8. Klik kotak output untuk mengatur nilai membership functions pada output.

9. Atur Range = 0..100, untuk MBF 1 : Name = Ditolak, Type = trapmf , params = [0
0 20 40]. MBF2 : Name = Dipertimbangkan, Type = trapmf, params = [10 40 60 90].
MBF 3 Name = Diterima, Type = trapmf , params = [60 80 100 100]. Detail hasilnya
seperti gambar dibawah ini :

10. Setelah semua mbf input maupun output diatur sesuai dengan kebutuhan maka
pengaturan terakhir adalah bagian rule evaluasi atau aturan fuzzy, caranya pilih
menu Edit > Rules, deatil caranya seperti gambar dibawah ini :
11. Pada contoh kasus untuk sistem penerimaan karyawan disini rule evaluasinya
adalah seperti ditunjukkan gambar dibawah ini, untuk mendapatkan rule evaluasi
seperti ini adalah dengan memilih pasangan rule evaluasi untuk pasangan input 1,
input 2 dan output. Caranya adalah pilih input 1, input 2 dan output kemudian klik
Add rule, apabila terjadi kesalahan pilih rule evaluasi kemudian klik Delete rule.

12. Setelah selesai semua, pilih menu View > Rule.

13. Hasil dari sistem yang dibangun menggunakan fuzzy dapat, pada contoh kasus
penerimaan karyawan ini adalah seperti gambar dibawah ini. Apabila ingin melihat
hasil output logika fuzzy, maka garis merah pada input 1 dan input 2 dapat digeser
yang otomatis nilai output akan berubah mengikuti nilai-nilai input tersebut.

Pada artikel ini nilai range, nilai mbf, type mbf dan susunan rule evaluasi hanya
sebuah contoh kasus untuk sistem penerimaan karyawan dari dua jenis test. Jika
dibuat dalam bentuk sistem yang berbeda perlu adanya penyesuaian komponen
yang membangun logika fuzzy tersebut.

Aplikasi logika fuzzy dengan menggunakan Matlab Fuzzy Toolbox sangat membantu
bagi mereka yang baru belajar. Logika fuzzy sebagai pemrosesan disini berguna
untuk membantu tugas dari manusia dimana tugas yang dibangun menggunakan
sistem ini terkadang sulit untuk dibuat model matematisnya. Pada prakteknya sistem
logika fuzzy ini akan ditanamkan dalam sebuah mesin, mesin yang dimaksud disini
adalah komputer. Padahal tidak semua mesin yang dipergunakan berwujud
komputer, bisa jadi dalam bentuk smartphone, microcomputer, microcontroller dan
embedded system yang lain.

Berdasarkan hal tersebut perlu adanya untuk belajar tentang logika fuzzy mulai dari
dasar, yaitu tentang metode, modeling matematis serta soft computing, sehingga
apapun hardware dan software nya logika fuzzy akan tetap bisa dijalankan.