LOGIKA FUZZY DAN APLIKASINYA DALAM KEHIDUPAN SEHARI-HARI Pendahuluan Suatu system peralatan yang dikendalikan oleh komputer,

terasa lebih canggih, le bih pintar, lebih otomatis, lebih praktis, lebih efisien, lebih aman, lebih teli ti dan sebagainya yang menunjukkan keuntungan-keuntungan bila dibandingkan dengan pengerjaan yang dilakukan secara manual oleh manusia. Kecerdasan buatan atau system yang dikendalikan oleh komput er tidak akan berubah sepanjang sistem komputer & program tidak mengubahnya. Untuk menciptakan suatu p eralatan yang ditangani oleh komputer maka kita harus mempelajari suatu ilmu yaitu kecerdasan buatan. Ilmu in i mengkaji bagaimana suatu komputer bisa melakukan pekerjaan-pekerjaan yang bias a dilakukan oleh menusia. Tujuan utama dari kecerdasan buatan, yaitu: mengetahui dan memodelkan proses-proses berfikir manusia dan mendesain mesin agar dapat me nirukan kelakuan manusia tersebut. Kemampuan komputer dapat diberdayakan melalui peningkatan kemampuan unjuk kerja perangkat keras (hardware) atau pada perangka t lunak (software) atau perpaduan dari keduanya. Kemampuan inilah yang menjadi syarat untuk mewujudkan Modul sistem penggajian ka ryawan dan sistem Peralatan Pengaturan Lampu Lalulintas Berbasis Fuzzy Logic. Sy stem penggajian karyawan dan pengaturan Lampu lalulintas sangat diperlukan dalam kehidupan sehari-hari untuk itulah dibuat berbasis fuzzy logic agar dapat mempe rmudah kehidupan kita. Dengan

adanya system penggajian maka karyawan akan menerima gaji yang benar-benar sesua i dengan apa yang ia kerjakan karena mesin tidak mungkin melakukan korupsi. Seda ngkan untuk pengaturan lampu lalulintas, adanya system ini akan meningkatkan kel ancaran lalulintas serta keamanan dalam transportasi darat. Sistem pengendalian lampu lalulintas yang baik akan secara otomatis menyesuaikan diri dengan kepadat an arus lalulintas pada jalur yang diatur. Dengan penerapan logika fuzzy hal-hal semacam ini sangat memungkinkan untuk dilakukan. MODEL PENGGAJIAN PADA LINGKUNGAN FUZZY Misalkan untuk mengevaluasi su atu pekerjaan, ada m faktor yang berpengaruh, tiap-tiap faktor terdiri-dari n le vel. Sehingga faktor ke-i level ke-j dapat ditulis sebagai xij. Diasumsikan bahw a, level yang lebih tinggi pada suatu faktor (nilai j naik) menunjukkan bahwa ko mpleksitas pekerjaannya lebih tinggi. Hubungan ini dapat dituliskan sebagai: xij R xij-1, i=1,2,...,m dan j=1,2,...,n. dengan R adalah relasi Lebih Kompleks Misal kan ditetapkan ada k pekerjaan yang akan digunakan sebagai basis untuk melakukan evaluasi (bechmark), maka benchmark ke-r adalah Zr(X). Level terendah dalam fak tor ke-i adalah xi1, sedangkan level tertinggi dalam suatu faktor adalah xin. Ju mlah skor pada level terendah harus ditetapkan lebih dari atau sama dengan suatu nilai tertentu (ci), sedangkan jumlah skor pada level tertinggi juga harus dite tapkan kurang dari atau sama dengan suatu nilai tertentu (wi). Ini dapat ditulis sebagai: xi1 ci; (13)

xin wi; dengan i=1,2,...,m. (14) Pada (13) dan (14) dihitung secara sendiri-sendiri, artinya level terendah pada setiap faktor dibawa ke satu batasan. ehingga untuk m faktor yang ada dibutuhka n m batasan untuk (13) dan m batasan pula untuk (14). Hal ini tentu saja akan me nambah beban komputasi. ehingga dengan cara ini cukup dibutuhkan 2 batasan saja . Juga perlu diperhatikan bahwa, dalam suatu faktor, harga suatu level harus leb ih tinggi dibanding dengan harga level sebelumnya. elisih yang diperbolehkan un tuk kedua level dalam faktor ke-i tersebut minimum harus sama dengan ei. xij xij -1 ei; dengan i=1,2,...,m; dan j=1,2,...,n. Maka akan dicari berapakah nilai opt imum untuk tiap-tiap level, agar dapat dihitung nilai untuk setiap benchmark. Ji ka nilai setiap bechmark ini sudah diketahui, maka dengan mudah kita dapat menen tukan berapa gaji yang harus diterima oleh seorang karyawan dengan spesifikasi p ekerjaannya. Dari (13), (14), dan (15) dapat disusun suatu model: Tentukan: X = xij; (15) (16)

dengan batasan: Zr(X) ~ dr; xi1 ci; xin wi; xij xij-1 ei; xij 0; (i=1,2,...,m; dan j=1,2,...,n.

Dengan menunjukkan kesamaan fuzzy. Kesamaan fuzzy ini dapat direpresentasikan se bagai kombinasi antara 2 ketidaksamaan fuzzy sebagai berikut: < ~ Zr(X) dr; dan > ~ Zr(X) dr. (17) (18) Misalkan Zmin dan Zmax masing-masing adalah nilai benchmark

minimum dan nilai benchmark maksimum, maka fungsi keanggotaan untuk kesamaan fuz zy dapat didefinisikan sebagai berikut: 1. Fungsi keanggotaan r(Zr) adalah fungsi yang tidak pernah turun (Gambar 2). Jika diasumsikan bahwa nilai 0 akan terjadi pada daerah Zr Zmin, dan fungsi akan naik secara monoton pada Zmin < Zr dr, mak a dapat ditulis: 0; jika Zr Zmin Z Z r min r [Zr ] = ; jika Zmin < Zr dr dr Zmin 1; jika Z 0,1,2, , k (19) 1 r[Zr] 0 Zr Zmin dr Gambar 2 Fungsi keanggotaan r(Zr): fungsi yang tidak pernah turun. 2. Fungsi keanggotaan r(Zr) adalah fungsi yang tidak pernah naik (Gambar 3). Jika diasumsikan bahwa nilai 0 akan terjadi pada daerah Zr Zmax, dan fungsi akan tur un secara monoton pada dr < Zr Zmax, maka dapat ditulis:

1;

Z Zr

r [Zr ] =

max ;

Zmax dr

0; r = 0,1,2, , k

jika Zr dr jika dr < Zr Zmax jika Zr > Zmax (20) 1 r[Zr] 0 Zr dr Zmax Gambar 3 Fungsi keanggotaan r(Zr): fungsi yang tidak pernah naik. Dengan menggunakan operator min () dan fungsi keanggotaan pada (19) dan (20), mak a (17) dan (18) dapat ditu is sebagai: Zr (dr Zmin) + Zmin; Zr -(Zmax - dr) + Zmax; (21) (22) Dengan menggunakan (21) dan (22), mode fuzzy (16) dapat diturunkan menjadi bent uk inear programming yang ebih sederhana, yaitu: Max (23)

dengan batasan: Zr - (dr Zmin) Zmin; Zr + (Zmax - dr) Zmax; xi1 ci; xin wi; xij xij-1 ei; (i=1,2,...,m; j=1,2,...,n; wi>ci) CONTOH KA U Misa kan ada 3 faktor yang mempen garuhi eva uasi pekerjaan: x1 x2 x3 komp eksitas pekerjaan; kebutuhan akan pengawasan; ketahanan fisik

Tiap-tiap faktor terbagi menjadi 4 eve (Tabe 1) Tabe 1: Leve - eve da am tiap faktor. Leve KeVariabe Keterangan FAKTOR 1: Komp eksitas pekerjaan 1 2 3 4 1 2 3 4 1 2 3 4 x11 x12 x13 x14 x21 x22 x23 x24 x31 x32 x33 x34 Rendah M enengah Cukup Tinggi Tinggi angat butuh Butuh edikit butuh Tidak butuh Tidak p er u edikit per u Per u angat per u FAKTOR 2: Kebutuhan pengawasan FAKTOR 3: Ketahanan fisik Ada 5 benchmark yang ditetapkan, yaitu: Z1(X) Z2(X) Z3(X) Z4(X) Z5(X) = = = = = x14 x14 x13 x12 x12 + + + + + x24 x23 x23 x22 x21 + + + + + x34 x33 x32 x31 x32 ~ 100 ~ 90 ~ 80 ~ 70 ~ 60 peringkat pekerjaan tertinggi da am dengan Z1(X) merupakan organisasi. To eransi yang ditetapkan untuk setiap benchmark seperti ter ihat pa da Tabe 2. Tabe 2: To eransi yang ditetapkan untuk setiap benchmark. Benchmark ke(r) Ni ai tegas (dr) 100 90 80 atas To eransi bawah (dr Zmin) 10 20 10 atas Batas bawah (Zmin) 90 70 70 (Zmax - dr) 1 2 3 30 10 15 (Zmax) 130 100 95

4 5 70 60 10 5 10 10 80 65 60 50 Leve terendah dan tertinggi memi iki batasan sebagai berikut: xi1 30; xi4 150;

dengan i=1,2,3 dan j=1,2,3. o usi: Max , dengan batasan: x14 + x24 + x34 + 30 x14 + x24 + x34 - 10 x14 + x23 + x33 + 10 x14 20 x13 + x23 + x32 + 15 x13 + x23 + x32 - 10 x12 + x22 + x31 + 10 31 - 10 x12 + x21 + x32 + 5 x12 + x21 + x32 - 10 x11 + x21 + x31 - x12 4 x14 - x13 4 x22 - x21 4 x23 - x22 4 x24 - x23 4 x32 - x31 30 x14 + x24 + x34 150 130 90 100 70 95 70 80 60 65 50

dengan i=1,2,3. Antara satu eve mi iki se isih ni ai minimum 2: xij xij-1 4;

dengan eve sebe umnya da am setiap faktor me

+ x23 + x33 x12 + x2 x12 - x11 4 x33 - x32

x34 - x33 4 xij 0 (i=1,2,...,m; j=1,2,...,n)

Dari hasi skor yang dipero eh untuk setiap eve pada setiap faktor ini, akhirn ya dapat ditentukan ni ai untuk tiap-tiap benchmark seperti terangkum da am tabe 4. Tabe 4: kor baru untuk tiap benchmark. Benchmark ke1 2 3 4 5 kor 99,6 90,8 79 ,2 69,2 56,4 ehingga,

apabi a gaji karyawan yang bekerja dengan benchmark tertinggi ditetapkan sebesar Rp 100.000,-/hari, maka dapat ditetapkan gaji karyawan yang memi iki spesifikasi tertentu. Misa kan seorang karyawan yang pekerjaannya memi iki komp eksitas menengah (x12), tidak butuh pengawasan (x24) , dan per u ketahanan fisik (x33), akan dapat dihitung: Tota skor: x12 + x24 + x33 = 56,4 + 21,6 + 8 = 86

Bentuk di atas dapat dise esaikan dengan inear programming biasa. Hasi yang di pero eh, ni ai = 0,92. Tabe 3 menunjukkan hasi yang dicapai untuk setiap eve pada setiap faktor. Tabe 3: Ni ai eve setiap faktor. Faktor 1 1 2 3 52,4 0 0 2 56,4 12,8 4 Leve 3 60,4 16,8 8 4 66 21,6 12

Gaji yang dipero eh per hari: 86 x Rp 100.000, = Rp 86.345, 99,6 ogika Fuzzy untuk Sistem Pengaturan ampu alulintas ogika fuzzy dalam pengaturan lampu lalulintas amat diperlukan untuk memperlanca r arus lalulintas. Dengan adanya system yang bekerja secara otomatis diharapkan angka kecelakaan yang

disebabkan oleh masalah lampu lalulintas dapat berkurang. Selain itu dengan adan ya lampu lalulintas yang otomatis tentu saja akan mengurangi tugas polisi laluli ntas, sehingga mereka bisa mengerjakan hal hal lain yang belum teratasi. Permasa lahan utama dalam perancangan dan pembuatan modell sistem peralatan pengaturan lampu lalulintas berbasis Fuzzy ogic ini, ad alah perangkat keras tambahan yang terdiri dari : sensor, OpAmp, ADC 0809, Inter facing PPI 8255, Driver, Relay dan ampu lalulintas ( ). Sedangkan sebagai dasa r pengendalian dari sistem yang dijalankan, digunakan algoritma logika fuzzy. Un tuk memudahkan pengendalian lampu lalulintas, ada beberapa istilah yang digunakan dalam pengendaliannya antara lain, untuk kepadat an jumlah kendaraan adalah : Tidak Padat (TP), Kurang Padat (KP), Cukup Padat (C P), Padat (P) dan Sangat Padat (SP). Sedangkan untuk lama nyala lampu adalah : Cepat (C), Agak Cepat (AC), Sedang (S), Agak ama (A ) dan ama ( ). Jelas ist ilah istilah tersebut dapat menimbulkan makna ganda (ambiguity) dalam pengertiannya. ogika Fuzzy dapat mengubah makna ganda tersebut ke dalam model m atematis sehingga dapat diproses lebih lanjut untuk dapat diterapkan dalam siste m kendali.

Menggunakan teori himpunan Fuzzy, logika bahasa dapat diwakili oleh sebuah daerah yang mempunyai jangkauan tertentu yang menunjukkan d erajat keanggotaannya (fungsi keanggotaan). Untuk kasus disini, sebut saja deraj at keanggotaan itu adalah u(x) untuk x adalah jumlah kendaraan. Derajat keanggot aan tersebut mempunyaii nilai yang bergradasi sehingga mengurangi lonjakan pada system ini. Sistem pengendalian fuzzy yang dirancang untuk pengaturan lampu laul intas ini mempunyai dua masukan dan satu keluaran. Masukan adalah jumlah kendara an pada suatu jalur yang sedang diatur dan jumlah kendaraan pada jalur lain, sed angkan keluaran berupa lama nyala lampu hijau pada jalur yang diatur. Penggunaan dua masukan dimaksudkan supaya sistem tidak hanya memperhatikan sebaran kendara an 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 sem ua 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 pe ngendalian lampu lalulintas, membutuhkan tiga langkah, yaitu : Fusifikasi (Fuzzyfication) Evaluasi kaidah Def usifikasi (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 dig unakan untuk mengatur lalulintas ditulis secara subyektif dalam FAM, yang memuat hubungan antara kedua masukan yang menghasilkan keluaran tertentu. Kaidah kaidah ini dikonsultasikan kepada pihak p ihak yang berpengalaman dalam bidang pengendalian lampu lalulintas, seperti Poli si alulintas dan D AJR. Di sini dipakai kaidah hubungan sebab akibat dengan du a masukan yang digabung menggunakan operator DAN yaitu : Jika (masukan 1) DAN (m asukan 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 Masukan 2 TP KP CP P SP TP C C C C C KP AC AC AC AC AC CP S S S S AC P A A A S S SP

A A S

1.1Tabel FAM (Fuzzy Associate Memory) untuk kepadatan

alulintas

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 kompo sisi aturan aturan fuzzy, dimana output yang dihasilkan merupakan suatu bilangan pada domain fuzzy tersebut. Proses defusifikasi ini bertujuan untuk mengubah ke luaran fuzzy menjadi

keluaran eksak (lama nyala lampu hijau). Karena keluaran fuzzy biasanya tidak sa tu 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 lalu lintas yang dirancang ini, juga utama, mempertimbangkan masukan interupsi sebagai prioritas sehingga pengaturan lalulintas yang sedang berjalan akan dihentikan sementara un tuk melayani jalur yang menyela. Fasilitas ini digunakan untuk keadaan darurat a tau mendesak, misalnya seperti pelayanan mobil pemadam kebakaran atau mobil ambu lance. Pendeteksian interupsi dilakukan secara terus menerus (residen). Jika leb ih dari satu jalur memberi interupsi, maka jalur yang akan adalah yang pertama m enekan tombol interupsi. Perancangan dan Pembuatan Sistem Peralatan dilayani lebih dulu Desain Hardware Desain Software Perangkat lunak (software) yang dibuat dibagi me njadi beberapa bagian besar antara lain meliputi algoritma pengambilan dan masukan, pengiriman data keluaran, pengolahan data secara fuzzy, dan proses kendalinya. Perangkat lu nak ini direalisasikan menggunakan Turbo Pascal. Algoritma program utama mengiku ti proses sebagai berikut : mula mula PPI diinialisasi dengan mengirimkan contro l 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 be rfungsi sebagai keluaran.

Selanjutnya akan dikirimkan pulsa reset ke semua input ADC, pada saat awal selur uh jalur akan diberi lampu merah. Setelah proses ini, program melakukan proses y ang berulang ulang, yaitu proses pengambilan data pada tiap sensor, pengolahan d ata dan proses pengaturan fuzzy menggunakan prinsip prinsip yang telah dibahas d i atas dan menjalankan pengaturan sesuai dengan tabel kendali yang telah dibuat. Kesimpulan ogika fuzzy terbukti dapat digunakan untuk memenuhi tujuan system penggajian ka ryawan dan pengaturan lalulintas secara optimal. System penggajian karyawan berb asis fuzzy logic. model penggajian dengan menggunakan logika fuzzy ini dapat diterapkan di perusah aan perusahaan yang memiliki karyawan honorer (tidak tetap) dimana untuk menetapkan berapa besar gaji yang diterima ti dak bisa ditentukan secara tegas. Kelemahan sistem ini, pihak perusahaan membutu hkan ahli yang mampu menetapkan b benchmark awal dengan baik, karena nilai bench mark awal (dr) ini sangat berpengaruh pada penghitungan akhir tiap level. sistem pengendalian lampu lalulintas berbasis fuzzy logic system ini terdiri dari tiga langkah yaitu fusifikasi, evaluasi kaidah, dan defu sifikasi. Sistem yang dihasilkan relatif sederhana dan mempunyai fleksibilitas t inggi. Sistem ini dapat diterapkan di kondisi jalan yang berbeda, yaitu lewat pe nyesuaian ranah (domain) himpunan fungsi keanggotaan masukan dan keluaran dan ka idah kaidah kendali pada Fuzzy Associative Memory (Tabel FAM).

Miniatur Sistem Pengaturan ampu alulintas ini dapat diperluas, misalnya : 1. K omputer dibuat terpusat dengan tugas mengkoordinasi beberapa persimpangan, terutama yang berdekatan, dengan tujuan supaya sistem sis tem saling membantu dan memperlancar sebaran kendaraan pada suatu daerah. 2. Dikembangkan ke arah sistem yang adaptif, yaitu bila kondisi kepadatan berubah, maka sistem akan melakukan perubahan bentuk fungsi keanggotaan masukan dan keluaran, serta tabel FAM secara otomatis. 3. Digunakan sistem minimum yang salah satunya bisa berupa aplikasi M icrocontroler 8031 sehingga sistem tidak lagii tergantung pada penyediaan komputer sebagai otak sistem pengendali. Daftar Pustaka 1. B. Kosko, Neural Network and Fuzzy System, chapter 8, Prentice Hall, 1992 2. E. Cox, Fuzzy Fundamentals, spectrum IEEE, October 1992 3. K. Sri, Artificial In telegence, Graha Ilmu, Jogjakarta, 2003 4. Gupta, Sandipan dan M. Chakraborty. J ob Evaluation in Fuzzy Environment. Journal in Fuzzy Set & Systems 100 (71 76). 1998 5. S. Marsh et al., Fuzzy ogic Education Program, Center of Emerging Compu ter Technologies, Motorola Inc., 1992

TUGAS INDIVIDU MATA KU IAH KECERDASAN BUATAN OGIKA FUZZY DAN AP IKASINYA DA AM SEHARIKEHIDUPAN SEHARI HARI

O EH : TIARA SAVITRI G1A005016 PROGRAM STUDI TEKNIK INFORMATIKA UNIVERSITAS BENGKU U 2006