Fuzzy Logic: Pengertian, Sejarah, Arsitektur, Aplikasi, Kelebihan, dan Kekurangannya

Table of Contents

Fuzzy Logic atau Logika Fuzzy

Pengertian Fuzzy Logic

Fuzzy Logic (Logika kabur/samar) atau logika fuzzy adalah cabang ilmu matematika yang mempunyai fungsi untuk memberikan pemodelan pemecahan masalah seperti yang dilakukan manusia dengan bantuan teknologi komputer. Fuzzy memiliki arti samar atau kabur. Dengannya logika kabur sendiri berarti nilai yang bisa benar atau bisa memiliki salah secara bersamaan.

Baca Juga: Logika: Pengertian, Dasar, dan Komponennya

Kebalikan dari logika kabur yaitu logika tegas. Logika tegas hanya mengenal dua konsep, yaitu "Ya" atau "Tidak" atau apabila diasosiasikan dalam bilangan hanya mengenali 1 atau 0. Sedangkan logika kabur sifatnya samar, sehingga dapat diartikan bahwa logika kabur merupakan logika tak hingga yang memiliki banyak nilai kebenaran yang dinyatakan dalam bilangan riil.

Dalam sistem kecerdasan buatan (AI), logika fuzzy digunakan untuk meniru penalaran dan kognisi manusia. Tujuannya untuk menjembatani bahasa mesin yang presisi dengan bahasa manusia yang menekankan pada makna atau arti (significance). Logika fuzzy umumnya diterapkan pada masalah-masalah yang mengandung unsur ketidakpastian (uncertainty), ketidaktepatan (imprecise), noisy, dsb.

Logika fuzzy dapat digunakan dalam bidang teori kontrol, teori keputusan, dan beberapa bagian dalam managemen sains. Kelebihan dari logika fuzzy adalah mampu dalam proses penalaran secara bahasa (linguistic reasoning), sehingga dalam perancangannya tidak perlu lagi persamaan matematik dari objek yang dikendalikan.

Pengertian Fuzzy Search

Kemudian, dalam perkembangannya juga ada akronim yang disebut dengan fuzzy search. Proses pencarian atau fuzzy search adalah salah satu yang menerapkan algoritma pencarian dengan cara yang lebih lunak daripada algoritma pencarian keras (hard searching) yang hanya cocok dengan hasil yang spesifik dan kaku.

Pencarian fuzzy dapat menjadi jauh lebih efektif untuk beberapa jenis pencarian, karena meskipun mungkin menghasilkan hasil pencarian yang kurang relevan, pencarian ini juga dapat menghasilkan hasil pencarian yang sangat relevan yang telah disaring oleh algoritma pencarian yang terlalu kaku.

Salah satu aplikasi umum dari pencarian fuzzy adalah dalam pencarian akademik atau arsip di mana penting untuk mendapatkan hasil yang memiliki relevansi kurang dari 100% (persen). Karena pengguna begitu sering mencari ide umum daripada label teknis, pencarian fuzzy mengembalikan bidang hasil yang lebih luas dari mana pengguna manusia dapat memilih untuk menentukan relevansi dalam konteks.

Pencarian kabur atau samar ini juga dapat berguna dalam terjemahan dan contoh lain di mana kata atau frasa mungkin tidak cocok secara teknis, meskipun memiliki relevansi tinggi.

Sejarah Awal Fuzzy

Ide logika fuzzy pertama kali dikemukakan oleh seorang pakar atau ahli bernama Lotfi Zadeh yang berasal dari University of California di Berkeley pada tahun 1960-an.  Teori yang dikembangkan oleh Zadeh mengenai logika kabur, merupakan suatu usaha untuk menggabungkan teori matematika dengan intuisi manusia.

Mulanya logika kabur hanya bertujuan untuk memetakan logika matematika dalam bahasa, tetapi gagasan itu meluas hingga mampu digunakan untuk berbagai bidang tidak hanya matematika. Logika kabur merupakan pengembangan dari sistem himpunan yang disebut himpunan kabur (fuzzy set). Teori ini dikembangkan di Amerika Serikat, tetapi banyak diaplikasikan oleh para ilmuwan Jepang.

Di tahun 1970 para peneliti Jepang mampu mengaplikasikan teori logika kabur ke dalam permasalahan teknik. Beberapa produk teknologi yang tercipta dari pengaplikasian teori logika kabur di antaranya, AC dan mesin cuci. Penggunaan mesin cuci dengan menggunakan teori logika kabur dapat memungkinkan untuk mengatur kecepatan perputaran mesin berdasarkan dengan jumlah pakaian yang akan dicuci dengan volume air.

Penggunaan AC dengan menggunakan teori logika kabur mampu menghemat listrik dengan cara mengondisikan pendingin berdasarkan suhu dalam ruangan. Di tahun 1980, teori logika kabur mulai diimplementasikan dalam penggunaan dasar logika untuk komputer modern. Kini teori logika kabur sudah digunakan oleh berbagai teknologi lintas bidang, seperti dalam pembuatan kecerdasan buatan.
 
Teori ini berkembang pesat di Negara Jepang. Alasannya, karena budaya orang Barat, seperti Amerika Serikat memandang suatu rumusan permasalahan hanya bisa dijawab oleh “Ya” atau “Tidak” atau biasa disebut dengan logika biner Aristoteles. Sedangkan budaya orang Timur, termasuk di dalamnya masyarakat Jepang terbiasa dengan istilah dunia abu-abu, yang memiliki kemungkinan 0 dan 1 dalam memecahkan rumusan masalah.

Arsitektur pada Fuzzy

Arsitektur Fuzzy Logic memiliki 4 (empat) bagian utama di antaranya,
1. Base Rule
Basis aturan atau rule base berisi semua aturan dan kondisi jika-maka yang ditawarkan oleh para ahli untuk mengontrol sistem pengambilan keputusan. Pembaruan terbaru dalam teori atau fuzzy theory menyediakan berbagai metode untuk desain dan penyetelan pengontrol fuzzy. Pembaruan ini secara signifikan mengurangi jumlah himpunan aturan fuzzy.

2. Fuzzifier
Fuzzifikasi atau fuzzyfier, langkah fuzzifikasi membantu untuk mengkonversi input, serta memungkinkan untuk mengonversi angka yang jelas menjadi himpunan fuzzy. Masukan tajam diukur oleh sensor dan diteruskan ke sistem kontrol untuk diproses lebih lanjut. Hal tersebut termasuk seperti untuk suhu kamar, tekanan, dan lain sebagainya.

3. Intelligence atau Inference Engine
Bagian dari arsitektur ini membantu untuk menentukan tingkat kecocokan antara input fuzzy dan rule atau aturannya. Berdasarkan tingkat persen (%) kecocokan, ini menentukan aturan mana yang perlu diterapkan sesuai dengan bidang input yang diberikan. Setelah ini, aturan yang diterapkan digabungkan untuk mengembangkan tindakan kontrol.

4. Defuzzifier
Defuzzifikasi atau defuzzyfier, setelah melalui semua proses sebelumnya, seperti yang sudah dijelaskan di atas, maka dilakukan proses defuzzifikasi untuk mengubah himpunan fuzzy menjadi nilai crisp. Ada banyak jenis teknik yang tersedia, jadi perlu memilihnya yang paling cocok ketika digunakan dengan sistem.

Aplikasi Fuzzy Logic

Contoh pengaplikasian Logika Fuzzy dalam teknologi kehidupan di antaranya,
1. Pada tahun 1990 pertama kali dibuat mesin cuci dengan logika fuzzy di Jepang (Matsushita Electric Industrial Company). Sistem fuzzy digunakan untuk menentukan putaran yang tepat secara otomatis berdasarkan jenis dan banyaknya kotoran serta jumlah yang akan dicuci.

Input yang digunakan adalah seberapa kotor, jenis kotoran, dan banyaknya yang dicuci. Mesin ini menggunakan sensor optik , mengeluarkan cahaya ke air dan mengukur bagaimana cahaya tersebut sampai ke ujung lainnya. Makin kotor, maka sinar yang sampai makin redup. Di samping itu, sistem juga dapat menentukan jenis kotoran (daki atau minyak).

2. Kontrol pemberhentian otomatis pada kereta bawah tanah pada area tertentu. Telah diterapkan pada Kereta bawah tanah Sendai.
3. Transmisi otomatis pada mobil. Beberapa Mobil telah menggunakan sistem fuzzy pada transmisi otomatis, dan mampu menghemat bensin 12 – 17%.
4. Manajemen pengambilan keputusan, misalnya pada pengambilan keputusan kedokteran, militer, tata letak suatu wilayah dan juga untuk pencocokan pola.
5. Games yang didasarkan pada logika fuzzy.
6. Teknologi yang diterapkan pada lingkungan, misalnya untuk penentuan cuaca dan prediksi cuaca, tingkat kendali kualitas air dari tingkat pencemarannya.

Kelebihan dan Kekurangan Logika Fuzzy

Berikut kelebihan dan kekurangan dari algoritma logika fuzzy
Kelebihan
1. Sistem yang dibangun dengan logika fuzzy dapat bekerja dengan berbagai jenis input, baik yang tidak presisi, terdistorsi, maupun mengandung informasi yang noise
2. Rancangan sistem logika fuzzy cukup mudah dan dapat dimengerti.
3. Logika fuzzy hadir dengan konsep matematika dari teori himpunan dan penalarannya cukup sederhana.
4. Dapat memberikan solusi yang sangat efisien untuk masalah kompleks di semua bidang kehidupan karena menyerupai penalaran dan pengambilan keputusan manusia.
5. Logika Fuzzy dapat dikodekan menggunakan lebih sedikit data, sehingga tidak menempati ruang memori yang besar
6. Algoritma ini fleksibel dan aturannya dapat dimodifikasi

Kekurangan
1. Keakuratan sistem dapat terganggu karena sebagian besar sistem bekerja pada data dan input yang tidak akurat
2. Tidak ada pendekatan sistematis tunggal untuk memecahkan masalah menggunakan logika fuzzy. Akibatnya, banyak solusi muncul untuk masalah tertentu, yang bisa menyebabkan kebingungan
3. Kelemahan utama dari sistem kontrol logika fuzzy adalah bahwa algoritma ini sepenuhnya bergantung pada pengetahuan dan keahlian manusia
4. Kita harus memperbarui aturan sistem kontrol logika fuzzy secara teratur
5. Algoritma ini tidak dapat mengenali pembelajaran mesin atau jaringan saraf
6. Algoritma memerlukan banyak pengujian untuk validasi dan verifikasi

Dari berbagai sumber

Download