• UGM
  • FMIPA
  • S1 MATEMATIKA
  • SIMASTER UGM
  • eLOK
  • PERPUSTAKAAN UGM
  • DTI
  • LMNAS
  • SEMNASTIKA
Universitas Gadjah Mada Himpunan Mahasiswa Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Gadjah Mada
  • Press Release
  • Beasiswa
  • Wawasan Keprofesian
  • Lowongan Kerja
  • Tentang Kami
    • Sejarah Himatika
    • Visi dan Misi
    • Departemen dan Biro
  • All Posts
  • Beranda
  • 2016 Article
  • Logika Fuzzy

Logika Fuzzy

  • 2016 Article, All
  • 17 October 2016, 06.45
  • Oleh: theodore.a.k
  • 0

Hai semuanya! Bertemu lagi dengan artikel Lemma, yeayy *alay * abaikan.

 

Kali ini, kita akan membahas Logika Fuzzy. Apa itu?

Logika Fuzzy adalah peningkatan dari logika Boolean yang berhadapan dengan konsep kebenaran sebagian. Saat logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah biner (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran.

 

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 ini berhubungan dengan set fuzzy dan teori kemungkinan. Logika fuzzy diperkenalkan oleh Dr. Lotfi Zadeh dari Universitas California, Berkeley pada 1965.

(Wikipedia)

 

Jadi kira-kira begitulah definisi logika fuzzy. Kemudian, apa penggunaan logika fuzzy dalam kehidupan sehari-hari?

Disadur dari http://asnugroho.net/papers/ikcsc.pdf, aplikas Logika Fuzzy dalam kehidupan sehari-hari adalah sebagai berikut :

 

1. Logika Fuzzy untuk Sistem Pengaturan Suhu Ruangan

Untuk menentukan suhu dalam suatu ruangan, kita dapat menentukannya menggunakan Logika Fuzzy. Aturan dalam kontrol, mudah didefinisikan menggunakan kata-kata misalkan :

 

–         jika suhu dalam suatu ruangan dingin maka naikkan suhu penghangat.

 

–         jika suhu dalam suatu ruangan panas maka naikkan suhu pendingin.

 

2. Logika Fuzzy untuk Sistem Pengaturan Lampu Lalulintas

Logika fuzzy dalam pengaturan lampu lalulintas amat diperlukan untuk memperlancar arus lalulintas. Dengan adanya system yang bekerja secara otomatis diharapkan angka kecelakaan yang disebabkan oleh masalah lampu lalulintas dapat berkurang. Selain itu dengan adanya lampu lalulintas yang otomatis tentu saja akan mengurangi tugas polisi lalulintas, sehingga mereka bisa mengerjakan hal-hal lain yang belum teratasi.

 

Sedangkan sebagai dasar pengendalian dari sistem yang dijalankan, digunakan algoritma logika fuzzy. Untuk memudahkan pengendalian lampu lalulintas, ada beberapa istilah yang digunakan dalam pengendaliannya antara lain :

 

Untuk kepadatan jumlah kendaraan adalah :

–         Tidak Padat (TP),

 

–         Kurang Padat (KP),

 

–         Cukup Padat (CP),

 

–         Padat (P) dan

 

–         Sangat Padat (SP).

 

Sedangkan untuk lama nyala lampu adalah :

–         Cepat (C),

 

–         Agak Cepat (AC),

 

–         Sedang (S),

 

–         Agak Lama (AL) dan

 

–         Lama (L).

 

Jelas istilah-istilah tersebut dapat menimbulkan makna ganda (ambiguity) dalam pengertiannya. Logika Fuzzy dapat mengubah makna ganda tersebut ke dalam model matematis sehingga dapat diproses lebih lanjut untuk dapat diterapkan dalam sistem kendali.

3. Logika Fuzzy untuk Sistem Penggajian Karyawan

Dengan adanya system penggajian karyawan menggunakan logika Fuzzy  maka karyawan akan menerima gaji yang benar-benar sesuai dengan apa yang karyawan tersebut kerjakan karena mesin tidak mungkin melakukan korupsi.

 

Misalkan untuk mengevaluasi suatu pekerjaan, ada m faktor yang berpengaruh, tiap-tiap faktor terdiri-dari n level. Sehingga faktor ke-i level ke-j dapat ditulis sebagai xij. Diasumsikan bahwa, level yang lebih tinggi pada suatu faktor (nilai j naik) menunjukkan bahwa kompleksitas pekerjaannya lebih tinggi. Hubungan ini dapat dituliskan sebagai :

 

xij R xij-1, i=1,2,…,m dan j=1,2,…,n.

 

Misalkan ditetapkan ada k pekerjaan yang akan digunakan sebagai basis untuk melakukan evaluasi (bechmark), maka benchmark ke-r adalah Zr(X). Maka akan dicari berapakah nilai optimum untuk tiap-tiap level, agar dapat dihitung nilai untuk setiap benchmark. Jika nilai setiap bechmark ini sudah diketahui, maka dengan mudah kita dapat menentukan berapa gaji yang harus diterima oleh seorang karyawan dengan spesifikasi pekerjaannya.

 

Yup. Kira-kira begitullah definisi dasar dan beberapa kegunaan logika fuzzy. Sebenarnya, logika fuzzy masih banyak penggunaannya. So, mau makin mengembangkan logika fuzzy? 😉

Recent Posts

  • Info Beasiswa Pancanaka
  • Info Loker Data Science Intern Asuransi ASTRA
  • Info Beasiswa BCA Finance Peduli 2025
  • Info Loker – Spesialis MIS & Analisis Data PT. Bank BCA Syariah
  • Info Beasiswa Karya Salemba Empat 2025 (extend)

Recent Posts

  • Info Beasiswa Pancanaka
  • Info Loker Data Science Intern Asuransi ASTRA
  • Info Beasiswa BCA Finance Peduli 2025
  • Info Loker – Spesialis MIS & Analisis Data PT. Bank BCA Syariah
  • Info Beasiswa Karya Salemba Empat 2025 (extend)
Universitas Gadjah Mada

Himpunan Mahasiswa Matematika

Fakultas Matematika dan Ilmu Pengetahuan Alam

Universitas Gadjah Mada


Sekretariat Himatika UGM

Basement Gedung C FMIPA UGM

Sendowo, Sinduadi, Mlati, Sleman Regency, Special Region of Yogyakarta 55281

© Universitas Gadjah Mada

KEBIJAKAN PRIVASI/PRIVACY POLICY

[EN] We use cookies to help our viewer get the best experience on our website. -- [ID] Kami menggunakan cookie untuk membantu pengunjung kami mendapatkan pengalaman terbaik di situs web kami.I Agree / Saya Setuju