Logika tradisional menilai fakta hanya berdasarkan 2 keadaan yaitu ‘true’ dan ‘false’ atau ‘ya’ dan ‘tidak’ atau 1 dan 0. Logika seperti ini sukses ketika diterapkan ke mesin (komputer), sehingga disebutlah komputer sebagai mesin biner, mesin yang bekerja berdasarkan 2 keadaan.
Komputer berhasil mempermudah banyak pekerjaan manusia yang berkaitan dengan tugas pengolahan. Kebutuhan pengolahan dengan data masukan yang berasal dari fakta ‘alamiah’ sejauh ini mampu diolah oleh mesin komputer selagi dapat dinyatakan bentuk kuantisasinya. Akibat kebutuhan kuantisasi ini maka data alamiah yang pada umumnya bukan dalam bentuk kuantitas (tetapi kualitas) tersebut dipaksa oleh sistem komputer untuk diolah menurut pengolahan kuantitas (pengolahan angka biner), sehingga sedikit banyak tentu hasil pengolahan tersebut mengandung efek reduksi terhadap karakter alamiah di awalnya.
"
Dulunya fakta-fakta alamiah sedemikian hanya dapat di-mapping [paksa] ke kondisi true dan false saja, padahal secara manusiawi tidak semua fakta sesuai untuk direlasikan ke kedua kondisi tersebut.
Manusia secara realita ternyata memiliki pilihan lain yang bukan ‘ya’ (true) dan bukan juga ‘tidak’ (false). Tidak perlu pusing untuk memikirkan apakah ini manusia baik atau tidak karena ini ‘bawaan’ realita. Lalu, jika kondisi seperti ini hendak dibuatkan modelnya untuk sistem komputer, bagaimana men-siasatinya?
Berkaitan dengan ke-’rigid’-an logika komputer tersebut dan dalam usaha mengatasi permasalahan di atas, telah diusulkan oleh Dr. Lotfi Zadeh (Keturunan Iran) dengan sistem yang disebut fuzzy logic.
Logika Fuzzy mampu meng-akomodasi kondisi selain dari true dan false atau 1 dan 0 saja. Jadi dengan logika ini, pernyataan fakta (yang di pemrograman istilahnya kriteria) bisa lebih banyak variasi nilai (respon)-nya dibandingkan hanya sekedar : true dan false.
Pernyatan logika pemrograman seperti ini :
if (tinggi=165) then {action}
menjadi dapat dinyatakan dengan :
if (tingginya adalah lumayan) then {action}.
Perhatikan bahwa tanggapan terhadap kriteria contoh pertama (tinggi=165) hanya dua kemungkinan yaitu true (benar tingginya 165) atau false (tidak benar tingginya 165), tetapi tanggapan terhadap kriteria di contoh kedua (tingginya adalah lumayan) sangat relatif : bisa ya, bisa tidak, bisa mungkin, barangkali, dan seterusnya (’lumayan’ itu tinggi pastinya berapa, kan gak jelas).
Pernyataan logika model yang kedua ini sekarang mungkin untuk digunakan bahkan diproses lebih lanjut dengan menerapkan logika fuzzy tadi.
Bagaimana fuzzy dapat melakukan ini ?
