d. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat
kompleks. e.
Logika fuzzy dapat membangun dan mengaplikasikan pengalaman- pengalaman para pakar secara langsung tanpa harus melalui proses
pelatihan. f.
Logika fuzzy dapat bekerjasama dengan tekhnik-tekhnik kendali secara konvensional.
g. Logika fuzzy didasarkan pada bahasa alami.
2.1.1 Model Tahani
Fuzzy tahani adalah salah satu cabang dari logika fuzzy, yang merupakan
salah satu metode fuzzy yang menggunakan basis data standar. Tahani mendeskripsikan suatu metode pemrosesan query fuzzy, dengan didasarkan
atas manipulasi bahasa yang dikenal dengan nama SQL Structured Query Language
, sehingga model fuzzy tahani sangat tepat digunakan dalam proses pencarian data yang tepat dan akurat Anggraeni, Indarto dan Kusumadewi,
2004.
2.1.2 Crisp Logic
Pada himpunan tegas crisp, nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan
ụA[x], memiliki 2 kemungkinan, yaitu::
a Satu 1, yang berarti bahwa suatu item menjadi anggota dalam
suatu himpunan.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
b Nol 0, yang berarti bahwa suatu item tidak menjadi anggota
dalam suatu himpunan. Berhubungan dengan nilai absolut BENAR atau SALAH, tidak ada nilai
lain. Contoh 2.1:
Misalkan Variabel umur di bagi menjadi 3 kategori, yaitu: MUDA
umur 35 tahun PAROBAYA
35 ≤ umur ≤ 55 tahun
TUA umur 55 tahun
Nilai keanggotaa secara grafis, himpunan MUDA, PAROBAYA, TUA
Gambar 2.1 Himpunan Muda, Parobaya, dan Tua a
Apabila ada seseorang berusia 34 tahun, maka ia dikatakan MUDA ụMUDA [34]=1;
b Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK
MUDA ụMUDA [ 35]=0;
c Apabila seseorang berusia 35 tahun , maka ia dikatakan
PAROBAYA ụPAROBAYA [35]=1;
Crisp logic menentukan apakah sebuah objek merupakan suatu anggota himpunan
atau bukan. Satu objek hanya bisa menjadi anggota satu himpunan, seperti contoh Gambar 2.1.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.1.3 Fuzzy Logic
Tidak seperti statistik dan probabilitas, nilai fuzzy tidak menggambarkan peluang sebuah objek dalam himpunan, tetapi
menggambarkan tingkat keanggotaan sebuah objek dalam himpunan. Pada Gambar 2.2, dapat dilihat bahwa:
a. Seseorang yang berumur 40 tahun, termasuk dalam himpunan MUDA
dengan ụMUDA [40]=0.25; namun dia juga termasuk dalam himpunan
PAROBAYA dengan ụPAROBAYA [40]=0.5.
b. Seseorang yang berumur 50 tahun, termasuk dalam himpunan TUA
dengan ụTUA [50]=0.25, tapi juga ikut dalam himpunan PAROBAYA
dengan ụPAROBAYA [50]=0.5.
Gambar 2.2
Himpunan Fuzzy
untuk Variabel Umur Nilai fuzzy berhubungan dengan tingkat keanggotaan dalam himpunan.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.1.4 Crisp set vs Fuzzy set
