Lompat ke isi

Logika kabur

Ensiklopedia Pengetahuan Universitas Islam Sultan Agung
Revisi sejak 23 Agustus 2026 04.18 oleh Maintenance script (bicara | kontrib) (Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi)
(beda) ← Revisi sebelumnya | Revisi terkini (beda) | Revisi selanjutnya → (beda)

Logika kabur[1] () merupakan cabang ilmu matematika yang mempunyai fungsi untuk memberikan pemodelan pemecahan masalah seperti yang dilakukan manusia dengan bantuan teknologi komputer. Fuzzy sendiri memiliki arti samar. Oleh karena itu, maksud dari logika kabur sendiri berarti nilai yang bisa benar atau bisa memiliki salah secara bersamaan.[2] Penggunaan logika kabur memungkinkan suatu rumusan masalah dapat dipecahkan secara mudah dengan solusi yang akurat. Model matematika digunakan sebagai pendekatan untuk mengontrol sistem.[3] Jadi, dapat disimpulkan bahwa logika kabur merupakan suatu cara untuk berhitung dengan menggunakan variabel kata-kata, untuk mengganti berhitung dalam bilangan. Variabel kata yang dihasilkan oleh logika kabur memang tidak memiliki ketepatan pasti seperti angka, oleh karena itu kepastiannya hampir seperti intuisi manusia. Contoh variabel kata yang muncul dari logika kabur seperti kira-kira, lebih kurang, merasakan, dan lain sebagainya. Antonim dari logika kabur yaitu logika tegas. Konsep logika tegas hanya mengenal dua konsep, yaitu "Ya" atau "Tidak" atau apabila diasosiasikan dalam bilangan hanya mengenali 1 atau 0. Sedangkan logika kabur sifatnya samar, sehingga dapat diartikan bahwa logika kabur merupakan logika tak hingga yang memiliki banyak nilai kebenaran yang dinyatakan dalam bilangan riil.[4] Alasan para peneliti menggunakan logika kabur dalam memecahkan rumusan masalah dikarenakan konsep matematika dapat digunakan dengan sederhana, sehingga mudah dimengerti dalam proses pengerjaan. Logika kabur juga bersifat fleksibel, yang memungkinkan pengerjaan dapat dikolaborasikan antara pemodelan dengan model komputer atau dengan cara konvensional.[5]

Perkembangan

Logika kabur dikembangkan oleh peneliti dari Universitas California, Lotfi Asker Zadeh, di tahun 1965.[6][7] Teori yang dikembangkan oleh Zadeh mengenai logika kabur, merupakan suatu usaha untuk menggabungkan teori matematika dengan intuisi manusia. Mulanya logika kabur hanya bertujuan untuk memetakan logika matematika dalam bahasa, tetapi gagasan itu meluas hingga mampu digunakan untuk berbagai bidang tidak hanya matematika.[8]

Logika kabur merupakan pengembangan dari sistem himpunan yang disebut himpunan kabur (fuzzy set). Teori ini dikembangkan di Amerika Serikat, tetapi banyak diaplikasikan oleh para ilmuwan Jepang. Di tahun 1970 para peneliti Jepang mampu mengaplikasikan teori logika kabur ke dalam masalah teknik. Beberapa produk teknologi yang tercipta dari pengaplikasian teori logika kabur di antaranya, AC dan mesin cuci.[9] Penggunaan mesin cuci dengan menggunakan teori logika kabur dapat memungkinkan untuk mengatur kecepatan perputaran mesin berdasarkan dengan jumlah pakaian yang akan dicuci dengan volume air. Penggunaan AC dengan menggunakan teori logika kabur mampu menghemat listrik dengan cara mengondisikan pendingin berdasarkan suhu dalam ruangan. Di tahun 1980, teori logika kabur mulai diimplementasikan dalam penggunaan dasar logika untuk komputer modern. Kini teori logika kabur sudah digunakan oleh berbagai teknologi lintas bidang, seperti dalam pembuatan kecerdasan buatan.[10]

Teori ini berkembang pesat di Negara Jepang. Alasannya, karena budaya orang Barat, seperti Amerika Serikat memandang suatu rumusan masalah hanya bisa dijawab oleh “Ya” atau “Tidak” atau biasa disebut dengan logika biner Aristoteles. Sedangkan budaya orang Timur, termasuk di dalamnya masyarakat Jepang terbiasa dengan istilah dunia abu-abu, yang memiliki kemungkinan 0 dan 1 dalam memecahkan rumusan masalah.[11]

Jenis

Sistem inferensi logika kabur Mamdani

Logika kabur Mamdani pertama kali dikembangkan oleh Ebrahim Mamdani di tahun 1975.[12] Logika kabur mamdani sering disebut metode max-min. Dalam pengaplikasian logika kabur jenis mamdani ini diperlukan empat tahapan. Tahap pertama, membentuk himpunan samar, di mana variabel input dan output dibagi menjadi satu atau lebih himpunan samar. Tahap kedua, menggunakan sistem implikasi dengan teknik min. Tahap ketiga mencari kesimpulan. Tahap keempat defuzzifikasi yaitu membandingkan hasil dari penarikan kesimpulan.[13] Logika kabur Mamdani digunakan dalam penelitian mengenai sistem kecerdasan, seperti dalam penentuan sistem pakar dan sistem pendukung keputusan.[14]

Model logika kabur Takagi-Sugeno-Kang (TSK)

Logika kabur jenis TSK pertama kali diperkenalkan oleh Tomohiro Takagi dan Michio Sugeno pada tahun 1985,[15][16] dan kemudian dikembangkan kembali oleh Michio Sugeno bersama Geun Taek Kang pada tahun 1988.[17] Logika kabur Sugeno memiliki kemiripan dengan logika kabur Mamdani, yang membedakan yaitu output yang bukan merupakan himpunan samar, tetapi berbentuk konstanta atau persamaan linier.[18] Teknik logika kabur Sugeno dapat diimplementasikan dalam pembentukan himpunan kabur. Variabel yang sudah dimasukkan ke dalam sistem fuzzy dikirim ke sebuah himpunan samar agar bisa digunakan dalam perhitungan nilai dalam menentukan kebenaran dari premis. Kegiatan tersebut mampu menentukan derajat yang memiliki arti nilai tersebut dapat dijadikan anggota dari setiap himpunan samar yang sesuai.[19]

Logika kabur Tsukamoto

Yahachiro Tsukamoto merumuskan sistem inferensi kabur menggunakan modus ponens umum berdasarkan kajian yang dilakukan oleh Lotfi A. Zadeh pada tahun 2009.[20] Logika kabur Tsukamoto adalah jenis logika kabur yang berfungsi untuk menarik kesimpulan dari seluruh implikasi dengan bentuk IF-THEN. Hasilnya harus dimaknai dengan himpunan samar dengan jenis keanggotaan yang tetap. Hasil interferensi harus tegas, yang didapatkan dengan menggunakan rata-rata terbobot.[21] Metode logika kabur memiliki empat tahapan, pertama puzzifikasi merupakan proses input himpunan tegas, menjadi himpunan samar. Tahapan kedua yaitu membuat aturan pengaburan, dengan variabel kata "jika-maka". Tahapan ketiga yaitu analisis logika kabur. Tahapan keempat yaitu defuzzifikasi yaitu mengubah himpunan kabur menjadi hasil himpunan tegas.[22]

Logika kabur Tahani

Logika kabur Tahani adalah metode logika kabur dengan memanfaatkan basis data standar. Model ini dikembangkan oleh Valiollah Tahani pada tahun 1998 untuk digunakan pada sistem kontrol.[23] Data tersebut disusun sesuai kategori berdasarkan user. Hal ini mengakibatkan data standar yang sudah keluar, tampilannya akan sama seperti data yang telah disimpan.[24] Metode ini dikembangkan oleh Valiollah Tahani. Gagasannya berupa pemahaman tingkat tinggi yang diperoleh dari pertanyaan kabur dari ruang lingkup data yang masih konvensional yang tidak samar. Tahap pemrosesan pertanyaan kabur dapat diperoleh dengan cara manipulasi bahasa.[25]

Logika kabur Umano

Model ini dikembangkan oleh Motohide Umano yang mengkaji logika kabur pada basis data kabur.[26] Logika kabur Umano merupakan pemrosesan data yang memiliki arti ganda (ambigu). Data ambigu tersebut dapat dimaknai dengan cara distribusi posibilitas. Kelebihan dari teknik logika kabur Umano yaitu mampu mengolah data yang bersifat ganda. Data-data yang ada dalam logika kabur jenis Umano terdiri data yang belum jelas keberadaannya dalam domain tertentu. Ada juga data yang sudah berada dalam domain tertentu, tapi belum diketahui nilainya secara jelas. Selain itu, ada data yang belum diketahui kebenarannya dikarenakan memiliki data ganda.[27]

Tujuan

Logika kabur bertujuan sebagai langkah untuk melihat ruang input dalam pemrosesan hingga menjadi ruang output. Dasar dari penerapan logika kabur yaitu himpunan samar (himpunan fuzzy). Logika samar juga memiliki tujuan untuk memecahkan rumusan masalah yang mengandung ketidakpastian. Penerapannya sangat luas, tidak hanya dalam bidang teknik, tetapi bisa diaplikasikan dalam bidang psikologi, sosial, dan bidang ekonomi.[28] Pengaplikasian logika kabur dipengaruhi oleh pengetahuan peneliti terhadap istilah-istilah yang ada di dalamnya. Pertama variabel fuzzy, adalah lambang atau kata yang memiliki makna untuk menunjukkan sesuatu yang belum pasti ada dalam sistem samar.[29] Kedua himpunan fuzzy, merupakan himpunan yang dibangun oleh derajat keanggotaan. Himpunan fuzzy berisi tentang variabel linguistik yang berisi kata-kata. Kata-kata tersebut sifatnya tidak pasti dan ekspresif yang berdasarkan bahasa alami. Meskipun begitu, kata-katanya dapat dimengerti, lebih luas, dan menggunakan bahasa sehari-hari.[30] Ketiga yaitu semesta pembicaraan merupakan himpunan seluruh objek yang akan dianalisis dalam pembicaraan, atau total nilai yang diizinkan untuk dioperasikan dalam variabel samar.[31] Keempat yaitu domain keseluruhan adalah bentuk nilai yang diizinkan untuk dioperasikan dari semesta pembicaraan.[32]

Penerapan

Pembuatan mesin cuci

Sistem logika kabur digunakan dalam menentukan jumlah putaran dalam mesin cuci sesuai dengan jumlah pakaian dan kotoran yang ada dalam pakaian.[33] Mesin cuci adalah produk pertama yang mengolaborasikan sistem teknik dengan logika kabur. Jumlah putaran dalam mesin cuci dipengaruhi oleh jumlah pakaian, tingkat kotoran pakain, dan jenis kotoran. Derajat kotoran pakaian dapat diukur dengan menggunakan sensor untuk melihat kejernihan air. Apabila tingkat kejernihan air semakin kotor, maka pakaian tersebut semakin kotor.[34]

Sistem transmisi otomatis

Salah satu contoh penerapan logika kabur ada pada rem otomatis yang terdapat dalam mobil cerdas. Dalam pengaplikasiannya, rem otomatis ini memungkinkan untuk mengontrol mobil pada saat kondisi macet di jalanan, hal ini dikarenakan tidak terdapat kopling pada mobil. Jepang sudah mengaplikasikanya dalam pembuatan rem otomatis untuk produk mobil cerdas Mazda. Logika kabur dapat digunakan untuk pembuatan teknologi rem otomatis, sehingga pada saat simulasi bisa melakukan pemrograman melalui sistem komputer.[35]

Sistem kendali kereta bawah tanah

Di Jepang, kereta bawah tanah Sendai sudah menggunakan logika kabur dalam mengontrol kecepatan kereta, hal ini memberikan efek nyaman bagi penumpang meskipun di dalam kereta dengan posisi berdiri. Selain itu, di beberapa perusahaan Jepang kereta cepat sudah berhasil menghemat daya sebesar 20% dengan menggunakan konsep logika kabur sebagai sistem.[36]

Bidang kedokteran

Logika kabur bisa digunakan untuk memberikan diagnosa suatu penyakit dengan menggunakan sistem pakar Fuzzy Expert System atau disingkat FES. Sistem tersebut merupakan komputasi lunak yang dapat diaplikasikan menggunakan penalaran himpunan kabur. Teknik FES terbukti dapat berkontribusi untuk menyelesaikan masalah di bidang kedokteran. Varibel input sebagai data yaitu gejala penyakit pasien, sedangkan yang menjadi variabel output merupakan persentase risiko penyakit yang akan di diagnosis.[37]

Bidang informatika

Penerapan logika kabur bisa digunakan untuk mengambil keputusan, khususnya untuk membuat penjadwalan dan pengaturan sistem pengingat.[38] Sistem pengambilan keputusan dibuat karena ditemukan masalah di dalamnya. Sistem logika kabur memiliki tujuan untuk mencapai tujuan pemecahan masalah, dengan baik dan efektif.[39]

Referensi

  1. ↑ Glosarium Pendidikan. Pusat Bahasa Departemen Pendidikan Nasional. 2005.
  2. ↑ Helfi Nasution. Implementasi Logika Fuzzy pada Sistem Kecerdasan Buatan. Jurnal UNTAN. 2012-10-02. hlm. 4.
  3. ↑ Sudrajat. Dasar-Dasar Fuzzy Logic. Pustaka Universitas Padjajaran. 2008-08-01. hlm. 30.
  4. ↑ Muhammad Sam’an. Implementasi Fuzzy Inference System sebagai Sistem Pengambilan Keputusan Pemilihan Program Studi di Perguruan Tinggi. Journal UNNES. 2015-01-01. hlm. 68.
  5. ↑ Agung Setiawan. Logika Fuzzy dengan Matlab. Agung 73. IKAPI. 2018-01-01. hlm. 1-2.
  6. ↑ Muhammad Dedi Irawan. IMPLEMENTASI LOGIKA FUZZY DALAM MENENTUKAN JURUSAN BAGI SISWA BARU SEKOLAH MENENGAH KEJURUAN (SMK) NEGERI 1 AIR PUTIH. Media Neliti. 2018-12-02. hlm. 130.
  7. ↑ Condé Nast. Remembering Lotfi Zadeh, the Inventor of Fuzzy Logic. The New Yorker. 2017-09-19.
  8. ↑ Cade Metz. Lotfi Zadeh, Father of Mathematical ‘Fuzzy Logic,’ Dies at 96. New York Times. 2017-09-11.
  9. ↑ Nola Ritha. Modul Pembelajaran Kecerdasan Buatan. Informatika Fakultas Teknik Umrah. 2020-11-01. hlm. 69.
  10. ↑ Achmad Solichin. Apa itu Logika Fuzzy? Pengenalan Konsep Dasar dan Aplikasinya – Achmatim.Net. Achmatim. 2021-05-12.
  11. ↑ Syafrinidawaty. LOGIKA FUZZY. UNIVERSITAS RAHARJA. 2020-04-06.
  12. ↑ E. H. Mamdani. An experiment in linguistic synthesis with a fuzzy logic controller. International Journal of Man-Machine Studies. 1975-01-01. Vol. 7 (1). hlm. 1–13. doi:10.1016/S0020-7373(75)80002-2.
  13. ↑ Muchammad Abrori. Aplikasi Logika Fuzzy Metode Mamdani Dalam Pengambilan Keputusan Penentuan Jumlah Produksi. Media Neliti. 2015-10-01. hlm. 94.
  14. ↑ Linda Santya. PENERAPAN METODE FUZZY MAMDANI UNTUK PENDUKUNG KEPUTUSAN PENENTUAN JUMLAH PRODUKSI LANTAK SI JIMAT. Jurnal Nusaputra. 2017-01-01. hlm. 2.
  15. ↑ Tomohiro Takagi. Fuzzy identification of systems and its applications to modeling and control. IEEE Transactions on Systems, Man, and Cybernetics. 1985-01. Vol. SMC-15 (1). hlm. 116–132. doi:10.1109/TSMC.1985.6313399.
  16. ↑ Supina Batubara. Analisis Perbandingan Metode Fuzzy Mamdani dan Fuzzy Sugeno Untuk Penentuan Kualitas Cor Beton Instan. Jurnal UIR. 2017-11-25. hlm. 5.
  17. ↑ M Sugeno. Structure identification of fuzzy model. Fuzzy Sets and Systems. 1988-10-01. Vol. 28 (1). hlm. 15–33. doi:10.1016/0165-0114(88)90113-3.
  18. ↑ Tundo. Kinerja Logika Fuzzy Sugeno dalam Menangani Prediksi Kain Tenun dengan Kombinasi Random Tree dalam Membangun Rule. E-Journal Undiksha. 2021-01-01. hlm. 70.
  19. ↑ Dorteus L. Rahakbauw. Penerapan Logika Fuzzy Metode Sugeno untuk Menentukan Jumlah Produksi Roti Berdasarkan Data Persediaan dan Jumlah Permintaan (Studi Kasus: Pabrik Roti Sarinda Ambon). Jurna Ilmu Matematika Terapan. 2015-02-01. hlm. 123.
  20. ↑ Yahachiro Tsukamoto. A study on fuzzy logic reasoning with residual implication and Frank's t-norm. 2009 IEEE International Conference on Fuzzy Systems. 2009-08. hlm. 593–597. doi:10.1109/FUZZY.2009.5277266.
  21. ↑ Fandra Satria. Penerapan Metode Fuzzy Tsukamoto untuk Pemilihan Karyawan Terbaik Berbasis Java Desktop. Digital Zone: Jurnal Teknologi Informasi dan Komunikasi. 2020-05-19. Vol. 11 (1). hlm. 131. doi:10.31849/digitalzone.v11i1.3944.
  22. ↑ Abdul Hapiz. Penerapan logika fuzzy dengan metode tsukamoto untuk mengestimasi curah hujan. Ethenes UIN Malang. 2018-08-03. hlm. 19-20.
  23. ↑ V. Tahani. Stability analysis and design of fuzzy control systems. IEEE. 1998. Vol. 1. hlm. 456–461. doi:10.1109/FUZZY.1998.687529. ISBN 978-0-7803-4863-9.
  24. ↑ Arief Rusman. LOGIKA FUZZY TAHANI SISTEM PENUNJANG KEPUTUSAN PENENTUAN LULUSAN TERBAIK. Jurnal Informatika. 2016-05-17. Vol. 3 (1). hlm. 32. doi:10.31294/ji.v3i1.265.
  25. ↑ Muhamad Azhari. PENERAPAN FUZZY TAHANI PADA SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PEMBELIAN RUMAH DI KOTA SAMARINDA. Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer. 2016-06-06. Vol. 8 (2). hlm. 57. doi:10.30872/jim.v8i2.104.
  26. ↑ M. Umano. Retrieval From Fuzzy Database by Fuzzy Relational Algebra. IFAC Proceedings Volumes. 1983-07-01. Vol. 16 (13). hlm. 1–6. doi:10.1016/S1474-6670(17)61995-5.
  27. ↑ Odie Harvence Manda. IMPLEMENTASI FUZZY QUERY DATABASE UNTUK PENGELOLAAN DATA OBAT (Studi Kasus : Apotek Sehat Bersama I Kota Bengkulu). E-Journal UNIB. 2016-01-01. hlm. 95.
  28. ↑ Ernie. FUZZY LOGIC (LOGIKA FUZZY) Bagian I. ndoWare. 2009-12-21.
  29. ↑ Grace Intan Pasaribu. ANALISIS DAN IMPLEMENTASI METODE FUZZY MAMDANI DALAM PENENTUAN PRODUKSI OPTIMUM DI HARIAN UMUM MEDAN POS. Repository USU. 2020-07-01. hlm. 6.
  30. ↑ Bijan Davvaz. Himpunan Fuzzy dan Rough Sets. IPTEK ITS. 2021-04-22. hlm. 81.
  31. ↑ Enny Durratul Arifah. APLIKASI METODE FUZZY MAMDANI DALAM PENENTUAN JUMLAH PRODUKSI. Jurnal Unej. 2017-01-01. hlm. 81.
  32. ↑ Afan Galih Salman. Pemodelan Sistem Fuzzy Dengan Menggunakan Matlab. ComTech: Computer, Mathematics and Engineering Applications. 2010-12-01. Vol. 1 (2). hlm. 278. doi:10.21512/comtech.v1i2.2349.
  33. ↑ Hendri Putra. Penerapan Kontrol Fuzzy Logic Berbasis Matlab Pada Perangkat Mesin Cuci. MULTINETICS. 2018-11-15. Vol. 4 (2). hlm. 7. doi:10.32722/multinetics.v4i2.1177.
  34. ↑ Septiana Nurohmah. Fuzzy Washing Machines. Staffnew UNY. 2008-01-01. hlm. 2.
  35. ↑ Zulfikar Sembiring. Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas. Semantika Polgan. 2017-01-01. hlm. 124.
  36. ↑ Kanneth C Laudon. Sistem Informasi Manajemen 2 (ed.10). Penerbit Salemba. 2007-01-01. hlm. 126. ISBN 978-979-691-449-4.
  37. ↑ Darmawati. Proses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani. Jurnal Unsulbar. 2017-07-02. hlm. 162.
  38. ↑ Ariesta Dwi Saputri. LOGIKA FUZZY SUGENO UNTUK PENGAMBILAN KEPUTUSAN DALAM PENJADWALAN DAN PENGINGAT SERVICE SEPEDA MOTOR. Journal of Informatics, Information System, Software Engineering and Applications (INISTA). 2019-11-29. Vol. 2 (1). hlm. 50. doi:10.20895/inista.v2i1.95.
  39. ↑ Maryaningsih Maryaningsih. METODE LOGIKA FUZZY TSUKAMOTO DALAM SISTEM PENGAMBILAN KEPUTUSAN PENERIMAAN BEASISWA. JURNAL MEDIA INFOTAMA. 2013. Vol. 9 (1). hlm. 144. doi:10.37676/jmi.v9i1.22.

Sumber dan atribusi

Konten artikel ini diadaptasi dari Wikipedia bahasa Indonesia, revisi 28532854 (2025-11-18T10:19:31Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.


Diperoleh dari "https://wiki.unissula.ac.id/index.php?title=Logika_kabur&oldid=1217"