Arsitektur Sistem Pakar Logika Fuzzy

2.7 Arsitektur Sistem Pakar

Dalam pengembangan suatu Sistem Pakar, pengetahuan knowledge dapat berasal dari seorang ahli, atau merupakan pengetahuan dari media seperti majalah, buku, jurnal, dan sebagainya. Selain itu pengetahuan yang dimiliki Sistem Pakar bersifat khusus untuk satu domain masalah saja. Semakin banyak pengetahuan yang dimasukan kedalam Sistem Pakar, maka sistem tersebut akan semakin baik dalam bertindak, sehingga hampir menyerupai pakar yang sebenarnya. Struktur Sistem Pakar terdiri atas dua bagian utama, yaitu lingkungan pengembangan development environment dan lingkungan konsultasi consultation environment. Lingkungan pengembangan digunakan untuk memasukkan pengetahuan pakar kedalam lingkungan Sistem Pakar, sedangkan lingkungan konsultasi digunakan pengguna bukan pakar untuk memperoleh pengetahuan pakar Saputra. 2011. Arsitektur yang terdapat dalam Sistem Pakar terdiri dari antarmuka pemakai, basis pengetahuan fakta dan aturan, akuisisi pengetahuan, mekanisme inferensi, workplace, fasilitas penjelasan dan perbaikan pengetahuan. Seperti pada gambar berikut ini : Pemakai Antar Muka Interface Aksi yang direkomendasikan Fasilitas Penjelasan Mesin Inferensi Workplace Perbaikan Pengetahuan Basis Pengetahuan: Fakta dan Aturan Knowledge E i Akuisisi Pakar Fakta tentang kejadian tertentu Universitas Sumatera Utara Gambar 2.2 Arsitektur Sistem Pakar Wijaya. 2007

2.8 Logika Fuzzy

Arti dari Fuzzy yaitu tidak tentu, kabur atau tidak jelas. Istilah fuzzy sets digunakan untuk mengadaptasi konsep kekaburan ke dunia teknis. Bermula dari konsep dasar inilah maka lahirlah salah satu cabang rekayasa yang dikenal dengan fuzzy enginering. Logika fuzzy pertama kali diperkenalkan oleh Lotfi Zadeh UC Berkeley pada tahun 1965, sebagai suatu cara matematis untuk menyatakan keadaan yang tidak menentu samar dalam kehidupan sehari-hari. Ide ini didasarkan pada kenyataan bahwa di dunia ini suatu kondisi sering diinterpretasikan dengan ketidakpastian atau tidak memiliki ketepatan secara kuantitatif, misalnya: panas, dingin, dan cepat. Dengan logika fuzzy, kita dapat menyatakan informasi-informasi yang samar tersebut kurang spesifik, kemudian memanipulasinya, dan menarik suatu kesimpulan dari informasi tersebut. Logika fuzzy ini didasarkan pada teori fuzzy set atau himpunan fuzzy, yang merupakan perkembangan dari teori himpunan klasik Crisp. Konsep fuzzy ini dikenal sejak penerapannya pada sistematika kontrol pada tahun 1980-an. Pada dasarnya, logika fuzzy adalah suatu cara untuk memetakan ruang-ruang input ke dalam suatu ruangan output yang sesuai. Ada banyak cara untuk memetakan ruang input ke output ini, seperti dengan sistem linear, jaringan saraf, dan persamaan differensial. Meskipun banyak cara selain fuzzy, namun fuzzy dianggap memberikan solusi terbaik karena dengan menggunakan fuzzy akan lebih cepat dan lebih murah. Beberapa keuntungan menggunakan logika fuzzy lainnya antara lain Effendi. 2009 : 1. Konsep matematis yang mendasari penalarannya sederhana sehingga mudah dimengerti 2. Memiliki toleransi terhadap data yang tidak tepat 3. Mudah untuk digabungkan dengan teknik-teknik kendali konvensional 4. Mampu memodelkan suatu sistem secara akurat 5. Pengenalan pola-pola secara mudah dan simpel Pada sistem pakar perhitungan ketidakpastian dapat dilakukan dengan beberapa metode, salah satunya adalah dengan logika Fuzzy. Logika Fuzzy merupakan suatu logika yang memiliki nilai kekaburan atau kesamaran antara benar atau salah. Namun berapa besar kebenaran dan kesalahan suatu tergantung pada bobot Universitas Sumatera Utara keanggotaan yang dimilikinya, logika Fuzzy memiliki derajat keanggotaan dalam rentang 0 atau 1. Logika Fuzzy adalah salah satu cara yang tepat untuk memetakan suatau ruang input ke dalam suatu ruang output, memiliki nilai kontinyu. Kelebihan dari logika Fuzzy adalah kemampuan dalam proses penalaran secara bahasa linguistic reasioning, sehingga dalam perancangannya tidak memerlukan persamaan matematik dari objek yang akan dikendalikan. Sedangkan pada logika Fuzzy terdapat sistem inferensi Fuzzy yaitu sistem yang dapat melakukan penalaran dengan prinsip serupa seperti manusia melakukan penalaran dengan nalurinya. Sedangkan pada metode Tsukamoto, setiap konsekuen pada aturan berbentuk IF-Then harus direpresentasikan dengan suatu himpunan Fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil interferensi dari tiap-tiap aturan diberikan secara tegas crisp berdasarkan α-predikat fire strength. Hasil akhirnya diperoleh dengan menggunakan rata-rata berbobot. Pujiyanta, et al. 2012. Sistem fuzzy adalah sistem yang memiliki hubungan langsung dengan konsep fuzzy himpunan fuzzy, variable linguistik dan sebagainya. Karena sistem fuzzy diberikan sekumpulan aturan if–then fuzzy yang diambil dari pengetahuan manusia, maka sistem fuzzy juga disebut sistem berbasis pengetahuan knowledge-based atau sistem berbasis aturan rulebased. Abadi, et al. 2006.

2.9 Himpunan Logika Fuzzy