You are on page 1of 3

Logika Fuzzy

Logika fuzzy adalah salah satu komponen pembentuk soft computing. Logika fuzzy pertama
kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika fuzzy adalah
teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai
penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau
derajat keanggotaan atau membership function menjadi ciri utama dalam penalaran dengan
logika fuzzy tersebut (Kusuma Dewi, 2003).
Logika fuzzy dapat dianggap sebagai kotak hitam yang berhubungan antara ruang input
menuju ruang output (Kusuma Dewi, 2003). Kotak hitam tersebut berisi cara atau metode
yang dapat digunakan untuk mengolah data input menjadi output dalam bentuk informasi
yang baik.

Alasan Digunakannya Logika Fuzzy
Adapun beberapa alasan digunakannya logika fuzzy (Kusuma Dewi, 2003), adalah:
1. Konsep logika fuzzy mudah dimengerti. Karena logika fuzzy menggunakan dasar teori
himpunan, maka konsep matematis yang mendasari penalaran fuzzy tersebut cukup
mudah untuk dimengerti.
2. Logika fuzzy sangat fleksisbel, artinya mampu beradaptasi dengan perubahanperubahan, dan ketidakpastian yang menyertai permasalahan.
3. Logika fuzzy memiliki toleransi terhadap data yang cukup homogeny, dan kemudian
ada beberapa data “eksklusif”, maka logika fuzzy memiliki kemampuan untuk
menangani data eksklusif tersebut.
4. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para
pakar secara langsung tanpa harus melalui proses pelatihan. Dalam hal ini, sering
dikenal dengan istilah fuzzy expert sistem menjadi bagian terpenting.
5. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
Hal ini umumnya terjadi pada aplikasi di bidang teknik mesin maupu teknik elektro.
6. Logika fuzzy didasari pada bahasa alami. Logika fuzzy menggunakan bahasa seharihari sehingga mudah dimengerti.

Himpunan Fuzzy
Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang
sering ditulis dengan (X), memiliki dua kemungkinan, yaitu:
1. Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau
2. Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.

namun interpretasi nilainya sangat berbeda antara kedua kasus tersebut. Terkadang kemiripan antara keanggotaan fuzzy dengan probabilitas menimbulkan kerancuan. maka ia dikatakan PAROBAYA ( (34)=1) 5. PAROBAYA dan TUA. Apabila seseorang berusia 55 tahun. dan sebagainya. Seberapa besar eksistensinya dalam himpunan tersebut dapat dilihat pada nilai keanggotaanya. maka ia dikatakan TIDAK MUDA ( (35-1 hari)=1) 4. maka ia dikatakan MUDA ( (34)=1) 2.5). Apabila seseorang berusia 35 tahun kurang 1 hari. maka ia dikatakan TIDAK PAROBAYA ( (34)=0) 6. maka ia dikatakan TIDAK MUDA ( (35)=0) 3. Apabila seseorang berusia 34 tahun. Apabila seseorang berusia 34 tahun.25).5). Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut. maka ia dikatakan PAROBAYA ( (55)=1) 7. Seseorang dapat masuk dalam dua himpunan yang berbeda. Seseorang yang berumur 40 tahun. Seseorang yang berumur 50 tahun. Gambar berikut menunjukkan himpunan fuzzy untuk variabel umur. Keduanya memiliki nilai interval [0.1]. Adanya perubahan kecil saja pada suatu nilai mengakibatkan perbedaan kategori yang cukup signifikan. 2. termasuk dalam himpunan TUA dengan ( (50) = 0.Contoh: Misalkan variabel umur dibagi menjadi tiga kategori. Keanggotaan fuzzy memberikan suatu ukuran terhadap pendapat atau keputusan. namun dia juga termasuk dalam himpunan PAROBAYA ( (40) = 0. namun dia juga termasuk dalam himpunan PAROBAYA ( (50)=0. sedangkan probabilitas mengindikasikan proporsi terhadap keseringan suatu hasil .25). Pada gambar diatas. MUDA dan PAROBAYA. Apabila seseorang berusia 35 tahun. Apabila seseorang berusia 35 tahun kurang 1 hari. termasuk dalam himpunan MUDA dengan ( (40) = 0. Apabila seseorang berusia 35 tahun. dapat dilihat bahwa: 1. maka ia dikatakan TIDAK PAROBAYA ( (35-1 hari)=0) Dari sini dapat dikatakan bahwa pemakaian himpunan crisp untuk menyatakan umur sangat tidak adil. yaitu: MUDA PAROBAYA TUA umur < 35 tahun 35 ≤ umur ≤ 55 tahun umur > 55 tahun Dari kategori diatas dapat dijelaskan bahwa: 1.

terbagi menjadi 5 himpuan fuzzy. Dilain pihak. dsb.35] dan PANAS = [30. Contohnya semesta pembicaraan untuk variabel umur: [0 +∞]. 2003). NORMAL = [20. jika nilai keanggotaan bernilai suatu himpunan fuzzy USIA adalah 0. NORMAL. dan PANAS.20]. domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. 2. yaitu: DINGIN. 2003). Numeris. 50. Contohnya: umur. Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy (Kusuma Dewi. SEJUK = [15. 25.bernilai benar dalam jangka panjang. yaitu: 1.30].40]. nilai probilitas 0. permintaan. yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti: 40. Nilai domain dapat berupa bilangan positif maupun negatif. yaitu: 1. HANGAT. 2003). Misalnya. 2. Himpunan fuzzy yaitu suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Contoh domain himpuanan fuzzy: DINGIN = [0. HANGAT = [25. Contohnya: variabel temperatur.20]. temperature. semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri kekanan. .9 usia berarti 10% dari himpunan tersebut diharapkan tidak muda (Kusuma Dewi. Domain Himpunan Fuzzy yaitu keseluruhan nilai yang diijinkan dan boleh dioperasikan dalam suatu himpunan fuzzy. speerti: MUDA. Linguistik. Variabel fuzzy yaitu variabel yang hendak dibahas dalam suatu sistem fuzzy. Seperti halnya semesta pembicaraan. TUA. Adakalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya. dsb.9. maka tidak perlu dipermasalahkan berapa seringnya nilai itu diulang secara individual untuk mengharapkan suatu hasil yang hampir pasti muda. 3. PAROBAYA. yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami. Himpunan Fuzzy memiliki 2 atribut (Kusuma Dewi. Semesta Pembicaraan yaitu keseluruhan nilai yang diperoleh untuk dioperasikan dalam suatu variabel fuzzy. SEJUK.