Prosiding Annual Research Seminar 2017 Computer Science and ICT ISBN : 979-587-705-4 Vol. 3 No. 1 209 Perbandingan Kinerja Sistem Logika Fuzzy Tipe-1 dan Interval Tipe-2 pada Aplikasi Mobile Robot Andry Meylani Jurusan Teknik Elektro Program Studi Teknik Telekomunikasi Politeknik Negeri Sriwijaya Palembang, Sumatera Selatan a.meylani22@yahoo.com Ade Silvia Handayani Jurusan Teknik Elektro Program Studi Teknik Telekomunikasi Politeknik Negeri Sriwijaya Palembang, Sumatera Selatan ade_silvia@polsri.ac.id Ciksadan Jurusan Teknik Elektro Program Studi Teknik Telekomunikasi Politeknik Negeri Sriwijaya Palembang, Sumatera Selatan ciks_sadan@yahoo.com Abstract This paper presents differences of type-1 with interval type-2 fuzzy logic systems. T1FLS contains three main processes which are fuzzifier, inference engine, and defuzzifier. Whereas in IT2FLS has five contains which are fuzzifier, inference engine, type- reduction, and defuzzifier. The significant difference is on type-reduction, which makes more complex than T1FLS. Each advantages and disadvantages also affect to efficiency and performance of Fuzzy Logic Systems. Keyword : T1FLS; IT2FLS; control; mobile robot I. PENDAHULUAN Pada dekade terakhir, penggunaan system fuzzy dalam berbagai aplikasi teknik telah merubah cara konvensional menjadi sebuah sistem pengambilan keputusan dan sistem pakar dengan penalaran yang kuat dengan jumlah aturan yang terbatas. Aplikasi teknik yang mengimplementasikan system logika fuzzy diberbagai bidang, seperti pemodelan and kendali [1][2], teknik prediksi time series [3][4] and data mining [5]. Prof. Lotfi Zadeh pertama kali memperkenalkan sistem logika fuzzy untuk memproses data dan infomasi yang dipengaruhi oleh ketidakpastian suatu keputusan [6] [7] [8][9]. [10]. Hal ini merupakan metodologi yang memadai untuk merancang pengendali yang kuat yang mampu memberikan kinerja memuaskan dalam menghadapi ketidakpastian dan ketidaktepatan [2][11][12][13][14]. Sistem logika fuzzy mengubah suatu ilmu dasar menjadi sebuah formula matematis yang terbukti sangat efisien dalam berbagai penerapan, dan baru-baru ini menarik banyak perhatian para peneliti dan berhasil diimplementasikan ke dalam dunia nyata [15]. Keunggulan logika fuzzy pada awalnya dikembangkan untuk model istilah linguistik, interpretasi, dan persepsi manusia, sebagian besar implementasi sistem logika fuzzy (FLS) telah di kontrol aplikasi [16]. Sampai sekarang sistem sistem logika fuzzy (FLS) telah diimplementasikan dengan sukses besar di banyak aplikasi dunia nyata dan juga telah ditampilkan di beberapa kasus mengungguli sistem kontrol tradisional [17]. Sistem logika fuzzy tipe-1 (T1FLS) adalah tipe yang banyak digunakan. Akan tetapi, T1FLS hanya bisa menangani tingkat ketidakpastian yang terbatas, sedangkan di dalam pengaplikasian sering dihadapkan pada banyak sumber dengan tingkat ketidakpastian yang tinggi [17] [18]. Hal tersebut merupakan masalah utama sehingga T1FLS tidak dapat sepenuhnya menangani atau mengakomodasi ketidakpastian linguistik dan numerik yang terkait dengan perubahan dan lingkungan yang tidak terstruktur [19]. Namun, hal tersebut menjadi dasar terciptanya interval sistem logika fuzzy tipe-2 (IT2FLS). Baru- baru ini, IT2FLS telah menarik perhatian para peneliti dan sangat berguna ketika mengalami hambatan dalam menentukan fungsi keanggotaan yang tepat, atau dalam memodelkan beragam pendapat dari individu yang berbeda. Karena memiliki formasi yang lebih kompleks, IT2FLS dianggap berpotensi lebih baik untuk memodelkan suatu ketidakpastian [20][21]. Type-2 Fuzzy Logic System (T2FLS) merupakan teknik komputasi lunak/soft computing (SC) dalam menangani masalah ketidakpastian,dan ketidaktepatan dalam mencapai solusi biaya yang kuat dan rendah [22][23]. Tetapi dalam penggunaannya sistem ini sulit untuk diaplikasikan pada swarm robot, karena membutuhkan biaya komputasi yang tinggi. Objektivitas pada paper ini adalah memberikan studi komparatif dari sistem logika fuzzy tipe-1 dan interval tipe-2, pada aplikasi robot swarm. II. SISTEM LOGIKA FUZZY TERVAL TYPE 1 (T1FLS)