Logika Fuzzy merupakan suatu logika yang

memiliki nilai kekaburan atau kesamaran

(fuzzyness) antara benar atau salah. Dalam
logika klasik dinyatakan bahwa segala hal dapat
diekspresikan dalam istilah binary (0 atau 1,
hitam atau putih, ya atau tidak), sedangkan
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".
PEMBAHASAN

A. ATURAN FUZZY
B. DEFUZZYFIKASI
C. APLIKASI LOGIKA FUZZY
 A. ATURAN FUZZY

1. METODE TSUKAMOTO
2. METODE MAMDANI
3. METODE SUGENO
 1. METODE TSUKAMOTO
 Pertama kali diperkenalkan olehTsukamoto.
 Pada Metode Tsukamoto, setiap konsekuen pada aturan
yang berbentuk IF-Then harus direpresentasikan dengan
suatu himpunan fuzzy dengan fungsi keanggotaan yang
monoton.

 Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan

diberikan secara tegas (crisp) berdasarkan α-predikat (fire
strength).
 Hasil akhirnya diperoleh dengan menggunakan rata-rata
terbobot (Kusumadewi, 2003).
 2. METODE MAMDANI

 Metode Mamdani sering juga dikenal

dengan nama Metode Max-Min.
 Menggunakan MIN pada fungsi
implikasi, dan MAX pada komposisi
antar fungsi implikasi.
 Diperkenalkan oleh Ebrahim
Mamdani pada tahun 1975.
Langkah-langkah FIS: MAMDANI

• Tentukan variabel-variabel &

himpunan fuzzy;
• Tentukan fungsi keanggotaan;
• Lakukan implementasi fungsi
implikasi;
• Lakukan komposisi/agregasi aturan;
• Lakukan proses penegasan
(defuzzy)
• Model Inferensi
 FUNGSI IMPLIKASI
Bentuk umum:

IF (x1 is A1)  (x2 is A2)  ......  (xN is AN)

THEN y is B

dengan  adalah operator (misal: OR atau AND), x1,

x2, …, xN adalah variabel-variabel input, y adalah
variabel output, A1, A2, …, AN, B, adalah himpunan-
himpunan fuzzy.
 Ada 2 fungsi implikasi:

a) Min (minimum)

b) Dot (product)
 a) MIN (Minimum)
Fungsi ini akan memotong output himpunan
fuzzy
Aplikasi Aplikasi fungsi
Operator AND implikasi Min

NAIK SEDANG NORMAL

IF Permintaan NAIK AND Persediaan SEDANG THEN Produksi Barang NORMAL

 b) DOT (Product)
Fungsi ini akan menskala output himpunan
fuzzy
Aplikasi Aplikasi fungsi implikasi
Operator AND Dot (Product)

NAIK SEDANG NORMAL

IF Permintaan NAIK AND Persediaan SEDANG THEN Produksi Barang NORMAL

 Metode Komposisi

a) Metode Max
b) Metode Additive
c) Metode Probabilistik OR
(PROBOR)
 a) Metode MAX (Maximum)
 Solusi himpunan fuzzy diperoleh dengan cara
mengambil nilai maksimum aturan, kemudian
menggunakannya untuk memodifikasi daerah fuzzy,
dan mengaplikasikannya ke output dengan
menggunakan operator OR (union).
 Secara umum dapat dituliskan:
msf[xi]  max(msf[xi], mkf[xi])
dengan:
msf[xi] = nilai keanggotaan solusi fuzzy sampai aturan
ke-i;
mkf[xi] = nilai keanggotaan konsekuen fuzzy aturan
ke-i;
 Apabila digunakan fungsi implikasi MIN, maka metode
 b) Metode ADDITIVE
 Solusi himpunan fuzzy diperoleh dengan cara
melakukan bounded-sum terhadap semua output
daerah fuzzy.
 Secara umum dituliskan:

msf[xi]  min(1,msf[xi]+ mkf[xi])

dengan:
msf[xi] = nilai keanggotaan solusi fuzzy sampai
aturan ke-i;
mkf[xi] = nilai keanggotaan konsekuen fuzzy
aturan ke-i
c) Metode PROBABILISTIK OR (PROBOR)

 Solusi himpunan fuzzy diperoleh dengan cara

melakukan product terhadap semua output daerah
fuzzy.
 Secara umum dituliskan:
msf[xi]  (msf[xi]+ mkf[xi]) - (msf[xi] * mkf[xi])
dengan:
msf[xi] = nilai keanggotaan solusi fuzzy sampai
aturan ke-i;
mkf[xi] = nilai keanggotaan konsekuen fuzzy
aturan ke-i;
 3. METODE SUGENO

 Penalaran dengan metode SUGENO

hampir sama dengan penalaran
MAMDANI, hanya saja output
(konsekuen) sistem tidak berupa
himpunan fuzzy, melainkan berupa
konstanta atau persamaan linear.
 Metode ini diperkenalkan oleh
Takagi-Sugeno Kang pada tahun
1985.
Model Fuzzy Sugeno terbagi 2,
yaitu

a) Model Fuzzy Sugeno Orde-Nol

a) Model Fuzzy Sugeno Orde-

Satu
a) Model Fuzzy Sugeno Orde-Nol
Secara umum bentuk model fuzzy
SUGENO Orde-Nol adalah:

IF (x1 is A1)  (x2 is A2)  ......  (xN is AN)

THEN z=k

dengan Ai adalah himpunan fuzzy ke-i

sebagai anteseden, dan k adalah suatu
konstanta (tegas) sebagai konsekuen
 b) Model Fuzzy Sugeno Orde-Satu
Secara umum bentuk model fuzzy SUGENO
Orde-Satu adalah:

IF (x1 is A1)  ......  (xN is AN)

THEN z = p1*x1 + … + pN*xN + q

dengan Ai adalah himpunan fuzzy ke-i sebagai

anteseden, dan pi adalah suatu konstanta (tegas)
ke-i dan q juga merupakan konstanta dalam
konsekuen.
 B. DEFUZZYFIKASI
 Defuzzifikasi merupakan cara
untuk mendapatkan nilai tegas
dari nilai fuzzy secara
representatif.

 Secara mendasar defuzzifikasi

adalah pemetaan dari ruang aksi
kendali fuzzy yang didefinisikan
dalam semesta pembicaraan
keluaran ke dalam ruang aksi
kendali nyata (non fuzzy).
 Ada beberapa cara defuzzifikasi yang
lazim digunakan, dalam kasus ini digunakan
metode Centroid Of Area (COA). Metode ini
dilakukan dengan membangkitkan titik pusat
dari distribusi kemungkinan sebuah aksi
kendali.
Ada dua keuntungan menggunakan
metoda Centroid Of Area (COA)
(kusumadewi, 2002) yaitu :
 Nilai defuzzifikasi akan bergerak secara
halus sehingga perubahan beban dalam
suatu topologi himpunan fuzzy ke topologi
berikutnya juga akan berjalan dengan
halus
 Mudah dihitung.
C. APLIKASI LOGIKA FUZZY

Dewasa ini, Fuzzy Logic merupakan

salah satu metode yang memiliki
aplikasi luas di bidang kontrol.
Perkembangan Fuzzy sangat pesat,
karena konsep logika fuzzy mudah
dimengerti dan fleksibel.
 Variabel Fuzzy
Merupakan variabel yang hendak
dibahas dalam suatu system fuzzy,
seperti umur, temperatur, dsb
 Himpunan Fuzzy
Merupakan suatu grup yang mewakili
suatu kondisi atau keadaan tertentu
dalam suatu variabel fuzzy.
 Semesta Pembicaraan
Adalah keseluruhan nilai yang
diperbolehkan untuk dioperasikan
dalam suatu variabel fuzzy.
 Domain
Adalah keseluruhan nilai yang diijinkan
dalam semesta pembicaraan dan boleh
dioperasikan dalam suatu himpunan fuzzy.
 Fungsi Keanggotaan
Fungsi keanggotaan (membership
function) adalah suatu kurva yang
menunjukan pemetaan titik – titik input
data kedalam nilai keanggotaanya (sering
juga disebut dengan derajat keanggotaan)
yang memiliki interval antara 0 sampai 1
(Kusumadewei, 2004 : 98). Salah satu
cara yang dapat digunakan untuk
mendapatkan nilai keanggotaan adalah
dengan melalui pendekatan fungsi.
Aplikasi Logika Fuzzy dalam kehidupan sehari-hari

 Logika Fuzzy untuk Sistem

Pengaturan Suhu Ruangan
 Logika Fuzzy untuk Sistem
Pengaturan Lampu Lalulintas
 Logika Fuzzy untuk Sistem
Penggajian Karyawan
TERIMA KASIH