1.

Logika Fuzzy
Logika fuzzy pertama diperkenalkan oleh Lofti A. Zadeh dari Universitas Barkley,
California pada tahun 1965. Zadeh memodifikasi teori himpunan yang setiap anggotanya
memiliki derajat keanggotaan yang bernilai kontinu antara 0 sampai 1 yang digunakan untuk
menangani kekaburan. Himpunan ini disebut dengan himpunan kabur (fuzzy set). Logika
fuzzy adalah suatu cara yang tepat untuk memetakkan suatu ruang input ke dalam suatu ruang
output. Logika fuzzy digunakan untuk menerjemahkan suatu besaran yang diekspresikan
menggunakan bahasa (lingustic), misalkan besaran kecepatan laju kendaraan yang
diekspresikan dengan pelan, agak cepat, dan sangat cepat. Logika fuzzy menunjukkan sejauh
mana suatu nilai itu benar dan sejauh mana suatu nilai itu salah, sedangkan logika klasik,
suatu nilai hanya mempunyai 2 kemungkinan yaitu merupakan suatu anggota himpunan atau
tidak. Derajat keanggotaan 0 artinya nilai bukan merupakan anggota himpunan dan 1 berarti
nilai tersebut adalah anggota himpunan. [1]
Logika fuzzy adalah suatu cara yang tepat untuk memetakkan suatu ruang input kedalam
suatu ruang output.

Gambar 1 Perbedaan logika tegas dan logika fuzzy

Logika fuzzy dipakai dalam banyak bidang termasuk pengolahan citra. Fuzzy image
processing merupakan kumpulan pendekatan fuzzy pada bidang pengolahan citra untuk
memahami, mempresentasikan, dan mengolah citra, segmen citra, dan bagian-bagiannya
sebagai himpunan fuzzy. Dalam fuzzy image processing ada tiga tahapan utama, yaitu: proses
fuzzifikasi, manipulasi nilai keanggotaan, dan defuzzifikasi: Tahapan yang paling penting
adalah tahapan memanipulasi nilai keanggotaan. [2]

Gambar 2 Struktur dasar dalam Fuzzy Image Processing

Fuzzifikasi adalah pengubahan seluruh variabel input/output ke bentuk himpunan fuzzy.
Rentang nilai variabel input dikelompokkan menjadi beberapa himpunan fuzzy dan tiap
himpunan mempunyai derajat keanggotaan tertentu. Bentuk fuzzifikasi yang dipakai pada
sistem ini adalah bentuk segitiga dan bentuk bahu, seperti terlihat pada Gambar. Bentuk
fuzzifikasi menentukan derajat keanggotaan suatu nilai rentang input/output. Derajat
keanggotaan himpunan fuzzy dihitung dengan menggunakan rumus fungsi keanggotaan dari
segitiga fuzzifikasi. [3]
 Gambar 3 Himpunan fuzzy untuk variabel penentuan batas warna
2. Modifikasi Keanggotaan
Citra asli yang digunakan merupakan citra warna yang diubah menjadi citra skala
keabuan delapan bit, untuk menyederhanakan perhitungan, dimana pada citra berwarna
direpresentasikan dengan nilai yang sama pada ketiga komponen R-G-Bnya. Penyederhanaan
ini akan mengurangi waktu yang dibutuhkan untuk melakukan pengolahan citra. Sesudah
berbentuk skala keabuan, tepi dideteksi dengan membandingkan nilai keabuan sebuah titik
terhadap titik tetangganya. Derajat keanggotaan tepi merupakan selisih antara sebuah titik
dengan titik-titik tetangganya. [2]

Gambar 4 Aturan Fuzzy

 Untuk memperbaiki hasil yang didapatkan, dilakukan operasi pengontrasan. Setelah
dikontraskan, untuk lebih memperjelas hasil yang diperoleh, dilakukan operasi
pengambangan (threshold). Tujuan operasi pengambangan ini untuk mendapatkan citra biner.
[2]

DAFTAR PUSTAKA
[1 S. Kusumadewi dan H. Purnomo, Pendeteksian Tepi Citra Digital dengan Logika Fuzzy,
] Jurnal Masyarakat Informatika, vol. 4, no. 7.
[2 S. Yulianto, Y. Nataliani and A. Kurniawan, "Penerapan Logika Fuzzy pada Sistem
] Deteksi Tepi Aplikasi Computer Assistant Diagnosis Kanker Payudara," Jurnal Teknologi
Informasi, vol. 6, no. 1, 2009.
[3 S. Bharti and S. Kumar, "An Edge Detection Algorithm based on Fuzzy Logic,"
] International Journal of Engineering Trends and Technology, vol. 4, no. 3, 2013.