Mengenal Pengertian Fuzzy, Kelebihan Dan Kekurangannya

Beberapa tahun terakhir, jumlah dan variasi aplikasi logika fuzzy telah meningkat secara signifikan. Aplikasinya pun berkisar dari produk konsumen seperti kamera, camcorder, mesin cuci, dan oven microwave hingga kontrol proses industri, instrumentasi medis, sistem pendukung keputusan, serta pemilihan portofolio para pelamar kerja.

Untuk memahami mengapa penggunaan logika fuzzy berkembang harus terlebih dahulu memahami apa yang dimaksud dengan kata fuzzy tersebut.

Secara umum, idenya sesederhana seperti dalam kehidupan sehari-hari, mungkin menghadapi situasi di mana tidak dapat menentukan apakah keadaan itu benar atau salah. Fuzzy mengacu pada sesuatu yang tidak jelas atau kabur, sehingga logika itu pada bidang Artificial Intelligence (AI) dapat memberikan fleksibilitas yang berharga untuk penalaran.

Pengertian Fuzzy

Kata fuzzy berarti samar, kabur, atau tidak jelas. Di dunia nyata banyak kali kita menghadapi situasi ketika kita tidak dapat menentukan apakah keadaan itu benar atau salah dan logika fuzzy ini memberikan fleksibilitas yang sangat berharga untuk penalaran.

Dengan cara ini dapat mempertimbangkan ketidakakuratan dan ketidakpastian situasi apa pun dengan fuzzy. Selain itu, mengutip sumber dari simpulan yang berasal dari buku berjudul “Fuzzy System Dynamics: An Application to Supply Chain Management” yang ditulis menurut pengetahuan beberapa pakar dan ahli bernama Michael Mutingi dan Charles Mbohwa, kata “fuzzy” di sini didefinisikan dengan sesuatu yang tidak tepat, atau tidak jelas, kurangnya informasi yang lengkap, ketidaklengkapan, ketidaktepatan, informasi yang hilang, ambiguitas, atau non-spesifisitas.

Apa itu Fuzzy Logic?

Logika atau fuzzy logic adalah pendekatan pemrosesan variabel yang memungkinkan beberapa kemungkinan nilai kebenaran (true value) diproses melalui variabel yang sama.

Logika fuzzy mencoba memecahkan masalah dengan spektrum data dan heuristik yang terbuka dan tidak tepat yang memungkinkan untuk memperoleh serangkaian kesimpulan yang akurat. Logika samar atau kabur dirancang untuk memecahkan masalah dengan mempertimbangkan semua informasi yang tersedia dan membuat keputusan terbaik yang diberikan masukan.

Secara teoritis, ini memberi pendekatan lebih banyak kesempatan untuk meniru keadaan kehidupan nyata, di mana pernyataan kebenaran mutlak atau kepalsuan jarang terjadi.

Terkait keguanaannya sendiri, perlu juga diketahui bahwa fuzzy dapat digunakan oleh analis kuantitatif untuk meningkatkan eksekusi algoritma mereka. Karena kesamaan dengan bahasa biasa, algoritma fuzzy relatif sederhana untuk dikodekan, tetapi mereka mungkin memerlukan verifikasi dan pengujian menyeluruh.

Apa itu Fuzzy Search?

Kemudian, dalam perkembangannya juga ada akronim yang disebut dengan fuzzy search.

Proses pencarian atau fuzzy search adalah salah satu yang menerapkan algoritma pencarian dengan cara yang lebih lunak daripada algoritma pencarian keras (hard searching) yang hanya cocok dengan hasil yang spesifik dan kaku.

Pencarian fuzzy dapat menjadi jauh lebih efektif untuk beberapa jenis pencarian, karena meskipun mungkin menghasilkan hasil pencarian yang kurang relevan, pencarian ini juga dapat menghasilkan hasil pencarian yang sangat relevan yang telah disaring oleh algoritma pencarian yang terlalu kaku.

Salah satu aplikasi umum dari pencarian fuzzy adalah dalam pencarian akademik atau arsip di mana penting untuk mendapatkan hasil yang memiliki relevansi kurang dari 100% (persen). Karena pengguna begitu sering mencari ide umum daripada label teknis, pencarian fuzzy mengembalikan bidang hasil yang lebih luas dari mana pengguna manusia dapat memilih untuk menentukan relevansi dalam konteks.

Pencarian kabur atau samar ini juga dapat berguna dalam terjemahan dan contoh lain di mana kata atau frasa mungkin tidak cocok secara teknis, meskipun memiliki relevansi tinggi.

Bagian Arsitektur pada Fuzzy

Di subbagian ini juga perlu mengenal seperti apa jenis, part (bagian), serta arsitektur dasar dalam logika fuzzy.

Seperti yang dapat dilihat pada gambar di atas, arsitektur Fuzzy Logic memiliki 4 (empat) bagian utama yang akan dibahas masing-masing berikut di bawah :

1. Base Rule

Bagian arsitektur fuzzy pertama yaitu adalah basis aturan atau rule base. Ini berisi semua aturan dan kondisi jika-maka yang ditawarkan oleh para ahli untuk mengontrol sistem pengambilan keputusan.

Pembaruan terbaru dalam teori atau fuzzy theory menyediakan berbagai metode untuk desain dan penyetelan pengontrol fuzzy. Pembaruan ini secara signifikan mengurangi jumlah himpunan aturan fuzzy.

2. Fuzzifier

Jenis bagian fuzzy selanjutnya yaitu adalah fuzzifikasi atau fuzzyfier. Langkah fuzzifikasi membantu untuk mengkonversi input, serta memungkinkan untuk mengonversi angka yang jelas menjadi himpunan fuzzy.

Masukan tajam diukur oleh sensor dan diteruskan ke sistem kontrol untuk diproses lebih lanjut. Hal tersebut termasuk seperti untuk suhu kamar, tekanan, dan lain sebagainya.

3. Intelligence atau Inference Engine

Berikutnya yaitu intelligence (pengetahuan) atau inference machine (mesin Inferensi). Bagian dari arsitektur ini membantu untuk menentukan tingkat kecocokan antara input fuzzy dan rule atau aturannya.

Berdasarkan tingkat persen (%) kecocokan, ini menentukan aturan mana yang perlu diterapkan sesuai dengan bidang input yang diberikan. Setelah ini, aturan yang diterapkan digabungkan untuk mengembangkan tindakan kontrol.

4. Defuzzifier

Jenis bagian arsitektur fuzzy terakhir yang akan dijelaskan di sini yaitu adalah defuzzifikasi atau defuzzyfier. Setelah melalui semua proses sebelumnya, seperti yang sudah dijelaskan di atas, maka dilakukan proses defuzzifikasi untuk mengubah himpunan fuzzy menjadi nilai crisp.

Ada banyak jenis teknik yang tersedia, jadi perlu memilihnya yang paling cocok ketika digunakan dengan sistem.

Ciri dan Karakteristik Fuzzy

Membahas terkait makna dari istilah fuzzy, tentunya hal tersebut tidak terlepas dari apa saja macam-macam ciri dan karakteristik logika atau logic kabur, samar, dan tidak jelas ini.

Adapun beberapa ciri-ciri dan karakteristik penting dari logika fuzzy yang perlu diketahui adalah sebagai berikut :

• Fuzzy merupakan metode atau teknik machine learning (pembelajaran mesin) yang fleksibel dan mudah diterapkan.
• Membantu meniru logika pemikiran manusia (penalarannya).
• Logic atau logikanya mungkin memiliki dua nilai yang mewakili dua kemungkinan solusi.
• Meruapak metode yang sangat cocok untuk penalaran yang tidak pasti atau perkiraan.
• Memandang inferensi sebagai proses menyebarkan kendala elastis.
• Memungkinkan membangun fungsi nonlinier dengan kompleksitas arbitrer.
• Logika fuzzy harus dibangun dengan panduan lengkap dari para ahli.

Melihat ciri-ciri dan karakteristik di atas, dapat dikatakan bahwa fuzzy bisa digunakan dalam berbagai jenis masalah, dan inilah yang menyebabkan  harus mengetahui apa saja saat yang tidak perlu, boleh, atau harus menggunakan logika fuzzy.

Berikut ini adalah situasi tertentu ketika sebaiknya tidak menggunakan logika fuzzy :

• Jika merasa tidak nyaman untuk memetakan ruang input ke ruang output.
• Logika fuzzy tidak boleh digunakan ketika dapat menggunakan cara logis yang kuantitatif atau yang lagi viral sekarang ini yaitu akal sehat (selain dungu).
• Banyak controller atau pengontrol lainnya yang dapat melakukan pekerjaan dengan baik tanpa menggunakan logika fuzzy.

Kelebihan dan Kekurangan Fuzzy Logic

Setelah melihat penjelasan dan contoh dari fuzzy logic di atas, dapat dikatakan bahwa logika kabur atau samar ini mempunyai kelebihan, kekurangan, atau keuntungan, dan kerugiannya masing-masing.

Logika fuzzy sering digunakan dalam pengontrol mesin dan kecerdasan buatan dan juga dapat diterapkan pada perangkat lunak komersial, meskipun memiliki berbagai aplikasi, dia juga memiliki keterbatasan substansial.

Salah satu kelebihan, keuntungan, atau kegunaannya yaitu karena logika fuzzy meniru pengambilan keputusan manusia, ini sangat berguna untuk memodelkan masalah kompleks dengan input yang ambigu atau terdistorsi dan karena kesamaan dengan bahasa alami, algoritma logika fuzzy lebih mudah untuk dikodekan daripada pemrograman logika standar, serta memerlukan lebih sedikit instruksi, sehingga menghemat kebutuhan penyimpanan memori.

Keuntungan tersebut juga datang dengan kelemahan atau kerugian, karena sifat logika fuzzy yang tidak tepat dan karena sistem dirancang untuk data dan input yang tidak akurat, maka sistem tersebut harus diuji dan divalidasi untuk mencegah hasil yang tidak akurat.

Benar! Logika fuzzy lebih cenderung mencerminkan masalah dunia nyata daripada logika klasik dan memiliki persyaratan perangkat keras (hardware requirements) yang lebih rendah daripada logika boolean klasik, serta dapat menghasilkan hasil yang akurat dengan data yang tidak tepat atau tidak akurat.

Namun, algoritma fuzzy juga membutuhkan validasi dan verifikasi yang luas dan sistem kendalinya bergantung pada keahlian dan pengetahuan manusia, di mana hal itu yang menjadi kekurangan utama di dalamnya.