Dalam proses pengendalian, logika fuzzy masih menjadi pilihan populer bagi para engineer atau para mahasiswa kreatif. Logika fuzzy merupakan logika samar kabur atau tidak jelas. Istilah Fuzzy yang dipakai oleh Lotfi A Zadehuntuk menyatakan kelompok / himpunan yang dapat dibedakan dengan himpunan lain berdasarkan derajat keanggotaan dengan batasan yang tidak begitu jelas (samar), tidak seperti himpunan klasik yang membedakan keanggotaan himpunan menjadi dua, himpunan anggota atau bukan anggota. Secara umum, logika fuzzy terdiri dari beberapa komponen, yaitu Fuzzifier, Fuzzy Rule Base, Fuzzy Inference Engine dan Defuzzifier, seperti diperlihatkan pada gambar berikut.
Atau bisa seperti gambar dibawah
Yang menjadi inti dari logika fuzzy adalah Fuzzy Rule Base (basis pengetahuan), yang berisi pernyataan-pernyataan logika. Fuzzy Inference Engine merupakan komponen fuzzy yang menerjemahkan pernyataan logika yang ada di Rule Base menjadi perhitungan-perhitungan matematika. Fuzzifier digunakan untuk memetakan nilai/harga variable di dunia nyata kedalam himpunan fuzzy (fuzzy sets), sedangkan Defuzzifier mengembalikan hasil perhitungan fuzzy (himpunan fuzzy) menjadi variable sesuai rentang nilainya di dunia nyata.
Berikut penjelasan mengenai masing - masing komponen logika Fuzzy :
A. Fuzzifier
Fuzzifier digunakan untuk memetakan nilai/harga variable di dunia nyata kedalam himpunan fuzzy (fuzzy sets). Pemetaannya dilakukan dengan menggunakan fungsi yang disebut membership function. Terdapat beberapa metode fuzzifier, 3 diantaranya yaitu: Singleton fuzzifier, Gausian fuzzifier dan Triangular fuzzifier. Berikut adalah formulanya.
Gambar dibawah menunjukkan proses Fuzzifikasi.
 |
| Proses Fuzzifikasi |
B. Basis pengetahuan
Basis pengetahuan berisi pengetahuan sistem kendali sebagai pedoman evaluasi keadaan sistem untuk mendapatkan keluaran kendali sesuai yang diinginkan perancang. Basis pengetahuan terdiri dari basis data dan basis aturan Fuzzy (Fuzzy Rule Base).
Berikut adalah formula untuk masing-masing inference engine tersebut.
D. Defuzzifikasi
Basis pengetahuan berisi pengetahuan sistem kendali sebagai pedoman evaluasi keadaan sistem untuk mendapatkan keluaran kendali sesuai yang diinginkan perancang. Basis pengetahuan terdiri dari basis data dan basis aturan Fuzzy (Fuzzy Rule Base).
- Basis Data, Basis data merupakan komponen untuk mendefinisikan himpunan Fuzzy dari masukan dan keluaran.
- Basis Aturan Fuzzy (Fuzzy Rule Base), Basis Aturan Fuzzy merupakan kumpulan pernyataan aturan ‘IF–THEN’ yang didasarkan kepada pengetahuan pakar. Metode yang digunakan dalam penentuan basis aturan Fuzzy adalah menggunakan metode trial and error. Logika pengambilan keputusan disusun dengan cara menuliskan aturan yang menghubungkan antara masukan dan keluaran sistem Fuzzy. Aturan ini diekspresikan dalam kalimat: ‘jika maka ’. Metode ini mempunyai bentuk aturan seperti persamaan berikut : IF x is A and y is B then z = C .
C. Fuzzy Inference Engine
Fuzzy inference engine menerjemahkan pernyataan-pernyataan fuzzy dalalm rule base menjadi perhitungan matematika (fuzzy combinational). Terdapat beberapa metode inference engine, 5 diantaranya yaitu:
- Product Inference Engine.
- Minimum Inference Engine.
- Lukasiewicz Inference Engine.
- Zadeh Inference Engine.
- Dienes-Rescher Inference Engine.
Berikut adalah formula untuk masing-masing inference engine tersebut.
Defuzzifikasi dapat didefinisikan sebagai proses pengubahan besaran Fuzzy yang disajikan dalam bentuk himpunan-himpunan Fuzzy keluaran dengan fungsi keanggotaan untuk mendapatkan kembali bentuk tegasnya (crisp). Gambar berikut menunjukkan proses pengambilan keputusan metode sugeno.
Defuzzifier mengembalikan hasil perhitungan fuzzy (himpunan fuzzy) menjadi variable sesuai rentangnya di dunia nyata. Sama dengan fuzzifier, defuzzifier juga menggunakan membership function untuk memetakan nilai himpunan fuzzy menjadi variable nyata. Terdapat beberapa metode defuzzifier, 3 diantaranya yaitu :
- Center of gravity defuzzifier. Center of gravity yang dinyatakan dengan y*, menunjukan pusat area yang diliputi oleh membership function B’.
- Center average dufuzzifier. Center average menunjukan weight average dari titik tengah (center) masing-masing membership function.
- Maximum defuzzifier. Maximum defuzzifier memilih nilai tertinggi sebagai y*. Ada 3 pilihan, smallest of maxima, largest of maxima atau mean of maxima.
Berikut adalah formulanya.
Tag :
Elektronika
