Fuzzy Database

Fuzzy Database
Jarnuji
[email protected]
Abstrak
Logika fuzzy merupakan alternatif cara berpikir yang dapat memodelkan kompleks
sistem menggunakan pengetahuan dan pengalaman yang dipunyai logika dimulai
sebagai studi tentang bahasa dalam argument dan persuasif , dan hal itu kemungkinan
digunakan untuk menilai kebenaran dari rantai reasoning, dalam bentuk matematikanya.
Kata Kunci: Terlebih lagi didorong dengan adanya kemajuan ilmu pengetahuan
Pendahuluan
Berisi maksud, tujuan, manfaat dan target pembaca dari artikel ini ditulis sebagai
bentuk sumbansih keilmuan dibidang teknologi informasi untuk mencerdasakan anak
bangsa.
Pembahasan
Fuzzy database merupakan Fuzzy Query Database. Artinya, suatu query yang memiliki
variabel - variabel yang bernilai fuzzy. Untuk mendapatkan informasi tentang kriteria
laptop maka dibutuhkan kriteria - kriteria laptop seperti harddisk, processor, berat, lcd
display, memory dan harga. Alasan memakai fuzzy database untuk rekomendasi
pemilihan laptop karena fuzzy database dapat dengan mudah diakses oleh pengguna
berdasarkan kriteria yang mudah dimengerti seperti spesifikasi harddisk, processor,
berat, lcd display, memory dan harga.
Fuzzy Database Model Tahani
Lisensi Dokumen:
Copyright © 2008-2014 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
Basisdata fuzzy model tahani masih tetap menggunakan relasi standar, hanya saja model
ini menggunakan teori himpunan fuzzy untuk mendapatkan informasi pada query-nya
(Kusumadewi, 2010). Metode Tahani tersusun atas tahapan yaitu:
1) Menggambarkan Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan
pemetaaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut
dengan derajat keanggotaan) yang memiliki internal antara 0 sampai 1, salah satu cara
yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui
pendekatan fungsi. Beberapa fungsi yang dapat digunakan yaitu Representasi kurva
Linier, Representasi Kurva Segitiga. Representasi Kurva Trapesium. Masing-masing
fungsi tersebut, akan menghasilkan nilai antara “0” dan “1” dengan cara yang berbeda,
sesuai dengan jenis representasi yang digunakan.
2) Fuzzifikasi
Fuzzifikasi adalah fase pertama dari perhitungan fuzzy yaitu pengubahan nilai tegas ke
nilai fuzzy. Prosesnya adalah sebagai berikut: Suatu besaran analog dimasukkan sebagai
masukan (crisp input), lalu input tersebut dimasukkan pada batas scope dari
membership function. Membership function ini biasanya dinamakan membership
function input. Keluaran dari proses fuzzifikasi ini adalah sebuah nilai input fuzzy atau
yang biasanya dinamakan fuzzy input.
3) Fuzzifikasi Query
Fuzzifikasi Query diasumsikan sebuah query konvensional (nonfuzzy) DBMS yang
akan mencoba membuat dan menerapkan sebuah system dasar logika fuzzy query .
4) Operator Dasar Zadeh untuk Operasi Himpunan Fuzzy.
Nilai keanggotaan sebagai dari 2 himpunan fuzzy dikenal dengan nama Fire Strength
atau α-predikat. Sangat mungkin digunakan operator dasar dalam proses query berupa
operator AND dan OR.
Lisensi Dokumen:
Copyright © 2008-2014 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
α -predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil
nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan,
dinotasikan : µA B = min(µA[x], µB[x]). Sedangkan untuk hasil operasi dengan
operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen pada
himpunan-himpunan yang bersangkutan, dinotasikan : µAUB = max(µA[x], µB[x]).
Alternatif yang direkomendasikan adalah alternatif yang memiliki nilai Fire Strength
atau tingkat kesesuaian dengan kriteria pilihan diatas angka 0 (nol) sampai dengan
angka 1 (satu).
1. Definisi Logika Fuzzy
Logika fuzzy atau fuzzy logic bermula dari kenyataan bahwa dunia nyata sangat
kompleks. Kompleksitas ini muncul dari ketidakpastian dalam bentuk informasi
imprecision (ketidakpastian). Mengapa komputer yang dibuat oleh manusia tidak
mampu menangani persoalan yang kompleks dan tidak presisi ini sedangkan manusia
bisa. Jawabanya adalah manusia mempunyai kemampuan untuk menalar (Reasoning)
dengan baik yaitu kemampuan yang komputer tidak mempunyainya.pada suatu sistem
jika kompleksitasnya berkurang, maka persamaan matematik dapat digunakan dan
ketelitian yang dihasilkan menjadi sangat berguna dalam pemodelan sistem tetapi jika
kompleksitasnya bertambah dimana persamaan matematik tidak dapat digunakan ,
logika fuzzy menjadi salah satu alternatif penyelesaiannya. Logika fuzzy merupakan
alternatif cara berpikir yang dapat memodelkan kompleks sistem menggunakan
pengetahuan dan pengalaman yang dipunyai logika dimulai sebagai studi tentang bahasa
dalam argument dan persuasif , dan hal itu kemungkinan digunakan untuk menilai
kebenaran dari rantai reasoning, dalam bentuk matematikanya sebagai contoh adalah
sebagai berikut : Dalam dua nilai logika proporsinya bisa benar atau salah , tetapi tidak
keduanya. Kebenaran ditandai dengan statement(pernyataan) nilai kebenaran. Dalam
fuzzy logic proporsi kemungkinan benar atau salah atau mempunyai setengah nilai
kebenaran , seperti kemungkinan benar.
Lisensi Dokumen:
Copyright © 2008-2014 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
Ide pemikiran pada sistem fuzzy yaitu nilai kebenaran (dalam fuzzy logic) atau nilai
fungsi keanggotaan (Membership function) dalam fuzzy set diindikasikan oleh nilai
pada range [0.0,1.0], dengan 0.0 mewakili kesalahan absolut dan 1.0 mewakili
kebenaran absolut. Dalam kasus ini berhubungan dengan multivalued logic(logika
bernilai banyak). Sebagai contoh , kalimat :”Arthur is old.”
Jika umur Arthur 80, kemungkinan akan memberikan statement nilai kebenaran 0.80.
Statement dapat diartikan menjadi set terminologi sebagai berikut:”Arthur adalah
anggota dari set orang tua .” Suatu logika berdasar pada dua nilai kebenaran true and
false kadang-kadang tidak cukup manakala menguraikan dan menggambarkan
pemikiran manusia. Logika fuzzy menggunakan keseluruhan interval 0(False) dan
1(True) untuk menguraikan pemikiran manusia . Sebagai hasilnya logika fuzzy
diterapkan dalam mengatur sebuah sistem karena sifatnya yang lebih sesuai dengan cara
berpikir manusia.
2. Sejarah Fuzzy Logic
Sistem fuzzy merupakan suatu alternatif untuk pemikiran tradisional dari set
keanggotaan dan logika yang berasal dari filosopi yunani dan aplikasi pada intelegensia
semu. Logika fuzzy pertama kali diperkenalkan oleh seseorang professor computer
science dari University of California di Berkeley yang bernama Lofti A.Zadeh pada
tahun 1965 dan berhasil diaplikasikan dalam bidang kontrol oleh E.H.Mamdani. Sejak
itu aplikasi dari logika fuzzy ini berkembang pesat terutama dinegara Jepang dengan
dihasilkannya ribuan paten mulai dari bermacam-macam produk elektronik sampai
aplikasi pada kereta api di kota Sendai. Logika fuzzy pada dasarnya merupakan logika
bernilai banyak(Multivalued Logic)yang dapat mendefinisikan nilai diantara keadaan
yang biasa dikenal seperti ya atau tidak, hitam atau putih, benar atau salah. logika fuzzy
Lisensi Dokumen:
Copyright © 2008-2014 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
menirukan cara manusia mengambil keputusan dengan kemampuannya bekerja dari
data yang samar atau tidak rinci dan menemukan penyesuaian yang tepat.
Contoh aplikasi logika fuzzy antara lain:
• Penerapan logika fuzzy dalam pengaturan kipas angin atau AC. Dimana dalam
masalah ini digunakan thermometer untuk menentukan suhu ruangan, dan variabel
fuzzy yang dimodelkan adalah suhu ruangan dan putaran mesin. Dengan himpunan
fuzzy untuk variabel suhu ruangan adalah dingin, sedang, dan panas. Sedang untuk
variable putaran mesin, himpunan fuzzy yang dipakai adalah lambat, sedang dan cepat.
• Penerapan logika fuzzy dalam otomatisasi persneling pada mobil otomatis. Pada
masalah ini variable fuzzy yang dimodelkan adalah putaran mesin dan posisi gear
kendaraan. Dengan himpunan fuzzy untuk variabel putaran mesin adalah rendah,
sedang, dan tinggi. Dan untuk variabel posisi gear adalah kecil, sedang, dan besar.
• Penerapan logika fuzzy dalam penentuan diafragma pada kamera foto manual.
Variabel yang digunakan adalah intensitas cahaya dan ukuran diafragma. Dengan
himpunan fuzzy untuk variabel intensitas cahaya adalah gelap, sedang, dan terang. Dan
untuk variabel ukuran diafragma adalah buka penuh, buka setengah, dan buka sedikit.
Dan masih banyak lagi aplikasi lainnya.
Penutup
Persamaan matematik dapat digunakan dan ketelitian yang dihasilkan menjadi sangat
berguna dalam pemodelan sistem tetapi jika kompleksitasnya bertambah dimana
persamaan matematik tidak dapat digunakan , logika fuzzy menjadi salah satu alternatif
penyelesaiannya.
Referensi
http://fanny-andreas.blogspot.com/2010/11/sejarah-dan-definisi-logika-fuzzy.html
http://dutaxp.blogspot.com/2014/01/pengertian-logika-fuzzy-fuzzy-logic.html
Lisensi Dokumen:
Copyright © 2008-2014 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
http://fuzzydatabase.blogspot.com/2012/05/proposal-tugas-akhir-penerapanfuzzy_28.html
Biografi
Jarnuji mahasiswa Raharja jurusan SIM jengjang strata 1,yg bertempat
tinggal diRawa Kidang, Sukadiri, kab.Tangerang.
Lisensi Dokumen:
Copyright © 2008-2014 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org