Logika Fuzzy

Tujuan Pembelajaran

1. Menjelaskan konsep dasar Logika Fuzzy dan perbedaannya dengan logika klasik.
2. Mengidentifikasi komponen utama dalam sistem Logika Fuzzy.
3. Membuat fungsi keanggotaan (membership function) sederhana.
4. Menyusun aturan fuzzy (IF–THEN) dan menjelaskan proses inferensi.
5. Melakukan defuzzifikasi untuk menghasilkan output tegas (crisp).

Materi Pokok

1. Pengantar Logika Fuzzy

Diperkenalkan oleh Lotfi A. Zadeh pada tahun 1965, Logika Fuzzy digunakan untuk merepresentasikan konsep samar seperti “tinggi”, “panas”, “cepat”, dan “cukup”. Dalam logika klasik, nilai hanya 0 atau 1, sedangkan dalam logika fuzzy, nilai berada di antara 0–1.

Contoh: Suhu 30°C dapat memiliki keanggotaan 0,6 dalam “Panas” dan 0,4 dalam “Normal”.

2. Perbandingan Logika Klasik vs Logika Fuzzy

3. Komponen Sistem Fuzzy

1. Fuzzifikasi – Mengubah input numerik menjadi derajat keanggotaan fuzzy.
2. Basis Pengetahuan – Kumpulan himpunan fuzzy dan aturan IF–THEN.
3. Inferensi Fuzzy – Proses evaluasi aturan fuzzy untuk menentukan output fuzzy.
4. Defuzzifikasi – Mengubah hasil fuzzy menjadi nilai tegas (crisp).

4. Fungsi Keanggotaan (Membership Function)

Digunakan untuk menentukan derajat keanggotaan suatu nilai terhadap himpunan fuzzy.

Contoh Fungsi Segitiga:

μ(x) = 0, jika x ≤ a atau x ≥ c
μ(x) = (x - a) / (b - a), jika a < x ≤ b
μ(x) = (c - x) / (c - b), jika b < x < c
  

Selain segitiga, bentuk lain seperti trapesium dan Gaussian juga umum digunakan.

5. Inferensi Fuzzy

• Metode Mamdani – berbasis aturan linguistik (paling umum digunakan).
• Metode Sugeno – konsekuen aturan berupa fungsi matematis.

Contoh Aturan:

IF Suhu = Panas AND Kelembapan = Rendah
THEN Kecepatan Kipas = Cepat
  

6. Defuzzifikasi

Proses mengubah hasil fuzzy menjadi nilai tegas. Metode yang sering digunakan antara lain:

• Centroid (Center of Gravity) – mencari rata-rata tertimbang nilai output fuzzy.
• Mean of Maximum (MOM)
• Smallest/Largest of Maximum

7. Contoh Kasus: Sistem Kontrol Kecepatan Kipas

• Input: Suhu (Dingin, Normal, Panas)
• Output: Kecepatan Kipas (Lambat, Sedang, Cepat)

Aturan:

• IF Suhu = Dingin THEN Kecepatan = Lambat
• IF Suhu = Normal THEN Kecepatan = Sedang
• IF Suhu = Panas THEN Kecepatan = Cepat

Dengan inferensi Mamdani dan defuzzifikasi centroid, sistem menghasilkan nilai output kipas yang menyesuaikan kondisi suhu aktual.

Aktivitas dan Tugas

Referensi

• Zadeh, L. A. (1965). Fuzzy Sets. Information and Control, 8(3), 338–353.
• Kusumadewi, S. (2003). Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu.
• Ross, T. J. (2010). Fuzzy Logic with Engineering Applications. Wiley.