Pengertian Logika fuzzy Logika Fuzzy

berhubungan dengan data statistik yang dicatat dan diselidiki dalam bats-bats interval waktu tertentu, seperti perkembangan produksi, harga barang, jumlah penduduk, hasil penjualan, harga saham, nilai tukar kurs. Dengan adanya data time series maka pola gerakan data dapat diketahui. Dengan demikian data time series dapat dijadikan dasar untuk : 1. Pembuatan keputusan pada saat ini 2. Peramalan keadaan perdagangan 3. Perencanaan kegiatan untuk masa depan

2.5 Logika Fuzzy

2.5.1 Pengertian Logika fuzzy

Fuzzy secara bahasa diartikan sebagai kabur atau samar-samar. Suatu nilai dapat bernilai besar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotaan yang memiliki rentang nilai 0 nol hingga 1 satu. Berbeda dengan himpunan tegas yang memiliki nilai 1 atau 0 ya atau tidak. Logika fuzzy pertama sekali diperkenalkan oleh Lotfi. A. Zadeh pada thaun 1965. Dasar logika fuzzy adalah teori himpunan fuzzy. Dalam teori himpunan dikenal fungsi karakteristik yaitu fungsi dari himpunan semesta X ke himpunan {0,1} Defenisi: Himpunan A dalam semesta X dapat dinyatakan dengan fungsi karakteristik yang didefinisikan dengan aturan: Logika fuzzy merupakan suatu logika yang memiliki nilai kekaburan atau kesamaran fuzzyness antara benar atau salah. Dalam teori logika fuzzy suatu nilai bisa bernilai benar atau salah secar bersama. Namun berapa besar keberadaan dan kesalahan sesuatu tergantung pada bobot keanggotaan yang dimilikinya. Logika fuzzy memiliki Universitas Sumatera Utara derajat keanggotaan dalam rentang 0 hingga 1. Berbeda dengan logika digital yang hanya memiliki dua nilai 0 atau 1. Logika fuzzy digunakan untuk menterjemahkan suatu besaran yang di ekspresikan menggunakan bahasa linguistic, misalkan kecepatan laju kendaraan yang diekspresikan dengan pelan, lebih cepat, cepat, dan sangat cepat. Dan logika fuzzy menunnjukkan sejauh mana suatu nilai itu benar dan sejauh mana suatu nilai itu salah. Tidak seperti logika klasik crips atau tegas, suatu nilai hanya mempunyai 2 kemungkinan yaitu merupakan suatu anggota himpunan atau tidak. Derajat keanggotaan 0 nol artinya nilai bukan merupakan anggota himpunan dan 1 satu berarti nilai tersebut adalah anggota himpunan. Sri kusumadewi 2004 mengatakan bahwa logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output, mempunyai nilai kontinu. Fuzzy dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran. Oleh sebab itu sesuatu dapat dikatakahn sebagian benar dan sebagian salah dalam waktu yang sama. Logika fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak pasti seperti “sedikit”, “lumayan” dan “sangat”. Zadeh 1995. Himpunan fuzzy memperluas jangkauan fungsi karakteristik pada himpunan crips sehingga fungsi tersebut mencakup bilangan riil pada interval [0.1]. Fungsi itu memetakan setiap unsur dalam himpunan semesta X ke suatu nilai pada interval [0,1] yang selanjutnya disebut dengan derajat keanggotaan dari suatu himpunan kabur A dalam semesta X adalah pemetaan [ ] Nilai menyatakan derajat keanggotaan dalam himpunan kabur A. Misalkan diketahui data IPK mahasiswa pada inteval [0,00, 4,00]. Akan dibuat himpunan mahasiswa pandai. Kata “pandai” menunjukkan seberapa besar seorang mahasiswa dikatakan pandai. Dengan menggunakan crips seorang mahasiswa dikatakan Pandai jika memiliki IPK diatas atau sama dengan 3,00 dengan derajat keanggotaan sebaliknya jika IPK dibawah 3,00 dikatakan „Tidak Pandai‟ dengan derajat keanggotaan . Hal ini tidaklah adil karena misalkan ada dua orang mahasiswa A dan B, mahasiswa A Universitas Sumatera Utara memiliki IPK 3,01 maka akan dikatakan „Pandai‟. Sedangkan mahasiswa B dengan IPK 2,99 dikatakan „Tidak Pandai‟. Sedangkan dengan menggunakan fuzzy set, suatu fungsi keanggotaan menjadi bersifat kontinu. Seorang mahasiswa dengan IPK 2,5 dikatakan mendekati Pandai dengan dan mahasiswa dengan IPK 1,25 memang kurang Pandai dengan Kelebihan dari teori logika fuzzy adalah kemampuan dalam proses penalaran secara bahasa linguistic reasoning. Sehingga dalam perancangannya tidak memrlukan persamaan matematik dari objek yang akan dikendalikan.

2.5.2 Notasi Himpunan fuzzy