Anda di halaman 1dari 7

Logika Fuzzy adalah peningkatan dari logika Boolean yang berhadapan dengan konsep kebenaran

sebagian. Saat logika klasikmenyatakan bahwa segala hal dapat diekspresikan dalam istilah biner (0
atau 1, hitam atau putih, ya atau tidak), logika fuzzy menggantikan kebenaran boolean
dengan tingkat kebenaran.
Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga hitam dan
putih, dan dalam bentuk linguistik, konsep tidak pasti seperti "sedikit", "lumayan", dan "sangat".
Logika ini berhubungan dengan set fuzzy dan teori kemungkinan. Logika fuzzy diperkenalkan oleh
Dr. Lotfi Zadeh dari Universitas California, Berkeley pada 1965.
Dewasa ini, Fuzzy Logic merupakan salah satu metode yang memiliki aplikasi luas di bidang kontrol.
Perkembangan Fuzzy sangat pesat, karena konsep logika fuzzy mudah dimengerti dan fleksibel.
Oleh karena itu, dalam tulisan ini saya akan mengangkat tema tentang penerapan aplikasi Fuzzy
Logic dalam kehidupan sehari-hari. Sebelum membahas mengenai aplikasinya, kita perlu mengetahui
hal-hal yang terdapat pada sistem fuzzy yaitu :

Variabel Fuzzy
Merupakan variabel yang hendak dibahas dalam suatu system fuzzy, seperti umur, temperatur, dsb

Himpunan Fuzzy
Merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.

Semesta Pembicaraan
Adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy.

Domain
Adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam
suatu himpunan fuzzy.

Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukan pemetaan titik titik
input data kedalam nilai keanggotaanya (sering juga disebut dengan derajat keanggotaan) yang
memiliki interval antara 0 sampai 1 (Kusumadewei, 2004 : p8). Salah satu cara yang dapat digunakan
untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi.
Aplikasi Logika Fuzzy dalam kehidupan sehari-hari adalah sebagai berikut :

1.

Logika Fuzzy untuk Sistem Pengaturan Suhu Ruangan


Untuk menentukan suhu dalam suatu ruangan, kita dapat menentukannya menggunakan Logika Fuzzy.
Aturan dalam kontrol, mudah didefinisikan menggunakan kata-kata misalkan :

jika suhu dalam suatu ruangan dingin maka naikkan suhu penghangat.

jika suhu dalam suatu ruangan panas maka naikkan suhu pendingin.

1.

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.

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 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.

Untuk menyelesaikan masalah tersebut digunakan 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.

1.

Logika Fuzzy untuk Sistem Penggajian Karyawan


Dengan adanya system penggajian karyawan menggunakan logika Fuzzy

maka karyawan akan

menerima gaji yang benar-benar sesuai dengan apa yang karyawan tersebut kerjakan karena mesin
tidak mungkin melakukan korupsi.

Misalkan untuk mengevaluasi suatu pekerjaan, ada m faktor yang berpengaruh, tiap-tiap faktor terdiridari n level. Sehingga faktor ke-i level ke-j dapat ditulis sebagai xij. Diasumsikan bahwa, level yang
lebih tinggi pada suatu faktor (nilai j naik) menunjukkan bahwa kompleksitas pekerjaannya lebih tinggi.
Hubungan ini dapat dituliskan sebagai :

xij R xij-1, i=1,2,,m dan j=1,2,,n.

Misalkan ditetapkan ada k pekerjaan yang akan digunakan sebagai basis untuk melakukan evaluasi
(bechmark), maka benchmark ke-r adalah Zr(X). Maka akan dicari berapakah nilai optimum untuk tiaptiap level, agar dapat dihitung nilai untuk setiap benchmark. Jika nilai setiap bechmark ini sudah
diketahui, maka dengan mudah kita dapat menentukan berapa gaji yang harus diterima oleh seorang
karyawan dengan spesifikasi pekerjaannya.

CONTOH PENGGUNAAN PETRAFUZ

Program PetraFuz51 meyediakan be-berapa fasilitas yaitu perancangan input dan


output membership function (MF), perancangan fuzzy if- then rules, fuzzy logic
evaluator, control surface, pembentukan assembly code, downloader ke sistem target
dan data acquisition. Secara umum penggunaan PetraFuz dapat dibagi atas
tahap- tahap berikut yaitu tahap pertama mendisain fuzzy inference system yang
meliputi perancangan input dan output fuzzy beserta membership functionnya dan
perancangan fuzzy if- then rules. Tahap kedua pembentukan database (yang terdiri
dari MF dan if- then rules) dari hasil perancangan tahap pertama dalam bahasa
assembly MCS51 yang akan digabungkan dengan user program. Adapun user program yang dimaksud
adalah program yang dibuat
user untuk akses data dari/ke I/O interface baik analog maupun digital sesuai dengan
sistem kendali yang dirancang. Tahap ketiga adalah user program dicompile
terlebih dahulu untuk menghasilkan machine code, baru kemudian machine code tersebut didownload
ke sistem target mikrokontroler MCS51.
Untuk memberi gambaran yang lebih jelas diambil contoh penggunaan PetraFuz
pada sistem kendali temperatur udara yang menggunakan bola lampu sebagai pemanas dan kipas
sebagai pedingin. Input sistem fuzzy disini adalah Error dan Delta_Error temperatur udara terhadap
Setting Point yang diinginkan. Input Error adalah selisih antara Setting Point dengan Present Value
(Error= SP - PV)sedangkan Delta_Error adalah kecepatan perubahan error yang terjadi, Delta_Error =
Error (n) - Error (n-1)
Pertama dilakukan pengisian spesifikasi dari crisp input dan crisp output yaitunama, satuan, nilai
minimum, nilai maksimum dan jumlah label membership function. Tampilan menu dapat dilihat pada
gambar 2 dan gambar 3.

Dalam sistem kendali temperatur ini sebagai crisp input adalah Error dan
Delta_Error sedangkan crisp output adalah Lampu dan Kipas. Dari gambar 2 dan 3
dapat dilihat bahwa input Error mempunyai 5 label membership function dengan nilai minimum 255
dan nilai maksimum 255 dan output lampu mempunyai 5 label membership function dengan nilai
minimum 2 dan nilai maksimum 2. Input Delta_Error mempunyai 5 label dengan nilai minimum 255
dan nilai maksimum 255. Output kipas mempunyai 2 fuzzy label dengan nilai minimum 1 dan nilai
maksimum 1.

ontoh Aplikasi Sistem Pengembangan Kendali Fuzzy Logic Berbasis Mikrokontroler Keluarga Mcs51
(Petrafuz)
Penggunaan teknik kendali Fuzzy Logic telah cukup meluas pada berbagai aplikasi
mulai dari consummer electronics, robotics, kendali industri, dan lain- lain.
Implementasi kendali Fuzzy biasanya dilakukan oleh multi -purpose mikroprosesor, mikrokontroler maupun prosesor khusus berupa Fuzzy Logic Processor.
Biasanya dibutuhkan alat atau software bantu untuk mengembangkan aplikasi fuzzy
mulai dari tahap perancangan, evaluasi, implementasi dan penalaan (tuning).
Sistem PetraFuz terdiri dari 2 bagian yaitu sistem software yang berjalan pada
PC dan sistem target perangkat keras berupa sistem mikrokontroler MCS51. Blok
diagram sistem PetraFuz seperti pada gambar 1.

Proses perancangan, evaluasi, pembentukan program assembly dan proses

downloading MCS51 machine code menuju sistem target dilakukan oleh program yang berjalan pada PC
yaitu PetraFuz51 software. Sedangkan sistem target melakukan proses fuzzy logic yang berinteraksi
dengan perangkat I/O ke dunia luar. Proses fuzzy logic yang dilakukan oleh sistem targetkendali,
masing-masing input fuzzy logic juga dapat diamati melalui layar monitor. Secara umum kemampuan
sistem PetraFuz adalah:
Max. 5 Input
Max. 3 Output
8 Membership Functions per Input
8 Membership Functions per Output
1024 if- then Rule
15 Characters per Name (Input, Output, Member).
4 Points per Input Member. (Trapezoid MF)
1 Point per Output Member. (Singleton MF)