FUNGSI LINIER DALAM EKONOMI

A. Fungsi Permintaan dan Penawaran

Fungsi permintaan merupakan fungsi yang menunjukkan hubungan antara jumlah barang
yang diminta dengan harga barang.
Fungsi penawaran merupakan fungsi yang menunjukkan hubungan antara jumlah barang
yang ditawarkan dengan harga barang.

Untuk barang normal, semakin besar harganya maka jumlah yang diminta akan semakin
berkurang, sehingga kurva permintaan barang normal selalu mempunyai kemiringan
(bergradien) negatif atau bila digambarkan akan berbentuk garis yang terbentang dari kiri
bawah ke kanan atas.

Sebaliknya pada fungsi penawaran, semakin besar harga barang maka akan semakin
besar pula jumlah barang yang ditawarkan sehingga fungsi penawaran memiliki
kemiringan (gradien) positif.

Untuk fungsi permintaan dan penawaran sumbu X diganti dengan sumbu Q (kuantitas),
sedangkan sumbu Y diganti dengan sumbu P (harga), sehingga persamaannya menjadi

Contoh 1 :
Duapuluh unit radio akan terjual bila harganya Rp 60 (dalam ribuan), sedangkan bila harganya
naik menjadi Rp 90 maka radio yang terjual berjumlah 10 unit. Tunjukkan fungsi permintaannya
Jawab :
P1 = 60 Q1 = 20
P2 = 90 Q2 = 10
Kerjakan Sendiri sehingga memiliki jawaban persamaan fungsi permintaannya P = -3Q + 120
Contoh 2 :
Suatu fungsi permintaan dinyatakan dengan persamaan Q = 30 3P.
a. Berapakah jumlah yang diminta bila harga barang Rp 7 ?
b. Bila jumlah barang yang diminta 15 unit, berapakah harga yang berlaku?
c. Bila barang adalah barang bebas, berapakah kuantitas yang diminta?
d. Berapakah harga tertinggi yang akan dibayar oleh konsumen? Jawab :
a. P = 7
Q = 30 3(7)
= 30 21
=9
b. Q = 15
15 = 30 3P
3P = 30 15
3P = 15
P=5

c. Barang bebas P = 0
Q = 30 3(0)
= 30 0
= 30
d. Harga tertinggi Q = 0
0 = 30 3P
3P = 30
P = 10
Contoh 3 :
Jika harga radio yang ditawarkan oleh konsumen Rp 50 (dalam ribuan) maka akan ada 120 radio
yang ditawarkan. Bila harganya naik menjadi Rp 80 maka produsen akan menambah jumlah
radio yang ditawarkan menjadi 150 unit. Tunjukkan fungsi penawarannya !
Jawab :
P1 = 50 Q1 = 120
P2 = 80 Q2 = 150
dilanjutkan sendiri? dan harus bisa
Contoh 4 :
Bila fungsi penawaran ditunjukkan oleh persamaan Q = 5P 10.
a. Bila harga barang Rp 10, berapa jumlah barang yang ditawarkan?
b. Bila produsen menawarkan barang sejumlah 20 unit, berapa harga penawarannya?
c. Berapa harga terendah yang ditawarkan produsen?
a. P = 10
Q = 5(10) 10
Q = 50 10
Q = 40
b. Q = 20
20 = 5P 10
5P = 20 + 10
5P = 30
P=6
c. Harga terendah Q = 0
0 = 5P 10
5p = 0 + 10
5P = 10
P=2
B. Keseimbangan Permintaan dan Penawaran
Keseimbangan permintaan dan penawaran terjadi pada saat harga permintaan sama dengan harga

penawaran atau kuantitas permintaan sama dengan kuantitas penawaran.

PD = PS
atau
QD = QS
Di mana :
PD = Harga permintaan
PS = Harga penawaran
QD = Kuantitas permintaan
QS = Kuantitas penawaran
Contoh :
Fungsi permintaan dan penawaran ditunjukkan oleh persamaan :
QD = 120 3P
QS = -60 + 6P
Berapa harga dan jumlah keseimbangannya?
Jawab :
QD = QS
120 3P = -60 + 6P
120 + 60 = 6P + 3P
180 = 9P
P = 20
P = 20
Q = 120 3(20)
Q = 120 60
Q = 60
Jadi keseimbangan terjadi pada saat harga Rp 20 dan kuantitas
sebanyak 60 unit.
C. Keseimbangan Setelah Pajak dan Subsidi
Adanya pajak dan subsidi hanya akan menggeser fungsi penawaran dan tidak berpengaruh
kepada fungsi permintaan.
Pajak akan menggeser kurva penawaran ke atas, sedangkan subsidi akan menggeser kurva
penawaran ke bawah.
Gambar dibahas di kelas? Anda diharapkan memiliki pertanyaan tentang ini agar lebih jelas?
Keterangan :
S : Penawaran awal
St: Penawaran setelah pajak
Ss: Penawaran setelah subsidi
D : Permintaan
Adanya pajak akan menaikkan harga barang, sedangkan adanya subsidi justru akan menurunkan
harga barang tersebut.
Contoh : F ungsi permintaan dan penawaran ditunjukkan oleh :
Pd = -2Q + 10
Ps = 0,5 Q + 5
Carilah keseimbangan awal.
Apabila dikenakan pajak sebesar Rp 1 per unit bagaimana posisi keseimbangan setelah pajak?

Berapa beban pajak yang ditanggung oleh konsumen?

Berapa beban pajak yang harus ditanggung oleh produsen?
Berapa pendapatan pajak yang diterima oleh pemerintah?
Jawab :
Pd = Ps
-2Q + 10 = 0,5Q + 5
10 5 = 2,5 Q
5 = 2,5 Q
Q=2
P = -2(2) + 10
P = -4 + 10
P=6
Jadi keseimbangan awal terjadi pada saat harga Rp 6 dan jumlah barang 2 unit.
Pd = -2Q + 10
Ps = 0,5Q + 5
Ps setelah pajak Rp 1
Pst = 0,5Q + 5 + 1
Pst = 0,5Q + 6
Keseimbangan setelah pajak :
Pd = Pst
-2Q + 10 = 0,5Q + 6
10 6 = 0,5Q + 2Q
4 = 2,5Q
Q = 1,6
Q = 1,6
P = -2(1,6) + 10
P = -3,2 + 10
P = 6,8
Jadi keseimbangan setelah pajak terjadi pada saat harga Rp 6,8 dan kuantitas sebanyak 1,6 unit.
Perhatikan! Pajak menyebabkan harga keseimbangan meningkat (6,8) sedangkan jumlah
keseimbangan menurun (1,6).
Beban pajak yang ditanggung oleh konsumen = harga setelah pajak dikurangi harga sebelum
pajak.
= 6,8 6 = 0,8
Jadi beban pajak yang ditanggung oleh konsumen sebesar Rp 0,8 per unit barang.
Beban pajak yang ditanggung oleh produsen = besarnya pajak per unit dikurangi beban pajak
yang ditanggung oleh konsumen
= 1 0,8 = 0,2.
Jadi beban pajak yang ditanggung oleh produsen Rp 0,2 per unit barang.
Pendapatan pajak pemerintah = besarnya pajak per unit dikali kuantitas keseimbangan setelah
pajak.
= 1 X 1,6 = 1,6
Jadi pendapatan pajak pemerintah sebesar Rp 1,6.

Catatan :
Pada contoh di atas fungsi permintaan dan penawarannya dinyatakan dalam fungsi P.
Fungsi permintaan dan penawaran juga dapat diubah dalam bentuk fungsi Q, atau untuk jelasnya
contoh berikut :
Pd = -2Q + 10 2Qd = -P + 10
Qd = -0,5P + 5
Ps = 0,5Q + 5 0,5Qs = P 5
Qs = 2P 10
Dengan diberlakukannya pajak sebesar Rp 1 per unit maka fungsi penawarannya akan menjadi :
Qs = 2(P 1) 10
Qs = 2P 2 10
Qs = 2P 12
Sehingga keseimbangan setelah pajak :
Qd = Qs
-0,5P + 5 = 2P 12
5 + 12 = 2P + 0,5P
17 = 2,5P
P = 6,8
P = 6,8
Q = -0,5(6,8) + 5
Q = -3,4 + 5
= 1,6
Terbukti hasilnya sama jika kita memakai fungsi P atau fungsi Q.
Dengan persamaan di atas yaitu :
Pd = -2Q + 10
Ps = 0,5 Q + 5
Dan seandainya pemerintah memberikan subsidi sebesar Rp 1 per unit maka hitunglah :
Harga dan kuantitas setelah subsidi.
Besarnya subsidi yang dinikmati oleh konsumen.
Besarnya subsidi yang dinikmati oleh produsen.
Besarnya subsidi yang dikeluarkan oleh pemerintah.
Pd = -2Q + 10
Ps = 0,5 Q + 5
Dengan subsidi sebesar Rp 1 per unit maka fungsi penawarannya akan menjadi :
Pss = 0,5Q + 5 1
= 0,5Q + 4
Keseimbangan setelah subsidi :
Pd = Pss
-2Q + 10 = 0,5Q + 4
10 4 = 0,5Q + 2Q
6 = 2,5Q
Q = 2,4
P = -2Q + 10
P = -2(2,4) + 10
P = -4,8 + 10

P = 5,2
Jadi harga keseimbangan setelah subsidi sebesar Rp 5,2 dan kuantitas keseimbangan setelah
subsidi sebesar 2,4. Perhatikan! Subsidi menyebabkan harga keseimbangan menjadi turun (dari 6
menjadi 5,2)sedangkan kuantitas keseimbangannya naik (dari 2 menjadi 2,4).
Besarnya subsidi yang dinikmati produsen = besarnya subsidi per unit barang dikurangi besarnya
subsidi yang dinikmati oleh konsumen
= 1 0,8 = 0,2
Jadi besarnya subsidi yang dinikmati oleh produsen adalah Rp 0,2 per unit barang.
Besarnya subsidi yang dikeluarkan oleh pemerintah = besarnya subsidi per unit dikali jumlah
keseimbangan
= 1 X 2,4 = 2,4
Jadi besarnya subsidi yang dikeluarkan oleh pemerintah sebesar Rp 2,4.
Catatan :
Untuk mencari keseimbangan setelah subsidi berlawanan dengan pajak, karena sifat subsidi dan
pajak memang berlawanan.
Pajak adalah sejumlah tertentu yang harus dibayarkan kepada pemerintah, sedangkan subsidi
adalah sejumlah tertentu yang dibayarkan oleh pemerintah.
Subsidi biasanya dilakukan untuk memproteksi produk-produk dalam negeri dari persaingan
dengan produk impor sehingga harga produk dalam negeri bisa lebih kompetitif.

Fungsi Keanggotaan Fuzzy Logic

Assalamualaikum, Wr.Wb :D
Pada minggu ini, kami dapat tugas lagi dari Ibu Kurnia Anggriani, S.T, M.T..
(Yosh,, Semangat-Semangat Kerjakan Tugas!!! :D). Tugas yang diberikan
yaitu tugas mereview beberapa kurva pada materi fungsi keanggotaan fuzzy
logic. Waktu perkuliahan kemarin sudah 3 kurva yang telah dipelajari dan
dibahas bersama, lalu ada 1 kurva lagi yang ditugaskan oleh kami untuk
direview oleh masing - masing kelompok. Jadi setiap kelompok total kurva
yang akan direview berjumlah sebanyak 4 kurva. Berikut nama-nama fungsi
keanggotaan Fuzzy Logic :
1. Representasi Linear
2. Representasi Kurva Segitiga
3. Representasi Kurva Trapesium
4. Representasi Kurva Bentuk Bahu
5. Representasi Kurva-S
6. Representasi Kurva, ada 3 jenis yaitu Kurva PI, Kurva Beta dan Kurva
GAUSS
7. Koordinat Keanggotaan
Kebetulan kelompok kami untuk 1 kurva tambahan yang akan direview dapat
kebagian kurva bentuk bahu. Sebelum membahas setiap kurva-kurva yang

disebutkan diatas. Kita ka harus tahu terlebih dahulu apa yang dimaksud
dengan "Fungsi Keanggotaan".

Apa Itu Fungsi Keanggotaan?

Fungsi Keanggotaan Logika Fuzzy digunakan dalam menghitung derajat
keanggotaan suatu himpunan fuzzy. Setiap istilah linguistik diasosiasikan dengan fuzzy
set, yang masing-masing memiliki fungsi keanggotaan yang telah didefinisikan.
Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukan pemetaan titik
input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan)
yang
memiliki
interval
antara
0
sampai
1.
Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan
melalui pendekatan fungsi.
Sekarang sudah tahu kan apa itu fungsi keanggotaan.??? :D
Selanjutnya kita akan membahas satu per satu fungsi-fungsi tersebut, tetapi
tidak semuanya hanya 4 fungsi saja karena kami akan membahas hanya
bagian kami saja .. :D
Baiklah langsung saja kita akan mulai dari representasi linear.

Representasi Linear
Pada representasi linear, pemetaan input ke derajat keanggotaannya digambarkan sebagai sebuah
garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu
konsep yang kurang jelas.
Ada dua keadaan himpunan fuzzy linear, yaitu linear naik dan linear turun.
a. Linear Naik
Kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0]
bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi yang
disebut dengan representasi fungsi linear naik.
Representasi fungsi keanggotaan untuk linear naik adalah sebagai berikut :

Representasi Linear Naik

Rumus Representasi Linear Naik

Keterangan:
a = nilai domain yang mempunyai derajat keanggotaan nol
b = nilai domain yang mempunyai derajat keanggotaan satu
x = nilai input yang akan di ubah ke dalam bilangan fuzzy
b. Linear Turun
Fungsi Linear turun merupakan kebalikan dari fungsi linear naik. Garis lurus dimulai dari nilai
domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai
domain yang memiliki derajat keanggotaan lebih rendah.
Representasi fungsi keanggotaan untuk linear turun adalah sebagai berikut:

Representasi Linear Turun

Rumus Representasi Linear Turun

Keterangan:
a = nilai domain yang mempunyai derajat keanggotaan satu
b = nilai domain yang mempunyai derajat keanggotaan nol
x = nilai input yang akan di ubah ke dalam bilangan fuzzy
Untuk
lebih
mengerti
lagi,
yuuk
kita
lihat
contoh
soal
berikut
:
Pertama kita lihat contoh untuk linear naik, setelah itu baru linear turun.. :)
a. Fungsi Linear Naik
kita mempunyai variable Temperatur dengan semesta pembicaraan dari nilai 0 sampai 35.
Terdapat satu buah himpunan panas dengan domain dari 25 sampai 35. Maka dalam representasi
linear naik dapat digambarkan dibawah ini :

Berapa derajat keanggotaan untuk 32 Derajat Celcius ?

Karena nilai x adalah 32 dan berada diantara nilai a dan b jadi rumus yang digunakan adalah "
[x] = (x a) / (b - a)".
Jawab :
PANAS [32] = (32 25) / (35-25)
= 7/10
= 0,7
b. Fungsi Linear Turun
Untuk merepresentasikan variable temperature dengan himpunan dingin yang memiliki domain
nilai dari 15 sampai 30. Maka dalam representasi linear turun dapat digambarkan sebagai berikut
:

Berapa derajat keanggotaan untuk 20 Derajat Celcius ?

Karena nilai x adalah 20 dan berada diantara nilai a dan b jadi rumus yang digunakan adalah "
[x] = (b x) / (b - a)".
Jawab :
DINGIN [20] = (30-20) / (30-15)
= 10/15
= 0,667

Representasi Kurva Segitiga

Represetasi Kurva Segitiga, pemetaan input ke derajat keanggotaannya digambarkan dengan
bentuk segitiga dimana pada dasarnya bentuk segitiga tersebut gabungan antara 2 garis (linear).
Nilai-nilai di sekitar b memiliki derajat keanggotaan turun yang cukup tajam (menjahui 1).
Representasi fungsi keanggotaan untuk kurva segitiga adalah sebagai berikut:

Representasi Kurva Segitiga

Rumus Representasi Kurva Segitiga

Keterangan:
a = nilai domain terkecil yang mempunyai derajat keanggotaan nol
b = nilai domain yang mempunyai derajat keanggotaan satu
c = nilai domain terbesar yang mempunyai derajat keanggotaan nol
Agar lebih mengerti lagi, Yuuk kita lihat contoh soal berikut :
Untuk variable temperature dengan himpunan normal yang bernilai domain dari 15-35 dapat
digambarkan sebagai berikut :

Berapa derajat keanggotaan untuk 23 Derajat Celcius

Karena nilai x adalah 23 dan berada diantara nilai a dan b jadi rumus yang digunakan adalah "
[x] = (x a) / (b - a)".
Jawab :

 NORMAL [23] = (23-15)/(25-15)

= 8/10
= 0,8

Representasi Kurva Trapesium

Kurva trapesium pada dasarnya menyerupai bentuk segitiga, hanya saja ada beberapa titik yang
memiliki
nilai
keanggotaan
1.
Representasi fungsi keanggotaan untuk kurva trapesium adalah sebagai berikut:

Representasi Kurva Trapesium

Rumus Representasi Kurva Trapesium

Keterangan:
a
=
nilai
b
=
nilai
c
= nilai
d
=
nilai
x
=
nilai

domain
domain
domain
domain
input

terkecil
yang
terkecil
yang
terbesar
yang
terbesar
yang
yang
akan
di

mempunyai
mempunyai
mempunyai
mempunyai
ubah
ke

derajat
keanggotaan
nol
derajat
keanggotaan
satu
derajat
keanggotaan
satu
derajat
keanggotaan
nol
dalam
bilangan
fuzzy

Untuk pemahaman yang lebih, Yuuuk kita lihat contoh soal berikut :
Fungsi keanggotaan untuk himpunan NORMAL pda variabel temperatur ruangan seperti terlihat
pada Gambar dibawah ini :

Berapa derajat keanggotaan untuk 32 Derajat Celcius?

Karena nilai x adalah 32 dan berada diantara nilai c dan d jadi rumus yang digunakan adalah "
[x] = (d x) / (d - c)".
Jawab:
NORMAL[32] = (35-32)/(35-27)
= 3/8
= 0,375

Representasi Kurva Bentuk Bahu

Daerah yang terletak di tengah-tengah suatu variabel yang direpresentasikan dalam bentuk
segitiga, pada sisi kanan dan kirinya akan naik turun. Tetapi terkadang salah satu sisi dari
variabel tersebut tidak mengalami perubahan. Himpunan fuzzy bahu, bukan segitiga,
digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari benar ke salah,
demikian
juga
bahu
kanan
bergerak
dari
salah
ke
benar.
Representasi fungsi keanggotaan untuk kurva bahu adalah sebagai berikut:

Representasi Kurva Bahu

Rumus Representasi Kurva Bahu

Tanpa contoh pasti masih bingungkan?? :D
Agar tidak bingung dan bisa lebih paham lagi. Yuuk lihat contoh soal berikut :
Misalkan akan dibuat variabel fuzzy temperatur dengan 3 himpunan yaitu dingin, normal dan
panas.
DINGIN
=
{0
...
28}
NORMAL
=
{25
...
35}
PANAS = {33 ... 40}

Berikut formula untuk masing - masing dari himpunan

1. DINGIN

2. NORMAL

3. PANAS

Itulah pembahasan dari masing-masing fungsi-fungsi keanggotaan fuzzy logic yang direview
oleh kelompok 1. Semoga dari penjelasan tersebut, dapat dengan mudah dimengerti dan
dipahami. :D :D ^_-

Himpunan Fuzzy
Himpunan fuzzy pertama kali dikembangkan pada tahun 1965 oleh Zadeh, teori
himpunan fuzzy telah banyak dikembangkan dan diaplikasikan dalam berbagai
masalah nyata. Ada beberapa hal yang perlu diketahui dalam memahami himpunan
fuzzy (Susilo, 2003), yaitu:
1. Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem
fuzzy. Contoh: permintaan, persediaan, produksi.
2. Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau
keadaan tertentu dalam suatu variabelfuzzy. Himpunan fuzzy memiliki dua
atribut, yaitu (Kusumadewi, 2013): a). Linguistik, yaitu penamaan suatu grup
yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan
bahasa alami. Contoh: muda, parobaya, tua. b). Numeris, yaitu suatu nilai
angka yang menunjukkan ukuran dari suatu variabel. Contoh: 3, 4, 17.
3. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy. Contoh: semesta pembicaraan
untuk variabel temperatur: X= [0,100]
4. Domain himpunan fuzzy adalah keseluruhan nilai yang diizinkan dalam
semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.
Contoh domain himpunan fuzzy untuk semesta X=[0, 120].

Operasi Himpunan Fuzzy

Operasi himpunan fuzzy digunakan untuk mengkombinasi dan memodifikasi
himpunan fuzzy. Nilai keanggotaan sebagai hasil dari operasi dua himpunan sering
dikenal dengan nama fire strength atau -cut. Ada tiga operator dasar yang
diciptakan oleh Zadeh, yaitu: AND, OR, dan NOT.

a. Operator AND
Operator AND (intersection) berhubungan dengan operasi irisan pada himpunan.
Intersection dari 2 himpunan adalah minimum dari tiap pasangan elemen pada
kedua himpunan. Contoh: (AB)(x) = min[A(x), B(x)].

b. Operator OR
Operasi OR (union) berhubungan dengan operasi gabungan pada himpunan. Union
dari 2 himpunan adalah maksimum dari tiap pasang elemen pada kedua himpunan.
Contoh: (AUB)(x) = max[A(x), B(x)].

c. Operator NOT
Operasi NOT berhubungan dengan operasi komplemen pada himpunan.
Komplemen himpunan fuzzy A diberi tanda Ac (NOT A) dan didefinisikan sebagai :
Ac (x) = 1 A(x). Derajat keanggotaannya adalah Ac (x) = 1 - A(x).

Fungsi Keanggotaan
Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik
input data ke dalam nilai keanggotaannya yang memiliki interval antara 0 sampai 1.
Salah satu cara yang digunakan untuk menggambarkan nilai keanggotaan adalah
dengan melalui pendekatan fungsi. Ada beberapa fungsi yang digunakan yaitu.

a. Representasi Linier
Pada representasi linear, pemetaan input ke derajat keanggotaannya digambarkan
sebagai suatu garis lurus. Ada dua representasi linier, yaitu:
1. Representasi linear naik, yaitu kenaikan himpunan dimulai dari nilai domain
yang memiliki nilai keanggotaan nol [0] bergerak ke kanan menuju ke nilai
domain yang memiliki derajat keanggotaan yang lebih tinggi. Representasi
linier naik dapat dilihat pada Gambar 1.

2. Representasi linear turun, yaitu garis lurus yang dimulai dari nilai domain
dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak turun
ke nilai domain yang memiliki derajat keanggotaan lebih rendah.
Representasi linier turun dapat dilihat pada Gambar 2.

b. Representasi Kurva Segitiga

Representasi kurva segitiga adalah gabungan antara representasi linear naik dan
representasi linear turun. Representasi kurva segitiga dapat dilihat pada Gambar 3 .

Preposisi Fuzzy
Sebuah kalimat logika A B, simbol A disebut preposisi dan A(x) adalah sebuah
preposisi mengenai x. Bentuk sederhana dari preposisifuzzy adalah p: V is G dimana
p adalah sebuah preposisi, V adalah domain dan G adalah fuzzy set. Misal V diganti
mengganti himpunan usia N100={1,2,3,4,5,100} dan G adalah bentuk linguistik
seperti muda yang dimodelkan dengan himpunan fuzzy didefinisikan untuk

himpunan usia, sehingga dapat dibuat kalimat "Adi is muda". Sebagai sebuah
preposisi, kalimat tersebut dibaca "usia (Adi) is muda".

Fungsi Implikasi
Bentuk umum dari aturan yang digunakan untuk fungsi implikasi adalah if x is A
then y is B, dengan x dan y sebagai skalar, sedangkan A dan B adalah himpunan
fuzzy. Proposisi yang terletak setelah if disebut antiseden, dan proposisi yang
terletak setelah then disebut konsekuen. Secara umum ada dua fungsi implikasi
yang digunakan dalam operrasi fuzzy, yaitu:
1. Min (minimum). Fungsi ini memotong output himpunan fuzzy.
2. Dot (product). Fungsi ini menskala output himpunan fuzzy.

Sistem Inferensi Fuzzy

Sistem inferensi fuzzy yaitu sistem komputasi yang bekerja atas dasar prinsip
penalaran fuzzy. Sistem inferensi fuzzy digunakan untuk memetakan nilai input
menjadi nilai output menggunakan logika fuzzy. Sistem inferensi fuzzy dewasa ini
banyak digunakan untuk berbagai macam keperluan, seperti sistem pendukung
keputusan, penentuan produksi barang, pengenalan pola.Sistem inferensi fuzzy
terdiri dari empat unit, yaitu :
1. Fuzzifikasi adalah proses perubahan variabel numerik menjadi variabel
linguistik. Fungsi fuzzifikasi digunakan untuk mengubah nilai tegas, misal
aB, ke suatu himpunan fuzzy C dengan nilai keanggotaan a. Fuzzifikasi
diharapkan dapat membantu menyederhanakan komputasi yang harus
dilakukan oleh sistem tersebut dalam proses inferensinya.
2. Penalaran logika fuzzy adalah suatu cara penarikan kesimpulan berdasarkan
seperangkat implikasi fuzzy dan suatu fakta yang diketahui. Salah satu
aturan penalaran yang paling sering dipergunakan adalah modus ponen,
yang didasarkan pada tautologi:(p ^ ( p=>q))=>q. Bentuk penalaran modus
ponen adalah sebagai berikut : Premis 1x adalah A, Premis 2. Bila x adalah A,
maka y adalah B.Kesimpulan y adalah B. Proses penarikan kesimpulan diatas
terdiri dari sebuah proposisi tunggal sebagai fakta yang diketahui (premis 1),
sebuah proposisi majemuk berbentuk implikasi, yang merupakan suatu
kaidah atau aturanyang berlaku (premis 2) dan kesimpulan yang ditarik
berdasarkan kedua proposisi tersebut.
3. Basis pengetahuan memuat fungsi-fungsi keanggotaan dari himpunanhimpunan fuzzyyang terkait dengan nilai dari variabel-variabel linguistik yang
dipakai dan aturan-aturan berupa implikasi fuzzy.
4. Defuzzifikasi digunakan menerjemahkan himpunan nilai keluaran kedalam
nilai yang tegas. Ada beberapa metode defuzzifikasi dalam pemodelan sistem
fuzzy, yaitu :
o

Metode Centroid. Pada metode ini, solusi nilai tegas diperoleh dengan
mengambil titik pusat (z*) daerah fuzzy.

Metode Bisektor. Pada metode ini, solusi nilai tegas diperoleh dengan
cara mengambil nilai pada domain fuzzy yang memiliki nilai
keanggotaan setengah dari jumlah total nilai keanggotaan pada
daerah fuzzy.

Metode Mean of Maximum (MOM). Pada metode ini solusi nilai tegas
diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki
nilai keanggotaan maksimum.

Metode Largest of Maximum (LOM). Pada metode ini, solusi nilai tegas
diperoleh dengan cara mengambil nilai terbesar dari domain yang
memiliki nilai keanggotaan maksimum.

Metode Smallestof Maximum(SOM). Pada metode ini, solusi nilai tegas

diperoleh dengan cara mengambil nilai terkecil dari domain yang
memiliki nilai kanggotaan maksimum.

Tahapan-tahapan dalam sistem inferensi fuzzy secara runtut dapat dilihat pada
Gambar 4.

Tahapan Inferensi Fuzzy

Daftar Pustaka

Frans Susilo SJ, 2003, HimpunandanLogikaKaburSertaAplikasinya, Graha Ilmu,

Yogyakarta.
Kusumadewi, Sri. 2013, Aplikasi Logika Fuzzy untuk Pendukung Keputusan,
Yogyakarta, Graha Ilmu.
Zadeh L.A, 1965, Fuzzy Sets, Information and Control.

http://www.kajianpustaka.com/2014/03/logika-fuzzy.html
http://dokumen.tips/documents/bab-6-logika-fuzzy.html