PAPER

BOOLEAN DAN FUZZY LOGIC

Disusun oleh:
Bello Sofiono 03051281320020

KEMENTRIAN PENDIDIKAN DAN KEBUDAYAAN

UNIVERSITAS SRIWIJAYA
FAKULTAS TEKNIK
JURUSAN TEKNIK MESIN
Indralaya
2015

KATA PENGANTAR
Puji syukur kehadirat Tuhan yang Maha Esa, karena berkat rahmat dan karunia
Nya paper ini dapat terselesaikan. Paper ini dibuat selain untuk memenuhi tugas mata
kuliah Mekatronika yang sedang kami pelajari juga karena kami menyadari bahwa
pengetahuan tentang bidang ini sangat diperlukan oleh setiap orang yang memilih profesi
di bidang keteknikan, khususnya teknik mesin.
Kebutuhan tersebut perlu ditunjang dengan buku-buku yang relevan.Maka dari itu
dalam paper ini kami mencoba mengangkat salah satu tema tentang Boolean dan Fuzzy
Logic..
Kami menyadari bahwa apa yang tersusun dalam paper ini jauh dari apa yang
diharapkan secara ilmiah. Hal ini disebabkan karena keterbatasan, kemampuan,
pengetahuan, dan pengalaman yang kami miliki.Maka dari itu, kritik, saran, bimbingan,
dan petunjuk petunjuk dari semua pihak sangat kami harapkan guna kelengkapan dan
penyempurnaan paper ini.
Penyusunan paper ini tidak akan berhasil dengan baik tanpa adanya bantuan dan
dukungan dari berbagai pihak secara langsung maupun tidak langsung. Oleh karena itu,
kami mengucapkan terima kasih yang sebesar besarnya kepada pihak-pihak yang telah
banyak membantu dalam menyelesaikan paper ini.
Akhir kata, kami harapkan paper ini dapat bermanfaat bagi semua pihak
khususnya mahasiswa jurusan teknik mesin dan bagi perkembangan ilmu teknologi
informasi.

Indralaya, September 2015

Penyusun

BAB 1
PENDAHULUAN
1.1Latar Belakang
Istilah mekatronika pada awalnya diperkenalkan di Jepang oleh Yaskawa
Electronic Corp. pada awal 1970-an yang kemudian di kenal luas hingga Eropa &
Amerika Serikat. Istilah ini merupakan gabungan dari kata Mechanical dan
Electronics. Terdapat banyak definisi yang dapat menerangkan definisi mekatronika.
Antara lain, The synergistic use of precision engineering, control theory, computer
science, and sensor and actuator technology to design improved product and
processes (ME Magazine). Dari pengertian tersebut maka dicoba disusun pengertian
dari mekatronika yaitu integrasi dari system mekanik dan elektronik yang
dikendalikan dengan computer dan di manfaatkan pada produk maupun proses
produksi.
Saat ini pengendalian system mekanik hampir seluruhnya di lakukan
menggunakan

system

kendali

elektronik

dan

sebagian

besar

diantaranya

menggunakan computer. Contohnya adalah mesin mobil. Saat ini banyak sekali
sensor yang terlibat pada system pembakaran mobil. Yaitu di antaranya sensor
kecepatan dan posisi poros engkol, sensor temperatur dan bahan bakar, dan sensor
pada pedal gas. Pada mobil juga terdapat berbagai system lain yang saat ini
menerapkan system mekatronika, yaitu system transmisi automatis, system suspense
aktif, system anti-lock braking, system pengkondisi udara, serta display kecepatan,
putaran mesin, dan level bahan bakar.
Dalam perjalanan perkembangan suatu generasi teknologi menjadi lebih mantap
dan berdaya guna tinggi, membutuhkan adanya pengembangan dasar pengetahuan
dan dilakukannya berbagai macam riset atau penelitian yang bersifat eksperimental.
Penelitian atau riset ini akan memberikan jawaban terhadap pertanyaan mendasar
seperti : teori-teori apa saja yang masih secara praktis masih relevan untuk kemudian
dikembangkan atau teori mana saja yang sama sekali tidak bisa digunakan lagi? Teori

yang bermanfaat adalah teori yang dianggap mampu menjembatani penggabungan

pengendali fuzzy dengan sistem kendali konvensional atau algoritma kendali modern
seperti jaringan neural, algoritma genetik, dan lain sebagainya.

BAB II
PEMBAHASAN
2.1 Logika Boolean
Logika Boolean adalah sebuah formula atau rumus matematika untuk
memecahkan suatu masalah yang berhubungan dengan gerbang-gerbang logika
(gerbang digital). Gerbang-gerbang logika tersebut adalah gerbang AND, OR, dan
NOT. Gerbang logika lainnya seperti gerbang NAND, NOR, EX-OR, dan EX-NOR
merupakan pengembangan dari ketiga gerbang dasar tersebut. Formula ini selanjutnya
dikenal dengan istilah Aljabar Boolean yaitu struktrur aljabar yang mencakup intisari
dari operasi gerbang-gerbang tadi yang dapat dikombinasikan dengan teori himpunan
seperti gabungan, irisan, dan komplemen. Aljabar Boolean diambil dari seorang ahli
matematika asal negara Inggris, George Boole pada pertengahan abad ke-19.
Selanjutnya Aljabar Boolean dikenal sebagai suatu teknik matematika untuk
memecahkan masalah-masalah logika yang mendasari operasi-operasi aritmatika
pada komputer.
Boolean adalah suatu tipe data yang hanya mempunyai dua nilai. Yaitu
true atau false (benar atau salah). Pada beberapa bahasa pemograman nilai true
bisa digantikan 1 dan nilai false digantikan 0. Tapi dalam postingan kali ini tidak
berbicara tentang aljabar atau rumus matematika tapi tentang bagaimana
metode logika boolean ini kita pakai untuk mempermudah dalam pencarian
sebuah artikel, journal, atau apa saja yang anda inginkan melalui mesin-mesin
pencari. Dibawah ini tehnik yang dipakai dalam logika boolean. Gerbang logika
atau sering juga disebut gerbang logika boolean merupakan sebuah sistem
pemrosesan dasar yang dapat memproses input-input yang berupa bilangan
biner menjadi sebuah output yang berkondisi yang akhirnya digunakan untuk
proses selanjutnya.
Operator dan logika boolean pada google ada 7, yaitu

Gerbang AND

Gerbang AND akan berlogika 1 atau keluarannya akan berlogika 1 apabila semua masukan /
inputannya berlogika 1, namun apabila semua atau salah satu masukannya berlogika 0 maka
outputnya akan berlogika 0.

Gerbang OR
Gerbang OR akan berlogika 1 apabila salah satu atau semua
inputan yang dimasukkan bernilai 1 dan apabila keluaran yang
di inginkan berlogika 0 maka inputan yang dimasukkan harus
bernilai 0 semua.

Gerbang NOT
Gerbang NOT berfungsi sebagai pembalik (Inverter), yang mana
outputnya akan bernilai terbalik dengan inputannya
Gerbang NAND
Gerbang NAND akan bernilai / outputnya akan berlogika 0
apabila semua inputannya bernilai 1 dan outpunya akan berlogika
1 apabila semua atau salah satu inputannya bernilai 0.
Gerbang NOR
Gerbang NOR merupakan gerbang logika yang outputnya akan

berlogika 1 apabila semua inputannya bernilai 0, dan outpunya

akan berlogika 0 apabila semua atau salah satu inputannya
inputannya berlogika 1.

Gerbang XOR
Gerbang XOR merupakan kepanjangan dari Exclusive OR yang mana
keluarannya akan berlogika 1 apabila inputannya berbeda, namun apabila
semua inputanya sama maka akan memberikan keluarannya 0.

Gerbang XNOR

Gerbang XOR merupakan kepanjangan dari Exclusive NOR yang

mana keluarannya akan berlogika 1 apabila semua inputannya
sama,

namun

apabila

inputannya

memberikan output berlogika 0.

berbeda

maka

akan

Aljabar boolean merupakan aljabar yang berhubungan dengan variabel-variabel biner dan
operasi-operasi logik. Variabel-variabel diperlihatkan dengan huruf-huruf alfabet, dan tiga
operasi dasar dengan AND, OR dan NOT (komplemen). Fungsi boolean terdiri dari variabelvariabel biner yang menunjukkan fungsi, suatu tanda sama dengan, dan suatu ekspresi
aljabar yang dibentuk dengan menggunakan variabel-variabel biner, konstanta-konstanta 0
dan 1, simbol-simbol operasi logik, dan tanda kurung. Suatu fungsi boolean bisa dinyatakan
dalam tabel kebenaran. Suatu tabel kebenaran untuk fungsi boolean merupakan daftar semua
kombinasi angka-angka biner 0 dan 1 yang diberikan ke variabel-variabel biner dan daftar
yang memperlihatkan nilai fungsi untuk masing-masing kombinasi biner. Aljabar boolean
mempunyai 2 fungsi berbeda yang saling berhubungan. Dalam arti luas, aljabar boolean
berarti suatu jenis simbol-simbol yang ditemukan oleh George Boole untuk memanipulasi
nilai-nilai kebenaran logika secara aljabar. Dalam hal ini aljabar boolean cocok untuk
diaplikasikan dalam komputer. Disisi lain, aljabar boolean juga merupakan suatu struktur
aljabar yang operasi-operasinya memenuhi aturan tertentu.

2.2 Logika Fuzzy

Fuzzy secara bahasa dapat diartikan samar, dengan kata lain logika fuzzy adalah logika
yang samar. Dimana pada logika fuzzy suatu nilai dapat bernilai 'true' dan 'false' secara
bersamaan. Tingkat 'true' atau 'false' nilai dalam logika fuzzy tergantung pada bobot
keanggotaan yang dimilikinya. Logika fuzzy memiliki derajat keanggotaan rentang antara
0 hingga 1, berbeda dengan logika digital yang hanya memiliki dua keanggotaan 0 atau 1
saja pada satu waktu. Logika fuzzy sering digunakan untuk mengekspresikan suatu nilai
yang diterjemahkan dalam bahasa (linguistic), semisal untuk mengekspresikan suhu
dalam ruangan apakah ruangan tersebut dingin, hangat, atau panas.
Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input dalam
suatu ruang output dan memiliki nilai yang berlanjut. Kelebihan logika fuzzy ada pada
kemampuan penalaran secara bahasa. Sehingga, dalam perancangannya tidak
memerlukan persamaan matematis yang kompleks dari objek yang akan dikendalikan.
Logika Fuzzy dengan menggunakan Matlab
MATLAB adalah sistem perangkat lunak interaktif dengan elemen dasar basis data array.
Hal ini memunginkan seorang pengguna (user) dapat memecahkan masalah yang
berhubungan dengan komputasi dan matematika serta perhitungan teknik, khususnya

yang melibatkan matriks dan vektor dengan waktu yang lebih singkat darik waktu yang
dibutuhkan untuk menulis program dalam bahasa C atau FORTRAN.MATLAB
dikeluarkan oleh perusahaan Mathwork Inc. Agar dapat menggunakan fungsi fungsi
logika fuzzy yang ada pada MATLAB, maka harus diinstalkan terlebih dahulu
TOOLBOX fuzzy. Fuzzy logic toolbox memberikan fasilitas Grapihcal User Interface
(GUI) untuk memperindah dalam membangun suatu sistem fuzzy.
Kelebihan Logika Fuzzy
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 linearyang 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.

Kekurangan Logika Fuzzy

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.

Model Mamdani atau Sugeno atau model lain?

Penentuan model inference harus tepat, Mamdani biasanya cocok untuk masalah intuitive
sedangkan sugeno untuk permasalahan yang menangani control
2.

Jumlah Nilai Linguistik untuk setiap variabel?

Kita 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?

Batas-batas nilai linguistik akan sangat berpengaruh pada akurasi fuzzy logic.
4.

Fungsi Keanggotaan: Segitiga, trapesium, phi, ?

5.

Fuzzy rule yang tepat?

Dalam perjalanan perkembangan suatu generasi teknologi menjadi lebih mantap dan
berdaya guna tinggi, membutuhkan adanya pengembangan dasar pengetahuan dan
dilakukannya berbagai macam riset atau penelitian yang bersifat eksperimental.
Penelitian atau riset ini akan memberikan jawaban terhadap pertanyaan mendasar
seperti : teori-teori apa saja yang masih secara praktis masih relevan untuk kemudian
dikembangkan atau teori mana saja yang sama sekali tidak bisa digunakan lagi? Teori
yang bermanfaat adalah teori yang dianggap mampu menjembatani penggabungan
pengendali fuzzy dengan sistem kendali konvensional atau algoritma kendali modern
seperti jaringan neural, algoritma genetik, dan lain sebagainya.
Suatu system peralatan yang dikendalikan oleh komputer, terasa lebih canggih, lebih
pintar, lebih otomatis, lebih praktis, lebih efisien, lebih aman, lebih teliti dan sebagainya
yang menunjukkan keuntungan-keuntungan bila dibandingkan dengan pengerjaan yang
dilakukan secara manual oleh manusia. Kecerdasan buatan atau system yang
dikendalikan oleh komputer tidak akan berubah sepanjang sistem komputer & program
tidak mengubahnya.

Untuk menciptakan suatu peralatan yang ditangani oleh komputer maka kita harus
mempelajari suatu ilmu yaitu kecerdasan buatan. Ilmu ini mengkaji bagaimana suatu
komputer bisa melakukan pekerjaan-pekerjaan yang biasa dilakukan oleh menusia.
Tujuan utama dari kecerdasan buatan, yaitu: mengetahui dan memodelkan proses-proses
berfikir manusia dan mendesain mesin agar dapat menirukan kelakuan manusia tersebut.

Kemampuan komputer dapat diberdayakan melalui peningkatan kemampuan unjuk kerja

perangkat keras (hardware) atau pada perangkat lunak (software) atau perpaduan dari

keduanya. Kemampuan inilah yang menjadi syarat untuk mewujudkan sistem Peralatan
Pengaturan Lampu Lalulintas Berbasis Fuzzy Logic.

Logika Fuzzy untuk Sistem Pengaturan Lampu Lalulintas

Logika fuzzy dalam pengaturan lampu lalulintas amat diperlukan untuk memperlancar
arus lalulintas. Dengan adanya system yang bekerja secara otomatis diharapkan angka
kecelakaan yang disebabkan oleh masalah lampu lalulintas dapat berkurang. Selain itu
dengan adanya lampu lalulintas yang otomatis tentu saja akan mengurangi tugas polisi
lalulintas, sehingga mereka bisa mengerjakan hal-hal lain yang belum teratasi.

Permasalahan utama dalam perancangan dan pembuatan modell sistem peralatan

pengaturan lampu lalulintas berbasis Fuzzy Logic ini, adalah perangkat keras tambahan
yang terdiri dari : sensor, OpAmp, ADC 0809, Interfacing PPI 8255, Driver, Relay dan
Lampu lalulintas (LL). Sedangkan sebagai dasar pengendalian dari sistem yang
dijalankan, digunakan algoritma logika fuzzy.

Untuk memudahkan pengendalian lampu lalulintas, ada beberapa istilah yang digunakan
dalam pengendaliannya antara lain, untuk kepadatan jumlah kendaraan adalah : Tidak
Padat (TP), Kurang Padat (KP), Cukup Padat (CP), Padat (P) dan Sangat Padat (SP).
Sedangkan untuk lama nyala lampu LL adalah : Cepat (C), Agak Cepat (AC), Sedang (S),
Agak Lama (AL) dan Lama (L). Jelas istilah-istilah tersebut dapat menimbulkan makna
ganda (ambiguity) dalam pengertiannya. Logika Fuzzy dapat mengubah makna ganda
tersebut ke dalam model matematis sehingga dapat diproses lebih lanjut untuk dapat
diterapkan dalam sistem kendali.

Menggunakan teori himpunan Fuzzy, logika bahasa dapat diwakili oleh sebuah daerah
yang mempunyai jangkauan tertentu yang menunjukkan derajat keanggotaannya (fungsi
keanggotaan). Untuk kasus disini, sebut saja derajat keanggotaan itu adalah u(x) untuk x
adalah jumlah kendaraan. Derajat keanggotaan tersebut mempunyaii nilai yang
bergradasi sehingga mengurangi lonjakan pada system ini.
Sistem pengendalian fuzzy yang dirancang untuk pengaturan lampu laulintas ini
mempunyai dua masukan dan satu keluaran. Masukan adalah jumlah kendaraan pada
suatu jalur yang sedang diatur dan jumlah kendaraan pada jalur lain, sedangkan keluaran
berupa lama nyala lampu hijau pada jalur yang diatur. Penggunaan dua masukan
dimaksudkan supaya sistem tidak hanya memperhatikan sebaran kendaraan pada jalur
yang sedang diatur saja, tetapi juga memperhitungkan kondisi jalur yang sedang
menunggu. Pencuplikan dilakukan pada setiap putaran (lewat 8 sensor yang dipasang
pada semua jalur). Satu putaran akan dianggap selesai apabila semua jalur secara bergilir
telah mendapat pelayanan lampu.

Masukan berupa himpunan kepadatan kendaraan oleh logika fuzzy diubah menjadi fungsi
keanggotaan masukan dan fungsi keanggotaan keluaran (lama lampu hijau). Bentuk
fungsi keanggotaan dapat diatur sesuai dengan distribusi data kendaraan. Menerapkan
logika fuzzy dalam sistem pengendalian lampu lalulintas, membutuhkan tiga langkah,
yaitu :

Fusifikasi (Fuzzyfication)
Evaluasi kaidah
Defusifikasi (Defuzzyfication)

Fusifikasi adalah proses mengubah masukan eksak berupa jumlah kendaraan menjadi
masukan fuzzy berupa derajat keanggotaan u(x).
Evaluasi kaidah yaitu mengevaluasi Kaidah-kaidah yang akan digunakan untuk mengatur
lalulintas ditulis secara subyektif dalam FAM, yang memuat hubungan antara kedua
masukan yang menghasilkan keluaran tertentu. Kaidah-kaidah ini dikonsultasikan kepada
pihak-pihak yang berpengalaman dalam bidang pengendalian lampu lalulintas, seperti
Polisi Lalulintas dan DLLAJR. Di sini dipakai kaidah hubungan sebab akibat dengan dua
masukan yang digabung menggunakan operator DAN yaitu : Jika (masukan 1) DAN
(masukan 2), maka (keluaran), dan ditabelkan dalam Tabel FAM. Sebagai contoh, jika
TP(0,25) dan KP(0,75), maka AC(0,25). Di sini keluaran fuzzy adalah Agak Cepat yaitu
AC(0,25).

Masukan-1
TP
KP
CP
P
SP
Masukan-2

TP
C
AC
S

AL
L
KP
C
AC
S
AL
L
CP
C
AC
S
AL
AL
P
C
AC
S
S
AL
SP
C
AC
AC
S
S

1.1Tabel FAM (Fuzzy Associate Memory) untuk kepadatan Lalulintas

Keterangan :

Masukan-1 adalah jumlah kendaraan pada jalur yang diatur

Masukan-2 adalah jumlah kendaraan pada jalur lain

Setelah diperoleh keluaran fuzzy, proses diteruskan pada defusifikasi. Defusifikasi adalah
suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, dimana output
yang dihasilkan merupakan suatu bilangan pada domain fuzzy tersebut. Proses
defusifikasi ini bertujuan untuk mengubah keluaran fuzzy menjadi

keluaran eksak (lama nyala lampu hijau). Karena keluaran fuzzy biasanya tidak satu
untuk selang waktu tertentu, maka untuk dihasilkan keluaran eksaknya dipilih keluaran
dengan harga yang terbesar. Bila terdapat dua buah derajat keanggotaan berbeda pada
akibat yang sama, diambil harga yang terbesar.

Sistem pengatur lalulintas yang dirancang ini, juga mempertimbangkan masukan

interupsi sebagai prioritas utama, sehingga pengaturan lalulintas yang sedang berjalan
akan dihentikan sementara untuk melayani jalur yang menyela. Fasilitas ini digunakan
untuk keadaan darurat atau mendesak, misalnya seperti pelayanan mobil pemadam
kebakaran atau mobil ambulance. Pendeteksian interupsi dilakukan secara terus menerus
(residen). Jika lebih dari satu jalur memberi interupsi, maka jalur yang akan dilayani
lebih dulu adalah yang pertama menekan tombol interupsi.

Perancangan dan Pembuatan Sistem Peralatan

Desain Hardware
Desain Software

Perangkat lunak (software) yang dibuat dibagi menjadi beberapa bagian besar antara lain
meliputi algoritma pengambilan dan masukan, pengiriman data keluaran, pengolahan
data secara fuzzy, dan proses kendalinya. Perangkat lunak ini direalisasikan
menggunakan Turbo Pascal.

Algoritma program utama mengikuti proses sebagai berikut : mula-mula PPI diinialisasi
dengan mengirimkan control word ke register kendali PPI. Dengan mengirimkan nilai
90h ke register kendali PPI, maka port A akan berfungsi sebagai masukan dan port B
serta port C akan berfungsi sebagai keluaran.

Selanjutnya akan dikirimkan pulsa reset ke semua input ADC, pada saat awal seluruh jalur akan
diberi lampu merah. Setelah proses ini, program melakukan proses yang berulang-ulang, yaitu
proses pengambilan data pada tiap sensor, pengolahan data dan proses pengaturan fuzzy
menggunakan prinsip-prinsip yang telah dibahas di atas dan menjalankan pengaturan sesuai
dengan tabel kendali yang telah dibuat.

KESIMPULAN
Aljabar boolean merupakan aljabar yang berhubungan dengan variabel-variabel biner dan
operasi-operasi logik. Variabel-variabel diperlihatkan dengan huruf-huruf alfabet, dan tiga
operasi dasar dengan AND, OR dan NOT (komplemen). Fungsi boolean terdiri dari variabelvariabel biner yang menunjukkan fungsi, suatu tanda sama dengan, dan suatu ekspresi aljabar
yang dibentuk dengan menggunakan variabel-variabel biner, konstanta-konstanta 0 dan 1,
simbol-simbol operasi logik, dan tanda kurung.Suatu fungsi boolean bisa dinyatakan dalam tabel
kebenaran. Suatu tabel kebenaran untuk fungsi boolean merupakan daftar semua kombinasi
angka-angka biner 0 dan 1 yang diberikan ke variabel-variabel biner dan daftar yang
memperlihatkan nilai fungsi untuk masing-masing kombinasi biner.
Maka penggunaan aljabar sebagai dasar logika dari bahasa pemograman merupakan bukti nyata
pentingnya aljabar dunia Tekhnologi Informasi

Logika fuzzy terbukti dapat digunakan untuk pengaturan lalulintas secara optimal.sistem
pengendalian lampu lalulintas berbasis fuzzy logic

system ini terdiri dari tiga langkah yaitu fusifikasi, evaluasi kaidah, dan defusifikasi. Sistem
yang dihasilkan relatif sederhana dan mempunyai fleksibilitas tinggi. Sistem ini dapat diterapkan
di kondisi jalan yang berbeda, yaitu lewat penyesuaian ranah (domain) himpunan fungsi
keanggotaan masukan dan keluaran dan kaidah-kaidah kendali pada Fuzzy Associative Memory.

DAFTAR PUSTAKA
B. Kosko, Neural Network and Fuzzy System, chapter 8, Prentice Hall, 1992
E. Cox, Fuzzy Fundamentals, spectrum IEEE, October 1992
K. Sri, Artificial Intelegence, Graha Ilmu, Jogjakarta, 2003
Gupta, Sandipan dan M. Chakraborty. Job Evaluation in Fuzzy Environment. Journal in Fuzzy
Set & Systems 100 (71-76). 1998
S. Marsh et al., Fuzzy Logic Education Program, Center of Emerging Computer Technologies,
Motorola Inc., 1992