fuzzy (sambungan)

Dengan fuzzy logic, sistem kepakaran manusia bisa diimplementasikan ke dalam bahasa mesin secara mudah dan efisien. Variable kata2 bisa lebih simpel, singkat dan langsung dapat dirasakan manusia, namun kurang presisi dari sudut pandang bahasa mesin,
contoh : Awas ada batu ! (bahasa bermakna tetapi kurang presisi), pernyataan ini kita gunakan ketika ada batu yg mau jatuh diatas kepala temen kita. Hal ini sangat janggal bila kita ngomong "ada batu 5 kg, 100 m/s ke kepala kamu" (bahasa presisi tetapi kurang bermakna). Nah, disinilah peran sistem fuzzy, yaitu untuk menjembatani komunikasi sehingga menjadi lebih efektif dan efisien antara mesin dan manusia,,
contoh lain :
sudah menjadi aturan tidak tertulis dan dipraktikan banyak restoran bahwa rata-rata tip atau bonus yang pantas diberikan kepada seorang pelayan restoran adalah 15% dari total pembelian,meskipun besar bonus yang sesungguhnya bisa bervariasi tergantung kualitas pelayanan yang diberikan. Dalam ilustrasi contoh penyelesaian masalah dibawah ini, kualitas pelayanan diberi skor antara 0 sampai 10 dimn kualitas 0 berarti jelek dan 10 berarti sangat memuaskan. Masalah dibawah ini adalah bagaimana menentukan besar bonus untuk seorang pelayan restoran berdasar kualitas pelayanan. Dengan kata lain, bagaimana memodelkan/memtakan hubungan kualitas pelayanan (service) dengan besar bonus. Dalam hal ini service sebagai input dan bonus sebagai output dari model.
Model yang paling sederhana untuk menyatakan hubungan bonus dengan pelayanan adalah bahwa bonus selalu sebesar 15% dari nilai total pembelian :

bonus = 0.15;

Karena model ini mengabaikan kualitas pelayanan, tidak membedakan pelayanan buruk dengan yang memuaskan, maka terasa "kurang adil", kita bisa mengubah modelnya menjadi :

bonus=0.2/10*pelayanan+0.05;

dalam model ini, bonus maksimum adalah 5% jikak pelayanannya buruk. Sebaliknya bonus akan berkisar antara 5% sampai 25% jika pelayanan tidak buruk.