Disusun Oleh :
RIKO REKY LONDONG
NIM : 311510171 - KELAS : TI.15.A.2
Fuzzy berarti kabur, samar. Istilah Logika Fuzzy diperkenalkan pada tahun
1965 oleh Lofti A. Zadeh. Logika Fuzzy dikenal sebagai 'logika baru yang telah
lama'. Walaupun tergolong baru dibandinkan dengan logika digital (yang hanya
melibatkan nilai 0 dan 1), namun konsep 'fuzzy' telah menjadi dasar pertimbangan
kita dalam menganalogikan sesuatu. Fuzzy memiliki konsep bahwa sesuatu dapat
memiliki nilai diantara 0 dan 1. Hal ini berbeda dengan logika digital yang
mengharuskan segala sesuatu harus memiliki nilai 1 atau 0. Fuzzy mengizinkan kita
untuk memberi nilai diantara 0 dan 1, misalnya 0.1, 0.3, 0.8, dan sebagainya. Inilah
watak 'kekaburan' dari suatu logika fuzzy
Dalam Banyak hal, logika fuzzy digunakan sebagai suatu cara untuk
memetakan permasalahan dari input menuju ke output yang diharapkan. Logika
fuzzy dapat dianggap sebagai kotak hitam yang menghubungkan antara ruang input
menuju ruang output, Gelley (2000) dalam Sri Kusumadewi dan Hari Purnomo
(2010,p.2).
2
2. Fuzzy Inference System
Proses untuk memetakan input fuzzy menjadi suatu output dikenal sebagai
Fuzzy Inference Systems (FIS). Fuzzy Inference System adalah sistem yang dapat
melakukan penalaran dengan prinsip serupa seperti manusia melakukan penalaran
dengan nalurinya. terdapat beberapa jenis FIS yang dikenal yaitu Mamdani, Sugeno
dan Tsukamoto. FIS mencakup beberapa hal, seperti yang telah dibahas sebelumnya,
yaitu membership function (fungsi keanggotaan), operasi logika, serta aturan JIKA-
MAKA.
3. Metode Tsukamoto
Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-
Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi
keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap
aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength). Hasil
akhirnya diperoleh dengan menggunakan rata-rata terbobot.
4. Paper Ilmiah
Referensi 1 : Azizah, E. N., Cholissodin, I., & Mahmudy, W. F. (2015). Optimasi
Fungsi Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika Untuk
Penentuan Harga Jual Rumah. Journal of Environmental Engineering & Sustainable
Technology, 2, 79-82.
Referensi 2 : Ardi, M. K., Setiawan, B. D., & Fauzi, A. M. (2018). Optimasi Fuzzy
Inference System Tsukamoto Menggunakan Algoritma Genetika Untuk Mengetahui
Lama Waktu Siram Pada Tanaman Strawberry. Jurnal Pengembangan Teknologi
Informasi dan Ilmu Komputer, Vol. 2, No. 10,.
3
5. Masalah Penelitian dan Landasannya
6. Formulasi RP-RQ-RO
Research
Research Questions (RQ) Research Objectives (RO)
Problems (RP)
Tingginya nilai Algoritma optimasi apa yang Untuk mengidentifikasi algoritma
Error pada Fuzzy performanya terbaik untuk optimasi apa yang terbaik apabila
Interference meyelesaikan masalah digunakan untuk menyelesaikan
System tingginya nilai error pada masalah tingginya nilai error
Fuzzy Interference System ? pada Fuzzy Interference System
4
5