Bab 1 - Pendahuluan

SET KABUR RAGU-RAGU DAN LANJUTAN
2021
PENGAKUAN
Saya akui karya ini adalah hasil kerja saya sendiri kecuali nukilan dan ringkasan yang
tiap- tiap satunya telah saya jelaskan sumbernya.
04 November 2019 ZAHARI BIN MD RODZI

P98578
2
PENGHARGAAN
Bersyukur ke hadrat Ilahi kerana telah memberikan saya semangat, kematangan fikiran
dan masa yang secukupnya untuk menyiapkan tesis ini pada masa yang ditetatpkan. Di
sini saya ingin mengambil kesempatatan ini untuk mengucapkan jutaan terima kasih
kepada penyelia saya Profesor Dr Ghaffur Bin Ahmad diatas segala bantuan, bimbingan
tunjuk ajar dan nasihat beliau kepada saya selama ini. Beliau telah banyak meluangkan
masa dan tenaga bagi menyemak hasil kerja saya dan membincangkan segala hasil
penyelidikan yang diperoleh dengan saya. Beliau jugak sentiasa memberikan maklum
balas yang positif dan amat berguna kepada saya. Tanpa tunjuk ajar dan bimbingan yang
berterusan daripada beliau tidak mungkin kajian dan juga tesis ini dapat disiapkan. Saya
juga ingin jutaan terima kepada bekas penyelia Prof Madya Dr. Nasaruddin Hasan yang
banyak meberi tunjuk ajar pada permulaan pengajian saya. Setinggi tinggi penghargaan
juga kepada kedua ibu bapa saya, MD Rodzi bin Husin dan Isah binti Awang yang telah
banyak memberikan sokongan moral bagi menyiapkan penyelidikan ini. Sekalung
penghargaan juga kepada semua rakan pensyarah du UiTM Seremban dan rakan-rakan
lain yang telah banyak membantu saya dan memberikan nasihat dan bimbingan kepada
saya dalam menyiapkan projek penyelidikan ini. Jutaan terima kasih juga diucapkan
kepada mereka. Penghargaan ini juga saya tujukan kepada semua pihak yang telah
menyumbang kearah penghasilan tesis ini ini sama ada secara langsung atau tidak
langsung. Budi dan jasa baik dana tidak akan saya lupakan buat selama-lamanya. Akhir
sekali saya amat berharap agar projek penyelidikan saya dapat dijadikan pdanuan dan
dapat membantu pelajar lain yang akan membuat tesis pada masa yang akan dating.
Diharapkan kajian saya ini dapat dikembangkan dan dikaji dengan lebih mendalam
dengan mengambil kira aspek-aspek lain yang lebih kompleks oleh saya atau pelajar-
pelajar lain pada masa akan datang.
ABSTRAK
Set kabur ragu-ragu (HFS) sebagai pelanjutan baru set kabur klasik (FS) telah menarik lebih
banyak perhatian para sarjana. Motivasi untuk memperkenalkan kumpulan seperti itu adalah
kadang-kadang sukar untuk menetapkan tahap keanggotaan elemen untuk satu set, dan dalam
beberapa keadaan kesulitan ini disebabkan oleh keraguan beberapa nilai yang mungkin.
Hesitant fuzzy set (HFS), yang memungkinkan keanggotaan memiliki satu set nilai yang
mungkin, ternyata menjadi struktur yang kuat dalam menyatakan ketidakpastian dan
ketidakjelasan. Baru-baru ini, HFS telah diperluas ke dalam beberapa bentuk yang berbeda,
seperti set istilah linguistic fuzzy fuzzy (HFLTS), set fuzzy dual ragu (DHFS), set fuzzy ragu-
ragu bernilai selang (IVHFS). Semua pencapaian ini telah menunjukkan bahawa HFS telah
menjadi teknik yang kuat dalam mewakili ketidakpastian dan kekaburan. Fungsi skor
memainkan peranan penting dalam pemeringkatan elemen kabur ragu-ragu (HFE) dan set kabur
ragu-ragu (HFS). Pada masa ini, pelbagai jenis fungsi skor HFE dan HFS telah diselidiki dalam
literatur. Tesis ini terbahagi kepada dua bahagian utama. Dalam bahagian pertama, fungsi skor
bagi HFS DHFS and LHFSS dibangunkan bagi memperbaiki kaedah fungsi skor yang telah
diperkenalkan sebelum ini. Kaedah fungsi skor dibangunkan dengan memperkenalkan darjah
keraguan dan sisihan piawai bagi setiap elemen di dalam set. Kemudian fungsi skor ini
digunakan untuk menyelesaikan membuat keputusan pelbagai kriteria. Dalam bahagian kedua
tesis ini, teori parameter telah dipadankan dengan set lembut kabur ragu-ragu telah
diperkenalkan dan dibangunkan. Ini dimulakan dengan pengenalan set kabur ragu-ragu
berparameter kabur, set kabur dwi ragu-ragu berparameter kabur dan set kabur istilah lingusitik
ragu-ragu berparameter kabur.
4
BAB I
PENDAHULUAN
1.1 PENGENALAN AM
Di dunia nyata, terdapat banyak masalah rumit di dalam pelbagai bidang seperti ekonomi,
kejuruteraan, persekitaran, sains sosial, Sains Pengurusan dan sebagainya. Mereka
dicirikan dengan ketidakpastian, ketepatan, dan kekaburan. Kita tidak Berjaya
menggunakan kaedah klasik untuk menangani masalah ini kerana terdapat pelbagai jenis
ketidakpastian yang terlibat dalam masalah ini. Lebih-lebih lagi, walaupun terdapat
banyak teori, seperti teori kebarangkalian, teori set kabur, teori selang matematik, dan
teori set kasar untuk dipertimbangkan sebagai alat matematik untuk menangani
ketidakpastian, Molodtsov [1] menunjukkan semua teori-teori ini sendiri mempunyai
batasan. Selain itu, untuk mengatasi masalah ini, Molodtsov [1] mula-mula
mencadangkan alat matematik baru menamakan teori set lembut untuk menangani
ketidakpastian dan ketepatan. Teori ini telah ditunjukkan sebagai alat yang berguna dalam
banyak aplikasi seperti membuat keputusan, pengukuran teori, dan teori permainan.
Model set lembut boleh digabungkan dengan model matematik lain. Maji et al. [2]
mempkenalkan konsep set lembut kabur dengan menggabungkan teori-teori set kabur dan
model lembut. Tambahan pula, Maji et al. [3-5] menubuhkan pengertian set lembut kabur
intuisistik yang berdasarkan gabungan gabungan set kabur intuisiistik [6, 7] dan set model
lembut. Dengan menggabungkan set kabur bernilai selang [8, 9] dan set model lembut,
Yang et al. [10] memperkenalkan konsep set lembut kabur bernilai selang .Jiang et al.
[11] memulakan konsep set lembut kabur intuisiistik bernilai selang sebagai peluasan
kabur intervalval uasi teori setu lembut kaburintuisiistik atau perpanjangan
kaburintuisiistik selang nilai-selanjar teori set lembut kabur. Baru-baru ini, Xiao et al.
[12] membentangkan set lembut kabur trapezoidal dan Yang et al. [13]
memperkenalkan set lembut kabur pelbagai, masing-masing, dan diaplikasikan ke
5
dalam keputusan membuat masalah. Roy dan Maji [14], Kong et al. [15], Feng et al. [16],
dan Jiang et al. [17] juga menggunakan set lembut kabur di masalah membuat keputusan.
Jun [18] memulakan penggunaan set lembut di BCK / BCI-algebras dan memperkenalkan
konsep BCK / BCI-algebras lembut. Tambahan pula, Jun dan Park [19] dan Jun et al. [20,
21] menggunakan set lembut dalam teori ideal daripada BCK / BCI- algebras dan d-
algebras. Feng et al. [22, 23] memulakan konsep set lembut kasar, set kasar lembut, dan
lembut set kabur kasar.
Baru-baru ini, untuk menangani kesukaran dalam mewujudkan tahap keahlian

elemen dalam set, Torra dan Narukawa [24] dan Torra [25] mencadangkan konsep satu
set kaburyang ragu-ragu. Pelanjutan baru set kaburini boleh mengendalikan kes-kes yang
kesukaran dalam menubuhkan keahlian ijazah tidak timbul dari margin ralat (seperti
dalam set kaburbernilai intuisi atau selang) atau kemungkinan tertentu pengedaran nilai-
nilai yang mungkin (seperti dalam set kaburjenis-2), tetapi timbul daripada ragu-ragu
kami di antara beberapa nilai yang berbeza [26]. Oleh itu, set kabur ragu-ragu dapat
mencerminkan dengan lebih tepat keraguan orang ramai dalam menyatakan keutamaan
mereka terhadap objek, berbdaning dengan set kabur dan banyak pelanjutan klasiknya.
Tujuan kertas ini adalah untuk memperluaskan model set lembut kepada set kabur
ragu-ragu, dan, dengan itu, kami menubuhkan set lembut baru model yang bernama ruzz
set ragu-ragu.
1.2 PERNYATAAN
MASALAH
6
Fungsi skor memainkan peranan penting dalam pemeringkatan elemen kabur ragu-ragu
(HFE) dan set kabur ragu-ragu (HFS). Pada masa ini, pelbagai jenis fungsi skor HFE dan
HFS telah diselidiki dalam literatur.
Fungsi skor, sebagai salah satu langkah terakhir yang paling kritikal, diusulkan untuk
menjadi alat yang berguna untuk menukar data HFE (HFS) menjadi satu nilai berangka.
Dengan menerangkan besarnya HFE (HFS), fungsi skor dapat membantu memperoleh
undang-undang perbandingan yang sesuai untuk HFE (HFS) dan kemudian memberikan
cara yang jauh lebih mudah untuk menilai HFE yang terlibat (HFS). Lebih-lebih lagi, ia
menyediakan cara yang jauh lebih mudah untuk menentukan alternatif dalam masalah
membuat keputusan dengan maklumat kabur (HFMADM).
Sejak Xia mencadangkan fungsi skor pertama di [23],
penyelidik telah merancang pelbagai jenis fungsi skor untuk mendapatkan nilai skor yang
sesuai untuk mencapai kedudukan yang lebih dipercayai. Dengan mempertimbangkan
fungsi skor Xia dan nilai varians keanggotaan, Liao [27] merancang pendekatan algoritma
dua langkah, Skor nilai-Varians, untuk memberi peringkat HFE. Zhang [28]
mengembangkan sejenis fungsi skor yang merupakan generalisasi fungsi skor Xia dengan
mempertimbangkan varians keanggotaan dalam HFE. Farhadinia [29] mencadangkan
fungsi skor novel yang lebih baik dengan maklumat kedudukan kedudukan. Zhou [30]
memberikan hubungan pesanan antara dua HFE berdasarkan nilai skor dan fungsi
penyimpangan. Baru-baru ini, Farhadinia [31] menyajikan serangkaian fungsi skor untuk
HFE dan menerangkan skema untuk memilih fungsi skor yang sesuai dari sekumpulan
fungsi skor. Walau bagaimanapun, kebanyakan fungsi skor di atas ditentukan untuk HFE,
dan langkah-langkah ini biasanya digunakan untuk membezakan HFE, iaitu, bahan HFS.
Pada [31], Farhadinia juga menyiasat fungsi skor untuk HFS dari fungsi skor HFE, yang
sangat memperkaya teori fungsi skor dalam set kabur ragu-ragu. Berdasarkan nilai skor
yang dikira dari fungsi skor HFS, Farhadinia juga membina kaedah cepat untuk
menentukan keutamaan alternatif dalam masalah membuat keputusan yang ragu-ragu
kabur yang dinyatakan.
Zhu et al [1] telah membangunkan DHFS iaitu extension kepada HFS. DHFS terdiri
daripada dua bahagian, iaitu fungsi keraguan keahlian dan fungsi keraguan bukan keahlian,
menyokong akses yang lebih teladan dan fleksibel untuk memberikan nilai untuk setiap
7
elemen dalam domain, dan kita harus menangani dua jenis keraguan dalam situasi ini.
Untuk membandingkan DHFE didalam DHFS. Kaedah fungsi skor telah diperkenalkan
oleh Zhue. Namun begitu terdapat kelamahan dimana DHFE tidak dapat diperbandingkan.
Set kabur ragu (HFS) sesuai dengan pemodelan tetapan kuantitatif; namun, situasi yang
serupa mungkin berlaku dalam keadaan kualitatif sehingga para pakar memikirkan
beberapa kemungkinan kemungkinan nilai linguistik atau ungkapan yang lebih kaya
daripada satu istilah untuk petunjuk, alternatif, pembolehubah, dll. Maka Rodriguez
memperkenalkan Konsep set istilah linguistik kabur ragu-ragu (HFLTS) diperkenalkan
untuk menyediakan asas linguistik dan komputasi untuk meningkatkan kekayaan elokasi
elokasi berdasarkan pendekatan linguistik kabur dan penggunaan tatabahasa bebas konteks
dengan menggunakan istilah perbandingan.
8
1.3 OBJEKTIF PENYELIDIKAN
Objektif- objektfif utama penyelidikan ini adalah seperti berikut.
1. Membangunkan fungsi skor purata artimetik, purata geometri dan purata harmoni
bagi unsur kabur ragu-ragu dan penyelesaian masalah didalam membuat keputusan
pelbagai kriteria
bagi unsur kabur dwi ragu-ragu penyelesaian masalah didalam membuat keputusan
pelbagai kriteria
bagi unsur kabur istilah ragu-ragu Memperkenalkan set kabur ragu-ragu
berparameter kabur.
4. Memperkenalkan set kabur ragu-ragu berparameter kabur dan Memperkenalkan set
kabur ragu-ragu berparameter kabur.
5. Memperkenalkan dan membangunkan set kabur dwi ragu-ragu berparameter kabur.
6. Memperkenalkan set kabur istilah ragu-ragu berparameter kabur
1.4 TATAKAEDAH
KAJIAN
Dalam kajian ini, terdapat 2 bahagian penting yang dikaji. Bahagian pertama iaitu Bab 3,
Bab 4 dan Bab5 manakala bahagian kedua Bab 6, Bab 7 dan Bab 8. Bahgian pertama
adalah kajian mengenai hybrid set kabur ragu ragu dan set lanjutannya dengan set
berparameter kabur. Manakala bahagian adalah set kompleks kabur dengan set ragu-ragu
dan lanjutnya.
Di dalam bab 3, set lembut kabur ragu-ragu akan digabungkan dengan set
berparameter kabur dengan memberikan ijazah penting untuk setiap komponen set
parameter. Dan di kenali sebagai set lembut kabur ragu-ragu berparameter kabur.
Kemudian kajian akan membincangkan mengenai operasi asasnya seperti DAN, ATAU,
pelengkap, kesatuan dan persimpangan. Ciri-ciri asas seperti asosiatif, distributif dan
hukum DeMorgan akan dibuktikan. Seterusnya, kami akan mencadangakan skor indeks
untuk set lembut kabur ragu-ragu berparameter kabur untuk menyelesaikan masalah
dalam pembuatan keputusan multi-kriteria (MCDM). Akhir sekali, kami mengaplikasikan
teori yang dicadangkan untuk penyelesaian masalah dalam pembuatan keputusan multi-
kriteria.
Di dalam bab 4, satu teori baru akan dicadangkan iaitu set lembut kabur dwi ragu-
ragu berparameter kabur. Teori ini merupakan lanjutan dari set kabur dwi ragu-ragu
digabungkan bersama set parameter kabur dengan memberikan pemberat kepada setiap
parameter. Kemudian, fungsi operasi asas seperti kesatuan, persimpangan, operasi
penambahan dan operasi pendaraban terhadap teori baru ini akan dikaji. Kemudian,
konsep skor indeks akan diperkenalkan berdasarkan kaedah purata, kaedah purata
geometri dan kaedah pecahan. Kemuadian teori baru ini akan diaplikasikan di dalam
kaedah Tekn
amaan Tertib Mengikut Persamaan dengan Penyelesaian. Ideal (TOPSIS) untuk penyelesaian
masalah dalam pembuatan keputusan multi-kriteria.
Di dalam Bab 5 , satu teori baru akan dicadangkan iaitu set lembut kabur istilah
linguistic ragu-ragu berparameter kabur. Kemudian beberapa konsep yang berkaitan
dengan teori ini dikaji iaitu pelengkap, kesatuan, persimpangan DAN dan ATAU. Ciri
asas dan hokum-hukum yang berkaitan dengan teori ini seperti hukum De Morgan akan
dibuktikan.. Seterusnya jarak di antara dua konsep jarak antara dua set lembut kabur
istilah linguistic ragu-ragu berparameter kabur akan dikaji. . Akhir sekali, satu kaedah
didalam penyelesaian masalah dalam pembuatan keputusan multi-kriteria akan
diperkenalkan.
1.5 SUSUNAN
PENULISAN
Tesis ini terdiri daripada 8 bab dan dibahagikan kepada dua bahagian utama. Bahagian
pertama berkaitan dengan setberparameter kabur (Bab III, Bab IV dan Bab V) manakala
bahagian kedua pula berkenaan dengan set kompleks (Bab VI, Bab VII dan Bab VIII)
Dalam Bab I. pengenalan am, penyataan masalah dan objektif objektif kajian ini
akan diberikan.
Dalam Bab II. Kajian perpustakaan dan sejarah konsep-konsep penting yang
digunakan didalam tesis ini diberikan.
Dalam Bab III membentangkan idea model hibrid baru, kaburberparameter

hesitant lembut set kabur(FPHFSSs) dengan menggabungkan set kaburregres (HFSs), set
lembut kabur(FSSs) dan kaburberparameter dengan memberikan ijazah penting untuk
setiap komponen set parameter. Kami juga merenungkan operasi asasnya seperti DAN,
OR, pelengkap, kesatuan dan persimpangan. Ciri-ciri asas seperti asosiatif, distributif dan
undang-undang FPHFSS Morgan dibuktikan. Seterusnya, kami membentangkan
penyelesaian ideal indeks skor FPHFSS untuk menyelesaikan masalah dalam pembuatan
keputusan multi-kriteria (MCDM). Akhir sekali, kami memberi penerapan pengambilan
keputusan dalam persekitaran FPHFSS untuk menggambarkan idea yang dicadangkan.
Dalam Bab III membentangkan idea model hibrid baru, kabur berparameter


Dalam bab terkahir, kesimpulan mengenai kesemua penemuan dan keputusan-

keputusan baharu yang diperoleh dalam dalam tesis ini diberikan. Bab ini juga
memberikan cadangan cadangan bagi melakukan penyelidikan lanjut dalam set lembut
kabur ragu-ragu
1.6
KESIMPULAN
Bab ini telah dimulakan dengan memberi sedikit pengenalan am mengenai topik yang
dikaji dalam tesis ini dan juga sejarah mengenai perkembangan dalam bidang-bidang
matematik yang digunakan didalam tesis ini. Ini diikuti oleh penyataan masalah yang
menerangkan tentang permasalahan utama kajian dan hasil yang perlu dicapai di akhir
kajian ini.
Seterusnya tatakaedah kajian telah diberikan bagi menerangkan kaedah yang telah
digunakan untuk membangunkan teori awal set lembut kabur ragu-ragu berparameter
kabur, set lembut kabur dwi ragu-ragu berparameter kabur dan set lembut kabur linguistic
ragu-ragu berparameter kabur. Yang telah diperkenalkan dalam tesis ini. Akhir sekali
organisasi penulisan telah diberikan. Dalam bahagian ini, diterangkan bahawa tesis ini
terdiri daripada tujuh bab.
BAB II
KAJIAN PERPUSTAKAAN
2.1 PENGENALAN
Dalam bab ini, kami mendapatkan definasi asas, notasi, dan teorem yang digunakan
dalam tesis di mana akan membawa definisi set kabur, sifatnya dan gambaran terkini
keseluruhan struktur operasi konsep ini. Dalam seksyen yang berikutnya, kita
memberikan definisi set lembut dan set kabur lembut.
2.2 SET KABUR
Di dalam bahagian ini, kami memperingati sifat asas yang berkaitan dengan teori set
kaburyang akan gunakan dalam penyelidikan ini.
Takrif 2.2.1 (Zadeh 1965) Andaikan U adalah bukan set kosong. Set kabur, A dicirikan
oleh fungsi keahliannya
u A :U [0,1]
Dan u A (x) is diterjemahkan sebagai darjah keahlian terhadap sesuatu elemen, x didalah
set kabur A untuk setiap x U .
Takrif 2.2.2 (Zadeh 1965) Andaikan A dan B adalah set kabur. u A dan u B masing
masing adalah fungsi keahlian bagi A dan B . Operasi asas bagi A dan B adalah seperti
berikut
(i) Pelengkap
u AC 1 u A .
(ii) Kesatuan
u AB (x) max(u A ,uB )
(iii) Persilangan
u AB (x) min(u A ,uB )
Teorem 2.2.1 (Zadeh 1965) Andaikan A , B dan C adalah set kabur adalah dalam
set semesta wacana, U . Maka peraturan berikut dipegang
(i) Kesatuan Komutatif
A B B A
(ii) Kesatuan Kesamaan
A B C A B C
(iii) Persilangan Komutatif
A B B A
(iv) Persilangan Kesamaan
A B C A B C
(v) Pengedaran kesatuan berkenaan dengan persilangan

A B C A B A C
(vi) Pengedaran persilangan berkenaan dengan kesatuan
A B C A B A C
(vii) Idempotent pelengkap
C C
(A ) A
(viii) Hukum De Morgan
C C C
(A B) A B
C C C
(A B) A B
2.3 SET LEMBUT DAN SET KABUR LEBUT
Kebanyakan alat matematik tradisional yang digunakan untuk pemodelan matematik,

penaakulakan matematik dan pengiraan adalah bersifat tepat dan mempunyai tahap
ketentuan yang tinggi. Namun demikian, terdapat banyak banyak masalah kompleks
dalam ekonmi, kejuruteraan, sains alam sekitar, sains social, perubatan dan juga bidang-
bidang lain yang melibatkan data tidak jelas.tidak jitu dan mempunyai tahap
ketidaktentuan yang tinggi. Masalah sebegini yang sering dihadapi dalam kehidupan
seharian kita kita tidak dapat diatasi atau diselasaikan dengan menggunakan alat
matematik tradisional. Untuk mengatasi masalah sebegini, Mododstov telah memperkenal
konsep set lembut pada tahun
1999 sebagai suatu alat matematik bagi menangani ketidakpastian dan ketentuan yang
juga bebas daripada masalah dan kekangan yang dinyatakan diatas .
Seterusnya, beberapa takrif dan konsep penting yang berkaitan dengan teori set
lembut akan diberikan. Takrif-takrif ini akan digunakan diseluruh tesis ini.
Takrif 2.3.1 (Molodtsov 1999) Andaikan U suatu semsta wacana dan A suatu set
parameter. Andaikan P(U merupakan set kuasa bagi U . Suatu pasangan tertib (F, A)
)
dinamai set lembut terhadap U , yang F adalah suatu pemetaan yang diberikan oleh
F, A P(U ) .
Set lembut ini adalah satu family berparameter subset bagi set U . Setiap
F(e), e E, daripada family ini boleh dianggap sebagai suatu set yang terdiri daripada
unsur e bagi set lembut (F, E) atau sebagai unsur penghampiran e bagi set lembut
tersebut.
Takrif 2.3.2 (Molodtsov, 1999) Andaikan (F, A) dan (G, B) adalah dua set
lembut terhadap U . Maka (F, A) dinamai subset lembut bagi (G, B) jika
A B
A, F( ) dan G( ) mempunyai penghamiran yang sama.
Hubungan ini dilambangi (F, A) (G, B) . Dalam kes ini (G, B) disebut sebagai suatu
superset lembut bagi (F, A) dan ini dilambangi (G, B) (F, A) .
Takrif 2.3.3 (Maji, Biswas, & Roy, 2003) Andaikan (F, A) dan (G, B) adalah dua
set
lembut terhadap U . Maka (F, A) setara lembut dengan (G, B) , dilambangi dengan
(F, A) (G, B) jika dan hanya jika
(i) (F, A) adalah subset kepada (G, B)
(ii) (G, B) adalah subset kepada (F, A)
Takrif 2.3.4 (Maji, Biswas, & Roy, 2003) Suatu set lembut (F, A) terhadap U , di sebut
sebagai set lembut hampa, dilambangi sebagai 0 sekiranya F(e) 0 untuk semua e A.
Takrif 2.3.5 (Maji, Biswas, & Roy, 2003) Suatu set lembut (F, A) terhadap U , di sebut
sebagai set lembut mutlak, ditdanakan sebagai A sekiranya F(e) U untuk semua e A.
Takrif 2.3.6 (Maji, Biswas, & Roy, 2003) Suatu set lembut (F, A) terhadap U
,
ditdanakan sebagai (Fˆ , A) , dan boleh didapati seperti berikut

C
(Fˆ , A) (Fˆ , A)
C C
set lembut terhadap U . Maka kesatuan (F, A) dan (G, B) adalah suatu set lembut (H
,C) yang
C A B dan untuk setiap C ,
F() jika A B
H ( ) G( ) jika B A
F ( ) G( ) jika A B
Ini ditulis sebagai (F, A) (G, B) (H,C)

,
set lembut terhadap U . Maka persilangan (F, A) dan (G, B) adalah suatu set lembut
(G, B)
(H ,C) yang C A B dan untuk setiap C . Ini ditulis sebagai (F, A) (H,C) .
Catatan. Takrif bagi persilangan dua set lembut yang diberikan oleh (Maji et al.
2003) telah dibuktikan salah oleh (Ali et al. 2009) kerana mereka telah
mentakrif H ( )G(F(). )
Takrif 2.3.9 (Ali et al. 2009) Andaikan (F, A) dan (G, B) adalah dua set lembut
terhadap U . Maka persilangan terperluas (F, A) dan (G, B) adalah suatu set lembut
(H ,C) yang C A B dan untuk setiap C ,
F() jika A B
H ( ) G( ) jika B A
F ( ) G( ) jika A B
Ini ditulis sebagai (F, A) (G, B) (H,C) ,
Takrif 2.3.10 (Ali et al. 2009) Persilangan tersekat dua set lembut (F, A) dan (G, B)
yang tertakrif pada suatu semesta wacana U adalah suatu set lembut (H ,C) yang C A B
dan
untuk setiap C ,
H ( ) F( ) G( ).
Ini dilambangi (F, A) (G, B) (H,C)
terhadap
U . (F, A) DAN (G, B) adalah suatu set lembut (H, A B) yang tertakrif sebagai
H (, ,) F() G( ) (, ,) A B ini dilambangi (F, A) (G, B) (H, A B)
terhadap
U . (F, A) ATAU (G, B) adalah suatu set lembut (H, A B) yang tertakrif sebagai
H (, ,) F() G( ) (, ,) A B ini dilambangi (F, A) (G, B) (H, A B) .
Pada tahun 2001 (Maji et al., 2001) telah memperkenalkan konsep set lembut kabur dan
juga beberapa operasi asa bag set ini. Mereka juga telah mengkaji beberapa sifat asas
konsep set lembur kabur ini seperi hokum DeMorgan untuk set lembut kabur
Takrif 2.3.13 (Maji et al., 2001) Andaikan U suatu semesta wacana dan E suatu set
parameter. Andaikan F(U merupakan set kuasa bagi U .Andaikan A E Suatu
)
pasangan tertib (F, A) dinamai set lembut kabur terhadap U , yang F adalah suatu
pemetaan yang diberikan oleh F, A F(U ) .
Takrif 2.3.14 (Maji et al., 2001) Andaikan (F, A) dan (G, B) adalah dua set lembut
kabur terhadap U . Maka (F, A) dinamai subset lembut bagi (G, B) jika
(i) A B dan
(ii) Fa (x) Ga (x) untuk setiap a A dan x U iaitu Fa (x) adalah subset kabur bagi
Ga (x) . Fa (x) dan Ga (x) masing-masing adalah suatu unsur bagi (F, A) dan (G, B)
kabur
terhadap U . Maka (F, A) setara lembut dengan (G, B) , dilambangi dengan
(F, A) (G, B) jika dan hanya jika

kabur terhadap U . Maka kesatuan (F, A) dan (G, B) adalah suatu set lembut kabur (H
,C) yang
C A B dan untuk setiap C ,
F() jika A B
H ( ) G( ) jika B A
F ( ) G( ) jika A B
Ini ditulis sebagai (F, A) (G, B) (H,C) ,
set lembut kabur terhadap U . Maka persilangan (F, A) dan (G, B) adalah suatu set
lembut
kabur (H yang C A B dan untuk setiap C. Ini ditulis sebagai
,C)
(F, A) (G, B) (H,C) .
kabur terhadap U . Maka persilangan terperluas (F, A) dan (G, B) adalah suatu set
lembut (H ,C)
yang C A B dan untuk setiap C ,
F() jika A B
H ( ) G( ) jika B A
F ( ) G( ) jika A B
Ini ditulis sebagai (F, A) (G, B) (H,C)

,
Takrif 2.3.19 (Ali et al. 2009) Persilangan tersekat dua set lembut kabur (F, A) dan (G,
B) yang tertakrif pada suatu semesta wacana U adalah suatu set lembut kabur (H ,C)
yang C A B dan untuk setiap C ,
H ( ) F( ) G( ).
Ini dilambangi (F, A) (G, B) (H,C)
kabur
terhadap U . (F, A) DAN (G, B) adalah suatu set lembut kabur (H, A B) yang tertakrif
sebagai H (, ,) F() G( ) (, ,) A B ini dilambangi
(F, A) (G, B) (H, A B)
kabur
terhadap U . (F, A) ATAU (G, B) adalah suatu set lembut kabur (H, A B) yang tertakrif
sebagai H (, ,) F() G( ) (, ,) A B ini dilambangi

(F, A) (G, B) (H, A B) .
2.4 SET KABUR RAGU-RAGU DAN SET LEMBUT KABUR RAGU-RAGU
Takrif 2.4.1 (Torra 2010) Andaikan X menjadi set tetap, set kabur ragu-ragu pada x
adalah dari segi fungsi h yang apabila digunakan untuk X mengembalikan subset dari
[0,1] . Untuk mudah difahami Xia & Xu, (2011a) mewakili ahli dari segi simbol
matematik
berikut
H {(x, hA (x)) : x X}
di mana hA (x) adalah satu set beberapa nilai yang berbeza dalam [0,1] disebut unsur-
unsur kabur ragu-ragu (UKRR), yang mewakili darjah keahlian yang mungkin dari unsur
x X
hingga set A .
Takrif 2.4.2 (Torra 2010). Andaikan h , h1 dan h2 adalah tiga UKRR, beberapa operasi
boleh diterangkan seperti berikut:
(i) Terikat bawah: h (x) min h(x)
(ii) Terikat atas: h (x) max h(x)
c
(iii) Pelengkap: h (x) {1 | h(x)};
1 2 1 2 1
(iv) Kesatuan: h h { h h | max(h 2
,h )}
1 2 1 2 1
(v) Persilangan: h h { h h | min(h 2
,h )}
Kemudiannya (Xia & Xu, 2011a) memberikan bentuk yang lain untuk operasi d) dan e)
seperti berikut:
(i) Kesatuan: h1 h2 h1 , 1h 2 2
| max{1 , 2 }
(ii) Persilangan: h1 h2
h1 , 1h
| min{1 , 2 }
2 2
Takrif 2.4.2 (Xia & Xu, 2011a) Andaikan h , h1 dan h2 adalah tiga UKRR, dan adalah
nombor nyata positif, maka
(i) h (x) { }
h
{1 (1
(ii) h(x)
h
)}
(iii) (h1 h )2 h1 , 1h {2 1 2 }1 2
2
(iv) (h1 h2 ) h1 , 1h {2 1 2 }
2
Andaikan h j ( j 1, 2,..., n) adalah koleksi UKRR, (Liao & Xu, 2014a) membuat
kesimpulan umum untuk j) dan k) adalah seperti berikut
n
n
h {1
j j
j1
(i) hj j1 (1 j }
n
n
(ii) hj hj j
{j 1 }.
j
j1
Takrif 2.4.3 (F. Wang et al. 2014) Andaikan H U( adalah

) set kabur ragu-ragu didalam U
. Suatu pasangan tertib (F, A) dinamai set lembut kabur ragu-ragu, yang F adalah suatu
pemetaan yang diberikan oleh F, A H (U . )
Set lembut kabur ragu-ragu ini adalah pemetaan daripadaH U( )untuk setiap e A
F(e) , boleh dianggap sebagai satu set unsur-unsur penghampiran dari set lembut kabur
ragu-ragu (F, A) .
Takrif 2.4.4 (F. Wang et al. 2014) Andaikan (F, A) dan (G, B) adalah dua set lembut
kabur ragu-ragu terhadap U . Maka (F, A) dinamai subset lembut bagi (G, B) jika
(i) A B
(ii) A, F(e) G(e) .
Ianya juga ditulis sebagai (F, A) (G, B)
kabur
ragu-ragu terhadap U . Maka (F, A) setara lembut kabur ragu-ragu dengan (G, B) ,
dilambangi dengan (F, A) (G, B) jika dan hanya jika

Takrif 2.4.6 (F. Wang et al. 2014) Suatu set lembut kabur ragu-ragu (F, A) terhadap U
, di sebut sebagai set lembut kabur ragu-ragu hampa, dilambangi sebagai A sekiranya
F(e) 0 untuk semua e A.
Takrif 2.4.6 (F. Wang et al. 2014) Suatu set lembut kabur ragu-ragu (F, A) terhadap U
, di sebut sebagai set lembut kabur ragu-ragu mutlak, dilambangi sebagai U A sekiranya
F (e) 1 untuk setiap e A.
Takrif 2.4.7 (F. Wang et al. 2014) Pelengkap bagi set lembut kabur ragu-ragu (F, A)
dilambangi (F , ditakrifkan sebagai
C
A)
C C
(F, A) (F , A)
C C
yang F C , A H (Uadalah
) pemetaan bagi F (e) F (e) C untuk setiap e A.
kabur ragu-ragu terhadap U . (F, A) DAN (G, B) adalah suatu set lembut kabur ragu-ragu
(J , A B) yang tertakrif sebagai J (, ) F() G( ) (, ,) A B ini dilambangi
(F, A) (G, B) (J , A B) .
Takrif 2.4.9 (F. Wang et al. 2014) Andaikan (F, A) dan (G, B) adalah dua set
lembut kabur ragu-ragu terhadap U . (F, A) ATAU (G, B) adalah suatu set lembut kabur
ragu-ragu
(O, A B) yang tertakrif sebagai O(, ) F() G( ) (, ,) A B ini dilambangi
(F, A) (G, B) (O, A B) .
lembut kabur ragu-ragu terhadap U . Maka kesatuan (F, A) dan (G, B) adalah suatu
set lembut
kabur ragu-ragu (J ,C) yang C A B dan untuk setiap C ,
F (e) jika e A B
J (e) G(e) jika e B A
F (e) G(e) jika e A B
Ini ditulis sebagai (F, A) (G, B) (J ,C) ,
lembut kabur ragu-ragu terhadap U . Maka persilangan (F, A) dan (G, B) adalah suatu
set lembut
kabur ragu-ragu (J ,C) yang C A B dan untuk setiap e C ,
J (e) F(e) G(e)

Ini ditulis sebagai (F, A) (G, B) (J ,C) .
2.5 SET KABUR DWI RAGU-RAGU DAN SET LEMBUT KABUR DWI RAGU-
RAGU
Zhu et al. (2012) memperkenalkan set kabur dwi ragu-ragu yang ditetapkan dari segi dua
fungsi itu memulangkan dua set nilai keahlian dan nilai bukan keahlian masing-masing
untuk setiap elemen dalam domain.
Takrif 2.5.1 (Zhu et al. 2012) Biarkan X menjadi set tetap, maka set kabur dwi ragu-
ragu
(DHFS) D pada X digambarkan sebagai:
D x, h(x), g(x) x X
di mana h(x) dan g(x) adalah dua set beberapa nilai dalam [0,1] menunjukkan
kemungkinan ijazah keahlian dan darjah bukan anggota elemen x X ke set D masing-
masing, dengan syarat-syarat:
0 , 1 dan 0 1
Takrif 2.5.1 (Zhu et al. 2012)Andaikan d adalah satu fungsi DHFE dan d 0 , maka set
pelangkap boleh didefinifikan sebagai d 0 .
Takrif 2.5.2 (Zhu et al. 2012)Andaikan d1 dan d 2 adalah dua fungsi DHFE. Maka,
(i) d1 d 2 h h1 h2 h max h1 , h2 ,g g1 g 2 h min g1 , g 2 ,
(ii) d1 d 2 h h1 h2 h min h1 , h2 ,g g1 g 2 h max g1 , g 2
Takrif 2.5.3 (Zhu et al. 2012)Andaikan d1 dan d 2 adalah dua fungsi DHFE dan n adalah
integer positif, maka operasi berikut adalah sahih.

(i) d1 d 2 hd 1
hd ,2g d 1
gd 2
,
h , h d d 1 d d ,2 g 1, g 2 d d . d d d d 1 2
d d d d
1 1 2 2 1 1 2 2
(ii) d1 d 2 hd 1
hd ,2g d 1
gd 2
h , h d d
, g , g dd d d d d d d
2.
d d d d 1 2 1 2 1
1 1 2 2 1 1 2 2
n ,
(iii) nd h 11 ,d g gd n dd
n.
d d d d2 2
d d
d d d2
(iv) d (1 d
.
d2
n n ,
h d , g g 1 n
Takrif 2.5.4 (Zhao et al. 2017) Andaikan d1 (h1 , g1 ) dan d 2 (h2 , g 2 ) adalah dua fungsi
DHFE maka
12
(i) .
d d
1 2 h, h
1 , 2
g , g
1 1 2 2
1 1 2
1 1 2 2
1 (1 )(1 1 2 )
(ii) d d1 2 h1 , 1h
1 2 , g , g . 1 2
2 2
1 (1 )(1 1 ) 2
1 1
12 2
1 2
Takrif 2.5.4 (Zhao et al. 2017)Andaikan d (h, g) fungsi DHFE dan 0 maka
1 1 2
(i) d dh d
, g .
1 1 2
2 1 1
(ii) d dh d
, g .
2 1 1
Takrif 2.5.3 (Zhu et al. 2012)Andaikan d (h, g) adalah fungsi DHFE
1 1
s(d ) g
lh h lg g
Adalah fungsi skor bagi d dan
1 1
p(d ) g
lh h lg g
Manakala p(d ) adalah fungsi ketepatan bagi d , dimana lh dan l g adalah bilangan elemen
bagi h dan g .
Berdasarkan fungsi skor dan fungi ketepatan bagi DHFEs , skema berikut dicadangakan
untuk membdaningkan sebarang dua DHFEs d1 dan d 2 .
(i) Sekiranya s(d1 ) s(d 2 ) maka d1 adalah lebih unggul dari d 2 , ditdanakan dengan
d1 d2
(ii) Sekiranya s(d1 ) s(d 2 ) maka
a) Sekiranya p(d1 ) p(d 2 ) maka d1 adalah bersamaan dengan d 2 , ditdanakan
dengan d1 d2 .
b) Sekiranya p(d1 ) p(d 2 ) maka d1 adalah lebih unggul dari d 2 , ditdanakan
dengan d1 d2 .
Takrif 2.5.4 (R. Wang 2017) Let d h, g , d1 h1 , g 2 dan d1 h1 , g 2 be any three
DHFEs with Wh W h1 W h 2dan W g W g1 W g maka

2
1 2 1 2
(i) 1 2
d1 d 2 h (t ) h (t ) h h
(t ) t 1, 2,..., N h
(t ) , g (s) g (s) s 1, 2,..., N g ,
(ii) d1 d2 1 2
t 1, 2,...,Wh ,g g g g
2 1 2
s 1, 2,...,Wg
(s) (s) (s) (s)
(t ) (t )
h h 1
where Wh danWg represent the number of values of h dan g . is the t th smallest value
(t )
hd
of h dan g d( s ) is the s th smallest value of

Takrif 2.5.5(Zhang & Shu 2016) Andaikan (U , E) suatu semesta wacana lembut
dan
A E . Suatu pasangan tertib ( F, A) disebut set lembut kabur dwi ragu-ragu terhadap
U yang F adalah suatu pemetaan yang diberikan oleh F, A DH F (U ) .
Secara amnya , untuk sebarang parameter e A, F (e)adalah subset set lembut kabur dwi
ragu-ragu dalam U . F (e)juga boleh ditulis (F , E). Sekiranya A E ianya juga dikenali
sebagai (F, A)
F (e) x, hF (e) (x), g F (e)(x) x U
yang hF e( (x)
)
dan gF e( (x)
) adalah dua set beberapa nilai dalam [0,1] , yang mendanakan
kemungkinan darjah keahlian dan darjah bukan keahlian masing-masing objek

x
memegang pada parameter e .
Untuk lebih mudah, F juga boleh ditulis
Takrif 2.5.6 (Zhang & Shu 2016) Andaikan U suatu semesta wacana dan E suatu set
parameter. ( F, A) dan (G B, adalah
) dua set lembut kabur dwi ragu-ragu terhadap U .
Maka ( F, A) dinamai subset lembut kabur dwi ragu-ragu bagi (G B, jika
)
(i) A B dan
(ii) (s)
hF (e)(x) h
(s)
(x), g
(s)
(x) g
(s)
(x)G untuk setiap e A dan x U
G (e) F (e) (e)
Takrif 2.5.7 (Zhang & Shu 2016) Pelengkap bagi (F, A) ditakrifkan sebagai
( F, A) (F , A) yang F, A DH F (U ) adalah pemetaan bagi
C C
untuk setiap e A
C C
seperti F (e) adalah pelengkap set lembut kabur dwi ragu-ragu FF (e)
(e)terhadap U
Takrif 2.5.8 (Zhang & Shu 2016) Andaikan (F, A) dan (G B, adalah
) dua set lembut kabur
dwi ragu-ragu terhadap U. Katakan k max{l(hA (x))},l(hB (x))}
l max{l(g A (x))},l(g B (x))} , maka ( F, A)DAN ( G B,dilambangi

) ( F, A) (
G, B)
ditakrifkan
( F, A) ( G, B) (H , A B)
Untuk setiap 1 s k , 1 t l dan (, ) A B ,
( H , A B) x, h F()
(x) h G( ) (x), Fh( ) (x) hG( ) (x) : x U.
Takrif 2.5.9 (Zhang & Shu 2016) Andaikan (F, A) dan (G B, adalah
) dua set lembut kabur
dwi ragu-ragu terhadap U. Katakan k max{l(hA (x))},l(hB (x))}
l max{l(g A (x))},l(g B (x))} , maka ( F, A)DAN ( G B,dilambangi

) ( F, A) (
ditakrifkan
G, B)
( F, A) ( G, B) (I , A B)
Untuk setiap 1 s k , 1 t l dan (, ) A B ,
( I , A B) x, h F()
(x) h G( ) (x), Fh( ) (x) hG( ) (x) : x U.
Takrif 2.5.10 (Ali et al. 2009) Operasi tambah untuk dua set lembut kabur dwi ragu-ragu,
F dan G terhadap dilambangi F G H adalah pemeteaan bagi H, E DH F(U ) untuk
setiap e E ,
, hH (e) (x), H (e) (x) : x U

H (e) x g
x, h F()
(x) h G ( ) (x), gF ( ) (x) gG( ) (x) : x U
Takrif 2.5.11 (Ali et al. 2009) Operasi tambah untuk dua set lembut kabur dwi ragu-ragu,
F dan G terhadap dilambangi F G I adalah pemeteaan bagi H, E DH F(U ) untuk
setiap e E ,
I (e) x, hH (e) (x), gH (e) (x) : x U
x, h F()
(x) h G ( ) (x), gF ( ) (x) gG( ) (x) : x U
2.6 SET KABUR ISTILAH LINGUISTIK RAGU-RAGU DAN SET LEMBUT ISTILAH
KABUR LINGUISTIK RAGU-RAGU.
Takrif 2.6.1 (Rodriguez et al. 2012)Andaikan S s0 ,..., st adalah set istilah linguistik. .
A HFLTS, HS, adalah subset terhingga yang diperintahkan dari segi linguistik berturut-
turut, S:
Oleh kerana tiada bentuk matematik digunakan dalam takrif 2.6.1, maka
ketidaksempurnaannya telah diatasi oleh takrif matematik yang diberikan oleh (Liao, Xu
& Zeng 2015).
Takrif 2.6.2 (Liao, Xu, Zeng, et al. 2015) Andaikan xi X i 0,1,..., N adalah tetap dan
S {st t n,..., 0,1, 2,..., n} adalah set istilah lingustik . HFLTS terhadap X , H S , adalah
satu bentuk matematik terhadap H S xi , hs (xi ) xi dimana hs (xi ) set beberapa nilai di
dalam S dan boleh dianggap sebagai hs (xi ) sl s l S,l 1, 2,..., L, dimana L adalah
bilangan istilah linguistik dalam hs (xi ) . Lebih memudahkan hs (xi ) dan hs di sebut
sebagai
HFLE dan HFLEs.
Takrif 2.6.2 (Gou et al. 2017). Andaikan S {st t n,..., 0,1, 2,..., n} adalah set istilah
liguistik, {hs s l s l S,l 1, 2,..., L;[n, n]} adalah LHFE dengan L dan
hp { pl pl [0,1];l 1, 2,..., L} adalah HFS. Maka, transformasi nilai keahlian pl dan

subskrip l istilah lingusitik s l kepada satu sama lain boleh dilakukan menggunakan
fungsi g dan g 1 masing-masing, diberikan oleh
l 1
(i) g :[n, n] [0,1], g( l) p l
2n 2
1
(ii) g :[0,1] [n, n], g( pl ) s(2 p l 1)n p l
Takrif 2.6.2 (Gou et al. 2017). Andaikan adalah semua set HFEs dan adalah semua
set HFLEs. Dan transformasi diantara HFE, , hr {rl rl [0,1];l 1, 2,..., L}dan HFLE
hs {s l s l S ;l 1, 2,..., L; l [ ,} boleh ditulis masing-masing seperti berikut
(i) G: ,
G(hs ) G {sl s l S ;l 1, 2,..., L; l [ ,}
rl rl g( l ) hr
(ii) G1 : ,
G 1 (h r) G 1 r r l l [0,1];l 1, 2,..., L
sl l g 1 (r ) l h s
Takrif 2.6.3 (Gou et al. 2017; Gou & Xu 2016). Andaikan S {si i ,..., 0,1, 2,...,}
adalah set istilah linguistic, hs {s l s l S ;l 1, 2,..., L ; l [ ,}
1
hs {s 1
sl S ;l 1, 2,..., L ;
1
l
2
[ ,} dan h {ss
2 2 2
sl S ;l 1, 2,..., L ; l [ ,}
l l
1
adalah set HFLEs. L , L 2
L masing-masing adalah bilangan istilah linguistik didalam
dan
1
HFLE. G adalah fungsi transformasi setara untuk HFEs (bersamaan dengan G untuk
HFLEs) dan mewakli suatu nombor benar
32
(i) hs1 ˆ h 2s G 1 G(h1 )s G(h 2 )s
G1 1 r r2 r1r2
r1 G (hs ),r2 G (hs 2 ) 1
(ii) hs1 ˆ h s2 G 1 G(h1 )s G(h 2 ) s

1 (1 ), ( 2) 1 2
G r1 G hs r2 G hs
r r
1
(iii) h s G r G(hs )
r
(iv) h sG
1
r G(hs )
1 (1 r)
Takrif 2.6.5 (Das et al. 2019). Andaikan Hˆ (U ) adalah semua set HFLTS didalam U
.
HFLTSS terhadap U adalah pasangan (Fˆ , A) Fˆ : A Hˆ (U ) .

dengan
Untuk sebarang parameter e A, Fˆ (e) boleh dilihat sebagai satu set unsur yang lebih
dekat
dari HFLTSS dan diberikan oleh
Fˆ (e) x, ˆHˆ xU
(x)
F (e)
Takrif 2.6.5 (Liu et al. 2018). Andaikan A, B E , (Fˆ , A) (Gˆ , B) adalah

dan HFLTSS
terhadap U , maka (Fˆ , A) subset kabur lembut ragu-ragu (Gˆ , B) ,

terhadap ditdanakan
dengan (Fˆ , A) ˆ (Gˆ , B) jika dan hanya jika
A B
Takrif 2.6.5 (Liu et al. 2018). Andaikan A, B E , (Fˆ , A) dan

(Gˆ , B) adalah HFLTSS
terhadap U , maka (Fˆ , setara dengan (Gˆ , B) , ditdanakan (Fˆ , A) ˆ (Gˆ , B)

A) dengan jika
dan hanya jika
(Fˆ , A) adalah subset kepada (Gˆ , B)
(Gˆ , B) adalah subset kepada (Fˆ , A)
Takrif 2.6.6 (Liu et al. 2018). HFLTSS, (Fˆ , A) terhadap U , di sebut sebagai set
hampa,
ditdanakan sebagai ˆ A sekiranya Fˆ (e) 0 untuk semua e A.
Takrif 2.6.7 (Liu et al. 2018). HFLTSS, (Fˆ , A) terhadap U , di sebut sebagai set
mutlak,
ditdanakan sebagai UˆA sekiranya Fˆ (e) s g untuk semua e A.
Takrif 2.6.7 (Liu et al. 2018). Set pelengkap bagi HFLTSS, (Fˆ , A) ditdanakan
sebagai
(Fˆ , A) , dan boleh didapati seperti berikut
C
(Fˆ , A) (Fˆ , A)
C C
C
Dengan Fˆ C : A Hˆ (U ) diberikan ˆ
Fˆ (e) F (e) untuk e A
oleh C

dan HFLTSS
terhadap U , maka operasi ‘DAN’ diantara (Fˆ , A) dan (Gˆ , B) , ditakrifkan oleh
(Fˆ , A) (Gˆ , B) Jˆ , A B,
Dimana Jˆ , A B H SJˆ (e ) (u) u Ufor

(e ) A B,u U , H SJˆ (e ) (u) min H SFˆ (e) (u), H SGˆ ( ) u).
(
dan HFLTSS
terhadap U , maka operasi ‘DAN’ diantara (Fˆ , A) dan (Gˆ , B) , ditakrifkan oleh
(Fˆ , A) (Gˆ , B) Oˆ , A B,
Dimana O,ˆ A B H SOˆ (e ) (u) u Ufor
(e ) A B,u U , H ˆ (u)SO(emax H (u), H (u)SGˆ ( .)

) SFˆ (e)
2.7 KESIMPULAN
Dalam bab ini sejarah mengenai perkembangan dalam bidang-bidang ilmu yang berkaitan
dengan kajian ini seperti set kabur, set lembut, set kabur lembut, set kabur ragu-ragu, set
lembut kabur ragu-ragu, set dwi kabur ragu-ragu, set lembut kabur dwi ragu-ragu, set
kabur istilah linguistik ragu-ragu dan set lembut kabur istilah linguistic ragu-ragu telah
diperihalkan. Kesemua bidang ilmu ini merupakan komponen penting dalam
pembangunan kajian ini dan telah digunakan dibahagian-bahagian yang berlainan dalam
tesis ini.
Selain itu tarif bagi konsep dan operasi yang penting dalam bidang-bidang
diatas telah diberikan dan akhir sekali, keguanna dan peranan konsp-konsep ini didalam
menyelasaikan masalah dalam kehidupan sehariaon dan juga kelebihan dan kekurangan
yang terdapat pada teori-teori yang disebut diatas turut dibincangkan. Secara spesifiknya,
kelebihan pada teori set kabur ragu-ragu dan set kabur ragu-ragu berbdaning dengan teori-
teori matematik klasik lain telah diterangkan secara terperinci.
BAB III
SET LEMBUT KABUR RAGU-RAGU BERPARAMETER KABUR
3.1 PENGENALAN
Konsep set kabur yang diketengahkan oleh Zadeh (Zadeh, 1965) telah mencapai kejayaan
besar dalam pelbagai bidang. Pelanjutan set kabur telah ditubuhkan oleh sesetengah
penyelidik, termasuk set kabur intuisiistik (IFSs) yang dimulakan oleh Atanassov
(Atanassov, 1986), set intuisiistik kabur set interval (IVFSs) oleh Atanassov dan Gregov
(k. Atanassov & G. Gargov, 1989), multiset kabur (FM) yang diperkenalkan oleh Yager
(Yager, 1986) dan lembut kabur oleh Maji et al. (Maji, Biswas, & Roy, 2001). Torra dan
Norakawa (Vicenç Torra & Narukawa, 2009) - (Vicenc Torra, 2010) memperkenalkan set
kabur ragu-ragu (HFS) di mana keanggotaan objek untuk konsep yang dibentangkan oleh
beberapa nilai yang berbeza antara 0 hingga 1. HFS boleh cermin ragu-ragu manusia
secara objektif daripada pelanjutan kabur biasa yang lain. Sejak pengenalannya,
penyelidik telah menggunakannya untuk menjawab banyak isu membuat keputusan
(Alcantud, De Danrés Calle, & Torrecillas, 2016; Bisht & Kumar, 2016; Chen, Xu, &
Xia, 2013; De & Sankar,
2016; Faizi, Sałabun, Rashid, Wątróbski, & Zafar, 2017, Jin, Ni, Chen, Li, & Zhou, 2016;
D. Li, Zeng, & Zhao, 2015; J. Li, Wang, & Hu, 2019; Diao, Gong, & Hu, 2018, Liao, Xu,
& Zeng, 2015; Mu, Zeng, & Baležentis, 2015; Qin, Liu, & Pedrycz, 2016; Ranjbar, Effati,
& Kamyad, 2018; Sardari, Eftekhari, Afsari, 2017, Sun, Guan, Yi, & Zhou, 2018; Y.
Wang, Zhang, & Qian, 2018; Wu & Xu, 2018; Y. Xu, Cabrerizo, & Herrera-Viedma,
2017; , Sun,
& Attey, 2017). Walaupun, sesetengah penyelidik mengintegrasikan HFS dengan
beberapa pelanjutan kaburlain.
Babitha dan John (Babitha & John, 2013) mula-mula mengkaji set lembut
kaburyang ragu-ragu (HFSSs) yang merupakan struktur hibrid di antara HFS dan set
lembut kabur. Mereka mencadangkan operasi asas HFSS sebagai kesatuan,
persimpangan,
pelengkap dan membuktikan undang-undang De Morgan. Oleh itu, Wang et al. (F. Wang,
Li, & Chen, 2014) mencadangkan HFSS dan operasi seperti "DAN", "ATAU" pujian,
kesatuan dan persimpangan dan sifat dasar undang-undang mereka. Beg dan Rashid (Beg
& Rashid, 2016) menyampaikan idea tentang HFSS di mana penyesuaian untuk
menguruskan keadaan di mana para pakar menilai pemberian alternatif kepada kriteria
terhingga dalam semua nilai yang mungkin. Mereka juga mencadangkan jarak jarak
antara mana-mana dua unsur HFSS.
Antara pencapaian yang signifikan dalam pembangunan rintangan kaburyang

ragu- ragu adalah generalisasi mereka adalah pengenalan aspek parameter yang kabur.
Aspek parameter yang kabur adalah pertama kali ditubuhkan oleh Cagman et al.
(Çağman, Çıtak,
& Enginoğlu, 2010) yang mencadangkan set kaburparameter kaburlembut (FPFS) dan
operasi asas mereka. Alkhazaleh et al. (Alkhazaleh, Salleh, & Hassan, 2011) mengkaji
idea teori set lembut kabursetter-interval bernilai kabur(FPIVFSS) dan menjelaskan
operasi mereka. Bashir dan Salleh (Bashir & Salleh, 2012) mencadangkan idea ahli yang
lembut parameter parameter kaburdengan mengintegrasikan ijazah penting untuk setiap
unsur dalam set parameter, manakala Tripathy dan Panigrahi (Tripathy & Panigrahi,
2016) mengkaji intuisistik bernilai interval set lembut berparameter kabur(IVIFPSS) dan
sifatnya. Selvachdanran dan Salleh (Ganeshsree & Abdul Razak, 2016) mencadangkan
teori kaburberparameter intuisiistik kaburset ahli teori lembut dan menyelesaikan masalah
dalam membuat keputusan. Al Qudah et.al (Al-Qudah, Hassan, & Hassan, 2019)
mempersembahkan teori yang menggunakan faktor masa utiliti iaitu teori setter ahli
kaburmulti-kaburberparameter kaburset. Pada tahun 2019, Al-Quran et.al (Al-Quran,
Hassan, & Alkhazaleh, 2019) memperkenalkan pakar lembut netrosophik kompleks
parameter parameter dengan memberikan tahap kepentingan kepada setiap parameter.
Dalam makalah ini, kami membentangkan model hibrid iaitu set lembut
kaburberparameter kaburhesitant (FPHFSSs). Model ini adalah gabungan dari set
kaburyang ragu-ragu, set lembut kaburdan setiap parameter akan memberikan darjah
kepentingan dalam bentuk set lembut kabur. Model ini adalah lanjutan dari set lembut
37
kaburyang ragu-ragu oleh Babitha dan John (Babitha & John, 2013) dengan operasi
kesatuan dan persimpangan yang berlainan oleh Xia dan Xu (Z. Xu & Xia, 2011).
38
Penyampaian artikel ini disediakan seperti berikut. Dalam seksyen 2, kami
memanggil beberapa konsep asas bagi set kaburyang ragu-ragu, set lembut kaburdan set
lembut kaburyang ragu-ragu. Dalam seksyen 3, kami telah mencadangkan konsep
kaburberparameter kaburregrets lembut set (FPHFSSs) yang merupakan gabungan dari
set lembut kaburyang ragu-ragu dan parameter kaburyang memberikan darjah
kepentingan untuk elemen kriteria untuk setiap alternatif. Kami juga menyatakan operasi
asasnya, iaitu persimpangan, kesatuan, dan pelengkap dan kemudian mengkaji beberapa
sifat mereka. Akhir sekali, kami menyediakan satu aplikasi bagi set lembut
kaburparameter yang ragu- ragu dalam menyelesaikan masalah membuat keputusan.
3.2 SET LEMBUT KABUR RAGU-RAGU BERPARAMETER KABUR
Dalam seksyen ini, kita akan menentukan set lembut kaburparameter beralur dan operasi
mereka dengan contoh.
Takrif 3.2.1 . Biarkan menjadi permulaan alam semesta, set semua parameter dan
kaburditetapkan dengan fungsi keahlian dan biarkan menjadi kaburyang ragu-ragu
ditetapkan untuk semua Kemudian kaburparametrized ragu set lembut kabur(FPHFSSs)
lebih adalah satu set yang ditetapkan oleh fungsi mewakili pemetaan
x
, (x) H (x), (x) [0,1] (1)
K (x) : x E, K K
K (x)
K
Perlu diingat bahawa set semua FFFSs akan dilambangkan oleh FPHFSS (U).
Contoh 1. Andaikan U {h1 , h2 , h3 , h4 } adalah set empat buah rumah, E {x1 , x2 ,

x3}adalah
parameter set. Katakan x1 adalah harga x2 adalah lokasi dan x3 adalah size rumah.
x1 x2 x3
Andaikan K , , dan (xi ) ditakrifkan seperti berikut K (x) jika
0.4 0.8 0.2
K (x) 0 . Andaikan,
h1 h4
Kx( 1 )
, h2 , h3 ,
{0, 2, 0.3} {0.5, 0.6} {0.3} {0.3, 0.5}
h1 4
Kx( 2 )
, h2 , h3 ,h
{0.4, 0.6, 0.7} {0.5, 0.7, 0.8} {0.6, 0.8} {0.7, 0.9}
h1 h4
Kx( 3 )
, h2 , h3 ,
{0, 2, 0.4} {0.6, 0.7} {0.8, 0.9} {0.3, 0.5}
Maka set FPHFSS diberikan seperti berikut
x1 h1 h2 h h4
, , , 3 , ,
K 0.4 {0, 2, 0.3} {0.5, 0.6} {0.3} {0.3, 0.5}
x2 h1 h2 h3 h4
, , , , ,
0.8 {0.4, 0.6, 0.7} {0.5, 0.7, 0.8} {0.7, 0.8} {0.7, 0.9}
x3 h1 h2 h3 h4
, , , ,
0.2 {0.2, 0.4} {0.6, 0.7} {0.8, 0.9} {0.3, 0.5}
Takrif 3.2.2. Dua set FPHFSSs K dan L disebut sebagai setara sekiranya K adalah
subset kepada L dan L adalah subset kepada K . Hubungi ini dilambangi oleh K = L
Takrif 3.2.3. Andaikan K adalah suatu set FPHFSS. Sekiranya k (x) maka K
disebut sebagai set hampa FPHFSSs dilambangi oleh untuk setiap x K.
Takrif 3.2.4. Andaikan K adalah suatu set FPHFSS. Sekiranya K (x) 1. Maka K
disebut sebagai set mutlak FPHFSS dan dilambangi dengan E untuk setiap x K.
Proposition 1. Andaikan K , L dan M adalah tiga set FPHFSS. Maka penyataan berikut
adalah benar;
(i) K E ,
(ii) K ,
(iii) K K ,
(iv) K L dan L M
maka K M ,
(v) K L dan L M maka M K ,
(vi) K L dan L K maka K L ,
Proof: Pembuktian diatas adalah mudah difahami.
Takrif 3.2.5. Andaikan K adalah suatu FPHSS. Maka pelengkap bagi
c
x x
, (x) dilambangi oleh c
, (x) dan ditakrifkan oleh
K K
K (x) K (x)
K K
c
K
(x) 1 (x) K dan Kc
(x)) 1 K (x) yang c adalah pelengkap kabur dan c adalah
pelengkap bag set kabur ragu-ragu.
Contoh 2. Berdasakarkan Contoh 1. Dengan menggunakan Takrif 1,maka kita dapati
c x 1 h 1 h 2 h h 4
K , , 3 , ,
0.6 {0.8, 0.7} {0.5, 0.4} {0.7} {0.7,
0.5}
x2 h1 h2 h3 h4
, , , , ,
0.2 {0.6, 0.4, 0.3} {0.5, 0.3, 0.2} {0.4, 0.2} {0.3, 0.1}
x3 h1 h2 h3 h4
, , , ,
0.8 {0.8, 0.6} {0.4, 0.3} {0.2, 0.1} {0.7, 0.5}
Proposition 2 . Andaikan K adalah suatu FPHSS. Maka penyataan berikut adalah benar:
(i) ( K
c c
) K
(ii) c
E
Proof: Pembuktian adaah jelas dan mudah difahami.
x x
Takrif 3.2.6. Andaikan , , (x) adalah dua set
K K K (x) dan L L
(x) L
(x)
FPHFSS. Kesatuan untuk K dan L dilambangi oleh K L dan ditakrifkan sebagai
KL (x) max( K (x), L (x))
dan
KL (x) max( K (x), L (x))
yang adalah s-norm dan adalah kesatuan bagi set lembut kabur ragu-ragu seperti
Takrif 1 di f).
Contoh 3. Andaikan K adalah seperti Contoh 1 dan Andaikan L adalah suatu lagi
FPHFSS seprti berikut
x h h h h
1 1 2 3
,
0.3 , , , 4 ,
L {0.3, 0.4, 0.5} {0.4, 0.5, 0.6} {0.1, 0.2, 0.3} {0.5}
x2 h1 h2 h h4
, , , 3 , ,
0.6 {0.2, 0.4} {0.3, 0.4, 0.5} {0.7} {0.5, 0.7}
x3 h1 h h3 h4
, , 2 , ,
0.4 {0.2, 0.4, 0.5} {0.3} {0.4, 0.6} {0.6, 0.7, 0.8}
Kesatuan bagi K dan L dilambangi oleh K L . Menurut Takrif 12 , maka
x h h h h
1 1 2
K L (x) , , , 3 , 4 ,
0.4 {0.3, 0.4, 0.5} {0.5, 0.6} {0.3} {0.5}
x2 h1 h2 h3 h4
, , , , ,
0.8 {0.4, 0.6, 0.7} {0.5, 0.7, 0.8} {0.7, 0.8} {0.7, 0.9}
x3 h1 h2 h3 h4
, , , ,
0.4 {0.2, 0.4, 0.5} {0.6, 0.7} {0.8, 0.9} {0.6, 0.7, 0.8}
Proposition 3. Andaikan K , L adalah dua set FPHFSSs. Maka penyataan berikut adalah
benar:
(i) K K K
(ii) K K
(iii) K E E
(iv) K L L K
Proof. Pembuktian adalah mudah.
x x
Takrif 3.2.7 Andaikan , , (x) adalah dua set
K K K (x) dan L L
(x) L
(x)
FPHFSS. Persilangan bagi K dan L dilambangi oleh K L dan ditakrifkan seperti

berikut
KL (x) min( K (x), L (x))
dan
KL (x) min( K (x), L (x))
yang adalah t-norm dan persilangan bagi set lembut kabur ragu-ragu seperti Takrif 1
in g).
Contoh 4. Andaikan K adalah seperti Contoh 1 dan Andaikan L adalah seperti Contoh
3. Persilangan bagi K dan dilambangi oleh K L adalah seperti Takrif 3. Maka,
x h h h h
1 1 2 4 3
KL ,
0.3 , , , ,
{0.2, 0.3} {0.4, 0.5, 0.6} {0.1, 0.2, 0.3} {0.3, 0.5}
x2 h1 h2 h h4
, , , 3 , ,
0.6 {0.2, 0.4} {0.3, 0.4, 0.5} {0.7} {0.5, 0.7}
x3 h1 h h3 h4
, , 2 , ,
0.2 {0.2, 0.4} {0.3} {0.4, 0.6} {0.3, 0.5}
benar:
(i) K K K
(ii) K
(iii) K E K
(iv) K L L K
Proof: Pembuktian adalah mudah.
benar:
43
c c
(i) ( K ) K K
c c
(ii) ( K )
c
L K L
Proof: Pembuktian ada mudah difahami
Takrif 3.2.8. Operasi DAN untuk dua set FPHFSSs K dan L dilambangi oleh K L dan
ditakrifkan sebagai K L K L .
Takrif 3.2.9. . Operasi ATAU untuk dua set FPHFSSs K dan L dilambangi oleh K L
n ditakrifkan sebagai K L K L .
Teorem 4. (Hukum DeMorgan bagi FPHFSSs).
Andaikan K dan L adalah dua set FPHFSSs terhadap U; Maka penyataan berikut adalah
benar
(i) ( K )L
c
K
c c
,L
(ii) ( K )L
c
K
c c
,K
Proof.
Perhatikan bahawa,
c
( K L)c
(x) ( (x))
( K L)
1 max( K (x), L (x))

min((1 K (x), (1 L (x))
min( (x), L(x))
Kc c
Kc L
(x)
c
dan
c
c
( K L)
(x) ( (x))
( K L)
1 max( K (x), L (x))

min((1 K (x), (1 L (x))
min( (x), (x))
Kc Lc
c
K L c (x)
Teorem 5. (Hukum Assosiatif bagi FPHFSSs)
Andaikan K , L dan M adalah tiga set FPHFSS terhadap U. Maka penyataan berikut
adalah benar.
(i) K (L M ) (K L ) M
(ii) K (L M ) (K L ) M
Proof :
Perhatikan bahawa,
K (L M ) (K L ) M
dan
K (L M ) (K L ) M
oleh itu
(L ) (K )
K M L M
.
Bersamaan juga
K (L M ) (K L ) M
dan
K (L M ) (K L ) M
oleh itu
(L ) (K )
K M L M
.
Teorem 6. (Hukum Distributif bagi FPHFSSs).
Andaikan K ,
L dan M adalah tiga set FPHFSS terhadap U. Maka penyataan berikut
adalah benar.
(L ) (K ) (K )
(i) K M L M
(L ) (K ) (K )
(ii) K M L M
Proof :
Perhatikan bahawa
K (L M ) (K L ) (K M )
dan
K (L M ) (K L ) (K M )
oleh itu
(L ) (K ) (K )
K M L M
.
Bersamaan dengan,
K (L M ) (K L ) (K M )
dan
K (L M ) (K L ) (K M )
oleh itu
K (L M ) (K L ) (K M )
3.3 APLLKASI
Bahagian ini akan menjelaskan algoritma yang digunakan untuk menyelesaikan MCDM.
Algoritma pertama dalam HFSS dalam memperkenalkan Babitha dan John (Babitha &
John, 2013) di mana mereka menggunakan purata bermakna dalam algoritma mereka.
Kami memperluaskan teori ini dengan memberi berat berat bagi setiap parameter yang
telah digunakan. Kami memperluaskan algoritma kepada skor min skor geometrik dan
skor pecahan untuk memberi lebih banyak pilihan kepada pembuat keputusan. Sementara
(F. Wang et al., 2014) memperkenalkan algoritma untuk menyelesaikan masalah MCDM.
Mereka menggunakan purata purata untuk mendorong HFSS. Walau bagaimanapun,
berdasarkan contoh mereka diberikan, agak sukar untuk membezakan kedudukan untuk
alternatif. Algoritma ini berdasarkan fungsi skor tiga HFE oleh Farhadinia (Farhadinia,
2014). Tiga fungsi skor yang lain dipilih iaitu purata min, skor geometrik dan skor
fraksional. Ini kerana ketiga-tiga fungsi skor ini menganggap semua keahlian dalam
mengira fungsi skor. Berdasarkan hujah ini kami keluar dengan algoritma kami untuk
FPHFSS yang diberikan seperti di bawah.
ALGORITMA 1. PENYELESAIAN IDEAL SKOR INDEKS BAGI FPHFSSs
Langkah 1. Ubah FPHFSS ke matriks keputusan kabur.
Langkah 2. Dapatkan skor indeks bagi FPHFSSs. Dalam kajian ini, kami memilih tiga
jenis indeks skor iaitu purata aritmetik, purata geometri dan pecahan.
Langkah 3. Hitunglah penyelesaian ideal bagi purata aritmetik, purata geometri dan in
skor indeks pecahan, FPHFSSs. Formula diberikan oleh;
penyelesaian ideal purata aritmetik skor indeks:
AM ( Ai ) j .S AM (h) ,
jJ
penyelesaian ideal purata geometri skor indeks:
GM ( Ai ) j .SGM (h) ,
jJ
penyelesaian ideal pecahan skor indeks:
F ( Ai ) j .S F (h) .
jJ
Step 4. Susunatur kedudukan alternatif
Contoh 5. Andaikan satu keluarga merancang untuk membeli sebuah rumah baru di
bdanar. Terdapat lima buah rumah iaitu ( A1, A2, A3, A4, A5 ) iaitu untuk dipilih. Empat
atribut
telah diambil kira didalah pemilahan rumah. Katakan (x1 ) adalah harga rumah, (x2 ) adalah
kemudahan di persekitaran rumah, (x3 ) adalah reka bentuk rumah dan (x4 ) adalah
kredibiliti pemaju perumahan. Katakan bahawa keluarga tersebut menilai lima rumah
tersebut dengan ciri-ciri pelbagai sifat dengan FPHFSS. Keseluruhan FPHFSS diberikan
oleh
x A A A A A
1 1 2 3 4 5
, , , , ,
K
0.25 0.3, 0.4, 0.6 0.3, 0.4 0.4, 0.5 0.2, 0.4, 0.7, 0.9 0.5, 0.7, 0.9
x A A A A A
2 1 2 3 5 4
, , , , ,
0.6, 0.7, 0.8, 0.9 0.4, 0.5, 0.6, 0.7, 0.9 0.7, 0.8 0.3, 0.4, 0.6 0.5, 0.5, 0.7, 0.8
0.2
x A A A A A
3 1 2 3 4 5
, , , , ,
0.7 0.1, 0.5, 0.6, 0.8 0.3, 0.5, 0.7 0.1, 0.8 0.6, 0.7, 0.9
0.3
x A A A A A
4 1 2 3 4 5
, , , , .
0.5, 0.7, 0.9 0.3, 0.5, 0.7, 0.8 0.4, 0.7 0.6, 0.7, 0.9 0.7, 0.9
0.25
Untuk bahagian berikut, kami membentangkan kaedah kami dalam Algoritma 1,

penyelesaian ideal skor indeks bagi FPHFSS untuk menyelesaikan masalah membuat
keputusan multi-kriteria (MCDM)
Ubahkan FPHFSS ke dalam matriks keputusan set lembut kabur ragu-ragu seperti yang
ditunjukkan didalam jadwi 1.
Table 1. Kaburdecision matrix of FPHFSSs
x1 x2 x3 x4
(0.25) (0.2) (0.3) (0.25)
A1 {0.3,0.4,0.6} {0.6,0.7,0.8,0.9} {0.7} {0.4,0.5,0.6,0.8}
A2 {0.3,0.4} {0.4,0.5,0.6,0.7,0.9} {0.1,0.5,0.6,0.8} {0.2,0.4,0.7}
A3 {0.4,0.5} {0.7,0.8} {0.3 0.5,0.7} {0.5,0.6}
A4 {0.2,0.4,0.7,0.9} {0.3,0.4,0.6} {0.1,0.8} {0.8}
A5 {0.5,0.7,0.9} {0.3,0.5,0.7,0.8} {0.6,0.7,0.9} {0.7,0.9}
Kemudian cari nilai skor indeks bagi setiap didalam set kabur ragu menggunakan kaedah
yang diberikan. Didalam jadwi 2. Kaedah purata arimetik telah digunakan, manakala bagi
jadwi 3 dan 4 masing-masalah adalah kaedah purata geometri dan kaedah pecahan.
Table 2. Purata arimetik Skor indeks bagi FPHFSSs
x1 (0.25) x2 (0.2) x3 (0.3) x4 (0.25)

A1 0.4333 0.7500 0.7000 0.5750
A2 0.3500 0.6200 0.5000 0.4333
A3 0.4500 0.7500 0.5000 0.5500
A4 0.5500 0.4333 0.4500 0.8000
A5 0.7000 0.5750 0.7333 0.8000
Table 3. Purata Geometri Skor Indeks bagi FPHFSSs
x1 (0.25) x2 (0.2) x3 (0.3) x4 (0.25)

A1 0.4160 0.7416 0.7000 0.5566
A2 0.3464 0.5966 0.3936 0.3826
A3 0.4472 0.7483 0.4718 0.5477
A4 0.4738 0.4160 0.2828 0.8000
A5 0.6804 0.5384 0.7230 0.7937
Table 4. Pecahan Skor Indeks bagi FPHFSSs
x1 (0.25) x2 (0.2) x3 (0.3) x4 (0.25)

A1 0.3000 0.9921 0.7000 0.8000
A2 0.2222 0.9545 0.4000 0.2800
A3 0.4000 0.9894 0.7000 0.6000
A4 0.7778 0.3000 0.3077 0.8000
A5 0.9545 0.8000 0.9692 0.9545
Kemudian kirakan nilai penyelesaian ideal dan susunkan kedudukan alternatif seperti
yang tunjukan di dalam jadwi 5.
Table 5. Kedudukan Alternatif
A1 A2 A3 A4 A5 Ranking
(Ai ) 0.6121 0.4698 0.5500 0.5592 0.7100 A5 A A4 A3 A2

AM 1
GM
(Ai ) 0.6015 0.4197 0.5399 0.4865 0.6931 A5 A
1
A3 A4 A2
F
(Ai ) 0.6834 0.4365 0.6579 0.5468 0.9361 A5 A A3 A4 A2
1
Mengikut keputusan di atas, kedudukan menggunakan penyelesaian ideal skor indeks

purata geometri adalah sama dengan kedudukan dengan menggunakan kaedah
penyelesaian ideal skor indeks pecahan. Semua ketiga kaedah ini memilih A5 sebagai
pilihan terbaik.
3.4 KESIMPULAN
Dalam makalah ini, kita menimbangkan set garisan kaburrasional berparameter regresi
yang merangkumi kombinasi set kabur ragu-ragu dan set lembut kaburdi mana ijazah
penting diberikan untuk setiap elemen dalam set parameter dan beberapa sifatnya dikaji.
Pelengkap, kesatuan dan persimpangan, operasi telah ditakrifkan pada FPHFSS.
Selanjutnya, algoritma ini diberikan untuk menyelesaikan masalah MCDM dalam
persekitaran FPHFSS. Akhirnya, kami memberikan contoh yang menunjukkan bahawa
teori ini dapat berjaya. Kami berharap kerja kami dapat meningkatkan kajian terhadap set
lembut kabur ragu-ragu yang dapat diterapkan di banyak bidang lain seperti analisis data
dan ramalan.
BAB IV
SET LEMBUT KABUR DWI RAGU-RAGU BERPARAMETER KABUR

4.1 PENGENALAN
Zadeh, (1965) menyampaikan idea yang terkenal iaitu set kabur. Dalam teori set yang
kabur, lebih mudah untuk menentukan tahap keahlian unsur berbdaning dengan set klasik.
Sejak itu, banyak pelanjutan kabur telah ditubuhkan. Vicenç Torra dan Narukawa, (2009)
dan Vicenc Torra, (2010) memperkenalkan satu set kabur yang baru iaitu kumpulan kabur
yang ragu-ragu di mana keahlian sasaran yang dimiliki oleh konsep tersebut diwakili oleh
kombinasi nilai yang berbeza. Kajian menunjukkan bahawa HFS dapat menerangkan
fenomena yang ragu-ragu dengan lebih komprehensif daripada sebarang sambungan
kabur lain.
Zhu, Xu dan Xia, (2012) memperluaskan konsep HFS kepada dua set kabur yang
ragu-ragu (DHFS) yang telah mengambil lebih banyak maklumat berbdaning pelanjutan
kabur kerana penyerahan keanggotaan dan nilai bukan keahlian. Mereka juga percaya
bahawa lebih banyak maklumat yang diperoleh, lebih efisien membuat keputusan boleh
dibuat. Akhir-akhir ini, banyak penulis telah dapat membuat beberapa kriteria kaedah
membuat keputusan dan beberapa teori di bawah persekitaran kabur yang ragu-ragu
seperti (Ren, Xu, & Wang, 2017; Singh, 2014, Su, Xu, Liu, & Liu, 2015 , Tang, Yang, &
Pedrycz,
2018, Wu, Zhang, Sun, Wang, & Tang, 2019; Yan-ping He, 2016; J. Zhang, Hegde,
Shang,
& Qi, 2016). Kemudian, H. Zhang & Shu, (2016) memperkenalkan konsep DHFSS
lembut degradasi dua hesitant di mana penyepaduan dilakukan berdasarkan konsep set
kabur dwi regres dan set lembut kabur.
Di samping itu, konsep aspek parameter yang kabur dalam pengembangan

pelanjutan set kabur mula diperkenalkan oleh Çağman, Çıtak dan Enginoğlu, (2010).
Mereka menyampaikan set lembut kabur parameter kabur (FPFS) dan mendakwa dan
kaedahnya yang dicadangkan lebih efisien dalam menangani proses membuat keputusan.
Diikuti oleh Bashir dan Salleh, (2012) yang mencadangkan gagasan kabur berparameter
dengan set ahli lembut dengan mengintegrasikan ijazah penting untuk setiap elemen
dalam set parameter. Kemudian, Geetharamani dan Devi, (2015) memperkenalkan model
kabur berparameter kabur generalized lembut set set sebagai generalisasi set ahli lembut
kabur
dengan memberikan nilai keanggotaan untuk setiap parameter dalam satu set parameter
dengan nilai keanggotaan umum. Seterusnya, Ganeshsree dan Abdul Razak, (2016)
mencadangkan teori kabur berparameter intuitionistic kabur lembut set teori pakar dan
menyelesaikan masalah dalam membuat keputusan. Al-Qudah, Hassan dan Hassan,
(2019) mempersembahkan teori yang menggunakan faktor masa iaitu teori setter
ahli kabur parameter berbentuk kabur yang lembut. Pada tahun 2019, Al-Quran, Hassan
dan Alkhazaleh, (2019) memperkenalkan set ahli setter lembut neutrosofi kompleks
dengan parameter yang memberikan kepentingan kepada setiap parameter.
Dalam makalah ini, kami membentangkan model hibrid iaitu set lembut kabur
regresi berparameter kabur (FPDHFSSs). Ini adalah kombinasi teori parameter parameter
kabur dan set lembut kabur dwi hesitant (DHFSSs) oleh H. Zhang dan Shu, (2016).
Menurut Yan-ping He, (2016), DHFSS adalah untuk mengatasi ketepatan dan maklumat
yang tidak sempurna daripada set lembut dan dwi kabur yang ragu-ragu. Walaupun H.
Zhang dan Shu, (2016) menyatakan bahawa teori DHFSS dicadangkan untuk menampung
masalah dua set kabur yang ragu-ragu berkaitan dengan warisan maklumat yang tidak
mencukupi kepada alat parameterisasi. Teori ini bagaimanapun boleh diperluaskan untuk
mewakili set data pelbagai dimensi yang merangkumi penarafan setiap alternatif dan berat
bagi setiap parameter dalam set. Berhubung dengan itu, kami telah memberikan wajaran
untuk setiap parameter dalam domain DHFSSs. Semua ciri-ciri ini bersama-sama
terkdanung dalam FPDHFSS yang dicadangkan. Selanjutnya, kami menjelaskan setiap
harta benda seperti persatuan, persimpangan, penambahan dan fungsi operasi produk yang
berkaitan dengan teori ini. Kemudian, kami mencadangkan idea skor untuk FPDHFSS
berdasarkan Farhadinia, (2014) dan menggunakannya pada jarak FPDHFSS berdasarkan
purata mean, mean geometri dan fungsi fraksional untuk mencapai kaedah membuat
keputusan yang akan digunakan untuk menyelesaikan masalah dalam persekitaran kabur
dwi ragu-ragu. Contoh berangka yang berkaitan dengan pengambilan pekerja baru di
institusi kewangan untuk menggambarkan kemungkinan algoritma kami.
Dalam tajuk ini . Bahagian 4.2 mentakrifkan konsep set lembut kabur dwi ragu-
rugu berparamter kabur (FPDHFSS) dan membuktikan beberapa sifat matematik yang
53
menarik. Bahagian 4.3 mencadangkan ukuran jarak antara FPDHFSS manakala bahagian
4.4 didedikasikan untuk menerangkan mengenai algoritma ukuran jarak di dalam TOPSIS
untuk penyelesaian masalah didalam MCDM. Akhir sekali, bahagian 4.5 adalah
kesimpulan mengenai teori yang telah dibentangkan
4.2 SET LEMBUT KABUR DWI RAGU-RAGU BERPARAMETER KABUR
Bahagian ini menerangkan gabungan berat bagi setiap parameter dan set set kabur yang
ragu-ragu dengan memperkenalkan model hibrid baru yang dipanggil set lembut kabur
dwi regresi parameter kabur
Takrif 4.2.1. Andaikan U adalah set wacana semesta, E menjadi set parameter dan X
menjadi suatu set alternatif. Maka K
disebut set lembut kabur dwi lembut ragu-ragu
(FPDHFSS) di lambangi oleh
ei xj
K , e E, X, K (x j ) DHFS(U )
K (ei ) K (x j ) xi j
yang mana (e i ) adalah nilai kabur berparameter diantara 0 hingga 1, manakala

K
K
(x j ) h p ( x j ), g q ( x j ) adalah dinyatakan sebagai suatu set lembut kabur dwi ragu-
K K
ragu. Oleh itu semua set lembut kabur dwi ragu-ragu berparameter kabur terhadap U
diwakili oleh FPDHFSS(U ).Bagi nilai p ( x j ) adalah mewakili nilai terkecil p -th bagiof
K
h
h g q ( x j ) mewakili nilai terkecail q -th bahi g . Bilangan nilai bagi h p (x j ) dan

K K
g p ( x j )masing-masing pula dilambangi oleh Wh ( x )dan Wg ( x ) . Dalam karya ini kita

K K j K j
menggunakan konsep pesimis dengan menambah nilai maksimum di dalamnya sehingga

ia mempunyai bilangan keahlian yang sama panjang.
Contoh 4.2.1. Katakanlah set K terdapat empat alternatif X yang disenarai pendek iaitu
X {h1,h2 ,h3 ,h4 } dan tiga parameter dinamakan {e1,e2 ,e3 } . Andainya pemberat bagi
E
54
e1 e2 e3
parameter adalah diberi seperti , , dan penarafan bagi setiap alternatifkan
0.4 0.8 0.2
berdasarkan bagi setiap parameter adalah seperti berikut
h1 h2 h3
(e1 ) , ,
({0.2,0.3},{0.4,0.6,} ({0.5,0.6},{0.1,0.2} ({0.4,0.5},{0.3})
h1 h2 h3
(e2 ) , ,
({0.4,0.5,0.6},{0.2,0.4} ({0.7,0.8,0.9},{0.1} ({0.4,0.5,0.6},{0.2,0.4})
h1 h2 h3
(e3 ) , ,
({0.1,0.2,0.4},{0.3,0.6} ({0.6,0.7},{0.2,0.3} ({0.3,0.5},{0.4})
Maka set FPDHFSS, K diberikan oleh
e1 h1 h2 h3
K , , , ,
0.4 ({0.2,0.3,0.3},{0.4,0.6}) ({0.5,0.6,0.6},{0.1,0.2}) ({0.4,0.5,0.5},{0.3,0.3})
e2 h1 h2 h3
, , , ,
0.5 ({0.4,0.5,0.6},{0.2,0.4,}) ({0.7,0.8,0.9},{0.1,0.1}) ({0.4,0.5,0.6},{0.2,0.4})
e3 h1 h2 h3
, ,
0.7 ({0.1,0.2,0.4},{0.2,0.6}) ({0.6,0.7,0.7},{0.2,0.3}) ({0.1,0.3,0.5},{0.4,0.4})
Takrif 4.2.2 Andaikan K

adalah suatu FPDHFSS terhadap U . Maka
ei xj
K , :e i E , x j X disebuat sebagai set hampa bagi FPDHFSS dan
0 {0},{1}
dilambangi oleh .
Takrif 4.2.3. Andaikan K

adalah suatu FPDHFSS terhadap U . Maka
ei xj
K , :ei E ,x j X disebuat sebagai set mutlak bagi FPDHFSS dan
1 {1},{0}
dilambangi oleh .
55
Proposition 1. Andaikan K , L dan M adalah tiga set FPDHFSS terhadap U . Maka
penyataan berikut adalah benar:
(i) K ,
(ii) ,
(iii) K K ,
(iv) K L dan L M maka K M ,
(v) K L dan L M maka K M ,
(vi) K L dan L K maka K L.
Pembuktian: Pembuktian adalah mudah difahami

adalah suatu FPDHFSS terhadap U . Maka set pelengkap of
i
e xj
K , ei E, j X, K (x j ) DHFS(U ) is dilambangi by
K (ei ) K (x j ) x
c
e E,
ei ) , xj
c K (e xi X, K (x j ) DHFS(U ) ditakrifkan sebagai
i
j
K (x j )
K
c ei c
K
, K
(x j ) ei E ,x j X, K (x j ) DHFS (U ) .
(1 K
(ei ))
c
yang K
(x j ) g q (x j ) , h p (x j )
K K
Contoh 4.2.2. Perhatikan semula Contoh 1. Maka set pelengkap bagi K

diberikan seperti
c e1 h1 h2 h3
K , , , ,
0.6 ({0.4,0.6}, {0.2,0.3,0.3}) ({0.1,0.2}, {0.5,0.6,0.6}) ({0.3,0.3}, {0.4,0.5,0.5})
e2 h1 h2 h3
, , , ,
0.5 ({0.2,0.4,}, {0.4,0.5,0.6}) ({0.1,0.1}, {0.7,0.8,0.9}) ({0.2,0.4}, {0.4,0.5,0.6})
e3 h1 h2 h3
, , ,
0.3 ({0.2,0.6}, {0.1,0.2,0.4}) ({0.2,0.3}, {0.6,0.7,0.7}) ({0.4,0.4}, {0.1,0.3,0.5})
Proposition 2. Andaikan K
adalah suatu FPDHFSS terhadap U . Maka kenyataan
berikut adalah benar :
c )c
(i) ( K K
c
(ii)

dan L
adalah dua set FPDHFSS terhadap U . Katakan
bahawa Wh Wh ( x ) dan W g Wg . Maka ATAU operasi bagi set dan
K (x j ) L j K (x j ) L (x j ) K
L , dilambangi oleh K L dan ditakrifkan seperti
ei
K L , K (x j ) L (x j ) ei E ,x j X, K ( x j ), L( x j ) DHFS (
min( K (ei ), L (ei ))
where
K
(x j ) L
(x j ) hK p ( x j ) hL p (x j ) g Kq ( x j ) g Lq ( x j ) .
Contoh 4.2.3..Andaikan K
diberikan seperti Contoh 1 dan L
diberikan seperti berikut
e1
L , h1 h2 h3
0.7 ({0.4 , , ,
,0.5,0.6}, {0.2,0.3} ({0.3,0.4,0.5}, {0.3,0.5} ({0.4,0.6,0.6}, {0.3,0.4})
e2 h1 h2 h3
, , ,
0.4 ({0.2,0.3,0.6}, {0.3,0.4} ({0.5,0.5,0.5}, {0.2,0.4} ({0.3,0.5,0.6}, {0.3,0.4}),
e3 ({0.4
0.2 h1 h2 h3
, ,
,0.6,0.7}, {0.2,0.3} ({0.6,0.7,0.8}, {0.1,0.1} ({0.2,0.3,0.5}, {0.5,0.5})
Maka, operasi ATAU bagi K

dan L
diberikan oleh
e1
K L , h1 h2 h3
0.4 ({0.2 , , ,
,0.3,0.3}, {0.4,0.6} ({0.3,0.4,0.5}, {0.3,0.5} ({0.4,0.5,0.5}, {0.3,0.3})
e2 , ({0.3
0.4 h1 h2 h3
, , ,
,0.4,0.6}, {0.3,0.4} ({0.5,0.5,0.5}, {0.2,0.4} ({0.3,0.5,0.6}, {0.3,0.4})
e3 , ({0.1
0.2 h1 h2 h3
, ,
,0.2,0.4}, {0.2,0.6} ({0.6,0.7,0.7}, {0.2,0.3} ({0.1,0.3,0.5}, {0.4,0.4})
Proposition 3. Let K
, L dan adalah dua set FPDHFSS terhadap U . Maka kenyataan
berikut adalah benar
(i) K K K
(ii) K
(iii) K K
(iv) K L L K

dan L
adalah dua set FPDHFSS terhadap U . Supposed that
Wh Wh dan W g Wg . Makapersilangan bagi dan , dilambangi
K (x j ) L (x j ) K ( xj ) L (x j ) K L
oleh K L
dan ditakrifkan seperti
ei xj
K L ,
min( K (ei ), L
( e i
)) K( x j ) L
(x j )
ei E , x j X, K
( x j ), L
( x j ) DHF S )
yang
K
(x j ) L
(x j ) h p (x j ) h p (x j ) , g q (x j ) g q (x j ) .
K L K L
Contoh 4.2.4. Let K

dan L
adalah dua set FPDHFSS terhadap U seperti Contoh 3.
Persilangan bagi K
dan L
diberikan oleh
e1
K L ,
0.7 ({0.4 h1 h2 h3
, , ,
,0.5,0.6}, {0.2,0.3} ({0.5,0.6,0.6}, {0.1,0.2} ({0.4,0.6,0.6}, {0.3,0.3})
,
0.5
e2 ({0.4 h1 h2 h3
, , ,
,0.5,0.6}, {0.2,0.4} ({0.7,0.8,0.9}, {0.1,0.1} ({0.4,0.5,0.6}, {0.2,0.4})
0.7
e3 ({0.5 h1 h2 h3
, ,
,0.6,0.7}, {0.2,0.3} ({0.6,0.7,0.8}, {0.1,0.1} ({0.2,0.3,0.5}, {0.3,0.4})
Proposition 4. Let K
dan L
adalah dua set FPDHFSS terhadap U . Maka kenyataan
berikut adalah benar
(i) K K K
(ii) K K
(iii) K
(iv) K L L K
Takrif 4.2.6. . Andaikan K

dan L
bahawa W Wh dan W g Wg . Maka, kesatuain bagi dan ,
h K (x j ) L (x j ) K (x j ) L (x j ) K M
dilambangi by K L dan ditakrifkan seperti,
ei xj
K L ,
( K
(e i ) L
( e i
)) K( x j ) (x j )
L
ei E , x j X, K
( x j ), L
( x j ) DHFS (U
yang,
K
(x j ) L
(x j ) h p (x j ) h p ( x j ) h p ( x j ).h p ( x j ) , g q ( x j ).g q ( x j ) .
K L K L K L

dan L
bahawaWh Wh ( x ) dan W g Wg . Maka, kesatuan bagi dan ,
K (x j ) L j K (x j ) L (x j ) K M
dilambangioleh K L
dan ditakrifkan oleh,
ei
K L
, K (x j ) L
(x j )
( K (ei ) L
(ei ))
ei E ,x j X, K
( x j ), L
( x j ) DHFS (U
yang
K
(x j ) L
(x j ) hK p ( x j ).hL p ( x j ) , g Kq ( x j ) g Lq ( x j ) g Kq ( x j ).g Lq ( x j )
Contoh 4.2.5. Perhatikan semula contoh 1 dan contoh 3. Operasi penambahan dan
pendaraban bagi K
dan L
masing-masing adalah seperti
e1 h1 h2
K L , , ,
0.82 ({0.52, 0.65, 0.72},{0.08, 0.18} ({0.65, 0.76, 0.8},{0.03, 0.1}
h3 e2 h1
({0.64, 0.8, 0.8},{0.09, 0.09}), 0.7, ({0.58, 0.7, 0.84},{0.06, ,
0.16}
h2 h3
({0.85, 0.9, 0.95},{0.02, 0.04}
, ({0.58, 0.75, 0.84},{0.06, ,
0.16})
e3 h1 h2
, , ,
0.76 ({0.55, 0.68, 0.82},{0.04, 0.18} ({0.81, 0.91, 0.94},{0.02, 0.03}
h3
({0.28, 0.51, 0.75},{0.12, 0.16})
dan
e h1 h2
K L , 1 , ,
0.28 ({0.08, 0.15, 0.18},{0.52, 0.72} ({0.15, 0.24, 0.3},{0.37, 0.6})
h3 e h1 h
({0.16, 0.3, 0.3},{0.51, , 20.2
0.51}) , ({0.12, 0.2, 0.36},{0.44, , ({0.35, 0.4,20.45},{0.28,
0.64}
,
0.46}
h3 e h1
, 3 , ,
({0.12, 0.25, 0.36},{0.44, 0.64}) 0.14 ({0.05, 0.12, 0.28},{0.36, 0.72}
h2 h3
,
({0.36, 0.49, 0.56},{0.28, 0.37} ({0.02, 0.09, 0.25},{0.58, 0.64})
Proposition 4. Andaikan K
dan L
adalah dua set FPDHFSS terhadap U . Maka
kenyataan berikut adalah benar :
(i) K L L K
(ii) K L L K
c c c
(iii) K L K (iv)
L
c c c
K L K L
Proof. Pembuktian bagi 1 dan 2 adalah mudah difahami.
3. Mengikut takrif 10 dan 3 untuk semua ei E maka pembuktiannya adalah seperti
c ei q q p p
K L gK (x j ).g L (x j ) , hK (x j ) hL (x j ) : ei E, xj X
1 K
(ei ) L
(ei ))
ei q
, gK (x j ) , hKp (x j ) : ei E, xj X
1 K
(ei )
ei q
, g L (x j ) , hLp (x j ) : ei E, xj X
1 L
(ei )
c c
K L
4. Pembuktian dapat dibuktikan dengan cara yang sama seperti 3.
4.3 SKOR INDEKS FPDHFSS DAN JARAK DIANTARA DUA FPDHFSS
Skor indeks FPDHFSS dan jarak antara dua FPDHFSS merupakan teknik penting untuk
penyelidikan ini. Banyak langkah jarak jauh telah dicadangkan untuk set kabur ragu-ragu
dan dwi ragu-ragu yang teragak-agak. Pertama, mari kita lihat harta jarak jauh seperti
berikut
dan L
adalah dua set FPDHFSSs terhadap U . Jarak
diantara
K
dan L
I ditakrifkan sebagai d ( K
, L
) yang memenuhi sifat-sifat berikut
properties:
(P1) Boundary ; 0 d(K , K ) 1
(P2) Symmetry ; d(K , L ) d(L , K )
(P3) Reflexivity d(K , L ) 0 if only if K K

.

adalah suatu FPDHFSS terhadap U .Skor indeks bagi
FPDHFSS adalah seperti berikut
(i) Skor indeks purata arimetik bagi FPDHFSS.
n m
h g 1 p 1 p
SAM ( K) SAM ,SAM K (ei ) h (x j ), K (e i ) g (x j ) .
n K m K
1 i 1 j
(ii) Skor indeks purata geometri bagi FPDHFSS.
1 1
p p q q
h g p p
SGM ( K) SGM ,SGM K (ei ) h (x j ) , K (ei ) g (x j )
K K
1 i 1 j
(iii) Skor indeks pecahan bagi FPDHFSS.

n p
h (x j )
h g 1 i K
SF ( K) SF ,SF K (ei ) ,
n n p
p
h (x j ) 1 h (x j )
1 i K 1 i K
m q
g (xj )
1 j K
K
(ei )
m n q
q
g (xj ) 1 g (x j )
1 j K 1 i K

dan L
adalah dua set FPDHFSS terhadap U . Jarak
FPDHFSS diantara K
dan L
adalah diberi berikut
(i) Jarak berdasarkan purata aritmetik
1
1
d AM ( K , K ) h
S AM h
(K ) S AM (L ) g
S AM g
(K ) S AM (L ) ,
n
(ii) Jarak berdasarkan purata geometri

1
1 h h g g
dGM ( K , K ) S GMF ( ) G .SGMG ( ) S GMF ( ) S GMG ( )
n
(iii) Jarak berdasarkan pecahan

1
1 h h g g
dF ( K , K ) S FrF ( ) S FrG ( ) S FrF ( ) S FrG ( ) .
n
apabila 1 ketiga-ketiga jarak yang ditakrifkan dikenali sebagai jarak Hamming bagi
FPDHFSS manakala apabila 2 ianya dikenal sebai jarak Euclidean bagi FPDHFSS.
Contoh 4.3.1. Andaikan K

dan L
adalah dua set FPDHFSS terhadap U . K
dan L
masing-masing adalah diberi seperti berikut

e1 h1 h2 h3
K , , , ,
0.5 ({0.2,0.3,0.3}, {0.4,0.6}) ({0.5,0.6,0.6}, {0.1,0.2}) ({0.4,0.5,0.5}, {0.3,0.3})
e2 h1 h2 h3
, , ,
0.6 ({0.3,0.5,0.6}, {0.2,0.4,}) ({0.5,0.6,0.7}, {0.2,0.3}) ({0.6,0.7,0.8}, {0.1,0.2})
dan
e1 h1 h2 h3
L , , , ,
0.3 ({0.2,0.4,0.5},{0.4,0.5} ({0.7,0.8,0.8},{0.1,0.2} ({0.3,0.4,0.6},{0.3,0.4})
e2 h1 h2 h3
, , ,
0.8 ({0.4,0.5,0.6},{0.2,0.3} ({0.4,0.5,0.6},{0.4,0.4} ({0.6,0.7,0.7},{0.2,0.3})
Maka jarak Hamming berdasrakan purata aritmetik bagi K

dan L
diberi seperti berikut
1 (0.2 0.3 0.3) (0.2 0.5 0.5) (0.4 0.6) (0.4 0.5)
d AM ( K, L) 0.5 0.3 0.5 0.3
n 3 3 2 2
(0.5 0.6 0.6) (0.7 0.8 0.8) (0.1 0.2) (0.1 0.2)
0.5 0.3 0.5 0.3
3 3 2 2
(0.4 0.5 0.5) (0.3 0.4 0.6) (0.3 0.3) (0.3 0.4)
0.5 0.3 0.5 0.3
3 3 2 2
(0.3 0.5 0.6) (0.4 0.5 0.6) (0.2 0.4) (0.2 0.3)
0.6 0.8 0.6 0.8
3 3 2 2
(0.5 0.6 0.7) (0.4 0.5 0.6) (0.2 0.3) (0.4 0.4)
0.6 0.8 0.6 0.8
3 3 2 2
(0.6 0.7 0.8) (0.6 0.7 0.7) (0.1 0.2) (0.2 0.3)
0.6 0.8 0.6 0.8
3 3 2 2
0.1572.
4.4 APLIKASI UKURAN JARAK BAGI FPDHFSS DALAM TOPSIS
Dalam bahagian ini, kami menggunakan ukuran jarak yang dicadangkan untuk
membangunkan kaedah TOPSIS untuk membuat keputusan pelbagai kriteria dengan
maklumat FPDHFSS. TOPSIS adalah pelbagai kaedah kriteria untuk mengenal pasti
penyelesaian daripada satu set alternatif yang telah ditetapkan awalnya (Hwang & Yoon,
1981). Logik TOPSIS oleh (Hwang & Yoon, 1981) adalah untuk menentukan
penyelesaian ideal ideal dan penyelesaian ideal yang ideal. Penyelesaian yang
optimum harus
mempunyai jarak terpendek dari penyelesaian ideal positif dan jarak terjauh bagi
penyelesaian ideal negative.
ALGORITMA UKURAN JARAK BAGI FPDHFSS DIDALAM TOPSIS
Langkah 1. Sediakan matriks keputusan R.
Langkah 2. Menetapkan skor matriks keputusan berdasarkan Definisi 15
Langkah 3. Tentukan penyelesaian ideal positif dan negatif.
Langkah 4. Kiralkan jarak alternatif kepada penyelesaian ideal positif dan penyelesaian
ideal negatif dalam Definisi 15.
d
Langkah 5. Tentukan kedekatan relatif kepada penyelesaian ideal, Ci
d d
Langkah 6. Tentukan kedudukan untuk setiap alternatif berdasarkan kedekatan relatif.
Contoh 4.3.1.. Andaikan sebuah institusi kewangan mencari calon untuk mengisi jawatan
Naib Presiden Jabatan Produk & Pembangunan. Terdapat empat calon berpotensi iaitu
(h1,h2,h3,h4 dipilih untuk ditemudduga di peringkat akhir. Tiga kriteria dipertimbangkan
)
dalam memilih calon terbaik adalah kelayakan (e1 ) , pengalaman kerja (e2 ) , dan pemain
berkumpulan yang baik (e3 ) . Andaikan institusi tersebut menilai empat calon tersebut
dengan ketiga-ketiga kriteria tersebut dibawah FPDHFSS. FPDHFSS keseluruhan
diberikan oleh:
e1 h1 h2
A , , ,
0.35 ({0.3,0.4,0.5}, {0.2,0.3,0.4}) ({0.4}, {0.4,0.5,0.6})
h3 h4
({0.1,0.2,0.5}, {0.4,0.5}), ({0.5,0.6,0.8}, {0.2}),
e2 h1 h2
, , ,
0.45 ({0.2,0.3,0.6}, {0.1,0.3}) ({0.7,0.8,0.9}, {0.1})
h3 h4
({0.6,0.7,0.8}, {0.1,0.2}), ({0.4,0.6,0.7}, ,
{0.1,0.2,0.3})
e3 h1 h2
, , ,
0.15 ({0.3,0.4,0.6}, {0.2,0.3}) ({0.2,0.4,0.5}, {0.2,0.3,0.4})
h3 h4
,
({0.3,0.4,0.5}, {0.2,0.3,0.4}) (0.6,0.7}, {0.1,0.2})
Langkah 1. Bina maktriks keputusan bagi FPDHFSSs, R seperti di Jadual 1.

Jadual 1. Matriks keputusan bagi FPDHFSS
e1 (0.35) e2 (0.45) e3 (0.15)
h1 {0.3,0.4,0.5),{0.2,0.3,0.4} {0.2,0.3,0.6),{0.1,0.3,0.3} {0.3,0.4,0.6),{0.2,0.3,0.3}
h2 {0.4,0.4,0.4),{0.4,0.5,0.6} {0.7,0.8,0.9),{0.1,0.1,0.1} {0.2,0.4,0.5),{0.2,0.3,0.4}
h3 {0.1,0.2,0.5),{0.4,0.5,0.5} {0.6,0.7,0.8),{0.1,0.2,0.2} {0.3,0.4,0.5),{0.2,0.3,0.4}
h4 {0.5,0.6,0.8),{0.2,0.2,0.2} {0.4,0.6,0.7),{0.1,0.2,0.3} {0.6,0.7,0.7),{0.1,0.2,0.2}
Step 2. Didalam contoh ini kami memnggunakan kaedah pengiraan skor berdasarakn
purata geometri bagi FPDHFSSs. Matrik keputusan bagi FPDHFSSs adalah diberikan
seperti didalam Jadual 2.
Jadual 2. matriks keputusan berdasarkan skor purata geometri bagi FPDHFSSs

e1 e2 e3
h1 (0.1370,0.1010) (0.1486,0.0936) (0.0624,0.0393)
h2 (0.1400,0.1726) (0.3581,0.0450) (0.0433,0.0740)
h3 (0.0754,0.1625) (0.3128,0.0714) (0.0323,0.0696)
h4 (0.2175,0.0700) (0.2483,0.0818) (0.0997,0.0238)
Langkah 3. Nilai positif dan negatif penyelesaian ideal adalah adalah diberi seperti
jadual jadual 3.
Jadual 3. Nilai positif dan negatif penyelesaian ideal bagi setiap parameter
e1 e2 e3
A {0.2175,0.0700} {0.3581,0.0450} {0.0997,0.0238}
A {0.0754,0.1726} {0.1486,0.0936} {0.0323,0.0740}
Langkah 4. Dengan memggunakan takrifan 1 , Jarak dari peyelesaian ideal positif

dan peyelesaian ideal negatif bagi setiap alternative berdasarkan jarak purata geometric
diberi seperti jadual 5.
Jadual 4. Jarak peyelesaian ideal positif dan peyelesaian ideal negative.

d dGM
GM
h1 0.2352 0.1051
h2 0.1492 0.2248
h3 0.1953 0.1661
h4 0.1158 0.2188
langkah 5.Nilai kedekatan relatif dengan memnggunakan 1,2,4,6,8,10 berdasarkan

jarak purata geometric diberikan seperti Jadual 5.
Jadual 5. Nilai pekali kedekatan berdasarkan kaedah jarak purata geometrik bagi FPDHFSSs.
1 2 4 6 8 10
h1 0.3192 0.3088 0.2775 0.2661 0.2612 0.2587 h2
0.6699 h3 0.5378 0.6012 0.6501 0.6637 0.6681
0.5358
h4 0.3239 0.4597 0.5222 0.53260.56570.5351
0.7638 0.6539 0.5913 0.5740 0.5680
Langkah 6. Maka, kedudukan susunatur ditentukan berdasarkan nilai pekali kedekatan,

Semakin besar nilai pekali kedekatan sesuatu alternatif semakin anggun kedudukan
alternative tersebut. Berdasarkan nilai 1 kedudukan susunatur bagi alternative adalah
seperti berikut, h4 h2 h1 h3 .
Kedekatan relatif untuk skor purata aritmetik, purata geometri, dan skor fraksional
diberikan seperti gambarajah 1, gambarajah 2 dan gambarajah 3.
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1 2 4 6 8 10
h1 h2 h3 h4
0.8
0.6
0.4
0.2
0
1 2 4 6 8 10
h1 h2 h3 h4
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1 2 4 6 8 10
h1 h2 h3 h4
Figure 1. The relative closeness according to the score of FPDHFSSs.
Gambarah 1 menunjukkan kedudukan alternatif boleh berubah berdasarkan nilai.

Daripada angka ini kita dapat melihat kedudukan alternatif boleh berubah mengikut nilai.
Perubahan
kedudukan rata-rata skor rata-rata dan nilai rata-rata geometri sementara untuk skor
pecahan kedudukan alternatif kekal sama.
4.5 KESIMPULAN
Kami mencadangkan set lembut kabur dwi ragu-ragu parameter kabur dengan
memberikan pemberat kepada setiap parameter dalam gabungan set lembut kabur dwi
ragu ragu dan set kabur permarameter . Di samping itu, kami juga membincangkan
operasi DAN, ATAU dan beberapa sifat lain yang berkaitan dengan fungsi dengan
memberikan contoh-contoh ilustrasi bersama dengan beberapa operasi asas FPDHFSS
yang seperti kesaksamaan, subset, pelengkap, persimpangan dan kesatuan. Kelebihan
menggunakan FPDHFSSs dinyatakan dalam mewakili maklumat dua dimensi untuk satu
objek secara serentak atau objek dengan ciri-ciri pencirian pelbagai dimensi dalam satu
model. Kemudian kami juga memperkenalkan tiga langkah jarak berdasarkan purata
aritmetik, purata geometri dan pecahan FPHDFSS dan digunakan ke dalam TOPSIS untuk
menyelesaikan masalah dalam persekitaran FPDHFSS.

Bab 1 - Pendahuluan

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bab 1 - Pendahuluan

Diunggah oleh

Hak Cipta:

Format Tersedia

SET KABUR RAGU-RAGU DAN LANJUTAN

04 November 2019 ZAHARI BIN MD RODZI

Baru-baru ini, untuk menangani kesukaran dalam mewujudkan tahap keahlian

Objektif- objektfif utama penyelidikan ini adalah seperti berikut.

Dalam Bab III membentangkan idea model hibrid baru, kaburberparameter

Dalam Bab III membentangkan idea model hibrid baru, kaburberparameter

Dalam Bab III membentangkan idea model hibrid baru, kaburberparameter

Dalam bab terkahir, kesimpulan mengenai kesemua penemuan dan keputusan-

2.2 SET KABUR

u AB (x) max(u A ,uB )

u AB (x) min(u A ,uB )

(i) Kesatuan Komutatif

(ii) Kesatuan Kesamaan

(iii) Persilangan Komutatif

(iv) Persilangan Kesamaan

(v) Pengedaran kesatuan berkenaan dengan persilangan

(vi) Pengedaran persilangan berkenaan dengan kesatuan

(vii) Idempotent pelengkap

(viii) Hukum De Morgan

2.3 SET LEMBUT DAN SET KABUR LEBUT

Kebanyakan alat matematik tradisional yang digunakan untuk pemodelan matematik,

A, F( ) dan G( ) mempunyai penghamiran yang sama.

(i) (F, A) adalah subset kepada (G, B)

(ii) (G, B) adalah subset kepada (F, A)

ditdanakan sebagai (Fˆ , A) , dan boleh didapati seperti berikut

Ini ditulis sebagai (F, A) (G, B) (H,C)

Ini ditulis sebagai (F, A) (G, B) (H,C) ,

Ini dilambangi (F, A) (G, B) (H,C)

(i) (F, A) adalah subset kepada (G, B)

Ini ditulis sebagai (F, A) (G, B) (H,C) ,

yang C A B dan untuk setiap C ,

Ini ditulis sebagai (F, A) (G, B) (H,C)

Ini dilambangi (F, A) (G, B) (H,C)

sebagai H (, ,) F() G( ) (, ,) A B ini dilambangi

(i) Terikat bawah: h (x) min h(x)

(ii) Terikat atas: h (x) max h(x)

kesimpulan umum untuk j) dan k) adalah seperti berikut

Takrif 2.4.3 (F. Wang et al. 2014) Andaikan H U( adalah

Ianya juga ditulis sebagai (F, A) (G, B)

dilambangi dengan (F, A) (G, B) jika dan hanya jika

(i) (F, A) adalah subset kepada (G, B)

F(e) 0 untuk semua e A.

F (e) 1 untuk setiap e A.

(F, A) (G, B) (O, A B) .

kabur ragu-ragu (J ,C) yang C A B dan untuk setiap C ,

Ini ditulis sebagai (F, A) (G, B) (J ,C) ,

kabur ragu-ragu (J ,C) yang C A B dan untuk setiap e C ,

J (e) F(e) G(e)

(i) d1 d 2 h h1 h2 h max h1 , h2 ,g g1 g 2 h min g1 , g 2 ,

(ii) d1 d 2 h h1 h2 h min h1 , h2 ,g g1 g 2 h max g1 , g 2

integer positif, maka operasi berikut adalah sahih.

Takrif 2.5.3 (Zhu et al. 2012)Andaikan d (h, g) adalah fungsi DHFE

(ii) Sekiranya s(d1 ) s(d 2 ) maka

a) Sekiranya p(d1 ) p(d 2 ) maka d1 adalah bersamaan dengan d 2 , ditdanakan

Takrif 2.5.4 (R. Wang 2017) Let d h, g , d1 h1 , g 2 dan d1 h1 , g 2 be any three

DHFEs with Wh W h1 W h 2dan W g W g1 W g maka

of h dan g d( s ) is the s th smallest value of

U yang F adalah suatu pemetaan yang diberikan oleh F, A DH F (U ) .

F (e) x, hF (e) (x), g F (e)(x) x U

kemungkinan darjah keahlian dan darjah bukan keahlian masing-masing objek

Untuk lebih mudah, F juga boleh ditulis

l max{l(g A (x))},l(g B (x))} , maka ( F, A)DAN ( G B,dilambangi

Untuk setiap 1 s k , 1 t l dan (, ) A B ,