Fuzzy Logic

Sejarah Logika Fuzzy

• Aristoteles : Logika boolean / biner.
• O / I.
• T / F.
• ON / OFF.
• Gelap / Terang.
• Tidak ada samar – samara, abu – abu.
• Dasar dari teknologi digital saat ini.
• Jika menggunakan logika biner, pertanyaan kancil tak akan ada habisnya.

Logika Fuzzy (Lotfi A Zedeh 1965)

• Metode ini diformulasikan dalam rangka mencari nilai tengah antara bilangan 0 & 1.
• Logika fuzzy merupakan peningkatan dari logika boolean.
• Menggantikan kebenaran boolean dengan tingkat kebenaran.
• Dasar fuzzy : mencari nilai tengah antara 0 & 1.

Alasan

• Konsep logikanya mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
• Flexible.
• Memiliki toleransi terhadap data – data yang tidak tepat.
• Membangun dan mengaplikasikan pengalaman – pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
• Dapat bekerja dengan teknik – teknik konvensional.

Contoh

• Mesin cuci satu tabung.
• ABS pada sistem pengereman mobil.
• Patern Recognition untuk mengenal tulisan tangan pada mobile device.
• Image Processing (Adobe Photoshop, Corel).
• Aplikasi Robotik.
• Traffic Light yang modern bisa juga dengan metode fuzzy logic sehingga dapat bekerja sepintar pak polisi lantas.

Skema

• Input fuzzy berupa bilangan crisp (tegas) yang dinyatakan dalam himpunan input.
• Fuzzifikasi merupakan proses untuk mengubah bilangan crisp menjadi nilai keanggotaan dalam himpunan fuzzy.
• Fuzzy inference system merupakan bagian pengambilan kesimpulan (reasoning) dan keputusan.
• Knowledge base berisi aturan-aturan yang biasanya dinyatakan dengan perintah IF …. THEN….
• Defuzzification merupakan proses untuk merubah nilai output fuzzy menjadi nilai crips.

Himpunan Crisp

Nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan uA[x], memiliki dua kemungkinan yaitu :

• satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan.
• nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.