Fuzzy Logic Controller

Fuzzy dalam bahasa inggris memiliki arti kabur atau tidak jelas, sehingga logika fuzzy adalah logika yang kabur, atau mengandung unsur ketidakpastian. Logika fuzzy berbeda dari logika biasa atau logika tegas yang hanya mengenal dua nilai seperti salah atau benar, 0 atau 1. Sedangkan logika fuzzy mengenal nilai diantara benar dan salah. Kebenaran dalam logika fuzzy dinyatakan dalam derajat kebenaran yang nilainya antara 0 hingga 1. Secara umum, proses perancangan pengendali logika fuzzy dinyatakan dalam bentuk skema di bawah ini .

Adapun kelebihan dari logika fuzzy sebagai berikut :

1. Berasal dari konsep matematis yang sederhana, sehingga konsep logika fuzzy mudah dipahami.

2.   Memiliki toleransi terhadap data-data yang tidak tepat.

3.   Logika fuzzy dapat memodelkan fungsi nonliniear yang kompleks.

4.   Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.

5.   Logika fuzzy dapat dikombinasikan dengan teknik-teknik kendali secara konvensional.

6.  Logika fuzzy memiliki daya guna yang lebih baik di berbagai aspek, tidak hanya khusus untuk kendali mesin namun dapat digunakan juga untuk dalam sistem mengambil keputusan.

Terdapat 3 tahapan utama dalam proses Fuzzy Logic yaitu :

1) Fuzzification 

Fuzzification merupakan proses pemetaan variable input yang merupakan nilai tegas ke 

dalam fungsi keanggotaan fuzzy yang kemudian diolah di dalam mesin penalaran. Fungsi 

keanggotaan merupakan suatu kurva yang menunjukkan pemetaan titik input data ke dalam 

derajat keanggotaan yang memiliki nilai interval antara 0 sampai 1. Cara untuk mendapatkan 

nilai keanggotaan yaitu dilakukan dengan menggunakan pendekatan fungsi matematika. 

fungsi yang umum nya digunakan antara lain fungsi linier naik, fungsi linier turun, fungsi 

representasi kurva segitiga, representasi kurva trapesium, representasi kurva tipe 

S, representasi tipe Phi, dan representasi kurva Gaussian.

2) Rule Base ( Rule Evaluation) 
Rule evaluation berfungsi untuk memetakan fuzzy input menjadi fuzzy output atau membuat 
aturan-aturan yang akan terjadi yang dialami oleh fuzzy input. Pemetaan ini didasarkan pada 
sejumlah fuzzy If – Then rules. If –Then rules terdiri dari dua bagian utama, yaitu : 

•      The antecedent part (premise) yaitu kata di antara if dan then yang merupakan input fuzzy.
•     The consequent part (conclusion) yaitu kata setelah then yang merupakan output fuzzy. 

Dengan demikian If then rules pada proses Fuzzy Logic dapat dituliskan dengan IF sebagai

Antecedent dan THEN sebagai Consequent. Jika Sistem Fuzzy Logic dirancang dengan 

menggunakan lebih dari satu input, maka Antecedent dapat menggunakan operator And atau 

Or. 

3) Defuzzifikasi : 

Suatu sistem fuzzy akan mengeluarkan output berupa himpunan fuzzy (fuzzy output). Untuk 

dapat berinteraksi dengan sistem di luar, maka perlu mengubahnya menjadi suatu data crisp 

(tegas). Dengan proses defuzzifikasi, himpunan fuzzy hasil inferensi akan diubah menjadi 

suatu data crisp tunggal. Data crisp tunggal inilah yang merupakan sinyal kontrol. Ada 

beberapa metode defuzzifikasi, antara lain :

•        Metode Max : Metode yang digunakan untuk mencari nilai puncak untuk output yang dibatasi oleh fungsi :
  
•        Metode titik tengah (centre of area): Metode Defuzzifikasi yang paling umum digunakan adalah metode pusat area. Metode ini dideskripsikan dengan fungsi
  
•       Metode rata-rata (average) : Metode yang digunakan jika fuzzy dalam bentuk simetris.
  
•       Metode penjumlah titik tengah (summing of centre area) : Metode ini dinyatakan dalam fungsi sebagai berikut :
  
•     Metode titik tengah area terbesar : Pada metode ini output yang dipilih berdasarkan titik pusat area terbesar yang terdapat pada fungsi keanggotaan. Metode ini dinyatakan dalam fungsi :