Dalam dunia kecerdasan buatan (Artificial Intelligence), kita sering menghadapi situasi yang tidak sepenuhnya “hitam atau putih”. Di sinilah Logika Fuzzy atau Logika Samar memainkan peran krusial. Berbeda dengan logika biner tradisional yang hanya mengenal nilai 0 atau 1, logika fuzzy memungkinkan nilai kebenaran berada di antara keduanya.

Artikel ini akan membahas tuntas konsep dasar, struktur sistem fuzzy, hingga contoh soal tentang fuzzy yang sering muncul dalam ujian akademis maupun seleksi teknis.

Baca Juga : Panduan Lengkap dan Contoh Soal PTS Tema 6: Persiapan Maksimal Menuju Nilai Sempurna

Apa itu Logika Fuzzy?

Logika Fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh dari University of California di Berkeley pada tahun 1965. Inti dari logika ini adalah kemampuan memodelkan ketidakpastian (uncertainty) yang biasanya diekspresikan manusia dalam bahasa alami, seperti “agak panas”, “sangat cepat”, atau “cukup tinggi”.

Perbedaan Logika Klasik vs Logika Fuzzy

Struktur Sistem Kontrol Fuzzy

Sebelum masuk ke contoh soal, Anda harus memahami empat komponen utama dalam Fuzzy Logic Controller (FLC):

1. Fuzzifikasi: Proses mengubah nilai tegas (crisp input) menjadi nilai fuzzy berdasarkan fungsi keanggotaan.
2. Basis Pengetahuan (Knowledge Base): Berisi aturan-aturan IF-THEN yang dibuat oleh pakar.
3. Mesin Inferensi: Proses melakukan penalaran berdasarkan aturan yang ada (contoh: metode Mamdani atau Sugeno).
4. Defuzzifikasi: Proses mengubah hasil fuzzy kembali menjadi nilai tegas untuk aksi kontrol.

Contoh Soal Tentang Fuzzy: Kasus Pengaturan Kecepatan Kipas Angin

Untuk memahami cara kerja fuzzy, mari kita bedah satu kasus praktis berikut ini.

Studi Kasus: Sistem Penentu Kecepatan Kipas Otomatis

Sebuah sistem pendingin ruangan mengatur kecepatan kipas berdasarkan Suhu ruangan.

Data Himpunan Fuzzy Suhu:

• Dingin: 0 – 20°C
• Hangat: 15 – 30°C
• Panas: 25 – 40°C

Data Kecepatan Kipas (Output):

• Lambat: 100 – 500 RPM
• Cepat: 400 – 1000 RPM

Pertanyaan:

Jika suhu ruangan saat ini adalah 27°C, berapakah derajat keanggotaan pada masing-masing himpunan dan bagaimana keputusan kecepatannya?

Langkah 1: Menghitung Derajat Keanggotaan (Fuzzifikasi)

Berdasarkan data di atas, suhu 27°C berada di irisan antara himpunan Hangat dan Panas. Kita gunakan fungsi keanggotaan linier segitiga.

1. Derajat Keanggotaan Hangat $\mu_{Hangat}(27)$:

Rentang Hangat adalah [15, 22.5, 30]. Karena 27 di sisi turun:

$$\mu_{Hangat}(x) = \frac{30 – 27}{30 – 22.5} = \frac{3}{7.5} = 0.4$$

2. Derajat Keanggotaan Panas $\mu_{Panas}(27)$:

Rentang Panas adalah [25, 32.5, 40]. Karena 27 di sisi naik:

$$\mu_{Panas}(x) = \frac{27 – 25}{32.5 – 25} = \frac{2}{7.5} = 0.26$$

Langkah 2: Penerapan Aturan (Inference)

Misalkan aturan yang ditetapkan adalah:

• R1: IF Suhu HANGAT THEN Kipas LAMBAT.
• R2: IF Suhu PANAS THEN Kipas CEPAT.

Maka hasil inferensinya:

• Kipas Lambat memiliki derajat 0.4
• Kipas Cepat memiliki derajat 0.26

Langkah 3: Defuzzifikasi (Metode Centroid)

Langkah terakhir adalah menentukan nilai RPM pasti. Dengan metode Center of Gravity, kita menghitung titik tengah dari distribusi bobot tersebut.

$$Z = \frac{(0.4 \times 300) + (0.26 \times 700)}{0.4 + 0.26}$$

$$Z = \frac{120 + 182}{0.66} = \frac{302}{0.66} \approx 457.5 \text{ RPM}$$

Hasil Akhir: Kipas akan berputar dengan kecepatan 457.5 RPM.

Tips Mengerjakan Soal Fuzzy untuk Mahasiswa

1. Gambar Kurva Fungsi Keanggotaan: Jangan hanya membayangkan angka. Gambar kurva trapesium atau segitiga agar Anda tahu posisi nilai input berada di himpunan mana.
2. Pahami Operator Logika:
   • AND (Min): Ambil nilai terkecil.
   • OR (Max): Ambil nilai terbesar.
3. Teliti di Defuzzifikasi: Tahap ini sering terjadi kesalahan hitung karena melibatkan pembagian koma yang cukup banyak. Gunakan kalkulator saintifik jika diizinkan.

Baca Juga : Universitas Teknokrat Indonesia Pamerkan Cookies Premium Bonava Karya Mahasiswa FEB di Teknokrat Academic Expo 2026

Kesimpulan

Logika Fuzzy memberikan solusi elegan untuk masalah yang bersifat subjektif dan tidak pasti. Dengan menguasai contoh soal tentang fuzzy di atas, Anda telah memahami fondasi dasar bagaimana mesin “berpikir” secara manusiawi. Implementasi fuzzy saat ini sudah sangat luas, mulai dari mesin cuci cerdas, sistem pengereman ABS, hingga algoritma perdagangan saham.

Penulis : Nabila