Operasi Logika Fuzzy

Step 1

Fuzzifikasi : proses untuk mengubah variabel non fuzzy (variabel numerik) menjadi variabel fuzzy (variabel linguistik)

Step 2

RULE atau aturan logika fuzzy

Inferencing (Ruled Based) , pada umumnya aturan-aturan fuzzy dinyatakan dalam bentuk “IF THEN” yang merupakan inti dari relasi fuzzy.

Step 3

Defuzifikasi: proses pengubahan data-data fuzzy tersebut menjadi data-data numerik yang dapat dikirimkan ke peralatan pengendalian.

CONTOH KASUS:

Harga (m) pada sumbu y mengacu pada derajat dimana nilai masukan crisp (temperatur) dipasang pada tiap labelfungsi keanggotaan {sejuk, hangat, dan sebagainya}. Seperti yang anda lihat, nilai masukan dapat menjadi milik lebih dari satu set fuzzy. 92 derajat termasuk dalam set hangat dan juga set panas yang telah didefinisikan oleh fungsi keanggotaan.

Menguraikan masukan crisp dalam bentuk fuzzy mengijinkan sistem merespon secara halus perubahan dalam temperatur masukan. Sebagai contoh, reaksi sistem fuzzy terhadap aturan, “jika temperatur luar panas, maka lamanya penyiraman singkat; jika temperatur luar hangat maka maka lamanya penyiraman agak lama” akan berubah hanya sedikit jika temperatur luar bergerak dari 80 derajat ke 79,9 derajat.

Respon sistem dalam bentuk lamanya penyiraman akan dihitung pada derajat keanggotaan temperatur masukan pada tiap set, pada keadaan ini, 80 derajat dan 79,9  derajat adalah normal sekaligus hangat.

Pada bagian / langkah berikutnya setelah fuzzyfikasi yaitu evaluasi rule, kita akan  mengetahui bagaimana aturan aturan  menggunakan masukan fuzzy untuk menentukan aksi sistem. Jika anda belum  memahami bagian fuzzyfikasi ini disarankan agar anda  mengulangi lagi  sampai anda benar benar faham dan ngerti tentang fuzzyfikasi  sebelum anda melangkah ke evaluasi rule.

Iklan

Boolean Logic VS Fuzzy Logic

 

Contoh Kasus

Sebagi contoh, apakah 80 derajat fahrenheit tergolong hangat atau panas? Dalam logika fuzzy, dan dalam dunia nyata, “kedua-duanya benar” mungkin merupakan  jawabannya. Seperti yang anda lihat pada grafik fuzzy dibawah ini, 80 derajat adalah sebagian hangat dan sebagian panas dalam gambaran set fuzzy.

Sementara hal ini dapat dibenarkan bahwa tumpang tindih antara set dapat terjadi dalam logika boolean, transisi dari set ke set terjadi seketika itu juga ( yaitu elemen yang dapat menjadi anggota set atau tidak ).

Dengan logika fuzzy, sementara itu, transisi dapat bertingkat – tingkat ( yaitu elemen dapat memiliki sebagian keanggotaan dalam sejumlah set )

Dalam logika klasik menggunakan set konvensional yang ditunjukkan dibawah, 79,9 derajat dapat diklasifikasikan sebagai hangat, dan 80,1 derajat dapat diklasifikasikan sebagai panas. Perubahan kecil dalam sistem dapat menyebabkan perbedaan reaksi yang berarti. Dalam sistem fuzzy, perubahan kecil temperatur akan memberikan hasil perubahan yang tidak jelas pada kinerja sistem.

Tahap Pemodelan Logika Fuzzy

Tahap Pemodelan dalam logika Fuzzy:

Nah bila kita terapkan dalam pengendalian proses dapat diterapkan seperti blok di bawah ini:

Dari uraian blok diatas dapat kita fahami bahwa didalam logika Fuzzy terdapat tiga hal terpenting yang harus temen2 fahami diataranya:

  1. Fuzzifikasi adalah proses untuk mengubah variabel non fuzzy (variabel numerik) menjadi variabel fuzzy (variabel linguistik).
  2. Inferencing (Ruled Based) , pada umumnya aturan-aturan fuzzy dinyatakan dalam bentuk “IF……THEN” yang merupakan inti dari relasi fuzzy.
  3. Defuzifikasi adalah proses pengubahan data-data fuzzy tersebut menjadi data-data numerik yang dapat dikirimkan ke peralatan pengendalian.