4.2.

3 Transitive Relation

Hubungan transitif didefinisikan sebagai

∀(𝑥, 𝑦), (𝑦, 𝑥), (𝑥, 𝑧) ∈ 𝐴 𝑥 𝐴

𝜇𝑅 (𝑥, 𝑧) ≥ max[𝑀𝑖𝑛 𝜇𝑅 (𝑥, 𝑦), 𝜇𝑅 (𝑦, 𝑧)]

𝑦

Jika kita gunakan ∨ untuk nilai maksimum dan ∧ untuk nilai minimum, maka kondisi
akhirnya menjadi :

𝜇𝑅 (𝑥, 𝑧) ≥ ⋁ [𝜇𝑅 (𝑥, 𝑦) ⋀ 𝜇𝑅 (𝑦, 𝑧)]

𝑦

Jika relasi fuzzy 𝑅 diwakili oleh matriks fuzzy 𝑀𝑅 . Kita tahu bahwa sisi kiri dalam rumus di
atas sesuai dengan 𝑀𝑅 dan yang benar ke 𝑀𝑅2 . Artinya, sisi kanan identik dengan komposisi
relasi 𝑅 itu sendiri. Jadi kondisi sebelumnya menjadi,

𝑀𝑅 ≥ 𝑀𝑅2 𝑎𝑡𝑎𝑢 𝑅 ⊇ 𝑅 2
Contoh 4.10

Mari kita lihat relasi matriks fuzzy 𝑀𝑅 dengan 𝑀𝑅2 yang diperoleh dengan operasi komposisi
Max-Min (Gambar 4.20).

Untuk menyelidiki apakah ini adalah hubungan transitif atau tidak, kita harus memeriksa
semua elemen di 𝑀𝑅 dan 𝑀𝑅2 .
Sebagai contoh :
Untuk (𝑎, 𝑎), kita memiliki 𝜇𝑅 (𝑎, 𝑎) ≥ 𝜇𝑅2 (𝑎, 𝑎)
Untuk (𝑎, 𝑏), 𝜇𝑅 (𝑎, 𝑏) ≥ 𝜇𝑅2 (𝑎, 𝑏)
Kita melihat 𝑀𝑅 ≥ 𝑀𝑅2 𝑎𝑡𝑎𝑢 𝑅 ⊃ 𝑅 2 , Oleh karena itu, hubungan fuzzy R ini memiliki
karakteristik transitif.
4.2.4 Transitive Closure
Seperti yang telah kita sebut ekspresi hubungan fuzzy dengan matriks 𝑀𝑅 , matriks fuzzy 𝑀𝑅2
yang sesuai 𝑅 2 harus dihitung dengan perkalian 𝑀𝑅

𝜇𝑅 (𝑥, 𝑧) = 𝑀𝑅 ∙ 𝑀𝑅 = max[𝑀𝑖𝑛 𝜇𝑅 (𝑥, 𝑦), 𝜇𝑅 (𝑦, 𝑧)]

𝑦

Relasi transitif disebut sebagai 𝑅 ⊇ 𝑅 2 , dan dengan demikian hubungan antara 𝑀𝑅 , dan 𝑀𝑅2
berlaku :
𝑀𝑅 ≥ 𝑀𝑅2
3
Sekali lagi, hubungan 𝑅 ⊇ 𝑅 mungkin terpenuhi, dan dengan metode generalisasi yang kita
ketahui
𝑅 ⊇ 𝑅 3 , 𝑘 = 1,2,3, …
dari properti penutupan, penutupan transitif R harus
𝑅∞ = 𝑅 ∪ 𝑅2 ∪ 𝑅3 ∪ …
Umumnya, jika kita terus mengalikan matriks fuzzy (yaitu komposisi relasi), persamaan
berikut diadakan
𝑅 𝑘 = 𝑅 𝑘+1 , 𝑘 ≤ 𝑛

dimana 𝑅 ⊆ 𝐴 𝑥 𝐴 dan kardinalitas A adalah n. Jadi, 𝑅 ∞ mudah didapat

𝑅∞ = 𝑅 ∪ 𝑅2 ∪ 𝑅3 ∪ … ∪ 𝑅𝑘 , 𝑘 ≤ 𝑛

Contoh 4.11 terdapat 𝑅, 𝑅 2 𝑑𝑎𝑛 𝑅 3 disajikan dalam bentuk matrik berikut :

Disini 𝑀𝑅 ≥ 𝑀𝑅2 jadi 𝑅 ⊇ 𝑅 2 dan hubungan transitif diverifikasi. Karena 𝑀𝑅2 = 𝑀𝑅3 , kita
tahu 𝑀𝑅2 = 𝑀𝑅3 = ⋯, Oleh karena itu, penutupan transitif harus, 𝑅 ∞ = 𝑅 ∪ 𝑅 2 atau
𝑀𝑅∞ = 𝑀𝑅 + 𝑀𝑅2 . Perhatikan bahwa jumlah operasi "+" berarti operator Max diperkenalkan
pada (Sec 3.3.3)
 4.3 KLASIFIKASI RELASI KABUR
Kita generalisasikan disini konsep dari equivalence, compatibilty, pre-order, dan order
dari relasi tegas untuk menghubungkan ke relasi fuzzy. Kita assumsikan relasi R
didefinisikan dengan 𝐴 × 𝐴

4.3.1 Relasi Ekuivalensi Kabur

Defenisi
Jika sebuah relasi fuzzy 𝑅 ⊆ 𝐴 × 𝐴memenuhi kondisi dibawah ini, kita sebut dengan
“relasi ekuivalensi kabur” atau “ relasi kesamaan” .
 Relaksi Refleksif
∀𝑥 ∈ 𝐴 ⟹ 𝜇𝑅 (𝑥, 𝑥) = 1
 Relasi Simetrik
∀(𝑥, 𝑦) ∈ 𝐴 × 𝐴, 𝜇𝑅 (𝑥, 𝑦) = 𝜇 ⟹ 𝜇𝑅 (𝑦, 𝑥) = 𝜇
 Relasi transitif
∀(𝑥, 𝑦), (𝑦, 𝑧), (𝑥, 𝑧) ∈ 𝐴 × 𝐴, 𝜇𝑅 (𝑥, 𝑧) ≥ [𝑀𝑎𝑥[𝑀𝑖𝑛 𝜇𝑅 (𝑥, 𝑦), 𝜇𝑅 (𝑦, 𝑧)]]
Contoh 4.12 :
Mari pertimbangkan hubungan kabur yang ditunjukkan pada matriks berikut. Karena
hubungan ini adalah refleksif, simetrik, dan transitif kita lihat bahwa ini adalah relasi
ekuivalensi kabur.
Menggunakan relasi kesamaan, kita dapat menunjukkan dengan mengikuti tiga aplikasi
 Himpunan partisi
Seperti himpunan tegas 𝐴 yang dilakukan partisi menjadi himpunan bagian 𝐴1 , 𝐴2 , …
oleh relasi ekuivalensi, himpunan kabur A juga dapat dilakukan partisi.

Contoh 4.13 :
Tunjukkan partisi A dengan relasi yang diberikan relasi R. Dalam hal ini, relasi ekuivalensi
kabur berlaku pada kelas 𝐴1 dan 𝐴2 , tetapi tidak antara 𝐴1 dan 𝐴2 .
 Partisi oleh 𝛼 − 𝑐𝑢𝑡
Jika 𝛼 − 𝑐𝑢𝑡 dilakukan pada sebuah relasi kabur, kita mendapatkan pada relasi tegas.
Dengan melakukan 𝛼 − 𝑐𝑢𝑡 pada relasi ekuivalensi kabur, kita mendapatkan relasi
ekuivalensi tegas dan dengan demikian himpunan A dapat di partisi. Misalnya, jika partisi
dilakukan pada himpunan A menjadi himpunan bagian 𝐴1 , 𝐴2 , … , kesamaan antara elemen di
𝐴𝑖 tidak kurang dari 𝛼. Kemudian relasi ekuivalensi 𝛼 − 𝑐𝑢𝑡𝑅𝐴 didefinisikan
𝜇𝑅 (𝑥, 𝑦) = 1 𝑗𝑖𝑘𝑎 𝜇𝑅 (𝑥, 𝑦) ≥ 𝛼, ∀𝑥, 𝑦 ∈ 𝐴𝑖
= 0 𝑢𝑛𝑡𝑢𝑘 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Jika kita menerapkan 𝛼 − 𝑐𝑢𝑡 sesuai𝛼1 di himpunan level {𝛼1 , 𝛼2 , … }, partisi oleh prosedur
𝐴
ini dinotasikan oleh 𝜋(𝑅𝑎1 ) atauu 𝜋(𝑅 ). Dengan cara yang sama, kita dapatkan 𝜋(𝑅𝑎2 ) dari
𝑎1

prosedur pada 𝛼2 − 𝑐𝑢𝑡. Kemudian, kita tahu

Jika 𝛼1 ≥ 𝛼2 , 𝑅𝑎1 ⊆ 𝑅𝑎2 dan kita dapat mengatakan bahwa 𝜋(𝑅𝑎1 ) lebih halus dari pada
𝜋(𝑅𝑎2 ).
Contoh 4.13
Partisi pohon menunjukkan multiple partisi oleh 𝛼 (gambar 4.23)
Misalkan, jika kita menerapkan 𝛼 = 0.5, kelas kesamaan diperoleh sebagai {a, b}, {d}, {c, e,
f} yang memiliki unsur derajat tidak kurang dari 0,5.

 Himpunan similiar terhadap elemen x

Jika relasi kesamaan R didefinisikan pada himpunan A, elemen direlasikan kesembarang
anggota 𝑥 ∈ 𝐴 dapat membentuk “Himpunan similiar terhadap elemen x”. Tentu saja
himunan ini adalah kabur
Contoh 4.14
Mari kita lihat anggota d di relasi kesamaan fuzzy yang sebelumnya diperkenalkan. Elemen
membuat relasi kesamaan dengan d adalah a,b, dan d itu sendiri. Jika anggota ini dinyatakan
berdasarkan derajat kesamaan dengan d, kita mendapatkan klas kesamaan dari d
{(𝑎, 0.4), (𝑏, 0.4), (𝑑, 1)}
Dengan cara yang sama, menandai elemen yang sama terhadap elemen e sebagai himpunan
fuzy , hasil kelas kesamaan
{(𝑐, 1), (𝑒, 1), (𝑓, 0.5)}