31 5.
Logika fuzzy dapat membangun dan mengaplikasikan pengalaman- pengalaman para pakar secara langsung tanpa harus melalui proses
pelatihan Fuzzy Expert Systems. 6.
Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
7. Logika fuzzy didasarkan pada bahasa alami atau bahasa sehari-hari,
sehingga mudah dipahami.
D. Himpunan Fuzzy
1. Pengertian Himpunan Fuzzy
Teori himpunan fuzzy merupakan pengembangan dari himpunan tegas. Teori ini pertama kali dikenalkan oleh Lotfi Asker Zaedah pada tahun
1965, seorang ilmuan dari Universitas California di Barkeley Setiadji, 2009: 1.
Sedangkan himpunan tegas crisp set adalah himpunan yang membedakan anggota dan bukan anggota dengan batasan yang jelas.
Dalam himpunan tegas setiap anggota himpunan dinotasikan
atau bukan anggota dinotasikan . Fungsi keanggotaan
dinotasikan dengan sehingga dapat didefinisikan sebagai berikut
Ibrahim, 2004: 23 :
Dapat dikatakan bahwa pada himpunan tegas hanya memiliki 2 kemungkinan derajat keanggotaan yaitu 0 dan 1.
32 Pada himpunan fuzzy keberadaan suatu elemen tidak lagi bernilai
benar atau salah, tetapi akan selalu bernilai benar jika mempunyai derajat keanggotaan yang berada dalam rentang [0,1]. Setiap anggota pada
himpunan fuzzy bersifat tunggal, artinya masing-masing anggota pada himpunan fuzzy pasti memiliki derajat keanggotaan Klir, 1997: 7.
Definisi 2.1 Wang, 1997: 21
Suatu himpunan fuzzy pada himpunan semesta dapat dinyatakan
dengan fungsi keanggotaan yang mengambil nilai pada interval [0,1].
Suatu himpunan fuzzy pada himpunan semesta dapat dinyatakan
dengan himpunan pasangan terurut elemen dan nilai keanggotaannya.
Secara matematis pernyataan tersebut dapat ditulis Wang, 1997: 22 :
Apabila elemen pada himpunan memiliki derajat keanggotaan
fuzzy berarti tidak menjadi anggota himpunan , dan jika
elemen pada himpunan memiliki derajat keanggotaan fuzzy
berarti menjadi anggota penuh pada himpunan
Himpunan fuzzy memiliki 2 atribut, yaitu Sri Kusumadewi Hari Purnomo, 2013: 6 :
a. Lingistik yaitu penamaan suatu grup yang mewakili suatu keadaan
atau kondisi tertentu dengan menggunakan bahasa alami. Contoh 2.1 :
Misalkan pada variabel rasio CAR yang dapat dikategorikan menjadi tidak sehat, kurang sehat, cukup sehat, sehat.
33 b.
Numeris yaitu suatu nilai angka yang menunjukkan ukuran dari suatu variabel.
Contoh 2.2 : Misalkan pada variabel rasio CAR diperoleh data numeris seperti
0,32; 10,35; 21,1; 48,75 yang menunjukkan rasio CAR dari sebuah bank.
Ada beberapa hal yang perlu diketahui dalam memahami logika fuzzy, yaitu :
a. Variabel Fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam membuat model berdasarkan logika fuzzy. Variabel fuzzy bertindak
sebagai input untuk membuat aturan pada logika fuzzy. Contoh 2.3 :
Misalkan variabel fuzzy yang akan dibahas adalah rasio CAR adalah sehat, rasio BDR adalah kurang sehat dan sebagainya.
b. Himpunan Fuzzy
Himpunan fuzzy merupakan himpunan yang mewakili suatu kondisi
atau keadaan tertentu dalam suatu variabel fuzzy atau input.
Contoh 2.4 : Misalkan pada variabel rasio CAR terbagi menjadi 4 himpunan fuzzy
yaitu tidak sehat, kurang sehat, cukup sehat dan sehat. c.
Himpunan UniversalSemesta Pembicaraan Fuzzy
34 Himpunan universal adalah himpunan yang terdiri dari semua elemen
yang digunakandibicarakan pada sutu aplikasi tertentu semesta pembicaraan pada himpunan fuzzy Ibrahim, 2004: 24.
Contoh 2.5 : Misalkan semesta pembicaraan untuk rasio BDR yaitu [0,43].
d. Domain Fuzzy
Domain himpunan fuzzy adalah keseluruhan nilai yang diizinkan dalam
himpunan universalsemesta
pembicaraan dan
boleh dioperasikan dalam suatu himpunan fuzzy Sri Kusumadewi Hari
Purnomo, 2013: 7. Contoh 2.6 :
Domain untuk himpunan fuzzy rasio LDR adalah sehat=[0, 85], cukup sehat=[85, 100], kurang sehat=[100, 120], tidak sehat=[120, 621].
2. Fungsi Keanggotaan Fuzzy
