Oleh :
Nur Mita Utami
2017051058
Sejarah perkembangan fuzzy logic Fuzzy logic adalah cabang dari matematika dengan
bantuan computer memodelkan dunia nyata seperti yang dilakukan manusia. Fuuzy logic
meformulasikan masalah memnjadi lebih mudah, mempunyai pesisi yan tinggi, dan solusi yang
akurat. Fuzzy logic menggunakn dasar pendekatan hukum-hukum untuk mengontrol system
dengan bantuan model matematika.
Pada Boolean Logic setiap petrnyataan benaru atau salah, seaai contoh pernyataan dengan
1 atau 0. Jelasnya himpunan fuzzy memiliki fleksibilitan keanggotaan yang diperlukan untuk
keanggotaan pada suatu himpunan. Setiap kejadian dari tingkat dan alasan yang jelas adalah
menunjukan kasus terbatan pada pendekatan yang benar. Karena itu dapat disimpulkan bahwa
Boolean Logic adalah subset dar I Fuzzy Logic. Sejarah perkembangan fuzzy logic sebagai
berikut:
• 1965 Paper pertama “Fuzzy Logic” oleh Prof. Lotfi Zadeh, Faculty in Electrical
Engineering, U.C. Berkeley, sets the foundation stone for the “fuzzy Set Theory”
• 1980 Empirical Verification of Fuzzy Logic in Europe Broad Application of Fuzzy Logic
in Japan. • 1990 Broard Application of Fuzzy Logic in Europe and Japan
• 2000 Fuzzy Logic becomes a Standard Technology and is widely applied in Business and
Finance
C. Jenis Logika Fuzzy
a. Metode SugenoOrde-Nol
Secara umum bentuk model inferensi fuzzy SugenoOrde-Noladalah :
𝐼𝐹 (𝑥1 𝑖𝑠 𝐴1𝑖 ) 𝑜 (𝑥2 𝑖𝑠 𝐴2𝑖)𝑜 … … . 𝑜 (𝑥𝑁 𝑖𝑠
𝐴𝑁𝑖)𝑇ℎ𝑒𝑛 𝑧 = 𝑘
Dengan 𝐴𝑖 adalah himpunan fuzzy ke-i sebagai anteseden, dan kadalah suatu
konstanta (bersifat crisp) sebagai konsekuen.
b. Metode SugenoOrde-Satu
Secara umum bentuk model inferensi fuzzy SugenoOrde-Satuadalah :
𝐼𝐹 (𝑥1 𝑖𝑠 𝐴1𝑖 ) 𝑜 (𝑥2 𝑖𝑠 𝐴2𝑖)𝑜 … … . 𝑜
(𝑥𝑁 𝑖𝑠 𝐴𝑁)𝑇ℎ𝑒𝑛 𝑧 = 𝑝1 ∗ 𝑥1 + ⋯ + 𝑝𝑁 ∗ 𝑥𝑁 + 𝑞
Dengan 𝐴 𝑖 adalah himpunan fuzzy ke-i sebagai anteseden, dan
𝑃 𝑖 adalah suatu konstanta (tegas) ke-I dan q juga merupakankonstanta dalam
konsekuen.
d. Penegasan (defuzzyfikasi)
Input dari proses defuzzyfikasi adalah suatu himpunan fuzzy yang
diperoleh dari komposisi aturan– aturan fuzzy, sedangkan output yang dihasilkan
merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Sehingga jika
diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil
suatu nilai crisp tertentu sebagai output.
Logika fuzzy menjadi alternatif dari berbagai sistem yang ada dalam pengambilan
keputusan karena logika fuzzy mempunyai kelebihan sebagai berikut:
a. Logika fuzzy memiliki konsep yang sangat sederhana sehingga mudahuntuk dimengerti.
b. Logika fuzzy sangat fleksibel, artinya mampu beradaptasi denganperubahan-perubahan dan
ketidakpastian.
c. Logika fuzzy memiliki toleransi terhadap data yang tidak tepat.
d. Logika fuzzy mampu mensistemkan fungsi-fungsi non-linier yangsangat kompleks.
e. Logika fuzzy dapat mengaplikasikan pengalaman atau pengetahuandari para pakar.L
f. ogika fuzzy dapat bekerjasama dengan teknik-teknik kendali secarakonvensional
g. Logika fuzzy didasarkan pada bahasa sehari-hari sehingga mudah dimengerti.
Logika fuzzy memiliki beberapa komponen yang harus dipahamiseperti himpunan fuzzy, fungsi
keanggotaan, operator pada himpunan fuzzy, inferensi fuzzy dan defuzzifikasi.
E. Himpunan Fuzzy
Dalam logika fuzzy, ada 2 jenis himpunan yang biasa dikenal, yaitu himpunan
tegas (crisp set) dan himpunan kabur (fuzzy set).
1. Linguistik
Penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan
menggunakan bahasa alami, seperti : MUDA, PAROBAYA, TUA.
2. Numeris Yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu
variabel seperti : 50, 25, 45, dsb.
4. Domain Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam
semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.
Contoh :
• MUDA = [0,30] artinya seseorang dikatakan muda dengan umur 0
hingga 30
• PAROBAYA = [20,50] artinya seseorang dikatakan parobaya dengan
umur 20 hingga 50
• TUA = [40,+ ] artinya seseorang dikatakan tua dengan umur 40 hingga
+∞
Ada Tiga Proses Utama jika ingin Mengimplementasikan Fuzzy Logic Pada Suatu
Perangkat, yaitu:
a. Fuzzification, merupakan suatu proses untuk mengubah suatu masukan dari bentuk
tegas(crisp) menjadi fuzzy yang biasanya disajikan dalam bentuk himpunan-
himpunan fuzzydengan suatu fungsi kenggotaannya masing-masing.
b. Interference System (Evaluasi Rule), merupakan sebagai acuan untuk menjelaskan
hubungan antara variable-variabel masukan dan keluaran yang mana variabel yang
diproses dan yang dihasilkan berbentuk fuzzy. Untuk menjelaskan hubungan antara
masukan dan keluaran biasanya menggunakan “IF-THEN”.
c. Defuzzification, merupakan proses pengubahan variabel berbentuk fuzzy tersebut
menjadi data-data pasti (crisp) yang dapat dikirimkan ke peralatan pengendalian.
CONTOH SOAL
1. Suatu perusahaan minuman akan memproduksi minuman jenis XYZ. Dari data 1 bulan
terakhir, permintaan terbesar hingga mencapai 6000 botol/hari, dan permintaan terkecil
sampai 500 botol/hari. Persediaan barang digudang terbanyak sampai 800 botol/hari, dan
terkecil pernah sampai 200 botol/hari. Dengan segala keterbatasannya, sampai saat ini,
perusahaan baru mampu memproduksi barang maksimum 9000 botol/hari, serta demi
efisiensi mesin dan SDM tiap hari diharapkan perusahaan memproduksi paling tidak 3000
botol. Apabila proses produksi perusahaan tersebut menggunakan 4 aturan fuzzy sbb:
Berapa botol minuman jenis XYZ yang harus diproduksi, jika jumlah permintaan sebanyak 4500
botol, dan persediaan di gudang masih 700 botol?
Jawaban
Ada 3 variabel fuzzy yang akan dimodelkan, yaitu:
• Permintaan; terdiri-atas 2 himpunan fuzzy, yaitu: NAIK dan TURUN (Gambar 2.19).
0,72
0,27
1, x 500
6000 − X
PmtTurunX = , 500 x 6000
5500 x 6000
0,
0, x 500
x - 500
PmtNaikX = , 500 x 6000
5500
1, x 6000
• Persediaan; terdiri-atas 2 himpunan fuzzy, yaitu: SEDIKIT dan BANYAK (Gambar 2.20).
0,667
033
83
PsdSEDIKIT[400] = (600-400)/600
= 0,667
PsdBANYAK[400] = (400-200)/600
= 0,33
• Produksi barang; terdiri-atas 2 himpunan fuzzy, yaitu: BERKURANG dan BERTAMBAH
(Gambar 2.21).
1, z 3000
9000 − z
Pr BrgBERKURANG [ z] = , 3000 z 9000
6000
0, z 9000
0, z 3000
z − 3000
Pr BrgBERTAMBAH [ z] = , 3000 z 9000
6000
1, z 9000
Sekarang kita cari nilai z untuk setiap aturan dengan menggunakan fungsi MIN pada aplikasi
fungsi implikasinya:
= min(PmtTURUN [4500],PsdBANYAK[700])
= min(0,27; 0,83)
= 0,27
= min(PmtTURUN [4500],PsdSEDIKIT[700])
= min(0,667; 0,337)
= 0,333
Lihat himpunan Produksi Barang BERKURANG,
= min(PmtNAIK [4500],PsdBANYAK[400])
= min(0,72; 0,33)
= 0,4
= min(PmtNAIK [4500],PsdSEDIKIT[400])
= min(0,72; 0,667)
= 0,667
2. Misalkan terdapat himpunan tegas A={ x ∣ − 3< x < 9 ,x ∈ R}. Pernyataan berikut yang
bernilai benar terkait nilai keanggotaan pada A adalah….
Jawaban
A merupakan himpunan bilangan real di antara −3 dan 9.
Cek Opsi A:
1999 ∈ A sehingga seharusnya μA[1999]=1.
Cek Opsi B:
−0,2333 ∈ A sehingga seharusnya μA[−0,2333]=1.
Cek Opsi C:
8,9999 ∈ A sehingga benar bahwa μA[8,9999]=1.
Cek Opsi D:
−4 ∉ A sehingga seharusnya μA[−4]=0.
Cek Opsi E:
2 + 3 ≈ 1,4+1,7=3,1∈A sehingga seharusnya μ A [2+3] = 1.
Jadi, pernyataan yang benar adalah 𝜇𝐴 = [8,999] = 1
3. Diketahui nilai keanggotaan untuk variabel UMUR secara grafis seperti gambar berikut.
Seseorang yang berumur 40 tahun mempunyai nilai μ Muda[40] dan μ Dewasa[40] masing-
masing sebesar ….
Jawaban
40 − 45 −5 1
μ Muda[40] = = = = 0,25
25 − 45 −20 4
40 − 35 5 1
μ Dewasa[40] = = = = 0,5
45 − 35 10 2