Beranda > Fuzzy > Bagaimana logika Fuzzy diterapkan..???

Bagaimana logika Fuzzy diterapkan..???

Masalah adalah jarak yang memisaahkan antara harapan dan kenyataan. Dalam bidang ilmu teknik, terdapat beberapa metode yang dapat digunakan untuk memecahkan suatu masalah. Biasanya penggunaan jenis metode yang digunakan tergantung dari jenis masalah yang ditimbulkan.

Tulisan ini merupakan lanjutan dari artikel dengan judul “Perkenalan Logika Fuzzy (Logika Manusia)”. Logika Fuzzy merupakan salah satu metode yang dapat digunakan dalam proses pengambilan keputusan untuk memecahkan suatu masalah.

Dalam besaran logika Boolean besaran nilai input yang menjadi fungsi operasinya adalah nilai biner yaitu nilai 1 dan 0. sedangkan pada logika fuzzy, operasi nilainya adalah antara 0 sampai dengan 1. dengan demikian, nilai input dari logika fuzzy bisa 0,1 atau 0,2 atau 0,3 dan seterusnya.

Ada beberapa istilah yang harus diketahui sebelum menggunakan metode ini. Diantaranya adalah :

1. Kuantisasi

Kuantisasi adalah proses untuk merubah besaran input menjadi besaran fuzzy (crisp input) yang kemudian akan diolah oleh Logika Fuzzy. Nilai dari besaran     input dibatasi oleh aplikasi dari system yang dibuat.

2. Membership Function

Mendifinisikan fuzzy set dengan mentransformasikan atau memetakan crisp dari domainnya ke derajat keanggotaan. Biasanya berbentuk suatu bangun atau kurva.

3. Scope/Domain

Scope atau lingkup merupakan lebar fungsi keanggotaan. Jangkauan konsep pada umumnya bilangan, tempat dimana fungsi keanggotaan dipetakan.

4. Normalisasi

Normalisasi adalah suatu proses dimana besaran nilai yang akan diolah oleh logika fuzzy diubah menjadi nilai yang sebanding dengan nilai scope/domain.

5. Denormalisasi

Denormalisasi adalah suatu proses pengubahan nilai Crisp Output yang merupakan hasil dari pengolahan dengan logika fuzzy menjadi besaran tertentu yang dikenali oleh system yang akan dikendalikan dengan logika fuzzy tersebut.

6. Defuzzyfikasi

Defuzzyfikasi merupakan langkah yang terakhir yaitu defuzzyfication. Fungsi dari langkah ini adalah merubah variabel fuzzy yang terbentuk dari proses rule evaluation menjadi variable crisp. Proses ini merupakan tahap akhir dari proses logika fuzzy yang mengubah output fuzzy menjadi output crisp.

7. Degree Of Membership

Fungsi dari derajat keanggotaan ini adalah untuk memberikan bobot pada suatu input yang telah diberikan, sehingga input dapat dinyatakan dengan satu nilai. Misalnya kecepatan adalah lambat, dengan adanya derajat keanggotaan maka kecepatan lambat tersebut dapat mempunyai satu nilai misal 0,5. Batas dari derajat keanggotaan adalah dari 0 – 1.

8. Rule Evaluation

Rule Evaluation adalah langkah yang kedua yaitu evaluasi rule, dalam evaluasi rule ini akan dicari nilai akhir dengan memberikan bobot pada setiap kaidah yang diberikan. Atau bisa dikatakan fungsinya adalah mencari nilai fuzzy output dari fuzzy input. Prosesnya adalah input fuzzy dari proses fuzzyfication dimasukkan dalam sebuah rule yang telah dibuat untuk dijadikan output fuzzy.

9. Fuzzyfikasi

Fuzzyfikasi merupakan langkah pertama yang mengubah input yang berupa variabel crisp (crisp input) menjadi variabel fuzzy (fuzzy input). Fuzzyfication akan mengambil nilai input crisp secara real time, seperti pembacaan kecepatan putar dan mengkombinasikannya dengan fungsi keanggotaan (membership function) yang tersimpan untuk menghasilkan masukan fuzzy.

10. Defuzzyfikasi

Defuzzyfikasi merupakan langkah yang terakhir yaitu defuzzyfication. Fungsi dari langkah ini adalah merubah variabel fuzzy yang terbentuk dari proses rule evaluation menjadi variable crisp. Proses ini merupakan tahap akhir dari proses logika fuzzy yang mengubah output fuzzy menjadi output crisp.

11. Degree Of Membership

Fungsi dari derajat keanggotaan ini adalah untuk memberikan bobot pada suatu input yang telah diberikan, sehingga input dapat dinyatakan dengan satu nilai. Misalnya kecepatan adalah lambat, dengan adanya derajat keanggotaan maka kecepatan lambat tersebut dapat mempunyai satu nilai misal 0,5. Batas dari derajat keanggotaan adalah dari 0 – 1.

12. Rule Evaluation

Rule Evaluation adalah langkah yang kedua yaitu evaluasi rule, dalam evaluasi rule ini akan dicari nilai akhir dengan memberikan bobot pada setiap kaidah yang diberikan. Atau bisa dikatakan fungsinya adalah mencari nilai fuzzy output dari fuzzy input. Prosesnya adalah input fuzzy dari proses fuzzyfication dimasukkan dalam sebuah rule yang telah dibuat untuk dijadikan output fuzzy.

13. Crisp Output

Keputusan yang diperoleh dari hasil pengolahan logika fuzzy. Crisp output inilah nantinya yang akan kita gunakan untuk mendapatkan keputusan tingkat kebenaran dari operasi logika yang kita lakukan.

Operator Logika Fuzzy

Dalam logika fuzzy terdapat operasi matematis yang digunakan untuk melakukan perhitungan pada fuzzy set. Operasi dasar dari fuzzy set terdiri atas:

Operasi fuzzy AND

Merupakan irisan dua buah himpunan fuzzy A dan B yang membentuk sebuah himpunan fuzzy dimana fungsi keanggotaan tersebut dinyatakan dalam notasi: µA?B = min {µA(?), µB(?)}

Pada penerapannya, operasi AND memiliki konsep yaitu inputinput fuzzy yang terdapat dalam satu rule dibandingkan nilai keanggotannya, pemenang dari rule ini adalah yang memiliki nilai input fuzzy dengan nilai keanggotaan minimum/terkecil.

Operasi fuzzy OR

Merupakan gabungan dua buah himpunan fuzzy A dan B yang membentuk sebuah himpunan fuzzy dimana fungsi keanggotaan tersebut dinyatakan dalam notasi: µA?B = max {µA(?), µB(?)}

Konsep dari operator OR adalah inputinput fuzzy yang terdapat dalam satu rule dibandingkan nilai keanggotannya, pemenang dari rule ini adalah yang memiliki nilai input fuzzy dengan nilai keanggotaan maksmum/terbesar.

Operasi fuzzy NOT

Dua buah himpunan fuzzy A dan B dikatakan sama jika keduanya didefinisikan pada suatu semesta yang sama (the same universe) dan membership function yang sama. Dinyatakan dalam notasi: µA(?) = 1 – A(?)

Konsep dari operator NOT adalah menghasilkan output kebalikan dari inputnya. Contohnya jika input fuzzy adalah 0,3 maka output fuzzynya adalah 0,7. Ini artinya “kebalikan” disini dihasilkan dari nilai input fuzzy dikurangkan dengan 1.

Universe Discourse

Jangkauan seluruh nilai yang mungkin dapat diaplikasikan pada variabel sistem atau sering disebut daerah semesta keseluruhan dari crisp input.

Istilah-istilah diatas merupakan tahapan dalam membuat suatu aplikasi untuk mendapatkan satu keputusan dengan berdasarkan pada logika fuzzy. Tahapan tersebut memang dari segi langkah bisa dikatakan lebih lama, tapi hasil yang didapatkan cukup memuaskan jika dibanding dengan logika Boolean dalam pengambilan keputusan.

Untuk melakukan ujicoba terhadap rancangan logika fuzzy yang dibuat, maka dapat digunakan software Matlab. Pada Matlab, sudah terdapat ToolBox sendiri sehingga dengan mudah kita dalam perancangan logika fuzzy…

Sumber referensi: http://www.elkompage.com/teknik-fuzzy-logic/113-bagaimana-logika-fuzzy-di-terapkan.html

Kategori:Fuzzy Tag:, , , , , , ,
  1. yosta
    Maret 7, 2011 pukul 11:43 pm

    bahasan yg bagus….tapi aq boleh nggak klo minta aplikasi langsung tahapan2 fuzzy di atas ke dalam kasus tertentu…

    klo liat penjelasan terus terang masih ngawang2…hehe…

    gmana klo penerapan fuzzy lgsung diterapin ke contoh sedrhana aja..jdi biar tambah jelas lgi..

    thanks

  1. No trackbacks yet.

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

%d blogger menyukai ini: