Teori Fuzzy

Nama : Siti Aisyah

NIM : D74217068

A. HIMPUNAN KLASIK (CRISP)

Pada dasarnya, teori himpunan fuzzy merupakan perluasan dari teori

himpunan klasik. Pada terori himpunan klasik (crisp), keberadaan suatu elemen pada
suatu himpunan A hanya akan memiliki 2 kemungkinan keanggotaan, yaitu menjadi
anggota A atau tidak menjadi anggota A (Chak, 1998). Suatu nilai yang menunjukkan
seberapa besar tingkat keanggotaan suatu elemen (x) dalam suatu himpunan (A),
sering dikenal dengan nama nilai keanggotaan, dinotasikan dengan . Pada
himpunan klasik, hanya ada 2 nilai keanggotaan, yaitu untuk x menjadi
anggota A; dan untuk x bukan anggota dari A.
Contoh 1 :
Jika diketahui: S = {1, 2, 5, 7, 9} adalah semesta pembicaraan; A = {1, 2, 3} dan
B = {3, 4, 5}, maka dapat dikatakan bahwa:
 Nilai keanggotaan 1 pada himpunan A, [ ] , karena 1 A.
 Nilai keanggotaan 3 pada himpunan A, [ ] , karena 3 A.
 Nilai keanggotaan 2 pada himpunan B, [ ] , karena 2 .
 Nilai keanggotaan 4 pada himpunan B, [ ] , karena 4 B.
Contoh 2 :
Misalkan dimiliki variable umur yang dibagi menjadi 3 kategori (kusumadewi,
2003), yaitu:
MUDA umur < 35 tahun
PARUH BAYA 35 ≤ umur ≤ 55 tahun
TUA umur ≥ 55 tahun
 Dapat dilihat bahwa :
 Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA
;
 Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA
;
 Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK
MUDA ;
 Apabila seseorang berusia 35 tahun, maka ia dikatakan PARUH BAYA
;
 Apabila seseorang berusia 34 tahun, maka ia dikatakan TIDAK PARUH
BAYA ;
 Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK
PAROBAYA ;
Dari sini dapat dikatakan bahwa pemakaian himpunan klasik untuk menyatakan
variabel umur kurang bijaksana, adanya perubahan kecil saja suatu nilai
mengakibatkan perbedaan kategori yang cukup signifikan
B. SEJARAH MUNCULNYA TEORI FUZZY
Fuzzy Logic adalah suatu cabang ilmu Artificial Intellegence, yaitu suatu
pengetahuan yang membuat komputer dapat meniru kecerdasan manusia sehingga
diharapkan komputer dapat melakukan hal-hal yang apabila dikerjakan manusia
memerlukan kecerdasan.Dengan kata lain fuzzy logic mempunyai fungsi untuk
“meniru” kecerdasan yang dimiliki manusia untuk melakukan sesuatu dan
mengimplementasikannya ke suatu perangkat.
Teori terkemuka dalam mengukur ketidakpastian dalam model-model ilmiah
dari akhir abad ke-19 hingga akhir abad ke-20 adalah teori probabilitas. Namun,
karena ketidakpastian teori probabilitas dan seiring berljalannya waktu muncul lah
teori yang serupa yaitu, teori fuzzy atau Logika fuzzy. Logika fuzzy pertama kali
dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori
himpunan fuzzy.Lotfi Asker Zadeh adalah seorang ilmuwan Amerika Serikat
berkebangsaan Iran dariUniversitas California di Barkeley,
Pendekatan pada set teori ini tidak diaplikasikan pada sistem kontrol sampai
tahun 70-an karena kemampuan komputer yang tidak cukup pada saat itu. Profesor
 Zadeh berpikir bahwa orang tidak membutuhkan kepastian, masukan informasi
numerik, dan belum mampu terhadap kontrol adaptif yang tinggi.
Konsep fuzzy logic kemudian berhasil diaplikasikan dalam bidang kontrol oleh
E.H. Mamdani.Sejak saat itu aplikasi fuzzy berkembang kian pesat. Di tahun 1980-an
negara Jepang dan negara-negara di Eropa secara agresif membangun produk nyata
sehubungan dengan konsep fuzzy logic yang diintegrasikan dalam produk-produk
kebutuhan rumah tangga seperti vacuum cleaner, microwave oven dan kamera video
C. HIMPUNAN FUZZY
Teori himpunan fuzzy diperkenalkan oleh Lotfi A. Zadeh pada tahun 1965.
Zadeh memberikan definisi himpunan fuzzy sebagai ̃ (Zimmerman, 1991).
Definisi 1.1 :
Jika adalah korelasi dari objek-objek yang dinotasikan secara generik oleh , maka
suatu himpunan fuzzy ̃ , dalam adalah suatu himpunan pasangan berurutan
̃ {( ̃ )| }
Dengan ̃ adalah derajat keanggotaan di ̃ yang memetakan ke ruang
keanggotan M yang terletak pada rentang [ ]
Fungsi keanggotaan
Fungsi Keanggotaan (membership function) adalah suatu kurva yang
menunjukkan pemetaan titik-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. Ada beberapa fungsi yang bisa digunakan:
a. Representasi Linear
b. Representasi Kurva Segitiga
c. Representasi Kurva Trapesium
d. Representasi Kurva Bentuk Bahu
e. Representasi Kurva-S
f. Representasi Bentuk Lonceng
g. Koordinat Keanggotaan

D. KEGUNAAN TEORI FUZZY

Beberapa sumber telah menunjukkan dan membuktikan bahwa sistem fuzzy
adalah pendekatan universal [Kosko, 1994; Ying et al., 1999]. Bukti-bukti ini berasal
dari isomorfisme antara dua aljabar, yaitu abstrak dan algebra. Manfaat utama teori
 sistem fuzzy adalah untuk memperkirakan perilaku sistem di mana fungsi analitik
atau hubungan numerik tidak ada.
Oleh karena itu, sistem fuzzy sangat berguna dalam dua konteks umum:
(1) dalam situasi yang melibatkan sistem yang sangat kompleks yang
perilakunya tidak dipahami dengan baik,
(2) dalam situasi di mana solusi perkiraan, tetapi cepat, diperlukan.
Dalam kehidupan sehari-hari, kita sering menemui kondisi ketidakjelasan
seperti kalimat ketidakjelasan yang kita alami, dan dapat dikelompokkan menjadi :
1. Keambiguan (ambiguity)
Terjadi karena suatu kata /istilah memiliki makna lebih dari satu. Contoh :
Bulan, maknanya adalah suatu benda langit, namun makna lainnya adalah
bagian dari tahun.
2. Keacakan (randomness)
Sesuatu hal yang kita inginkan belum terjadi. Contoh : besok akan hujan.
3. Ketidaktepatan (imprecision)
Disebabkan karena alat atau metode pengukuran yang tidak tepat. Contoh :
volume bumi.
4. Ketidakjelasan akibat informasi yang tidak lengkap (incompleteness)
Contoh : ada kehidupan di luar angkasa
5. Kekaburan semantik
Akibat suatu kata / istilah memilikimakna yang tidak dapat didefinisikan
secara tegas. Contoh : cantik, pandai.
Dari kelima kelompok ketidakjelasan tersebut, dapat dikatakan bahwa
pembahasan logika fuzzy berada pada kekaburan semantik.Kekaburan semantik pasti
ada dalam kehidupan manusia.Bahkan kita sering mengambil keputusan dari kondisi
kekaburan semantik.

E. APLIKASI FUZZY
Setelah 1991, teknologi fuzzy muncul dari laboratorium ilmiah dan menjadi
alat industri. Dibawah ini merupakan sebagian kecil proyek yang berhasil dan
dimaksudkan untuk menunjukkan perubahan aplikasi yang sangat besar.
● Kontrol otomatis gerbang bendungan untuk pembangkit listrik hydroelectric (Tokyo
Electric Power.)
● Kontrol sederhana pada robot (Hirota, Fuji Electric, Toshiba, Omron)
● Bidikan kamera untuk siaran acara olahraga (Omron)
● Kontrol yang efisien dan stabil pada mesin mobil (Nissan)
● Kontrol pelayaran untuk mobil otomatis(Nissan, Subaru)
● Pergantian ahli untuk penilaian kegiatan pertukaran persediaan barang-barang.
(Yamaichi, Hitachi)
● Pengoptimalan rencana pada jadwal bus (Toshiba, Nippon-Sistem, Keihan-Express)
● Sistem pengarsipan untuk dokumen (Mitsubishi Elec.)
● Sistem prediksi untuk peringatan dini gempa bumi (Biro Seismologi Metrologi,
Jepang)
● Teknologi kedokteran: diagnosis kanker (Kawasaki Sekolah medis)
● Mengenali motif dalam gambar dengan kamera video (Canon, Minolta)
● Kontrol motor otomatis untuk pembersih vakum dengan sebuah pengenalan kondisi
permukaan dan tingkat kekotoran (Matsushita)
● Kontrol back-light untuk camcorder (Sanyo)
Contoh 1 :
Kontroler fuzzy dalamhelikopter intelijen tak berawak
Salah satu penerapan teknologi terbaru dan paling menantang adalah logika fuzzy
dalam sistem kontrol helikopter, yang pada dasarnya tidak stabil dan dengan dinamika
yang sangat nonlinier. Helikopter Yamaha R-50 adalah diperkecil (kepala 3,6 meter
ke ekor) dari helikopter nyata dengan semua mesin untuk terbang, ditambah semua
kontrol roda gigi tetapi tanpa akomodasi manusia. Mesinnya, dengan pipa knalpot,
tampak seperti yang digunakan di sepeda motor Yamaha. Pengembangan R-50 selesai
pada tahun 1987.

Contoh 2 :
Evaluasi keuangan dan kontrol
Salah satu penerapan paling penting dari logika fuzzy adalah Yamaichi Fuzzy Fund.
Ini adalah penerapan keuangan utama untuk sistem perdagangan. Ini menangani 65
industri dan mayoritas saham yang terdaftar di Nikkei Dow dan terdiri dari sekitar 800
aturan fuzzy. Sistem diuji untuk dua tahun, dan kinerjanya dalam hal pengembalian
dan pertumbuhan melebihi Nikkei Average dengan lebih dari 20 persen. Komerial
sistem pertama beroperasi pada tahun 1988. Semua analis keuangan termasuk analis
Barat akan setuju bahwa aturan untuk perdagangan semuanya 'fuzzy'.