PBD PERTEMUAN VII
FUZZY LOGIC
ABSTRAKSI
Logika Fuzzy adalah suatu proses pengambilan
keputusan berbasis aturan yang bertujuan untuk memecahkan masalah, dimana
sistem tersebut sulit untuk dimodelkan atau terdapat ambiguitas dan
ketidakjelasan yang berlimpah. Logika Fuzzy ditentukan oleh persamaan
logika bukan dari persamaan diferensial komplek dan berasal dari pemikiran yang
mengidentifikasi serta mengambil keuntungan dari grayness antara dua ekstrem.
Sistem logika fuzzy terdiri dari himpunan fuzzy dan aturan fuzzy. Subset fuzzy
merupakan himpunan bagian yang berbeda dari variabel input dan output. Aturan
fuzzy berhubungan dengan variabel masukan dan variabel output melalui
subset. Mengingat seperangkat aturan fuzzy, sistem dapat mengkompensasi dengan
cepat dan efisien. Meskipun dunia Barat pada awalnya tidak menerima logika
fuzzy dan ide fuzzy, hari ini logika fuzzy diterapkan dalam banyak sistem.
Dalam riset ini, sistem pelacakan surya diimplementasikan menggunakan logika
fuzzy.
Kata kunci: fungsi keanggotaan, grayness, subset fuzzy, fuzzification, aturan fuzzy, defuzzifikasi, Fuzzy Teorema Aproksimasi (FAT), angka fuzzy, dan sistem fuzzy
PENDAHULUAN
Bagaimana
mendefinisikan dunia tempat kita hidup di hari ini? Bagaimana kita melihat
hal-hal di sekitar kita? Sebagian besar dari kita diajarkan dari usia yang
sangat muda untuk melihat dunia dalam hal hitam dan putih, A-atau-bukan-A,
Boolean 1 atau 0. Banyak ilmu pengetahuan, matematika, logika, dan bahkan
budaya mengasumsikan dunia 1 dan 0 itu, benar atau salah, panas atau dingin,
A-atau-tidak-A. Apakah ada atau setengah setengah hilang? Apakah setengah gelas
penuh atau setengah kosong? Apakah mobil akan cepat atau lambat? Masing-masing
pertanyaan ini mengenai hal grayness di dunia biasanya menjelaskan dalam
warna hitam dan putih.
Rene Descartes
berpikir tentang perubahan sepotong lilin seperti meleleh di depan perapian.
Pada titik melakukan perubahan dari sepotong lilin menjadi genangan lilin? Ada
beberapa periode perubahan dari padat menjadi cair.
Grayness adalah ketidakjelasan. Einstein
bertanya-tanya tentang grayness tersebut. “Sejauh hukum matematika
mengacu pada realitas, mereka tidak yakin. Dan sejauh mereka yakin, mereka
tidak mengacu pada realitas katanya . Mereka menggambarkan dunia sebagai sistem
yang rapi dan teratur tanpa grayness.
Matematika dan ilmu pengetahuan mencoba menyesuaikan setiap proses di dunia
untuk persamaan dan persamaan yang rapi dan terorganisir. Bayangkan dunia tanpa grayness. Tidak mungkin.
Dunia yang kita hidup di sangat berantakan dan termasuk banyak graynessdidalamnya. Dengan
matematika dan ilmu pengetahuan, kita telah mengamati kecenderungan tertentu
dan hubungan yang tetap berlaku untuk jangka waktu dan didefinisikan mereka
sebagai logika matematika dan hukum ilmiah. Kebenaran logika dan undang-undang
hanyalah masalah derajat dan dapat berubah setiap saat [13]. Matahari dapat
membakar dan tidak pernah bangkit kembali. Bulan bisa berhenti berputar
mengelilingi bumi. Hukum ini rapi dan terorganisir dan aturan akan mengalami
perubahan. Ada unsur grayness yang hadir bahkan dalam matematika dan
sains.
LOGIKA
FUZZY
Ada banyak
manfaat untuk menggunakan logika fuzzy. Logika fuzzt adalah konseptual mudah
dipahami dan memiliki pendekatan alami . Logika fuzzy fleksibel dan dapat
dengan mudah ditambah dan disesuaikan. Hal ini sangat toleran terhadap data
yang tidak tepat dan terhadap model yang nonlinier/ kompleksitas sedikit. Hal
ini juga bisa dicampur dengan teknik kontrol konvensional. Ada tiga komponen
utama dari sistem fuzzy: set fuzzy, aturan fuzzy, dan bilangan fuzzy.
Logika fuzzy
dan berpikir fuzzy terjadi di set fuzzy. Pertimbangkan contoh kendaraan. Kita
semua berbicara kendaraan yang sama, tapi kita berpikir kendaraan pada tingkat
yang berbeda. Ini adalah kata benda. Ini menggambarkan sesuatu. Ada sekelompok
perangkat yang kita sebut kendaraan. Perangkat ini mungkin termasuk truk,
pesawat, bus, mobil, sepeda, skuter, atau skateboard. Apa yang saya anggap
kendaraan yang akan bisa menjadi sesuatu yang sangat berbeda dari apa yang
orang lain anggap. Yang benar-benar kendaraan atau tidak? Beberapa tampak lebih
dekat dengan gagasan kita tentang sebuah kendaraan daripada yang lain.
Aristoteles akan mengatakan bahwa hanya ada satu kendaraan dan bukan kendaraan.
logika fuzzy mengatakan bahwa untuk gelar masing-masing perangkat ini adalah
kendaraan. Beberapa merupakan kendaraan lebih dari yang lain tetapi semua jatuh
dalam grayness antara kendaraan dan bukan kendaraan.
Intinya adalah bahwa kendaraan kata singkatan
untuk satu set fuzzy dan hal-hal yang termasuk dalam mengatur beberapa derajat.
Fuzzy
Database
Basisdata fuzzy model tahani
masih tetap menggunakan relasi standar, hanya saja model ini menggunakan teori
himpunan fuzzy untuk mendapatkan informasi pada query-nya
(Kusumadewi, 2010). Metode Tahani tersusun atas tahapan yaitu:
1) Menggambarkan
Fungsi Keanggotaan
Fungsi
keanggotaan (membership function) adalah suatu kurva yang menunjukkan
pemetaaan titik-titik input data ke dalam nilai keanggotaannya
(sering juga disebut dengan derajat keanggotaan) yang memiliki internal antara
0 sampai 1, salah satu cara yang dapat digunakan untuk mendapatkan nilai
keanggotaan adalah dengan melalui pendekatan fungsi. Beberapa fungsi yang dapat
digunakan yaitu Representasi kurva Linier, Representasi Kurva Segitiga.
Representasi Kurva Trapesium. Masing-masing fungsi tersebut, akan menghasilkan
nilai antara “0” dan “1” dengan cara yang berbeda, sesuai dengan jenis
representasi yang digunakan.
2) Fuzzifikasi
Fuzzifikasi
adalah fase pertama dari perhitungan fuzzy yaitu pengubahan
nilai tegas ke nilai fuzzy. Prosesnya adalah sebagai berikut: Suatu
besaran analog dimasukkan sebagai masukan (crisp input), lalu input tersebut
dimasukkan pada batas scope dari membership function. Membership
function ini biasanya dinamakan membership function input.
Keluaran dari proses fuzzifikasi ini adalah sebuah nilai input fuzzy atau
yang biasanya dinamakan fuzzy input.
Fuzzifikasi Query
Fuzzifikasi Query diasumsikan
sebuah query konvensional (nonfuzzy) DBMS yang akan
mencoba membuat dan menerapkan sebuah system dasar logika fuzzy
query .
4 Operator
Dasar Zadeh untuk Operasi Himpunan Fuzzy.
Nilai
keanggotaan sebagai dari 2 himpunan fuzzy dikenal dengan nama Fire
Strength atau α-predikat. Sangat mungkin digunakan operator dasar
dalam prosesquery berupa operator AND dan OR.
α
-predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil
nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang
bersangkutan, dinotasikan : µAB = min(µA[x],
µB[x]). Sedangkan untuk hasil operasi dengan operator OR
diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen pada
himpunan-himpunan yang bersangkutan, dinotasikan : µAUB =max(µA[x],
µB[x]).
Alternatif
yang direkomendasikan adalah alternatif yang memiliki nilai Fire
Strength atau tingkat kesesuaian dengan kriteria pilihan diatas angka
0 (nol) sampai dengan angka 1 (satu).
