Logika fuzzy merupakan bagian dari logika boolean, yang digunakan untuk menangani konsep derajat keanggotaan, misalnya derajat keanggotaan bilangan
diantara selang 0 dan 1. Logika fuzzy sering menggunakan informasi linguistik dan verbal yang disebut label. Dalam logika fuzzy terdapat beberapa proses inferensi
fuzzy, yaitu penentuan gugus fuzzy, penerapan aturan if-then, dan penegasan defuzzy.
2.4 Inferensi fuzzy
Sistem inferensi fuzzy merupakan penduga numerik yang terstruktur dan dinamik. Sistem ini mempunyai kemampuan untuk mengembangkan sistem intelijen
dalam lingkungan yang tidak pasti dan tidak tepat. Sistem ini menduga suatu fungsi dengan logika fuzzy Marimin, 2002 didalam Nugroho, 2007.
Inferensi fuzzy adalah suatu proses perumusan model untuk mendapatkan sebuah keluaran menggunakan logika fuzzy dari suatu masukan. Model yang ada dapat
dijadikan suatu dasar untuk pengambilan keputusan atau pembedaan pola. Sistem inferensi fuzzy telah berhasil diterapkan pada beberapa bidang seperti
kontrol automatis, klasifikasi data, analisis keputusan, sistem pakar dan computer vision. Karena itu, sistem inferensi fuzzy biasa dikenal dengan nama fuzzy-rule-based
system, fuzzy expert system, fuzzy modeling, fuzzy associative memory, dan fuzzy logic
controllers [Math works] 2004 didalam Nugroho, 2007.
2.4.1. Penentuan gugus fuzzy
Penentuan gugus atau keanggotaan fuzzy melalui suatu fungsi yang memetakan tiap elemen himpunan ke suatu nilai keanggotaan yang besarnya antara
0 dan 1. Beberapa jenis fungsi keanggotaan fuzzy adalah trapezoidal, triangular, gaussian dan sigmoidal. Jenis trapezoidal adalah fungsi keanggotaan yang
berbentuk trapesium, dan triangular adalah fungsi keanggotaan yang berbentuk segitiga. Keduanya adalah fungsi keanggotaan yang paling sederhana karena
hanya tersusun dari beberapa garis lurus. Contoh himpunan dan keanggotaan fuzzy; sebuah sistem fuzzy untuk mengukur suhu mempunyai 5 buah membership
function dengan label sangat dingin, dingin, hangat, panas dan sangat panas. Nilai yang diperoleh dari crisp input adalah 47
o
C maka penentuan gugus fuzzy fuzzy inputnya seperti gambar 1 berikut.
10
Gambar 1. Fungsi keanggotaan fuzzy; triangular dan trapesium Dua buah fuzzy input masing-masing adalah dingin x2 dan hangat x1
dapat dicari melalui persamaan garis. Kedua nilai berupa x2 dan x1 selanjutnya menjadi fuzzy input bagi proses evaluasi aturan fuzzy atau fuzzy rules.
Input Fuzzy Input Crisp
Input Fungsi Keanggotaan
Fussifikasi
Gambar 2. Proses Fuzzifikasi
2.4.2. Penerapan aturan if-then atau Fuzzy Rules
Fuzzy rules atau banyak dikenal dengan fuzzy if-then rules berbentuk: if
ξ is A and
ψ is B then γ is C, dimana A, B dan C adalah nilai linguistik yang didefenisikan oleh himpunan fuzzy. “
ξ is A” dan “ψ is B” sering disebut sebagai antecendent
atau premise, sedangkan “ γ is C “ disebut sebagai consequence atau
conclusion [Math Works] 2004 didalam Nugroho, 2007.
Proses ini berfungsi untuk mencari suatu nilai fuzzy output dari fuzzy input. Operator yang digunakan dalam penyusunan fuzzy rules dapat berupa AND, OR
dan NOT. Operator OR memproses nilai input terbesar dan NOT untuk nilai kebalikan 1- x. Jika operator yang digunakan adalah AND maka input yang
diproses adalah input terkecil, misalnya: o
If suhu1 is hangat x1 and suhu2 is dingin x2 then pengumpan is cepat. Nilai fuzzy output dari pernyataan tersebut adalah x2 karena x2 x1 pada gambar
1. Ilustrasi proses evaluasi aturan seperti pada gambar 3 berikut ini.
11
Output Fuzzy Input Fuzzy
Aturan Evaluasi Aturan
Gambar 3. Proses Evaluasi Aturan
2.4.3. Penegasan Defuzzy
