Pengertian Logika Fuzzy Fungsi Keanggotaan

2.3.7. Konsep Penggunaan Algoritma Genetika GA

GA bekerja dengan modalitas coding dari set parameter, tetapi tidak menghitung parameter sendiri. Setiap langkah di GA adalah mencari solusi dari suatu kelompok ke kelompok lain dalam ruang solusi bukan dari solusi untuk solusi lain. GA memanfaatkan probabilitas transisi dari aturan kepastian. GA hanya memanfaatkan informasi fungsi objek tetapi tidak proses derivasi dan informasi tambahan lainnya. GA disediakan dengan paralelisme operasi, dan dapat menilai beberapa data atau titik pada waktu yang sama dalam ruang pencarian yang rumit, yang hasilnya adalah tepat untuk mencari solusi optimal global dalam ruang solusi multi-nilai. Hal ini merawat kualitas individu kelompok berkembang setiap kali dalam proses GA, yaitu kualitas solusi masalah, yang berbeda dari algoritma optimasi banyak yang membutuhkan informasi rekursif atau semua informasi dari masalah seperti struktur dan parameter. Sehingga, GA sangat cocok untuk solusi masalah waktu yang tidak terbatas atau masalah nonlinier yang rumit Wang 2008.

2.4. Logika Fuzzy

2.4.1 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 1satu. Berbeda dengan himpunan tegas yang memiliki nilai 1 atau 0 ya atau tidak. Logika Fuzzy merupakan suatu logika yang memiliki nilai kekaburan atau kesamaran fuzzyness antara benar atau salah. Dalam teori logika fuzzy suatu nilai bias bernilai benar atau salah secara bersama. Namun berapa besar keberadaan dan kesalahan suatu tergantung pada bobot keanggotaan yang dimilikinya. Logika fuzzy memiliki derajat keanggotaan dalam rentang 0 hingga 1. Berbeda dengan logika digital yang hanya memiliki dua nilai 1 atau 0. Universitas Sumatera Utara Logika fuzzy digunakan untuk menterjemahkan suatu besaran yang diekspresikan menggunakan bahasa linguistic, misalkan besaran kecepatan laju kendaraan yang diekspresikan dengan pelan, agak cepat, cepat, dan sangat cepat. Dan logika fuzzy menunjukan sejauh mana suatu nilai itu benar dan sejauh mana suatu nilai itu salah. Tidak seperti logika klasik scrisptegas, 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. Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output, mempunyai nilai kontiniu. Fuzzy dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran. Oleh sebab itu sesuatu dapat dikatakan sebagian benar dan sebagian salah pada waktu yang sama Kusumadewi 2006. Kelebihan dari teori logika fuzzy adalah kemampuan dalam proses penalaran secara bahasa linguistic reasoning. Sehingga dalam perancangannya tidak memerlukan persamaan matematik dari objek yang akan dikendalikan.

2.4.2. Fungsi Keanggotaan

Dalam penelitian ini untuk mendapatkan derajat keanggotaan adalah dengan pendekatan fungsi keanggotaan yang direpresentasikan dalam bentuk kurva bahu. Membership function ditentukan dari awal yang direpresentasikan menggunakan kurva bahu. Dalam kluster, untuk menggabungkan dua atau lebih obyek menjadi satu kluster dengan menggunakan ukuran kemiripan atau ketidakmiripan. Semakin mirip dua obyek semakin tinggi peluang untuk dikelompokkan dalam satu kluster. Sebaliknya semakin tidak mirip semakin rendah peluang untuk dikelompokkan dalam satu kluster. Untuk mengukur kemiripan similiarity dan ketidakmiripan dissimiliarity diantara data atau obyek dapat dipakai beberapa ukuran, diantaranya: Universitas Sumatera Utara 1. Cosinus antara dua titik x dan y didefinisikan sebagai: y x y x T = θ cos ................................................................ 2.3 dimana x didefinisikan sebagai ∑ = n i i x 1 2 2. Kovarian Kovarian antara dua data didefinisikan sebagai berikut: 1 , cov 1 Υ − − = ∑ = i n i i Y X X n y x .......................................... 2.4 dimana x adalah data pertama dan y data kedua. 3. Koefisien korelasi y x y x y x r σ σ , cov , = ............................................................... 2.5

2.4.3. Proses Sistem Fuzzy