Logika Fuzzy

on

Logika Fuzzy


Abstrak

Logika fuzzy adalah metode untuk mengolah input menjadi output dalam ilmu komputer yang merupakan hasil peningkatan dari logika boolean. Dalam logika ini, teori himpunan dan konsep kebenaran digunakan dalam memberikan informasi. Logika fuzzy memberikan berbagai benefit seperti fleksibel, toleran, mudah dipahami, dan  mampu memodelkan fungsi non-linear yang kompleks. Logika fuzzy digunakan dalam memberikan respon dalam informasi yang abstrak, ambigu, dan tidak jelas. Logika fuzzy dapat diterapkan pada berbagai bidang, seperti: Pengambilan keputusan, Game, Penghisap debu, Mesin cuci, Pendingin ruangan. Logika fuzzy diperkenalkan oleh Lotfi Zadeh, profesor teori sistem di University of California, Berkeley, memperkenalkan logika fuzzy pada tahun 1965. 


Penjelasan

Logika fuzzy adalah cara pikir dalam menghadapi situasi ketidakjelasan. Tidak seperti logika boolean yang digunakan untuk mengolah data yang sudah pasti nilainya, seperti 0 atau 1. Dalam logika fuzzy, nilai yang diberikan bersifat ambigu, tidak jelas antara mana yang hitam ataupun putih, abu-abu. Keadaan nyata di mana seseorang menghadapi kondisi ambigu ada pada saat cuaca mendung. Mendung adalah kondisi pertengahan antara hujan ataupun tidak hujan. Contoh lainnya dapat dilihat pada saat membuat minuman teh, air yang digunakan bersifat hangat, tidak panas ataupun dingin. Logika fuzzy ini adalah jawaban dari permasalahan menentukan jawaban dari kondisi yang tidak jelas. 



Penerapan

Logika fuzzy dapat diterapkan pada sistem pengatur kondisi lalu lintas, dimana ada kondisi pada saat padat, tidak padat, lancar, dan ramai-lancar. Dalam kondisi ini, penilaian 0 dan 1 tidak dapat diterapkan karena kondisi lalu lintas yang bersifat ambigu. Selain pada sistem pengatur kondisi lalu lintas, logika fuzzy dapat digunakan pada panel surya (photovoltaic). Dalam kondisi nyatanya, manusia tidak dapat menilai cuaca berdasarkan sifat yang objektif. Bagi satu orang mungkin cuaca hari ini sangat cerah, namun bagi orang lain cuaca hari ini cerah biasa. Kondisi ini dapat diterapkan pada panel surya. Panel surya membutuhkan cahaya matahari yang optimal untuk menghasilkan energi listrik. 



Kelebihan 

Logika Fuzzy memiliki beberapa kelebihan sebagai berikut : 

  1. Sistem yang dibangun dengan memanfaatkan logika fuzzy dapat menerima berbagai jenis input.

  2. Rangkaian penerapan logika fuzzy dapat dengan mudah dimengerti

  3. Logika fuzzy hadir dengan konsep matematika teori himpunan dan penalarannya yang cukup sederhana

  4. Solusi yang diberikan terbilang efisien untuk menangani masalah yang kompleks

  5. Logika fuzzy tidak memakan memori yang besar

  6. Algoritma yang menerapkan logika fuzzy bersifat lebih fleksibel


Kekurangan

Logika Fuzzy memiliki beberapa kelebihan sebagai berikut : 

  1. Keakuratan sistem dapat terganggu karena menggunakan data input yang bersifat ambigu.

  2. Tidak adanya pendekatan sistematis tunggal

  3. Algoritma yang menerapkan logika ini bergantung sepenuhnya pada pemahaman manusia

  4. Dalam penerapan logika fuzzy, aturan harus diperbarui secara teratur

  5. Algoritma ini tidak dapat mengenali pembelajaran mesin atau jaringan saraf

  6. Algoritma memerlukan banyak pengujian untuk validasi dan verifikasi

    Penjelasan Lengkap Mengenai Logika Fuzzy (Fuzzy Logic) 


Arsitektur Logika Fuzzy

Logika fuzzy terbagi menjadi empat bagian arsitektur, yaitu :

  1. Rule Base

Berisi semua aturan dan kondisi "if-else" untuk mengontrol pengambilan keputusan. Namun, seiring perkembangan modern, jumlah aturan dalam rule-base yang digunakan logika fuzzy telah banyak berkurang.

  1. Fuzzification

Fuzzifikasi adalah komponen kedua dalam arsitektur logika fuzzy dan berguna untuk membantu mengubah input. Komponen ini membantu dalam mengkonversi angka ekstrem ke himpunan fuzzy. Masukan yang ekstrem diukur oleh sensor dan diteruskan ke sistem kontrol untuk diproses.

  1. Inference Engine 

Komponen ketiga ini membantu dalam menentukan tingkat kecocokan antara input fuzzy dan aturan fuzzy. Berdasarkan persentase itu diputuskan aturan mana yang perlu diterapkan. Setelah itu, untuk mengembangkan tindakan kontrol, aturan yang diterapkan digabungkan.

  1. Defuzzifikasi

Modul ini adalah kebalikan dari proses fuzzification. Di sini, nilai fuzzy diubah menjadi nilai ekstrim melalui pemetaan (mapping). Akan ada beberapa metode defuzzifikasi untuk melakukan ini, tetapi pemilihan metode yang terbaik didasarkan sesuai input. Metode yang digunakan untuk defuzzifikasi yakni metode rata-rata (average) dan metode titik tengah (center of area) yang digunakan untuk membantu pengambilan keputusan yang tepat.


Istilah Penting

  • Variabel fuzzy, yaitu variabel yang akan dibahas dalam sistem fuzzy 

  • Himpunan fuzzy, yaitu grup yang mewakili kondisi atau keadaan tertentu dalam variabel fuzzy 

  • Derajat keanggotaan, yaitu peran utama dalam logika fuzzy 


Sumber :

Himatika UGM - https://himatika.fmipa.ugm.ac.id/2016/10/17/logika-fuzzy/ 

Website Trivusi - https://www.trivusi.web.id/2022/05/pengertian-fuzzy-logic.html 

Comments

Post a Comment