Apa itu Logika Fuzzy?
Logika Fuzzy adalah sebuah bentuk logika bernilai banyak dan memiliki nilai kebenaran variabel dalam bilangan real, antara 0 dan 1. Bentuk logika ini merupakan pengembangan dari logika bener. Pada logika biner, hanya ada 2 nilai kebenaran, yaitu 0 dan 1. Namun, di logika fuzzy, 0 dan 1 merupakan nilai kebenaran ekstrem dengan berbagai tingkat keberanan menengah.
Logika fuzzy dikembangkan dari bahasa manusia atau bahasa alami. Tujuan utama dari logika fuzzya dalah untuk menjembatani bahasa mesin yang presisi dengan bahasa manusia dengan penekanan pada makna atau arti. Beberapa masalah yang mengandung unsur ketidakpastian, ketidaktepatan, noisy, dan hal lainnya dapat menerapkan logika fuzzy.
Lofti A. Zadeh pertama kali memperkenalkan logika fuzzy pada tahun 1965 melalui tulisannya mengenai teori himpunan fuzzy. Beliau merupakan ilmuwan berkebangsaan Iran dari Universitas California di Barkeley, Amerika Serikat.
Walaupun berasal dari Amerika, logika fuzzy lebih sering diaplikasikan oleh praktisi Jepang dengan mengadaptasikannya ke bidang kendali dan intelegensi buatan. Hal ini disebabkan karena kultur orang barat lebih memandang persoalan hitam-putih atau ya-tidak, sedangkan kultur orang timur dapat menerima dunia abu-abu atau “fuzzy”.
Beberapa contoh ketidakpastian atau “fuzzy” adalah :
- Seseorang akan dikatakan tinggi bila memiliki tinggi badan lebih dari 1,7 meter. Bagaimana dengan seseorang yang memiliki tinggi badan 1,68 meter? Orang tersebut dapat dikategotikan sebagai kurang lebih tinggi atau agak tinggi.
- Kecepatan mobil dikatakan pelan apabila berada dibawah 20km/jam. Bagaimana dnegan kecepatan mobil 20,5km/jam? Kecepatan tersebut dapat dikatakan dalam agam pelan.
Konsep Dasar Logika Fuzzy
Beberapa konsep dasar logika fuzzy adalah sebagai berikut, yaitu :
- Logika fuzzy bukanlah logika yang tidak jelas
- Logika fuzzy digunakan untuk menggambarkan ketidakjelasan
- Logika fuzzy memiliki dasar teori himpunan fuzzy yang mengkalibrasi ketidakjelasan
- Logika fuzzy memiliki gagasan dasar berupa segala sesuatu memiliki nilai derajat
- Logika fuzzy merupakan peningkatan dari logika Boolean mengenai konsep kebenaran sebagian
- Logika fuzzy menggantikan kebenaran Boolean dengan tingkat kebenaran ada nilai diantara hitam dan putih, yaitu abu-abu.
Kelebihan dan Kekurangan Logika Fuzzy
Beberapa kelebihan dari logika fuzzy adalah :
- Dapat menghasilkan keputusan yang lebih adil dan manusiawi
- Dapat bekerja dengan berbagai jenis input, baik yang tidak presisi, terdistorsi, ataupun mengandugn informasi noise
- Dapat digunakan untuk sebagian besar permasalahan yang terjadi di dunia nyata
- Dapat mengekspresikan konsep yang sulit dirumuskan
- Dapat memberikan solusi yang sangat efisien untuk masalah kompleks
- Dapat dikodekan menggunakana data yang sedikit sehingga ruang memori tidak besar
- Dapat dikombinasi untuk mengungkapkan konsep yang lebih jelas
- Memungkinkan dilakukannya observasi objektif pada nilai-nilai yang bersifat subjektif
- Rancangannya cukup mudah dan dapat dimengerti
- Memiliki algoritma yang fleksibel dan dapat dimodifikasi
Beberapa kekurangan dari logika fuzzya adalah :
- Sulit untuk menentukan model inference yang tepat
- Sulit untuk memilih data training
- Memiliki keakuratan sistem yang mudah terganggu
- Tidak memiliki pendekatan sistematis tunggal dalam memecahkan masalah
- Banyak solusi yang muncul dan menyebabkan kebingungan
- Algoritma sepenuhnya bergantung pada pengetahuan dan keahlian manusia
- Harus selalu mengubah jumlah nilai linguistik yang digunakan sesuai dengan permasalahan yang ada
- Harus selalu menentukan batas-batas nilai linguistik
Metodologi Desain Sistem Fuzzy
Untuk melakukan perancangan sistem fuzzy, anda perlu melakukan beberapa tahapan berikut, yaitu :
- Mendefinisikan Karakteristik Model Secara Fungsional dan Operasional
Sebelum melakukan perencangan sistem fuzzy, anda perlu mendefinisikan setiap karakter model secara jelas, baik secara fugnsionalnya maupun secara operasionalnya. Perhatikan setiap katakter yang dimiliki oleh sistem dan rumuskanlah setiap karakteristik operasi yang digunakan secara detail.
- Melakukan Dekomposisi Variabel Model Menjadi Himpunan Fuzzy
Sebelumnya, tentukanlah setiap variabel yang telah dirumuskan. Bila sudah ditentukan, anda perlu membentuk himpunan-himpunan fuzzy yang saling berkaitan tanpa mengesampingkan setiap domainnya.
- Membuat Aturan Fuzzy
- Kelompokkanlah semua aturan yang memiliki solusi pada variabel yang sama
- Urutkan setiap aturan sehingga mudah dibaca
- Gunakan identitas untuk memperlihatkan struktur aturan
- Gunakan penamaan yang umum untuk mengidentifikasi variabel pada kelas yang berbeda
- Gunakan komentar yang dapt mendeskripsikan tujuan dari aturan
- Berikan spasi pada setiap aturan
- Tuliskan variabel dengan huruf kecil, himpunan fuzzy dengan huruf besar, dan elemen bahasa lainnya dengan huruf kecil
- Menentukan Metode deFuzzy untuk Setiap Variabel Solusi
Pada tahapan ini, anda harus memilih suatu nilai dari variabel solusi yang merupakan konsekuen dari daerah fuzzy. Salah satu metode yang paling sering digunakan adalah metode centroid, dimana memiliki konsistensi yang lebih tinggi untuk daerah fuzzy yang sensitif. Variabel yang akan digunakanpun harus cukup menggambarkan setiap fuzzy yang ada. Anda juga dapat menyajikannya dengan menentukan derajat keanggotaan pada setiap variabelnya.
Contoh Logika Fuzzy
Beberapa contoh penerapan logika fuzzy pada bidang-bidang tertentu antara lain :
- Medis
- Diagnosis kanker prostat dan diabetes
- Mengontrol tekanan arteri saat pemberian anestesi
- Digunakan dalam radiologi diagnostik dan sistem pendukung diagnostik
- Sistem Transportasi
- Menangani operasi sistem kereta bawah tanah
- Mengontrol jadwal kereta
- Memberhentikan kendaraan berdasarkan parameter, misalnya kecepatan mobil, akselerasi, dan kecepatan roda
- Pertahanan
- Menemukan dan mengenali target bawah air dengan gambar inframerah
- Mendukung pengambilan keputusan angkatan laut
- Mengontrol pencegat hypervelocity
- Industri
- Mengontrol pabrik pemurnian air
- Menangani masalah kepuasan kendala dalam desain struktural
- Menganalisa pola jaminan kualitas
- Menangani pengolahan air limbah lumpur