Logika Fuzzy

     Kosep tentang logika fuzzy diperkenalkan oleh Prof. Lotfi Astor Zedah pada tahun 1962. Fuzzy adalah metodelaogi sistem control pemecah masalah, yang cocok untuk di implementasikan pada sistem, mulai dari sistem yang sederhana, sistem kecil, embedded system, jaringan PC, multi-chanel atau workstation berbasis akuisisi data, dan sistem kontrol. Metodelogi ini dapat diterapkan pada perangkat keras, perangkat lunak atau kombinasi pada keduanya. Dalam logika klasik klasik dinyatakan bahwa segalanya sesuatu bersifat biner, yang artinya adalah hanya mempunyai dua kemungkinan, “ Ya atau Tidak”, “Benar atau Salah”, “Baik atau Buruk” dan lain-lain, oleh karna itu, semua ini dapat mempunyai nilai keanggotaan 0 atau 1. Akan tetepi, dalam logika fuzzy memungkinkan nilai keanggotaan berada diantara 0 dan 1. Artinya, bisa saja suatu keadaan mempunya dua nilai “ya dan Tidak”, “Benar dan Salah”, “Baik dan Buruk” secara bersamaan, namun besar nilainya tergantung pada bobot keanggotaan yang dimiliki. Logika fuzzy dapat digunakan di berbagai bidang, seperti pada sistem diagnosa penyakit (dalam bidang kedokteran); pemodelan sistem pemasaran, riset operasi (dalam bidang ekonomi); kendali kualitas air, predeksi adanya gempa bumi, klasifikasi dan pencocokan pola (dalam bidang tehnik).

     Kontroler logika fuzzy dikategorikan dalam kontrol cerdas (intellegent control). Unit logika fuzzy memiliki kemampuan menyelesaikan masalah perilaku sistem yang kompleks, yang tidak dimiliki oleh kontroler konvensional Secara umum kontroler logika fuzzy memiliki kemampuan sebagai berikut :

1. Beroperasi tanpa campur tangan manusia secara langsung tetapi memiliki efektivitas yang sama dengan kontroler manusia.
2. Mampu menangani sistem-sistem yang kompleks non-linier dan tidak tetap.
3. Memenuhi spesifikasi operasional dan kriteria kinerja.
4. Struktur sederhana, kokoh dan beroperasi real time.

Ada 4 tahapan dalam fuzzy logic, yaitu : Fuzzifikasi, Penalaran/ Inferensia (untuk penetapan Rule Base), aturan dasar dan Defuzzifikasi, seperti diperlihatkan dalam blok diagram berikut :

Fuzzy System

Berdasarkan gambar diatas, dalam system logika fuzzy terdapat beberapa tahapan operasional yang meliputi :

1. Fuzzifikasi adalah suatu proses pengubahan nilai tegas yang ada ke dalam fungsi keanggotaan.
2. penalaran adalah proses implikasi dalam menalar nilai masukan guna penentuan nilai keluaran sebagai bentu pengambilan keputusan. Salah satu model penalaran yang banyak dipakai adalah penalaran max-min. Dalam penalaran ini, proses pertama yang dilakukan adalah melakukan operasi min sinyal keluaran lapisan fuzzifikasi, yang diteruskan dengan operasi max untuk mencari nilai keluaran yang selanjutnya akan didefuzzifikasikan sebagai bentuk keluaran.
3. Aturan dasar (rule based) pada control logika fuzzy merupakan suatu bentuk aturan relasi “Jika-Maka” atau “if-then” seperti berikut ini: if x is A then y is B dimana A dan B adalah linguistic values yang didefinisikan dalam rentang variabel X dan Y. Pernyataan “x is A” disebut antecedent atau premis. Pernyataan “y is B” disebut consequent atau kesimpulan.
4. Defuzzifikasi Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crisp tertentu.

Kelebihan dan kekurangan logika fuzzy

Kelebihan dari logika fuzzy dapat disimpulkan sebagi berikut :

1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
2. Logika Fuzzy sangat fleksibel.
3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.
4. Logika Fuzzy mampu memodelkan fungsi-fungsi non linear yang sangat kompleks.
5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
6. Logika Fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
7. Logika fuzzy didasarkan pada bahasa alami.

Selain kelebihan yang telah dijelaskan di atas, ternyata Fuzzy Logic juga memiliki kekurangan. Dalam mendesain fuzzy logic, sering ditemukan kesulitan dalam menentukan preferensi atau parameter agar output yang dihasilkan akurat, yaitu :

1. Fuzzy logic lebih cocok untuk masalah intuitive dan untuk permasalahan yang menangani control.
2. Jumlah Nilai Linguistik untuk setiap variabel, harus merubah nilai crisp menjadi nilai linguisik. Jumlah dari nilai linguistik yang digunakan harus sesuai dengan permasalahan yang akan kita selesaikan.
3. Batas-batas nilai linguistik akan sangat berpengaruh pada akurasi fuzzy logic.
4. Fungsi keanggotaan segitiga dan trapesium.

Metode Fuzzy Mamdani

Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk memperoleh output, diperlukan 4 tahapan yaitu :

1. Pembentukan Himpunan Fuzzy (Fuzzifikasi)
   Fuzzifikasi adalah suatu proses untuk merubah suatu masukan dari bentuk tegas (crisp) menjadi fuzzy (variabel linguistik) yang biasanya disajikan dalam bentuk himpunan-himpunan fuzzy dengan suatu fungsi keanggotaannya masing-masing.
2. Aplikasi Fungsi Implikasi (Aturan)
   Aplikasi Fungsi Implikasi Pada metode Mamdani, fungsi implikasi yang digunakan adalah Min.
3. Komposisi Aturan
   Tidak seperti penalaran monoton, apabila sistem terdiri dari beberapa aturan, maka inferasi diperoleh dari kumpulan dan korelasi antar –aturan. Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu : Max, additive dan probabilistik OR (probor).
4. Defuzzifikasi
   Defuzzifikasi dapat didefenisikan sebagai proses pengubahan besaran fuzzy yang disajikan dalam bentuk himpunan-himpunan fuzzy keluaran dengan fungsi keanggotaannya untuk mendapatkan kembali bentuk tegasnya (crisp). Hal ini diperlukan sabab dalam aplikasi nyata yang dibutuhkan adalah nilai tegas (crips), Ada beberapa metode defuzzifikasi yang bisa dipakai pada komposisi aturan MAMDANI (Kusumadewi 2004) antara lain :

• Metode Centroid, Metode centroid ini juga dikenal sebagai metode COA (Center of Area) atau Metode of Gravity. Pada metode ini nilai tegas keluarannya diperoleh berdasarkan titik berat dari kurva hasil proses pengambilan keputusan (inference) atau mengambil titik pusat daerah fuzzy.

• Metode Bisektor, Pada metode ini nilai tegas keluarannya diperoleh dengan cara mengambil nilai pada domain fuzzy yang memiliki nilai keanggotaan setengah dari jumlah total nilai keanggotaan pada daerah fuzzy.

Share this: