Fuzzy Logic

Pengertian Logika Fuzzy

Logika fuzzy atau dalam istilah bahasa inggris disebut fuzzy logic merupakan bentuk logika bernilai banyak yang memiliki nilai kebenaran variabel dalam bilangan real antara 0 dan 1.

Dalam sistem kecerdasan buatan (AI), logika fuzzy digunakan untuk meniru penalaran dan kognisi manusia. Logika fuzzy merupakan pengembangan dari logika biner. Logika biner hanya memiliki 2 nilai kebenaran yakni 0 atau 1. Logika fuzzy memasukkan 0 dan 1 sebagai nilai kebenaran ekstrem tetapi dengan berbagai tingkat kebenaran menengah.

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

Contoh-contoh masalah yang mengandung ketidakpastian:

1.    Contoh 1: Seseorang dikatakan “tinggi” jika tinggi badannya lebih dari 1,7 meter. Bagaimana dengan orang yang mempunyai tinggi badan 1,6999 meter atau 1,65 meter, apakah termasuk kategori orang tinggi? Menurut persepsi manusia, orang yang mempunyai tinggi badan sekitar 1,7 meter dikatakan “kurang lebih tinggi” atau “agak tinggi”.

2.    Contoh 2: Kecepatan “pelan” didefinisikan di bawah 20 km/jam. Bagaimana dengan kecepatan 20,001 km/jam, apakah masih dapat dikatakan pelan? Manusia mungkin mengatakan bahwa kecepatan 20,001 km/jam itu “agak pelan”

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