PENGERTIAN IT AUDIT TRAIL, REAL TIME AUDIT, IT FORENSICS

PENGERTIAN IT AUDIT TRAIL, REAL TIME AUDIT, IT FORENSICS



IT AUDIT TRAIL

Audit Trail merupakan salah satu fitur dalam suatu program yang mencacat semua kegiatan yang dilakukan tiap user dalam suatu tabel log. Secara rinci, Audit Trail secara default akan mencacat waktu, user, data yang diakses dan berbagai jenis kegiatan. Jenis kegiatan bisa berupa menambah, merubah, dan menghapus. Audit Trail apabila diurutkan berdasarkan waktu bisa membentuk suatu kronologis manipulasi data. Dasar ide membuat fitur Audit Trail adalah menyimpan histori tentang suatu data (Dibuat, Diubah, atau Dihapus) dan oleh siapa serta bisa menampilkannya secara kronologis. Dengan adanya trail ini, semua kegiatan dalam program yang bersangkutan diharapkan bisa dicatat dengan baik.

CARA KERJA AUDIT TRAIL

Audit Trail Yang Disimpan Dalam Suatu Tabel

a. Dengan menyisipkan perintah penambahan record ditiap Query Insert, Update, Delete
b. Dengan memanfaatkan fitur trigger pada DBMS. Trigger adalah kumpulan SQL statement, yang secara otomatis menyimpan log pada event INSERT, UPDATE, ataupun DELETE pada sebuah tabel.


FASILITAS AUDIT TRAIL

Fasilitas Audit Trail diaktifkan, maka setiap transaksi yang dimasukkan ke Accurate, jurnalnya akan dicacat di dalam sebuah tabel, termasuk oleh siapa, dan kapan. Apabila ada sebuah transaksi yang di - edit, maka jurnal lamanya akan disimpan, begitu pula dengan jurnal barunya.

HASIL AUDIT TRAIL 

Record Audit Trail Disimpan Dalam Bentuk, Yaitu :
a. Binary File (Ukuran tidak besar dan tidak bisa dibaca begitu saja)
b. Text File ( Ukuran besar dan bisa dibaca langsung)
c. Tabel


REAL TIME AUDIT

Real Timer Audit atau RTA adalah suatu sistem untuk mengawasi kegiatan teknis dan keuangan sehingga dapat memberikan penilaian yang transparan status saat ini dari semua kegiatan, dimana pun mereka berada. Ini mengkombinasikan prosedur sederhana dan logis untuk merencanakan dan melakukan dana untuk kegiatan dan "Siklus Proyek" pendekatan untuk memantau kegiatan yang sedang berlangsung dan penilaian termasuk cara mencegah pengeluaran yang tidak sesuai.


Real Time Audit menyediakan teknik ideal untuk memungkinkan mereka yang bertanggung jawab untuk dana, seperti bantuan donor, investor dan sponsor kegiatan untuk dapat "Terlihat Di Atas Bahu" dari manajer kegiatan di danai sehingga untuk memantau kemajuan. Sejauh kegiatan manajer prihatin Real Time Audit meningkatkan kinerja karena sistem ini tidak mengganggu dan donor atau investor dapat memperoleh informasi yang mereka butuhkan tanpa menuntut waktu manajer. Pada bagian ini dari pemodal Real Time Audit adalah metode biaya yang sangat nyaman dan rendah untuk memantau kemajuan dan menerima laporan rinci reguler tanpa menimbulkan beban administrasi yang berlebihan baik untuk staf. Mereka sendiri atau manajemen atau bagian dari aktivitas manajer.

Penghematan biaya overhead administrasi yang timbul dari penggunaan Real Time Audit yang signifikan dan meningkat seiring kemajuan teknologi dan teknik dan kualitas pelaporan dan kontrol manajemen meningkatkan menyediakan kedua manajer dan pemilik modal dengan cara untuk mencari kegiatan yang dibiayai dari sudut pandang beberapa manfaat dengan minimum atau tidak ada konsumsi waktu di bagian aktivitas manajer.


IT FORENSICS

IT Forensics merupakan Ilmu yang berhubungan dengan pengumpulan fakta dan bukti pelanggaran keamanan sistem informasi serta validasinya menurut metode yang digunakan (Misalnya Metode sebab akibat).

Tujuan IT Forensics adalah untuk mendapatkan fakta - fakta objektif dari sistem informasi, karena semakin berkembangnya teknologi komputer dapat digunakan sebagai alat bagi para pelaku kejahatan komputer. Fakta - fakta tersebut setelah di verifikasi akan menjadi bukti - bukti (Evidence) yang akan digunakan dalam proses hukum, selain itu juga memerlukan keahlian dibidang IT (Termasuk diantara Hacking dan alat bantu (Tools) baik hardware maupun software).

Untuk Menganalisis Barang Bukti Dalam Bentuk Elektronik Atau Data Seperti :

a. NB / Komputer / Hardisk / MMC / CD / Camera Digital / Flash Disk dan SIM Card / HP
b. Menyajikan atau menganalisis Chart Data Komunikasi Target
c. Menyajikan atau Analisis Data isi SMS Target dari HP
d. Menentukan lokasi / Posisi Target atau Mapping
e. Menyajikan data yang atau dihapus atau hilang dari barang bukti tersebut

Data atau barang bukti tersebut diatas diolah dan dianalisis menggunakan software dan alat khusus untuk dimulainya IT Forensics, hasil dari IT Forensics adalah sebuah Chart data Analisis komunikasi data Target.

Berikut Prosedur Forensics Yang Umum Di Gunakan Antara Lain :


a. Membuat copies dari keseluruhan log data, files, dan lain - lain yang dianggap perlu pada media terpisah.
b. Membuat finerptint dari copies secara otomatis
c. Membuat fingerprint dari copies secara otomatis
d. Membuat suatu hashes materlist
e. Dokumentasi yang baik dari segala sesuatu yang telah dikerjakan

Sedangkan Menurut Metode Search dan Seizure Adalah :

a. Identifikasi dan penelitian permasalahan
b. Membuat hipotesa
c. Uji hipotesa secara konsep dan empiris
d. Evaluasi hipotesa berdasarkan hasil pengujian dan pengujian ulang jika hipotesa tersebut jauh dari apa yang diharapkan
e. Evaluasi hipotesa terhadap dampak yang lain jika hipotesa tersebut dapat diterima.

referensi:

http://nillafauzy.blogspot.co.id/2013/03/pengertian-it-audit-trail-real-time.html
http://ayunuranggrainy.blogspot.co.id/2013/03/pengertian-it-audit-trail-real-time.html

COBIT

Control Objective for Information & Related Technology (COBIT) adalah sekumpulan dokumentasi best practice untuk IT Governance yang dapat membantu auditor, pengguna (user), dan manajemen, untuk menjembatani gap antara resiko bisnis, kebutuhan kontrol dan masalah-masalah teknis IT (Sasongko, 2009).

COBIT mendukung tata kelola TI dengan menyediakan kerangka kerja untuk mengatur keselarasan TI dengan bisnis. Selain itu, kerangka kerja juga memastikan bahwa TI memungkinkan bisnis, memaksimalkan keuntungan, resiko TI dikelola secara tepat, dan sumber daya TI digunakan secara bertanggung jawab (Tanuwijaya dan Sarno, 2010).

COBIT merupakan standar yang dinilai paling lengkap dan menyeluruh sebagai framework IT audit karena dikembangkan secara berkelanjutan oleh lembaga swadaya profesional auditor yang tersebar di hampir seluruh negara. Dimana di setiap negara dibangun chapter yang dapat mengelola para profesional tersebut.

Kerangka Kerja COBIT

Kerangka kerja COBIT terdiri atas beberapa arahan/pedoman, yakni:
Control Objectives

Terdiri atas 4 tujuan pengendalian tingkat-tinggi (high-level control objectives) yang terbagi dalam 4 domain, yaitu : Planning & Organization , Acquisition & Implementation , Delivery & Support , dan Monitoring & Evaluation.
Audit Guidelines

Berisi sebanyak 318 tujuan-tujuan pengendalian yang bersifat rinci (detailed control objectives) untuk membantu para auditor dalam memberikan management assurance dan/atau saran perbaikan.
Management Guidelines

Berisi arahan, baik secara umum maupun spesifik, mengenai apa saja yang mesti dilakukan, terutama agar dapat menjawab pertanyaan-pertanyaan berikut :

v Sejauh mana TI harus bergerak atau digunakan, dan apakah biaya TI yang dikeluarkan sesuai dengan manfaat yang dihasilkannya.

v Apa saja indikator untuk suatu kinerja yang bagus.

v Apa saja faktor atau kondisi yang harus diciptakan agar dapat mencapai sukses ( critical success factors ).

v Apa saja risiko-risiko yang timbul, apabila kita tidak mencapai sasaran yang ditentukan.

v Bagaimana dengan perusahaan lainnya, apa yang mereka lakukan.

v Bagaimana mengukur keberhasilan dan bagaimana pula membandingkannya.

Manfaat dan Pengguna COBIT

Secara manajerial target pengguna COBIT dan manfaatnya adalah :
Direktur dan Eksekutif

Untuk memastikan manajemen mengikuti dan mengimplementasikan strategi searah dan sejalan dengan TI.
Manajemen

v Untuk mengambil keputusan investasi TI.

v Untuk keseimbangan resiko dan kontrol investasi.

v Untuk benchmark lingkungan TI sekarang dan masa depan.
Pengguna

Untuk memperoleh jaminan keamanan dan control produk dan jasa yang dibutuhkan secara internal maupun eksternal.
Auditors

v Untuk memperkuat opini untuk manajemen dalam control internal.

v Untuk memberikan saran pada control minimum yang diperlukan.

Frame Work COBIT

COBIT dikeluarkan oleh IT Governance Institute (ITGI). COBIT digunakan untuk menjalankan penentuan atas IT dan meningkatkan pengontrolan IT. COBIT juga berisi tujuan pengendalian, petunjuk audit, kinerja dan hasil metrik, faktor kesuksesan dan maturity model.

Lingkup kriteria informasi yang sering menjadi perhatian dalam COBIT adalah:
Effectiveness

Menitikberatkan pada sejauh mana efektifitas informasi dikelola dari data-data yang diproses oleh sistem informasi yang dibangun.
Efficiency

Menitikberatkan pada sejauh mana efisiensi investasi terhadap informasi yang diproses oleh sistem.
Confidentiality

Menitikberatkan pada pengelolaan kerahasiaan informasi secara hierarkis.
Integrity

Menitikberatkan pada integritas data/informasi dalam sistem.
Availability

Menitikberatkan pada ketersediaan data/informasi dalam sistem informasi.
Compliance

Menitikberatkan pada kesesuaian data/informasi dalam sistem informasi.
Reliability

Menitikberatkan pada kemampuan/ketangguhan sistem informasi dalam pengelolaan data/informasi.

Sedangkan fokus terhadap pengelolaan sumber daya teknologi informasi dalam COBIT adalah pada :
Applications
Information
Infrastructure
People

Dalam menyediakan informasi yang dibutuhkan perusahaan untuk mencapai tujuan organisasi, COBIT memiliki karakteristik :
Business-focused
Process-oriented
Controls-based
Measurement-driven


COBIT mengelompokkan semua aktivitas bisnis yang terjadi dalam organisasi menjadi 34 proses yang terbagi ke dalam 4 buah domain proses, meliputi :
Planning & Organization.

Domain ini menitikberatkan pada proses perencanaan dan penyelarasan strategi TI dengan strategi perusahaan, mencakup masalah strategi, taktik dan identifikasi tentang bagaimana TI dapat memberikan kontribusi maksimal terhadap pencapaian tujuan bisnis organisasi sehingga terbentuk sebuah organisasi yang baik dengan infrastruktur teknologi yang baik pula.

Domain ini mencakup :

v PO1 – Menentukan rencana strategis

v PO2 – Menentukan arsitektur informasi

v PO3 – Menentukan arah teknologi

v PO4 – Menentukan proses TI, organisasi dan hubungannya

v PO5 – Mengelola investasi TI

v PO6 – Mengkomunikasikan tujuan dan arahan manajemen

v PO7 – Mengelola sumber daya manusia

v PO8 – Mengelola kualitas

v PO9 – Menilai dan mengelola resiko TI

v PO10 – Mengelola proyek
Acquisition & Implementation.

Domain ini berkaitan dengan implementasi solusi IT dan integrasinya dalam proses bisnis organisasi untuk mewujudkan strategi TI, juga meliputi perubahan dan maintenance yang dibutuhkan sistem yang sedang berjalan untuk memastikan daur hidup sistem tersebut tetap terjaga.

Domain ini meliputi:

v AI1 – Mengidentifikasi solusi yang dapat diotomatisasi.

v AI2 – Mendapatkan dan maintenance software aplikasi.

v AI3 – Mendapatkan dan maintenance infrastuktur teknologi

v AI4 – Mengaktifkan operasi dan penggunaan

v AI5 – Pengadaan sumber daya IT.

v AI6 – Mengelola perubahan

v AI7 – Instalasi dan akreditasi solusi dan perubahan.
Delivery & Support.

Domain ini mencakup proses pemenuhan layanan IT, keamanan sistem, kontinyuitas layanan, pelatihan dan pendidikan untuk pengguna, dan pemenuhan proses data yang sedang berjalan.

Domain ini meliputi :

v DS1 – Menentukan dan mengelola tingkat layanan.

v DS2 – Mengelola layanan dari pihak ketiga

v DS3 – Mengelola performa dan kapasitas.

v DS4 – Menjamin layanan yang berkelanjutan

v DS5 – Menjamin keamanan sistem.

v DS6 – Mengidentifikasi dan mengalokasikan dana.

v DS7 – Mendidik dan melatih pengguna

v DS8 – Mengelola service desk dan insiden.

v DS9 – Mengelola konfigurasi.

v DS10 – Mengelola permasalahan.

v DS11 – Mengelola data

v DS12 – Mengelola lingkungan fisik

v DS13 – Mengelola operasi.
Monitoring and Evaluation.

Domain ini berfokus pada masalah kendali-kendali yang diterapkan dalam organisasi, pemeriksaan intern dan ekstern dan jaminan independent dari proses pemeriksaan yang dilakukan.

Domain ini meliputi:

v ME1 – Mengawasi dan mengevaluasi performansi TI.

v ME2 – Mengevaluasi dan mengawasi kontrol internal

v ME3 – Menjamin kesesuaian dengan kebutuhan eksternal.

v ME4 – Menyediakan IT Governance.

COBIT Maturity Model

COBIT menyediakan parameter untuk penilaian setinggi dan sebaik apa pengelolaan IT pada suatu organisasi dengan menggunakan maturity models yang bisa digunakan untuk penilaian kesadaran pengelolaan (management awareness) dan tingkat kematangan (maturity level). COBIT mempunyai model kematangan (maturity models) untuk mengontrol proses-proses IT dengan menggunakan metode penilaian (scoring) sehingga suatu organisasi dapat menilai proses-proses IT yang dimilikinya dari skala nonexistent sampai dengan optimised (dari 0 sampai 5), yaitu: 0: Non Existen, 1: Initial, 2: Repetable, 3: Defined, 4: Managed dan 5: Optimized (Purwanto dan Saufiah, 2010; Setiawan, 2008; Nurlina dan Cory, 2008).

https://haendra.wordpress.com/2012/06/08/pengertian-cobit/ 

Audit Teknologi Informasi

Audit Teknologi Informasi

02NOV

Pengertian

Audit teknologi informasi atau IT (information technology) audit atau juga dikenal sebagai audit sistem informasi (information system audit) merupakan aktivitas pengujian terhadap pengendalian dari kelompok-kelompok unit infrastruktur dari sebuah sistem/teknologi informasi. Pengujian/evaluasi terhadap kelompok-kelompok unit infrastruktur tersebut dapat dilakukan atas audit keuangan, audit internal maupun obyek-obyek lain yang terkait dengan pengembangan/pembangunan sebuah sistem informasi.

Sebelumnya IT audit dikenal sebagai EDP (electronic data processing) audit atau audit pengolahan data secara elektronik. Saat itu pengujian lebih menitikberatkan pada pengumpulan dan evaluasi bukti-bukti pengembangan, penerapan serta operasional sistem informasi.  Audit TI (teknologi informasi) pun dikenal sebagai ADP (automated data processing) audit dan computer audit.

Teknologi Auditing Sistem Informasi

• Data Pengujian
• Pendekatan Fasilitas Uji Terintegrasi (ITF)
• Simulasi Paralel
• Perangkat Lunak Audit
• Generalized Audit Software (GAS)
• PC Software (ACL Software)
• Embedded Audit Routine
• Extended Record
• Snapshot
• Tracing
• Dokumentasi Tinjauan Sistem
• Flowchart Pengendalian
• Mapping(pemetaan)

Jenis Audit Sistem Informasi

Pendekatan Umum pada Audit Sistem Informasi terbagi menjadi tiga tahap yaitu

1. Kaji ulang awal dan evaluasi wilayah yang akan diaudit dan persiapan rencana audit
2. Kaji ulang dan evaluasi pengendalian yang terperinci
3. Pengujian kelayakan dan diikuti dengan analisis dan pelaporan hasil

Audit Aplikasi Sistem Informasi

Audit aplikasi biasanya meliputi  pengkajian ulang pengendalian yang ada di setiap wilayah pengendalian aplikasi(input, pemrosesan, dan output). Teknologi khusus yang digunakan akan tergantung pada kecerdasan dan sumber daya yang dimiliki auditor.

Audit Pengembangan Sistem Aplikasi

Diarahkan pada aktivitas analisis sistem dan programmer yang mengembangkan dan memodifikasi program- program aplikasi, file dan prosedur – prosedur yang terkait.

Audit Pusat Layanan Komputer

Audit terhadap pusat layanan komputer normalnya dilakukan sebelum audit aplikasi untuk memastikan integritas secara umum atas lingkungan yang di dalamnya aplikasi akan berfungsi.

Alasan Mengapa Audit TI Diperlukan

Tidak dapat dipungkiri bahwa, saat ini, tingkat ketergantungan dunia usaha dan sektor usaha lainnya, termasuk badan-badan pemerintahan, terhadap teknologi informasi (TI) semakin lama semakin tinggi. Pemanfaatan TI di satu sisi dapat meningkatkan keunggulan kompetitif suatu organisasi, akan tetapi di sisi lain juga memungkinkan timbulnya risiko-risiko yang sebelumnya tidak pernah ada. Besarnya risiko yang mungkin muncul akibat penerapan TI di suatu perusahaan membuat audit TI sangat penting untuk dilakukan.

Ron Weber, Dekan Fakultas Teknologi Informasi, Monash University , dalam salah satu bukunya: Information System Controls and Audit (Prentice-Hall, 2000) menyatakan beberapa alasan penting mengapa audit TI perlu dilakukan, antara lain:

1. Kerugian akibat kehilangan data

2. Kesalahan dalam pengambilan keputusan

3. Risiko kebocoran data

4. Penyalahgunaan Komputer

5. Kerugian akibat kesalahan proses perhitungan

6. Tingginya nilai investasi perangkat keras dan perangkat lunak komputer

https://wisudarini.wordpress.com/2011/11/02/audit-teknologi-informasi/

Tugas FLESH

TUGAS APLIKASI ANIMASI

Tugas ini Disusun Untuk Memenuhi Tugas Mata Kuliah Peng. Animasi & Desain Grafis yang Diberikan oleh Ibu Diana Ikasari, ST, MMSi

Disusun Oleh :                  

Mahardhika Hendri Putra         (16114315)

Dini Haniastuti                            (13114181) 



KELAS 3KA05
JURUSAN SISTEM INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS GUNADARMA

Gambar 1 (Halaman Awal)

Dalam halaman awal user akan disuguhi 3 tombol (tombol help, mulai, dan about). Desain halaman awal dibuat sedemikian kekanakanakan agar si user langsung tertarik dengan aplikasinya

Gambar 2 ( Soal 1 )

Ini adalah soal pertama setelah start dimulai ( Jawaban A )

Gambar 3 ( Soal 2 )

Ini adalah soal ke 2 dari quiz ( Jawaban B )

Gambar 4

Ini adalah layer, ketika semua jawaban sudah terselesaikan

Gambar 5

Ini adalah gambar ketika memilih jawaban salah, dan menggukan teknik looping. Dan ada button “ back “ untuk kembali ke pertanyaan awal

Cara Pembuatan Aplikasi

 Kita membuat layer2 baru, untuk pembuatan soal dan jawaban

Action Script

Ini adalah action script, untuk membuat stop layer. Jika tidak menggunakan script ini, frame akan terus looping terus dan tidak berhenti

gotoAndStop(2)

Ini adalah action script untuk membuat layer maju seperti gambar (1) ke gambar (2)

Adobe Flash

Adobe Flash , Adobe Flash (dahulu bernama Macromedia Flash) Merupakan salah satu perangkat lunak komputer yang merupakan produk unggulan Adobe Systems. Adobe Flash merupakan sebuah program yang didesain khusus oleh Adobe dan program aplikasi standar authoring tool professional yang digunakan untuk membuat animasi dan bitmap yang sangat menarik untuk keperluan pembangunan situs web yang interaktif dan dinamis. Flash didesain dengan kemampuan untuk membuat animasi 2 dimensi yang handal dan ringan sehingga flash banyak digunakan untuk membangun dan memberikan efek animasi pada website, CD Interaktif dan yang lainnya.  Adobe Flash ini berisi fasilitas untuk membuat multimedia interaktif secara professional serta hal-hal yang berkaitan dengan sarana yang dibutuhkan untuk menyusun sebuah konten multimedia secara dinamis. Adobe Flash CS5 digunakan untuk membuat, gambar, serta animasi. Adapun bahasa pemrograman yang digunakan adalah bahasa pemrograman ActionScript 2.0. Bahasa pemrograman ini merupakan bahasa instruksi yang berorientasi action dan logic.

Kelebihan :

·         Keunggulan yang dimiliki oleh Adobe Flash CS 5 dibandingkan dari aplikasi yang lain, Adobe Flash ini adalah ia mampu diberikan sedikit code pemograman baik yang berjalan sendiri untuk mengatur animasi yang ada didalamnya atau digunakan untuk berkomunikasi dengan program lain seperti HTML, PHP, dan Database dengan pendekatan XML, dapat dikolaborasikan dengan web, karena mempunyai keunggulan antara lain kecil dalam ukuran file outputnya. Dan Adobe Flash Ini Sudah Didesain khusus oleh adobe untuk program aplikasi standar authoring tool professional yang digunakan dalam membuat sebuah animasi dan bitmap yang sangat menarik untuk keperluan pembangunan situs web interaktif dan dinamis. Flash didesain dengan kemampuan animasi 2 dimensi yang handal dan ringan sehingga flash banya digunakan untuk membangun dan memberikan efek animasi pada website, CD Interaktif dan yang lainnya.

Kelemahan :

-       Kekurangan dari program aplikasi Flash, salah satunya adalah komputer yang ingin memainkan animasi flash harus memiliki flash player. Anda harus menginstallnya, biasanya secara online. Satu lagi, program adobe flash bukan freeware.

-       Tidak Ada Template 

Chillin at Pubs [ Invoker + Full game ]

How to subscribe Youtube Channel

MAKALAH FUZZY LOGIC

TUGAS MATA KULIAH PENGANTAR TEKNOLOGI SISTEM CERDAS

DITULIS OLEH :

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS GUNADARMA

ABSTRAKSI

Logika merupakan studi penalaran. Pada teori logika yang biasa, logika dinyatakan dengan benar atau salah. Namun, dalam kehidupan sehari-hari, sering ditemukan kasus yang tidak bisa dinyatakan sebagai benar atau salah, tapi harus dinyatakan dengan hampir benar, agak benar atau semacamnya. Dalam logika fuzzy, kita dapat menyatakan hal seperti itu dengan suatu nilai, antara benar dan salah. Logika fuzzy adalah logika yang kabur atau mengandung unsur ketidakpastian. Logika ini mulai dikembangkan pada tahun 1960-an di Amerika. Saat ini, logika fuzzy sudah banyak digunakan di negara-negara maju, terutama di Jepang. Logika fuzzy digunakan sebagai pengendali pada berbagai alat, misalnya pendingin ruangan dan mesin cuci. Logika ini memang cenderung lebih praktis untuk digunakan karena sederhana, mudah dimengerti, fleksibel, serta lebih baik dan hemat. Namun, pengaplikasian logika fuzzy dalam industri masih banyak terhambat karena beberapa hal, antara lain karena ilmu ini belum banyak dikenal dan belum adanya metode yang baku dan sistematik untuk mengembangkannya.

BAB I

PENDAHULUAN

1.1.            Latar Belakang

Pada logika biasa, yaitu logika tegas, kita hanya mengenal dua nilai, salah atau benar, 0 atau 1. Sedangkan logika fuzzy mengenal nilai antara benar dan salah. Kebenaran dalam logika fuzzy dapat dinyatakan dalam derajat kebenaran yang nilainya antara 0 sampai 1.

Misalnya dalam kehidupan sehari-hari, dewasa didefinisikan dengan berusia 17 tahun ke atas. Jika menggunakan logika tegas, seseorang yang berusia 17 tahun kurang 1 hari akan didefinisikan sebagai tidak dewasa. Namun dalam logika fuzzy, orang tersebut dapat dinyatakan dengan hampir dewasa.

Gambar 1: Logika tegas, logika fuzzy

1.2.            Rumusan Masalah

1.      Apa Pengertian Dari Fuzzy Logic?

2.      Bagaimana Sejarah Fuzzy Logic?

3.      Apa Perbedaan Fuzzy Logic dengan Crisp Logic?

4.      Apakah Himpunan Fuzzy Logic?

5.      Apa Fuzzyfikasi dan Defuzzyfikasi itu?

6.      Apa Kelebihan Dan Kekurangan Menggunakan Fuzzy Logic?

1.3.            Pembatasan Masalah

Adapun pembatasan masalah dalam penulisan tugas ini adalah hanya pada variabel, keterbatasan dan kekonvekan pada himpunan fuzzy dimensi satu.

1.4.            Tujuan Penulisan

a.       Memahami Tentang Fuzzy Logic dan penerapannya

b.      Memahami Derajat Kebenaran dan Variabel linguistik Fuzzy logic

c.       Memahami atribut Fuzzy logic dan Himpunan fuzzy

d.      Memahami pengertian Fuzzyfikasi dan Defuzzyfikasi

BAB II

PEMBAHASAN

2.1 Pengertian Fuzzy Logic dan Sejarahnya

Sebelumnya munculnya Teori logika fuzzy (fuzzy logic) dikenal sebuah logika tegas (crisp Logic) yang memiliki nilai benar atau salah secara tegas. Saat logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah biner (0 atau 1, hitam atau putih, ya atau tidak), Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak pasti seperti "sedikit", "lumayan", dan "sangat". Logika ini berhubungan dengan set fuzzy dan teori kemungkinan.

Logika fuzzy diperkenalkan oleh Dr. Lotfi Zadeh dari Universitas California, Berkeley pada 1965 atas usulan dalam papernya yang monumental “Fuzzy Set”. Dalam paper tersebut dipaparkan ide dasar fuzzy set yang meliputi inclusion, union, intersection, complement, relation dan convexity. Lotfi Zadeh mengatakan Integrasi Logika Fuzzy kedalam sistem informasi dan rekayasa proses adalah menghasilkan aplikasi seperti sistem kontrol, alat alat rumah tangga, dan sistem pengambil keputusan yang lebih fleksibel, mantap, dan canggih dibandingkan dengan sistem konvensional.

Dalam hal ini kami dapat mengatakan bahwa logika fuzzy memimpin dalam pengembangan kecerdasan mesin yang lebih tinggi ( machine Intelligency Quotient / MIQ ) Produk produk berikut telah menggunakan logika fuzzy dalam alat alat rumah tangga seperti mesin cuci, video dan kamera refleksi lensa tunggal, pendingin ruangan, oven microwave, dan banyak sistem diagnosa mandiri.. Logika fuzzy telah diterapkan pada berbagai bidang, dari teori kontrol untuk kecerdasan buatan. Logika fuzzy telah diteliti sejak tahun 1920-an, sebagai nilai yang tak terbatas terutama logika oleh Lukasiewicz dan Tarski.

Jepang adalah negara pertama yang memanfaatkan logika fuzzy untuk aplikasi praktis. Aplikasi penting pertama adalah di kereta kecepatan tinggi di Sendai, di mana logika fuzzy mampu meningkatkan ekonomi, kenyamanan, dan ketepatan perjalanan. Hal ini juga telah digunakan dalam pengakuan simbol tertulis di komputer mini sony; bantuan pesawat helikopter; mengendalikan sistem kereta bawah tanah dalam rangka meningkatkan kenyamanan berkendara, ketepatan menghentikan, dan ekonomi kekuasaan; konsumsi hemat energi untuk ponsel otomatis; kontrol tunggal tombol untuk mesin cuci; kontrol motor otomatis untuk pembersih vakum dengan pengakuan kondisi permukaan dan tingkat kekotoran; dan sistem prediksi untuk pengakuan awal dari gempa bumi melalui Institut Seismologi Biro Metrologi, Jepang

2.2 Derajat kebenaran Dan Variabel Linguistik

Logika fuzzy dan logika probabilitas secara matematis sama - keduanya mempunyai nilai kebenaran yang berkisar antara 0 dan 1 - namun secara konsep berbeda. Logika fuzzy berbicara mengenai "derajat kebenaran", sedangkan logika probabilitas mengenai "probabilitas, kecenderungan". Karena kedua hal itu berbeda, logika fuzzy dan logika probabilitas mempunyai contoh penerapan dalam dunia nyata yang berbeda. Logika klasik hanya mengizinkan proposisi memiliki nilai kebenaran atau kesalahan. Gagasan 1 + 1 = 2 adalah kebenaran mutlak, kekal dan matematika. Namun, terdapat proposisi tertentu dengan jawaban variabel, seperti meminta sebagian orang untuk mengidentifikasi warna. Gagasan kebenaran tidak jatuh di tengah jalan, tapi lebih pada sarana yang mewakili dan penalaran lebih pengetahuan parsial ketika diberikan, dengan menggabungkan semua hasil yang mungkin menjadi spektrum dimensi.

Dua derajat kebenaran dan probabilitas berkisar antara 0 dan 1 dan karenanya mungkin tampak serupa pada awalnya. Sebagai contoh, satu segelas 100 ml mengandung 30 ml air. Kemudian dapat mempertimbangkan dua konsep: kosong dan penuh. Arti dari masing-masing dapat direpresentasikan oleh himpunan fuzzy tertentu. Maka salah satu mungkin mendefinisikan kaca sebagai 0,7 kosong dan 0,3 penuh. Perhatikan bahwa konsep kekosongan akan subjektif dengan demikian akan tergantung pada pengamat atau desainer. Desainer lain mungkin, sama baiknya, merancang fungsi keanggotaan set di mana kaca akan dianggap penuh untuk semua nilai 50 ml. Sangat penting untuk menyadari bahwa logika fuzzy menggunakan derajat kebenaran sebagai model matematika dari fenomena ketidakjelasan sementara probabilitas adalah model matematika dari ketidaktahuan.

Sebuah dasar aplikasi mungkin memiliki berbagai ciri sub-rentang variabel kontinu. Misalnya, pengukuran suhu untuk rem anti-lock mungkin memiliki beberapa fungsi keanggotaan terpisah, rentang suhu tertentu yang diperlukan untuk mengendalikan rem benar. Setiap fungsi nilai suhu yang sama untuk nilai kebenaran dalam jangkauan 0-1. Nilai kebenaran ini kemudian dapat digunakan untuk menentukan bagaimana rem harus dikontrol.

Gambar 2: Skala Suhu

Dalam gambar ini, arti dari ekspresi dingin, hangat, dan panas yang diwakili oleh fungsi pemetaan skala suhu. Sebuah titik pada skala yang memiliki tiga "nilai kebenaran" - satu untuk masing-masing dari tiga fungsi. Garis vertikal pada gambar mewakili suhu tertentu bahwa tiga anak panah (nilai kebenaran) gauge. Karena panah merah poin ke nol, suhu ini dapat ditafsirkan sebagai "tidak panas". Panah orange (menunjukkan 0.2) dapat menggambarkannya sebagai "sedikit hangat" dan panah biru (menunjukkan 0,8) "cukup dingin". Dalam logika matematika, ada beberapa sistem formal "fuzzy logic"; kebanyakan disebut t-norma logika fuzzy.

Variabel dalam matematika biasanya mengambil nilai-nilai numerik, dalam aplikasi logika fuzzy, non-numerik sering digunakan untuk memfasilitasi aturan dan fakta.
Sebuah variabel linguistik seperti usia mungkin memiliki nilai seperti muda atau tua. Namun, kegunaan besar variabel linguistik bahwa dapat dimodifikasi dengan membatasi linguistik yang diterapkan untuk hal utama. pembatas nilai linguistik dapat dikaitkan dengan fungsi-fungsi tertentu. Untuk memperluas Fuzzy logic dengan menambahkan kuantitas universal dan eksistensial dengan cara serupa yaitu logika predikat dibuat dari logika proposisional.

Contoh:

1.      Manajer pergudangan mengatakan pada manajer produksi seberapa banyak persediaan barang pada akhir minggu ini, kemudian manajer produksi akan menetapkan jumlah barang yang harus diproduksi esok hari.

2.      Pelayan restoran memberikan pelayanan terhadap tamu, kemudian tamu akan memberikan tip yang sesuai atas baik tidaknya pelayanan yang diberikan.

3.      Penumpang taksi berkata pada sopir seberapa cepat laju kendaraan yang diinginkan, sopir taksi akan mengatur pijakan gas taksinya.

4.      Anda mengatakan pada saya seberapa sejuk ruangan yang anda inginkan,saya akan mengatur putaran kipas yang ada pada ruangan ini.

2.3 Alasan Digunakannya Fuzzy Logic

Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain:

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 nonlinear yang sangat kompleks.

5.      Logika fuzzy dapat membangun dan mengaplikasikan 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.

Sementara itu, dalam pengaplikasiannya, logika fuzzy juga memiliki beberapa kelebihan, antara lain sebagai berikut.

1.      Daya gunanya dianggap lebih baik daripada teknik kendali yang pernah ada.

2.      Pengendali fuzzy terkenal karena keandalannya.

3.      Mudah diperbaiki.

4.      Pengendali fuzzy memberikan pengendalian yang sangat baik dibandingkan teknik lain

5.      Usaha dan dana yang dibutuhkan kecil.

Selain itu, logika fuzzy juga memiliki kekurangan, terutama dalam penerapannya. Kekurangan kekurangan tersebut antara lain:

1.      Para enjiner dan ilmuwan generasi sebelumnya dan sekarang banyak yang tidak mengenal teori kendali fuzzy, meskipun secara teknik praktis mereka memiliki pengalaman untuk menggunakan teknologi dan perkakas kontrol yang sudah ada.

2.      Belum banyak terdapat kursus/balai pendidikan dan buku-buku teks yang menjangkau setiap tingkat pendidikan (undergraduate, postgraduate, dan on site training)

3.      Hingga kini belum ada pengetahuan sistematik yang baku dan seragam tentang metodologi pemecahan problema kendali menggunakan pengendali fuzzy.

4.      Belum adanya metode umum untuk mengembangkan dan implementasi pengendali fuzzy.

2.4 Aplikasi fuzzy Logic

Beberapa aplikasi Fuzzy Logic, antara lain:

1.      Pada tahun 1990 pertama kali dibuat mesin cuci dengan logika fuzzy di Jepang (Matsushita Electric Industrial Company). Sistem fuzzy digunakan untuk menentukan putaran yang tepat secara otomatis berdasarkan jenis dan banyaknya kotoran serta jumlah yang akan dicuci. Input yang digunakan adalah: seberapa kotor, jenis kotoran, dan banyaknya yang dicuci. Mesin ini menggunakan sensor optik , mengeluarkan cahaya ke air dan mengukur bagaimana cahaya tersebut sampai ke ujung lainnya. Makin kotor, maka sinar yang sampai makin redup. Disamping itu, sistem juga dapat menentukan jenis kotoran (daki atau minyak).

2.      Transmisi otomatis pada mobil. Mobil Nissan telah menggunakan sistem fuzzy pada transmisi otomatis, dan mampu menghemat bensin 12 – 17%.

3.      Kereta bawah tanah Sendai mengontrol pemberhentian otomatis pada area tertentu.

4.      Ilmu kedokteran dan biologi, seperti sistem diagnosis yang didasarkan pada logika fuzzy, penelitian kanker, manipulasi peralatan prostetik yang didasarkan pada logika fuzzy, dll.

5.      Manajemen dan pengambilan keputusan, seperti manajemen basis data yang didasarkan pada logika fuzzy, tata letak pabrik yang didasarkan pada logika fuzzy, sistem pembuat keputusan di militer yang didasarkan pada logika fuzzy, pembuatan games yang didasarkan pada logika fuzzy, dll.

6.      Ekonomi, seperti pemodelan fuzzy pada sistem pemasaran yang kompleks,dll.

7.      Klasifikasi dan pencocokan pola.

8.      Psikologi, seperti logika fuzzy untuk menganalisis kelakuan masyarakat, pencegahan dan investigasi kriminal, dll.

9.      Ilmu-ilmu sosial, terutam untuk pemodelan informasi yang tidak pasti.\

10.  Ilmu lingkungan, seperti kendali kualitas air, prediksi cuaca, dll.

11.  Teknik, seperti perancangan jaringan komputer, prediksi adanya gempa bumi, dll.

12.  Riset operasi, seperti penjadwalan dan pemodelan, pengalokasian, dll.

13.  Peningkatan kepercayaan, seperti kegagalan diagnosis, inspeksi dan monitoring produksi.

14.  Sebagai alat bantu pengambil keputusan seperti proses pembuatan program fuzzy logic dalam bahasa pemrograman Java yang diaplikasikan untuk menentukan Jumlah Produk yang dihasilkan berdasarkan kondisi Suhu, Kebisingan dan Pencahayaan.

2.5 Perbedaan Fuzzy Logic (logika Fuzzy) dengan Crisp Logic (Logika Tegas)

Logika tegas memiliki nilai tidak = 0.0 dan ya = 1.0, sedangkan logika fuzzy memiliki nilai antara 0.0 hingga 1.0. Secara grafik perbedaan antara logika tegas dan logika fuzzy ditunjukkan oleh gambar di bawah ini :

Gambar 3: Logika Tegas (Crisp Logic)

Gambar 4: Logika Fuzzy (Fuzzy Logic)

Didalam Gambar 1 Crisp Logic, apabila X lebih dari atau sama dengan 10 baru dikatakan benar yaitu bernilai Y=1 , sebaliknya nilai X yang kurang dari 10 adalah salah yaitu Y=0, maka angka 9 atau 8 atau 7 dan seterusnya dalah dikatakan salah.

Didalam Gambar 2 Fuzzy Logic, apabila nilai X=9, atau 8 atau 7 atau antara nilai 0 dan 10 adalah dikatakan ada benarnya dan ada juga salahnya.

2.6 Atribut Dan Himpunan Fuzzy Logic

·         Linguistik : yaitu nama suatu kelompok yang mewakili suatu keadaan tertentu dengan menggunakan bahasa alami, misalnya DINGIN, SEJUK, PANAS, dsb.

·         Numeris : yaitu suatu nilai yang menunjukkan ukuran dari suatu variabel, misalnya 10, 35, 40 dsb.
Contoh :

o   Variabel umur, terbagi menjadi 3 himpunan fuzzy, yaitu: MUDA, PAROBAYA, dan TUA. 

o   Variabel temperatur, terbagi menjadi 5 himpunan fuzzy, yaitu: DINGIN, SEJUK, NORMAL, HANGAT, dan PANAS.

Gambar 5: Himpunan Fuzzy Untuk variabel Umur

Dalam fuzzy logic variabel yang bersifat kabur tersebut direpresentasikan sebagai sebuah himpunan yang anggotanya adalah suatu nilai crisp dan derajat keanggotaannya (membership function) dalam himpunan tersebut

Proses-proses dalam fuzzy logic adalah fuzzifikasi, penalaran (reasoning), dan defuzzifikasi:

·         Fuzzifikasi: merupakan proses untuk mendapatkan derajat keanggotaan dari sebuah nilai numerik masukan (crisp)

·         Penalaran: proses untuk mendapatkan aksi keluaran dari suatu kondisi input dengan mengikuti aturan-aturan (IF-THEN Rules) yang telah ditetapkan yang disebut sebagai inference/reasoning.

·         Defuzzifikasi: proses untuk merubah hasil penalaran yang berupa derajat keanggotaan keluaran menjadi variabel numerik kembali.

Blok diagram proses fuzzy logic ditunjukkan pada Gambar 4.

Gambar 6: Blok diagram proses dalam fuzzy logic

Himpunan fuzzy adalah pengelompokan sesuatu berdasarkan variabel bahasa (linguistik variable), yang dinyatakan dengan fungsi keanggotaan, dalam semesta U. Keanggotaan suatu nilai pada himpunan dinyatakan dengan derajat keanggotaan yang nilainya antara 0.0 sampai 1.0.

Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian hingga fungsi tersebut akan mencakup bilangan real pada interval [0,1]. Nilai keanggotaannya menunjukkan bahwa suatu item tidak hanya bernilai benar atau salah. Nilai 0 menunjukkan salah, nilai 1 menunjukkan benar, dan masih ada nilai-nilai yang terletak antara benar dan salah. Pada himpunan fuzzy, sebuah objek dapat berada pada sebuah himpunan secara parsial. Derajat keanggotaan dalam himpunan fuzzy diukur dengan fungsi yang merupakan generalisasi dari fungsi karakteristik yang disebut fungsi keanggotaan atau fungsi kompatibilitas. Fungsi keanggotaan dari himpunan fuzzy Û didefinisikan sebagai Û : x → [0,1].

Contoh: Jika diketahui:

S = [1, 2, 3, 4, 5, 6] adalah semesta pembicaraan

A = [1, 2, 3],   B = [3, 4, 5]

Maka dapat dikatakan:

-          Nilai keanggotaan 2 pada himpunan A, μA[2]=1, karena .

-          Nilai keanggotaan 3 pada himpunan A, μA[3]=1, karena

-          Nilai keanggotaan 4 pada himpunan A, μA[4]=0, karena

-          Nilai keanggotaan 2 pada himpunan B, μB[2]=0, karena

-          Nilai keanggotaan 3 pada himpunan B, μB[3]=1, karena

Hal – hal yang terdapat pada sistem fuzzy :

·         Variabel Fuzzy, merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy, seperti umur, temperatur, dsb

·         Himpunan Fuzzy, merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.

·         Semesta Pembicaraan, adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Contoh:

·         Semesta pembicaraan untuk variabel umur: [0 +∞)

·         Semesta pembicaraan untuk variabel temperatur: [0 40]

·         Domain, adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Contoh domain himpunan fuzzy: MUDA = [0 45], TUA = [45 +∞), DINGIN = [0 20], SEJUK = [15 25], NORMAL = [20 30], HANGAT = [25 35], PANAS = [30 40]

2.7 Database Fuzzy

Setelah relationship fuzzy ditentukan, untuk mengembangkan database relasional fuzzy. Pertama database relasional fuzzy, FRDB(fuzzy relational database) dipaparkan  dalam tesis Maria Zemankova ini. Kemudian, beberapa model lain muncul seperti model Buckles-Petry, Model Prade-Testemale, model umano-Fukami atau model GEFRED oleh JM Medina, MA Vila dkk.

Dalam konteks database fuzzy, beberapa bahasa query fuzzy sudah ditentukan, dipaparkan  SQLf oleh P. Bosc dkk. dan FSQL oleh J. Galindo dkk. Bahasa-bahasa ini menentukan beberapa struktur dengan tujuan untuk menyertakan aspek fuzzy dalam laporan SQL, seperti ketentuan fuzzy, pembanding fuzzy, konstanta fuzzy, kendala fuzzy, ambang batas fuzzy, label linguistik dan sebagainya.

2.8 Contoh Aplikasi Sistem Fuzzy Logic

Jika diamati pengalaman pada negara-negara berteknologi tinggi, khususnya di negara Jepang, pengendali fuzzy sudah sejak lama dan luas digunakan di industri-industri dan alat-alat elektronika. Beberapa contoh aplikasi yang menggunakan pengendali fuzzy antara lain:

·         Dalam teknologi otomotif : sistem transmisi otomatis fuzzy dan pengendali kecepatan idle fuzzy.

·         Dalam teknologi transportasi : Pengendali fuzzy anti-slip untuk kereta listrik, sistem= pengaturan dan perencanaan perparkiran, sistem pengaturan lampu lalu lintas, dan pengendalian kecepatan kendraan di jalan bebas hambatan.

·         Dalam peralatan sehari-hari : mesin cuci fuzzy dan vacum cleaner fuzzy dan lain-lain.

·         Dalam aplikasi industri di antaranya : industri kimia, sistem pengolahan kertas, dan lain-lain.

·         Dalam power satations : sistem diagnosis kebocoran-H2

2.9  Fuzzyfikazi Dan Defuzzyfikasi

2.9.1. Fuzzyfikasi

Fuzzyfikasi adalah pemetaan nilai input yang merupakan nilai tegas ke dalam fungsi keanggotaan himpunan fuzzy, untuk kemudian diolah di dalam mesin penalaran.

fuzzyfikasi : x -> μ(x)

2.9.2. Deffuzifikasi

Defuzzyfikasi merupakan kebalikan dari fuzzyfikasi, yaitu pemetaan dari himpunan fuzzy ke himpunan tegas.Input dari proses defuzzyfikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturanaturan fuzzy. Hasil dari defuzyfikasi ini merupakan output

dari sistem kendali logika fuzzy.

Defuzzyfikasi dideskripsikan sebagai :

Z* = defuzzyfier (Z)

Dengan

Z = hasil penalaran fuzzy

Z* = keluaran kendali logika fuzzy

deffuzyfier = fungsi defuzzyfikasi

Metode defuzzyfikasi antara lain:

1.      Metode Maximum

Metode ini juga dikenal dengan metode puncak, yang nilai keluarannya dibatasi oleh fungsi μc(z*)>μc 1 (z).

2.      Metode titik tengah

Metode titik tengah juga disebut metode pusat area. Metode ini lazim dipakai dalam proses defuzzyfikasi. Keluaran dari metode ini adalah titik tengah dari hasil proses penalaran.

3.      Metode rata-rata

Metode ini digunakan untuk fungsi keanggotaan keluaran yang simetris. Keluaran dari metode ini adalah nilai rata-rata dari hasil proses penalaran.

4.      Metode penjumlahan titik tengah

Keluaran dari metode ini adalah penjumlahan titik tengah dari hasil proses penalaran.

5.      Metode titik tengah area terbesar

Dalam metode ini, keluarannya aalah titik pusat dari area terbesar yang ada.

2.10. Kelebihan dan Kekurangan Fuzzy Logic

Logika fuzzy memiliki beberapa keunggulan, antara lain sebagai berikut.

1.      Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran logika 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 fungsi2 nonlinear yang kompleks.

5.      Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.

6.      Logika fuzzy dapat bekerja sama dengan teknik-teknik kendali secara konvensional.

7.      Logika fuzzy didasarkan pada bahas alami

Sementara itu, dalam pengaplikasiannya, logika fuzzy juga memiliki beberapa kelebihan, antara lain sebagai berikut.

1.      Daya gunanya dianggap lebih baik daripada teknik kendali yang pernah ada.

2.      Pengendali fuzzy terkenal karena keandalannya.

3.      Mudah diperbaiki.

4.      Pengendali fuzzy memberikan pengendalian yang sangat baik dibandingkan teknik lain.

5.      Usaha dan dana yang dibutuhkan kecil.

Selain itu, logika fuzzy juga memiliki kekurangan, terutama dalam penerapannya. Kekurangan-kekurangan tersebut antara lain:

1.      Para enjiner dan ilmuwan generasi sebelumnya dan sekarang banyak yang tidak mengenal teori kendali fuzzy, meskipun secara teknik praktis mereka memiliki pengalaman untuk menggunakan teknologi dan perkakas kontrol yang sudah ada.

2.      Belum banyak terdapat kursus/balai pendidikan dan buku-buku teks yang menjangkau setiap tingkat pendidikan (undergraduate, postgraduate, dan on site training)

3.      Hingga kini belum ada pengetahuan sistematik yang baku dan seragam tentang metodologi pemecahan problema kendali menggunakan pengendali fuzzy.

4.      Belum adanya metode umum untuk mengembangkan dan implementasi pengendali fuzzy.

BAB 3

KESIMPULAN

Dari tulisan atau penjelasan yang sudah diberikan maka dapat disimpulkan, Logika fuzzy adalah logika yang mengandung unsur ketidakpastian.

Logika fuzzy pertama kali dikembangkan oleh Prof. Lotfi A. Zadeh, seorang peneliti dari Universitas California, pada tahun 1960-an. Logika fuzzy dikembangkan dari teori himpunan fuzzy.

Pada logika biasa, yaitu logika tegas, kita hanya mengenal dua nilai, salah atau benar, 0 atau 1. Sedangkan logika fuzzy mengenal nilai antara benar dan salah. Kebenaran dalam logika fuzzy dapat dinyatakan dalam derajat kebenaran yang nilainya antara 0 sampai 1.

Himpunan fuzzy adalah pengelompokan sesuatu berdasarkan variabel bahasa (linguistik variable), yang dinyatakan dengan fungsi keanggotaan, dalam semesta U. Keanggotaan suatu nilai pada himpunan dinyatakan dengan derajat keanggotaan yang nilainya antara 0.0 sampai 1.0

Fuzzyfikasi adalah pemetaan nilai input yang merupakan nilai tegas ke dalam fungsi keanggotaan himpunan fuzzy, untuk kemudian diolah di dalam mesin penalaran. Defuzzyfikasi merupakan kebalikan dari fuzzyfikasi, yaitu pemetaan dari himpunan fuzzy ke himpunan tegas.Input dari proses defuzzyfikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturanaturan fuzzy. Sistem kendali logika fuzzy cukup praktis diaplikasikan

dalam berbagai bidang.

DAFTAR PUSTAKA

·         Logika_Fuzzy, http://k12008.widyagama.ac.id/ai/diktatpdf/Logika_Fuzzy.pdf, 19 Desember 2009

·         Logika Fuzzy ~ Teknologi Berbasis Perasaan, http://mitsuke.multiply.com/journal/item/8, 19 Desember 2009