NIM : 1929141002
FUZZY LOGIC
Fuzzy logic adalah salah satu metode melakukan suatu komputasi berdasarkan “degrees of truth”,
bukannya berdasarkan logika Boolean “true or false (0 or 1)”. Logika Fuzzy ini menjadi dasar
computer modern.
Degrees of truth => Ketidakjelasan
Probabilitas => Keacakan
Logika Fuzzy memiliki toleransi terhadap data-data yang tidak tepat. Dengan adanya logika fuzzy,
kita Bisa mendapat pilihan lain di antara benar dan salah, seperti: mungkin benar, mungkin salah.
IMPRECISE DATA
Seperti yang kita ketahui, computer hanya bisa memproses informasi dalam format biner, artinya jika
kita ingin berkomunikasi dengan computer, maka kita butuh belajar bagaimana cara menggunakan
kode. Dan jika kita membuat suatu program, program tersebut akan di-translate terlebih dahulu agar
bisa dibaca oleh mesin. Oleh karena itu, meski binary system sangat cocok bagi mesin namun tidak
cocok untuk manusia.
Sebagai contoh ada sebuah baju. Untuk mendeskripsikan karakteristik baju ini ke computer, kita harus
mendefinisikan variable tertentu. Bagi orang yang familiar dengan programming, solusinya adalah
dengan menentukan variable dan container untuk kata sifat seperti Kuning, Besar, dll. Misalnya kita
membuat code seperti ini :
Class clothes {
String size;
String color;
Int quality;
Shirt.size = “xl”;
Shirt.color = “black”;
Shirt.quality = 8;
Kode-kode tersebut juga nantinya tetap akan ditranslate ke Bahasa mesin. Cara tersebut tentu saja
sangat tidak cocok untuk manusia. Manusia pasti lebih memilih untuk berinteraksi dengan satu sama
lain menggunakan kata-kata deskriptif seperti kuning, hijau, merah, besar, kecil, dll. Dan manusia
melakukan hal tersebut secara intuitif, artinya tidak memerlukan proses berpikir Panjang dengan
logika atau perhitungan untuk mengatakannya. Oleh karena itu, Fuzzy Logic hadir untuk memberikan
kemampuan kepada kita agar sebisa mungkin berkomunikasi dengan mesin menggunakan Bahasa kita
sendiri.
Dalam fuzzy logic, yang butuh digaris-bawahi adalah imprecise data (data yang tidak akurat).
Sedangkan computer atau mesin hanya mengetahui Boolean yang mengenal true or false, yang sangat
bergantung pada precise data (data yang akurat).
CARA KERJA FUZZY DALAM WASHING MACHINE SYSTEM
Kita memiliki input yang merupakan Crisp Values, yang bisa dikatakan sebagai fakta yang
mempunyai precise value. Tapi kemudian kita memodifikasinya dengan proses tertentu hingga kita
memiliki Fuzzy Set yang akan masuk ke dalam Inference Engine. Di tempat inilah terjadi berbagai
pertimbangan. Rule Base memiliki suatu kondisi yang akan diikuti akibat atau tindakannya. Misalnya
if water is dirty, …. Water itu dating dari fuzzy set, dan kemudian akan dicek function dari dirty.
Yaitu sensor akan meelihat airnya untuk mengetahui seberapa parah tingkat kekotorannya. Jika sensor
mendeteksi air berawarna hitam pekat, maka sensor akan mendeteksi bahwa air ini sangat kotor atau
1. Setelah itu, mesin akan bertindak dengan cara tertentu. Jadi, aka nada fuzzy set lain sebagai
tindakannya. Misalnya, spin very fast, atau add detergen, dll. Jadi, Rule Base dimana setiap aturan
memiliki tingkat membership function untuk action berbeda dan output yang berbeda. Kita
menjalankan seluruh aturan itu dan kemudian mengkombinasikannya di dalam Inference Engine.
Itulah yang dilakukan Inference Engine, ia mengambil Rule Base dan menerapkannya pada fuzzy set
dan mengkombinasikan mereka hingga muncul suatu output yang berbentuk fuzzy set. Yang mana
kemudian akan di defuzzifier karena computer hanya berhadapan dengan precise value (true or false).
Defuzzifier akan mengubahnya menjadi sesuatu yg dapat dimengerti dan digunakan oleh mesin.
Setelah itu kita mendapatkan crisp values sebagai output yang berupa sebah action/aksi.
Apakah ini bisa bekerja tanpa fuzzy logic? Bisa, bagaimana?\
Kita tetap mengambil crisp values. Kemudian tanpa fuzzy logic kita akan menerapkan banyak sekali
if statement. Dan kita harus melakukan hal ini berulang-ulang kali. Setelah kita memiliki semua rule
tersebut, ini akan terlihat mirip dengan rule base diawal. Perbedaannya adalah karena kita
mendeskripsikan semua rule if statement, dan kita belum melakukan apa-apa terhadap crisp value,
maka seolah-olah kita mendefinisikan membership function dalam kondisi-kondisi if statement tadi,
dan itu akan menjadi sangat kompleks dan tidak mudah di-maintain atau diubah kodenya dalam masa
yang akan data. Karena jika di masa depan mungkin kita akan mengubah ketentuan suhu, atau tingkat
kekotoran air untuk membuat mesin cuci lebih efisien, itu akan sangat merepotkan karena kita harus
mengganti keseluruhan if statement dalam system. Tetapi pada fuzzy logic, kita tidak harus mengganti
rule base, tetapi hanya perlu mengganti definisi terhadap kekotoran atau suhunya saja.
Lawan dari fuzzy adalah crisp. Fuzzy berarti tidak jelas atau kabur, dan crisp berarti jelas atau
tegas. Contoh :
Logika Boolean :
Apakah hari ini cerah?
Ya[1] Tidak[0]
Logika Fuzzy :
Apakah hari ini cerah?
Kemungkinan besar Mungkin Kemungkinan kecil
YA [0,90] [0,25] [0,10]
KONSEP FUZZY
Zadeh berpendapat bahwa logika ‘benar’ dan ‘salah dari logika Boolean tidak dapat
mengatasi masalah gradasi yang berada pada dunia nyata. Untuk mengatasi masalah gradasi
yang tidak terhingga tersebut, Zadeh mengembangkan sebuah himpunan fuzzy.
Tidak seperti logika Boolean, logika fuzzy mempunyai nilai yang continue. Fuzzy dinyatakan
dalam derajat dari suatu keanggotaan dan derajat dari kebenaran.
Blok logika konvensional yang dipahami computer mengambil input yang tepat dan
menghasilkan output yang pasti sebagai BENAR atau SALAH, yang setara dengan persepsi
manusia sebagai YA atau TIDAK. Logika Fuzzy ditemukan oleh Lotfi Zadeh yang
mengamati bahwa manusia tidak seperti computer, manusia memiliki berbagai kemungkinan
YA dan TIDAK, seperti : Tentu YA, Mungkin YA, Tidak Tahu, Mungkin Tidak, Tentu
Tidak.