FUZZY LOGIC & SOFT COMPUTING DAN PENERAPANNYA DENGAN KECERDASAN BUATAN
PENG. TEKNOLOGI SISTEM CERDAS #
DISUSUN OLEH:
ABDUL HAFIZ ICHWAN 10115017
ATIKA ANIS 11115113
CENDY PUTRA BUDIAMAN 11115447
CLARISSA FEBRI PRAMESWARI 11115530
UNIVERSITAS GUNADARMA
DEPOK
ABSTRAKSI
Logika Fuzzy adalah suatu proses pengambilan keputusan
berbasis aturan yang bertujuan untuk memecahkan masalah, dimana sistem tersebut
sulit untuk dimodelkan atau terdapat ambiguitas dan ketidakjelasan yang
berlimpah. Logika Fuzzy ditentukan oleh persamaan logika bukan dari persamaan
diferensial komplek dan berasal dari pemikiran yang mengidentifikasi serta
mengambil keuntungan dari grayness antara dua ekstrem. Sistem logika fuzzy
terdiri dari himpunan fuzzy dan aturan fuzzy. Subset fuzzy merupakan himpunan
bagian yang berbeda dari variabel input dan output. Aturan fuzzy berhubungan
dengan variabel masukan dan variabel output melalui subset. Mengingat
seperangkat aturan fuzzy, sistem dapat mengkompensasi dengan cepat dan efisien.
Paper ini akan menjelaskan tentang penerapan logika fuzzy/fuzzy logic dengan
artificial intelligent atau kecerdasan buatan.
Kata kunci: Logika Fuzzy , Kecerdasan Buatan.
1.
PENDAHULUAN
Artificial Intelligence atau yang lebih sering disingkat
dengan AI merupakan kecerdasan buatan/bikinan atau sebuah kecerdasan yang
ditanamkan dalam sistem yang dapat dikelola dalam konteks ilmiah atau
Artificial Intelligence (inteligensi artifisial). AI bisa juga diartikan
sebagai kecerdasan yang berwujud ilmiah. Sistem yang dibenamkan AI biasanya
adalah sistem yang berkaitan dengan komputer atau robot. AI sendiri dibuat dan
dibenamkan dalam mesin komputer supaya ia bisa mengerjakan pekerjaan layaknya
manusia. Hal ini tentu saja akan mempermudah dan mempersingkat suatu pekerjaan
agar lebih praktis dan efisien dalam menghemat waktu pengerjaan. Namun begitu,
bukan berarti AI adalah robot yang selalu bekerja membantu manusia. Beberapa
macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar,
permainan komputer (games), logika fuzzy, jaringan syaraf tiruan dan robotika.
Logika Fuzzy adalah peningkatan dari logika Boolean yang
mengenalkan konsep kebenaran sebagian. Di mana logika klasik menyatakan bahwa
segala hal dapat diekspresikan dalam istilah binary (0 atau 1, hitam atau
putih, ya atau tidak), logika fuzzy menggantikan kebenaran boolean dengan
tingkat kebenaran. Orang yang belum pernah mengenal logika fuzzy pasti akan
mengira bahwa logika fuzzy adalah sesuatu yang amat rumit dan tidak
menyenangkan. Namun, sekali seseorang mulai mengenalnya, ia pasti akan sangat
tertarik dan akan menjadi pendatang baru untuk ikut serta mempelajari logika
fuzzy. Logika fuzzy dikatakan sebagai logika baru yang lama, sebab ilmu tentang
logika fuzzy modern dan metodis baru ditemukan beberapa tahun yang lalu,
padahal sebenarnya konsep.
2.
Teori Dasar
2.1. Logika Fuzzy
Logika Fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh
pada tahun1965. Teori ini banyak diterapkan di berbagai bidang, antara lain
representasipikiran manusia kedalam suatu sistem. Banyak alasan mengapa
penggunaanlogika fuzzy ini sering dipergunakan antara lain, konsep logika fuzzy
yang miripdengan konsep berpikir manusia. Sistem fuzzy dapat
merepresentasikanpengetahuan manusia ke dalam bentuk matematis dengan lebih
menyerupai caraberpikir manusia.Pengontrol dengan logika fuzzy mempunyai
kelebihan yaitudapat mengontrol sistem yang kompleks, non-linier, atau sistem
yang sulitdirepresentasikan kedalam bentuk matematis.Selain itu, informasi
berupapengetahuan dan pengalaman mempunyai peranan penting dalam
mengenaliperilaku sistem di dunia nyata.
Logika fuzzy juga memiliki himpunan fuzzy yang mana pada
dasarnya, teorihimpunan fuzzy merupakan perluasan dari teori himpunan klasik.
Dimana dengan logika fuzzy, hasil yang keluar tidak akan selalu konstan dengan
input yang ada.Cara kerja logika fuzzy secara garis besar terdiri dari input,
proses dan output.Logika fuzzy merupakan suatu teori himpunan logika yang
dikembangkan untukmengatasi konsep nilai yang terdapat diantara kebenaran
(truth) dan kesalahan(false). Dengan menggunakan fuzzy logic nilai yang
dihasilkan bukan hanya ya(1) atau tidak (0) tetapi seluruh kemungkinan diantara
0 dan 1.
2.2 Perangkat Lunak Kecerdasan Buatan
Perangkat lunak kecerdasan buatan membuat baik penggunaan
fuzzy logic di daerah yang tidak memiliki aturan yang jelas atau nilai-nilai
absolut. Dalam setiap kasus di mana jawabannya akan “kadang-kadang” atau
“mungkin,” logika fuzzy sangat membantu. Kredit – Fuzzy logic dapat digunakan
untuk membantu mengevaluasi kredit peminjam. Kadang-kadang, peminjam yang
memiliki skor kredit yang rendah harus diberikan kredit, jika mereka memiliki
atribut positif lainnya, seperti pendapatan yang stabil dan aset yang cukup.
Baca lebih lanjut di Aplikasi Logika Fuzzy untuk Perbankan dan Pinjaman .
Dalam Robotika – Fuzzy logic adalah sangat berguna dalam
membantu robot memutuskan apa yang harus dilakukan dengan input sensorik.
Setiap jenis kontak akan memerlukan respon yang berbeda, tergantung pada
sejumlah factors.Read lebih lanjut tentang peran AI dalam teknologi robot saat
ini, di Robotika dan Kecerdasan Buatan Campurkan dalam Perang Robot modern .
Business Intelligence – aplikasi Fuzzy logic dapat membantu eksekutif
mengevaluasi keputusan berdasarkan sejumlah kriteria. Aplikasi logika fuzzy dapat
digunakan untuk berbagai solusi AI. Jenis algoritma pengolahan informasi bisa
sangat sulit untuk membuat, tetapi hasilnya sangat besar.
3.
Pembahasan
Logika Fuzzy, yang dalam bahasa Indonesia dapat diartikan
sebagai Logika Kabur atau Logika Samar, dapat dikatakan sebagai “logika baru
yang sudah lama”. Hal ini karena ilmu tentang logika fuzzy secara modern dan
metodis ditemukan pada tahun 1965, namun konsep logika fuzzy sudah melekat pada
diri manusia, sejak manusia ada. Konsep logika fuzzy dapat dengan mudah kita
temukan pada perilaku manusia dalam kesehariannya, misalnya: - Pedal gas
kendaraan akan kita tekan dengan tekanan tertentu sesuai kecepatan yang kita
inginkan. (Berapa besar tekanan yang kita berikan?) - Kita cenderung memberi
hadiah kepada seseorang dengan nilai tertentu sesuai dengan manfaat orang
tersebut kepada kita. (Berapa besar nilai hadiah yang akan kita berikan?) Kita
akan marah kepada orang yang merugikan kita. (Berapa besar kemarahan kita?)Kita
tidak bisa menjawab dengan pasti pertanyaan-pertanyaan yang muncul di atas.
Inilah beberapa contoh kasus yang bisa dijelaskan menggunakan konsep logika
fuzzy. Sebagai contoh adalah robot yang menggunakan fuzzy logic dapat
memprediksikan kapan ia harus bertindak atau menghindar saat ada halangan di
depannya dengan hanya ada peringatan ‘awas’ dan tanpa ada hitungan matematis
yang diberikan oleh user. Sedangkan robot yang menggunakan alogaritma
pemrograman konvensional tidak akan dapat memutuskan sendiri untuk menghindar
dari halangan yang ada di depannya.
3.1.
Perbedaan Logika Klasik Atau Tegas Dengan Logika Fuzzy
Perbedaan antara kedua jenis logika ini adalah
logika fuzzy memiliki nilai 0 hingga 1, sedangkan logika tegas 0 dan 1.Secara
grafik perbedaan logika fuzzy dan logika tegas ditunjukan pada gambar 3.1.
Gambar 3.1 Perbedaan
logika fuzzy (a) dan logika tegas (b)
Pada gambar 3.1 (a) apabila x lebih dari atau sama
dengan 10 baru dikatakan benar yaitu y=1, sebaliknya nilai x kurang dari 10
adalah salah yaitu y=0. Maka angka 9, 8, dan 7 dan seterusnya adalah dikatakan
salah. Pada gambar 2.1 (b) nilai x= 9, 8, atau 7 atau nilai antara 0 – 10 dapat
dikatakan benar dan dapat dikatakan salah. Dalam contoh kehidupan kita
seseorang dikatakan sudah dewasa apabila berumur 17 tahun, maka siapapun yang
kurang umur dari 17 tahun didalam logika tegas akan dikatakan sebagai belum
dewasa atau anak-anak. Sedangkan dalam hal ini pada logika fuzzy umur 17 tahun
dapat dikategorikan dewasa tapi belum dewasa, misal untuk umur 16 tahun dan 15
tahun atau 14 tahun dan 13 tahun. Secara grafik dapat digambarkan sebagai
berikut.
Gambar 3.2 Perbandingan
contoh logika tegas (a) logika fuzzy (b).
3.2. Aturan Fuzzy IF-THEN
Metode penalaran secara monoton digunakan sebagai dasar
untuk teknik implikasi fuzzy. Meskipun penalaran ini sudah jarang sekali
digunakan, namun kadang masih digunakan untuk penskalaan fuzzy. Jika 2 variabel
fuzzy direlasikan dengan implikasi sederhana sebagai berikut :
If x is A Then Y is B
atau y=f((x,A),B)
maka sistem fuzzy dapat berjalan tanpa harus melalui
komposisi dan dekomposisi fuzzy. Nilai output dapat diestimasi secara langsung
dari nilai keanggotaan yang berhubungan dengan antesendennya. Aturan Fuzzy
If-Then (atau disebut juga aturan fuzzy, fuzzy implikasi, atau pernyataan
kondisional Fuzzy) adalah aturan yang digunakan untuk merumuskan relasi
conditional antara 2 atau lebih himpunan fuzzy.
Bentuk umum : If (X1
is A1)Ù (X2 is A2) … (Xn is An) Then Y is B; xi, yi skalar, dan A, B himpunan
Fuzzy
Menurut Kusumadewi (2004) Ada 2 fungsi implikasi yang
digunakan yaitu :
1. Min (minimum), fungsi ini akan memotong output
(konsekuen) himpunan fuzzy.
2. Dot (product), fungsi ini akan menskala output himpunan
fuzzy.
Contoh Implementasi
Gambar 1. (a) Aplikasi fungsi implikasi menggunakan
operator min
(b) Aplikasi fungsi implikasi menggunakan
operator dot
3.3. Alasan digunakannya Logika Fuzzy
Ada beberapa alasan mengapa orang menggunakan logika fuzzy,
antara lain:
1. Konsep logika fuzzy mudah dimengerti. Konsep matematis
yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
2. Logika fuzzy sangat fleksibel.
3. Logika fuzzy memiliki toleransi terhadap data-data yang
tidak tepat.
4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear
yang sangat kompleks.
5. Logika fuzzy dapat membangun dan mengaplikasikan
pengalaman pengalaman para pakar secara langsung tanpa harus melalui proses
pelatihan.
6. Logika fuzzy dapat bekerjasama dengan teknik-teknik
kendali secara konvensional.
7. Logika fuzzy didasarkan pada bahasa alami
3.4. Aplikasi yang menggunakan Logika Fuzzy
1. Manajemen dan pengambilan keputusan, seperti manajemen
basisdata yang didasarkan pada logika fuzzy, tata letak pabrik yang didasarkan
pada logika fuzzy, sistem pembuat keputusan di militer yang didasarkan pada
logika fuzzy, pembuatan games yang didasarkan pada logika fuzzy, dll.
2. Ekonomi, seperti pemodelan fuzzy pada system pemasaran
yang kompleks dll.
3. Klasifikasi dan pencocokan pola.
4. Psikologi, seperti logika fuzzy untuk menganalisis
kelakuan masyarakat, pencegahan dan investigasi kriminal, dll.
5. Ilmu-ilmu sosial, terutam untuk pemodelan informasi yang
tidak pasti.
6. Ilmu lingkungan, seperti kendali kualitas air, prediksi
cuaca, dll.
7 Jurnal ELKHA Vol.4, No 2,Oktober 2012 4.
4. Kesimpulan
1. Logika merupakan ilmu yang sangat penting untuk
dipelajari, karena merupakan ilmu dasar bagi ilmuilmu yang lain. Hal ini dapat
dilihat dari beberapa contoh yang dipaparkan di atas. Selain itu, logika juga
merupakan ilmu untuk berpikir secara sistematis, sehingga mudah dipahami dan
dapat dirunut kebenarannya.
2. Logika juga sangat banyak digunakan pada dunia
pemrograman, karena hampir setiap bahasa pemrograman menggunakan logika dalam
pemecahan permasalahan dan setiap decision-nya. Oleh karena itu, sangat penting
kiranya untuk mempelajari logika.
5. Referensi:
[1] Kusumadewi, Sri. Artificial Intelligence (Teknik dan
Aplikasinya) Graha Ilmu, Yogyakarta, 2002.
[2] Kosko, Bart. Neural Network and Fuzzy Systems (A Dynamic
Systems Approach to Machine Intelligence), USA Prenticee-Hall,1992.
[3] Suparman, Mengenal Artificial Intelligence, Edisi-1,
Andi Offset, Yogyakarta, 1991.
[4] Wang, L. A Course in Fuzzy Systems and Control,
Prentice-Hall International, Inc., New Jersey, 1997.
[5] Zimmermann, Fuzzy Set Theory an Its Applications, Second
Edition, Kluwer Academic Publishers, 1991.
[5] Aziz, Shahariz Abdul. “You Fuzzyin’ With Me?” 1996.
Online posting. 13 Dec. 2002.
[6] Kosko, Bart. “Fuzzy Thinking: The New Science of Fuzzy
Logic.” Hyperion. New York. 1993.
[7] “Tour Of Fuzzy Logic Functions.” Wolfram Reasearch, Inc.
28 Nov. 2002.
