Logika Fuzzy

Logika fuzzy merupakan suatu logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness) antara benar atau salah. Profesor Lotfi A. Zadeh adalah guru besar pada University of California, Berkeley yang merupakan pencetus sekaligus yang memasarkan ide tentang cara mekanisme pengolahan atau manajemen ketidakpastian yang kemudian dikenal dengan logika fuzzy. Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy.

Logika fuzzy dapat digunakan dalam bidang teori kontrol, teori keputusan, dan beberapa bagian dalam managemen sains. Kelebihan dari logika fuzzy adalah mampu dalam proses penalaran secara bahasa (linguistic reasoning), sehingga dalam perancangannya tidak perlu lagi persamaan matematik dari objek yang dikendalikan. Adapun salah satu contoh dari aplikasi logika fuzzy dalam kehidupan sehari-hari adalah di 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. Input yang digunakan adalah: seberapa kotor, jenis kotoran, dan banyaknya yang dicuci. Mesin ini menggunakan sensor optik, mengeluarkan cahaya ke air dan mengukur bagaimana cahaya tersebut sampai ke ujung lainnya. Makin kotor, maka sinar yang sampai semakin redup.

Fuzzy logic sudah diterapkan pada banyak bidang diantaranya:

1. Teori kendali hingga inteligensia buatan. 

2. Di dunia kedokteran dan biologi: Diagnosis penyakit pasien, penelitian kanker, dsb.

3. Manajemen pengambilan keputusan: Manajemen basis data untuk query data 

4. Tata letak pabrik yang maksimal Penentuan jumlah produksi berdasarkan jumlah stok dan permintaan. 

5. Klasifikasi dan pencocokan pola.  

6. Mengukur kualitas air, peramalan cuaca, dll

Metodologi Desain Sistem Fuzzy

Untuk melakukan perancangan suatu sistem fuzzy perlu dilakukan beberapa tahapan berikut ini :

• Mendefinisikan karakteristik model secara fungsional dan operasional.

Pada bagian ini perlu diperhatikan karakteristik apa saja yang dimiliki oleh sistem yang ada, kemudian dirumuskan karakteristik operasi-operasi yang akan digunakan pada model fuzzy.

• Melakukan dekomposisi variabel model menjadi himpunan fuzzy

Dari variabel-variabel yang telah dirumuskan, dibentuk himpunan-himpunan fuzzy yang berkaitan tanpa mengesampingkan domainnya.

• Membuat aturan fuzzy

Aturan pada fuzzy menunjukkan bagaimana suatu sistem beroperasi. Cara penulisan aturan secara umum adalah : If (X1 is A1) . … . (Xa is An) Then Y is B dengan ( . ) adalah operator (OR atau AND), X adalah scalar dan A adalah variabel linguistik.

Hal yang perlu diperhatikan dalam membuat aturan adalah :

- Kelompokkan semua aturan yang memiliki solusi pada variabel yang sama.

- Urutkan aturan sehingga mudah dibaca.

- Gunakan identitas untuk memperlihatkan struktur aturan.

- Gunakan penamaan yang umum untuk mengidentifikasi variabel-variabel pada kelas yang  berbeda.

- Gunakan komentar untuk mendeskripsikan tujuan dari suatu atau sekelompok aturan.

- Berikan spasi antar aturan.

- Tulis variabel dengan huruf-huruf besar-kecil, himpunan fuzzy dengan huruf besar dan elemen-elemen bahasa lainnya dengan huruf kecil.

• Menentukan metode defuzzy untuk tiap-tiap variabel solusi

Pada tahap defuzzy akan dipilih suatu nilai dari suatu variabel solusi yang merupakan konsekuen dari daerah fuzzy. Metode yang paling sering digunakan adalah metode centroid, metode ini memiliki konsistensi yang tinggi, memiliki tinggi dan lebar total daerah fuzzy yang sensitif.

Dalam penyajiannya vaiabel-variabel yang akan digunakan harus cukup menggambarkan ke-fuzzy-an tetapi di lain pihak persamaan-persamaan yang dihasilkan dari variable-variabel itu haruslah cukup sederhana sehingga komputasinya menjadi cukup mudah. Karena itu Profesor Lotfi A Zadeh kemudian memperoleh ide untuk menyajikannya dengan menentukan “derajat keanggotaan” (membership function) dari masing-masing variabelnya.

Konsep Dasar  

• Logika fuzzy bukanlah logika yang tidak jelas (kabur),  tetapi logika yang digunakan untuk menggambarkan ketidakjelasan.  

• Logika fuzzy adalah teori himpunan fuzzy  Himpunan yang mengkalibrasi ketidakjelasan.  

• Logika fuzzy didasarkan pada gagasan bahwa segala sesuatu mempunyai nilai derajat.  

• Logika fuzzy merupakan peningkatan dari logika Boolean yang mengenalkan konsep kebenaran sebagian.

• Logika klasik (Crisp Logic) menyatakan bahwa segala hal dapat diekspresikan dalam istilah binary (0 atau 1, hitam atau putih, ya atau tidak) Tidak ada nilai diantaranya 2. Logika fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran Ada nilai diantara hitam dan putih (abu-abu).

Sumber