LOGIKA FUZZY
Ada banyak manfaat untuk menggunakan logika fuzzy. Logika fuzzt
adalah konseptual mudah dipahami dan memiliki pendekatan alami [8].
Logika fuzzy fleksibel dan dapat dengan mudah ditambah dan disesuaikan.
Hal ini sangat toleran terhadap data yang tidak tepat dan terhadap model
yang nonlinier/ kompleksitas sedikit. Hal ini juga bisa dicampur dengan
teknik kontrol konvensional. Ada tiga komponen utama dari sistem fuzzy:
set fuzzy, aturan fuzzy, dan bilangan fuzzy.
Logika fuzzy dan berpikir fuzzy terjadi di set fuzzy. Pertimbangkan
contoh kendaraan. Kita semua berbicara kendaraan yang sama, tapi kita
berpikir kendaraan pada tingkat yang berbeda. Ini adalah kata benda. Ini
menggambarkan sesuatu. Ada sekelompok perangkat yang kita sebut
kendaraan. Perangkat ini mungkin termasuk truk, pesawat, bus, mobil,
sepeda, skuter, atau skateboard. Apa yang saya anggap kendaraan yang
akan bisa menjadi sesuatu yang sangat berbeda dari apa yang orang lain
anggap. Yang benar-benar kendaraan atau tidak? Beberapa tampak lebih
dekat dengan gagasan kita tentang sebuah kendaraan daripada yang lain.
Aristoteles akan mengatakan bahwa hanya ada satu kendaraan dan bukan
kendaraan. logika fuzzy mengatakan bahwa untuk gelar masing-masing
perangkat ini adalah kendaraan. Beberapa merupakan kendaraan lebih dari
yang lain tetapi semua jatuh dalam grayness antara kendaraan
dan bukan kendaraan. Intinya adalah bahwa kendaraan kata singkatan untuk
satu set fuzzy dan hal-hal yang termasuk dalam mengatur beberapa
derajat.
Lambang fuzzy sebenarnya adalah simbol “yin-yang” [13]. Simbol
yin-yang, ditunjukkan pada Gambar 3 adalah sama hitam dan putih. Hal ini
dalam keadaan yang paling fuzzy.
Komponen kedua dari sistem fuzzy adalah aturan fuzzy. Aturan fuzzy didasarkan pada pengetahuan manusia. Pertimbangkan bagaimana alasan manusia dengan contoh sederhana: jika Anda membawa payung untuk bekerja? Pertama, Anda memiliki pengetahuan tentang ramalan: sekitar 70% kemungkinan hujan. Kedua, Anda memiliki pengetahuan tentang fungsi payung: untuk membuat Anda tetap kering ketika hujan. Dari pengetahuan ini, Anda dapat membuat aturan yang membimbing Anda melalui suatu keputusan. Jika hujan, Anda akan mendapatkan basah. Jika Anda mendapatkan basah, Anda akan tidak nyaman di tempat kerja. Jika Anda menggunakan payung, Anda akan tetap kering. Oleh karena itu, Anda memutuskan untuk membawa payung. Aturan yang dipandu untuk keputusan Anda berhubungan satu hal atau peristiwa atau proses ke hal atau peristiwa dalam bentuk :jika-maka” [13].
Pengetahuan tentang kesempatan hujan menyebabkan aturan yang membuat Anda memutuskan cara yang Anda lakukan. Ini adalah bagaimana aturan fuzzy diciptakan, melalui pengetahuan manusia. Mendefinisikan aturan-aturan fuzzy atau fuzzy patch. Fuzzy patch, bersama dengan grayness, merupakan ide kunci dalam logika fuzzy. “Patch ini akal sehat dasi ke geometri sederhana dan membantu mendapatkan pengetahuan untuk dapat menuliskan program ke dalam komputer,” kata Bart Kosko, penganjur terkenal di dunia dan populizer logika fuzzy [13]. Patch ditentukan oleh bagaimana sistem fuzzy dibangun untuk dapat meliputi jalur output yang didefinisikan oleh sistem. Gambar 4 menunjukkan bercak fuzzy yang meliputi jalur output. Sebuah konsep yang dirancang oleh Kosko disebut Fuzzy Teorema Aproksimasi (FAT) menyatakan bahwa jumlah terbatas patch dapat mencakup kurva [13]. Jika patch yang besar, aturan yang besar. Jika patch kecil, aturan yang tepat. Mencoba untuk membuat aturan yang terlalu tepat membangun banyak kompleksitas ke dalam suatu sistem fuzzy.
Ada beberapa cara untuk mengasosiasikan nomor fuzzy ke deskripsi dalam kata-kata. Asosiasi ini terjadi dalam bentuk-bentuk tertentu. Bentuk ini disebut sebagai fungsi keanggotaan. Ada empat bentuk yang terutama digunakan. Hal ini termasuk segitiga, trapesium, Gaussian, dan Singleton.
0 komentar:
Posting Komentar