5. Antarmuka user interface
Antar muka digunakan untuk media komunikasi antara user dan program.
6. Subsistem penjelasan Explanation Facility
Explanation Facility memungkinkan pengguna untuk mendapatkan penjelasan dari hasil konsultasi. Fasilitas penjelasan diberikan untuk
menjelaskan bagaimana proses penarikan kesimpulan. Biasanya dengan cara memperlihatkan rule yang digunakan.
7. Perbaikan Pengetahuan Knowledge Refinement
Sistem ini digunakan untuk mengevaluasi kinerja sistem pakar itu sendiri untuk melihat apakah pengetahuan-pengetahuan yang ada masih
cocok untuk digunakan di masa mendatang.
2.2 Pengertian Logika Fuzzy
Logika fuzzy pertama kali diperkenalkan oleh Lofti A. Zadeh dari Universitas Barkley California pada tahun 1965. Zadeh memodifikasi teori
himpunan yang setiap anggotanya memiliki derajat keanggotaan yang bernilai kontinu antara 0 sampai 1 yang digunakan untuk menangani
kekaburan. Himpunan ini disebut dengan himpunan kabur fuzzy set Zimmermann, 2001:16.
Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Titik awal dari konsep modern
mengenai ketidakpastian berasal dari paper yang dibuat oleh Lofti A Zadeh, di mana Zadeh memperkenalkan teori yang memiliki obyek-obyek dari
himpunan fuzzy yang memiliki batasan yang tidak presisi dan keanggotaan dalam himpunan fuzzy dan bukan dalam bentuk logika benar true atau
salah false, tapi dinyatakan dalam derajat degree. Konsep seperti ini disebut dengan fuzziness dan teorinya dinamakan fuzzy set theory.
Fuzzy system sistem kabur didasari atas konsep himpunan kabur yang memetakan domain input ke dalam domain output. Perbedaan
mendasar himpunan tegas dengan himpunan kabur adalah nilai keluarannya. Himpunan tegas hanya memiliki dua nilai output yaitu nol atau satu,
sedangkan himpunan kabur memiliki banyak nilai keluaran yang dikenal dengan nilai derajat keanggotaan.
Logika fuzzy merupakan peningkatan dari logika boolean yang berhadapan dengan konsep kebenaran sebagian. Di mana logika klasik
crisp menyatakan bahwa segala hal dapat diekspresikan dalam istilah binary 0 atau 1, hitam atau putih, ya atau tidak. Logika fuzzy
menggantikan kebenaran boolean dengan tingkat kebenaran. Logika fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga
hitam dan putih, dan dalam bentuk linguistik, konsep tidak pasti seperti “sedikit”, “lumayan”, dan “sangat”.
Logika fuzzy sudah banyak diterapkan di berbagai bidang, baik di dunia industri maupun bisnis. Berbagai teori di dalam perkembangan logika
fuzzy dapat digunakan memodelkan berbagai sistem. Bahkan sekarang ini aplikasi logika fuzzy semakin menjamur seiring dengan pesatnya
perkembangan teknologi komputasi.
Menurut Kusumadewi dan Purnomo 2004:2-3, alasan menggunakan logika fuzzy adalah sebagai berikut.
1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang
mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti. 2.
Logika fuzzy sangat fleksibel. 3.
Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat. 4.
Logika fuzzy mampu memodelkan fungsi-fungsi non linear yang sangat kompleks.
5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-
pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara
konvensional. 7.
Logika fuzzy didasarkan pada bahasa alami.
2.3 Himpunan Fuzzy
