LOGIKA FUZZY
<Artificial intelligence>
Buku referensi:
• George J Klir and Bo Yuan, Fuzzy Sets and
Fuzzy Logic, Theory and Application,
Prentice Hall, 1995.
• Timothy J. Ross, Fuzzy Logic with
Engineering Application, Mc Graw-Hill, 1995
• Sri Kusumadewi, Hari Purnomo, Aplikasi
Logika Fuzzy untuk Pendukung Keputusan,
Graha Ilmu
2
Pendahuluan
• Logika fuzzy pertama kali
dikembangkan oleh Lotfi A. Zadeh
melalui tulisannya pada tahun
1965 tentang teori himpunan
fuzzy.
3
Himpunan Fuzzy
• Pada himpunan tegas (crisp set), nilai keanggotaan suatu item x dalam suatu
himpunan A (ditulis µA[x]) memiliki 2 kemungkinan :
– Satu (1), artinya x adalah anggota A
– Nol (0), artinya x bukan anggota A
• Contoh 1 :
Jika diketahui :
S={1,2,3,4,5,6} adalah semesta pembicaraan
A={1,2,3}
B={3,4,5}
maka :
– Nilai keanggotaan 2 pada A, µA[2] = 1, karena 2ÎA
– Nilai keanggotaan 4 pada A, µA[4] = 0, karena 4 ÏA
– Nilai keanggotaan 2 pada B ????????
– Nilai keanggotaan 5 pada B ????????
• Variabel Fuzzy
Variabel dalam suatu sistem fuzzy. Contoh : berat badan, tinggi badan, suhu dsb
• Himpunan Semesta
keseluruhan nilai yang boleh dioperasikan dalam suatu variabel fuzzy.
Contoh:
o Semesta untuk variabel berat badan : [1, 150]
o Semesta untuk variabel suhu : [0,100].
• Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam Semesta dan boleh
dioperasikan dalam suatu himpunan fuzzy. Contoh :
DINGIN = [0,60]
HANGAT = [50,80]
PANAS = [80, +¥)
5
Himpunan Fuzzy
• Logika fuzzy dikembangkan dari teori himpunan fuzzy.
• Himpunan klasik yang sudah dipelajari selama ini disebut
himpunan tegas (crisp set).
• Di dalam himpunan tegas, keanggotaan suatu unsur di
dalam himpunan dinyatakan secara tegas, apakah objek
tersebut anggota himpunan atau bukan.
• Untuk sembarang himpunan A, sebuah unsur x adalah
anggota himpunan apabila x terdapat atau terdefinisi di
dalam A.
• Contoh: A = {0, 4, 7, 8, 11}, maka 7 ϵ A, tetapi 5 ϵ A.
Contoh lain
• misal variabel umur dibagi menjadi 3 kategori, yaitu :
– MUDA umur < 35 tahun
– PAROBAYA 35 ≤ umur ≤ 55 tahun
– TUA umur > 55 tahun
– Nilai keanggotaan secara grafis, himpunan MUDA,
PAROBAYA, TUA :
– 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 lebih 1 hari maka dikatakan TIDAKMUDA, µMUDA[35 th +
1 hari] = 0
1.0 1.0
µ µ
0 a b 0 a b
Domain Domain
µ[x]= 0; x £ a
(x-a)/(b-a); a < x £ b µ[x]= (b-x)/(b-a); a £ x < b
0; x ³ b
1; x > b
15
CONTOH
1.0
0 a b c
Segitiga
µ[x] = 0; x £ a atau x ³ c
(x-a)/(b-a); a < x £ b
(c-x)/(c-b); b < x < c
18
CONTOH
1.0
0 a b c d
Trapesium
µ[x]= 0; x £ a atau x ³ d
(x-a)/(b-a); a < x £ b
1; b < x £ c
(d-x)/(d-c); c < x < d
20
CONTOH
22
Fungsi Keanggotaan: Sigmoid
1.0
0 a b c
Sigmoid
µ[x;a,b,c]sigmoid = 0; x £ a
2 ((x - a)/(c - a))2; a < x £ b
1 - 2((c - x)/(c - a))2; b < x < c
1; x ³ c
23
contoh
Contoh
Fungsi keanggotaan untuk himpunan
TUA pada variabel umur seperti
terlihat pada Gambar
Contoh
Fungsi keanggotaan untuk himpunan
MUDA pada variabel umur seperti
terlihat pada Gambar
Fungsi Keanggotaan Lonceng (Bell Curve)
• Seperti halnya kurva PI, kurva BETA juga berbentuk lonceng namun lebih
rapat. Kurva ini juga didefinisikan dengan 2 parameter, yaitu nilai pada
domain yang menunjukkan pusat kurva (γ), dan setengah lebar kurva (β)
seperti terlihat pada Gambar
1.0
µ[x;a,b,c]phi = µ[x;c-b,c-b/2,c]sigmoid; x £ c
µ[x;c,c+b/2,c+b]sigmoid; x > c
28
Kurva Beta
Jika kurva PI dan kurva BETA menggunakan 2 parameter yaitu (γ) dan
(β), kurva GAUSS juga menggunakan (γ) untuk menunjukkan nilai
domain pada pusat kurva, dan (k) yang menunjukkan lebar kurva
LOGIKA FUZZY
• Logika Fuzzy adalah peningkatan dari logika Boolean yang
mengenalkan konsep kebenaran sebagian. Di mana logika klasik
menyatakan bahwa segala hal dapat diekspresikan dalam istilah
binary (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy
menggantikan kebenaran boolean dengan tingkat kebenaran.
• Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1,
tingkat keabuan dan juga hitam dan putih, dan dalam bentuk
linguistik, konsep tidak pasti seperti "sedikit", "lumayan", dan
"sangat".
• Berhubungan dengan set fuzzy dan teori kemungkinan.
Logika Fuzzy
46