Mengenal Logika Fuzzy (Fuzzy Logic)
Apa itu Logika Fuzzy?
Logika fuzzy adalah metode pendekatan pemrosesan variabel yang memungkinkan beberapa kemungkinan nilai kebenaran diproses melalui variabel yang sama. Tujuannya adalah untuk menyelesaikan masalah dengan mempertimbangkan berbagai data dan heuristik yang tidak pasti, sehingga memungkinkan penyimpulan yang lebih akurat.
Logika fuzzy dirancang untuk menyelesaikan masalah dengan mempertimbangkan semua informasi yang tersedia, dan kemudian membuat keputusan terbaik berdasarkan informasi tersebut.
Logika fuzzy berasal dari studi matematika tentang logika multinilai. Logika konvensional terkait dengan kebenaran mutlak dalam pernyataan seperti "Apakah objek ini berwarna hijau?", sementara logika fuzzy menangani konsep-konsep subjektif atau relatif seperti "tinggi", "besar", atau "indah". Tujuannya adalah untuk meniru cara manusia menganalisis masalah dan membuat keputusan, dengan mempertimbangkan nilai-nilai yang tidak jelas atau tidak pasti, bukan hanya kebenaran absolut atau kesalahan.
Dalam penerapannya, kedua pendekatan ini memungkinkan adanya nilai parsial untuk kondisi "benar". Sebagai alternatif dari keharusan bahwa semua pernyataan harus benar atau salah secara mutlak, seperti dalam logika klasik, nilai kebenaran dalam logika fuzzy dapat berada dalam rentang antara nol dan satu. Ini memberikan kesempatan bagi algoritme untuk membuat keputusan berdasarkan beragam data, bukan hanya satu titik data tunggal.
Sejarah Logika Fuzzy
Logika fuzzy pertama kali diajukan oleh Lotfi Zadeh dalam sebuah makalah yang diterbitkan pada tahun 1965 di jurnal Information and Control. Dalam makalah berjudul "Himpunan Fuzzy," Zadeh berusaha untuk mencerminkan jenis data yang sering digunakan dalam pemrosesan informasi dan menetapkan aturan logika untuk himpunan semacam itu.
"Terkadang, kelas objek yang ada dalam dunia fisik tidak memiliki kriteria keanggotaan yang jelas," jelas Zadeh. "Namun, kelas yang didefinisikan secara ambigu tersebut tetap memiliki peran penting dalam pemikiran manusia, terutama dalam bidang pengenalan pola, komunikasi informasi, dan abstraksi."
Sejak saat itu, logika fuzzy telah sukses diterapkan dalam sistem kendali mesin, pemrosesan gambar, kecerdasan buatan, dan bidang lain yang bergantung pada sinyal dengan interpretasi yang ambigu.
Contoh Penerapan Logika Fuzzy
Dalam model perdagangan perangkat lunak tingkat lanjut, sistem dapat menggunakan serangkaian fuzzy yang dapat diprogram untuk menganalisis ribuan sekuritas secara real-time dan memberikan peluang terbaik kepada investor. Logika fuzzy sering dipakai ketika seorang pedagang ingin mempertimbangkan banyak faktor. Ini dapat menghasilkan analisis yang lebih akurat dalam pengambilan keputusan perdagangan. Pedagang juga bisa memprogram berbagai aturan untuk melakukan perdagangan. Contohnya adalah:
Aturan 1: Jika rata-rata pergerakan rendah dan Indeks Kekuatan Relatif (RSI) rendah, maka jual.
Aturan 2: Jika rata-rata pergerakan tinggi dan Indeks Kekuatan Relatif (RSI) tinggi, maka beli.
Dengan logika fuzzy, pedagang bisa memprogram kesimpulan subjektif mereka sendiri mengenai kondisi rendah dan tinggi untuk membuat sinyal perdagangan otomatis mereka sendiri.
Kelebihan dan Kekurangan Logika Fuzzy
Logika fuzzy sering digunakan dalam pengendalian mesin dan kecerdasan buatan, serta dapat diterapkan dalam perangkat lunak perdagangan. Meskipun memiliki beragam aplikasi, logika ini juga memiliki beberapa kekurangan.
Karena logika fuzzy meniru proses pengambilan keputusan manusia, ia sangat berguna untuk memodelkan masalah kompleks dengan masukan yang ambigu atau terdistorsi. Kemiripannya dengan bahasa manusia membuat algoritme logika fuzzy lebih mudah dikodekan dibandingkan dengan pemrograman logis standar, dan membutuhkan instruksi yang lebih sedikit, sehingga mengurangi kebutuhan penyimpanan memori.
Namun, logika fuzzy juga memiliki kelemahan. Karena sifatnya yang tidak pasti, logika fuzzy dapat menghasilkan hasil yang tidak akurat. Oleh karena itu, sistem yang menggunakan logika ini harus diuji dan divalidasi dengan cermat untuk mencegah kesalahan dalam pengambilan keputusan.
Kelebihan
- Logika fuzzy cenderung lebih merefleksikan permasalahan dunia nyata daripada logika klasik.
- Algoritma logika fuzzy memiliki persyaratan perangkat keras yang lebih rendah dibandingkan dengan logika boolean klasik.
- Algoritma fuzzy mampu menghasilkan hasil yang akurat meskipun dengan data yang tidak tepat atau tidak akurat.
Kekurangan
- Algoritma fuzzy membutuhkan validasi dan verifikasi yang luas.
- Sistem kendali fuzzy sangat tergantung pada keahlian dan pengetahuan manusia.
Komponen Logika Fuzzy
Logika fuzzy biasanya terdiri dari empat komponen utama:
- Fuzzifikasi: adalah proses mengubah nilai masukan tertentu menjadi beberapa derajat keanggotaan dalam himpunan fuzzy, berdasarkan seberapa cocok nilai tersebut.
- Aturan fuzzy/basis pengetahuan: merupakan aturan Jika-Maka yang harus diikuti, sering kali berasal dari pendapat para ahli atau melalui pendekatan yang lebih kuantitatif.
- Metode inferensi: adalah cara untuk mendapatkan kesimpulan akhir fuzzy, sesuai dengan derajat keanggotaan variabel masukan dalam himpunan fuzzy dan aturan fuzzy yang rinci.
- Defuzzifikasi: Proses ini melibatkan mengubah kesimpulan fuzzy menjadi nilai output yang lebih detail.
Kseimpulan
Sumber referensi:
1. https://www.investopedia.com/terms/f/fuzzy-logic
2. L. A. Zadeh. Fuzzy sets. Information and control, vol. 8 (1965), pp. 338–353.
3. L. A. Zadeh. Similarity relations and fuzzy orderings. Information sciences, vol. 3 (1971), pp. 177–200.
Baca juga informasi menarik lainnya:
Randra Agustio Efryansah
Seorang personal blogger yang bergerak di bidang Instalasi Tenaga Listrik, Elektronika, dan Energi Terbarukan