Fuzzy Logic

Fuzzy Logic

 adalah suatu cabang ilmu Artificial Intellegence, yaitu suatu pengetahuan yang membuat komputer dapat meniru kecerdasan manusia sehingga diharapkan komputer dapat melakukan hal-hal yang apabila dikerjakan manusia memerlukan kecerdasan.

Dengan kata lain fuzzy logic mempunyai fungsi untuk “meniru” kecerdasan yang dimiliki manusia untuk melakukan sesuatu dan mengimplementasikannya ke suatu perangkat, misalnya robot, kendaraan, peralatan rumah tangga, dan lain-lain.

Sejarah Fuzzzy Logic

Konsep Fuzzy Logic diperkenalkan oleh Prof. Lotfi Zadeh dari Universitas California di Berkeley pada 1965 dan dipresentasikan bukan sebagai suatu metodologi kontrol, tetapi sebagai suatu cara pemrosesan data dengan memperkenankan penggunaan partial set membershipdibanding crisp set membership atau non-membership.Pendekatan pada set teori ini tidak diaplikasikan pada sistem kontrol sampai tahun 70-an karena kemampuan komputer yang tidak cukup pada saat itu. Profesor Zadeh berpikir bahwa orang tidak membutuhkan kepastian, masukan informasi numerik, dan belum mampu terhadap kontrol adaptif yang tinggi.

Konsep Fuzzy Logic

·         Fuzzy logic umumnya diterapkan pada masalahmasalah yang mengandung unsur ketidakpastian (uncertainty), ketidaktepatan (imprecise), noisy, dan sebagainya.

·         Fuzzy logic menjembatani bahasa mesin yang presisi dengan bahasa manusia yang menekankan pada makna atau arti (significance).

·         Fuzzy logic dikembangkan berdasarkan cara berfikir manusia

Contoh-contoh masalah yang mengandung ketidakpastian

Contoh 1 : Seseorang dikatakan “tinggi” jika tinggi badannya lebih dari 1,7 meter. Bagaimana dengan orang yang mempunyai tinggi badan 1,6999 meter atau 1,65 meter, apakah termasuk kategori orang yang tinggi? Menurut persepsi manusia, orang yang mempunyai tinggi badan sekitar 1,7 meter dikatakan “kurang lebih tinggi” atau “agak tinggi”.

Contoh 2 : Kecepatan “pelan” didefinisikan di bawah 20 km/jam. Bagaimana dengan kecepatan 20,001 km/jam, apakah masih dapat dikatakan pelan? Manusia mungkin mengatakan bahwa kecepatan 20,001 km/jam itu “agak pelan”.

Arsitektur Fuzzy Logic

Ada tiga proses utama jika ingin mengimplementasikan fuzzy logic pada suatu perangkat, yaitu fuzzifikasi, evaluasi rule, dan defuzzifikasi.

1.    Fuzzification, merupakan suatu proses untuk mengubah suatu masukan dari bentuk tegas(crisp) menjadi fuzzy yang biasanya disajikan dalam bentuk himpunan-himpunan fuzzydengan suatu fungsi kenggotaannya masing-masing.

2.    Interference System (Evaluasi Rule), merupakan sebagai acuan untuk menjelaskan hubungan antara variable-variabel masukan dan keluaran yang mana variabel yang diproses dan yang dihasilkan berbentuk fuzzy. Untuk menjelaskan hubungan antara masukan dan keluaran biasanya menggunakan “IF-THEN”.

3.    Defuzzification, merupakan proses pengubahan variabel berbentuk fuzzy tersebut menjadi data-data pasti (crisp) yang dapat dikirimkan ke peralatan pengendalian.

Berikut diagram alir prosesnya.

Penerapan Logika Fuzzy Pada Penilaian Mutu Teh Hitam Oorthodox

    Masalah yang dihadapi : Bagaimana menentukan mutu teh hitam tanpa menggunakan tester dan ketidakpastian batas antara satu kriteria dengan kriteria lainnya?

    Tujuan Penelitian : Membuat model penilaian mutu teh dengan menggunakan program komputer berbasis logika fuzzy.

    Manfaat Penelitian : Diharapkan dapat bermanfaat dalam menentukan mutu teh hitam yang baik.

    Pengguna Aplikasi dan Sistem pakarnya adalah Konsumen Teh Hitam dan Dra. ThongTjie

    Menentukan himpunan fuzzy

    Dimana himpunan [A,B,C,D,E] memiliki nilai definisi untuk kemudahan proses hitung pada aturan fuzzy sebagai berikut : Kelas mutu A = 5; kelas mutu B = 4; kelas mutu C = 3; kelas mutu D = 2 dan kelas mutu E=1.

Variabel Kriteria

Membuat aturan fuzzy

    Aturan kriteria appeareance :

    Penentuan Batas Atas (BA) dan Batas Bawah (BB) pada variabel mutu ini didasarkan pada penilaian mutu teh hitam orthodox, yaitu pada standar keberterimaan teh PTPN VIII yang telah di-tuning.

    Jumlah aturan appeareance, yaitu sebanyak 5 x 5 x 5 x 5 = 625 aturan. Contoh bentuk aturan, yaitu :

    IF Warna 5 AND Kerataan 5 AND Kebersihan 5 AND Ukuran & Bentuk 5 THEN Mutu 5

    IF Warna 5 AND Kerataan 5 AND Kebersihan 5 AND Ukuran & Bentuk 4 THEN Mutu 5

    IF Warna 5 AND Kerataan 5 AND Kebersihan 5 AND Ukuran & Bentuk 3 THEN Mutu 5

    IF Warna 5 AND Kerataan 5 AND Kebersihan 5 AND Ukuran & Bentuk 2 THEN Mutu 4

    Kesimpulan : Hasil perhitungan dengan menggunakan perangkat lunak Mathlab dapat diketahui adanya perbedaan antara hasil penilaian tester teh hasil perhitungan dengan menggunakan metode fuzzy. Dari 128 sampel terdapat 16 penilaian yang berbeda (hasil akhir yang berbeda sebanyak 12,50 %). Rata – rata perbedaan nilai dari penilaian tester dan perhitungan dengan menggunakan metode fuzzy adalah 23,22.

SUMBER:

http://thinkminicorp.blogspot.co.id/2013/11/fuzzylogic-fuzzy-logic-dapat-dikatakan.html
George J Klir and Bo Yuan, Fuzzy Sets and

Fuzzy Logic, Theory and Application, Prentice

Hall, 1995.

 Timothy J. Ross, Fuzzy Logic with Engineering

Application, Mc Graw-Hill, 1995