FUZZY LOGIC

By. Suryani, S.Kom., MT.

NAMA : SURYANI, S.KOM., MT
PENDIDIKAN :
D3, MANAJEMEN INFORMATIKA –
STMIK DIPANEGARA
S1, SISTEM INFORMASI –
STMIK DIPANEGARA
S2, TEKNIK INFORMATIKA –
UNIVERSITAS HASANUDDIN
ALAMAT : JL. POROS BANTIMMURUNG KM.2
NO.187, MAROS
E-mail : suryani187@dipanegara.ac.id
NO. HP : 0821 9645 6778
TATA TERTIB PERKULIAHAN :
1. KEHADIRAN MAHASISWA ≥ 60% x KEHADIRAN DOSEN
2. KETERLAMBATAN ≤ 30 MENIT
3. BERPAKAIAN RAPI DAN TIDAK MEMAKAI SANDAL
4. TIDAK BOLEH MENGGUNAKAN HP DALAM RUANG KULIAH
SELAMA PROSES PERKULIAHAN BERLANGSUNG
5. TIDAK BOLEH MEMBAWA MAKANAN DAN MINIUMAN KE
RUANG KULIAH
6. TUGAS HARUS DIKUMPUL PADA WAKTU DAN TEMPAT YANG
TELAH DISEPAKATI
7. TUGAS BESAR DIKERJAKAN SECARA BERKELOMPOK DAN
WAJIB DI PRESENTASIKAN
8. TIDAK ADA TUGAS TAMBAHAN/PENGGANTI
9. MID/UTS SUSULAN HANYA DIBERIKAN JIKA DISERTAI
ALASAN DAN BUKTI YANG KUAT
10. FINAL/UAS SUSULAN DI TENTUKAN DAN DILAKSANAKAN
OLEH BAAK
MATERI :
• Hakekat dan keunggulan Fuzzy
• Aplikasi Fuzzy
• Himpunan Fuzzy
• Representasi himpunan Fuzzy (Linier dan non linier )
• Operator – 2 Himpunan Fuzzy
• Aplikasi basis data Fuzzy dan Aplikasi operator fuzzy
dalam basis data
•  Hakekat inferensi Fuzzy, penalaran monoton dan
komposisi aturan Fuzzy untuk Inferensi
• Metode sentroit, Bisektor, MOM, LOM dan SOM
• Fuzzy Sugeno Orde Nol dan Saturday
• Aplikasi definisi karakteristik model, dekomposisi var.,
aturan Fuzzy dan Defuzzifikasi
• Ukuran Fuzzy, indek kekaburan dan Fuzzy Entropy
• Aplikasi Linier programming dan Fuzzy linier programming
• Formulasi permasalahan dan notasi
• Aplikasi solusi masalah
KOMPONEN PENILAIAN :

KEHADIRAN= 20%
TUGAS & QUIZ = 20 %
MID/UTS = 30 %
FINAL/UAS = 30 %

KONVERSI NILAI :

x > 80 =A
65 < x ≤ 80 =B
50 < x ≤ 65 =C
35 < x ≤ 50 =D
x ≤ 35 =E
 Hakekat dan keunggulan
Fuzzy
Logika fuzzy pertama kali
dikembangkan oleh Lotfi A. Zadeh
melalui tulisannya pada tahun 1965
tentang teori himpunan fuzzy.
Prof. Lotfi Asker Zadeh adalah
seorang ilmuwan Amerika Serikat
berkebangsaan Iran dari Universitas
California di Barkeley, yang
mengenalkan suatu konsep berpikir
logika yang baru yaitu LOGIKA
KABUR (FUZZY LOGIC).
 Sejarah Fuzzy

1. Tahun 1965, Prof. Zadeh dari California Univ. menulis

paper yang sangat terkenal dan menjadi bahan
referensi utama dunia Fuzzy.
2. Tahun 1974, Prof Mandani dari London Univ.
menerapkan teori Fuzzy untuk mengendalikan steam
engine.
3. Tahun 1970-an, Institusi Ilmiah mengenai Fuzzy
Logic terbentuk dan teori mengenai Fuzzy
berkembang pesat.
4. Tahun 1980-an, Fuzzy masuk pada dunia terapan
seperti industri semen, IC fuzzy, komputer fuzzy,
kendali fuzzy, dsb.
• Hingga saat ini dijual produk elektronik buatan Jepang
yang menerapkan prinsip logika fuzzy, seperti mesin cuci,
AC dan lain-lain.

• Fuzzy logic sudah diterapkan pada banyak bidang, mulai

dari teori kendali hingga kecerdasan buatan.

• Mengapa logika fuzzy yang ditemukan di Amerika malah

lebih banyak ditemukan aplikasinya di negara Jepang?

• Salah satu penjelasannya: kultur orang Barat yang

cenderung memandang suatu persoalan sebagai hitam-
putih, ya-tidak, bersalah-tidak bersalah, sukses-gagal,
atau yang setara dengan dunia logika biner Aristoteles,

• Sedangkan kultur orang Timur lebih dapat menerima dunia

“abu-abu” atau fuzzy.
• Logika fuzzy umumnya diterapkan pada
masalah-masalah yang mengandung unsur
ketidakpastian (uncertainty), ketidaktepatan
(imprecise), noisy, dan sebagainya.

• Logika fuzzy menjembatani bahasa mesin yang

presisi dengan bahasa manusia yang
menekankan pada makna atau arti
(significance).

• Logika fuzzy dikembangkan berdasarkan bahasa

manusia (bahasa alami)
 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”.
 Contoh-contoh masalah yang
mengandung 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 contoh 1 dan 2 disebabkan

oleh kaburnya pengertian “agak”, “kurang lebih”,
“sedikit”, dan sebagainya .
Logika Fuzzy

Peningkatan dari logika Boolean yang

berhadapan dengan “Konsep kebenaran
sebagian”.

Input Output
Input Black Box Output

Logika klasik : Segala hal dapat diekspresikan

dalam istilah biner (0 atau 1, hitam atau putih,
ya atau tidak).
Logika fuzzy menggantikan kebenaran Boolean
dengan tingkat kebenaran.
 Logika Fuzzy

1. Nilai kebenaran bukan bersifat crisp (tegas) 0 dan 1 saja

tetapi berada diantaranya (multivariabel).
2. Digunakan untuk merumuskan pengetahuan dan
pengalaman manusia yang mengakomodasi ketidakpastian
ke dalam bentuk matematis tanpa harus mengetahui model
matematikanya.
3. Pada aplikasinya dalam bidang komputer, logika fuzzy
diimplementasikan untuk memenuhi kebutuhan manusia
akan sistem komputer yang dapat merepresentasikan cara
berpikir manusia
 Aplikasi Fuzzy

1. Mesin cuci
2. Pengatur suhu udara (AC)
3. Kulkas
4. Transmisi otomatis (Mobil Nissan)
5. Ilmu kedokteran dan biologi
6. Klasifikasi dan pencocokan pola
7. Ilmu lingkungan (mis. prediksi cuaca, kendali
kualitas air) dll.
 Watak Kekaburan

Mesin yang dihidupkan terus menerus akan cepat panas

Panas

Rendah Tinggi
Temperatur

Hangat Panas

Rendah Tinggi
Temperatur
 Perubahan dari Hangat ke Panas

Jika mesin terus dipanaskan

Panas

Rendah Tinggi
Temperatur
Darah Hangat dan Panas

Hangat Panas

Rendah Tinggi
Temperatur
Hangat menjadi Panas
 Mengapa Fuzzy ?

Permasalahan :
1. Komputer hanya berbasiskan bilangan biner 0 dan 1
2. Kesenjangan komunikasi antara manusia yang
menggunakan “BAHASA” (manusia) dan mesin
(komputer) yang hanya memahami “0 dan 1”
3. Ekspresi matematis atau angka-angka yang kaku
untuk memahami fenomena alam yang secara alami
dirasakan manusia (exp. panas, dingin, cepat, lambat
dll.)
Perasaan Manusia Kerja Mesin
Manusia memiliki Mesin (komputer)
suatu naluri untuk melakukan tugasnya
merasakan sesuatu berdasarkan urutan program
seperti panas, dingin, yang disimpan dalam
jauh, dekat, tinggi, memori.
rendah, cepat, lambat,
berat, ringan dsb. Cara berekspresi
Cara berekspresi mesin
1. Semua ekspresi mesin
manusia (komputer) berbasiskan
1. Ekspresi bisa dengan bilangan binari 0 dan 1.
perkiraan angka (exp. 5 Untuk ekspresi bilangan
cm, 10 gram 28 derajat maka dibuat kumpulan 0
C) yang belum tentu dan 1 yang disebut
dengan binary word.
tepat betul. 2. Dapat melakukan proses
2. Ekspresi bisa dengan logika “JIKA …. MAKA….
BAHASA seperti “Udara ‘ yang merupakan satu
dinginsekali”,“Tanahnya kalimat. Kumpulan kalimat
ini dikenal dengan
luas sekali” Seukuran 1 “Knowledge base”
sendok makan , dsb.
 Problema ekspresi mesin

1. Jika tidak ditemukan logika yang tepat benar

(data matching) maka tidak akan keluar jawaban.
2. Hanya dapat memproses informasi yang sudah
jelas batasannya yang dapat diekspresikan
dengan binary word.
3. Tidak dapat memasukan beberapa aturan inklusi
(aturan IF.. THEN..) yang tidak konsisten ke
dalam “knowledge base”
 Belajar pada manusia

1. Manusia memiliki kreatifitas yang memberikan

jawaban atas suatu persoalan yang sedikit di luar
pengetahuan yang dimilikinya.
2. Manusia melakukan “kesalahan” dan selanjutnya
dapat memperbaikinya.
3. Manusia mengambil karakteristik tertentu dari
suatu benda dan memasukan esensinya yang
penting dikepalanya.
 Sampai Jumpa
di
Pertemuan Berikutnya

Semangat Belajar