Wikipedia

Logika kabur

Revisi sejak 12 Desember 2021 13.20 oleh Kepadalisna (bicara | kontrib) (→Perkembangan)

Logika kabur atau logika fuzzy merupakan cabang ilmu matematika yang mempunyai fungsi untuk memberikan pemodelan pemecahan masalah seperti yang dilakukan manusia dengan bantuan teknologi komputer. Penggunaan logika kabur memungkinkan suatu rumusan masalah dapat dipecahkan secara mudah dengan solusi yang akurat. Model matematika digunakan sebagai pendekatan untuk mengontrol sistem.[3]

Prof. Lotfi A. Zadeh merupakan tokoh di balik pengembangan teori logika kabur. Ia adalah peneliti dari Universitas California.[1] Teori yang dikembangkan oleh Zadeh mengenai logika kabur, merupakan suatu usaha untuk menggabungkan teori matematika dengan intuisi manusia. Mulanya logika kabur hanya bertujuan untuk memetakan logika matematika dalam bahasa, namun gagasan itu meluas hingga mampu digunakan untuk berbagai bidang tidak hanya matematika.[2]

Jadi, dapat disimpulkan bahwa logika kabur merupakan suatu cara untuk berhitung dengan menggunakan variabel kata-kata, untuk mengganti berhitung dalam bilangan. Variabel kata yang dihasilkan oleh logika kabur memang tidak memiliki ketepatan pasti seperti angka, oleh karena itu kepastiannya hampir seperti intuisi manusia. Contoh variabel kata yang muncul dari logika kabur seperti, kira-kira, lebih kurang, merasakan, dan lain sebagainya. Antonim dari logika kabur yaitu logika tegas. Konsep logika tegas hanya mengenal dua konsep, yaitu "Ya" atau "Tidak" atau apabila diasosiasikan dalam bilangan hanya mengenail 1 atau 0. Sedangkan logika kabur sifatnya samar, sehingga dapat diartikan bahwa logika kabur merupakan logika tak hingga yang memiliki banyak nilai kebenaran yang dinyatakan dalam bilangan real [0,1].[4] Alasan para peneliti menggunakan logika kabur dalam memecahkan rumusan masalah dikarenakan konsep matematika dapat digunakan dengan sederhana, sehingga mudah dimengerti dalam proses pengerjaan. Logika kabur juga bersifat fleksibel, yang memungkinkan pengerjaan dapat dikolaborasikan antara pemodelan dengan model komputer atau dengan cara konvensional.[5]

Perkembangan

Logika kabur dikembangkan oleh Lotfi Asker Zadeh di tahun 1965.[6] Logika kabur merupakan pengembangan dari himpunan fuzzy. Teori ini dikembangkan di Amerika Serikat, namun banyak diaplikasikan oleh para ilmuwan Jepang. Di tahun 1970 para peneliti Jepang mampu mengaplikasikan teori logika kabur ke dalam permasalahan teknik. Beberapa produk teknologi yang tercipta dari pengaplikasian teori logika kabur di antaranya, AC dan mesin cuci.[7] Penggunaan mesin cuci dengan menggunakan teori logika kabur dapat memungkinkan untuk mengatur kecepatan perputaran mesin berdasarkan dengan jumlah pakaian yang akan dicuci dengan volume air. Penggunaan AC dengan menggunakan teori logika kabur mampu menghemat listrik dengan cara mengkondisikan pendingin berdasarkan suhu dalam ruangan. Di tahun 1980, teori logika kabur mulai diimplementasikan dalam penggunaan dasar logika untuk komputer modern. Kini teori logika kabur sudah digunakan oleh berbagai lintas bidang, seperti dalam pembuatan kecerdasan buatan.[8]

Teori ini berkembang pesat di Negara Jepang. Alasannya, karena budaya orang Barat, seperti Amerika Serikat memandang suatu rumusan permasalahan hanya bisa dijawab oleh “Ya” atau “Tidak” atau biasa disebut dengan logika biner Aristoteles. Sedangkan budaya orang Timur, termasuk di dalamnya masyarakat Jepang terbiasa dengan istilah dunia abu-abu, yang memiliki kemungkinan 0 dan 1 dalam memecahkan rumusan masalah.[9]

Daftar Istilah

Variabel fuzzy

Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh : umur, temperatur, permintaan, dan lain-lain.

Himpunan fuzzy

Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzy.

Semesta pembicaraan Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy.

Domain Keseluruhan

nilai yang diizinkan dalam semesta pembicaraan dan

Jenis

Logika kabur mamdani

Logika kabur mamdani pertama kali dikembangkan oleh Ebrahim Mamdani di tahun 1975. Logika kabur mamdani sering disebut metode max-min. Dalam pengaplikasian logika kabur jenis mamdani ini diperlukan empat tahapan. Tahap pertama, membentuk himpunan samar, di mana variabel input dan output dibagi menjadi satu atau lebih himpunan samar. Tahap kedua, menggunakan sistem implikasi dengan teknik min. Tahap ketiga mencari kesimpulan. Tahap keempat defuzzifikasi yaitu membandingkan hasil dari penarikan kesimpulan.[10] Logika kabur mamdani digunakan dalam penelitian mengenai sistem kecerdasan, seperti dalam penentuan sistem pakar dan sistem pendukung keputusan.[11]

Logika kabur Takagi Sugeno Kang (TSK)

Logika kabur jenis TSK pertama kali diperkenalkan oleh Takagi Sugeno Kang pada tahun 1985.[12] Logika kabur Sugenon memiliki kemiripan dengan logika kabur mamdani, yang membedakan yaitu output yang bukan merupakan himpunan samar, tetapi berbentuk konstanta atau persamaan linier.[13] Teknik logika kabur Sugeno dapat diimplementasikan dalam pembentukan himpunan kabur. Variabel yang sudah dimasukkan ke dalam sistem fuzzy dikirim ke sebuah himpunan samar agar bisa digunakan dalam perhitungan nilai dalam menentukan kebenaran dari premis. Kegiatan tersebut mampu menentukan derajat yang memiliki arti nilai tersebut dapat dijadikan anggota dari setiap himpunan samar yang sesuai.[14]

Logika kabur Tsukamoto

Logika kabur Tsukamoto adalah jenis logika kabur yang berfungsi untuk menarik kesimpulan dari seluruh implikasi dari semua aturan dengan bentuk IF-THEN. Hasilnya harus dimaknai dengan himpunan samar dengan jenis keanggotaan yang tetap. Hasil interferensi harus tegas, yang didapatkan dengan menggunakan rata-rata terbobot.[15] Metode logika kabur memiliki empat tahapan, pertama puzzifikasi merupakan proses input himpunan tegas, menjadi himpunan samar. Tahapan kedua yaitu membuat aturan pengaburan, dengan variabel kata "jika-maka". Tahapan ketiga yaitu analisis logika kabur. Tahapan keempat yaitu defuzzifikasi yaitu mengubah himpunan kabur menjadi hasil himpunan tegas.[16]

Logika kabur Tahani

Logika kabur tahani adalah metode logika kabur dengan memanfaatkan basis data standar. Data tersebut disusun sesuai kategori berdasarkan user. Hal ini mengakibatkan data standar yang sudah keluar, tampilannya akan sama seperti data yang telah disimpan.[17] Metode ini dikembangkan oleh Valiollah Tahani. Gagasannya berupa pemahaman tingkat tinggi yang diperoleh dari pertanyaan kabur dari ruang lingkup data yang masih konvensional yang tidak samar. Tahap pemrosesan pertanyaan kabur dapat diperoleh dengan cara memanipulasi bahasa.[18]

Logika kabur Umano

Logika kabur Umano merupakan proses pemrosesan data yang memiliki arti ganda (ambigu). Data ambigu tersebut dapat dimaknai dengan cara distribusi posibilitas. Kelebihan dari teknik logika kabur Umano yaitu mampu mengolah data yang bersifat ganda. Data-data yang ada dalam logika kabur jenis Umano terdiri data yang belum jelas keberadaannya dalam domain tertentu. Ada juga data yang sudah berada dalam domain tertentu, tapi belum diketahui nilainya secara jelas. Selain itu, ada data yang belum diketahui kebenarannya dikarenakan memiliki data ganda.[19]

Penerapan

Logika kabur dapat diaplikasikan dalam kehidupan sehari-hari, di antaranya:

  • Pembuatan mesin cuci. Sistem logika kabur digunakan dalam menentukan jumlah putaran dalam mesin cuci sesuai dengan jumlah pakaian dan kotoran yang ada dalam pakaian.[20] Mesin cuci adalah produk pertama yang mengkolaborasikan sistem teknik dengan logika kabur. Jumlah putaran dalam mesin cuci dipengaruhi oleh jumlah pakaian, tingkat kotoran pakain, dan jenis kotoran. Derajat kotoran pakaian dapat diukutr dengan menggunakan sensor untuk melihat kejernihan air. Apabila tingkat kejernihan air semakin kotor, maka pakaian tersebut semakin kotor.[21]
  • Sistem transmisi otomatis. Salah satu contoh penerapan logika kabur ada pada rem otomatis yang terdapat dalam mobil cerdas. Dalam pengaplikasiannya, rem otomatis ini memungkinkan untuk mengontrol mobil pada saat kondisi macet di jalanan, hal ini dikarenakan tidak terdapat kompling pada mobil. Jepang sudang mengaplikasikanya dalam pembuatan rem otomatis untuk produk mobil cerdas Mazda. Logika kabur dapat digunakan untuk pembuatan teknologi rem otomatis, sehingga pada saat simulasi bisa melakukan pemograman melalui sistem komputer.[22]
  • Sistem kendali kereta bawah tanah. Di Jepang, kereta bawah tanah Sendai sudah menggunakan logika kabur dalam mengontrol kecepatan kereta, hal ini memberikan efek nyaman bagi penumpang meskipun di dalam kereta dengan posisi berdiri. Selain itu, di beberapa perusahaan Jepang kereta cepat sudah berhasil menghemat daya sebesar 20% dengan menggunakan konsep logika kabur sebagai sistem.[23]
  • Bidang kedokteran. Logika kabur bisa digunakan untuk memberikan diagnosa suatu penyakit dengan menggunakan sistem pakar Fuzzy Expert System atau disingkat FES. Sistem tersebut merupakan komputasi lunak yang dapat diaplikasikan menggunakan penalaran himpunan kabur. Teknik FES terbukti dapat berkontribusi untuk menyelesaikan permasalahan di bidang kedokteran. Varibel input sebagai data yaitu gejala penyakit pasien, sedangkan yang menjadi variabel output merupakan persentase risiko penyakit yang akan didiagnosa.[24]

Referensi

  1. ^ Saelan, Athia (2009-01-01). "Logika Fuzzy" (PDF). Informatika Sekolah Tinggi Elektro Indonesia ITB. hlm. 1. Diakses tanggal 2021-12-12. 
  2. ^ Metz, Cade (2017-09-11). "Lotfi Zadeh, Father of Mathematical 'Fuzzy Logic,' Dies at 96". The New York Times (dalam bahasa Inggris). ISSN 0362-4331. Diakses tanggal 2021-12-12. 
  3. ^ Sudrajat (2008-08-01). "Dasar-Dasar Fuzzy Logic" (PDF). Pustaka Universitas Padjajaran. hlm. 30. Diakses tanggal 2021-12-12. 
  4. ^ Sam’an, Muhammad (2015-01-01). "Implementasi Fuzzy Inference System sebagai Sistem Pengambilan Keputusan Pemilihan Program Studi di Perguruan Tinggi". Journal UNNES. hlm. 68. Diakses tanggal 2021-12-12. 
  5. ^ Setiawan, Agung (2018-01-01). "Logika Fuzzy dengan Matlab" (PDF). Agung 73. IKAPI. hlm. 1-2. Diakses tanggal 2021-12-12. 
  6. ^ Irawan, Muhammad Dedi (2018-12-02). "IMPLEMENTASI LOGIKA FUZZY DALAM MENENTUKAN JURUSAN BAGI SISWA BARU SEKOLAH MENENGAH KEJURUAN (SMK) NEGERI 1 AIR PUTIH" (PDF). Media Neliti. hlm. 130. Diakses tanggal 2021-12-12. 
  7. ^ Ritha, Nola (2020-11-01). "Modul Pembelajaran Kecerdasan Buatan" (PDF). Informatika Fakultas Teknik Umrah. hlm. 69. Diakses tanggal 2021-12-12. 
  8. ^ Solichin, Achmad. "Apa itu Logika Fuzzy? Pengenalan Konsep Dasar dan Aplikasinya – Achmatim.Net" (dalam bahasa Inggris). Diakses tanggal 2021-12-12. 
  9. ^ Syafrinidawaty (2020-04-06). "LOGIKA FUZZY". UNIVERSITAS RAHARJA (dalam bahasa Inggris). Diakses tanggal 2021-12-12. 
  10. ^ Abrori, Muchammad (2015-10-01). "Aplikasi Logika Fuzzy Metode Mamdani Dalam Pengambilan Keputusan Penentuan Jumlah Produksi" (PDF). Media Neliti. hlm. 94. Diakses tanggal 2021-12-12. 
  11. ^ Santya, Linda (2017-01-01). "PENERAPAN METODE FUZZY MAMDANI UNTUK PENDUKUNG KEPUTUSAN PENENTUAN JUMLAH PRODUKSI LANTAK SI JIMAT" (PDF). Jurnal Nusaputra. hlm. 2. Diakses tanggal 2021-12-12. 
  12. ^ Batubara, Supina (2017-11-25). "Analisis Perbandingan Metode Fuzzy Mamdani dan Fuzzy Sugeno Untuk Penentuan Kualitas Cor Beton Instan". Jurnal UIR. hlm. 5. Diakses tanggal 2021-12-12. 
  13. ^ Tundo, Tundo (2021-01-01). "Kinerja Logika Fuzzy Sugeno dalam Menangani Prediksi Kain Tenun dengan Kombinasi Random Tree dalam Membangun Rule". E-Journal Undiksha. hlm. 70. Diakses tanggal 2021-12-12. 
  14. ^ Rahakbauw, Dorteus L. (2015-02-01). "Penerapan Logika Fuzzy Metode Sugeno untuk Menentukan Jumlah Produksi Roti Berdasarkan Data Persediaan dan Jumlah Permintaan (Studi Kasus: Pabrik Roti Sarinda Ambon)". Jurna Ilmu Matematika Terapan. hlm. 123. Diakses tanggal 2021-12-12. 
  15. ^ Satria, Fandra; Sibarani, Alexander J. P. (2020-05-19). "Penerapan Metode Fuzzy Tsukamoto untuk Pemilihan Karyawan Terbaik Berbasis Java Desktop". Digital Zone: Jurnal Teknologi Informasi dan Komunikasi (dalam bahasa Inggris). 11 (1): 131. doi:10.31849/digitalzone.v11i1.3944. ISSN 2477-3255. 
  16. ^ Hapiz, Abdul (2018-08-03). "Penerapan logika fuzzy dengan metode tsukamoto untuk mengestimasi curah hujan" (PDF). Ethenes UIN Malang. hlm. 19-20. Diakses tanggal 2021-12-12. 
  17. ^ Rusman, Arief (2016-05-17). "LOGIKA FUZZY TAHANI SISTEM PENUNJANG KEPUTUSAN PENENTUAN LULUSAN TERBAIK". Jurnal Informatika. 3 (1): 32. doi:10.31294/ji.v3i1.265. ISSN 2528-2247. 
  18. ^ Azhari, Muhamad; Septiarini, Anindita (2016-06-06). "PENERAPAN FUZZY TAHANI PADA SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PEMBELIAN RUMAH DI KOTA SAMARINDA". Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer. 8 (2): 57. doi:10.30872/jim.v8i2.104. ISSN 2597-4963. 
  19. ^ Manda, Odie Harvence (2016-01-01). "IMPLEMENTASI FUZZY QUERY DATABASE UNTUK PENGELOLAAN DATA OBAT (Studi Kasus : Apotek Sehat Bersama I Kota Bengkulu)". E-Journal UNIB. hlm. 95. Diakses tanggal 2021-12-12. 
  20. ^ Sujarwata (2018-04-10). Buku Ajar Sistem Fuzzy dan Aplikasinya. Semarang: Deepublish. hlm. 4. ISBN 978-602-475-095-4. 
  21. ^ Nurohmah, Septiana (2008-01-01). "Fuzzy Washing Machines" (PDF). Staffnew UNY. hlm. 2. Diakses tanggal 2021-12-12. 
  22. ^ Sembiring, Zulfikar (2017-01-01). "Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas". Semantika Polgan. hlm. 124. Diakses tanggal 2021-12-12. 
  23. ^ Laudon, Kanneth C (2007-01-01). Sistem Informasi Manajemen 2 (ed.10). Jakarta: Penerbit Salemba. hlm. 126. ISBN 978-979-691-449-4. 
  24. ^ Darmawati (2017-07-02). "Proses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani". Jurnal Unsulbar. hlm. 162. Diakses tanggal 2021-12-12. 
Diperoleh dari "https://wiki-indonesia.club/w/index.php?title=Logika_kabur&oldid=19540641"