PENG. TEKNOLOGI SISTEM CERDAS
Fuzzy Logic
Nama : Putri Apriyani
NPM : 18114583
Kelas : 3KA31
Dosen : Dewi Andryani
Fuzzy Logic
Fuzzy logic jika di dalam bahasa Indonesia logika Fuzzy adalah teknik/
metode yang dipakai untuk mengatasi hal yang tidak pasti pada masalah – masalah
yang mempunyai banyak jawaban. Pada dasarnya Fuzzy logic merupakan logika
bernilai banyak/ multivalued logic yang mampu mendefinisikan nilai diantara
keadaan yang konvensional seperti benar atau salah, ya atau tidak, putih atau
hitam dan lain-lain.
Penalaran Logika Fuzzy memnyediakan cara untuk memahami kinerja system
dengan cara menilai input dan output system dari hasil pengamatan. Logika Fuzzy
menyediakan cara untuk menggambarkan kesimpulan pasti dari informasi yang
samar-samar, ambigu dan tidak tepat. Fuzzy logic Pertama kali dikembangkan oleh
Lotfi A. Zadeh tahun 1965.
Alasan kenapa
digunakan logika Fuzzy :
·
Karena konsep logika Fuzzy mudah dimengerti.
·
Logika Fuzzy fleksibel.
·
Logika Fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks.
·
Logika Fuzzy dapat bekerja dengan teknik-teknik kendali secara konvesional.
·
Logika Fuzzy memiliki toleransi terhadap data-data yang tepat.
·
Logika Fuzzydidasarkan pada bahasa alami.
·
Logika Fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para
pakar secara langsung tanpa harus melalui proses pelatihan.
Profesor Lotfi A. Zadeh adalah
guru besar pada University of California yang merupakan pencetus sekaligus yang
memasarkan ide tentang cara mekanisme pengolahan atau manajemen ketidakpastian
yang kemudian dikenal dengan logika fuzzy. Dalam penyajiannya vaiabel-variabel
yang akan digunakan harus cukup menggambarkan ke-fuzzy-an tetapi di lain pihak
persamaan-persamaan yang dihasilkan dari variable-variabel itu haruslah cukup
sederhana sehingga komputasinya menjadi cukup mudah.
Karena itu Profesor Lotfi A Zadeh kemudian
memperoleh ide untuk menyajikannya dengan menentukan “derajat keanggotaan”
(membership function) dari masing-masing variabelnya. Fungsi keanggotaan
(membership function), adalah suatu kurva yang menunjukkan pemetaan titik input
data kedalam nilai keanggotaanya (sering juga disebut dengan derajat
keanggotaan) yang memiliki interval antara 0 sampai 1.
·
Derajat Keanggotaan (membership function) adalah : derajat dimana nilai
crisp dengan fungsi keanggotaan ( dari 0 sampai 1 ), juga mengacu sebagai tingkat
keanggotaan, nilai kebenaran, atau masukan fuzzy.
·
Label adalah nama deskriptif yang digunakan untuk mengidentifikasikan
sebuah fungsi keanggotaan.
·
Fungsi Keanggotaan adalah mendefinisikan fuzzy set dengan memetakkan
masukan crisp dari domainnya ke derajat keanggotaan. Masukan Crisp adalah
masukan yang tegas dan tertentu.
·
Lingkup/Domain adalah lebar fungsi keanggotaan. Jangkauan konsep, biasanya
bilangan, tempat dimana fungsi keanggotaan dipetakkan.
·
Daerah Batasan Crisp adalah jangkauan seluruh nilai yang dapat
diaplikasikan pada variabel sistem.
Penerapan Fuzzy Logic
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).
Contoh penerapan Logika Fuzzy dalam kehidupan sehari-hari:
·
Logika Fuzzy untuk Sistem Pengaturan Suhu Ruangan.
Untuk menentukan suhu dalam suatu ruangan, kita dapat menentukannya menggunakan Logika Fuzzy. Jika suhu dalam suatu ruangan dingin maka naikkan suhu penghangat, dan jika suhu dalam suatu ruangan panas maka naikkan suhu pendingin.
·
Logika Fuzzy untuk Sistem Pengaturan Lampu Lalu lintas.
Untuk memperlancar arus lalu lintas dengan adanya system yang bekerja
secara otomatis diharapkan angka kecelakaan bias dikurangi. Untuk kepadatan
jumlah kendaraan dibuat pemberitahuan seperti: Tidak Padat (TP), Kurang Padat
(KP), Cukup Padat (CP), Padat (P) dan Sangat Padat (SP).
Sumber :
Tidak ada komentar:
Posting Komentar