Anda di halaman 1dari 11

PENGANTAR HIMPUNAN SAMAR

Oleh
Kelompok A : Ahmad Tanto Wiraga, Moch. Khoirur Roziqin, Nur Kholifah Ramadhani

ABSTRAK (1 paragraf)

Kata-kata kunci: Bilangan real, domain, himpunan, interval, probabilitas, representasi

BAB I

PENDAHULUAN

Topik yang kami bahas adalah Pengantar Himpunan Samar atau yang lebih dikenal
dengan himpunan fuzzy. Himpunan fuzzy (himpunan samar) dikenalkan oleh L. A. Zadeh
tahun 1965. Himpunan fuzzy adalah suatu himpunan dimana nilai keanggotaan dari
elemennya adalah bilangan real dalam interval tertutup [0,1]. “Fuzzy” jika diterjemahkan
memiliki arti tidak jelas/buram, tidak pasti. Himpunan fuzzy adalah cabang dari matematika
yang tertua, yang mempelajari proses bilang random: teori probabilitas, statistik matematik,
teori informasi dan lainnya. Penyelesaian masalah dengan himpunan fuzzy lebih mudah dari
pada dengan mengunakan teori probabilitas (konsep pengukuran). Konsep himpunan fuzzy
yang terus berkembang tersebut mendorong para peneliti untuk terus mengembangkan dan
menganalisa baik secara teoritis maupun aplikasi.
Himpunan Fuzzy didasarkan pada suatu gagasan dalam memperluas jangkauan fungsi
karakteristik sehingga fungsi tersebut akan mencakup bilangan real pada interval [0,1]. Nilai
keanggotaannya menunjukkan bahwa suatu item dalam semesta pembicaraan tidak hanya
berada pada 0 atau 1, namun juga nilai yang terletak diantaranya. Nilai 0 menunjukkan salah,
nilai 1 menunjukkan benar, dan masih ada nilai-nilai yang terletak antara benar dan salah.
Himpunan fuzzy (himpunan samar) mempunyai peranan yang penting dalam
perkembangan matematika khususnya dalam matematika himpunan. Teori himpunan selalu
dipelajari dan di terapkan sepanjang masa, bahkan sampai saat ini matematikawan selalu
mengembangkan tentang bahasa matematika (teori himpunan). Banyak penelitian-penelitian
yang menggunakan teori himpunan fuzzy dan saat ini banyak literatur-literatur tentang
himpunan fuzzy, misalnya yang berkaitan dengan teknik control, fuzzy logic, dan relasi
fuzzy.
Tujuan kami mengambil topik mengenai Pengantar Himpunan Samar agar pembaca
lebih memahami pengertian dan cara kerja dari himpunan fuzzy tersendiri. Pembaca
diharapkan dapat membedakan himpunan fuzzy dengan himpunan lainnya. Pembaca juga
diharapkan menerapkan konsep himpunan fuzzy pada dunia pendidikan maupun bidang
lainnya.
(Tuliskan rujukan/ referensi yang terkait dengan latar belakang)(Ga ngerti)
BAB II

PEMBAHASAN

2.1 Himpunan Fuzzy


Himpunan fuzzy (himpunan samar) adalah konsep yang mendasari lahirnya logika
fuzzy. Himpunan fuzzy adalah suatu himpunan yang sifatnya samar. Himpunan ini
mengembangkan logika banyak nilai (many-valued logic) yang titik utamanya bukan hanya
nilai benar atau salah, tetapi masih memiliki nilai ketiga yang bersifat netral. Sumber lain
mengatakan ada yang diekspresikan seperti pada nilai probabilitas yang memiliki nilai antara
0 dan 1.
Himpunan fuzzy adalah himpunan yang unsur-unsurnya memiliki derajat keanggotaan
(membership values). Himpunan fuzzy diperkenalkan oleh Lutfih A. Zadeh (1965) sebagai
perluasan dari pengertian himpunan klasik. Teori himpunan klasik keanggotaannya dari
unsur-unsur dalam himpunan dinilai dalam hal biner menurut kondisi bivalen-elemen baik
termasuk atau tidak termasuk dalam himpunan. Teori himpunan fuzzy memungkinkan
penilaian bertahap dari keanggotaan elemen dalam himpunan, ini digambarkan dengan
bantuan sebuah fungsi keanggotaan yang dinilai dalam unit nyata interval [0,1]. Derajat
keanggotaan ditentukan dengan fungsi keanggotaan :
μA : A → [0,1]
Arti derajat keanggotaan adalah sebagai berikut:
 Jika μA(x) = 1, maka x adalah anggota penuh dari himpunan A.
 Jika μA(x) = 0, maka x bukan anggota dari himpunan A.
 Jika μA(x) = μ, dengan 0 < μ < 1, maka x adalah anggota himpunan A dengan derajat
keanggotaan sebesar μ.
Himpunan fuzzy memiliki 2 atribut , yaitu :
 Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi
tertentu dengan menggunakan bahasa alami, seperti : MUDA, PAROBAYA, TUA.
 Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel,
seperti : 40,25,50, dan lainnya.
2.2 Istilah pada Himpunan Fuzzy
1) Variabel Fuzzy
Variabel fuzzy adalah variabel-variabel yang akan dibicarakan dalam suatu sistem
fuzzy. Contoh : temperatur, umur, suhu, tinggi badan.
2) Himpunan Fuzzy
Himpunan fuzzy adalah himpunan-himpunan yang akan dibicarakan pada suatu
variabel dalam sistem fuzzy. Cotoh :
 Temperatur: dingin, sejuk, hangat, panas.
 Umur: muda, parobaya, tua.
 Tinggi Badan: rendah, tinggi.
3) Semesta Pembicaraan
Semesta pembicaraan adalah seluruh nilai yang boleh dioperasikan dalam suatu
variabel fuzzy.
4) Domain Fuzzy
Domain fuzzy adalah seluruh nilai yang diizinkan dalam semesta pembicaraan dan
boleh dioperasikan dalam suatu himpunan fuzzy. Domain merupakan himpunan
bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai
domain dapat berupa bilangan positif maupun negatif. Contoh :
 Dingin = [0 20]
 Sejuk = [15 25]
 Normal = [20 30]
 Hangat = [25 35]
 Panas = [30 40]
2.3 Fungsi Keanggotaan pada Himpunan Fuzzy
A. Representasi linear
Pemetaan input ke derajat keanggotaannya di gambarkan sebagai suatu garis lurus pada
representasi linear. Bentuk ini adalah yang paling sederhana dan yang paling baik untuk
mendekati suatu konsep yang kurang jelas. Ada dua keadaan himpunan fuzzy linear, yaitu
linear naik dan linear turun.
1) Linear Naik
Kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol
[0] bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih
tinggi yang disebut dengan representasi fungsi linear naik. Representasi fungsi keanggotaan
untuk linear naik adalah sebagai berikut :
Fungsi keanggotaan :

Keterangan:
a = nilai domain yang mempunyai derajat keanggotaan nol
b = nilai domain yang mempunyai derajat keanggotaan satu
x = nilai input yang akan di ubah ke dalam bilangan fuzzy
2) Linear Turun
Fungsi Linear turun merupakan kebalikan dari fungsi linear naik. Garis lurus dimulai
dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak
menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah. Representasi
fungsi keanggotaan untuk linear turun adalah sebagai berikut:

Fungsi keanggotaan :

Keterangan:
a = nilai domain yang mempunyai derajat keanggotaan satu
b = nilai domain yang mempunyai derajat keanggotaan nol
x = nilai input yang akan di ubah ke dalam bilangan fuzzy
B. Representasi Kurva Segitiga
Represetasi Kurva Segitiga, pemetaan input ke derajat keanggotaannya digambarkan
dengan bentuk segitiga dimana pada dasarnya bentuk segitiga tersebut gabungan antara 2
garis (linear). Nilai-nilai di sekitar b memiliki derajat keanggotaan turun yang cukup tajam
(menjahui 1). Representasi fungsi keanggotaan untuk kurva segitiga adalah sebagai berikut:

Fungsi keanggotaan :

Keterangan:
a = nilai domain terkecil yang mempunyai derajat keanggotaan nol
b = nilai domain yang mempunyai derajat keanggotaan satu
c = nilai domain terbesar yang mempunyai derajat keanggotaan nol
C. Representasi Kurva Trapesium
Kurva trapesium pada dasarnya menyerupai bentuk segitiga, hanya saja ada beberapa
titik yang memiliki nilai keanggotaan 1. Representasi fungsi keanggotaan untuk kurva
trapesium adalah sebagai berikut:

Fungsi keanggotaan :

Keterangan:
a = nilai domain terkecil yang mempunyai derajat keanggotaan nol
b = nilai domain terkecil yang mempunyai derajat keanggotaan satu
c = nilai domain terbesar yang mempunyai derajat keanggotaan satu
d = nilai domain terbesar yang mempunyai derajat keanggotaan nol
x = nilai input yang akan di ubah ke dalam bilangan fuzzy
D. Representasi Kurva
Bentuk bahu daerah yang terletak di tengah-tengah suatu variabel yang
direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan naik turun, tetapi
terkadang salah satu sisi dari variabel tersebut tidak mengalami perubahan. Himpunan fuzzy
“bahu”, bukan segitiga, digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu kiri
bergerak dari benar ke salah, demikian juga bahu kanan bergerak dari salah ke benar.
Representasi fungsi keanggotaan untuk kurva bahu adalah sebagai berikut:

Fungsi keanggotaan :

2.4 Operasi Himpunan Fuzzy


1) Gabungan (U)
A ∪ B → μA ∪ B = μA (x) ˅ μB (x) = max (μA (x), μB (x))
A ∪ B diartikan sebagai “x dekat A atau x dekat B”
Contoh:
Tentukan hasil gabungan dari himpunan A dan B berikut A menyatakan himpunan
kelulusan matematika diskrit = {0.25 Anton, 0.5 Enny, 0.0 Rito, 0.75 Setyo, 1.0
Bambang}. B menyatakan himpunan kelulusan logika matematika = {0.5 Anton, 0.25
Enny, 0.75 Rito, 0.75 Setyo, 0.5 Bambang}.
Jawab:
Karena mencari atau menentukan operasi gabungan, maka ambilah bobot terbesar
(maksimum) diantara kedua himpunan tersebut pada setiap keanggotaannya. Jadi,
A∪B= {0.5 Anton, 0.5 Enny, 0.75 Rito, 0.75 Setyo, 1.0 Bambang} yang menyatakan
kelulusan matakuliah matematika diskrit atau logika matematika.
2) Irisan (∩)
A ∩ B → μA ∩ B = μA (x) ˄ μB (x) = min (μA (x), μB (x))
A ∩ B diartikan sebagai “x dekat A atau x dekat B”
Contoh:
Tentukan hasil gabungan dari himpunan A dan B berikut A menyatakan himpunan
kelulusan matematika diskrit = {0.25 Anton, 0.5 Enny, 0.0 Rito, 0.75 Setyo, 1.0
Bambang}. B menyatakan himpunan kelulusan logika matematika = {0.5 Anton, 0.25
Enny, 0.75 Rito, 0.75 Setyo, 0.5 Bambang}.
Jawab:
Karena mencari atau menentukan operasi irisan, maka ambilah bobot terkecil
(minimum) diantara kedua himpunan tersebut pada setiap keanggotaannya. Jadi,
A∩B={0.25 Anton, 0.25 Enny, 0.0 Rito, 0.75 Setyo, 0.5 Bambang} yang menyatakan
kelulusan matakuliah matematika diskrit dan logika matematika.
3) Komplemen
𝐴̅ → μ𝐴̅ = 1 - μ𝐴̅(x)
Ā diartikan sebagai “x tidak dekat A”
Contoh:
Tentukan hasil komplemen dari himpunan berikut T = {0.6 Dadi, 0.9 Dani, 0.4 Dina,
0.1 Dida, 0.5 Didi}
Jawab:
Karena komplemen, maka setiap keanggotaannya dikurangi 1. TC = {0.4 Dadi, 0.1
Dani, 0.6 Dina, 0.9 Dida, 0.5 Didi}
2.5 Penerapan Himpunan Fuzzy dalam Kehidupan Sehari-hari
Susah nyari aplikasi himpunan fuzzy. Adanya logika fuzzy
BAB III

PENUTUP

3.1 Kesimpulan
Himpunan fuzzy adalah suatu himpunan yang sifatnya samar. Himpunan ini
mengembangkan logika banyak nilai (many-valued logic) yang titik utamanya bukan hanya
nilai benar atau salah, tetapi masih memiliki nilai ketiga yang bersifat netral. Teori himpunan
fuzzy memungkinkan penilaian bertahap dari keanggotaan elemen dalam himpunan.
Himpunan fuzzy merupakan suatu himpunan dimana nilai keanggotaan dari elemennya
adalah bilangan real dalam interval tertutup [0,1].
Tambahi aplikasi himpunan fuzzy
3.2 Saran
Saran ini seperti apa?
DAFTAR PUSTAKA

Klir, G. J. & Yuan, B. 1995. Fuzzy Set And Fuzzy Logic Theory And Application. Prentice

Hall Inc. United State of America

Munir, Rinaldi. 2016. Matematika Diskrit Revisi Keenam. Bandung : Informatika Bandung.

Fathani, A. H. 2012. Matematika Hakikat dan Logika. Yogyakarta: Ar-Ruzz Media.


GLOSARIUM

Bilangan real : bilangan yang bisa dituliskan dalam bentuk desimal.


Domain : suatu himpunan nilai-nilai "masukan" tempat fungsi tersebut terdefinisi.
Himpunan : (kumpulan objek yang memiliki sifat yg dapat didefinisikan dengan jelas)
segala koleksi benda-benda tertentu yang dianggap sebagai satu kesatuan.
Interval : suatu himpunan bilangan real dengan sifat bahwa setiap bilangan yang
terletak di antara dua bilangan dalam himpunan itu juga termasuk ke
dalam himpunan.
Probabilitas : peluang atau kemungkinan suatu kejadian, suatu ukuran tentang
kemungkinan atau derajat ketidakpastian suatu peristiwa (event) yang
akan terjadi.
Representasi : penggambaran, penjelaskan, atau perluasan ide matematika dengan
berfokus pada fitur-fitur pentingnya.