Pengantar Logika

Fuzzy
Shafa Khairunnisa
Wiranti
Atfy Safira Asify
I Nyoman Rian
Griselda Desty. A
M. Mansyur
Shindy Silviyanti
Pengantar
• Himpunan fuzzy adalah suatu himpunan yang
sifatnya samar. Himpunan ini mengembangkan
logika banyak nilai yang titik utamanya bukan
hanya benar atau salah, tetapi masih memiliki nilai
ketiga yang bersifat netral.

• Logika fuzzy umumnya diterapkan pada masalah-

masalah yang mengandung unsur ketidakpastian
(uncertainty), ketidaktepatan (imprecise), noisy,
dan sebagainya.
Contoh-contoh masalah yang
mengandung ketidakpastian :
1. Kasus tinggi badan
2. Kasus kecepatan

KETIDAKPASTIAN
Himpunan Fuzzy
• Himpunan klasik yang sudah dipelajari selama 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  A, tetapi 5  A.
Fungsi karakteristik, dilambangkan dengan  ,mendefinisikan
apakah suatu unsur dari semesta pembicaraan merupakan
anggota suatu himpunan atau bukan:
1, 𝑥 ∈ 𝐴
𝐴 𝑥 ቊ
0, 𝑥𝐴
Misalkan X = {1, 2, 3, 4, 5, 6} dan A  X, yang dalam hal ini A =
{1, 2, 5}. Kita menyatakan A sebagai

A = {(1,1), (2,1), (3,0), (4,0), (5,1), (6,0) }

Keterangan: (2,1) berarti A(2) = 1; (4,0) berarti A(4) = 0

9

• Contoh 4: Misalkan X = { x | 0 ≤ x ≤ 10, x R }. Misalkan

A  X, dan A = {x |5 ≤ x ≤ 8, x R }. Maka, kita dapat
menyatakan bahwa
A(6) = 1; A(4,8) = 0; A(7) = 1; A(8,654) = 0

0 5 8 x

Gambar 1 Grafik fungsi karakteristik A = { x | 5 ≤ x ≤ 8, x R }

• Sekarang, tinjau V = himpunan kecepatan pelan
(yaitu v ≤ 20 km/jam).

• Apakah kecepatan v = 20,01 km/jam termasuk ke dalam

himpunan kecepatan pelan?

• Menurut himpunan tegas, 20,01 km/jam  V, tetapi menurut

himpunan fuzzy, 20,01 km/jam tidak ditolak ke dalam
himpunan V, tetapi diturunkan derajat keanggotaannya.
Derajat Keanggotaan
Di dalam teori himpunan fuzzy, keanggotaan suatu elemen di
dalam himpunan dinyatakan dengan derajat keanggotaan
(membership values) yang nilainya terletak di dalam selang [0, 1].

Derajat keanggotaan ditentukan dengan fungsi keanggotaan:

: X → [0, 1]

bandingkan fungsi keanggotaan pada teori himpunan tegas:

: X → {0, 1}
 Arti Derajat Keanggotaan
• Jika (x) = 1, maka x adalah anggota penuh dari
himpunan A
• Jika (x) = 0, maka x bukan anggota
himpunan A
• jika (x ) = , dengan 0 < < 1, maka x adalah
anggota himpunan A dengan derajat keanggotaan
sebesar
 Representasi Fungsi Keanggotaan
1. Linier
(x)
1 0; 𝑥≤𝑎
𝑥−𝑎
𝜇 𝑥 = ; 𝑎≤𝑥≤𝑏
𝑏−𝑎
1; 𝑥≥𝑏

x
0 a b
2. Segitiga

(x)
0; 𝑥 ≤ 𝑎 𝑎𝑡𝑎𝑢 𝑥 ≥ 𝑐
1 𝑥−𝑎
; 𝑎≤𝑥≤𝑏
𝜇 𝑥 = 𝑏−𝑎
𝑏−𝑥
; 𝑏≤𝑥≤𝑐
𝑐−𝑏

x
0 a b c
3. Trapesium 0; 𝑥 ≤ 𝑎 𝑎𝑡𝑎𝑢 𝑥 ≥ 𝑑
𝑥−𝑎
; 𝑎≤𝑥≤𝑏
𝑏−𝑎
𝜇 𝑥 = 1; 𝑏≤𝑥≤𝑐
(x) 𝑑−𝑥
; 𝑥≥𝑑
1 𝑑−𝑐

x
0 a b c d
4. Kurva S
S = sigmoid. Mencerminkan kenaikan dan
penurunan secara tidak linier

0; 𝑥≤𝛼
2(𝑥 − 𝛼)
; 𝛼≤𝑥≤𝛽
(𝛾 − 𝛼)2
𝑆(𝑥; 𝛼, 𝛽, 𝛾) = 2
(𝛾 − 𝑥)
1−2 ; 𝛽≤𝑥≤𝛾
(𝛾 − 𝛼)
1; 𝑥≥𝛾

𝛼 𝛽 𝛾
5. Kurva lonceng

𝛾 𝛽
𝛾−𝛽
𝑆 𝑥; 𝛾 − 𝛽, ,𝛾 ; 𝑥≤𝛾
2
𝐺 𝑥, 𝛽, 𝛾 =
𝛾+𝛽
1 − 𝑆(𝑥; 𝛾, , 𝛾 + 𝛽; 𝑥>𝛾
2
Mendefinisikan
Himpunan Fuzzy
Logika Fuzzy adalah peningkatan dari logika Boolean yang
menggunakan konsep kebenaran sebagian. Di mana logika klasik
menyatakan bahwa segala hal dapat diekspresikan dalam istilah
binary (0 atau 1, hitam atau putiih, 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
linguistic, konsep tidak pasti seperti “sedikit”, “lumayan” , dan
“sangat”.

Logika Fuzzy berhubungan dengan set fuzzy dan teori

kemungkinan.
 Pada himpunan tegas (crisp set), nilai keanggotaan suatu
item x dalam suatu himpunan A (ditulis : 𝜇𝐴 𝑋 ) memiliki
dua kemungkinan :
Satu (1) , artinya 𝑥 adalah anggota 𝐴
Nol (0), artinya 𝑥 bukan anggota 𝐴

CONTOH
Jika diketahui :
𝑆 = {1, 2, 3, 4, 5, 6} adalah semesta pembicaraan
𝐴 = {1, 2, 3}
𝐵 = {3, 4, 5}
Maka:
Nila keanggotaan 2 pada 𝐴, 𝜇𝐴 2 = 1, karena 2 ∈ 𝐴
Nilai keanggotaan 4 pada A, 𝜇𝐴 4 = 0, karena 4 ∈ 𝐴
“ jika suhu lebih tinggi atau sama dengan 𝟖𝟎𝟎 𝑭, maka suhu disebut
panas, sebaliknya disebut tidak panas”
Kasus :
Suhu = 1000 𝐹, maka panas
Suhu = 80,10 𝐹, maka panas
Suhu = 79,90 𝐹, maka tidak panas
Suhu = 500 𝐹, maka tidak panas

Jika suhu ≥ 800 𝐹, disebut panas

Jika suhu < 800 𝐹, disebut tidak panas

oFungsi keanggotaan dari himpunan tegas gagal membedakan

antara anggota pada himpunan yang sama
oAda problem-problem yang terlalu kompleks untuk didefinisikan
secara tepat
Contoh 3:
Misal variable umur dibagi menjadi 3 kategori :
• MUDA 𝑢𝑚𝑢𝑟 < 35 𝑡𝑎ℎ𝑢𝑛
• PAROBAYA 35 ≤ 𝑢𝑚𝑢𝑟 ≤ 55 𝑡𝑎ℎ𝑢𝑛
• TUA 𝑢𝑚𝑢𝑟 > 55 𝑡𝑎ℎ𝑢𝑛
Parobaya Tua
Muda
1
1 1
𝜇[𝑥]
𝜇[𝑥]
𝜇[𝑥]

0 35 0 35 55 0 55
• Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA
• Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA
• Apabila seseorang berusia 35 tahun, maka ia dikatakan PAROBAYA
• Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan
TIDAK PAROBAYA
• Apabila seseorang berusia 55 tahun, maka ia dikatakan TIDAK TUA
• Apabila seseorang berusia 55 tahun lebih ½ hari, maka ia dikatakan TUA
Dari penjelasan sebelumnya, bisa dikatakan bahwa
pemakaian himpunan crisp untuk menyatakan umur sangat
tidak adil, adanya perubahan kecil saja pada suatu nilai
mengakibatkan perbedaan kategori yang cukup signifikan.

Himpunan Fuzzy digunakan untuk mengantisipasi hal

tersebut. Seseorang dapat masuk dalam 2 himpunan yang
berbeda. MUDA dan PAROBAYA, PAROBAYA dan TUA,
dsb. Seberapa besar eksistensinya dapat dilihat pada
nilai/derajat keanggotaannya.
 Gambar berikut menunjukkan himpunan fuzzy
untuk variable umur:

Muda Parobaya Tua

0,
5

0,25

0 25 35 40 45 50 55 65
 ATRIBUT HIMPUNAN FUZZY
• Variabel Fuzzy  variable dalam suatu sistem fuzzy
• Himpunan Fuzzy himpunan fuzzy yang mewakili suatu
kondisi pada suatu variable fuzzy
• Himpunan Fuzzy mempunyai 2 atribut, yaitu:
1. Linguistik : penamaan suatu grup yyang mewakili suatu
kondisi
2. Numeris : ukuran dari suatu variabel
• Himpunan semesta  keseluruhan nilai yang boleh
dioperasika dalam suatu variable fuzzy
• Domain  keseluuhan nilai yang diijinkan dalam semesta dan
boleh dioperasikan dalam suatu himpunan fuzzy
Operasi Himpunan Fuzzy
1. OR (Union)
Fuzzy union (∪): union dari 2 himpunan adalah
maksimum dari tiap pasang elemen pada
kedua himpunan.

Rumus :
𝜇𝐴∪𝐵 𝑥 = 𝑚𝑎𝑥(𝜇𝐴 𝑥 , 𝜇𝐵 𝑥 )

Contoh:
– A = {1.0, 0.20, 0.75}
– B = {0.2, 0.45, 0.50}
– A ∪ B = {max(1.0, 0.2), max(0.20, 0.45),
max(0.75, 0.50)}
= {1.0, 0.45, 0.75}
2. AND (Intersection)
Fuzzy intersection (∩): irisan dari 2 himpunan fuzzy
adalah minimum dari tiap pasang elemen pada kedua
himpunan.

Rumus :
𝜇𝐴∩𝐵 𝑥 = 𝑚𝑖𝑛(𝜇𝐴 𝑥 , 𝜇𝐵 𝑥 )

Contoh.
– A = {1.0, 0.20, 0.75}
– B = {0.2, 0.45, 0.50}
– A ∩ B = {min(1.0, 0.2), min(0.20, 0.45),
min(0.75, 0.50)}
= {0.2, 0.20, 0.50}
3. NOT (Complement)
Komplemen( _𝑐 ) : komplemen dari himpunan fuzzy terdiri dari
semua komplemen elemen.

Rumus :
𝜇𝐴′ 𝑥 = 1 − 𝜇𝐴 [𝑥]

Contoh.
– 𝐴𝐶 = {1 – 1.0, 1 – 0.2, 1 – 0.75} = {0.0, 0.8, 0.25}
 CONTOH
Nilai keanggotaan sebagai hasil dari operasi 2 himpunan:
fire strength atau α-predikat

Misalkan nilai keanggotaan IP 3.2 pada himpunan IPtinggi

adalah 0.7 dan nilai keanggotaan 8 semester pada
himpunan LulusCepat adalah 0.8, maka α-predikat untuk :
a. IPtinggi dan LulusCepat
b. IPtinggi atau LulusCepat
c. Bukan IPtinggi
 JAWABAN
AND OR
𝜇𝐴∩𝐵 𝑥 = 𝑚𝑖𝑛(𝜇𝐴 𝑥 , 𝜇𝐵 𝑥 ) 𝜇𝐴∪𝐵 𝑥
= 𝑚𝑎𝑥(𝜇𝐴 𝑥 , 𝜇𝐵 𝑥 )
𝜇𝐼𝑃𝑡𝑖𝑛𝑔𝑔𝑖∩𝐿𝑢𝑙𝑢𝑠𝐶𝑒𝑝𝑎𝑡
= min(𝜇𝐼𝑃𝑡𝑖𝑛𝑔𝑔𝑖 [3.2], 𝜇𝐿𝑢𝑙𝑢𝑠𝐶𝑒𝑝𝑎𝑡 [8] 𝜇𝐼𝑃𝑡𝑖𝑛𝑔𝑔𝑖∪𝐿𝑢𝑙𝑢𝑠𝐶𝑒𝑝𝑎𝑡
= min(0.7, 0.8) =
= 0.7 max(
𝜇𝐼𝑃𝑡𝑖𝑛𝑔𝑔𝑖 [3.2], 𝜇𝐿𝑢𝑙𝑢𝑠𝐶𝑒𝑝𝑎𝑡 [8]
NOT
= max(0.7, 0.8)
𝜇𝐴′ 𝑥 = 1 − 𝜇𝐴 [𝑥]
= 0.8
𝜇𝐼𝑃𝑡𝑖𝑛𝑔𝑔𝑖′ = 1 − 𝜇𝐼𝑃𝑡𝑖𝑛𝑔𝑔𝑖 3.2
= 1 – 0.7
= 0.3
Logika Fuzzy
Pada logika klasik, nilai kebenaran proposisi adalah 1
(true) atau 0 (false). Tetapi pada logika fuzzy, nilai
kebenaran proposisi adalah nilai riil di dalam selang
[0,1]. Misalkan p adalah proposisi yang didefinisikan
pada fuzzy A, maka nilai kebenaran poposisi p adalah
T(p):

𝑇 𝑝 = 𝜇𝐴 (𝑥) ≤ 1

Jadi, nilai kebenaran p ∶ 𝑥 ∈ 𝐴 sama dengan derajat

keanggotaan x dan di dalam A.
Dua bentuk proposisi di dalam logika fuzzy:
1. Proposisi atomic, berbentuk “x is A” yang dalam hal ini, x adalah
peubah linguistic dan A adalah terma/nilai linguistik

Conto proposisi (dalam Bahasa Inggris): “man is old”

Jika x=50 dan fungsi keanggotaan old adalah

0 ; 𝑥 ≤ 45
𝜇𝑜𝑙𝑑 = ቐ (𝑥 − 45)/15 ; 45 < 𝑥 < 60
1 ; 𝑥≥6

(50−45) 1
Maka nilai kebenaran “42 is old” adalah = 3 = 0,333
15
2. Proposisi majemuk, berbentuk:

“x is A or y is B”
“x is and y is B”

Contoh : “suhunya dingin atau

sedang hujan”
Contoh Soal dan
Penyelesaian
TERIMA KASIH ATAS
PERHATIANNYA