PAPER MEKATRONIKA
BOOLEAN & FUZZY LOGIC
Oleh:
NAMA: RIZKI MUHAMMAD RIDHA SIHOMBING
NIM: 03051181419010
KELAS:B
JURUSAN TEKNIK MESIN FAKULTAS TEKNIK
UNIVERSITAS SRIWIJAYA
KATA PENGANTAR
Puji Syukur kami panjatkan kehadirat Allah Yang Maha Esa, karena atas anugrah-Nya penulisan paper ini dapat terselesaikan dengan baik. Tidak lupa kami ucapkan terima kasih kepada semua pihak yang telah membantu terlaksananya penulisan paper ini hingga bisa tersusun dengan baik. Paper ini kami susun berdasarkan pengetahuan yang saya peroleh dari beberapa buku dan media elektronik dengan harapan orang yang membaca dapat memahami tentang Boolean dan Fuzzy Logic. Akhirnya, kami menyadari bahwa penulisan paper ini masih jauh dari sempurna. Oleh karena itu, kami mengharapkan kritik dan saran yang sifatnya membangun demi perbaikan penerbitan paper ini di masa mendatang.
Indralaya, 24 september 2015
KATA PENGANTAR
KATA PENGANTAR... 2 KATA PENGANTAR... 3 BAB I ... 4 Latar belakang ... 4 BAB II ... 5Pengertiaan boolean logic ... 5
Sejarah boolean logic ... 5
Cara kerja Boolean Logic ... 5
Keungggulan Boolean logic ... 6
Kekurangan Boolean logic ... 6
Aplikasi boolean logic dalam kehidupan sehari-hari ... 7
Pengertian fuzzy logic ... 8
Sejarah fuzzy logic ... 8
penggunaan fuzzy logic ... 8
Keunggulan fuzzy logic ... 9
Kekurangan Fuzzy Logic ... 10
Aplikasi Fuzzy Logic dalam kehidupan sehari-hari ... 11
BAB I
Latar belakang
abat ke 18 adalah awal mula perkembangan teknologi yang sangat pesat, seperti yang kita rasakan pada saat ini. Dimulai dari penemuan listrik dan lampu, elektronika, robotika, radio dan tv, mesin transportasi, hingga komputer modern dan internet yang mengubah dunia dari dunia kuno menjadi dunia yang canggih serba dekat.
Siapa yang tidak tahu dengan namanya komputer dan internet. Komputer dan internet membuat dunia ini menjadi lebih efisien dan serba dekat. Dengan internet kita dapat mencari suatu informasi dengan mudah hanya dengan munulis suatu kata atau kalimat yang bekaitan dengan informasi yang kita ingin tahu. Fitur yang digunakan untuk mencari informasi itu dinamakan search engine. Contoh dari search engine adalah google, yahoo.
Boolean logic dan fuzzy logic adalah prinsip dasar untuk perancangan komputer modern modern. boolean logic dapat kita aplikasi dalam keterampilan mengunankan search engine. Dengan kita memahami penalaran boolean logic kita dapat menggunakan search engine dengan efektif. Satu lagi, fuzzy logic adalah salah satu penalaran yang sangat berguna untuk memecahkan masalah yang ambigu atau samar-samar untuk mencari titik terang atau kesimpulan untuk maslah itu.
Tunjuan dari penulisan paper ini adalah untuk menjelaskan apa itu boolean logic dan apa itu fuzzy logic yang merupakan prinsip dasar perancangan komputer modern.
BAB II
Pengertiaan boolean logic
Boolean logic adalah nilai yang menghasilkan benar atau salah, (salah satu dari informasi bit). Dalam bahasa pemrograman disediakan nilai ini. Contoh: dengan memberikan nilai awal benar atau salah dan ada beberapa bahasa pemrograman menggunakan data integer untuk mengimplementasikan nilai ini, dengan 0 (nol) berarti salah dan 1 (not o) berarti benar.
Sejarah boolean logic
Boolean logic atau logika boolean pertama kali diperkenalkan oleh seorang ahli matematika bernama George Boolean, pada tahun 1840, kemudian dikembangkan pada tahun 1854 dalam bukunya “Sebuah Investigasi Hukum Pemikiran”. Dialah yang pertama kali mendefinisikan istilah itu sebagai bagian dari sistem logika matematika. Aljabar Boolean disempurnakan di akhir abad 19 oleh Jevons, Schröder, Huntington dan lain-lain sampai mencapai konsepsi modern struktur (abstrak) matematika. Dalam perkembanganya Boolean logic telah dianggap sebagai dasar komputer modern dan perkembangan teknologi saat ini.
Cara kerja Boolean Logic
Logika Boolean biasanya bekerja dengan membandingkan bit individu. Bagi mereka yang belum terbiasa, bit merupakan unit terkecil dari informasi digital. Kita mungkin melihat bahwa semua file komputer memiliki ukuran yang umumnya dinyatakan dalam byte, setiap byte lebih lanjut dapat dibagi menjadi bit. Logika boolean melakukan operasi dengan cara membandingkan bit-bit individu informasi. Untuk menentukan cara membandingkan bit informasi digital, Boolean logic bekerja dengan menggunakan system operasi AND, OR, dan NOT
Operator dan logika boolean pada google ada 8 yaitu: 1. And 2. Or 3. Tanda tambah (+) 4. Tanda minus (-) 5. Tanda asterik 6. Tanda titik (.) 7. Tanda kutip (“”) 8. Not
Operator AND diletakkan di antara kata kunci yang gunakan dalam penelusuran, fungsinya adalah untuk mempersempit hasil pencarian. Misalnya, Filsafat AND Islam, akan mempersempit penelusuran, sehingga akan memperoleh hanya situs-situs yang mengandung kata Filsafat dan Islam di dalamnya.
Meletakkan operator OR di antara kata kunci berarti akan memperluas hasil pencarian. Misalnya, Filsafat OR Islam, akan menelusur situs-situs yang mengandung salah satu atau kedua kata tersebut di dalamnya.
Operator NOT juga untuk mempersempit hasil pencarian. Misalnya, Filsafat NOT Islam, berarti akan mencari situs-situs yang mengandung kata Filsafat, tetapi tidak mengandung kata Islam. (Beberapa mesin pencari menggunakan operator AND NOT) Tiap-tiap search engine memiliki cara yang berbeda dalam menerapkan teknik penelusuran dengan menggunakan operator Boole ini. Untuk mengetahuinya harus diperiksa pada petunjuk atau pedoman di masing-masing search engine.
Keungggulan Boolean logic
1. Mudah untuk diimplementasikan. 2. Konsep yang terstruktur.
3. Operator Boolean bisa mendekati bahasa alami. Cari dokumen tentang demonstrasi menentang kenaikan harga minyak tanah.
4. AND dapat menemukan hubungan antara konsep Demonstrasi mahasiswa. 5. OR dapat menemukan terminologi alternatif Demonstrasi karyawan. 6. NOT dapat menemukan arti alternatif Demonstrasi memasak. 7. Query sederhana mudah dimengerti.
Kekurangan Boolean logic
1. Pencocokan yang tepat dapat mengambil dokumen terlalu sedikit atau terlalu banyak. 2. Sulit untuk pengindexkan, beberapa dokumen yang lebih penting dari pada yang lain kadang
berada dibawah dokumen yang tidak penting.
3. Sulit untuk menterjemahkan query ke dalam ekspresi Boolean. 4. Semua istilah sama-sama berbobot.
5. Lebih seperti pengambilan data dari pencarian informasi.
6. Bahasa alami sangat kompleks. Contoh Dia melihat seseorang di Pantai dengan teropong. 7. Sering menghasilkan terlalu banyak dokumen.
Aplikasi boolean logic dalam kehidupan sehari-hari
Boolean logic dapat diaplikasi dalam “bagaimana cara mengefektifkan penggunaan search engine” Strategi Dasar Pencarian Informasi Melalui Mesin Pencari:
Ada 10 (sepuluh) langkah yang dapat ditempuh untuk melakukan pencarian informasi di Internet secara efektif dan efisien dengan menggunakan mesin pencari:
1. Identifikasi konsep-konsep penting dari topik yang cari.
2. Pilih kata kunci yang menggambarkan konsep-konsep tersebut.
3. Tentukan apakah kata kunci tersebut sinonim, istilah yang berkaitan, atau variasi lain dari kata kunci yang harus disertakan.
4. Tentukan teknik penelusuran mana yang sesuai, termasuk menggunakan operator Boole, frase, kedekatan atau lainnya.
5. Pilih mesin pencari.
6. Baca instruksi pencarian pada home page mesin pencari tersebut. Cari bagian dengan judul “Help”, “Advanced Search”, Frequently Asked Questions” dan sejenisnya.
7. Buat ekspresi pencarian dengan menggunakan sintaks yang sesuai dengan mesin pencari yang digunakan.
8. Evaluasi hasil pencarian. Berapa banyak yang ditemukan? Apakah temuan tersebut sesuai dengan query?
9. Modifikasi pencarian jika diperlukan. Kembali ke langkah 2-4 dan revisi query sesuai dengan kebutuhan.
10. Coba pencarian yang sama dengan menggunakan mesin pencari yang berbeda (Yahoo!, Google, Altavista, Hotbot, LookSmart, dsb.) mengikuti langkah 5-9 di atas.
Pengertian fuzzy logic
Fuzzy Logic adalah metodologi pemecahan masalah dengan beribu – ribu aplikasi dalam pengendali yang tersimpan dan pemrosesan informasi. Cocok untuk diimplementasikan pada sistem yang sederhana, kecil, tertanam pada mikro controller, PC multi-channel atau workstation berbasis akuisisi data dan control sistem. Fuzzy logic menyediakan cara sederhana untuk menggambarkan kesimpulan pasti dari informasi yang ambigu, samar -samar, atau tidak tepat. Sedikit banyak, fuzzy logic menyerupai pembuatan keputusan pada manusia dengan kemampuannya untuk bekerja dari data yang ditafsirkan dan mencari solusi yang tepat. Fuzzy logic pada dasarnya merupakan logika bernilai banyak (multivalued logic) yang dapat mendefinisikan nilai diantara keadaan konvensional seperti ya atau tidak, benar atau salah, hitam atau putih, dan sebagainya. Penalaran fuzzy menyediakan cara untuk memahami kinerja dari system dengan cara menilai input dan output system dari hasil pengamatan.
Sejarah fuzzy logic
Konsep Fuzzy Logic diperkenalkan oleh Prof. Lotfi Zadeh dari Universitas California di Berkeley pada 1965, dan dipresentasikan bukan sebagai suatu metodologi control, tetapi sebagai suatu cara pemrosesan data dengan memperkenankan penggunaan partial set membership dibanding crisp set membership atau non-membership. Pendekatan pada set teori ini tidak diaplikasikan pada system control sampai tahun 70an karena kemampuan computer yang tidak cukup pada saat itu. Profesor Zadeh berpikir bahwa orang tidak membutuhkan kepastian, masukan informasi numeric, dan belum mampu terhadap control adaptif yang tinggi. Jika pengendali umpan balik dapat di program untuk menerima derau, masukan yang tidak tepat, mereka akan menjadi lebih efektif dan mengkin akan menjadi lebih mudah untuk diimplementasikan. Sayangnya, produsen AS belum begitu cepat untuk merangkul teknologi ini sementara Eropa dan Jepang telah agresif produk bangunan nyata di sekitarnya
penggunaan fuzzy logic
Adapun langkah – langkah penggunaan fuzzy logic adalah sebagai berikut: 1. Definisikan obyektif dan criteria control
Apa yang kita coba control ?
Apa yang harus kita lakukan untuk mengontrol system ? Respon seperti apa yang kita butuhkan ?
Apa mode kegagalan system yang mungkin ?
2. Tentukan hubungan antara input dan output serta memilih jumlah minimum variable input pada mesin fuzzy logic (secara khusus error dan rata – rata perubahan error). Dengan
menggunakan struktur berbasis aturan dari fuzzy logic, jabarkan permasalahan control ke dalam aturan IF X AND Y THEN Z yang mendefinisikan respon output system yang diinginkan untuk kondisi input system yang diberikan. Jumlah dan kompleksitas dari rules bergantung pada jumlah parameter input yang diproses dan jumlah variable fuzzy yang bekerjasama dengan tiap – tiap parameter. Jika mungkin, gunakan setidaknya satu variable dan turunan waktunya. Walaupun mungkin untuk menggunakan sebuah parameter tunggal yang error saat itu juga tanpa mengetahui rata – rata perubahannya, hal ini melumpuhkan kemampuan system untuk meminamalisasi keterlampauan untuk sebuah tingkat input.
3. Buat fungsi keanggotaan yang menjelaskan nilai input atau output yang digunakan didalam rules.
4. Buat rutinitas proses awal dan akhir yang penting jika diimplementasikan dalam software, sebaliknya program rules kedalam mesin hardware fuzzy logic.
5. Test system, evaluasi hasil, atur rules dan fungsi keanggotaan, dan retest sampai hasil yang memuaskan didapat.
Keunggulan fuzzy logic
1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
2. Logika fuzzy sangat fleksibel.
3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.
4. Logika fuzzy mampu memodelkan fungsi-fungsi non linier yang sangat kompleks.
5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional. 7. Logika fuzzy didasarkan pada bahasa alami.
8. Fuzzy logic menawarkan beberapa karakteristik unik yang menjadikannya suatu pilihan yang baik untuk banyak masalah control. Karakteristik tersebut antara lain :
Sudah menjadi sifatnya yang kuat selama tidak membutuhkan ketepatan, input yang bebas derau, dan dapat diprogram untuk gagal dengan aman jika sensor arus balik dimatikan atau rusak. Control output adalah fungsi control halus meskipun jarak variasi input yang cukup besar.
Selama fuzzy logic controller memproses aturan – aturan yang dibuat user yang memerintah system control target, ia dapat dimodifikasi dengan mudah untuk meningkatkan atau mengubah secara drastis performa system. Sensor yang baru dapat dengan mudah digabungkan kedalam system secara sederhana dengan menghasilkan aturan memerintah yang sesuai.
Fuzzy logic tidak terbatas pada sedikit masukan umpan-balik dan satu atau dua output control, tidak juga penting untuk menilai atau menghitung parameter rata – rata perubahan dengan tujuan agar ia diimplementasikan. Sensor data yang menyediakan beberapa indikasi untuk aksi dan reaksi system sudah cukup. Hal ini memungkinkan sensor menjadi murah dan tidak tepat sehingga menghemat biaya system keseluruhan dan kompleksitas rendah.
Karena operasi – operasi yang berbasiskan aturan, jumlah input yang masuk akal dapat diproses ( 1 sampai 8 atau lebih ) dan banyak output ( 1 sampai 4 atau lebih ) dihasilkan, walaupun pendefinisian rulebase secara cepat menjadi rumit jika terlalu banyak input dan output dipilih untuk implementasi tunggal selama pendefinisian rules(aturan), hubungan timbal baliknya juga harus didefinisikan. Akan lebih baik jika memecah system kedalam potongan – potongan yang lebih kecil dan menggunakan fuzzy logic controllers yang lebih kecil untuk didistribusikan pada system, masing – masing dengan tanggung jawab yang lebih terbatas.
Fuzzy Logic dapat mengontrol system nonlinier yang akan sulit atau tidak mungkin untuk dimodelkan secara matematis. Hal ini membuka pintu bagi system control yang secara normal dianggap tidak mungkin untuk otomatisasi.
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.
Aplikasi Fuzzy Logic dalam kehidupan sehari-hari
Fuzzy logic umumnya diterapkan pada masalah-masalah yang mengandung unsur ketidakpastian (uncertainty), ketidaktepatan (imprecise), noisy, dan sebagainya.
Fuzzy logic menjembatani bahasa mesin yang presisi dengan bahasa manusia yang menekankan pada makna atau arti (significance).
Fuzzy logic dikembangkan berdasarkan cara berfikir manusia Contoh-contoh masalah yang mengandung ketidakpastian:
Contoh 1 : Seseorang dikatakan “tinggi” jika tinggi badannya lebih dari 1,7 meter. Bagaimana dengan orang yang mempunyai tinggi badan 1,6999 meter atau 1,65 meter, apakah termasuk kategori orang yang tinggi? Menurut persepsi manusia, orang yang mempunyai tinggi badan sekitar 1,7 meter dikatakan “kurang lebih tinggi” atau “agak tinggi”.
Contoh 2 : Kecepatan “pelan” didefinisikan di bawah 20 km/jam. Bagaimana dengan kecepatan 20,001 km/jam, apakah masih dapat dikatakan pelan? Manusia mungkin mengatakan bahwa kecepatan 20,001 km/jam itu “agak pelan”.
