Fungsi Keanggotaan Membership Functions

model Z dan model trapezoida. Masing-masing model tersebut mempunyai formulasi matematis dalam mendefinisikan nilai fuzzy dari bilangan yang diolah. Suatu fungsi keanggotaan atau membership functions MF adalah kurva yang menggambarkan tiap titik asupan pada keluaran berupa bobot keanggotaannya membership value atau degree of membership yang nilainya antara 0-1 dalam suatu himpunan. Asupan seringkali disebut juga gugus pembahasan. Salah satu contoh yang sering digunakan dalam menjelaskan himpunan fuzzy adalah himpunan orang jangkung. Dalam hal ini gugus pembahasan adalah semua kemungkinan ketinggian, misalnya antara 1 m sampai 3 m, dan kata jangkung akan menghubungkan kurva yang menggambarkan bobot kejangkungan seseorang. Jika suatu himpunan orang jangkung diberi batas yang tegas crisp sebagaimana batas pada himpunan klasik, maka setiap orang tingginya lebih dari 2 m, dapat digolongkan sebagai orang jangkung. Pembatasannya seperti itu kurang tepat, karena seseorang dapat digolongkan jangkung dan lainnya digolongkan pendek padahal beda tinggi mereka hanya setebal rambut saja lihat Gambar 13 dan Gambar 14. Jika pembedaan seperti ini tidak bisa digunakan secara tepat, maka diperlukan cara lain guna mendefinisikan himpunan orang jangkung. Mirip dengan cara plotting, hari-hari anggota himpunan akhir pekan, gambar berikut menunjukkan kurva mulus dari orang tidak jangkung sampai orang jangkung. Sumbu keluaran atau output-axis adalah nilai keanggotaan antara 0 dan 1. Kurva tersebut disebut fungsi keanggotaan dan sering ditandai sebagai µ. Kurva tersebut menunjukkan transisi dari tidak jangkung ke jangkung. Kedua golongan tersebut sebetulnya sama-sama jangkung, hanya saja yang satu kurang jangkung dibanding lainnya. Gambar 13. Klasifikasi menurut bilangan tegas atau crisp. Pemahaman subjektif dan satuan-satuan yang tepat sudah dilebur dalam himpunan fuzzy. Pernyataan ‘orang itu jangkung’ menunjukkan fungsi keanggotaan atau membership function orang jangkung yang tidak lagi mempersoalkan apakah orang itu tergolong anak- anak atau sudah dewasa. Juga tidak perlu diperdebatkan apakah ukuran ketinggian menggunakan satuan meter atau inci Sebagaimana telah ditegaskan, satu-satunya persyaratan fungsi keanggotaan dalam fuzzy yang harus dipenuhi adalah nilainya di antara 0 dan 1. Fungsi tersebut bisa merupakan suatu kurva yang tegas atau arbitrary curve yang bentuknya dapat memenuhi kesederhanaan, kenyamanan, kecepatan dan efisiensi. Suatu himpunan klasik dapat ditampilkan sebagai berikut: A = {x | x 6}…………………….…………..………….…..….… 44 Suatu himpunan fuzzy adalah kelanjutan dari himpunan klasik. Jika X merupakan gugus wacana universe of discourse dan anggotanya adalah x, maka himpunan fuzzy A dalam X digambarkan dalam pasangan persamaan: Gambar 14. Kurva fungsi keanggotaan bilangan tegas atas dan bilangan fuzzy bawah. A = {x, µAx | x c X}…………...........………………..…...…….. 45 di mana µAx disebut fungsi keanggotaan atau membership function MF x dalam A Fungsi keanggotaan memetakan tiap anggota X pada suatu nilai keanggotaan antara 0 dan 1. Sejauh ini dikenal 11 jenis fungsi keanggotaan, yang masing-masing dibangun berdasarkan potongan fungsi linier, fungsi distribusi Gaussian, kurva sigmoid, dan kurva polinomial kuadrat maupun polinomial pangkat tiga. Fungsi keanggotaan yang sederhana dibentuk menggunakan garis-garis lurus, di antaranya yang paling sederhana adalah fungsi keanggotaan segi tiga atau triangular membership function, dan fungsinya disebut trimf yang sebetulnya tidak lebih dari kumpulan tiga titik yang membentuk segitiga. Fungsi keanggotaan trapezoidal atau trapezoidal membership function, trapmf, memiliki bagian atas yang rata dan merupakan potongan dari kurva segitiga. Fungsi-fungsi garis lurus ini memiliki kelebihan dalam hal kesederhanaan Gambar 15. Ada dua fungsi keanggotaan yang dibentuk pada kurva distribusi Gaussian, yakni kurva Gaussian sederhana dan komposit dua sisi dari dua kurva Gaussian yang berbeda. Kedua fungsi itu dinamakan gaussmf dan gauss2mf. Sedang fungsi keanggotaan lonceng yang umum atau generalized bell membership function dicirikan oleh tiga parameter dan memiliki fungsi yang disebut gbellmf. Fungsi keanggotaan lonceng memiliki satu parameter lebih banyak dibandingkan fungsi keanggotaan Gaussian, sehingga dapat digunakan bagi himpunan non-fuzzy jika parameter bebasnya ditala atau tuned. Karena kemulusan dan notasinya yang ringkas, fungsi keanggotaan Gaussian dan lonceng merupakan metoda yang sering digunakan bagi himpunan fuzzy. Kedua jenis kurva ini memiliki keunggulan karena mulus dan nilainya tidak pernah 0 pada semua titik Gambar 16. Gambar 15. Kurva fungsi keanggotaan segitiga dan trapezoidal. Meski fungsi keanggotaan Gaussian dan fungsi keanggotaan lonceng memiliki kemulusan, keduanya tidak bisa membentuk fungsi keanggotaan yang asimetris atau asymmetric membership functions, yang merupakan hal penting dalam beberapa aplikasi tertentu. Kelemahan ini dapat diatasi oleh fungsi keanggotaan sigmoidal atau sigmoidal membership function, yang bentuk kurvanya terbuka di sebelah kiri atau kanan dan fungsinya dinamakan sigmf. Fungsi keanggotaan yang asimetris dan tertutup dapat dibentuk menggunakan gabungan dua fungsi sigmoidal. Sehingga selain fungsi dasar sigmoidal sigmf, kita kenal juga dsigmf sebagai perbedaan antara dua fungsi sigmoidal, dan psigmf sebagai produk dari dua fungsi sigmoidal Gambar 17. Kurva dasar polinomial tersusun oleh beberapa jenis fungsi keanggotaan. Tiga fungsi keanggotaan yang dimaksud adalah kurva Z, S, dan Pi, yang penamaannya disesuaikan dengan bentuk kurvanya. Fungsi keanggotaan z zmf adalah kurva polinomial asimetris yang terbuka di sebelah kiri, sedang keanggotaan s smf adalah fungsi cerminan yang terbuka di sebelah kanan, dan pimf adalah kurva fungsi keanggotaan dengan nilai 0 pada kedua ujung dan tonjolan di bagian tengahnya Gambar 18. Gambar 16. Kurva fungsi keanggotaan Gaussian dan lonceng atau g-bell. Gambar 17. Kurva sigmoidal.

3.3.4. Sistem Inferensi fuzzy

Fuzzy logic atau logika fuzzy dapat digunakan mengolah data atau hasil penilaian yang diperoleh dari pakar sesuai kriteria yang diajukan sehubungan kepentingan penelitian dalam penyusunan model manajemen krisis ini. Hasil penilaian pakar merupakan asupan bagi proses pengambilan keputusan. Metoda fuzzy memungkinkan beberapa kriteria yang dipentingkan secara individu maupun komprehensif lebih bersifat subyektif dan kualitatif. Pengukuran kriteria subyektif dalam penelitian ini menggunakan lima skala hedonik peubah linguistik misalnya kriteria Sangat Baik, Baik, Cukup, Kurang dan Sangat Kurang. Dalam memberikan penilaian linguistik, penilai seringkali berkecenderungan ambiguitas dan tidak bisa memberi penilaian secara mutlak. Guna memperoleh hasil yang valid, diperlukan suatu metoda yang mampu mengakomodasi situasi ambiguitas tersebut menjadi sebuah keputusan yang relatif lebih baik dan salah satu metoda yang dapat digunakan adalah metoda fuzzy. Ekspresi numerik dapat menyebabkan narasumber merasa terpaksa merepresentasikan penilaiannya sesuai kemauan peneliti sehingga menimbulkan ketidaknyamanan bagi narasumber. Penerapan logika fuzzy memungkinkan narasumber atau pakar mengekspresikan penilaiannya secara lebih bebas tanpa terkungkung oleh batasan nilai-nilai numerik tertentu. Penilaian ini akan memberikan informasi mengenai tingkat kemungkinan possibility dan bukan nilai peluang probability terhadap sesuatu kejadian. Penilaian demikian menyebabkan logika fuzzy menjadi lebih alamiah. Dalam metoda fuzzy, hasil penilaian menggunakan peubah linguistik kemudian diolah menjadi informasi bagi pengambilan keputusan. Kebenaran yang dikandung dalam penilaian-penilaian menggunakan Peubah linguistik seringkali bersifat samar karena batasnya tidak tegas sehingga disebut sebagai kebenaran fuzzy. Ketersamaran vagueness ini tidak menghilangkan hakikat penilaian karena makna penilaian tersebut bisa dioptimalkan menggunakan teknik atau pengolahan dalam metoda fuzzy. Gambar 18. Kurva polinomial. Pada dasarnya sistem inferensi fuzzy fuzzy inference system terdiri atas lima bagian Jang Sun, 1994: • basis aturan berisi sejumlah kaidah fuzzy jika-maka atau if-then; • basis data yang mendefinisikan fungsi keanggotaan himpunan fuzzy digunakan dalam aturan-aturan fuzzy; • pembuat keputusan yang mentransformasikan operasi inferensi dalam aturan-aturan; • interface fuzifikasi yang mentransformasikan asupan yang bernilai tunggal crisp dalam derajat keanggotaan sesuai dengan nilai linguistiknya; • interface defuzifikasi yang mentransformasikan hasil inferensi fuzzy menjadi keluaran bernilai tunggal Aturan dasar fuzzy jika-maka atau if-then yang dikenal juga sebagai pernyataan bersyarat conditional statement fuzzy merupakan ekspresi dari bentuk IF A THEN B, di mana A dan B merupakan nilai suatu himpunan fuzzy yang dinyatakan berupa fungsi keanggotaan yang sesuai. Karena bentuknya yang sederhana, aturan fuzzy if-then sering digunakan dalam penerjemahan makna dari alasan-alasan yang memiliki model tidak pasti yang berperan penting dalam pengambilan keputusan. Contohnya: JIKA tekanan is tinggi, MAKA volume is kecil di mana tekanan dan volume merupakan peubah linguistik, sedangkan tinggi dan kecil adalah nilai linguistik yang dicirikan oleh fungsi keanggotaan. Umumnya basis aturan dan basis data digabung dalam knowledge base. Sistem inferensi fuzzy ini juga dikenal sebagai fuzzy rule-based systems, fuzzy models, fuzzy associative memories FAM, atau fuzzy controllers ketika digunakan pada proses kontrol. Gambar 19. Pola umum inferensi fuzzy.