LOGIKA FUZZY
Dalam terjemahan menurut kosa katanya fuzzy
berari kabur. Logika berarti penalaran. Jika digabungkan menjadi satu kalimat
berarti Penalaran Yang Kabur. Logika fuzzy adalah suatu cara yang tepat untuk
memetakan suatu ruang input ke dalam suatu ruang output. Skema logika fuzzy
adalah sebagai berikut:
dapat diketahui bahwa antara input dan output
terdapt sebuah kotak hitam yang sesuai. Berikut ini adalah beberapa contoh
konsep logika fuzzy yang dapat diterapkan dalam berbagai kasus:
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 Pelayan restoran memberikan pelayanan terhadap tamu,
kemudian tamu akan memberikan tip yang sesuai atas baik tidaknya pelayanan yang
diberikan . Penumpang taksi berkata pada sopir taksi seberapa cepat laju
kendaraan yang diinginkan, sopir taksi akan mengatur pijakan gas taksinya .
Ada beberapa cara atau
metode yang mampu bekerja di kotak hitam tersebut, seperti sistem fuzzy,
jaringan syaraf tiruan, sistem linier, sistem pakar, persamaan diferensial, dan
sebagainya. Namun menurut Prof. Lotfi A. Zadeh seorang profesor dari
Universitas California, Berkeley, yang adalah penemu Logika fuzzy pada tahun
1960-an menyatakan bahwa setiap kasus dapat saja diselesaikan tanpa menggunakan
logika fuzzy, tetapi pemanfaatan logika fuzzy akan mempercepat dan mempermudah
hasil dalam setiap kasus. Berikut adalah gambar dari Prof. Lotfi A. Zadeh.
ALASAN PEMANFAATAN
LOGIKA FUZZY
Beberapa alasan mengapa
logika fuzzy banyak digunakan saat ini diberbagai kasus. Alasan pemanfaatan
logika fuzzy adalah:
Sudah menjadi sifatnya
yang kuat selama tidak membutuhkan ketepatan, input yang bebas derau, dan dapat
diprogram untuk gagal dengan aman jika sensor arus balik dimatikan atau rusak.
Control output adalah fungsi control halus meskipun jarak variasi input yang
cukup besar. Selama fuzzy logic controller memproses aturan – aturan yang
dibuat user yang memerintah system control target, ia dapat dimodifikasi dengan
mudah untuk meningkatkan atau mengubah secara drastis performa system. Sensor
yang baru dapat dengan mudah digabungkan kedalam system secara sederhana dengan
menghasilkan aturan memerintah yang sesuai.
Fuzzy logic tidak
terbatas pada sedikit masukan umpan-balik dan satu atau dua output control,
tidak juga penting untuk menilai atau menghitung parameter rata - rata
perubahan dengan tujuan agar ia diimplementasikan. Sensor data yang menyediakan
beberapa indikasi untuk aksi dan reaksi system sudah cukup. Hal ini
memungkinkan sensor menjadi murah dan tidak tepat sehingga menghemat biaya
system keseluruhan dan kompleksitas rendah.
Karena operasi –
operasi yang berbasiskan aturan, jumlah input yang masuk akal dapat diproses (
1 sampai 8 atau lebih ) dan banyak output ( 1 sampai 4 atau lebih ) dihasilkan,
walaupun pendefinisian rulebase secara cepat menjadi rumit jika terlalu banyak
input dan output dipilih untuk implementasi tunggal selama pendefinisian
rules(aturan), hubungan timbal baliknya juga harus didefinisikan. Akan lebih
baik jika memecah system kedalam potongan – potongan yang lebih kecil dan
menggunakan fuzzy logic controllers yang lebih kecil untuk didistribusikan pada
system, masing – masing dengan tanggung jawab yang lebih terbatas.
Fuzzy Logic dapat
mengontrol system nonlinier yang akan sulit atau tidak mungkin untuk dimodelkan
secara matematis. Hal ini membuka pintu bagi system control yang secara normal
dianggap tidak mungkin untuk otomatisasi.
Konsep logika fuzzy
mudah dimengerti.
Konsep matematis yang
mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti
Logika fuzzy sangat
fleksibel
Logika fuzzy memiliki
toleransi terhadap data-data yang tidak tepat
Logika fuzzy dapat
bekerja sama dengan teknik-teknik kendali secara konvensional
Logika fuzzy didasarkan
pada bahasa alamiah
Sedangkan karakteristik
utama dari fuzzy logic yang ditemukan oleh Prof. Lotfi A. Zadeh adalah sebagai
berikut:
Dalam fuzzy logic,
penalaran tepat dipandang sebagai suatu kasus terbatas dari penalaran kira
–kira.
Dalam fuzzy logic
segala sesuatunya adalah masalah derajat.
System logis manapun
dapat difuzzifikasi.Dalam fuzzy logic, pengetahuan diinterpretasikan sebagai
koleksi dari fuzzy yang dipaksakan pada sekumpulan variable.
Kesimpulan dipandang
sebagai sebuah proses dari perkembangan pembatas elastis.
BAGAIMANA LOGIKA FUZZY
DIGUNAKAN
Adapun langkah –
langkah penggunaan fuzzy logic adalah sebagai berikut:
a. Definisikan obyektif
dan criteria control:
1) Apa yang kita coba
control ?
2) Apa yang harus kita
lakukan untuk mengontrol system ?
3) Respon seperti apa
yang kita butuhkan ?
1) Dengan menggunakan
struktur berbasis aturan dari fuzzy logic, jabarkan permasalahan control ke
dalam aturan IF X AND Y THEN Z yang mendefinisikan respon output system yang
diinginkan untuk kondisi input system yang diberikan. Jumlah dan kompleksitas
dari rules bergantung pada jumlah parameter input yang diproses dan jumlah
variable fuzzy yang bekerjasama dengan tiap – tiap parameter. Jika mungkin,
gunakan setidaknya satu variable dan turunan waktunya. Walaupun mungkin untuk
menggunakan sebuah parameter tunggal yang error saat itu juga tanpa mengetahui
rata – rata perubahannya, hal ini melumpuhkan kemampuan system untuk
meminamalisasi keterlampauan untuk sebuah tingkat input.
2) Buat fungsi
keanggotaan yang menjelaskan nilai input atau output yang digunakan didalam
rules.
3) Buat rutinitas
proses awal dan akhir yang penting jika diimplementasikan dalam software,
sebaliknya program rules kedalam mesin hardware fuzzy logic.
DASAR-DASAR LOGIKA
FUZZY
Sangat penting sekali
bagi kita untuk terlebih dahulu mengetahui apa itu crisp set atau yang dikenal
juga dengan conventional set, sebelum kita mengarah pada bagaimana himpunan
fuzzy dibuat untuk kekurangan pada crisp set. Dalam kebanyakan jenis pemikiran
setiap harinya, dan refleksi bahasa darinya, orang – orang menggunakan crisp
set untuk mengelompokan sesuatu. Menjadi anggota dari crisp set adalah
seluruhnya berhubungan atau tidak sama sekali. Seorang wanita dikatakan hamil ataupun
tidak, ia tidak pernah “hamil sebagian” atau “sedikit hamil”.
Berpikir dengan crisp
set menjadikan segala sesuatunya lebih sederhana, karena sesuatu bisa merupakan
anggota dari suatu crisp set atau tidak. Crisp set dapat digunakan untuk
merepresentasikan gambaran pengertian hitam dan putih. Seringkali juga, saat
sesuatu itu merupakan anggota dari sebuah crisp set maka ia kemudian (pada
waktu yang sama) bukan merupakan anggota dari crisp set manapun. Kembali hal
ini menyederhanakan penggunaan logika dengan proses pemikiran semacam ini.
Konstruksi linguistik yang menggambarkan jenis pemikiran ini dapat benar –
benar berguna, terutama saat kategori crisp digunakan. Pada himpunan tegas
(crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering
ditulis dengan µA[x], memiliki 2 kemungkinan, yaitu (Kusumadewi, 2004 : p3) :
Satu (1), yang berarti
bahwa suatu item menjadi anggota dalam suatu himpunan, atau
Nol (0), yang berarti
bahwa suatu item tidak menjadi anggota dalam suatu himpunan.
