215
e-Indonesia Initiative 2011 eII2011 Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia
14-15 Juni 2011, Bandung badai guntur, apakah lemah atau kuat. Salah satu
metode yang mampu mengatasi permasalahan ini adalah pendekatan logika fuzzy, yaitu suatu sistem
yang dibangun dengan definisi, cara kerja dan deskripsi yang jelas berdasarkan logika fuzzy.
Sejauh yang penulis ketahui, selama ini seba- gian besar penelitian untuk mamprakirakan cuaca
berdasarkan logika fuzzy dilakukan dengan me- manfaatkan output data unsur pengamatan cuaca
permukaan. Sedangkan penggunaan logika fuzzy untuk memprakirakan cuaca dalam 12 jam ke de-
pan very short range dengan memanfaatkan output data hasil pengamatan rason belum pernah
dilakukan.
2. Dasar Teori
2.1. Logika Fuzzy
Menurut Agus Naba, logika fuzzy adalah: ”Sebuah metodologi berhitung dengan variabel
kata-kata linguistic variable sebagai pengganti berhitung dengan bilangan. Kata-kata yang digu-
nakan dalam fuzzy logic memang tidak sepresisi bilangan, namun kata-kata jauh lebih dekat dengan
intuisi manusia” Naba, 2009. Pemahaman ten- tang logika fuzzy adalah bahwa pada dasarnya
tidak semua keputusan dijelaskan hanya dengan 0 atau 1, melainkan ada kondisi yang terdapat di
antara keduanya. Daerah di antara 0 dan 1 inilah yang dikenal dengan fuzzy atau tersamar. Secara
umum, konsep sistem logika fuzzy adalah:
• Himpunan tegas, adalah nilai keanggotaan
suatu item dalam suatu himpunan tertentu. •
Himpunan fuzzy, adalah suatu himpunan yang digunakan untuk mengatasi kekakuan
dari himpunan tegas. •
Fungsi keanggotaan, memiliki interval 0-1 •
Variabel linguistik, adalah suatu variabel yang memiliki nilai berupa kata-kata yang
dinyatakan dalam bahasa alamiah dan bukan angka.
• Operasi dasar himpunan fuzzy, adalah operasi
untuk menggabungkan dan atau memodifikasi himpunan fuzzy.
• Aturan rule if-then fuzzy adalah suatu per-
nyataan if-then, di mana beberapa kata-kata dalam pernyataan tersebut ditentukan oleh
fungsi keanggotaan. Dalam proses pemanfaatan logika fuzzy, hal
yang perlu diperhatikan adalah cara mengolah input menjadi output melalui sistem inferensi
fuzzy. Inferensi fuzzy metode atau cara untuk merumuskan pemetaan dari ma-sukan yang
diberikan kepada sebuah output. Proses ini melibatkan: fungsi keanggotaan, operasi logika,
serta aturan IF-THEN. Hasil dari proses ini akan menghasilkan sebuah sistem yang disebut Sistem
Inferensi Fuzzy FIS. Pada logika fuzzy, tersedia beberapa jenis FIS, antara lain Mamdani, Sugeno
dan Tsukamoto.
2.2. Metode Mamdani
Metode Mamdani adalah cara untuk menda- patkan keluaran dengan menggunakan tahapan:
• Fuzzifikasi: tahapan di mana variabel ma-
sukan maupun keluaran terdiri atas satu atau lebih himpunan fuzzy. Selanjutnya derajat
keanggotaan masing-masing variabel ditentu- kan, sehingga akan didapatkan nilai linguis-
tiknya. Dengan cara ini, setiap variabel ma- sukan difuzzifikasikan.
• Aplikasi Fungsi Implikasi: tahap di mana
proses mendapatkan kesimpulan sebuah atur- an IF-THEN dilakukan berdasarkan derajat
kebenaran. Fungsi Implikasi yang digunakan pada metode ini adalah fungsi minimum,
artinya menetapkan fungsi terkecil di antara dua atau lebih bilangan.
• Komposisi: disebut juga dengan agregasi,
adalah suatu proses untuk mengkombi- nasikan keluaran semua IF-THEN menjadi
sebuah kesimpulan tunggal. Jika pada bagian kesimpulan terdapat lebih dari satu pernya-
taan, maka proses agregasi dilakukan secara terpisah untuk tiap variabel keluaran aturan
IF-THEN. Agre-gasi semacam ini dijalankan dengan logika fuzzy OR.
• Penegasan defuzzy adalah tahapan di mana
besaran fuzzy hasil dari sistem inferensi, diubah menjadi besaran tegas. Input dari
defuzzifikasi adalah suatu himpunan yang diperoleh dari komposisi aturan-aturan fuzzy,
sedangkan output yang dihasilkan merupakan bilangan pada domain himpunan fuzzy
tersebut.
2.3. Metode Sugeno
