LOGIKA FUZZY

OLEH NURUL ADELIA

 Beberapa masalah yang mengandung ketidakpastian

15 km/h
7 km/h 50 km/h
• Ketidakpastian dalam ilustrasi tersebut disebabkan oleh kaburnya pengertian
“agak”, “kurang lebih”, atau “sedikit”.

• Logika fuzzy menjadi suatu cara untuk merepresentasikan dan menangani

masalah ketidakpastian, seperti keraguan, ketidaktepatan, kekuranglengkapan
informasi, dan kebenaran yang bersifat sebagian.

• Fuzzy digagas oleh Lotfi Aliasker Zadeh, ahli matematika, ilmuwan komputer,
insinyur listrik, peneliti kecerdasan buatan dan profesor emeritus ilmu komputer
di University of California, Berkeley
• Logika tegas (crisp logic) menyatakan bahwa segala hal dapat
diekspresikan dalam istilah biner (0 atau 1, hitam atau putih, iya atau
tidak). Namun, tidak ada nilai diantaranya.

• Logika fuzzy memungkinkan nilai keanggotaan antara 0 dan 1 dalam

bentuk linguistik; konsep tidak pasti seperti “sedikit”, “lumayan”, dan
“sangat”. Ada nilai di antara 0 dan 1, abu-abu pada hitam dan putih
• Saat ini banyak dijual produk elektronik buatan jepang yang
menerapkan prinsip logika fuzzy, seperti:
Tahun 1990, mesin cuci otomatis di Jepang menggunakan logika fuzzy
• Menggunakan sensor untuk mendeteksi kotoran pada pakaian
• Input : tingkat kekotoran, jenis kotoran, dan banyaknya cucian
• Output : menentukan putaran yang tepat secara otomatis
 Dasar-Dasar Logika Fuzzy

1. Variabel fuzzy
Contoh : penghasilan, temperatur, permintaan, umur dan tinggi badan
2. Himpunan fuzzy
Kelompok yang mewakili suatu keadaan tertentu dalam variabel fuzzy
Atribut himpunan fuzzy :
a). Linguistik, yaitu nama suatu kelompok yang mewakili keadaan tertentu dengan
menggunakan bahasa alami seperti
- Dingin, sejuk, panas mewakili variabel temperatur
- Muda, Parobaya, Tua mewakili umur
b). Numeris, yaitu suatu nilai yang menunjukkan ukuran dari variabel misalnya10, 15
dan 40
•   Semesta Pembicaraan, yaitu seluruh ilai yang diijinkan untuk
3.
dioperasikan dalam suatu variabel fuzzy
Contoh :
Semesta pembicaraan untuk variabel permintaan
Semesta pembicaraan untuk variabel temperatur [ 10 90]

4. Domain himpunan fuzzy yaitu seluruh nilai yang diijinkan semesta

pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy
Penalaran Monoton
Digunakan sebagai dasar untuk teknik implikasi fuzzy. Jika 2 daerah fuzzy direlasikan dengan
implikasi sederhana sebagai berikut:
IF x is A Then y is B
Transfer fungsi:
y = f((x,A),B)
Contoh :
Misalkan ada 2 himpunan fuzzy: Tinggi Badan dan Berat Badan
Tinggi Berat

Relasi antara kedua himpunan diekspresikan dengan aturan tunggal :

-• Tentukan
  nilai keanggotaan elemen x pada domain A, yaitu
- Nilai dari keanggotaan x akan dipetakan ke daerah fuzzy Berat, sehingga
menghasilkan y (solusi dari fungsi implikasi)

Seseorang yang memiliki tinggi badan 165 cm, memiliki daerah derajat keanggotaan
0.75 pada daerah fuzzy Tinggi, diperoleh dari:
  (165-150)/(170-150)
= 15/20
= 0.75

S(y;40,55,70) = 0.75
Karena 0.75 > 0.5 maka letak y adalah antara 55 sampai 70
1-2[(70-y)/(70-40) = 0.75
1-2(70-y/900 = 0.75
2(70-y/900 = 0.25
(70-y = 112.5
(70-y) = 112.5
y = 70 10.6 ambil (-) karena nilainya harus <70
y = 59.4
 Sistem Inferensi Fuzzy
Sistem inferensi fuzzy adalah cara memetakan ruang input menuju ruang
output menggunakan logika fuzzy

Input Fuzzifikasi Inferensi Defuzzifikasi Output

Basis Pengetahuan
• 
Sistem Inferensi Fuzzy
- Basis Pengetahuan
Kumpulan aturan dalam bentuk pernyataan if –then yang dibuat oleh
pakar

- Fuzzifikasi
Proses mengubah input sistem yang mempunyai nilai tegas (crisp)
menjadi variabel linguistik menggunakan fungsi keanggotaan , yang
disimpan dalam basis pengetahuan fuzzy
Sistem Inferensi Fuzzy
- Inferensi
• Proses untuk mengubah input fuzzy dengan cara mengikuti aturan-aturan
(if-then rules) yang telah ditetapkan pada basis pengetahuan fuzzy
• Inferensi adalah proses pengambilan keputusan
• Harus ada rules atau aturan yang umumnya dapat dituliskan
if antecedent (kondisi) then consequent (kesimpulan)
• Proses inferensi memperhitungkan semua aturan yang ada
Sistem Inferensi Fuzzy
- Defuzzifikasi
• Proses mengubah output fuzzy yang diperoleh dari tahap inferensi
menjadi nilai tegas (crisp) menggunakan fungsi keanggotaan yang sesuai
dengan saat dilakukan fuzzifikasi
-Metode
• Centroid atau Center of Area (CoA) atau Center of Gravity (CoG)
• Average atau rata-rata
Contoh Kasus
• Untuk mengatur frekuensi putar kipas angin secara otomatis digunakan
sistem kendali. Variabel dan data spesifikasi dari pabrik :
- Kecepatan putar kipas angin 1000 rotary per minutes (rpm) dan terbesar
5000 rpm
- Kemampuan sensor suhu ruangan berada dalam interval 100 kelvin
hingga 600 kelvin
- Sumber frekuensi putar kipas sebesar 2000 rpm sampai dengan 7000
rpm
Apabila diketahui aturan yang berlaku adalah sebagai berikut:
- [R1] if Kecepatan Lambat and Suhu Tinggi then frekuensi kecil
- [R2] if Kecepatan Lambat and Suhu Rendah then frekuensi kecil
- [R3] if Kecepatan Cepat and Suhu Tinggi then frekuensi Besar
- [R4] if Kecepatan Cepat and Suhu Rendah then frekuensi Besar

• Berapa sumber frekuensi putar kipas angin yang dihasilkan sistem

kontrol tersebut bila pada saat itu sensor suhu menunjukkan angka 300
K sedangkan kipas angin berputar dengan kecepatan 4000 rpm?
 TSUKOMOTO :
a. Fuzzifikasi
• Kecepatan Cepat (5000); Lambat (1000)
 
Cepat Lambat
= 0.75
 1  1
 
 𝜇[ 𝑥]
 𝜇[ 𝑥]
= 0.25

 0
 0
1000 4000 5000 1000 4000 5000

0 , 𝑥 ≤ 1000   1 𝑥 ≤1000

{
 

{
𝜇𝑐𝑒𝑝𝑎𝑡 [ 𝑥 ] = 𝑥 − 1000 , 1000≤ 𝑥 ≤ 5000
5000 − 1000
1 , 𝑥 ≥ 5000
𝜇𝑙𝑎𝑚𝑏𝑎𝑡 [ 𝑥 ] 5000 − 𝑥 ,1000 ≤ 𝑥 ≤5000
5000 −1000
0 , 𝑥 ≥5000
 • Suhu : Tinggi (600), Rendah (100)
Tinggi Rendah
1 1
 
 𝜇[ 𝑦]  𝜇[ 𝑦] = 0.4

 
0 100 600 0 100 300 600
300 = 0.6

  0 , 𝑦 ≤ 100   1 , 𝑦 ≤ 100

{ 600− 100
1 , 𝑦 ≥ 600
{
𝜇𝑡𝑖𝑛𝑔𝑔𝑖 [ 𝑦 ] = 𝑦 − 100 , 100 ≤ 𝑦 ≤600𝜇𝑟𝑒𝑛𝑑𝑎h [ 𝑥 ] = 600 − 𝑦 ,100 ≤ 𝑦 ≤ 600
600 −100
0 , 𝑦 ≥ 600
• Frekuensi : Besar (7000); kecil (2000)
Besar kecil
1 1

 𝜇[ 𝑧]  𝜇[ 𝑧]

0 7000
2000 0 2000 7000

  1 , 𝑧 ≤ 2000   0 , 𝑧 ≤ 2000

{
𝜇𝑏𝑒𝑠𝑎𝑟 [ 𝑧 ] = 𝑧 − 2000 ,2000 ≤ 𝑧 ≤ 7000
7000 −2000
0 , 𝑧 ≥ 7000
{
𝜇𝑘𝑒𝑐𝑖𝑙 [ 𝑧 ] = 7000 − 𝑧 , 2000 ≤ 𝑧 ≤ 7000
7000− 2000
1 , 𝑧 ≥ 7000
Aturan :
[R1] if Kecepatan Lambat and Suhu Tinggi then frekuensi kecil
[R2] if Kecepatan Lambat and Suhu Rendah then frekuensi kecil
[R3] if Kecepatan Cepat and Suhu Tinggi then frekuensi Besar
[R4] if Kecepatan Cepat and Suhu Rendah then frekuensi Besar
•Tsukamoto
  :
b. Inferensi
[R1] if Kecepatan Lambat and Suhu Tinggi then frekuensi kecil

= min (
= min (0.25; 0.4)
= 0.25

Nilai

= 5750 rpm
•[R2]
  if Kecepatan Lambat and Suhu Rendah then frekuensi kecil

= min (
= min (0.25; 0.6)
= 0.25
Nilai

= 5750 rpm
•[R3]
  if Kecepatan Cepat and Suhu Tinggi then frekuensi Besar

= min (
= min (0.75; 0.6)
= 0.6
Nilai

= 5000 rpm
•[R4]
  if Kecepatan Cepat and Suhu Rendah then frekuensi Besar

= min ()
= min (0.75; 0.6)
= 0.6
Nilai

= 5000 rpm
•Tsukamoto
  :
c. Defuzzifikasi
Metode Average (rata-rata):

= 4983
Jadi, frekuensi putar kipas angin yang dihasilkan haruslah 4983 rpm