LOGIKA SAMAR (FUZZY LOGIC)

Logika samar atau fuzzy logic merupakan teknik penyelesaian masalah ketidak pastian.Logika samar digunakan untuk menyelesaikan masalah ketidakpastian yang sering terjadi dalam kehidupan manusia yang tidak dapat diselesaikan dengan logika konvensional.

Dengan menggunakan logika samar  keterbatasan kondisi tersebut dapat diselesaikan dengan menggunakan himpunan fuzzy atau himpunan samar yang biasa disebut fuzzy set. Himpunan fuzzy atau fuzzy set akan menggolongkan anggota masing-masing himpunan dengan menentukan nilai derajat penggolongan untuk tiap anggota.

Logika Fuzzy adalah peningkatan dari logika Boolean yang berhadapan dengan konsep kebenaran sebagian. Saat logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah biner (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy menggantikan kebenaran boolean dengantingkat kebenaran.

Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak pasti seperti "sedikit", "lumayan", dan "sangat". Logika ini berhubungan dengan set fuzzy dan teori kemungkinan. Logika fuzzy diperkenalkan oleh Dr.Lotfi Zadeh dari Universitas California, Berkeley pada 1965.

Logika fuzzy dan logika probabilitas secara matematis sama - keduanya mempunyai nilai kebenaran yang berkisar antara 0 dan 1 - namun secara konsep berbeda. Logika fuzzy berbicara mengenai "derajat kebenaran", sedangkan logika probabilitas mengenai "probabilitas, kecenderungan". Karena kedua hal itu berbeda, logika fuzzy dan logika probabilitas mempunyai contoh penerapan dalam dunia nyata yang berbeda.

Dewasa ini,  Fuzzy Logic merupakan salah satu metode yang memiliki aplikasi luas di bidang kontrol. Perkembangan Fuzzy sangat pesat, karena konsep logika fuzzy mudah dimengerti dan fleksibel.

Oleh karena itu, dalam tulisan ini saya akan mengangkat tema tentang penerapan aplikasi Fuzzy Logic dalam kehidupan sehari-hari. Sebelum membahas mengenai aplikasinya, kita perlu mengetahui hal-hal yang terdapat pada sistem fuzzy yaitu :

• Variabel Fuzzy

Merupakan variabel yang hendak dibahas dalam suatu system fuzzy, seperti umur, temperatur, dsb

• Himpunan Fuzzy

Merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.

• Semesta Pembicaraan

Adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy.

• Domain

Adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.

• Fungsi Keanggotaan

Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukan pemetaan titik – titik input data kedalam nilai keanggotaanya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1 (Kusumadewei, 2004 : p8). Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi.

Aplikasi Logika Fuzzy dalam kehidupan sehari-hari adalah sebagai berikut :

1. Logika Fuzzy untuk Sistem Pengaturan Suhu Ruangan

Untuk menentukan suhu dalam suatu ruangan, kita dapat menentukannya menggunakan Logika Fuzzy. Aturan dalam kontrol, mudah didefinisikan menggunakan kata-kata misalkan :

-         jika suhu dalam suatu ruangan dingin maka naikkan suhu penghangat.

-         jika suhu dalam suatu ruangan panas maka naikkan suhu pendingin.

1. Logika Fuzzy untuk Sistem Pengaturan Lampu Lalulintas

Logika fuzzy dalam pengaturan lampu lalulintas amat diperlukan untuk memperlancar arus lalulintas. Dengan adanya system yang bekerja secara otomatis diharapkan angka kecelakaan yang disebabkan oleh masalah lampu lalulintas dapat berkurang. Selain itu dengan adanya lampu lalulintas yang otomatis tentu saja akan mengurangi tugas polisi lalulintas, sehingga mereka bisa mengerjakan hal-hal lain yang belum teratasi.

Sedangkan sebagai dasar pengendalian dari sistem yang dijalankan, digunakan algoritma logika fuzzy. Untuk memudahkan pengendalian lampu lalulintas, ada beberapa istilah yang digunakan dalam pengendaliannya antara lain :

• Untuk kepadatan jumlah kendaraan adalah :

-         Tidak Padat (TP),

-         Kurang Padat (KP),

-         Cukup Padat (CP),

-         Padat (P) dan

-         Sangat Padat (SP).

• Sedangkan untuk lama nyala lampu adalah :

-         Cepat (C),

-         Agak Cepat (AC),

-         Sedang (S),

-         Agak Lama (AL) dan

-         Lama (L).

Jelas istilah-istilah tersebut dapat menimbulkan makna ganda (ambiguity) dalam pengertiannya. Logika Fuzzy dapat mengubah makna ganda tersebut ke dalam model matematis sehingga dapat diproses lebih lanjut untuk dapat diterapkan dalam sistem kendali.

Untuk menyelesaikan masalah tersebut digunakan teori himpunan Fuzzy, logika bahasa dapat diwakili oleh sebuah daerah yang mempunyai jangkauan tertentu yang menunjukkan derajat keanggotaannya (fungsi keanggotaan). Untuk kasus disini, sebut saja derajat keanggotaan itu adalah u(x) untuk x adalah jumlah kendaraan.

1. Logika Fuzzy untuk Sistem Penggajian Karyawan

Dengan adanya system penggajian karyawan menggunakan logika Fuzzy  maka karyawan akan menerima gaji yang benar-benar sesuai dengan apa yang karyawan tersebut kerjakan karena mesin tidak mungkin melakukan korupsi.

Misalkan untuk mengevaluasi suatu pekerjaan, ada m faktor yang berpengaruh, tiap-tiap faktor terdiri-dari n level. Sehingga faktor ke-i level ke-j dapat ditulis sebagai xij. Diasumsikan bahwa, level yang lebih tinggi pada suatu faktor (nilai j naik) menunjukkan bahwa kompleksitas pekerjaannya lebih tinggi. Hubungan ini dapat dituliskan sebagai :

xij R xij-1, i=1,2,…,m dan j=1,2,…,n.

Misalkan ditetapkan ada k pekerjaan yang akan digunakan sebagai basis untuk melakukan evaluasi (bechmark), maka benchmark ke-r adalah Zr(X). Maka akan dicari berapakah nilai optimum untuk tiap-tiap level, agar dapat dihitung nilai untuk setiap benchmark. Jika nilai setiap bechmark ini sudah diketahui, maka dengan mudah kita dapat menentukan berapa gaji yang harus diterima oleh seorang karyawan dengan spesifikasi pekerjaannya.