LOGIKA FUZZY
Pada tahun 1960 Prof Lofti Zadeh dari universitas Berkeley Kalifornia USA menulis paper, yang meletakkan dasar teori himpunan Fuzzy.
Dikenal ketidak pastian keadaan atau ketidak jelasan keadaan, dalam berbagai masalah yang dihadapi oleh manusia. Dijelaskan bahwa ketidak jelasan masalah atau ketidak jelasan keadaan tidak sama dengan keacakan masalah ( kerandoman). Biasanya orang mengkaitkan ketidak pastian atau ketidak ketentuan masalah disamakan dengan kejadian acak. Ketidak jelasan dapat dinyatakan dalam bahasa manusia dengan pendekatan : Logika Fuzzy Tujuan Logika Fuzzy adalah : Membuat komputer seperti layaknya logika manusia, yakni sesuatu kondisi itu tidak ada mutlak benar atau sama sekali tidak benar, tetapi antara keduanya terdapat jenjang ke-extriman, sehingga dengan titik tolak semacam ini dapat menghilangkan batas kemampuan manu sia dan komputer dalam cara pandang kondisi suatu masalah.
LOGIKA FUZZY ( lanjutan ) Atau dengan kata lain Logika Fuzzy adalah suatu cara menyajikan masalah ke komputer , demikian hingga komputer bekerja mirip tata fikir manusia. Landasan pemikirannya adalah bahwaa manusia selalu dihadapkan pada pemecahan masalah , sementara pemecahannya kurang sesuai, bahkan menyimpang jauh dari sharusnya. Hal ini disebakan karena tidak dimilikinya fakta yang diperlukan Ada fakta tetapi fakta tersebut kurang cukup memberikan kepastian. Dengan demikian hasil pemecahan masalahnya menjadi bentuk kesimpulan secara umum tanpa ada rincian akurat terhadap masalah yang dihadapi. Dalam menilai seberapa sulit suatu masalah , tidak mungkin pa da waktu itu dinyatakan dalam bentuk kwantitatip, tetapi secara kwalitatip, misalnya : menilai fostur seseorang hanya dikatakan terlalu tinggi, terlalu kecil, sangat tambun dan sebagainya. Bahasa kwalitatip inilah yang disebut bahasa manusia.
LOGIKA FUZZY ( lanjutan )
Prinsip Prinsip Dalam Logika Fuzzy Prinsip pertama adalah : suatu masalah ada tingkat-2 kesulitan , berarti tidak ada yang mutlak sulit, tidak ada pula mutlak mudah, tetapi harus diakui ada tingkatannya atau jenjang diantara keduanya. Prinsip kedua bahasa jenjang sebagaimana bahasa manusia, dengan logika bahasa fuzzy dapat dijadikan masukan bagi komputer. Didalam Logika Boolean dipaksakan untuk menentukan ya atau tidak, on atau off, disini hanya diperkenan kan pilihan dua kondisi, true atau false saja. Dalam logika fuzzy tidak dikenal true atau false, tetapi true itu dikelompokan menjadi misalnya : sangat true, true, agak true, kurang true, tidak true ( false). Dalam permainan kita dapat menilai ancaman predator sangat berat, berat, tidak begitu berat, ringan, sangat ringan.
LOGIKA FUZZY ( lanjutan ) Pengendalian Logika Fuzzy digunakan pada berbagai pengendalian, dalam praktek misalnya, pengendalian sistem pemana san , robot, pengendalian pesawat udara tiruan, dsb. Dalam permainan, pengendalian dipakai utk meman du satuan permainan misalnya : pesawat, kendararaan darat, satuan pejalan kaki, dengan cara halus pada waktu melalui titik jalan atau menghindari rintangan. Gerakan halus ini dapat dikendalikan dg Logika Fuzzy Pada waktu predator mengejar mangsa, maka predadator perlu dipandu demikian, hingga pada waktu belok tidak mendadak belok, tetapi perlu diperhalus.
LOGIKA FUZZY ( lanjutan ) Penilaian Ancaman Fuzzy dapat memperlihatkan keputusan gerak, te tapi bukan pengendalian gerakan langsung. Contoh : Dalam permainan tiruan pertempuran, biasanya tim ( karakter-2 yang dikendalikan) komputer menyebarkan unit-2 sebagai pertahanan melawan ancaman musuh ( karakter -2 yang dikendalikan pemain) yang sangat potensi mengalahkannya. Anggap tim komputer mendapat data-2 tentang batas jarak kedudukan musuh da ri komputer.
LOGIKA FUZZY ( lanjutan )
Penilaian Ancaman ( lanjutan )
Sekali lagi, anggap tim komputer telah mendapatkan pe, ngetahuan tentang jarak antara tim komputer dan musuh, dan pengetahuan khusus tentang size kekuatan musuh . dengan logika Fuzzy jarak tersebut dapat dirinci sebagai bentuk : dekat, agak dekat, jauh, sangat jauh, sementara size-nya dapat disajikan dalam bentuk sangat kecil, kecil, , medium, besar, dan besar sekali. Dengan logika fuzzy pula komputer menilai ancaman , mi salnya : tidak ada ancaman, ancaman ringan, ancaman , agak berat, ancaman berat, atas dasar pengetahuan ini komputer dapat memutuskan sejumlah unit yang ssuai untuk disebarkan sebagi pertahanan. Pendekatan fuzzy ini menjadikan kita bisa bekerja sbb: > Memodelkan komputer bila komputer kurang memiliki pengetahuan yang lengkap. > Dapat menjadikan size kekuatan pertahanan berbeda beda secara hati-2, yang tidak dapat diketahui musuh.
LOGIKA FUZZY ( lanjutan )
Klasifikasi Anggap anda ingin menjenjang atau memberi rank-ing ka rakter yang dikendalikan pemain dan karakter yang di, kendalikan komputer. Ranking ini dapat didasarkan atas faktor-2, misalnya : kekuatan, kemahiran memain kan senjata, jumlah titik-2 tembak, klas persenjataan serta faktor-2 lainnya yang anda pilih.. Selanjutnya dan tentunya anda ingin menggabungakan faktor-2 ini sehingga menghasilkan ranking, seperti misalnya : amat mudah, mudah, sedang-2 saja, sangat sulit, amat sangat sulit. Sebagai contoh : karakter yang dikendalikan pemain memiliki titik tembak tinggi, rata-2 klas persenjataan juga tinggi, kekuatan juga nilainya tinggi, tetapi keahlian nilai rendah, maka secara keseluruhan rankingnya sedang
LOGIKA FUZZY ( lanjutan )
Klasifikasi ( lanjutan ) Sistem Logika Fuzzy dapat juga menghasilkan skor angka yang menunjukkan rank ( berupa angka ) atau disebut : rating. Skor atau rating ini dapat menjadikan input ( masukan ) bagi proses AI ( Artificial Intelligent) . Klasifikasi ini bisa juga dihasilkan dengan cara lain, misal nya dengan aturan-2 Boolean, jaringan syaraf dll.nya Gambaran Proses Logika Fuzzy Fuzzifikasi Input real ( pecah ) Aturan Fuzzy
Defuzzifikasi
input Fuzzy output Fuzzy
Output numerik
LOGIKA FUZZY ( lanjutan )
Gambaran Proses Logika Fuzzy Fuzzifikasi Input real ( pecah )
input Fuzzy
Aturan Fuzzy
output Fuzzy
Defuzzifikasi
Output numerik
Pada langkah Fuzzifikasi terjadi proses pemetaan mengubah data ( bilangan pecah ) kedalam data Fuzzy. Proses pemetaan ini melibatkan upaya menemukan jenjang keanggotaan input numerik ( bilangan pecah ) kedalam himpunan atau set Fuzzy yang sudah ditetapkan terlebih danulu susu nannya. Contoh : Susunan set fuzzy tsb misalnya berupa jenjang berat orang : kurang berat, berat , kelebihan berat.
LOGIKA FUZZY ( lanjutan )
Semua input kedalam sistem Fuzzy , dalam bentuk keanggotaan himpunan Fuzzy , maka input-2 tersebut dapat digabungkan dg menggunakan aturan-2 Logika , sementara aturan-2 Fuzzy dipakai untuk menentukan jenjang, dan gabungan tersebut jelas memenu hi masing-2 aturan. Artinya dengan penggabungan itu dapat meng hasilkan output yang mencerminkan akibat dari aturan-2 tersebut atau berupa penjenjangan dalam ouput, bisa juga output tindakan atau bisa juga berupa output himpunan Fuzzy. Contoh : Output Fuzzy Jenjang Keanggotaan Ditentukan aturan sebagai berikut : if Kelebihan Berat AND NOT Aktip THEN Sering Latihan Fisik input aturan FUZZY
if Kelebihan Berat
aturan Logika input aturan Fuzzy tindakan
AND
Aktip
THEN
Diet Biasa-2 saja
Output Fuzzy Jenjang Keanggotaan
LOGIKA FUZZY ( lanjutan )
Contoh : Ditentukan aturan sebagai berikut : if Kelebihan Berat AND NOT Aktip THEN Sering Latihan Fisik
Output Fuzzy Jenjang if Kelebihan Berat AND Aktip THEN Diet Biasa-2 saja Keanggotaan Aturan diatas menggabungkan variabel input Fuzzy dengan menggunakan ope rator logika untuk menghasilkan suatu jenjang keanggotaan , atau jenjang, dqpat juga disebut jenjang, atau dapat juga disebut kebenaran output kegiatan yg bersesuaian, yang dalam hal ini merupakan saran untuk melakukan latihan fisik yang sering atau meneruskan diet yang biasa biasa saja. input aturan FUZZY aturan Logika input aturan Fuzzy tindakan
Biasanya diinginkan mengkwantifikasikan output misalnya : banyaknya latihan fisik yang harus dijalankan perminggu, misal tiga jam perminggu. Proses menjadikan keanggotaan Fuzzy jadi output numerik : Defuzzifikasi
Soal Lab
Ditetapakan bahwa seorang mahasiawa dikatagorikan sebagai berikut : 1. perlu mendapat sedikit bimbingan 2. dibimbing sedang-2 saja 3. dibimbing intensip 4. harus diberi kursus dahulu. 5. perlu martikulasi Ditentukan pula persyaratan-2 nilai untuk nomor : 1, 85 – 100. 2. 75 – 84; 3. 65 – 74; 4. 55 – 64; 5, < 55 Tolong anda kwantifikasikan katagori tersebut.
