Boolean Logic vs Fuzzy Logic

Fuzzy Logic

Logika Fuzzy merupakan suatu logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness) antara benar atau salah. Adalah Profesor Lotfi A. Zadeh guru besar pada University of California, Berkeley yang merupakan pencetus sekaligus yang memasarkan ide tentang cara mekanisme pengolahan atau manajemen ketidakpastian yang kemudian dikenal dengan logika fuzzy. Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy.  Lotfi Asker Zadeh adalah seorang ilmuwan Amerika Serikat berkebangsaan Iran.

Meskipun logika fuzzy dikembangkan di Amerika, namun lebih populer dan banyak diaplikasikan secara luas oleh praktisi Jepang dengan mengadaptasikannya ke bidang kendali (control).  Mengapa logika fuzzy yang ditemukan di Amerika malah lebih banyak ditemukan aplikasinya di negara Jepang?  Salah satu penjelasannya: kultur orang Barat yang cenderung memandang suatu persoalan sebagai hitam-putih, ya-tidak, bersalah-tidak bersalah, sukses-gagal, atau yang setara dengan dunia logika biner Aristoteles, sedangkan kultur orang Timur lebih dapat menerima dunia“abu-abu” atau fuzzy. 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 fuzzy dapat digunakan dalam bidang teori kontrol, teori keputusan, dan beberapa bagian dalam managemen sains. Kelebihan dari logika fuzzy adalah mampu dalam proses penalaran secara bahasa (linguistic reasoning), sehingga dalam perancangannya tidak perlu lagi persamaan matematik dari objek yang dikendalikan. Adapun salah satu contoh dari aplikasi logika fuzzy dalam kehidupan sehari-hari adalah di tahun 1990 pertama kali dibuat mesin cuci dengan logika fuzzy di Jepang (Matsushita Electric Industrial Company). Sistem fuzzy digunakan untuk menentukan putaran yang tepat secara otomatis berdasarkan jenis dan banyaknya kotoran serta jumlah yang akan dicuci. Input yang digunakan adalah: seberapa kotor, jenis kotoran, dan banyaknya yang dicuci. Mesin ini menggunakan sensor optik, mengeluarkan cahaya ke air dan mengukur bagaimana cahaya tersebut sampai ke ujung lainnya. Makin kotor, maka sinar yang sampai semakin redup.

Fuzzy logic sudah diterapkan pada banyak bidang diantaranya:

1.  Teori kendali hingga inteligensia buatan.

2.  Di dunia kedokteran dan biologi: Diagnosis penyakit pasien, penelitian kanker, dsb.

3.  Manajemen pengambilan keputusan: Manajemen basis data untuk query data

4.  Tata letak pabrik yang maksimal Penentuan jumlah produksi berdasarkan jumlah stok dan permintaan.

5.  Klasifikasi dan pencocokan pola. 

6.  Mengukur kualitas air, peramalan cuaca, dll

Logika fuzzy umumnya diterapkan pada masalah-masalah yang mengandung unsur ketidakpastian (uncertainty), ketidaktepatan (imprecise), noisy, dan sebagainya.  Logika fuzzy menjembatani bahasa mesin yang presisi dengan bahasa manusia yang menekankan pada makna atau arti (significance). Logika fuzzy dikembangkan berdasarkan bahasa manusia (bahasa alami)

Istilah fuzzy mengacu pada sesuatu yang belum jelas atau samar-samar. Dalam dunia nyata terkadang kita berada pada situasi dimana kita tidak bisa menentukan keadaan tersebut benar atau salah. Nah, logika fuzzy di sini berperan menyediakan fleksibilitas ketika melakukan penalaran. 

Dalam sistem kebenaran nilai boolean (Boolean Logic) , 1.0 merepresentasikan nilai kebenaran mutlak, sedangkan 0.0 menyatakan nilai salah mutlak. 

Akan tetapi dalam logika fuzzy, tidak semua dianggap sebagai nilai kebenaran mutlak dan nilai salah mutlak. Logika fuzzy juga memiliki nilai intermediet yang mengandung sebagian nilai benar dan sebagian nilai salah. Nilai ini dapat disebut sebagai "nilai abu-abu".

Boolean Logic

      Boolean logic adalah suatu pencarian pelacakan yang menyatakan tentang hubungan antara variabel yang dicari dengan variabel terkait. Boolean logic juga merupakan identifikasi spesifik tentang artikel yang akan dicari. Boolean logic dikembangkan oleh George Boole (1815-1864), adalah suatu metode pencarian informasi, yang memfokuskan hasil penelusuran dimana pencarian datanya menggunakan kata kunci.

Boolean logic terdiri dari operasi logika AND, OR dan NOT. Pada fitur pencarian Google, operasi ini merupakan bagian dari fitur pencarian dasar. Penggunaan operasi logika ini dapat memudahkan user dalam mendapatkan informasi yang diinginkan. Boolean logic merupakan operasi logika yang digunakan untuk mendapatkan informasi di PubMed (NCBI).

1.  AND: Mencari informasi yang mengandung kedua kata yang dicari. Bisa menggunakan salah satu dari tiga alternatif berikut. Contoh: kehamilan gemelli , kehamilan AND gemeli, kehamilan+gemelli

2.  OR: Mencari informasi yang mengandung salah satu dari kedua kata. Bisa menggunakan salah satu dari dua alternatif berikut. Contoh: kembar OR gemelli, kembar | gemelli

3.  NOT: Hasil pencarian mengandung kata yang di depan, tapi tidak yang dibelakang minus (-). Contoh di bawah akan mencari informasi yang mengandung kata kontrasepsi tapi bukan suntik. Contoh: kontrasepsi –suntik.

Pencarian yang kita lakukan akan semakin efektif apabila kita mencoba menggabungkan beberapa operator baik yang ada di fitur pencarian dasar, pencarian lanjut, maupun Boolean logic.

Berikut adalah perbandingan antara logika boolean dengan logika fuzzy

Kelebihan dan Kekurangan Logika Fuzzy

Berikut adalah kelebihan dan kekurangan dari algoritma logika fuzzy

A. Kelebihan

1.  Sistem yang dibangun dengan logika fuzzy dapat bekerja dengan berbagai jenis input, baik yang tidak presisi, terdistorsi, maupun mengandung informasi yang noise

2.  Rancangan sistem logika fuzzy cukup mudah dan dapat dimengerti.

3.  Logika fuzzy hadir dengan konsep matematika dari teori himpunan dan penalarannya cukup sederhana.

4.  Dapat memberikan solusi yang sangat efisien untuk masalah kompleks di semua bidang kehidupan karena menyerupai penalaran dan pengambilan keputusan manusia.

5.  Logika Fuzzy dapat dikodekan menggunakan lebih sedikit data, sehingga tidak menempati ruang memori yang besar

6.  Algoritma ini fleksibel dan aturannya dapat dimodifikasi

B.  Kekurangan

1.  Keakuratan sistem dapat terganggu karena sebagian besar sistem bekerja pada data dan input yang tidak akurat

2.  Tidak ada pendekatan sistematis tunggal untuk memecahkan masalah menggunakan logika fuzzy. Akibatnya, banyak solusi muncul untuk masalah tertentu, yang bisa menyebabkan kebingungan

3.  Kelemahan utama dari sistem kontrol logika fuzzy adalah bahwa algoritma ini sepenuhnya bergantung pada pengetahuan dan keahlian manusia

4.  Kita harus memperbarui aturan sistem kontrol logika fuzzy secara teratur

5.  Algoritma ini tidak dapat mengenali pembelajaran mesin atau jaringan saraf

6.  Algoritma memerlukan banyak pengujian untuk validasi dan verifikasi