Mengenal Logika Fuzzy, si Logika Samar-Samar

untitledTidak semua jenis klasifikasi cocok dikelompokkan secara tegas menggunakan logika crisp yang hanya bernilai 0 atau 1. Kita ambil contoh pada kasus klasifikasi usia manusia. Jika kita menggunakan logika crisp dan mengelompokkannya hanya pada dua kategori, yaitu ‘tua’ atau ‘muda’, maka klasifikasi ini akan memberikan hasil yang kurang memuaskan.

Misalnya, jika ditentukan aturan bahwa usia 0-40 tahun dikategorikan sebagai ‘muda’ dan usia di atas 40 tahun dikategorikan sebagai ‘tua’. Maka, seseorang berusia 40 tahun dikategorikan sebagai ‘muda’, namun usia 40 tahun lebih 1 bulan saja sudah dinyatakan sebagai usia ‘tua’. Klasifikasi seperti ini sangatlah kaku dan dapat memberikan hasil yang tidak diharapkan oleh pembuat sistem.

Oleh karena itu, ditemukanlah logika fuzzy alias logika samar-samar yang membuat batas antar kategori menjadi lebih halus. Klasifikasi dalam logika fuzzy dinyatakan dalam suatu bentuk probabilitas. Contohnya, jika kita terapkan kasus usia tadi, seseorang harus berusia 40 tahun ke bawah untuk diklasifikasikan sebagai ‘muda’. Dengan demikian, seseorang yang berusia 0-40 tahun memiliki nilai 1 untuk kategori ‘muda’. Lalu bagaimana untuk usia 40 tahun lebih 1 bulan?

Dalam logika fuzzy, batas tegas dalam suatu kategori tidaklah harus berurutan. Pada kasus klasifikasi usia di atas, jika kita tetapkan nilai 1 untuk rentang usia 0-40 tahun, maka nilai 0 tidak harus berarti di atas 40 tahun. Sebagai contoh, bisa saja kita tetapkan nilai 0 untuk kategori ‘muda’ (yang berarti nilai 1 untuk kategori ‘tua’) pada rentang usia 60 tahun ke atas.

Dengan demikian, mari kita lihat lagi kasus untuk usia 40 tahun lebih 1 bulan. Menurut logika fuzzy, usia tersebut tidak dapat lagi dikategorikan sebagai ‘muda’, tapi tidak bisa juga dikatakan sebagai ‘tua’. Kita hanya bisa menyebutkan bahwa usia tersebut, misalnya, 90% mendekati kategori ‘muda’ (atau 10% mendekati kategori ‘tua’).

crisp vs fuzzy

Logika Crisp vs Logika Fuzzy

Dalam aplikasinya di dunia teknis, kita ambil contoh penggunaan logika fuzzy dalam cara kerja sensor mesin cuci. Kapankah cucian dianggap ‘bersih’ dan kapan dianggap ‘kotor’? Katakanlah, sensor yang digunakan dalam mesin adalah sensor cahaya yang terdiri dari pemancar dan penerima (receiver) cahaya. Cucian dianggap bersih, misalnya, jika intensitas cahaya yang diterima oleh receiver adalah 90-100%. Adapun cucian dianggap kotor, misalnya, jika intensitas cahaya yang diterima oleh receiver adalah 0-20%. Selanjutnya, ditetapkan bahwa cucian dianggap selesai jika cucian telah ‘bersih’ atau berada dalam batas sekian persen mendekati ‘bersih’.

Demikianlah, logika fuzzy mempermudah kita dalam menentukan batas-batas kategori yang sulit untuk didefinisikan secara tegas. Logika ini pun turut membantu penyelesaian berbagai permasalahan di dunia ini.