Bihar- Model matematika baru bernama Intuitionistic L-Fuzzy Sets of Third Type (ILFSTT) dikembangkan oleh Dr. Shashi Prakash Tripathi dari Veer Kunwar Singh University, Ara, Bihar, bersama Anil Kumar dari College Bikramganj, Rohtas, Bihar. Riset yang diterbitkan pada 2026 di International Journal of Applied and Scientific Research (IJASR) ini menawarkan pendekatan baru untuk menangani ketidakpastian tingkat tinggi dalam sistem cerdas seperti robotika, sistem kendali, dan pemodelan prediktif. Temuan ini penting karena banyak sistem modern—mulai dari kendaraan otonom hingga prediksi energi—beroperasi dalam kondisi yang tidak pasti dan dinamis.
Selama lebih dari setengah abad, teori fuzzy set menjadi fondasi dalam pemodelan ketidakpastian. Konsep ini pertama kali diperkenalkan oleh Lotfi Zadeh pada 1965 untuk menjembatani batas tegas antara “ya” dan “tidak” dalam logika klasik. Pada 1983, Krasimir Atanassov memperluasnya melalui Intuitionistic Fuzzy Sets (IFS), yang tidak hanya mengenal derajat keanggotaan dan ketidakanggotaan, tetapi juga derajat ketidakpastian.
Namun, menurut Tripathi dan Kumar, sistem modern membutuhkan representasi yang lebih kaya. Lingkungan dinamis seperti robot bergerak, sistem energi terbarukan, atau model cuaca tidak hanya menghadapi ketidakpastian biasa, tetapi juga ketidakpastian berlapis. Di sinilah ILFSTT hadir sebagai pengembangan lanjutan dari IFS dan type-3 fuzzy logic systems.
Apa Itu ILFSTT?
Secara sederhana, ILFSTT memodelkan tiga komponen sekaligus pada setiap elemen data:
- Derajat keanggotaan
- Derajat ketidakanggotaan
- Derajat ketidakpastian
Ketiga nilai ini dijaga agar totalnya tidak melebihi satu, sehingga sistem tetap konsisten secara matematis.
Jika fuzzy generasi pertama hanya memberi satu nilai keanggotaan, dan generasi kedua menambahkan lapisan ketidakpastian tambahan, maka ILFSTT—yang termasuk keluarga fuzzy generasi ketiga—mampu menangkap ketidakpastian tingkat lebih tinggi. Model ini dirancang untuk situasi kompleks dan nonlinier, di mana data sering kali tidak stabil dan sulit diprediksi.
Pembuktian Matematis: Dua Teorema Kunci
Penelitian ini tidak berhenti pada konsep. Tripathi dan Kumar membuktikan dua teorema penting untuk memastikan ILFSTT kokoh secara matematis.
Teorema pertama menunjukkan bahwa jika dua himpunan ILFSTT digabung (union) atau diambil irisan (intersection), hasilnya tetap valid sebagai ILFSTT. Artinya, sistem ini stabil ketika dioperasikan dalam perhitungan matematis.
Teorema kedua membuktikan bahwa ILFSTT mematuhi hukum De Morgan dalam operasi komplemen. Ini memastikan konsistensi logika dalam sistem fuzzy tingkat lanjut.
“Stabilitas dan konsistensi logis adalah syarat mutlak sebelum model bisa diterapkan dalam sistem cerdas,” tulis Tripathi dalam artikelnya. Dengan pembuktian ini, ILFSTT dinilai siap digunakan dalam aplikasi nyata.
Uji Coba pada Sistem Kendali
Dalam simulasi sistem kendali dinamis, pengendali berbasis ILFSTT menunjukkan:
- Overshoot lebih rendah
- Waktu stabilisasi lebih cepat
- Margin kesalahan lebih kecil
Dibandingkan sistem fuzzy tipe-1 tradisional, model ILFSTT lebih adaptif saat menghadapi data tidak pasti atau berubah cepat. Hal ini relevan untuk otomasi industri, kendaraan otonom, hingga sistem navigasi cerdas.
Aplikasi pada Robotika
Pada pengujian perencanaan gerak robot, algoritma berbasis ILFSTT mampu membaca input sensor yang tidak stabil dengan lebih akurat. Robot lebih efektif menavigasi lingkungan dinamis dibandingkan sistem fuzzy konvensional.
Dalam konteks industri 4.0 dan robot kolaboratif, peningkatan akurasi ini berpotensi menurunkan risiko kesalahan operasi dan meningkatkan keselamatan kerja.
Prediksi Energi dan Cuaca Lebih Akurat
Model ILFSTT juga diuji dalam peramalan konsumsi energi dan prediksi cuaca. Hasilnya menunjukkan penurunan tingkat kesalahan dibandingkan:
- Model fuzzy tipe-1
- Beberapa pendekatan pembelajaran mesin tradisional
Karena mampu memodelkan ketidakpastian berlapis, ILFSTT lebih andal dalam lingkungan volatil, seperti pasar energi atau perubahan iklim ekstrem.
Analisis Tren Riset Global
Penelitian ini turut menyertakan analisis bibliometrik menggunakan basis data Scopus dan perangkat lunak pemetaan ilmiah. Hasilnya menunjukkan peningkatan signifikan publikasi terkait type-3 fuzzy logic systems dalam beberapa tahun terakhir.
Bidang yang paling aktif mengadopsi pendekatan ini meliputi:
- Robotika cerdas
- Prediksi deret waktu
- Sistem energi terbarukan
- Pemodelan keuangan
Temuan ini memperkuat posisi ILFSTT sebagai bagian dari gelombang baru sistem kecerdasan buatan berbasis logika fuzzy tingkat lanjut.
Dampak bagi Dunia Industri dan Kebijakan
Secara praktis, ILFSTT membuka peluang:
- Sistem kendali industri yang lebih stabil
- Robot otonom yang lebih adaptif
- Model prediksi energi yang lebih akurat
- Sistem pengambilan keputusan berbasis data yang lebih tahan terhadap ketidakpastian
Bagi pembuat kebijakan, model ini dapat mendukung perencanaan berbasis data dalam sektor energi, transportasi, dan infrastruktur cerdas.
Tripathi menekankan bahwa pengembangan lebih lanjut masih diperlukan, terutama untuk meningkatkan efisiensi komputasi agar dapat diterapkan dalam sistem waktu nyata berskala besar.
Profil Penulis
- Shashi Prakash Tripathi: Dosen dan peneliti di Veer Kunwar Singh University, Ara, Bihar, India. Bidang keahlian: teori fuzzy, pemodelan matematika, dan sistem cerdas.
- Anil Kumar: Akademisi di College Bikramganj, Rohtas, Bihar, India. Fokus riset pada logika fuzzy dan aplikasi sistem pengambilan keputusan berbasis ketidakpastian.
Sumber Penelitian
- Tripathi, S. P., & Kumar, A. (2026). Properties, Advanced Applications, and Theoretical Contributions of Intuitionistic L-Fuzzy Sets of Third Type (ILFSTT).
- International Journal of Applied and Scientific Research (IJASR), Vol. 4, No. 2, 63–72.
- DOI: https://doi.org/10.59890/ijasr.v4i2.183
- ISSN-E: 3025-7670
- URL: https://journal.multitechpublisher.com/index.php/ijasr/
0 Komentar