Pengertian & contoh Fuzzy Logic

FUZZY LOGIC

  Gambar 2.1

Fuzzy Logic atau sistem fuzzy merupakan suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output

merupakan salah satu contoh gambar dari pemetaan suatu ruang input ke output. Ruang Input Ruang Output.

Gambar 2.1. Contoh pemetaan input-output pada fuzzy logic. 

Beberapa alasan digunakannya fuzzy logic, antara lain (Sri Kusumadewi, 2004):

1. Konsep

fuzzy logic mudah dimengerti, karena di dalam logika fuzzy terdapat konsep matematis

sederhana dan mudah dimengerti yang mendasari penalaran fuzzy.

2. Fuzzy logic sangat fleksibel.

3.Fuzzy logic memiliki toleransi terhadap data yang tidak tepat.

4.Fuzzy logic mampu memodelkan fungsi–fungsi nonlinier yang sangat kompleks.

5.Fuzzy logic dapat bekerjasama dengan teknik–teknik kendali secara konvensional.

6.Fuzzy logic didasarkan pada bahasa alami.

7.Fuzzy logic dapat membangun dan mengaplikasikan pengalaman–pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.

Di bawah ini adalah beberapa contoh aplikasi fuzzy logic;
• Sistem Pengereman Mobil (Nissan).
• Pengontrol kereta bawah tanah di Sendai, Jepang.
• Penghematan Konsumsi Daya Listrik AC (Mitsubhishi Heavy Industries Tokyo).

Aplikasi Logika Fuzzy dalam kehidupan sehari-hari adalah sebagai berikut :

1. Logika Fuzzy untuk Sistem Pengaturan Suhu Ruangan

Untuk menentukan suhu dalam suatu ruangan, kita dapat menentukannya menggunakan Logika Fuzzy. Aturan dalam kontrol, mudah didefinisikan menggunakan kata-kata misalkan :

–         jika suhu dalam suatu ruangan dingin maka naikkan suhu penghangat.

–         jika suhu dalam suatu ruangan panas maka naikkan suhu pendingin.

1. Logika Fuzzy untuk Sistem Pengaturan Lampu Lalulintas

Logika fuzzy dalam pengaturan lampu lalulintas amat diperlukan untuk memperlancar arus lalulintas. Dengan adanya system yang bekerja secara otomatis diharapkan angka kecelakaan yang disebabkan oleh masalah lampu lalulintas dapat berkurang. Selain itu dengan adanya lampu lalulintas yang otomatis tentu saja akan mengurangi tugas polisi lalulintas, sehingga mereka bisa mengerjakan hal-hal lain yang belum teratasi.

Sedangkan sebagai dasar pengendalian dari sistem yang dijalankan, digunakan algoritma logika fuzzy. Untuk memudahkan pengendalian lampu lalulintas, ada beberapa istilah yang digunakan dalam pengendaliannya antara lain :

• Untuk kepadatan jumlah kendaraan adalah :

–         Tidak Padat (TP),

–         Kurang Padat (KP),

–         Cukup Padat (CP),

–         Padat (P) dan

–         Sangat Padat (SP).

• Sedangkan untuk lama nyala lampu adalah :

–         Cepat (C),

–         Agak Cepat (AC),

–         Sedang (S),

–         Agak Lama (AL) dan

–         Lama (L).

Jelas istilah-istilah tersebut dapat menimbulkan makna ganda (ambiguity) dalam pengertiannya. Logika Fuzzy dapat mengubah makna ganda tersebut ke dalam model matematis sehingga dapat diproses lebih lanjut untuk dapat diterapkan dalam sistem kendali.

Untuk menyelesaikan masalah tersebut digunakan teori himpunan Fuzzy, logika bahasa dapat diwakili oleh sebuah daerah yang mempunyai jangkauan tertentu yang menunjukkan derajat keanggotaannya (fungsi keanggotaan). Untuk kasus disini, sebut saja derajat keanggotaan itu adalah u(x) untuk x adalah jumlah kendaraan.

1. Logika Fuzzy untuk Sistem Penggajian Karyawan

Dengan adanya system penggajian karyawan menggunakan logika Fuzzy  maka karyawan akan menerima gaji yang benar-benar sesuai dengan apa yang karyawan tersebut kerjakan karena mesin tidak mungkin melakukan korupsi.

Misalkan untuk mengevaluasi suatu pekerjaan, ada m faktor yang berpengaruh, tiap-tiap faktor terdiri-dari n level. Sehingga faktor ke-i level ke-j dapat ditulis sebagai xij. Diasumsikan bahwa, level yang lebih tinggi pada suatu faktor (nilai j naik) menunjukkan bahwa kompleksitas pekerjaannya lebih tinggi. Hubungan ini dapat dituliskan sebagai :

xij R xij-1, i=1,2,…,m dan j=1,2,…,n.

Misalkan ditetapkan ada k pekerjaan yang akan digunakan sebagai basis untuk melakukan evaluasi (bechmark), maka benchmark ke-r adalah Zr(X). Maka akan dicari berapakah nilai optimum untuk tiap-tiap level, agar dapat dihitung nilai untuk setiap benchmark. Jika nilai setiap bechmark ini sudah diketahui, maka dengan mudah kita dapat menentukan berapa gaji yang harus diterima oleh seorang karyawan dengan spesifikasi pekerjaannya.

Daftar pustaka;

http://library.upnvj.ac.id/pdf/2s1teknikinformasi/206511043/bab2.pdf

http://www.temukanpengertian.com/2013/08/pengertian-fuzzy-logic.html
https://anoa5.wordpress.com/2010/03/03/aplikasi-fuzzy-logic-dalam-kehidupan-sehari-hari/

Ayub, Megawati, dkk. 2005, Sistem Tutorial Cerdas Berbasis Fuzzy Genetik, INTEGRAL, Vol. 10 No. 2, Juli 2005.