Pengertian Logika Fuzzy
Fuzzy
secara bahasa dapat diartikan samar, dengan kata lain logika fuzzy adalah
logika yang samar. Dimana pada logika fuzzy suatu nilai dapat bernilai 'true'
dan 'false' secara bersamaan. Tingkat 'true' atau 'false' nilai dalam logika
fuzzy tergantung pada bobot keanggotaan yang dimilikinya. Logika fuzzy memiliki
derajat keanggotaan rentang antara 0 hingga 1, berbeda dengan logika digital
yang hanya memiliki dua keanggotaan 0 atau 1 saja pada satu waktu.
Logika
fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input dalam
suatu ruang output dan memiliki nilai yang berlanjut. Kelebihan logika fuzzy
ada pada kemampuan penalaran secara bahasa. Sehingga, dalam perancangannya
tidak memerlukan persamaan matematis yang kompleks dari objek yang akan
dikendalikan.
Logika
fuzzy sering digunakan untuk mengekspresikan suatu nilai yang diterjemahkan
dalam bahasa (linguistic), semisal untuk mengekspresikan suhu dalam ruangan
apakah ruangan tersebut dingin, hangat, atau panas.
Sedangkan
karakteristik utama dari fuzzy logic yang ditemukan oleh Prof. Lotfi A. Zadeh
adalah sebagai berikut:
·
Dalam fuzzy logic, penalaran tepat
dipandang sebagai suatu kasus terbatas dari penalaran kira-kira.
·
Dalam fuzzy logic segala sesuatunya
adalah masalah derajat.
·
System logis manapun dapat
difuzzifikasi.Dalam fuzzy logic, pengetahuan diinterpretasikan sebagai koleksi
dari fuzzy yang dipaksakan pada sekumpulan variable.
·
Kesimpulan dipandang sebagai sebuah
proses dari perkembangan pembatas elastis.
Kelebihan logika fuzzy
digunakan :
·
Konsep logika fuzzy mudah dimengerti.
·
Konsep matematis yang mendasari
penalaran fuzzy sangat sederhana dan mudah dimengerti
·
Logika fuzzy sangat fleksibel
·
Logika fuzzy memiliki toleransi terhadap
data-data yang tidak tepat
·
Logika fuzzy dapat bekerja sama dengan
teknik-teknik kendali secara konvensional
·
Logika fuzzy didasarkan pada bahasa
alamiah
Kekurangan
Logika Fuzzy:
·
Penentuan model inference harus tepat. Kebanyak model memiliki perannya tersendiri. Misalnya
model mamdani dan model sugeno. Mamdani biasanya cocok
untuk masalah intuitive sedangkan sugeno untuk permasalahan yang menangani
control
·
Jumlah Nilai Linguistik untuk setiap
variabel?
Kita
harus merubah nilai crisp menjadi nilai linguisik. Jumlah dari nilai linguistik
yang digunakan harus sesuai dengan permasalahan yang akan kita selesaikan.
·
Batas-batas Nilai Linguistik?
Batas-batas
nilai linguistik akan sangat berpengaruh pada akurasi fuzzy logic.
·
Fungsi Keanggotaan: Segitiga, trapesium,
phi, …?
·
Fuzzy rule yang tepat?
Penerapan Logika fuzzy
metode sugeno
Aturan
sistem inferensi fuzzy Sugeno merupakan toolbox untuk membangun sistem fuzzy
logic berdasarkan Metode Sugeno. Karakteristik sistem utama adalah pada
fleksibilitas yang berarti sistem memudahkan pengguna untuk memodifikasi sistem
data (sistem dinamik), dapat digunakan dalam setiap jenis platform
(portabilitas), dan juga bekerja untuk sistem operasi multi. Untuk portabilitas
dan multiplatform tujuan, Sytem diciptakan dengan bahasa pemrograman C,
mengikuti prinsip ANSI C. Ada 4 macam variabel yang harus dimasukkan ke sistem
sehingga dapat bekerja dengan baik, yaitu: masukan variabel data, masukan Data
asosiasi, Data fungsi output, dan data aturan. Karakteristik Sugeno dapat
dilihat dari bentuk data fungsi output sebagai persamaan linear. Output dari
thesystem adalah defuzzifikasi.
Sistem fuzzy Sugeno memperbaiki kelemahan yang dimiliki oleh sistem fuzzy
murni untuk menambah suatu perhitungan matematika sederhana sebagai bagian
THEN. Pada perubahan ini, system fuzzy memiliki suatu nilai rata-rata
tertimbang (Weighted Average Values) di dalam bagian aturan fuzzy IF-THEN.
Sistem fuzzy Sugeno juga memiliki kelemahan terutama pada bagian THEN, yaitu
dengan adanya perhitungan matematika sehinggatidak dapat menyediakan kerangka
alami untuk merepresentasikan pengetahuan manusia dengan sebenarnya.
Permasalahan kedua adalah tidak adanyakebebasan untuk menggunakan prinsip yang
berbeda dalam logika fuzzy, sehingga ketidak pastian dari sistem fuzzy tidak
dapat direpresentasikan secara baik.
Metode mamdani
Metode
Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini
diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk memperoleh output,
diperlukan 4 tahapan yaitu :
1. Pembentukan
himpunan fuzzy;
pada
metoda mamdani, baik variabel input maupun variabel output dibagi menjadi satu
atau lebih himpunan fuzzy.
2. Aplikasi
fungsi impliksi (aturan);
pada
metode mamdani, fungsi implikasi yang digunakan adalah MIN
3. Komponen
aturan;
Pada
tahapan ini sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari
kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan dalam
melakukan inferensi sistem fuzzy, yaitu : max, additive dan probabilistik OR.
Pada
metode max, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai
maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan
mengaplikasikanya ke output dengan menggunakan operator OR (union). Secara umum
dapat ditulis
µdf (xi) max (µdf(xi,) µkf(xi))
4. Penegasan
(defuzzyfikasi)
Input
dari proses defuzzyfikasi adalah suatu himpunan fuzzy yang diperoleh dari
komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu
bilangan pada domain himpunan fuzzy tersebut. Jika diberikan suatu himpunan
fuzzy dalam range tertentu, maka harus dapat di ambil suatu nilai crisp tertentu
sebagai output. Defuzzyfikasi pada metode mamdani untuk semesta diskrit
menggunakan persamaan
z = ∑ zj µ(zj)/∑ µ(zj)
Refrensi:
Komentar
Posting Komentar