Dalam dunia kecerdasan buatan, tidak semua masalah bisa diselesaikan dengan logika pasti (true atau false). Banyak kondisi di dunia nyata yang bersifat abu-abu atau tidak pasti, seperti menentukan apakah suhu itu “dingin” atau “hangat”. Nah, di sinilah konsep logika fuzzy berperan penting sebagai pendekatan yang mampu menangani ketidakpastian tersebut.
Salah satu metode populer dalam logika fuzzy adalah Fuzzy Tsukamoto, yang digunakan untuk membantu sistem dalam mengambil keputusan berdasarkan nilai yang tidak pasti. Metode ini banyak diterapkan dalam berbagai sistem cerdas karena mampu menghasilkan output yang lebih fleksibel dan mendekati kondisi nyata. Lalu, sebenarnya apa itu Fuzzy Tsukamoto dan bagaimana cara kerjanya?
Apa Itu Fuzzy Tsukamoto?
Fuzzy Tsukamoto adalah sebuah metode yang dikembangkan oleh seorang ilmuwan Jepang bernama Takagi Tsukamoto pada tahun 1985. Metode ini memungkinkan sistem untuk mengambil keputusan dengan cara mengelompokkan input ke dalam beberapa kelas fuzzy, kemudian menggunakan aturan-aturan fuzzy untuk menentukan output yang tepat.
Baca Juga: Belajar Logika Fuzzy: Pengertian, Cara Kerja dan Contoh Penerapan Logika Fuzzy
Cara Kerja Fuzzy Tsukamoto
Cara kerja fuzzy Tsukamoto sangat tergantung pada aturan-aturan fuzzy yang telah ditentukan dan fungsi keanggotaan yang telah didefinisikan. Adapun tahapan pada fuzzy tsukamoto sebagai berikut.
Tahap ke-1
Sistem kecerdasan buatan akan menerima input dari lingkungannya atau dari pengguna. Inputan ini kemudian akan dikelompokkan ke dalam beberapa kelas fuzzy yang telah ditentukan sebelumnya.
Tahap ke-2
Sistem kecerdasan buatan akan mencocokan input yang diterima dengan aturan-aturan fuzzy yang telah ditentukan sebelumnya. Aturan-aturan fuzzy ini biasanya dituliskan dalan bentuk “IF-THEN”, seperti “jika suhu ruangan terlalu dingin, THEN nyalakan sistem penghangat”. Sistem kecerdasan buatan akan mengevaluasi aturan-aturan tersebut dan menentukan output yang tepat sesuai dengan aturan yang cocok dengan input yang diterima.
Fungsi keanggotaan juga berperan dalam cara kerja fuzzy tsukamoto. Fungsi keanggotaan merupakan sebuah grafik yang menunjukkan tingkat keanggotaan suatu input ke dalam kelas fuzzy terntentu. Misalnya, jika kita menentukan kelas fuzzy “dingin” untuk suhu ruang, maka fungsi keanggotaan untuk kelas tersebut akan menunjukkan tingkat keanggotaan suhu ruangan ke dalam kelas “dingin” pada setiap titik suhu tertentu.
Tahap ke-3
Setelah sistem kecerdasan buatan menentukan output yang tepat sesuai dengan aturan-aturan fuzzy yang cocok dengan input yang diterima, ouput tersebut kemudian akan dikirim ke sistem yang bertanggung jawab untuk mengontrol perangkat atau proses yang diinginkan.
Sebagai contoh, jika sistem diberikan output untuk menyalakan sistem penghangat ruangan, maka sistem penghangat tersebut akan diaktifkan dan mulai menaikkan suhu ruang sampai ketingkat yang nyama.
Dengan demikian, cara kerja fuzzy Tsukamoto dalam sistem sangat tergantung pada aturan-aturan fuzzy yang telah ditentukan dan fungsi keanggotaan yang telah didefinisikan.
Baca Juga: Fuzzy Mamdani : Cara Kerja, Contoh Soal dan Implementasi
Contoh Soal Fuzzy Tsukamoto
Berikut ini adalah contoh sederhana perhitungan menggunakan metode fuzzy Tsukamoto.
Langkah ke-1
Butlah tabel untuk menentukan nilai variabel-variabel fuzzy yang digunakan. Misalnya, jika kita ingin menentukan tingkat kecerdasan seseorang menggunakan variabel fuzzy “cerdas“, maka kita datap membuat tabel seperti dibawah ini.
| Rendah | Sedang | Tinggi | |
|---|---|---|---|
| x | 0-50 | 51-75 | 76-100 |
| μ | 1-0 | 1-0 | 0-1 |
Langkah ke-2
Tentukan aturan-aturan fuzzy yang akan digunakan. Misalnya jika kita ingin menentukan tingkat kecerdasan seseorang, maka kita dapat menentukan aturan-aturan seperti.
- Jika nilai x ≤ 50, maka tingkat kecerdasan rendah (μ = 1).
- Jika nilai 50 < x ≤ 75, maka tingkat kecerdasan sedang (μ = 1 – 0).
- Jika nilai x > 75, maka tingkat kecerdasan tinggi (μ = 0 – 1).
Langkah ke-3
Masukkan nilai dari variabel fuzzy yang akan dihitung kedalam aturan-akuran fuzzy yang telah ditentukan. Misalnya, jika nilai x = 60, maka kita dapat menghitung tingkat kecerdasan seperti.
- Jika nilai x ≤ 50, maka tingkat kecerdasan rendah (μ = 1).
- Jika nilai 50 < x ≤ 75, maka tingkat kecerdasan sedang (μ = (60 – 50) / (75 – 50) = 0,5).
- Jika nilai x > 75, maka tingkat kecerdasan tinggi (μ = 0).
Langkah ke-4
Tentukan nilai akhir dari variabel fuzzy yang telah dihitung dengan menggunakan metode fuzzy Tsukamoto. Nilai akhir dapat dihitung dengan menggunakan rumus berikut.
keterangan:
- μi adalah nilai dari variabel fuzzy yang telah dihitung.
- vi adalah nilai crisp (tidak fuzzy) dari setiap variabel fuzzy.
- Σ adalah simbol untuk penjumlahan.
Misalnya, jika kita ingin menghitung tingkat kecerdasan seseorang menggunakan variabel fuzzy “cerdas” dengan nilai x = 60, maka kita dapat menghitung nilai cirspnya seperti dibawah ini.
Nilai crisp yang dihasilkan adalah 60, yang menunjukkan bahwa tingkat kecerdasan seseorang itu adalah Sedang dengan skor 60.
Baca Juga: Fuzzy Sugeno: Cara Kerja, Contoh Soal dan Implementasi
Kelebihan dan Kekurangan Fuzzy Tsukamoto
Metode fuzzy Tsukamoto memiliki kelebihan dan kekurangan diantaranya sebagai berikut.
Kelebihan
- Dapat menghasilkan keputusan yang lebih akurat, karena metode ini menggunakan sejumlah variabel yang masing-masing merupakan himpunan fuzzy.
- Dapat menghasilkan keputusan yang tepat, karena metode ini dapat mengambil keputusan berdasarkan sejumlah variabel yang terkait.
- Dapat menghasilkan keputusan yang lebih mudah dibaca dan dipahami, karema metode ini menggunakan jumlah variabel yang masing-masing merupakan fuzzy.
Kekurangan
- Memerlukan sejumlah besar data untuk menentukan nilai keanggotaan suatu variabel dalam sebuah himpunan fuzzy.
- Dapat menghasilkan keputusan yang tidak sesuai jika data yang digunakan tidak akurat atau tidak lengkap.
- Memerlukan sejumlah besar komputasi untuk menghitung nilai keanggotaan suatu variabel dalam sebuah himpunan fuzzy.
Contoh Implementasi Fuzzy Tsukamoto
Berikut ini contoh beberapa implementasi fuzzy Tsukamoto:
- Sistem keamanan rumah
Metode in digunakan untuk menentukan tingkat keamanan rumah berdasarkan beberapa input, seperti keberadaan sistem keamanan, keberadaan lampu penerangan dan tingkat kepadatan lingkungan. - Sistem pengendalian suhu
Metode ini digunakan untuk mengontrol suhu dalam ruangan dengan mengatur keluaran sistem AC berdasarkan input seperti suhu saat ini, kelembaban dan tingkat kenyamaman yang diinginkan. - Sistem pengendalian kualitas air
Metode ini digunakan untuk mengontrol kualitas air dengan mengatur keluaran sistem penyaringan berdasarkan input seperti tingkat kekeruhan, pH dan kandungan mineral. - Sistem pengendalian kecepatan kipas angin
Metode ini digunakan untuk mengatur kecepatan kipas angin berdasarkan input seperti suhu saat ini, tingkat kelembaban dan tingkat kebutuhan kenyamanan. - Sistem pengendalian pencahayaan
Metode ini digunakan untuk mengatur kecerahan lampau ruangan berdasarkan input seperti tingkat cahaya saat ini, kebutuhan akan cahaya dan aktivitas yang sedang dilakukan di ruang tersebut.
Baca Juga: Belajar Metode ANFIS (Adaptive Neuro-Fuzzy Inference System)
Kesimpulan
Pada pembelajaran kita di atas dapat kita simpulkan bahwa Fuzzy Tsukamoto merupakan salah satu metode dalam logika fuzzy yang digunakan untuk menangani ketidakpastian dalam pengambilan keputusan. Dengan memanfaatkan aturan IF-THEN dan fungsi keanggotaan monoton, metode ini mampu menghasilkan output yang bersifat tegas (crisp) sehingga lebih mudah digunakan dalam berbagai sistem kecerdasan buatan.
Dengan keunggulan tersebut, metode Fuzzy Tsukamoto banyak diterapkan dalam berbagai bidang seperti sistem kontrol, pengambilan keputusan, hingga teknologi berbasis AI. Jika digunakan dengan data yang tepat, metode ini dapat membantu menghasilkan keputusan yang lebih akurat, fleksibel, dan mendekati kondisi nyata.
Artikel ini merupakan bagian dari seri Kecerdasan Buatan KantinIT.com. Jika artikel ini bermanfaat, jangan lupa bagikan ke media sosial atau ke teman kamu.
