FUZZY LOGIC

[KEMBALI KE MENU SEBELUMNYA]

DAFTAR ISI

1. Pengertian Fuzzy Logic

2. Mengapa dan kapan Perlu Fuzzy Logic

3. Non Fuzzy Logic dan Fuzzy Logic

4. Video

5. Link Video

1. Pengertian Fuzzy Logic [kembali]

Fuzzy logic adalah sebuah metodologi "berhitung" dengan variabel kata-kata (linguistic variable), sebagai pengganti berhitung dengan bilangan. 

Gambar 1.1 Bahasa presisi vs bahasa bermakna

2. Mengapa dan Kapan Perlu Fuzzy Logic [kembali]

   

• Beberapa alasan mengapa menggunakan fuzzy logik yaitu :
• Mudah dipahami
• Fleksibel
• Memberikan toleransi terhadap ketidakpresisian data
• Pemodelan untuk mencari data input-output dari sembarang sistem bisa dilakukan dengan memakai sistem fuzzy
• Pengetahuan dan pengalaman dari pakar dapat dengan mudah dipakai untuk membangun fuzzy logic
• Fuzzy logic dapat diterapkan dalam desain sistem kontrol tanpa harus menghilangkan teknik desain kontrol konvesional yang sudah terlebih dahulu ada
• Fuzzy logic berdasar pada manusia

• Kapan fuzzy logic digunakan ketika memecahkan masalah pemetaan non-linier yang tidak memprioritaskan kepresisian.

3. Non Fuzzy Logic dan Fuzzy Logic [kembali]

Untuk membedakan antara non fuzzy logic dan fuzzy logic dapat dilihat pada contoh soal :

Rata-rata tip atau bonus yang pantas diberikan kepada seorang pelayan restoran adalah 15% dari total pembelian, meskipun besar bonus yang sesungguhnya bisa bervariasi tergantung kualitas pelayanan yang diberikan. Dalam ilustrasi contoh, kualitas pelayan diberi skor antara 0 sampai 10, dimana kualitas 0 berarti jelek dan 10 berarti sangat memuaskan. Masalah yang harus dipecahkan yaitu bagaimana menentukan besar bonus untuk seorang pelayan resto berdasarkan kualitas pelayanan

• Non Fuzzy Logic

        bonus = 0.15;

Model diatas mengabaikan kualitas pelayanan, tidak membedakan pelayanan buruk dan pelayanan memuaskan, maka terasa tidak adil. Agar bisa adil :

bonus = 0.2/10 * pelayanan + 0.5;

Model diatas sudah terasa cukup adil, tetapi belum menyertakan kualitas dari makanan yang disajikan, sehingga agar lebih adil :

bonus = 0.20/10 * (pelayanan+makanan)+0.05;

Model diatas tidak cukup baik karena kualitas makanan dianggap memberikan kontribusi yang sama dengan kualitas pelayanan didalam penentuan total bonus. Agar lebih adil :

bobotpelayanan = 0.8;

if pelayanan <3,

bonus = ((0.10/3)* pelayanan + 0.05) *bobotpelayanan +....

(1-bobotpelayanan)* (0.20/10* makanan + 0.05);

else if pelayanan <7,

bonus = (0.15) *bobotpelayanan +....

(1-bobotpelayanan)* (0.20/10* makanan + 0.05);

else 

bonus = ((0.10/3)* (pelayanan - 7 ) + 0.15) *bobotpelayanan +....

(1-bobotpelayanan)* (0.20/10* makanan + 0.05);

end

• Fuzzy Logic

Dengan menggunakan pendekatan fuzzy logic maka pemodelan dapat lebih sederhana  hanya berdasarkan pada beberapa IFTHEN rule yang mudah dipahami. Sehingga untuk kualitas pelayanan dan makanan menjadi :

if service is poor or food is rancid,

then bonus is cheap

if service is good,

then bonus is average

if service is excellent or food is delicious, 

then bonus is generous

4. Video [kembali]

5. Link Video [kembali]

• Video 1 [Klik disini]
• Video 2 [Klik disini]