi
  • Sistem kontrol satelit
  • Sistem kontrol peralatan rumah tangga seperti fuzzy logic in washing machine, fuzzy logic rice cooker
  • Sistem kontrol fuzzy logic in artificial intelligence
  • Transportasi
  • Kedokteran
  • Bidang Luar angkasa dan dirgantara
  • Bidang Ekonomo
  • dan masih banyak lagi

C. Istilah Fuzzy VS Crisp

Didalam logika Fuzzy, kita akan mengenal istilah “Crisp” yang berarti Jelas, Tepat, atau Tegas. Ini merupakan kebalikan dari Fuzzy.
Contoh Crisp:
Pertanyaan: Apakah bangunan itu tinggi?
Jawabannya : Ya atau Tidak
Nah, jawaban Ya atau Tidak , merupakan jawaban yang jelas, tidak samar-samar.
Jadi, jawaban Ya atau Tidak termasuk ke dalam logika Boolean.
Jika diberi nilai:
  • Ya = 1
  • Tidak = 0
Maka:
Logika Crisp =  Logika Boolean = Logika Digital
Sekarang mari kita lihat Contoh Fuzzy:
Pertanyaan: Apakah bangunan itu tinggi?
Jawabannya: Iya atau agak tinggi atau tingginya sedang atau kurang tinggi atau tidak tinggi.
Jadi misalnya kita ubah kedalam matematika dan jika diberi  nilai, maka gambarannya adalah sebagai berikut:
  • Ya = 1
  • Agak tinggi = 0.75
  • Tingginya sedang = 0.5
  • Kurang Tinggi = 0.25
  • Tidak tinggi = 0
Ingat! Logika Fuzzy merupakan rentang nilai antara 0 hingga 1 ya…
Nanti nilai diatas akan kita gunakan dalam pemrograman yang dikumpulkan kedalam Fuzzy set.

D. Apa yang dimaksud Fuzzy Set?

Didalam pengoperasian logika Fuzzy, tentu ada nilai input yang digunakan untuk mendapatkan nilai output.
Misalnya pada contoh di atas tentang bangunan tinggi, Ya = 1 atua Tidak = 0.
Maka didalam pemrograman, umumnya jika ditulis:
if (bangunan == 1)
{
  // maka bangunan adalah tinggi
}
else
{
  //bangunan adalah tidak tinggi
}
Gaya tulisan pemrograman di atas disebut dengan gaya pemrograman tradisional atau umum, bukan gaya pemrogaman logika Fuzzy.
Dialam pemrograman logika Fuzzy, dikenal dengan istila Fuzzy Set.
Fuzzy set adalah rentang nilai input dari 0 hingga 1.
Contoh bangunan diatas:
  • Ya memiliki nilai 1
  • Agak tinggi, memiliki rentang nilai 0.75 – 0.99
  • Tingginya sedang, memiliki rentang nilai 0.50 – 0.74
  • Kurang Tinggi, memiliki rentang nilai 0.25 – 0.49
  • Tidak tinggi, memiliki rentang nilai 0.00 – 0.24
Nah, rentang nilai input tersebut adalah Fuzzy Set.
Maka jika kita tulis kedalam bahasa pemgrograman logika Fuzzy, maka contoh  programnya adalah sebagai berikut:
if (bangunan == 1)
{
  // maka bangunan adalah tinggi
}
else if ((bangunan >= 0.75) && (bangunan <= 0.99))
{
  //bangunan agak tinggi
}
else if ((bangunan >= 0.50) && (bangunan <= 0.74))
{
  //bangunan tingginya sedang
}
else if ((bangunan >= 0.25) && (bangunan <= 0.49))
{
  //bangunan kurang tinggi
}
else
{
  //bangunan tidak tinggi
}
Namun, program diatas, bukanlah program baku yang akan dipakai dalam pemrograman Fuzzy. Itu hanya sebagai contoh untuk lebih memahami.

E. Aturan Logika Fuzzy

Didalam logika Fuzzy ada istilah Fuzzy Inference System (FIS). Fuzzy Inference System adalah proses untuk mendapatkan output dari logika Fuzzy. Proses membutuhkan aturan atau tahapan proses. Aturan logika fuzzy digambarkan pada sebuah diagram. Umumnya, diagram disebut juga dengan Artitektur Logika Fuzzy. Ada 4 blog dasar dari arsitektur logika Fuzzy, yaitu Fuzzifikasi, Intelijen, Rules, dan DeFuzzifikasi yang dapat anda lihat sebagai berikut:
Pengertian Logika Fuzzy dan Contoh Logika Fuzzy
Keterangan:
  • Fuzzification adalah proses dimana input Crisp menjadi Fuzzy, nilai 0 dan 1 menjadi 0 hingga 1.
  • Rules adalah aturan yang berisi kondisi atau aturan tertentu untuk proses seperti: Jika, Maka, Atau, Dan, While, Then, dll
  • Intelligence adalah proses untuk menentukan tingkat kecocokan antara input Fuzzy dengan Rules. Kecocokan digambarkan dalam %. Setelah itu, keluaran akan berbentuk Fuzzy.
  • Defuzzifikasi adalah proses dimana input Fuzzy diubah menjadi OutPut Crisp.
Semoga artikel pengertian logika fuzzy ini bermanfaat.
Jika anda sudah memahami dasar2 logika fuzzy, anda dapat mempelajari Kecerdasan Buatan dan apa bedanya dengan Machine Learning. Buku-buku logika Fuzzy:
  1. Fuzzy Sets and Fuzzy Logic (Theory and Application). George J. Klir/Bo Yuan
  2. Instroduction to Fuzzy Sets, Fuzzy Logic, and Fuzzy Control Systems. Guanrong Chen & Trung Tat Pham
  3. Fuzzy Logic with Engineering Application. Timonty J. Rosss
  4. Design of Intelligent Systems Based on Fuzzy Logic, Neural Networks and Nature-Inspired Optimization. Patricia Melin, Oscar Castilo, Janusz Kacprzyk
  5. Fuzzy Logic Models and Fuzzy Control An Instroduction, D. S. Hooda, Vivek Raich.
  6. Fuzzy Logic Toolbox User’s Guide Matlab
  7. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Sri Kusumadewi, Hari Purnomo.
Sumber :
  1. Performance Comparison Between PID and Fuzzy Algorithm for Sun Tracker Based on Tetrahedron Geometry Sensor, Yuwaldi Away dkk.
  2. eMathTeacher: Metode Inferensi Fuzzy Mamdani
  3. Pemodelan Dasar Sistem Fuzzy
  4. Metode Fuzzy Logic (Logika Fuzzy) untuk Mendukung Keputusan
  5. Artificial Intelligence – Fuzzy Logic Systems