Pada hari Rabu, 1 Juli 2020, ISTTS kembali mengadakan KSP online yang terbuka
untuk internal dan eksternal. KSP kali ini mengangkat topik “Fuzzy Decision in Fuzzy
Environment” dan dibawakan oleh seorang dosen ISTTS yang berpengalaman yakni Bapak
Judi Prajetno Sugiono, Ir., M.M.
Bapak Sugiono mengawali KSP dengan menjelaskan perbandingan logika fuzzy
dengan logika klasik. Logika klasik menggunakan basis angka, mengutamakan ketelitian
(precision), memotong tingkat keberadaan unsur random agar batas masalah jelas,
membutuhkan waktu desain yang lama serta biaya desain yang mahal. Sedangkan logika
fuzzy menggunakan basis kata – kata (linguistics) sehingga lebih signifikan dan mengandung
ketidaktelitian (imprecision). Waktu desain logika ini lebih cepat dan biaya desain yang
dibutuhkan juga murah. Selain itu, logika fuzzy juga mempertimbangkan unsur random
sehingga batas masalah tidak terpotong secara tegas.
“Logika fuzzy angkanya tidak jelas namun ungkapan linguistic yang dihasilkan logika
fuzzy bersifat lebih signifikan daripada logika klasik yang memberikan ungkapan dalam
bentuk angka yang presisi,” ringkas Bapak Sugiono mengenai perbedaan logika fuzzy dengan
logika klasik.
“Banyak hal yang bisa kita dapat dari keilmuan Fuzzy Logic,“ ujar Bapak Sugiono.
Beliau juga menjelaskan tentang sifat logika fuzzy antara lain : secara konseptual mudah
dipahami, fleksibel, toleran terhadap data yang tidak presisi, dapat memodelkan fungsi
nonlinear dari kompleksitas yang berubah – ubah, dapat dibangun di atas pengalaman para
ahli, dapat dicampur dengan teknik kontrol konvensional serta didasarkan pada bahasa alami.
“Secara konseptual, [logika fuzzy] mudah dipahami. Seperti suhu teh di gelas : dingin, panas
dan hangat. Fuzzy itu juga fleksibel dalam arti dapat dikerjakan dalam banyak cara dan lebih
mudah untuk dipahami,” tambahnya.
Bapak Sugiono menjelaskan dengan logika fuzzy, unsur random masih bisa diterima,
berbeda dengan logika klasik yang membuang unsur random. “Ada unsur – unsur
ketidaktegasan yang tidak dibuang dan terkadang hal tersebut menolong orang untuk
menyelesaikan masalah,” jelas Bapak Sugiono mengenai alasan kenapa menggunakan logika
fuzzy.
Fuzzy Inference System terdiri dari beberapa proses antara lain : Fuzzifikasi (proses
mengubah crisp input / angka menjadi bentuk fuzzy input / kata – kata), Fuzzy Rule
(berbentuk pernyataan IF … THEN … yang dipakai untuk menyatakan relasi antara fuzzy
input), Inference Mechanism (evaluasi dari fuzzy rule yang digunakan untuk menyimpulkan
output / to infer an output) serta Defuzzifikasi (proses untuk mengubah kesimpulan yang
dicapai oleh mekanisme inference menjadi input dari proses berikutnya).
Rentang penggunaan logika fuzzy banyak sekali seperti : Fuzzy Logic Controller,
Fuzzy Expert System, Fuzzy Data Clustering, Fuzzy Decision Making, Neuro Fuzzy Inference
System dan Fuzzy Image Processing. “Karena sifat fuzzy yang operasinya terisolasi dari input
atau output yang sebenarnya maka fuzzy logic ‘seolah – olah dapat ditempelkan’ pada
algorithma yang sudah ada,” ujar Bapak Sugiono.
Setelah melalui berbagai proses maka logika fuzzy dapat digunakan untuk membantu
proses pengambilan keputusan. Fuzzy decision making adalah kumpulan teknik yang
bertujuan memilih alternatif terbaik dalam situasi ketersediaan data yang tidak akurat, tidak
lengkap dan tidak jelas. Salah satu contoh ialah membantu pengambilan keputusan investasi.