Oleh : Sumantri K.R, ST., MT.

 Prof. Lotfi.A. Zadeh,

penemu teori logika
fuzzy ditahun1960-an
:

 “Pada hampir semua

kasus kita dapat
menghasilkan suatu
produk tanpa
menggunakan logika
fuzzy,namun
menggunakan fuzzy
akan lebih cepat dan
lebih murah”
Pernahkan anda mengucapkan?
Tidak Keras, agak keras, keras, sangat keras,
keras sekali,...dlll
Atau
Cepat, kurang cepat, sangat cepat, agak cepat,
dll....
Atau
Dekat sekali, dekat, agak dekat, tidak dekat,
dll.....
Atau
Kurang panas, agak panas, panas, sangat
panas, panas sekali...dll
 Bahasa-bahasa tadi adalah bahasa manusia, yang
ukurannya adalah kualitatif (hanya bisa dirasakan)
 Menangkap kemampuan manusia dan kecerdasan
manusia, dapat menginspirasi sistem komputer
menangani permasalahan nyata dan rumit.
 Bagaimana menerapkan permasalahan nyata/bahasa-
bahasa manusia tersebut dalam sebuah perangkat
berbasis komputer?
 Perangkat komputer hanya bisa menangani informasi
yang sifatnya tentu (crisp) atau data kuantitatif.
 Bagaimana cara mengubah bahasa-bahasa manusia
tersebut menjadi aturan-aturan yang sifatnya tentu?
 Diperlukan perangkat matematika untuk
mengubah bahasa menjadi aturan tentu
 Lotfi Zadeh (penemu konsep logika fuzzy),
membuat konsep:
◦ penyajian variabel fuzzy (bahasa manusia) ke
dalam fungsi keanggotaan (membership function)
◦ Aturan-aturan fuzzy (fuzzy rules): menterjemahkan
aturan-aturan fuzzy dari kecerdasan manusia
menjadi program komputer.
 Kumpulan elemen yang berhingga/tidak
berhingga miliki suatu semesta pembicaraan

1, yang berarti bahwa item tersebut(x) anggota himpunan A

0, yang berarti bahwai tem tersebut(x) bukan anggota himpunan A
 S = [1,2,3,4,5,6] adalah semesta pembicaraan
 A = [1,2,3]
 B = [3,4,5]
Jadi:
 Nilai keanggotaan 2 pada himpunan A μA[2] = 1 , karena 2
∈A
 Nilai keanggotaan 3 pada himpunan A μA[3] = 1 , karena 3
∈A
 Nilai keanggotaan 4 pada himpunan A μA[4] = 0 , karena 4
∉A
 Nilai keanggotaan 2 pada himpunan B μB[2] = 0 , karena 2
∉B
 Nilai keanggotaan 3 pada himpunan B μB[3] = 1 , karena 3
∈A
 Misal variabel umur dibagi menjadi 3
kategori, yaitu:
 MUDA umur< 35 tahun
 PAROBAYA 35 ≤ umur≤ 55 tahun
 TUA umur> 55 tahun
 Usia 34 tahun maka dikatakan MUDA μMUDA[34] = 1
 Usia 35 tahun maka dikatakan TIDAKMUDA μMUDA[35]
=0
 Usia 35 tahun maka dikatakan PAROBAYA
μPAROBAYA[35] = 1
 Usia 34 tahun maka dikatakan TIDAKPAROBAYA
μPAROBAYA[34] = 0
 Usia 35 tahun kurang 1 hari maka dikatakan
TIDAKPAROBAYA μPAROBAYA [35 th–1 hari] = 0
 Usia 35 tahun kurang 1 hari maka dikatakan
MUDAμMUDA [35 th–1 hari] = 1
 Fungsi karakteristik yg bersifat Boolean/crisp atau tegas
adalah fungsi tak-kontinu:

 Himpunan crisp untuk menyatakan umur bisa tidak adil

karena adanya perubahan kecil saja pada suatu nilai
mengakibatkan perbedaan kategori yang cukup
signifikan.

 Sifat samar atau vagueness dapat dimasukkan ke

dalam teori himpunan dgn membuat fungsi karakteristik
boleh bernilai tidak berhingga banyaknya di antara nilai
0 dan nilai 1
 Himpunan fuzzy digunakan untuk mengantisipasi
hal tersebut diatas.
 Seseorang dapat masuk dalam 2 himpunan yang
berbeda, MUDA dan PAROBAYA, PAROBAYA dan
TUA, dsb.
 Seberapa besar eksistensinya dalam himpunan
tersebut dapat dilihat pada nilai/derajat
keanggotaannya.
 usia40 tahun termasuk dalam himpunan
MUDA dengan μMUDA[40] = 0,25
 Termasuk juga dalam himpunan PAROBAYA
dengan μPAROBAYA [40] = 0,5
 Usia 50 tahun termasuk dalam himpunan
TUA dengan μTUA[50] = 0,25
 Termasuk juga dalam himpunan PAROBAYA
dengan μPAROBAYA [50] = 0,5
 Representasi Linier
 Representasi Kurva Segitiga
 Representasi Kurva Trapesium
 Representasi Kurva Bentuk Bahu
 Representasi Kurva-S
 Representasi Kurva Bentuk Lonceng (Bell
Curve)
 Pada representasi linear, pemetaan input ke
derajat keanggotannya digambarkan sebagai
suatu garis lurus
 Bentuk ini paling sederhana dan menjadi
pilihan yang baik untuk mendekati suatu
konsep yang kurang jelas
 Ada 2 keadaan himpunan fuzzy yang linear.
◦ Pertama, kenaikan himpunan dimulai pada nilai
domain yang memiliki derajat keanggotaan nol [0]
bergerak ke kanan menuju ke nilai domain yang
memiliki derajat keanggotaan lebih tinggi
◦ Kedua, Garis lurus dimulai dari nilai domain dengan
derajat keanggotaan tertinggi pada sisi kiri,
kemudian bergerak menurun ke nilai domain yang
memiliki derajat keanggotaan lebih rendah
 DINGIN[20] = (30-20)/(30-15)
= 10/15 = 0,667
 Kurva Segitiga pada dasarnya merupakan
gabungan antara 2 garis (linear)

(c-x)
 NORMAL[23] = (23-15)/(25-15)
= 8/10 = 0,8
 Kurva Segitiga pada dasarnya seperti
bentuk segitiga, hanya saja ada beberapa
titik yang memiliki nilai keanggotaan 1
 NORMAL[23] = (35-32)/(35-27)
= 3/8 = 0,375
 Daerah yang terletak di tengah-tengah suatu variabel yang
direpresentasikan dalam bentuk segitiga, pada sisi kanan dan
kirinya akan naik dan turun (misalkan: DINGIN bergerak ke
SEJUK bergerak ke HANGAT dan bergerak ke PANAS).

U dingin [19] = 0.28

U sejuk [19] = 0.714
U Normal [19] = 0
U hangat [19] = 0
Dst..
U dingin [15] = 0.85
U sejuk [15] =0.14
 Kurva PERTUMBUHAN dan PENYUSUTAN
merupakan kurva-S atau sigmoid yang
berhubungan dengan kenaikan dan
penurunan permukaan secara tak linear
 Kurva-S untuk PERTUMBUHAN akan bergerak
dari sisi paling kiri (nilai keanggotaan = 0) ke
sisi paling kanan (nilai keanggotaan = 1).
 Fungsi keanggotaannya akan tertumpu pada
50% nilai keanggotaannya yang sering
disebut dengan titik infleksi
 Kurva-S untuk PENYUSUTAN akan bergerak
dari sisi paling kanan (nilai keanggotaan = 1)
ke sisi paling kiri (nilai keanggotaan = 0)
 Kurva-S didefinisikan dengan menggunakan
3 parameter, yaitu:
◦ nilai keanggotaan nol (),
◦ nilai keanggotaan lengkap (), dan
◦ titik infleksi atau crossover () yaitu titik yang
memiliki domain 50% benar
 Beta = 47.5
 TUA[50] = 1 – 2((60-50)/(60-35))2
= 1 – 2(10/25)2
= 0,68
 Beta = 35
 MUDA[50] = 2((50-37)/(50-20))2
 = 2(13/30)2
 = 0,376
 Untuk merepresentasikan bilangan fuzzy,
biasanya digunakan kurva berbentuk lonceng.
 Kurva PI berbentuk lonceng dengan derajat
keanggotaan 1 terletak pada pusat dengan
domain (), dan lebar kurva ()
 1/2BAYA[42] = 1 - 2((45-42)/(45-35))2
= 1 - 2(3/10)2
= 0,82
 1/2BAYA[51] = 2((55-51)/(55-45))2
= 2(4/10)2
= 0,32
 D3:
Make memberships of fuzzy air temperature which
have 5 memberships, very cold, cold, cool, normal,
hot. Make it using Linear function of membership
function

 D4:
Make memberships of fuzzy air temperature which
have 5 memberships, very cold, cold, cool, normal,
hot. Make it using S-Curve and/or Bell-Curve
function of membership function