BAB I suatu output tanpa mengabaikan
PENDAHULUAN faktor-faktor yang ada.
1. LATAR BELAKANG
Dalam kondisi yang nyata,
beberapa aspek dalam dunia nyata
selalu atau biasanya berada di luar
model matematis dan bersifat
inexact. Konsep ketidakpastian inilah
yang menjadi konsep dasar
munculnya konsep logika fuzzy.
Fuzzy berarti “kabur” atau “samar-
samar”. Pencetus gagasan logika
fuzzy adalah L.A. Zadeh (1965) dari
California University. Logika Fuzzy
merupakan suatu logika yang
memiliki nilai kekaburan atau
kesamaran (fuzzyness) antara benar
atau salah. Dalam logika klasik
dinyatakan bahwa segala hal dapat
diekspresikan dalam istilah binary (0
atau 1, hitam atau putih, ya atau
tidak), sedangkan logika fuzzy
memungkinkan nilai keanggotaan
antara 0 dan 1, tingkat kekaburan dan
juga hitam dan putih, dan dalam
bentuk linguistik, konsep tidak pasti
seperti "sedikit", "lumayan" dan
"sangat". Logika ini berhubungan
dengan himpunan fuzzy dan teori
kemungkinan.
Logika fuzzy dapat
digunakan dalam bidang teori
kontrol, teori keputusan, dan
beberapa bagian dalam managemen
sains. Selain itu, kelebihan dari
logika fuzzy adalah kemampuan
dalam proses penalaran secara
bahasa (linguistic reasoning),
sehingga dalam perancangannya
tidak memerlukan persamaan
matematik dari objek yang
dikendalikan. Logika fuzzy
mempunyai beberapa inferensi
logika yaitu metode Mamdani dan
metode Sugeno yang mampu untuk
memetakan suatu input kedalam
2. RUMUSAN MASALAH
Bagaimanakah pengertian dan
konsep logika fuzzy?
BAB II
PEMBAHASAN
Logika fuzzy berbeda dengan
logika digital biasa, dimana logika
digital biasa hanya mengenal dua
keadaan yaitu: Ya dan Tidak atau
ON dan OFF atau High dan Low
atau "1" dan "0". Sedangkan Logika
Fuzzy meniru cara berpikir manusia
dengan menggunakan konsep sifat
kesamaran suatu nilai.
1. Konsep logika fuzzy:
Ada beberapa alasan mengapa
orang menggunakan logika fuzzy,
antara lain:
(1)Konsep matematis yang
mendasari penalaran fuzzy sangat
sederhana dan mudah dimengerti.
(2)Logika fuzzy sangat fleksible
(3)Logika fuzzy memiliki toleransi
terhadap data-data yang tidak tepat.
(4)Logika fuzzy mampu
memodelkan fungsi-fungsi nonlinier
yang sangat kompleks.
(5)Logika fuzzy dapat membangun
dan mengaplikasikan pengalaman-
pengalaman para pakar secara
langsung tanpa harus melalui proses
pelatihan.
(6)Logika fuzzy dapat bekerjasama
dengan teknik-teknik kendali secara
konvensional.
(7)Logika fuzzy didasarkan pada
bahasa alami.
Menurut Kusumadewi ( 2004: 3 ),
ada beberapa hal yang perlu
diketahui dalam memahami logika
fuzzy, yaitu:

A. Variabel Fuzzy
Merupakan lambang yang
digunakan untuk mewakili anggota
sembarang dari suatu semesta
pembicaraan. Variabel tidak harus
mewakili angka saja tetapi juga dapat
mewakili benda atau tempat.
Variabel fuzzy merupakan variabel
yang hendak dibahas dalam suatu
sistem fuzzy. Contoh: umur,
temperatur, permintaan, IPK.
B. Himpunan Fuzzy
Pada dasarnya teori
himpunan fuzzy adalah perluasan dari
teori himpunan klasik. Pada teori
himpunan klasik (crisp), keberadaan
elemen dari suatu himpunan A,
hanya akan memiliki 2(dua)
kemungkinan keanggotaan, yaitu
menjadi anggota A atau tidak
menjadi anggota A. Suatu nilai yang
menunjukan seberapa besar tingkat
keanggotaan suatu elemen (x) dalam
suatu himpunan A, dalam himpunan
fuzzy, keanggotaan suatu unsur
dinyatakan dengan derajat
keanggotaan (membership values),
yang nilainya terletak dalam interval
[0,1] dan ditentukan dengan fungsi
keanggotaan 𝜇𝐴:𝑋→[0,1]. Pada teori
himpunan fuzzy, peranan derajat
keanggotaan sebagai penentu
keberadaan elemen dalam suatu
himpunan sangatlah penting. Nilai
keanggotaan atau derajat
keanggotaan atau membership
function menjadi ciri utama dari
penalaran dengan logika fuzzy
tersebut. (Kusumadewi S. P., 2010)
Ada beberapa cara untuk
menotasikan himpunan fuzzy, antara
lain:
a) Himpunan fuzzy dituliskan sebagai
pasangan berurutan, dengan elemen
pertama menunjukan nama elemen
dan elemen kedua menunjukkan nilai
keanggotaan.
b) Semesta Pembicaraan
Semesta pembicaraan adalah
himpunan yang memuat seluruh
objek yang akan menjadi
pembicaraan.
c) Domain
Domain himpunan fuzzy adalah
keseluruhan nilai yang diijinkan
dalam semesta pembicaraan dan
boleh dioperasikan dalam suatu
himpunan fuzzy. Domain merupakan
himpunan bilangan real yang
senantiasa naik (bertambah) secara
monoton dari kiri ke kanan.
2. Fungsi Keanggotaan
Setiap himpunan fuzzy dapat
dinyatakan dengan suatu fungsi
keanggotaan. Ada beberapa cara
untuk menyatakan himpunan fuzzy
dengan fungsi keanggotaannya.
Untuk semesta hingga diskrit
biasanya dipakai cara daftar, yaitu
daftar anggota dengan derajat
keanggotaannya yang dibentuk
sebagai himpunan pasangan
berurutan
𝐴={(𝑥1,𝜇𝐴 𝑥1 ,(𝑥2,𝜇𝐴 𝑥2 ,…
,(𝑥𝑛,𝜇𝐴 𝑥𝑛 }.
Dengan fungsi keanggotaan ini,
diperoleh: 𝜇𝐴 1 =0, 𝜇𝐴 1.5 =0.5, 𝜇𝐴
1.7 =0.7, 𝜇𝐴 2 =1, 𝜇𝐴 2.5 =0.5, 𝜇𝐴
2.7 =0.3, dan 𝜇𝐴 3 =0. Maka, 𝐴
dapat ditulis sebagai himpunan
pasangan berurutan:
𝐴={ 1,0 , 1.5,0.5 , 1.7,0.7 , 2,1 ,
2.5,0.5 , 2.7,0.3 ,(3,0)}.
Kebanyakan himpunan fuzzy berada
dalam semesta himpunan semua
bilangan riil ℝ dengan fungsi
keanggotaan yang dinyatakan dalam
bentuk suatu formula matematis.
Formula matematis fungsi
keanggotaan dalam himpunan fuzzy
tersebut diantaranya adalah fungsi
keanggotaan segitiga, fungsi
keanggotaan trapesium, fungsi
keanggotaan Gauss, fungsi
keanggotaan Cauchy, fungsi
keanggotaan sigmoid, dan fungsi
keanggotaan kiri-kanan.

KESIMPULAN
Penerapan logika fuzzy dapat
membantu memecahkan masalah
yang sifatnya fuzzy atau
ketidakpastian. Dalam beberapa
penelitian perhitungan contohnya
seperti perhitungan IPK, temperatur
atau suhu, penjadwalan mata kuliah
para peneliti menggunakan teori
logika fuzzy karena memiliki konsep
matematis yang mendasari penalaran
fuzzy sangat sederhana, mudah
dimengerti, serta fleksible.