TUGAS PAPER

Definsi Aljabar Boolean dan Logika Fuzzy Beserta Aplikasinya dalam Kehidupan
Sehari-hari

Diajukan Sebagai Salah Satu Tugas Mata Kuliah Mekatronika

Oleh :
Ricky Restu Prayogo (03051181320039)
Kelas A Indralaya

UNIVERSITAS SRIWIJAYA
FAKULTAS TEKNIK
JURUSAN TEKNIK MESIN
2015

KATA PENGANTAR

Puji syukur penulis panjatkan ke hadirat Tuhan Yang Maha Esa , karena
atas kehendak-Nya lah kami selaku tim penulis bisa menyelesaikan makalah ini
tepat pada waktunya .
Adapun maksud dan tujuan penulis membuat makalah ini , adalah untuk
memenuhi salah satu tugas dari mata kuliah mekatronika.
Dalam pembuatan dan penyusunan makalah ini tentu saja penulis mengakui
bahwa makalah ini masih jauh dari kesempurnaan , baik dari segi isi , teori , dan
sistematika penulisannya . Maka dari itu karena belum luasnya wawasan kami,
kami sangat terbantu bila pembaca memberikan kritik dan saran yang bersifat
membangun dan dapat menyempurnakan makalah ini dari segi manapun .
Akhir kata penulis berharap semoga makalah ini bisa bermanfaat bagi kita semua
baik untuk hari ini dan untuk masa yang akan datang .

Palembang , 24 September 2015

Penulis

1. ALJABAR BOOLEAN
A. Pengertian
Aljabar boole pertama kali dikemukakan oleh seseorang matematikawan
inggris, geogre boole pada pertengahan abad ke-19 tahun 1854. Aljabar boolean
adalah cabang ilmu matematika yang diperlukan untuk mempelajari desain logika
dari suatu sistem digital yang merupakan operasi aritmatik pada bilangan boolean
(bilangan yang hanya mengenal 2 keadaan yaitu False/True, Yes/No, 1/0) atau bisa
disebut bilangan biner. Penamaan Aljabar Boolean sendiri berasal dari nama
George Boole.
Pada tahun 1938 clamde shanmon memperlihatkan penggunaan aljabar
boole untuk merancang rangkaian sirkuit yang menerima masukan 0 dan 1 dan
menghasilkan keluaran juga 0 dan 1 aljabar boole telah menjadi dasar teknologi
komputer digital.
Notasi aljabarboole adalah (B, + , 1 , 0 , 1 ). Dalam aljabar boole terdapat :
1. Letis (B, * , + ) dengan dua operasi biner infimum (*) dan supremum (+)
2. Poset (B, ) yaitu himpunan terurut bagian.
3. Batas-batas letis yang dinotasikan dengan 0 dan 1. 0adalah elemen terkecil
dan 1 adalah elemen terbesr dari relasi (B, ).
Karena (B, * , +) merupakan letis distribusi berkomplemen maka tiap
elemen dari B merupakan komplemen yang unik. Komplemen dan ( a B ).
Dalam matematika dan ilmu komputer, Aljabar Boolean adalah struktur
aljabar yang "mencakup intisari" operasi logika AND, OR, NOR, dan NAND dan
juga teori himpunanuntuk operasi union, interseksi dan komplemen.
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.
Aljabar boole digunakan untuk menyatakan pengaruh berbagai rangkaian
digital pada masukan-masukan logika, dan untuk memanipulasi variabel logika
dalam menentukan cara terbaik pada pelaksaan fungsi rangkaian tertentu. Oleh
karena hanya ada dua niai yang mungkin, aljabar boole lebih cocok digunakan

untuk rangkaian digital dibandingkan dengan aljabar yang lain. Kenyataanya

aljabar boole hanya mengenal tiga operasi dasar, yaitu:
a.

Penjumlahan logika atau OR dengan symbol operasi + (tanda plus)

b.

Perkalian logika atau AND dengan symbol operasi . (tanda titik) atau tanpa
tanda sama sekali

c.

Komplementasi atau NOT dengan symbol operasi - (garis diatas variabel)

B. Aplikasi Aljabar Boolean dalam Kehidupan Sehari-hari

Dipakai dalam merancang komputer elektronik dengan menerjemahkannya ke
dalam rangkaian saklar (switching circuits) dengan dasar logika (tertutup atau
terbuka) mengalirkan arus listrik atau tidak
2. LOGIKA FUZZY
A. Pengertian
Logika Fuzzy (Fuzzy Logic) adalah peningkatan dari logika Boolean yang
berhadapan dengan konsep kebenaran sebagian. Saat logika klasik menyatakan
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. Pada saat 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.
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.
Fuzzy Set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 1965 orang
Iran yang menjadi guru besar di University of California at Berkeley dalam
papernya yang monumental Fuzzy Set.

Dalam

paper

tersebut

dipaparkan

ide

dasar

fuzzy

set

yang

meliputi inclusion, union, intersection, complement, relation dan convexity.

Blok Diagram Fuzzy logic Control

Gambar Diagram Fuzzy Logic Control

Gambar Blok Diagram Fuzzy Logic

Fungsi dari bagian-bagian di atas adalah sebagai berikut :
1. Fuzzifikasi Berfungsi untuk mngubah sinyal masukan yang bersifat
crisp ( bukan fuzzy ) ke himpunan fuzzy dengan menggunakan operator
fuzzifikasi.
2. Basis Pengetahuan Berisi basis data dan aturan dasar yang
mendefinisikan himpunan fuzzy atas daerahdaerah masukan dan keluaran dan
menyusunnya dalam perangkat aturan kendali.

3. Logika Pengambil Keputusan merupakan inti dari Logika Fuzzy yang

mempunyai kemampuan seperti manusia dalam mengambil keputusan. Aksi atur
fuzzy disimpulkan dengan menggunakan implikasi fuzzy dan mekanisme
inferensi fuzzy.
4. Defuzzifikasi berfungsi untuk mentransformasikan kesimpulan tentang
aksi atur yang bersifat fuzzy menjadi sinyal sebenarnya yang bersifat crisp dengan
menggunakan operator defuzzifikasi
Dalam kehidupan sehari-hari kita sering tidak dapat menentukan batasbatas suatu masalah secara jelas. Sebagai contoh, untuk menyatakan air itu panas
atau dingin, amat bersifat relative. Logika fuzzy merupakan suatu cara yang tepat
untuk memetakan suatu ruang input ke dalam ruang output. Dalam gambar 1,
kotak hitam menyatakan proses yang dilakukan terhadap input supaya
menghasilkan output.

Ruang Input

Kotak Hitam

Ruang Output

Gambar Pemetaan input-output

Pada tahun 1965, Zadeh memodifikasi teori himpunan dimana setiap
anggotanya memiliki derajat keanggotaan kontinu antara 0 - 1, himpunan ini
disebut himpunan samar (Fuzzy set). Sebagai contoh : himpunan temperatur yang
akan mempengaruhi kondisi panas tidak bersifat diskrit dan dibatasi kondisi
hangat.
B. Derajat Kebenaran
Logika fuzzy dan logika probabilitas secara matematis sama - keduanya
mempunyai nilai kebenaran yang berkisar antara 0 dan 1 - namun secara konsep
berbeda. Logika fuzzy berbicara mengenai "derajat kebenaran", sedangkan logika
probabilitas mengenai "probabilitas, kecenderungan". Karena kedua hal itu

berbeda, logika fuzzy dan logika probabilitas mempunyai contoh penerapan dalam
dunia nyata yang berbeda.

C. Aplikasi Logika Fuzzy dalam Kehidupan Sehari-hari

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 :
2.1 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 :
a. Jika suhu dalam suatu ruangan dingin maka naikkan suhu penghangat.
b. Jika suhu dalam suatu ruangan panas maka naikkan suhu pendingin.
2.2 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).

2.3 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 terdiri-dari 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
.
2.4 Pembuatan Mesin Cuci
Pada tahun 1990 pertama kali dibuat mesin cuci dengan logika fuzzy di
Jepang (Matsushita Electric Industrial Company). Sistem fuzzy digunakan untuk
menentukan putaran yang tepat secara otomatis berdasarkan jenis dan banyaknya
kotoran serta jumlah yang akan dicuci. Input yang digunakan adalah: seberapa kotor,
jenis kotoran, dan banyaknya yang dicuci. Mesin ini menggunakan sensor optik ,
mengeluarkan cahaya ke air dan mengukur bagaimana cahaya tersebut sampai ke
ujung lainnya. Makin kotor, maka sinar yang sampai makin redup. Disamping itu,
sistem juga dapat menentukan jenis kotoran (daki atau minyak).

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 tiap-tiap 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.
2.5 Transmisi Mobil
Transmisi otomatis pada mobil. Mobil Nissan telah menggunakan sistem
fuzzy pada transmisi otomatis, dan mampu menghemat bensin 12 17%.

Sumber :
http://asnugroho.net/papers/ikcsc.pdf
https://id.wikipedia.org/wiki/Aljabar_Boolean
https://id.wikipedia.org/wiki/Logika_fuzzy
http://rizqiprastowo.blogspot.co.id/2011/07/aljabar-boleab.html