cara kerja model JST yang dihasilkan. Dalam pemodelan sistem dengan JST, tidak ada mekanisme untuk melibatkan pengetahuan manusia
pakar dalam proses pelatihan JST. Jika kita menggunakan logika fuzzy, pengetahuan manusia bisa relatif lebih mudah dilibatkan dalam
pemodelan sistem fuzzy. 7.
Logika fuzzy dapat diterapkan dalam desain sistem kontrol tanpa harus menghilangkan teknik desain sistem kontrol konvensional yang sudah
terlebih dahulu ada. 8.
Logika fuzzy berdasar pada bahasa manusia
3. Variabel Linguistik
Variabel linguistik adalah sebuah variabel yang memiliki nilai berupa kata- kata dalam bahasa alamiah bukan angka. Penggunaan kata atau kalimat
lebih dipilih dibandingkan dengan penggunaan angka karena peranan linguistik memang kurang spesifik dibandingkan angka, namun informasi
yang disampaikan lebih informatif . Sebagai contoh yaitu jika “Kecepatan”
a dalah variabel linguistik, maka nilai linguistik untuk variabel “Kecepatan”
adalah, misalnya “Lambat”, “Sedang”, “Cepat”. Hal ini sesuai dengan kebiasaan manusia sehari-hari dalam menilai sesuatu. Misalnya dalam
kali mat “Ia mengendarai mobil dengan cepat”, tanpa memberikan nilai
berapa kecepatannya. Setiap variabel linguistik berkaitan dengan sebuah fungsi keanggotaan Idhan, 2007.
Definisi formal dari variabel linguistik diberikan sebagai berikut Idhan, 2007:
Sebuah variabel linguistik dikarakterisasi oleh X, Tx, U, M, dimana: X = Nama variabel variabel linguistik yang menjadi objek.
Tx = Himpunan semua istilah nilai-nilai linguistik yang terkait dengan nama variabel X yang menggambarkan objek tersebut.
U = Dominan fisik aktual atau ruang lingkup dimana variabel linguistik X mengambil nilai-nilai kuantitatifnya atau nilai numeris
crisp himpunan semesta. M = Suatu aliran semantik yang menghubungkan setiap nilai
linguistik dalam T dengan suatu himpunan fuzzy dalam U.
4. Himpunan Fuzzy Fuzzy Set
Dalam teori logika fuzzy dikenal himpunan fuzzy fuzzy set yang
merupakan pengelompokkan sesuatu berdasarkan variabel bahasa linguistic variable yang dinyatakan dalam fungsi keanggotaan. Di dalam
semesta pembicaraan universe of discourse U, fungsi keanggotaan dari suatu himpunan fuzzy tersebut bernilai antara 0.0 sampai dengan 1.0
Kusrini, 2008
5. Fungsi Keanggotaan
Fungsi keanggotaan pada fuzzy set mendefinisikan bagaimana tiap titik dalam ruang input dipetakan menjadi bobot atau derajat keanggotaan antara
0 dan 1 Naba, 2009.
Menurut buku Artificial Intelligence Negnevitsky, 2002, pada teori fuzzy, himpunan fuzzy A fuzzy set A dari semesta
� didefinisikan oleh fungsi µ
A
x yang disebut fungsi keanggotaan dari himpunan A. µ
A
x : X [0,1]
dimana: µ
A
x = 1 jika x secara total berada di A;
µ
A
x = 0 jika x tidak berada di A;
0 µ
A
x 1 jika x sebagian berada di A.
Fungsi keanggotaan adalah sebuah representasi grafis dari besarnya partisipasi masing-masing input. Fungsi keanggotaan dihubungkan dengan
pembobotan masing-masing input yang diproses, definisi pencocokkan fungsi antar-input dan penentuan respons keluaran. Sebagai contoh dalam
menentukan fungsi keanggotaan, diberikam himpunan semesta U adalah umur manusia antara [0, 100]. Seseorang dikatakan tua jika dia berumur
lebih dari 50 tahun. Sedangkan orang yang berumur 30 tahun atau kurang, dianggap tidak tua. Fungsi keanggotaannya ditunjukkan oleh rumus berikut
ini :
0, �
� � =
�− 0
, �
, �
Jika diketahui seseorang memiliki umur 35 tahun, maka dapat diketahui derajat ketuaannya adalah sebesar 35-3020 yaitu 0,25. Fungsi
keanggotaan dari suatu himpunan fuzzy dinyatakan dengan derajat keanggotaan suatu nilai terhadap nilai tegasnya yang berkisar antara 0,0
sampai dengan 1,0. Jika A: himpunan fuzzy, µ
A
: fungsi keanggotaan dan X: semesta, maka fungsi keanggotaan dalam suatu himpunan fuzzy dapat
dinyatakan dengan A= {x, µ
A
x|x€X} Kusrini, 2008.
Berikut ini merupakan contoh grafik keanggotaan dan juga fungsi keanggotaan menurut Modul Kecerdasan buatan v2.0 Bab V-VIII Idhan,
2007
Gambar 2.1. Contoh Grafik Keanggotaan Idhan, 2007
Contoh grafik di atas adalah suatu fungsi keanggotaan untuk variabel umur yang dibagi menjadi 3 kategori atau 3 himpunan fuzzy yaitu muda,
parobaya, dan tua, dimana dapat direpresentasikan sebagai berikut:
1, jika �
µ
muda
x =
−� −
, jika �
0, jika �
0, jika � atau
�
�− −
, jika �
µ
parobaya
x =
−� −
, jika �
1, jika �
0, jika �
µ
tua
x =
�− −
, jika �
1, jika �
C. PHP
