Anda di halaman 1dari 40

ERVI COFRIYANTI

Materi 4 Teori Himpunan (Lanjutan)

Materi Matematika Diskrit

Partisi

Definisi :

Partisi di sebuah himpunan A adalah sekumpulan

himpunan bagian tidak kosong A 1 , A 2 sehingga

dari A sedemikian

ERVI COFRIYANTI

a.) A 1 A 2

… = A,

b.) himpunan bagian A

i ≠ j.

i

saling lepas yaitu A A = Ø untuk

i

j

Contoh :

Misalkan A={1,2,3,4,5,6,7,8}, maka {{1},{2,3,4},{7,8},{5,6}}

adalah partisi dari A.

Partisi membagi himpunan A menjadi 4 buah blok yaitu

{1},{2,3,4},{7,8},dan {5,6}

ERVI COFRIYANTI

Himpunan Ganda/Multiset

Himpunan yang elemennya boleh berulang (tidak harus berbeda) disebut himpunan ganda (multiset)

Contoh : {a,a,a,b,b,c}, {2,2,2}, {2,3,4}, {} adalah himpuan ganda

Multiplisitas dari suatu elemen pada himpunan ganda adalah jumlah

kemunculan elemen tsb di dalam himpunan ganda.

Contoh :M={0,1,01,1,0,001,0001,00001,0,0,1}, maka multiplisitas elemen 0

ERVI COFRIYANTI

adalah 4.

Cara lain menyatakan himpunan ganda adalah dengan menggunakan

multiplisitas, contoh : {3.a, 2.b, 1,c} yang sama dengan {a,a,a,b,b,c}

Himpunan (set) merupakan contoh khusus dari suatu himpunan ganda, yang dalam hal ini multiplisitas dari setiap elemennya adalah 1 atau 0.

Kardinalitas dari suatu himpunan ganda didefinisikan sbg kardinalitas himpunan padanannya (ekuivalen), dengan mengasumsikan elemen-elemen di

dalam himpunan ganda semuanya berbeda.

Operasi pada Himpunan Ganda

Definisi :

Misalkan P dan Q adalah himpunan ganda :

1.

P Q

:

Suatu himpunan ganda yang multiplitas elemennya sama dengan

multiplitas maksimum elemen tersebut pada himpunan P dan Q.

Contoh :

Jika

ERVI COFRIYANTI

P

U Q = {a, a, a, b, c, c, d, d}

P = {a, a, a, c, d, d} dan Q = {a, a, b, c, c}, maka

2.

multiplitas minimum elemen tersebut pada himpunan P dan Q.

Contoh :

Jika

P Q

:

Suatu himpunan ganda yang multiplitas elemen sama dengan

P = {a, a, a, c, d, d} dan Q = {a, a, b, c, c}, maka P Q = {a, a, c}

Operasi pada Himpunan Ganda

3. P Q

multiplitas elemen tersebut pada P dikurangi multiplitasnya pada Q jika

selisihnya positif dan sama dengan 0, jika selisihnya nol/negatif.

Contoh :

:

Suatu himpunan ganda yang multiplitas elemennya sama dengan

Jika P = {a, a, a, c, d, d, e} dan Q = {a, a, b, b, c, c, d, d, f}, maka

P Q = {a,e}

ERVI COFRIYANTI

4.

P + Q

:

Yang didefinisikan sebagai jumlah (sum) 2 buah himpunan ganda

adalah suatu himpunan ganda yang multiplitas elemennya sama dengan

penjumlahan dari multiplitas elemen tersebut pada P dan Q.

Catatan : Beda setangkup tidak didefinisikan pada himpunan ganda.

Contoh :

Jika

P = {a, a, b, c, c} dan Q = {a,b, b, d }

P + Q = {a, a, a, b, b, b, c, c, d}

ERVI COFRIYANTI

Pengantar Logika dan Himpunan Fuzzy

Pendahuluan

Logika Fuzzy pertama kali dikembangkan oleh Lotfi A.Zadeh, seorang ilmuwan Amerika Serikat berkebangsaan Iran dari Universitas California di Barkeley, melalui tulisannya pada tahun 1965.

Tetapi banyak diapliaksikan oleh praktisi Jepang dengan

mengadaptasikannya ke bidang kendali (control), karena kultur orang

ERVI COFRIYANTI

Timur lebih dapat menerima dunia abu-abuatau fuzzy, sedangkan

kultur barat cenderung memandang suatu persoalan sbg hitam-putih,

ya-tidak, sukses-gagal atau setara dengan dunia logika biner Aristoteles.

Logika fuzzy umumnya diterapkan pada masalah-masalah yang mengandung unsur ketidakpastian (uncertainty).

Contoh:

a. Seorang dikatakan tinggi jika tinggi badannya di atas 1,7 m. Apakah orang yang mempunyai tinggi 1,6999 m atau 1,65 m

termasuk orang tinggi ? Menurut persepsi manusia, orang yang

mempunyai tinggi badan sekitar 1,7 m dikatakan kurang lebih

tinggiatau agak tinggi”.

ERVI COFRIYANTI

b.

Kecepatan pelandidefinisikan di bawah 20 km/jam.

Bagaimana dgn kecepatan 20,001 km/jam, apakah masih dapat

dikatakan pelan? Kita manusia, mungkin mengatakan bahwa kecepatan 20,001 km/jam itu agak pelan”.

Ketidakpatian dalam kasus ini disebabkan oleh kaburnya pengertian agak”, “kurang lebih”, “sedikit”, dsb.

Aplikasi

Beberapa aplikasi logika Fuzzy, antara lain:

1)

Pada tahun 1990 pertama kali dibuat mesin cuci dengan logika fuzzy di Jepang (Matsushita Electric Industrial Company). Sistem fuzzy digunakan untuk menentukan putaran yang tepat scr otomatis

berdasarkan jenis dan banyaknya kotoran serta jumlah yang akan dicuci. Input yg digunakan adalah seberapa kotor, jenis kotoran, dan

ERVI COFRIYANTI

banyaknya yg dicuci. Mesin ini menggunakan sensor optic,

mengeluarkan cahaya ke air dan mengukur bagaimana cahaya tsb

sampai ke ujung lainnya. Makin kotor, maka sinar yg sampai makin

redup. Di samping itu, sistem juga dapat menentukan jenis kotoran (daki atau minyak).

2)

Transmisi otomatis pada mobil. Mobil Nissan telah menggunakan

3)

sistem fuzzy pada transmisi otomatis, dan mampu menghemat bensin 12-17%. Psikologi, seperti logika fuzzy untuk menganalisis kelakuan

masyarakat, pencegahan dan investigasi criminal dll.

Himpunan Fuzzy

Logika fuzzy dikembangkan dari teori himpunan fuzzy

Himpunan yang telah dipelajari biasanya disebut himpunan

klasik atau himpunan tegas (crisp set). Keanggotaan suatu

unsur dinyatakan dengan tegas apakah objek tersebut anggota

ERVI COFRIYANTI

himpunan / bukan.

Untuk sembarang himpunan A, sebuah unsur a adalah anggota

himpunan apabila x terdapat atau terdefinisi di dalam A.

Sebagai contoh, misalkan A={0,4,7,8,11}, maka jelas 7 A

tetapi 5 A

Himpunan Fuzzy

Selain keempat cara penyajian himpunan yang telah dipelajari, ada cara lain untuk menyajikan himpunan, yaitu dgn

menggunakan fungsi karakteristik.

Fungsi karakteritik, dilambangkan dengan χ, mendefinisikan

ERVI COFRIYANTI

apakah suatu unsur dari semesta pembicaraan merupakan

anggota suatu himpunan atau bukan, yaitu:

χ

A

() x

=

1, x

0, x

A

A

Jadi χ A memetakan X ke himpunan {0,1}, yg dalam hal ini X adalah semesta pembicaraan

Contoh:

1. Misalkan X = {1,2,3,4,5,6} dan A X, yang dalam hal ini A = {1,2,5}.

Dengan fungsi karateristik, kita menyatakan A sebagai :

Jawab :

A = {(1,1),(2,1),(3,0),(4,0),(5,1),(6,0)}

ERVI COFRIYANTI

Keterangan :

(2,1) berarti χ(2) = 1

(4,0) berarti χ(4) = 0

A

1, x

0, x

= 

A

 

A

 

{(1,1), (2,1), (5,1)}

{(3,0), (4,0), (6,0)}

Contoh:

2)

X

={x | 0 x 10, xR} dan A X A ={x | 5 x 8, xR}

Misalkan

Dalam hal ini :

Maka diperoleh :

X = {0,1,2,3,…,10}

χ A (6) = 1

ini : Maka diperoleh : X = {0,1,2,3,…,10} χ A (6) = 1 ERVI COFRIYANTI χ

ERVI COFRIYANTI

χ

A

(4,8) = 0

χ (7) = 1

A

χ A (8,654) = 0

Contoh 3:

Misalkan variabel umur dibagi menjadi 3 kategori, yaitu :

MUDA : umur < 35 tahun

PAROBAYA : 35 umur 55 tahun

TUA : umur > 55 tahun

Nilai keanggotaan secara grafis, himpunan MUDA,PAROBAYA dan TUA dapat terlihat sbb:

ERVI COFRIYANTI

> 55 tahun  Nilai keanggotaan secara grafis, himpunan MUDA,PAROBAYA dan TUA dapat terlihat sbb: ERVI

Dari gambar sebelumnya, dapat dilihat bahwa:

Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA(μ MUDA [34] = 1);

Apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA(μ MUDA [35] = 0);

Apabila seseorang berusia 35 tahun, maka ia dikatakan PAROBAYA (μ PAROBAYA [35] = 1);

Apabila seseorang berusia 34 tahun, maka ia dikatakan TIDAK PAROBAYA (μ PAROBAYA [34] = 0);


ERVI COFRIYANTI

PAROBAYA

Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK PAROBAYA

(μ

PAROBAYA

[35 th 1 hr] = 0);

Apabila seseorang berusia 35 tahun, maka ia dikatakan PAROBAYA (μ

[35] = 1);

Dari sini bisa dikatakan bahwa pemakaian himpunan crisp untuk menyatakan umur sangat tidak

adil, adanya perubahan kecil saja pada suatu nilai mengakibatkan perbedaan kategori yang cukup signifikan.

a)

b)

c)

Dalam teori himpunan fuzzy, keanggotaan suatu elemen di dalam himpunan dinyatakan dengan derajat keanggotaan (membership values) yang nilainya terletak di dalam selang

[0,1]

Derajat keanggotaan ditentukan dengan fungsi keanggotaan:

μ A : X [0,1]

Bandingkan fungsi keanggotaan pada teori himpunan tegas:

ERVI COFRIYANTI

χ

A

: X {0,1}

Arti derajat keanggotaan sbb:

Jika μ A (x) = 1, maka x adalah anggota penuh dari himpunan A

Jika μ A (x) = 0, maka x bukan anggota himpunan A

Jika μ A (x) = μ , dengan 0<μ<1, maka x adalah anggota himpunan A dengan derajat keanggotaan sebesar μ.

Cara Mendefinisikan Himpunan Fuzzy

Misalkan himpunan fuzzy A didefinisikan pada semesta pembicaraan X = (x 1 , x 2 , x 3 , …,x n }

Cara 1 : Sebagai himpunan pasangan berurutan A = {(x 1 , μ A (x 1 )), (x 2 , μ A (x 2 )), …, (x n , μ A (x n ))}

Contoh :

X = {Becak, sepeda motor, mobil(kodok/vw),mobil kijang,mobil carry}

A = {Kendaraan yang nyaman dipakai jarak jauh (ayah, ibu dan empat anak)}

ERVI COFRIYANTI

Didefinisikan bahwa,

x 1 = becak, μ A (x 1 ) = 0

Cara 1 ini hanya dapat

Digunakan apabila anggota

Himpunan fuzzy

Bernilai diskrit

x 2 = sepeda motor, μ A (x 2 ) = 0.1

x 3 = mobil kodok/vw, μ A (x 3 ) = 0.5

x 4 = mobil kijang, μ A (x 4 ) = 1.0

x 5 = mobil carry, μ A (x 5 ) = 0.8

Maka, dalam himpunan fuzzy,

A = {(becak,0), (sepeda motor, 0.1), (mobil kodok, 0.5), (mobil kijang, 1.0), (mobil carry,

Jawab :

Cara Mendefinisikan Himpunan Fuzzy

Cara 2 :

Dinyatakan dengan menyebut fungsi keanggotaan. Cara ini

digunakan bila anggota himpunan fuzzy bernilai menerus (riil).

Contoh :

ERVI COFRIYANTI

Misalkan A = himpunan bilangan riil yang dekat 2.

Maka, dalam himpunan fuzzy,

A = {(x, μ(x))| μ(x) = 1/(1 + (x-2) 2 )}

Cara Mendefinisikan Himpunan Fuzzy

Cara 3 :

Dengan menuliskan sebagai:

A = {μ A (x 1 )/x 1 + μ A (x 2 )/x 2 + … + μ A (x n )/x n } = {

Untuk X diskrit,atau :

n

i = 1

(

A

x

i

)/

x

i

}

ERVIA

=

X

A

(x) / x

COFRIYANTI

Untuk X menerus (continue). Lambang bukan berarti integral seperti di

dalam kalkulus.

Contoh:

(i) Diskrit

X = Himpunan Bilangan Bulat Positif

A = Bilangan bulat yang dekat 10

= {0,1/7 + 0,5/8 +0,8/9+1,0/10+0,8/11+0,5/12+0,1/13}

ERVI COFRIYANTI

(ii) Kontinu/Menerus

X = Himpunan Bilangan Riil Positif A = Bilangan Riil yang Dekat 10

=∫1/(1+ (x - 10) 2 )/x

Definisi Operasi pada Himpunan Fuzzy

Definisi kesamaan, himpunan bagian, komplemen, gabungan, irisan

pada dua himpunan fuzzy A dan B adalah sbb :

Himpunan A dan B dikatakan sama jika dan hanya jika µ A (x) = µ B (x) untuk semua xєA

B memuat(contains) A ditulis A B, jika dan hanya jika µ

A (x) ≤ µ B (x)

ERVI COFRIYANTI

untuk semua xєA

Komplemen A adalah himpunan fuzzy Ā pada U yang memiliki fungsi

keanggotaan :

A

(x)

1

= 

A

(x)

A diartikan sebagai “x tidak dekat A”

A gabungan B dalah himpunan fuzzy pada U, ditulis A B, yang

memiliki fungsi keanggotaan

(x)

max(

(x),

(x))

A

B

AUB

=

A irisan B dalah himpunan fuzzy pada U, ditulis A B , yang memiliki

fungsi keanggotaan

(x)

min(

(x),

(x))

A

B

=

A

B

Contoh :

Misalkan diketahui himpunan fuzzy diskrit sbb:

A = 0.4/1+0.6/2+0.7/3+0.8/4 B = 0.3/1+0.65/2+0.4/3+0.1/4

ERVI COFRIYANTI

Gabungan himpunan fuzzy A dan B

=

0.4/1+0.65/2+0.7/3+0.8/4

Irisan himpunan fuzzy A dan B

= 0.3/1+0.6/2+0.4/3+0.1/4

Komplemen dari himpunan fuzzy A

= 0.6/1+0.4/2+0.3/3+0.2/4

Contoh:

Misalkan nilai keanggotaan 27 tahun pada himpunan MUDA adalah 0,6 (

MUDA

(27) = 0,6

);

dan nilai keanggotaan Rp. 2.000.000 pada penghasilan TINGGI adalah

0,8 (

GAJITINGGI

(2 10

x

6

)

=

0,8 ). Maka α predikat untuk usia MUDA AND berpenghasilan

TINGGI, usia MUDA OR berpenghasilan TINGGI, TIDAK MUDA adalah?

MUDA

TINGGI

= min(

MUDA

(27),

TINGGI

(2

x

10

6

))

ERVI COFRIYANTI

MUDA

=

min( 0,6;0,8)

TINGGI

= max(

MUDA

=

0,6

(27),

TINGGI

(2

x

10

6

))

=

max(0,6;0,8)

=

0,8

MUDA

'

= 

1

MUDA

(27)

= 

1

0,6

=

0,4

ERVI COFRIYANTI

Fungsi Keanggotaan dan Pengantar

Logika Fuzzy

Pengertian Fungsi Keanggotaan

Fungsi keanggotaan adalah grafik yang mewakili besar dari derajat keanggotaan masing-masing variabel input yang berada dalam interval antara 0 dan 1.

ERVI COFRIYANTI

Derajat keanggotaan sebuah variabel x dilambangkan

dengan simbol μ(x).

Beberapa bentuk model Fungsi Keanggotaan:

1. Fungsi Linier. Setiap x dipetakan dalam [0,1] berdasarkan fungsi, presentasi grafik dan analisis sebagai berikut:

Linier Naik x a b

(

,

,

) =
)
=

0, x

a

1; x=b

(

x

a

) /(

b

a

),

a

x

b

ERVI COFRIYANTI

Linier Turun x a b

(

,

,

) =

(

b

0, x

x

) /(

b

b

a

),

a

x

b

 (x) A 1 x a b
(x)
A
1
x
a
b
 (x) A 1 x a b
(x)
A
1
x
a
b

2. Fungsi Sigmoid.Kurva berbentuk seperti huruf S. Setiap x dipetakan dalam

[0,1]

Sigmoid x a b c

(

,

,

,

) =

0, x  a 2(( x  a ) /( 1  2(( c 
0, x
a
2((
x
a
) /(
1
2((
c
x
1, x
c

c

a

))

2

) /(

c

a

,

a

))

2

x

b

,

b

x

c

1, x

a

ERVI COFRIYANTI

Sigmoid x a b c

(

,

,

,

) =

 (x)  A A 1 1 x a b c
(x)
A
A
1
1
x
a
b
c

1

2((

2((

c

0, x

x

x

c

a

) /(

) /(

c

c

a

))

a

))

2

,

2

,

b

a

x

x

x

c

b

(x)

a b c
a b
c

3. Fungsi Segitiga. Hanya terdapat 1 nilai x yg mempunyai derajat

keanggotaan yg sama dg 1 (x=b), selain itu x mendekati 1 dan menjauhi 1

0, x  a atau x  c ( x  a ) /( b
0, x
a atau x
c
(
x
a
) /(
b
a
),
a
x
b
Segitiga x a b c
(
,
,
,
) =
(
b
x
) /(
c
b
),
b
x
c
(x)
ERVI COFRIYANTI
A
1 a b c
1
a
b
c

x

4. Fungsi Trapesium, terdapat beberapa nilai x berderajat keanggotaan 1 (b≤ x ≤c).

0, x  a atau x  d ( x  a ) /( b
0, x
a atau x
d
(
x
a
) /(
b
a
),
a
x
b
Trapesium x a b c d
(
,
,
,
,
) =
1, b
x
c
(
d
x
) /(
d
c
),
c
x
d
(x)
ERVI COFRIYANTI
A
1
x
a
b
c
c

5. Fungsi berbentuk Bell. Fungsi-fungsi keanggotaannya memiliki karakteristik tertentu.

b BENTUK 1 : Sigmoid x c ( ,  b c ,  ,
b
BENTUK 1 :
Sigmoid x c
(
,
b c
,
,
c
),
x
c
2
Phi
(
x b c
,
,
) =
b
1
Sigmoid x c c
(
,
,
,
c
b
),
x
c
(x)
2
A
ERVI COFRIYANTI
1
0,5
c
x
c-b/2
c+b/2

b

Sigmoid x c c ( , ,  , c  b ), x  c

BENTUK 2 :

A

(x)

Beta

1 ( x c b , , ) = 2   x  c
1
(
x c b
,
,
)
=
2
x
c
1 
b
1 0,5 ERVI COFRIYANTI c x c-b c+b
1
0,5
ERVI COFRIYANTI
c
x
c-b
c+b

BENTUK 3 :

Gauss x b c

(

,

,

) =

e

b (

c

x

)

2

 (x) A 1 ERVI COFRIYANTI c x b
(x)
A
1
ERVI COFRIYANTI
c
x
b

Soal 1

Fungsi keanggotaan untuk himpunan NAIK pada variabel permintaan seperti terlihat di bawah. Berapa derajat keanggotaan 32 pada himpunan NAIK tsb?

 (x) A NAIK 1 ERVI COFRIYANTI x 25 35
(x)
A
NAIK
1
ERVI COFRIYANTI
x
25
35

Soal 2

Fungsi keanggotaan untuk himpunan DINGIN pada variabel temperatur ruangan seperti gambar di bawah. Berapa derajat keanggotaan 20 pada himpunan DINGIN tsb?

 (x) A 1 ERVI COFRIYANTI x 15 25 35 TEMPERATUR ( O C)
(x)
A
1
ERVI COFRIYANTI
x
15
25
35
TEMPERATUR ( O C)

Soal 3

Fungsi keanggotaan untuk himpunan DINGIN pada variabel temperatur ruangan seperti gambar di bawah. Berapa derajat keanggotaan 32 dan 25 pada himpunan DINGIN tsb?

 (x) A DINGIN 1 ERVI COFRIYANTI x 0 15 24 27 35
(x)
A
DINGIN
1
ERVI COFRIYANTI
x
0
15
24
27
35

TEMPERATUR ( O C)

Kerangka Kerja Kontrol Logika Fuzzy.

Masukkan Nilai Tegas

Kerangka Kerja Kontrol Logika Fuzzy. Masukkan Nilai Tegas Fuzzyfikasi ERVI COFRIYANTI Proses Penalaran Aturan Dasar

Fuzzyfikasi

ERVI COFRIYANTI

Proses Penalaran

Aturan Dasar

Fuzzy. Masukkan Nilai Tegas Fuzzyfikasi ERVI COFRIYANTI Proses Penalaran Aturan Dasar Defuzzyfikasi Keluaran Nilai Tegas

Defuzzyfikasi

Fuzzy. Masukkan Nilai Tegas Fuzzyfikasi ERVI COFRIYANTI Proses Penalaran Aturan Dasar Defuzzyfikasi Keluaran Nilai Tegas

Keluaran Nilai Tegas

Fuzzyfikasi adalah proses pengubahan nilai tegas yg ada ke dalam fungsi keanggotaan.

Defuzzyfikasi adalah proses pemetaan fuzzy ke

ERVI COFRIYANTI

himpunan tegas (crips), kebalikan dari proses

fuzzyfikasi.

Aturan dasar Logika Fuzzy

Aturan dasar logika Fuzzy merupakan suatu bentuk aturan relasi/implikasi “if …then…”.

IF x is A THEN y is B dalam bentuk fungsi y= f((x,A),B)

ERVI COFRIYANTI

Referensi

Anifuddin Azis. Himpunan Fuzzy dan Operasi Dasar.

Irfani, M.Haviz. 2011. Soft computing. STMIK GI MDP.

ERVI COFRIYANTI

Rinaldi Munir. 2016. Matematika Diskrit. Bandung: Penerbit Informatika.

Sri Kusumadewi. 2003. Artificial Intelligence : Teknik dan Aplikasinya.

Penerbit Graha Ilmu.

T.Sutojo, Edy Mulyanto dan Vincent Suhartono. 2011. Kecerdasan Buatan. Penerbit Andi Yogyakarta.