KATA KUNCI: fuzzy logic, logika fuzzy, aturan if-then, input-output, sebab akibat, resiko
ABSTRAK:
Logika Fuzzy (Fuzzy Logic) tergolong sebagai sebuah teori yang relatif baru. Begitu pula dengan penerapannya. Dasar-dasar dari konsep Logika Fuzzy paling mudah dijumpai dalam pemrograman bahasa komputer, implementasi elektronika, atau yang paling trendi: pengembangan kecerdasan buatan (artificial intelligent). Keuntungan dari penerapan Logika Fuzzy adalah didapatkannya pengelompokan keputusan dari suatu persyaratan (IF ... THEN ...) dibandingkan melihat sesuatu sebagai suatu absolut atau presisi dalam kontras “pasti”. Logika Fuzzy memperkenankan kita untuk menghadirkan suatu “transisi” (kecenderungan) pada suatu kondisi. Tidak hanya itu, tetapi logika Fuzzy lebih “manusiawi” karena dapat dibahasakan. Ketika sesuatu dapat dibahasakan, maka kecenderungan suatu permasalahan adalah diamati untuk didapatkan: pemecahan—lebih dari sekedar nilai-nilai matematis suatu statistik yang absolut atau presisi yang susah dipahami dan dimaknai.
1. PENDAHULUAN
1.1. Sekilas Logika Fuzzy
Pada harapannya, setelah anda membaca tulisan ini, anda akan dapat melihat ragam penerapan Logika Fuzzy pada banyak hal terkini. Mengenai cara pemecahan masalah terkini, dan terlontar disana-sini. Baik itu tentang permasalahan: ekonomi, manajemen, kendali-proses suatu mesin hingga organisasi, sistem operasi, psikologi, hingga peralatan-peralatan elektronis yang banyak kita pakai, pun bahkan: game komputer! Dibalik layar semua hal terkini yang dirasakan bermanfaat tersebut, anda akan mendapati: LOGIKA FUZZY!
Logika Fuzzy (Fuzzy Logic—FL), pertama kali diperkenalkan pada tahun 1965 oleh Prof. Lotfi A. Zadeh, seorang profesor untuk Ilmu Komputer Universitas California di Berkley.
Kebanyakan logika tradisional mengharuskan segala sesuatu dalam suatu kondisi baku, presisi atau absolut; Logika Fuzzy justru lebih “manusiawi”, hal ini disebabkan karena logika Fuzzy memperkenankan kita “membahasakan” suatu permasalahan sehingga mudah dipahami, tentunya harapannya adalah dipecahkan; dari suatu pengelompokkan. Dalam tulisan ini, akan dibahas mengenai pemanfaatan Logika Fuzzy untuk mengidentifikasi resiko, diterangkan dengan perumpamaan masalah yang disederhanakan sehingga memudahkan pemahaman dasar logika Fuzzy.
1.2. Dikelompokkan agar terpecahkan
Logika Fuzzy tidak sekedar menghakimi sesuatu hanya pada: “hitam” atau “putih”, “benar” atau “salah”, “0” atau “1”; melainkan dapat berada diantaranya, dan boleh jadi tidak menuju pada kedua hal absolut tersebut. Hal ini dapat terjadi karena pengelompokan “derajat-kelasnya” yang dicacah diantara kesamaan kontras absolut.
Sebagai analogi sederhana, terdapat sebuah ruang persegi. Lalu disekat menjadi dua bagian (tidak harus sama rata); menjadi sisi kiri dan sisi kanan. Selanjutnya, diberikan lubang mirip pintu diantara sekat tersebut. Pada lubang pintu tersebut, katakanlah kita memberikan sebuah benda berupa bola. Sehingga akan muncul pertanyaan: bola tersebut cenderung menggelinding ke sisi kiri atau kanan? Sementara keputusan harus ditetapkan.
Saat Logika Fuzzy diterapkan terhadap suatu permasalahan, akan muncul suatu aturan mendasar: sebab à akibat (dalam bahasa komputer dikenali sebagai: INPUT à OUTPUT; atau IF ... THEN ...). Dengan dasar tersebut, maka dapat dibuat penjelasan didasarkan pada: awal mula, alasan, kecenderungan, ketergantungan, akibat, hasil akhir, atau produk, dsb; selama didasarkan pada sebab à akibat. Tentunya, pilihan kriteria dan penggabungan yang tepat dalam rentang yang sama juga merupakan salah satu syarat dalam penentuan suatu akibat. Akhirnya, pemecahan masalah menjadi lebih jelas.
Untuk menjelaskan penerapan Logika Fuzzy, berikut ini uraian dalam contoh perumpamaan yang paling sangat disederhanakan.
2.1. Perumpamaan Masalah
- KASUS 1: Sebuah perusahaan “Y” secara tidak sengaja kebocoran tangki limbah bawah permukaan. Tangki tersebut bocor pada hari 4, lalu bocor langsung ditutup pada hari itu dan selesai tertutup di hari ke-5:
- KASUS 2: Sementara itu, kawasan sekitar merupakan pemukiman padat penduduk, dengan ragam lapisan tanah yang relatif mudah meneruskan cairan (permeable), dan pertama kali dikeluhkan oleh pihak terdekat pada hari 5, dan keluhan meningkat seiring hari. Hari ke 12, bencana ditanggulangi, dan hari ke 13 bencana berhasil diatasi:
“Bola” tersebut berada pada pertemuan antara KASUS 1 (grafik —) dan 2 (grafik —), lalu dengan syarat keterhubungan “AND” sehingga ketika tidak ditanggulangi dengan tepat, maka akan menjadi bencana yang lebih besar dan dirasakan oleh lebih banyak orang, sebagaimana pada KASUS 2 (grafik —).
Jika (IF) upaya penanggulangan hari ke 12 pada KASUS 2 (grafik —), dilakukan pada hari ke 4,5 pada KASUS 1 (grafik —), MAKA (THEN) sudah tentu tidak akan ada akumulasi keluhan yang dilontarkan seiring hari.
Sebagaimana diuraikan diatas, bahwa Logika Fuzzy memungkinkan untuk membahasakan suatu kondisi sehingga lebih “manusiawi”.
Berikut ini adalah uraiannya, diupayakan sesederhana mungkin sehingga memudahkan pemahaman awam:
2.3. Proses Utama
Logika FUZZY dengan dasar “AND” dibawah ini semakin diperjelas. Identifikasi SETELAH kejadian dapat diperhitungkan dan dibahasakan:
KASUS 1 “AND” KASUS 2:
Mohon amati kembali penggabungan kedua kasus dalam persamaan grafis berikut ini:
Mohon amati pemecahan permasalahannya secara “crude” sebagai berikut dalam berbagai penjelasan kelasan (variable “hari ke-“ tidak didefinisikan, agar lebih sederhana):
2.4. Pola Dasar Terpelajari
Pada contoh diatas, terdapat 4 buah variabel, seperti dalam KASUS 1 dan KASUS 2: limbah vs resiko vs orang vs resiko (per hari). Saat keduanya digabungkan sebagai sebuah persamaan dengan dasar “AND”, maka didapatkan ragam kejelasan mendalam untuk mengidentifikasi suatu permasalahan, termasuk pemecahan yang relatif tepat didalam grafis yang sama (‘emas’nya adalah: SEGI TIGA!—jika tak ditemukan, cari dan tarik-tarik garis pertemuannya saja, dan coba terus bahasakan garisnya, hingga masalah pecah! Atau intervensikan variabel baru lainnya).
Syarat tersebut dapat dipenuhi dengan: dua (atau lebih) variabel yang kemudian harus digabungkan agar semakin memperjelas suatu kondisi. Misalkan persamaan antara: (hari vs resiko vs populasi vs resiko vs ruang vs resiko vs makanan); (orang vs resiko vs pekerjaan); (kuantitas vs resiko vs kualitas); (produsen vs resiko vs demand vs distribusi); dan lain sebagainya.
4. KESIMPULAN
Logika Fuzzy hanya merupakan dasar pemikiran agar selalu didapatkan pemecahan suatu kondisi kompleks. Implementasinya dapat menjadi sangat luas, variatif, dan harus tetap dapat “dibahasakan” dari suatu proses.
Kumpulan persamaannya (keanggotaan) dapat digunakan untuk mengkelompokkan ragam kondisi transisi (walau tidak harus mengarah pada nilai-nilai absolut dan presisi). Atau sebaliknya, mengambil ragam kemungkinan informasi-informasi yang tidak terbahasakan dengan logika lainnya.
Logika Fuzzy lebih pada menyusun suatu sistem yang mengalir tidak linier (semua kemungkinan dapat muncul) dan mengakomodir semua batas keadaan, dibandingkan membuat suatu model baku; sehingga diperlukan pemahaman yang baik atas variabel yang dipilih dan penghubungannya.
5. REFERENSI
Online:
Browse “GOOGLE.COM”, and input the query with: “FUZZY LOGIC”. Read them all!!! I did! ;-) NOOO… hehehe just some articles with good synopsis and extension. :-D
“By doing” References:
Learn basic computer programming. Cutest step would be with PHP, or PERL. Pick PHP for simpler coding, though. And please-please-please –pleeeease do: misuse your knowledge of Fuzzy with the-real-life problems, for the sake of God, humanity, nature, and animals; and last for least: to yourself.
Ega Gunawan Budi Utomo:
Peneliti Independen untuk Komunitas Peduli Bencana (http://peduli-bencana.or.id) dan Praktisi Teknologi Informasi UtomOnline-Indonesia (http://utomonline.com) ega@egagunawan.com
