FUZZY INFORMATION RETRIEVAL
Fuzzy secara bahasa diartikan sebagai kabur atau samar-samar. Dalam fuzzy dikenal derajat keanggotaan yang memiliki rentang nilai 0 hingga 1. Berbeda dengan himpunan yang memiliki nilai 1 atau 0. Sedangkan logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output, mempunyai nilai kontinyu. Fuzzy dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran. Oleh sebab itu sesuatu dapat dikatakan sebagian benar dan sebagian salah pada waktu yang sama [10]. Variabel Fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem Himpunan Fuzzy. Dalam himpunan fuzzy terdapat beberapa representasi darifungsi keanggotaan, salah satunya yaitu representasi linear. Pada representasi linear, pemetaan input ke derajat keanggotaannya digambarkan sebagai suatu garis lurus. Berikut ini adalah gambar representasi linear rendah dan naik.
Model Sistem temu-kembali informasi (IRS) dengan teori fuzzy atau menggunakan logika fuzzy mulai dikembangkan oleh beberapa peneliti. Teori ini dikembangkan sekitar akhir 1970 dan dirangkum oleh Salton pada tahun 1989 (Grossman dan Frieder, 2004). Model ini merupakan model perluasan dari model Boolean. Koefisian kesamaan Boolean dapat dikomputasikan dengan menjadikan sebuah dokumen sebagai fuzzy karena kenggotaannya berdasarkan dari seberapa sering muncul pada dokumen. Ekspresi Boolean yang lebih komplek dikonstruksikan dengan mengaplikasikan hasil dari operasi ke ekspresi baru. Pada akhirnya, dihasilkan sebuah himpunan tunggal yang terdiri dari dokumen dan koefisien kesamaannya. Permasalahan dari pendekatan ini adalah model tidak diizinkan untuk bobot dari queri. Model dapat digabungkan dengan mengalikan bobot queri dengan kekuatan keanggotaan dari tiap elemen pada himpunan. Masalah lainnya, dokumen dengan tingkat bobot yang sangat rendah mendominasi koefisien kesamaan.( Information Retrieval : Algorithms and Heuristics)
Teori himpunan fuzzy adalah suatu kerangka kerja formal cocok untuk model ketidakjelasan. Di IR telah berhasil digunakan di beberapa tingkatan, khususnya untuk definisi dari superstruktur dari model Boolean, dengan menarik konsekuensi yang IRSs Boolean yang ada bisa diperbaiki tanpa benar-benar merancang ulang mereka. Melalui perluasan ini sifat bertahap relevansi dari dokumen untuk query pengguna dapat dimodelkan. Perbedaan pendekatan didasarkan pada penerapan teori koneksionis untuk IR. Syaraf jaringan telah digunakan dalam konteks ini untuk mendesain dan melaksanakan IRSs yang mampu beradaptasi dengan karakteristik dari IR lingkungan, dan khususnya untuk interpretasi pengguna relevansi. (Crestani, F. and Pasi, G., Soft Information Retrieval : Application of Fuzzy Set Theory and Neural Network)
- Aplikasi Teori Fuzzy untuk Informasi Retrieval
Dalam rangka meningkatkan exibility dari IRSs beberapa pendekatan berdasarkan penerapan teori himpunan fuzzy telah dilakukan. Sebuah himpunan fuzzy memungkinkan. Karakterisasi unsur perusahaannya melalui konsep graduality. Ini mendukung konsep deskripsi yang lebih akurat dari kelas elemen ketika batas tajam keanggotaan tidak dapat secara alami menemukan. Entitas terlibat dalam IRS sangat cocok untuk ini diformalkan dalam bingkai formal yang bekerja dengan tujuan menangkap kekaburan yang melekat. tingkat utama penerapan teori himpunan fuzzy untuk IR memiliki hubungan. (Yaitu ekstensi dari model Boolean, tentang baik representasi dokumen dan bahasa query dan mekanisme asosiatif, seperti fuzzy dan fuzzy tesaurus kekelompokan). Aplikasi lain dari teori himpunan fuzzy telah menyangkut definisi berdasarkan model IR, dan definisi tindakan fuzzy untuk mengevaluasi keaktifan dari IRSs, dalam hal mengingat dan presisi.
- Aplikasi Sistem Informasi Car Retrieval
Aplikasi yang mendukung untuk pembelian mobil dibuat menggunakan logika fuzzy. Bahkan orang-orang yang tidak tahu dengan baik mengenai mobil dapat mencari mobil dengan alat yang mendukung seperti jika mereka bertanya pada seseorang yang tahu lebih banyak mengenai mobil. Kondisi yang tidak spesifik diekspresikan dengan himpunan fuzzy dan pencocokan kondisi yang diekspresikan dengan nilai peringkat. Nilai peringkat pada tiga pokok, ukuran mobil, berat mesin, dan power dikalkulasikan untuk mencari level adaptasi dari semua kondisi. Hasilnya ditunjukkan dengan nilai integrasi tertinggi berada pada tingkatan paling atas. Alasan terbesar menggunakan logika fuzzy untuk mengekspresikan subjektivitas dan fuzzines. Tetapi logika tidak selalu cocok untuk setiap orang yang mempunyai subjektifitas yang berbeda. Bagaimanapun dengan membuat fungsi keanggotaan menggunakan statistik dan aljabar linier, dan tetap mengupdatenya agar tampil trendi sehingga sesuai dengan keinginan user. (Samatsu, T; Tachikawa, K; Shi, Yan, 2008, GUI Form For Car Retrieval Systems Using Fuzzy Theory, ICIC Express Letters Vol 2 No 3).
Fuzzy Logic
- Fuzzy Logic pada dasarnya merupakan pendekatan logika yang memungkinkan nilai kebenaran antara yang harus didefinisikan antara evaluasi konvensional yang benar dan yang salah. Pengertian seperti agak keras atau keren bisa dirumuskan matematis dan diproses oleh komputer .
Fuzzy Sets
- Fuzzy Sets set yang elemennya memiliki derajat keanggotaan. Dalam teori himpunan klasik, sebuah elemen juga tidak termasuk dalam himpunan. Namun, himpunan fuzzy teori memungkinkan penilaian bertahap keanggotaan elemen dalam satu set ini dijelaskan dengan bantuan fungsi keanggotaan dinilai dalam interval nyata.
Mengapa Menggunakan Logika Fuzzy?
- Konsep logika fuzzy mudah dimengerti.
- Logika fuzzy sangat fleksibel.
- Logika fuzzy memiliki toleransi terhadap data-data yang lain daripada yang lain.
- Logika fuzzy mampu memodelkan fungsi-f i ungs nonlinear yang sangat kompleks.
- Logika fuzzy dapat membangun bagian teratas dari pengalaman-pengalaman para pakar.
- Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
- Logika fuzzy didasarkan pada bahasa alami.
Daftar Pustaka :
https://bethanurinasari.wordpress.com/2013/12/27/fuzzy-information-retrieval/
PPT : http://hirupmotekar.com/wp-content/uploads/2018/07/Presentasi-TBI-P8-Fuzzy-Khaerul-Imam.pptx