3
sejarah
Mengapa logika fuzzy yang ditemukan di Amerika malah lebih
banyak ditemukan aplikasinya di negara Jepang?
4
Latar belakang
Logika fuzzy umumnya diterapkan pada masalah masalah yang
mengandung unsur ketidakpastian (uncertainty), ketidaktepatan
(imprecise), noisy,dan sebagainya.
• Ketidakpastian (uncertainty)
Misalnya:
• Kriteria ‘baik’?
• Kriteria ‘muda’?
• Kriteria ‘banyak’?
• Kriteria ‘tinggi’?
6
7
Logika Fuzzy
• Bahasa manusia yang digunakan sehari-hari sebagian besar sifatnya samar
(vague) atau tidak-pasti (uncertain)
• Misalnya:
• Tinggi
• Rendah
• Baik
• Banyak, dll
• Manusia adalah makhluk yang menggunakan reasoning (pengetahuan yang telah
diperoleh sebelumnya), namun komputer tidak dapat melakukan hal ini
8
Lotfi Zadeh, 1973
Professor, Systems Engineering, UC
Berkeley
‘The closer one looks at a real world problem, the fuzzier becomes its
solution’
“Professor Zadeh reasoned that people do not require precise, numerical
information input, and yet they are capable of highly adaptive control.
If feedback controllers could be programmed to accept noisy, imprecise
input, they would be much more effective and perhaps easier to
implement” (Sumber: http://urtechfriendpaperpresentations5.blogspot)
As complexity rises, precise statements lose meaningful and meaningful
statements lose precision (Lutfi A. Zadeh)
9
Fuzziness vs Complexity
10
Contoh-contoh masalah yang mengandung
ketidakpastian:
Contoh 1:
Seseorang dikatakan “tinggi” jika tinggi badannya lebih dari 1,7 meter.
Bagaimana dengan orang yang mempunyai tinggi
badan 1,6999 meter atau 1,65 meter, apakah
termasuk kategori orang tinggi?
Menurut persepsi manusia, orang yang mempunyai
tinggi badan sekitar 1,7 meter dikatakan “kurang
lebih tinggi” atau “agak tinggi”.
11
Contoh ketidakpastian
• Contoh 2:
Kecepatan “pelan” didefinisikan di bawah 20 km/jam.
Bagaimana dengan kecepatan 20,001 km/jam,
apakah masih dapat dikatakan pelan?
Manusia mungkin mengatakan bahwa kecepatan
20,001 km/jam itu “agak pelan”.
• Ketidapastian dalam kasus –kasus ini disebabkan
oleh kaburnya pengertian “agak”, “kurang lebih”,
“sedikit”, dan sebagainya
12
Himpunan Klasik vs Himpunan Fuzzy
Misalkan terdapat himpunan A yang anggotanya adalah bilangan –
bilangan pada jangkauan 5 hingga 7 sebagai berikut.
13
Himpunan Klasik
• Contoh
X = {1, 2, 3, 4}
Maka:
P(x) = {, {1}, {2}, {3}, {4}, {1, 2}, {1, 3}, {1, 4},…..}
14
(sebutkan yang lain)
Operasi Himpunan Klasik
Misalkan dua himpunan A dan B pada semesta pembicaraan X, maka
• Union
15
• Irisan (intersection)
16
• Komplemen
17
• Difference
18
Sifat-sifat Operasi Himpunan Klasik
• Komutatif :
• Asosiatif :
• Distributif:
• Transitif:
• Involution :
• AA = A
• AA = A
• Law of excluded middle:
• Law of contradiction:
20
De Morgan’s Law
21
Pemetaan Himp. Klasik ke Fungsi
Misalkan ada dua himpunan pada dua semesta pembicaraan yang berbeda. Jika x
adalah elemen dalam himpunan X yang terhubung dengan y yang merupakan
elemen himpunan Y, maka hal ini biasa dinyatakan sebagai:
22
Misalkan himpunan A dan B pada semesta pembicaraan X
• Union
• Irisan (intersection)
• Containtment
Contoh
25
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.
Artinya bahwa nilai keanggotaan x pada himpunan fuzzy A mempunyai nilai yang berada di
antara rentang 0 dan 1.
Elemen x juga bisa menjadi anggota himpunan fuzzy yang lain (dengan nilai keanggotaan
yang tertentu pula)
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
Grafis Keanggotaan Fuzzy
Secara grafis, fungsi keanggotaan x pada himpunan fuzzy A dapat
digambarkan sebagai berikut.
43
Operasi pada Himpunan Fuzzy
• Union
44
• Irisan
45
• Komplemen
46
• Himpunan fuzzy A yang didefinisikan pada suatu semesta pembicaraan x mrpk
himpunan bagian dari semesta pembicaraan tsb.
• Nilai keanggotaan setiap elemen x dalam himpunan nol atau null set () = 0. Null
set adalah himpunan yang semua elemennya mempunyai nilai keanggotaan nol.
• Nilai keanggotaan setiap elemen x dalam whole set = 1. Whole set adalah
himpunan yang semua elemennya mempunyai nilai keanggotaan satu.
• Tetapi
47
Sifat-sifat Operasi Himp. Fuzzy
• Komutatif
• Asosiatif
• Distributif
48
Sifat-sifat Operasi Himp. Fuzzy
• Idempontensi
• Identitas
• Transitif
• Involution
49
Contoh
Untuk himpunan fuzzy berikut,
temukan
• komplemen,
• union, dan
• irisannya
50
Contoh
Untuk himpunan fuzzy berikut,
temukan
• komplemen,
• union, dan
• irisannya
51
Post test
Misalkan X adalah semesta pesawat penerbangan komersial
X={a10, b52, b117, C5, C130, f4, f14, f15, f16, f111, kc130}
Temukan komplemen, union, dan irisan dari kedua himpunan fuzzy tsb.
52
Soal 2
Untuk himpunan fuzzy berikut,
temukan
• komplemen,
• Union,
• Irisan,
•
53
54
55
56
57
REFERENSI
• [1] Timothy J Ross, 2010, Fuzzy Logic with Engineering Applications, John Wiley &
Sons
• [2] SN Sivanandam, Sumathi, Deepa, 2007, Introduction to Fuzzy Logic using
Matlab, Springer
• [3] Sri Kusumadewi, Hari Purnomo, 2010, “Aplikasi Logika Fuzzy untuk Pendukung
Keputusan”, Penerbit Graha Ilmu
• [4] Sri Kusumadewi, 2010, “Neuro-Fuzzy: Integrasi Sistem Fuzzy & Jaringan Syaraf”,
Penerbit Graha Ilmu
• [5] Rinaldi Munir, 2011, ‘Pengantar Logika Fuzzy’, Teknik Informatika STEI ITB
58