Pendahuluan Perkembangan teknologi saat ini lebih mengarah menuju sistem kontrol otomatis yang menuntut penggunaan komputer.

Dari kata otomatis, dapat dikatakan bahwa sistem kontrol yang dikembangkan diharapkan dapat meminimalisasi campur tangan manusia sehingga menjadi lebih praktis, efisien, dan mempermudah pekerjaan manusia. Selain hal tersebut, penggunaan komputer dalam sistem kontrol juga dapat meminimalisir kesalahan, lebih teliti, dan lebih aman. Sistem kontrol cerdas yang belakangan ini mulai sering digunakan adalah sistem kontrol fuzzy. Sistem kontrol fuzzy sangat luas aplikasi dan implementasinya dalam kehidupan sehari-hari. Hal ini dapat dilihat dari berbagai peralatan elektronik yang berbasis sistem kontrol fuzzy seperti: mesin cuci, televisi, AC ( air conditioner ), dan berbagai alat elektronik lainnya. Kemacetan merupakan salah satu masalah yang sering dihadapi di kota-kota besar yang dapat menyebabkan berbagai kerugian seperti: keterlambatan mencapai waktu tujuan, pemborosan bahan bakar kendaraan, dan tentunya kelelahan saat mengantri di jalan. Salah satu penyebab kemacetan adalah kekurang efisienan lampu pengatur lalu lintas ( traffic light ). Hal ini dapat dilihat melalui keberadaan traffic light yang kebanyakan hanya berpatokan kepada waktu saja, dimana hal ini sangat kurang efisien karena dibutuhkan lebih dari sekedar waktu untuk mengatur traffic light tersebut. Misalkan terdapat sebuah traffic light yang mengatur persimpangan, saat terjadi kepadatan dan saat sepi, traffic light tersebut akan tetap menggunakan waktu sebagai patokannya atau dapat dikatakan bagaimanapun kondisi jalan baik sepi maupun padat, waktu yang diberikan saat terjadi lampu merah tetaplah sama tanpa memperhitungkan kepadatan kendaraan di persimpangan tersebut. Sehingga untuk menghasilkan sebuah sistem kontrol traffic light yang baik dibutuhkan patokan berupa kepadatan kendaraan pada persimpangan. Dari permasalahan-permasalahan di atas munculah gagasan untuk membuat sebuah sistem kontrol cerdas berbasis fuzzy logic yang di aplikasikan pada traffic light, sehingga dapat mengurangi kemacetan yang terus terjadi di kota-kota besar. Sistem kontrol fuzzy nantinya akan menggunakan kepadatan dan panjang antrian kendaraan dipersimpangan sebagai input dan menghasilkan output berupa lama nyala dari lampu merah (sebagai tanda berhenti) dari traffic light. Tinjauan Pustaka Fuzzy logic pertama kali dikenalkan kepada publik oleh Lotfi Zadeh, seorang profesor di University of California di Berkeley. Fuzzy logic merupakan perluasan himpunan klasik (crisp), dimana pada himpunan klasik hanya mengenal dua kemungkinan yaitu menjadi anggota himpunan dan tidak menjadi anggota himpunan. Pada himpunan klasik keanggotaan himpunan sangat jelas. Berbeda dengan himpunan klasik, himpunan fuzzy memiliki beberapa kemungkinan. Keanggotaanya pun dapat diatur sesuai keinginan agar menjadi lebih sesuai dengan kenyataan. Sebagai contoh pernedaan himpunan fuzzy dan himpunan klasik pada penentuan suhu dari air panas. Pada himpunan klasik, untuk menyatakan air panas adalah dengan suhu 100 C. Pada saat air dipanaskan dengan suhu 95 C, dikatakan bahwa air tersebut tidak masuk dalam keanggotaan himpunan air panas (0) dan akan merupakan anggota himpunan air panas (1) jika

memiliki suhu 100 C atau lebih. Sedangkan pada himpunan fuzzy, suhu air panas adalah sekitar 100 C, maka jika air dipanaskan pada suhu 95 C akan tetap merupakan himpunan air panas, bahkan air dengan suhu 70 C pun dapat dikatakan merupakan himpunan air panas, namun memiliki derajat keanggotaan dari rentang 0 sampai 1. Hal ini diilustrasikan pada gambar 1.

a. Himpunan klasik b. Himpunan fuzzy Gambar 1. Grafik fungsi keanggotaan himpunan klasik dan Fuzzy. V= derajat keanggotaan Dalam fuzzy logic terdapat empat langkah untuk memperoleh output yang diinginkan yaitu: fuzzifikasi, knowledge base, inferensi, dan defuzzifikasi. Fuzzifikasi merupakan proses konversi nilai masukan tegas menjadi nilai fuzzy yang memiliki derajat keanggotaan yang disesuaikan dengan masukan tegas. Knowledge base merupakan bagian yang sangat penting dalam system control fuzzy, karena merupakan dasar pengetahuan yang mengatur proses fuzzy yaitu fuzzifikasi, inferensi dan defuzzifikasi. Knowledge base dibedakan menjadi dua hal yaitu data base dan rule base, dimana data base berisi definisi-definisi penting mengenai parameter fuzzy dengan fungsi keanggotaanya untuk setiap variabel linguistic, sedangkan rule base berisi aturan yang mengendalikan system control fuzzy sehingga menghasilkan output yang sesuai, pada rule base ini biasanya digunakan aturan IF-THEN untuk menyatakan setiap kombinasi kondisi inpu-input. Inferensi merupakan pemrosesan input dalam domain fuzzy yang nantinya akan memperoleh output dalam domain fuzzy juga. Pada proses inferensi, yang umum digunakan adalah metode inferensi Mamdani yang dikenalkan oleh Ebrahim Mamdani pada tahun 1975. Metode Mamdani ini sering dikenal dengan metode max-min. Namun agar menjadi lebih mudah dan lebih efisien dalam komputasinya, digunakanlah metode Sugeno yang merupakan pengembangan dari metode Mamdani dan dicetuskan oleh Michio Sugeno. Untuk lebih jelas mengenai metode inferensi Mamdani dan Sugeno ini, dapat dilihat pada gambar 2. Proses yang terakhir adalah proses defuzzifikasi yang didefinisikan sebagai proses konversi output dalam domain fuzzy yang diperoleh dari proses inferensi ke dalam output dalam domain tegas (crisp), hal ini diperlukan, karena dalam aplikasi nyata yang dibutuhkan adalah nilai tegas. Metode defuzzifikasi yang umum digunakan adalah metode centre of area (COA) yang dirumuskan dengan : ( ) ( ) ( )

Diamana dalam persamaan tersebut x(i) merupakan output ke i dan dan derajat keanggotaan dari x(i).

( ) = merupakan

a.

Metode Inferensi Mamdani

b. Metode Inferensi Sugeno Gambar 2. Metode Inferensi Mamdani dan Sugeno