- Konsep Dasar Logika Fuzzy
Sistem Fuzzy ditemukan pertama kali oleh Prof. Lotfi Zadeh pada pertengahan tahun 1960 di Universitas California. Sistem ini diciptakan karena boolean logic tidak mempunyai ketelitian yang tinggi, hanya mempunyai logika 0 dan 1 saja. Sehingga untuk membuat sistem yang mempunyai ketelitian yang tinggi maka kita tidak dapat menggunakan boolean logic. Bedanya fuzzy dengan boolean logic dapat diilustrasikan pada gambar 1.
Dari contoh gambar 1, pada saat suhu berada pada 75° maka sistem yang pertama akan bingung karena batas kondisi dingin < 75 dan kondisi panas > 75°, pada fuzzy logic, suhu 75° dapat dinyatakan dengan 0.50 dingin dan 0.50 panas. Pengambilan nilai 0.50 berasal dari proses fuzzifikasi yang akan diterangkan pada proses fuzzification.
- Blok Diagram Fuzzy logic Control
Gambar 2. Blok Diagram Fuzzy Logic Control
- Fuzzification
Gambar 3. Proses Fuzzification
Fuzzifikasi yaitu suatu proses untuk mengubah suatu masukan dari bentuk tegas
(crisp) menjadi fuzzy (variabel linguistik) yang biasanya disajikan dalam bentuk
himpunan-himpunan fuzzy dengan suatu fungsi kenggotaannya masing-masing. Contoh
dari proses Fuzzification adalah seperti yang ditunjukkan di gambar 4. Sebuah
sistem fuzzy untuk mengukur suhu mempunyai 5 buah membership function yang
mempunyai label sangat dingin, dingin, hangat, panas, sangat panas. Kemudian
input yang diperoleh dari crisp input adalah 47° maka pengambilan fuzzy input-nya
adalah seperti pada gambar 4.
Gambar 4. Proses perubahan dari crisp input menjadi fuzzy input
Sehingga didapat 2 fuzzy
input yang masing-masing adalah: dingin (x2) dan hangat (x1). Nilai x1 dan x2
dapat dicari dengan rumus persamaan garis. Yang menentukan sistem anda sensitif
atau tidak adalah membership function ini. Jika membership function-nya banyak
maka sistem anda menjadi sensitif. Yang dimaksud dengan sensitif dalam hal ini
adalah jika input-nya berubah sedikit saja maka sistem akan cepat merespon dan menghasilkan
suatu output lain. Output dari proses fuzzification ini adalah sebuah nilai
input fuzzy atau yang biasanya dinamakan fuzzy input.
- Membership Function
Fungsi keanggotaan
(membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik
input data ke dalam nilai keanggotaannya yang memiliki interval antara 0 sampi
1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan
adalah dengan melalui pendekatan fungsi.
- Rule Base
Gambar 5. Diagram blok proses Rule Evaluation
Basis aturan berisi
aturan-aturan fuzzy yang digunakan untuk pengendalian sistem. Aturan-aturan ini
dibuat berdasarkan logika dan intuisi manusia, serta berkaitan erat dengan
jalan pikiran dan pengalaman pribadi yang membuatnya. Jadi tidak salah bila
dikatakan bahwa aturan ini bersifat subjektif, tergantung dari ketajaman yang
membuat. Aturan yang telah ditetapkan digunakan untuk menghubungkan antara
variabel-variabel masukan dan variabel-variabel keluaran. Aturan ini berbentuk
‘JIKA – MAKA’ (IF ± THEN). Prosesnya adalah sebagai berikut: suatu nilai fuzzy
input yang berasal dari proses fuzzification kemudian dimasukkan kedalam sebuah
rule yang telah dibuat untuk dijadikan sebuah fuzzy output.
- Defuzzifikasi
Gambar 6. Proses Defuzzification
Defuzzifikasi dapat
didefinisikan sebagai proses pengubahan besaran fuzzy yang disajikan dalam
bentuk himpunan-himpunan fuzzy keluaran dengan fungsi keanggotaannya untuk
mendapatkan kembali bentuk tegasnya (crisp). Hal ini diperlukan sebab dalam
aplikasi nyata yang dibutuhkan adalah nilai tegas (crisp). Prosesnya adalah sebagai
berikut: suatu nilai fuzzy output yang berasal dari rule evaluation diambil
kemudian dimasukkan ke dalam suatu membership function output. Bentuk bangun yang
digunakan dalam membership function output adalah bentuk singleton yaitu garis
lurus vertikal ke atas, seperti yang ditunjukkan pada gambar 6. Besar nilai
fuzzy output dinyatakan sebagai degree of membership function output.
Nilai-nilai tersebut dimasukkan ke dalam suatu rumus yang dinamakan COG (Center
Of Gravity) untuk mendapatkan hasil akhir yang disebut crisp output. Crisp
output adalah suatu nilai analog yang akan
kita butuhkan untuk mengolah data pada sistem yang telah dirancang.
Tidak ada komentar:
Posting Komentar