<![CDATA[Logika fuzzy dikembangkan untuk menangani permasalahan-permasalahan yang himpunanpenyelesaiannya tidak tepat (kabur). Dalam banyak permasalahan, logika fuzzy dipilih karena toleransinyaterhadap ketidaktepatan data dan karena lebih alami. Untuk setiap permasalahan yang bisa diselesaikandengan fuzzy, penentuan tipe dan parameter himpunan fuzzy dilakukan secara subjektif. Akibatnya, setiap orangakan punya kesimpulan yang berbeda untuk masalah yang sama karena himpunan fuzzynya berbeda.Untuk mengatasi permasalahan itu digunakan algoritma genetika, karena algoritma ini paling cocokdigunakan untuk optimasi. Algoritma genetika digunakan untuk mengoptimasi parameter-parameter dan tipekurva himpunan fuzzy. Evaluasi terhadap kromosom-kromosom di algoritma genetika dilakukan denganmembandingkan kedekatan hasil implementasi himpunan fuzzynya dengan data konsekuen. Semakin sedikitselisihnya dengan data konsekuen, maka kromosom tersebut semakin tinggi fitnessnya.Dari penelitian yang dilakukan, algoritma genetika dapat digunakan untuk menentukan tipe kurva danparameter kurva yang paling optimal. Dengan optimalnya tipe kurva dan parameter kurva dalam sebuah sistemfuzzy, maka hasil inferensi fuzzy baik inferensi monoton ataupun dalam FIS (Fuzzy Inference System)diharapkan akan semakin tepat.Kata kunci: algoritma genetika, himpunan fuzzy, optimalisasi.]]>
Copyrights © 2007
