Fuzzy Logic : Kelebihan dan Kekurangan

Fuzzy Logic (FL) pertama diperkenalkan oleh Lotfi. A. Zadeh. Tidak seperti logika boolean atau logika digital yang hanya bernilai 0 atau 1, logika fuzzy ini bernilai antara 0 dan 1. Fuzzy logic digunakan untuk menangani  fuzziness (kesamaran) dengan cara merepresentasikan nilai yang bersifat linguistik. Misalnya besar, kecil, sedang, pelan, agak cepat, cepat dan sebagainya. Permasalahan yang tidak dapat dilihat sebagai ‘hitam’ atau ‘putih’ seperti ini lebih sering terjadi di dunia nyata. Terdapat hal ‘abu-abu’ yang jika diperhitungkan dapat membua kita menentukan keputusan yang lebih adil.
Secara umum dalam sistem logika fuzzy terdapat empat buah elemen dasar, yaitu:
1.  Berbasis rule, yang berisi aturan-aturan secara linguistik yang bersumber dari pakar (atau data training).
2.  Suatu mekanisme pengambilan keputusan (inference engine), yang memodelkan bagaimana pakar mengambil suatu keputusan dengan menerapkan pengetahuan (knowledge).
3.  Proses fuzzification, yang mengubah nilai crisp ke nilai fuzzy.
4.  Proses defuzzification, yang mengubah nilai fuzzy hasil inference ke nilai crisp.

Kelebihan Fuzzy Logic
Diibandingkan dengan sistem logika lain, fuzzy logic bisa menghasilkan keputusan yang lebih adil dan lebih manusiawi. Fuzzy logic memodelkan perasaan atau intuisi dengan cara merubah nilai crisp menjadi nilai linguistik dengan fuzzification dan kemudian memasukkannya ke dalam rule yang dibuat berdasarkan knowledge.
Kelebihan yang kedua adalah Fuzzy logic cocok digunakan pada sebagian besar permasalahan yang terjadi di dunia nyata. Permasalahan di dunia nyata kebanyakan bukan biner dan bersifat non linier sehingga fuzzy logic cocok digunakan karena menggunakan nilai linguistik yang tidak linier. Fuzzy dapat mengekspresikan konsep yang sulit untuk dirumuskan, seperti misalnya “suhu ruangan yang nyaman”.
Pemakaian fungsi keanggotaan memungkinkan fuzzy logic untuk melakukan observasi obyektif  terhadap nilai-nilai yang bersifat subyektif. Selanjutnya fungsi keanggotaan ini dapat dikombinasikan untuk membuat pengungkapan konsep yang lebih jelas.

Kekurangan Fuzzy Logic
Selain kelebihan yang telah dijelaskan di atas, ternyata Fuzzy Logic juga memiliki kekurangan. Dalam mendesain fuzzy logic, sering ditemukan kesulitan dalam menentukan preferensi atau parameter agar output yang dihasilkan akurat, yaitu :
1.    Model Mamdani atau Sugeno atau model lain?
Penentuan model inference harus tepat, Mamdani biasanya cocok untuk masalah intuitive sedangkan sugeno untuk permasalahan yang menangani control
2.    Jumlah Nilai Linguistik untuk setiap variabel?
Kita harus merubah nilai crisp menjadi nilai linguisik. Jumlah dari nilai linguistik yang digunakan harus sesuai dengan permasalahan yang akan kita selesaikan.
3.    Batas-batas Nilai Linguistik?
Batas-batas nilai linguistik akan sangat berpengaruh pada akurasi fuzzy logic.
4.    Fungsi Keanggotaan: Segitiga, trapesium, phi, …?
5.    Fuzzy rule yang tepat?
Parameter-parameter di atas lah yang membentuk  knowledge. Knowledge tersebut bisa berasal dari pengetahuan pakar maupun data training. Pemilihan data training pun bisa menjadi kesulitan tersendiri, sebab data yang digunakan harus merepresentasikan data yang sebenarnya. Pemilihan data training akan sangat menentukan knowledge dan akurasi fuzzy logic yang dihasilkan. Pada intinya akurasi fuzzy logic tergantung dari pakar atau data training.

Referensi
1.    Suyanto. 2007. Artificial Intelligence: Searching, Reasoning, Planning and Learning. Informatika, Bandung Indonesia
2.    Nugroho, Anto Satriyo. 2003. Pengantar Softcomputing. Modul Kuliah Umum IlmuKomputer.Com. http://asnugroho.net/papers/ikcsc.pdf
3.    http://wangready.wordpress.com/2011/05/03/fuzzy-logic/
4.    http://digilib.ittelkom.ac.id/index.php?option=com_content&view=article&id=506:fuzzy-system&catid=20:informatika&Itemid=14