FUZZY LOGIC
Logika
fuzzy pertama kali diformulasikan dalam sebuah seminar oleh Lotfi A Zadehdari
University of Califonia, Berkeley tahun 1965. Metode ini diformulasikan dalam
rangka mencari nilai tengah antara bilangan Aristoteles 0 dan 1. Logika biner 0
atau 1 dasarnya berfikirnya adalah dari filsuf Aristoteles yang mengajarkan
hukum berfikir bahwa sesuatunya mesti tergolong benar atau salah. Logika biner
hanya mengenal on atau off, hidup atau mati, gelap atau terang, benar atau
salah.Tidak ada yang samar-samar, tidak ada abu-abu yang ada hanya hitam atau
putih. Jika tidak 1 maka 0, jika tidak gelap berarti terang dan ini adalah
sesuatu yang logis. Dan ini juga yang menjadi dasar perkembangan teknologi
digital saat ini.
Hal
itu seiring dengan usaha untuk membuat komputer yang bekerja seperti cara
manusia berfikir. Sebab komputer pada dasarnya adalah sebuah mesin hitung yang
tidak berfikir. Sebelumnya Plato sudah mencetuskan ide adanya daerah ketiga
diantara benar dan salah. Ini yang menjadi dasar logika fuzzy yang
memformulasikan bilangan antara 0 dan 1 atau lebih tepat antara 0.0 dan 1.0. Dapat
disimpulkan Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu
ruang input ke dalam suatu ruang output.
Contoh:
1.
Manajer pergudangan mengatakan pada manajer
produksi seberapa banyak persediaan barang pada akhir minggu ini, kemudian
manajer produksi akan menetapkan jumlah barang yang harus diproduksi esok hari
2.
Pelayan restoran memberikan pelayanan
terhadap tamu, kemudian tamu akan memberikan tip yang sesuai atas baik tidaknya
pelayanan yang diberikan.
3.
Penumpang taksi berkata pada sopir taksi
seberapa cepat laju kendaraan yang diinginkan, sopir taksi akan mengatur
pijakan gas taksinya.
Salah satu contoh
pemetaan suatu input-output dalam bentuk grafis seperti terlihat dibawah ini:
Alasan digunakannya
Logika Fuzzy :
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 non linear 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.
APLIKASI.
1.
Pada 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. Selain mesin cuci
Mesin cuci otomatis satu tabung yang muktahir saat ini sering mencantumkan kata
fuzzy logic sebagai bagian dari promosinya. Cara kerjanya gampang, tinggal
memasukkan baju kotor kedalam tabungnnya, tekan satu atau beberapa tombol dan
mesin ini akan melakukan sisanya untuk anda. Mengisi air dengan jumlah yang
cukup, mengisi deterjen dan mencuci dengan waktu yang sesuai. Mesin ini bekerja
meniru cara ibu rumah tangga mencuci dengan mesin cuci konvensional. Ibu rumah
tangga akan mengisi air dan deterjen yang secukupnya sesuai dengan banyaknya
baju yang hendak dicuci agar lebih hemat, lalu memutar timer yang sesuai dengan
tingkat kekotoran pakaian. Jika pakaian lebih kotor maka timer dibuat lebih
lama. Di sini lah contohnya metode logika fuzzy dipakai, dengan menjawab
pernyataan jika dan maka (IF THEN). Jika pakaian yang dicuci tidak terlalu
kotor maka mencuci mestinya harus lebih cepat. Dengan menimbang tingkat kekotoran
kain yang di realisasikan dengan mengukur tingkat kekeruhan air cucian dengan
sensor cahaya, mesin dapat memutuskan berapa lama harus mencuci pakaian supaya
lebih hemat dan efisien.
2.
Transmisi otomatis pada mobil. Mobil Nissan
telah menggunakan asistem fuzzy pada transmisi otomatis dan mampu menghemat
bensin 12-17%3.
3.
Kereta bawah tanah Sendai mengontrol
pemberhentian otomatis pada area tertentu.
4.
Ilmu kedokteran dan biologi, seperti
sistem diagnosis yang didasarkan pada logika fuzzy.
5.
Manajemen dan pengambilan keputusan,
seperti manajemen basis data, tata letak pabrik, pembuatan games yang
didasarkan pada logika fuzzy.
6.
Ekonomi, pemodelan fuzzy pada sistem
pemasaran yang kompleks.
Operasi Fuzzy
• Union • Intersection • Complement
Union
• Fuzzy union : union dari 2 himpunan fuzzy adalah maximum
(MAX) dari masing-masing elemen pada himpunan tersebut.
Contoh : – A = {1.0,
0.20, 0.75} – B = {0.2, 0.45, 0.50} – A B = {MAX(1.0, 0.2), MAX(0.20, 0.45),
MAX(0.75, 0.50)} = {1.0, 0.45, 0.75}
Intersection
• Fuzzy intersection dari 2 himpunan fuzzy adalah MIN dari
masingmasing elemen dari kedua himpunan. • Contoh : – A B = {MIN(1.0, 0.2), MIN(0.20, 0.45),
MIN(0.75, 0.50)} = {0.2, 0.20, 0.50}
Complement
• Complement dari himpunan fuzzy dengan variabel keanggotaan
X adalah (1-x)
• Complement ( _c): complement dari himpunan fuzzy tersusun
atas complement dari masing-masing elemennya
• Contoh . – Ac = {1 – 1.0, 1 – 0.2, 1 – 0.75} = {0.0, 0.8,
0.25}
Relasi pada Fuzzy
• Triples menunjukkan hubungan antar 2 set :
(a,b,#): a
berhubungan dengan b dengan nilai
#
• Relasi pada fuzzy dapat digambarkan dengan matriks
Matriks Relasi Fuzzy
Daftar Pustaka
0 komentar:
Posting Komentar