Implementasi Logika Fuzzy di Kehidupan Sehari-hari

Pada masa modern sekarang ini, banyak sekali penerapan teknologi dari bidang komputer yang digunakan untuk menunjang berbagai bidang pekerjaan dalam kehidupan nyata. Salah satunya adalah dengan menerapkan sebuah sistem kecerdasan buatan berbasis komputer pada mesin-mesin dan alat yang digunakan dalam bidang-bidang pekerjaan tersebut. Dengan adanya sebuah “otak” pada sebuah alat atau mesin yang digunakan untuk menunjang berbagai jenis pekerjaan manusia, maka akan semakin ringan beban yang ditanggung manusia dalam melaksanakan pekerjaannya. Efisien dan efektivitas dalam proses pekerjaan tersebut juga tercapai. Salah satu penerapan kecerdasan buatan dalam bidang-bidang pekerjaan manusia adalah dengan digunakannya konsep fuzzy logic / logika fuzzy pada alat-alat dan mesin penunjang pekerjaan manusia.

1.      Pendahuluan

Fuzzy Logic adalah metodologi pemecahan masalah dengan beribu – ribu aplikasi dalam pengendali yang tersimpan dan pemrosesan informasi. Fuzzy Logic menyediakan cara sederhana untuk menggambarkan kesimpulan pasti dari informasi yang ambigu, samar – samar, atau tidak tepat. Sedikit banyak, fuzzy logic menyerupai pembuatan keputusan pada manusia dengan kemampuannya untuk bekerja dari data yang ditafsirkan dan mencari solusi yang tepat.

Fuzzy logic pada dasarnya merupakan logika bernilai banyak (multivalued logic) yang dapat mendefinisikan nilai diantara keadaan konvensional seperti ya atau tidak, benar atau salah, hitam atau putih, dan sebagainya. Penalaran fuzzy menyediakan cara untuk memahami kinerja dari sistem dengan cara menilai input dan output sistem dari hasil pengamatan.

2.      Sejarah

Konsep Fuzzy Logic diperkenalkan oleh Prof. Lotfi Zadeh dari Universitas California di Berkeley pada 1965, dan dipresentasikan bukan sebagai suatu metodologi control, tetapi sebagai suatu cara pemrosesan data dengan memperkenankan penggunaan partial set membership dibanding crisp set membership atau non-membership. Pendekatan pada set teori ini tidak diaplikasikan pada system control sampai tahun 70an karena kemampuan komputer yang tidak cukup pada saat itu.  Saat itu Profesor Zadeh berpikir bahwa orang tidak membutuhkan kepastian, masukan informasi numeric, dan belum mampu dihadapkan pada control adaptif yang tinggi.

Konsep fuzzy logic kemudian berhasil diaplikasikan dalam bidang control oleh E.H. Mamdani. Sejak saat itu aplikasi fuzzy berkembang kian pesat. Di tahun 1980an negara Jepang dan negara – negara di Eropa secara agresif membangun produk nyata sehubungan dengan konsep logika fuzzy yang diintegrasikan dalam produk – produk kebutuhan rumah tangga seperti vacuum cleaner, microwave oven dan camcorder.

Sementara pengusaha di Amerika Serikat tidak secepat itu mencakup teknologi ini. Fuzzy logic baru berkembang pesat selama beberapa tahun terakhir. Terdapat lebih dari dua ribu produk dipasaran yang menggunakan konsep fuzzy logic, mulai dari mesin cuci hingga kereta berkecepatan tinggi. Setiap pengembang aplikasi yang dibuat tentunya menyadari beberapa keuntungan dari fuzzy logic seperti performa, kesederhaan, biaya rendah dan produktifitasnya.

3.      Penggunaan Fuzzy Logic

Beberapa tahapan yang dilakukan dalam penggunaan fuzzy logic adalah sebagai berikut :

  • Pertama-tama kita harus didefinisikan obyektif dan criteria control :

Apa yang kita coba control ?

Apa yang harus kita lakukan untuk mengontrol system ?

Respon seperti apa yang kita butuhkan ?

Apa mode kegagalan system yang mungkin ?

  • Tentukan hubungan antara input dan output serta memilih jumlah minimum variable input pada mesin fuzzy logic(secara khusus error dan rata – rata perubahan error).
  • Dengan menggunakan struktur berbasis aturan dari fuzzy logic, jabarkan permasalahan control ke dalam aturan IF X AND Y THEN Z yang mendefinisikan respon output system yang diinginkan untuk kondisi input system yang diberikan. Jumlah dan kompleksitas dari rules bergantung pada jumlah parameter input yang diproses dan jumlah variable fuzzy yang bekerjasama dengan tiap – tiap parameter. Jika mungkin, gunakan setidaknya satu variable dan turunan waktunya. Walaupun mungkin untuk menggunakan sebuah parameter tunggal yang error saat itu juga tanpa mengetahui rata – rata perubahannya, hal ini melumpuhkan kemampuan system untuk meminamalisasi keterlampauan untuk sebuah tingkat input.
  • Buat fungsi keanggotaan yang menjelaskan nilai input atau output yang digunakan didalam rules.
  • Buat rutinitas proses awal dan akhir yang penting jika diimplementasikan dalam software, sebaliknya program rules kedalam mesin hardware fuzzy logic.
  • Test system, evaluasi hasil, atur rules dan fungsi keanggotaan, dan re-test sampai hasil yang memuaskan didapat.

 4.      Implementasi Fuzzy Logic dalam berbagai bidang

Pada masa sekarang ini kita dapat melihat berbagai penerapan Fuzzy Logic pada alat-alat dan mesin yang digunakan dalam kehidupan sehari-sehari manusia. Dengan digunakannya fuzzy logic dalam prinsip kerja alat-alat dan mesin penunjang pekerjaan manusia tersebut membuat waktu, biaya, tenaga menjadi lebih efektif dan efisien sehingga juga meningkatkan tingkat produktifitas pekerjaan yang dilakukan manusia.

Berikut ini adalah beberapa bentuk implementasi fuzzy logic dalam berbagai bidang di kehidupan sehari-hari manusia :

Air Conditioner (Mitsubishi)

AC Mitsubishi menggunakan fuzzy logic dalam system control-nya seperti berikut :

“Jika suhu udara semakin hangat, daya pendinginan naik sedikit, jika udara semakin dingin, matikan daya ke bawah.”

Beberapa keuntungan yang diperoleh adalah sebagai berikut :

Mesin menjadi halus sehingga tidak cepat rusak, suhu kamar yang nyaman menjadi lebih konsisten dan peningkatan efisiensi (penghematan energi).

Vacuum Cleaner (Panasonic)

Prinsip kerja Vacuum Cleaner yang diproduksi oleh Panasonic adalah sebagai berikut :

“Karakteristik lantai dan jumlah debu yang dibaca oleh sensor inframerah dan mikroprosesor akan memilih daya yang sesuai dengan kontrol fuzzy berdasarkan karakteristik lantai.”

Karakteristik lantai meliputi jenis (kayu, semen, ubin, kelembutan karpet, karpet tebal, dll).

Pola perubahan jumlah debu yang melewati sensor inframerah dapat dideteksi.

Mikroprosesor menetapkan pengaturan yang sesuai dengan vakum dan daya motor menggunakan skema kontrol fuzzy.

Lampu merah dan hijau dari penyedot debu menunjukkan jumlah debu tersisa di lantai.

Automatic Transmission System (Nissan, Subaru, Mitsubishi)

Dalam sistem transmisi otomatis konvensional, sensor elektronik mengukur kecepatan kendaraan dan membuka throttle, and gear bergeser berdasarkan nilai-nilai variabel-variabel yang telah ditentukan.

Pada Nissan, tipe sistem ini tidak mampu memberikan performa kontrol seragam yang memuaskan untuk driver karena hanya menyediakan sekitar tiga pola pergeseran yang berbeda.

Dengan digunakannya fuzzy locgic membuat transmisi kontrol fuzzy mampu membaca beberapa variabel termasuk kecepatan kendaraan dan akselerasi, membuka throttle, laju perubahan pembukaan throttle, beban mesin, dan gaya mengemudi. Ketika variabel ini terdeteksi maka akan diberi bobot nilai dan agregat fuzzy dihitung untuk memutuskan kapan akan oper.

Kontroler ini dikatakan lebih fleksibel, halus, dan efisien, memberikan kinerja yang lebih baik. Sebuah sistem yang terintegrasi yang dikembangkan oleh Mitsubishi juga menggunakan logika fuzzy untuk kontrol aktif dari sistem suspensi, four-wheel-drive (traksi), kemudi, dan pendingin udara.

Washing Machine (Matsushita, Hitachi)

Sistem kontrol fuzzy yang digunakan pada mesin cuci ini dapat mengendalikan kualitas dan kuantitas kotoran, ukuran beban, dan jenis kain, dan mengatur siklus cuci dan jumlah deterjen sesuai. Sedangkan jumlah air di mesin cuci diukur dengan sensor cahaya.

Camcorder (Panasonic, Sanyo, Fisher, Canon)

Kamera Video menentukan fokus dan pencahayaan terbaik, terutama ketika beberapa objek dalam gambar. Juga memiliki image stabilizer untuk mengatasi tangan yang bergetar. Fuzzy Logic digunakan untuk image stabilizer pada kamera video.

Cara kerjanya adalah sebagai berikut :

Bingkai gambar saat ini dibandingkan dengan frame sebelumnya dari memori. Sebuah objek biasanya stasioner (misalnya, rumah) diidentifikasi dan pergeseran koordinat dihitung.

Pergeseran ini dikurangi dari gambar untuk mengimbangi pergerakan tangan. Sebuah algoritma fuzzy memberikan kontrol mulus / tindakan kompensasi.

Game untuk Merespon Emosi dari Teks Berbahasa Indonesia Menggunakan Klasifikasi Teks dan Logika Fuzzy.

Game sebagai media hiburan telah berkembang dengan pesat seiring dengan perkembangan teknologi. Salah satu unsur yang berperan penting dalam sebuah game adalah kecerdasan buatan. Dengan kecerdasan buatan, elemen-elemen dalam game dapat berperilaku sealami mungkin layaknya manusia.

Dalam game ini dikembangkan implementasi kecerdasan buatan dalam game dimana salah

satu elemen game yaitu NPC (Non Playable Character), mampu mengenali emosi dari teks berbahasa indonesia sekaligus merespon dengan perilaku sesuai dengan jenis emosinya. Metode yang digunakan dalam penelitian ini adalah klasifikasi teks sebagai penentu jenis emosi dalam teks dan logika fuzzy sebagai penentu perilaku dari NPC yang sesuai dengan jenis emosinya.

Penerapan Fuzzy Logic untuk keamanan dalam berkendara dengan mobil.

Dengan menggunakan fuzzy logic pada system control prosedur keamanan berkendara dengan mobil maka dapat diperoleh sebuah kenyamanan saat berkendara. Karena fuzzy logic mengontrol berbagai aspek tata cara berkendara yang benar dan tidak melanggar peraturan, seperti :

Mengukur jarak antara mobil kita dengan mobil di depan dan mobil di belakang, mengukur dan membatasi kecepatan mobil kita saat berkendara di jalan dalam kota dan jalan tol, mengatur kecepatan mobil dan presisi kendali mobil saat melewati sebuah tikungan (diperhitungkan tingkat kecuraman tikungan), pengaturan kecepatan mobil saat ingin menyalip mobil di depan, dan berbagai hal lainnya yang dapat memberikan kenyamanan serta rasa aman pada manusia dalam berkendara.

5.      Kesimpulan

Fuzzy Logic menawarkan beberapa karakteristik unik yang menjadikannya suatu pilihan yang baik untuk berbagai masalah system control. Karakteristik tersebut antara lain :

  • Sudah menjadi sifatnya yang kuat selama tidak membutuhkan ketepatan, input yang bebas derau, dan dapat diprogram untuk gagal dengan aman jika sensor arus balik dimatikan atau rusak. Control output adalah fungsi kontrol halus meskipun jarak variasi input yang cukup besar.
  • Selama fuzzy logic controller memproses aturan – aturan yang dibuat user yang memerintah system control target, ia dapat dimodifikasi dengan mudah untuk meningkatkan atau mengubah secara drastis performa system. Sensor yang baru dapat dengan mudah digabungkan kedalam system secara sederhana dengan menghasilkan aturan memerintah yang sesuai.
  • Fuzzy logic tidak terbatas pada sedikit masukan umpan-balik dan satu atau dua output control, tidak juga penting untuk menilai atau menghitung parameter rata – rata perubahan dengan tujuan agar ia diimplementasikan. Sensor data yang menyediakan beberapa indikasi untuk aksi dan reaksi system sudah cukup. Hal ini memungkinkan sensor menjadi murah dan tidak tepat sehingga menghemat biaya system keseluruhan dan kompleksitas rendah.
  • Karena operasi – operasi yang berbasiskan aturan, jumlah input yang masuk akal dapat diproses ( 1 sampai 8 atau lebih ) dan banyak output ( 1 sampai 4 atau lebih ) dihasilkan, walaupun pendefinisian rulebase secara cepat menjadi rumit jika terlalu banyak input dan output dipilih untuk implementasi tunggal selama pendefinisian rules(aturan), hubungan timbal baliknya juga harus didefinisikan. Akan lebih baik jika memecah system kedalam potongan – potongan yang lebih kecil dan menggunakan fuzzy logic controllers yang lebih kecil untuk didistribusikan pada system, masing – masing dengan tanggung jawab yang lebih terbatas.
  • Fuzzy Logic dapat mengontrol system nonlinier yang akan sulit atau tidak mungkin untuk dimodelkan secara matematis. Hal ini membuka pintu bagi system control yang secara normal dianggap tidak mungkin untuk otomatisasi.

Sedangkan karakteristik utama dari fuzzy logic yang ditemukan oleh Prof. Lotfi A. Zadeh adalah sebagai berikut:

  • Dalam fuzzy logic, penalaran tepat dipandang sebagai suatu kasus terbatas dari penalaran kira-kira.
  • Dalam fuzzy logic segala sesuatunya adalah masalah derajat.
  • System logic manapun dapat di-fuzzi-fikasi.
  • Dalam fuzzy logic, pengetahuan diinterpretasikan sebagai koleksi dari fuzzy yang dipaksakan pada sekumpulan variable.
  • Kesimpulan dipandang sebagai sebuah proses dari perkembangan pembatas yang elastis.
Iklan

Jangan sungkan berpendapat

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s