Himpunan Samar dan Representasi Fungsi Keanggotaan

Pengantar

Ilustrasi 1.

Pernahkah kalian mengendarai motor dengan kecepatan 15 km/h. apakah angka tersebut
menunjukkan kecepatan yang tergolong cepat atau lambat. Bagaimana dengan sebuah mobil
yang melaju dengan kecepatan 50 km/h, apakah mobil ini melaju dengan cepat atau lambat.
Coba bandingkan dengan seekor ayam yang berjalan pada kecepatan 5 km/h, apakah bebek
tersebut berjalan dengan cepat atau lambat.

Ilustrasi 2.

Bagaimana dengan seseorang yang memiliki tinggi badan 170 cm, apakah dapat dinyatakan
bahwa dia tinggi?. Bagaimana kalau ada orang lain yang memiliki tinggi badan 140 cm, apakah
dia dapat dikatakan tinggi?, dan bagaimana dengan orang yang memiliki tinggi badan 171 cm,
apakah masih kita nyatakan bahwa dia tinggi?

Berdasarkan dua ilustrasi di atas, kita menemukan beberapa masalah yang memiliki
ketidakpastian atau samar, sehingga hal-hal yang mengandung ketidakpastian ini akan dipelajari
dalam himpunan kabur.

A. Batasan dari Teori Himpunan Klasik dan Teori Logika Klasik

Gambaran tentang teori himpunan klasik yang dijelaskan pada bab sebelumnya
menitikberatkan pada asumsi-asumsi pokok. Batasan dari teori himpunan klasik perlu
digambarkan dengan jelas, karenanya keanggotaan dari himpunan-himpunan tersebut ditentukan
dengan kepastian yang lengkap. Seseorang harus dapat dikelompokkan dengan jelas sebagai
anggota atau bukan anggota himpunan. Perbedaan yang mencolok juga dapat tercerminkan dari
logika klasik, di mana setiap prororsi diperlakukan benar secara definitif atau salah secara
definitif.
Himpunan klasik (tegas) merupakan himpunan yang menyatakan secara tegas
keanggotaan dari anggota himpunan. Himpunan tegas 𝐴 dengan anggota 𝑎1, … , 𝑎𝑛 dapat
didefinisikan dengan cara mendaftar anggota himpunan 𝐴 = {𝑎1, … , 𝑎𝑛} atau dengan cara
aturan 𝐴 = {𝑥 ∈ U| 𝑥 memenuhi beberapa kondisi atau kejadian}. Jika 𝑎 ∈ 𝐴, maka derajat
keanggotaan 𝑎 pada himpunan 𝐴 adalah 1. Namun, jika 𝑎 ∉ 𝐴, maka derajat keanggotaan 𝑎 pada
himpunan 𝐴 adalah 0. Adapun metode untuk mendefinisikan himpunan A yakni metode
keanggotaan, yaitu memperkenalkan fungsi keanggotaan nol-satu (juga disebut fungsi
karakteristik, fungsi diskriminasi, atau fungsi indikator) untuk A, dilambangkan dengan μ A (x),
sedemikian rupa sehingga

x∈ A
μA ( x )=¿ {10 jika
jika x ∉ A

Contoh 1:

Jika diketahui:

S = { 1 , 2 , 3 , 4 , 5 , 6, 7, 8, 9 } adalah semesta pembicaraan

A = { 1 , 2 , 3, 4, 5 }
B = { 6, 7, 8, 9 }
maka bisa dikatakan bahwa

 Nilai keanggotaan 5 pada himpunan A adalah μ A [ 5 ] = 1 , karena 5 ∈ A

 Nilai keanggotaan 3 pada himpunan A adalah μ A [ 3 ] = 1 , karena 3 ∈ A
 Nilai keanggotaan 6 pada himpunan A adalah μ A [ 6 ] = 0 , karena 6 ∉ A .
 Nilai keanggotaan 9 pada himpunan B adalah μ B [ 9 ] = 1 , karena 9 ∈ B .
 Nilai keanggotaan 2 pada himpunan B adalah μ B [ 2 ] = 0 , karena 2 ∉ B .
Contoh 2:
Misalkan variabel umur dibagi menjadi 3 kategori dalam tingkat pendidikan

SD7 ≤ umur ≤ 12tahun

{SMP 12< umur ≤15 tahun
SMA 15<umur ≤ 18tahun

Nilai keanggotaan himpunan SD, SMP, dan SMA ini dapat direpresentasikan sebagai berikut:

 Apabila seseorang berumur 8 tahun, maka dapat dikatakan ia berada pada jenjang SD,
ditulis μ SD[8]=1
  Apabila seseorang berumur 15 tahun, maka dapat dikatakan ia tidak berada pada jenjang
SD, ditulis μ SD[15]=0
 Apabila seseorang berumur 17 tahun, maka dapat dikatakan ia berada pada jenjang SMA,
ditulis μ SMA[17]=1

Contoh 3:

Jika kita definisikan orang tinggi adalah semua orang yang memiliki tinggi badan paling tidak
1,8 meter. Akibatnya, seseorang dengan tinggi 1,79 meter tidak dapat dikategorikan sebagai
orang tinggi. Bagaimanapun juga, dalam hal tinggi, intuisi kita akan tetap berkata bahwa tidak
ada perbedaan kentara antara orang dengan tinggi 1,79 meter dengan orang yang tingginya 1,8
meter. Jika suatu lowongan kerja membutuhkan seorang yang tinggi dan membatasi tinggi
dengan minimal 1,80 meter maka akan ada kemungkinan orang dengan tinggi 1,79 meter yang
ditolak dan merasa tidak adil karena dianggap tidak tinggi.

Bagaimanapun juga, kebanyakan himpunan dan proposisi tidak dijelaskan

karakteristiknya secara detail. Contohnya, himpunan orang-orang yang tinggi adalah himpunan
orang-orang yang memiliki tinggi yang tidak dibatasi dengan tegas. Pada kasus himpunan koin,
kita dapat menentukan anggota-anggota himpunan koin-koin yang resmi digunakan di U.S.,
semua jenis koinnya kapan saja diinginkan dengan pencacahan dan pengecekan. Meskipun
demikian, pengecekan dalam jumlah yang sedikit tidak memadai untuk menjawab pertanyaan
apakah orang dengan tinggi tertentu dapat masuk dalam himpunan orang-orang yang dikatakan
tinggi. Hal ini disebabkan adanya transisi yang kontinu tentang tinggi seseorang dari tidak tinggi
mengadi tinggi. Garis ukur yang dibuat untuk batasan tinggi tertentu yang digunakan untuk
mengkategorikan tinggi atau tidak tinggi sesungguhnya hanya alat buata yang tidak dapat
digunakan sebagai standar untuk memasukkan orang dalam himpunan orang-orang tinggi.
Akibatnya, perbedaan tinggi yang dianggap tidak adil pada contoh di atas dapat menjadi
suatu contoh yang menggambarkan betapa kaburnya makna tinggi dan tidak tinggi yang
dibentuk, karena kedua hal tersebut tidak dapat secara tepat ditentukan batasannya. Ada banyak
contoh terkait konsep- konsep serupa dengan ini yang tidak dapat secara utuh dijelaskan oleh
teori himpunan klasik. Termasuk di antaranya beberapa konsep seperti upah kerja yang tinggi,
kepadatan jumlah penduduk, waktu yang akurat, garis tepi pantai, pengalaman administrasi yang
mumpuni, dan sebagainya. Himpunan Fuzzy adalah suatu alat yang secara natural dibutuhkan
untuk membuat karakteristik untuk konsep-konsep yang serupa.

Dengan menganalisa beberapa sifat himpunan dan hubungan antar himpunan, kita dapat
mengetahui makna dari beberapa sifat dari himpunan tersebut yang secara dependen bergantung
kepada tajamnya batasan yang dibuat. Khususnya dalam dua hal yaitu teori himpunan klasik dan
teori logika klasik, tepatnya pada hukum kontradiksi dan hukum pengecualian bagian tengah.

Hukum kontradiksi mengatakan bahwa setiap proposisi pada saat yang sama akan
memberi penguatan kepada fakta sekaligus menolak fakta tersebut. Pada teori himpunan
dijelaskan bahwa, pada saat yang bersamaan seseorang tidak dapat menjadi anggota suatu
himpunan dan juga sekaligur menjadi komplemen dari himpunan tersebut. Hukum pengecualian
bagian tengah menjelaskan hal yang hampir serupa yaitu setiap proposisi harus benar atau salah,
tetapi tidak keduanya. Sama halnya dengan pada teori himpunan klasik, dikatakan bahwa suatu
individu dapat menjadi anggota suatu himpunan atau komplemen dari himpunan tersebut.

Bagaimanapun juga dalam kehidupan sehari-hari, ketentuan bahwa suatu pernyataan

bernilai benar atau salah biasanya tidak akan mengambang. Contohnya, pernyataan bahwa “si
John sehat”, tidak dapat dengan mudah dibenarkan dengan hanya mengatakan ya atau tidak.
Kecuali kita mengetahui bahwa John adalah seorang atlit atau seseorang yang sedang mengidap
penyakit serius tertentu, maka kirta hanya dapat mengatakan sepertinya benar karena kita tidak
punya kriteria untuk mengkategorikan sehat atau sakit. Contoh lain yang sama adalah suatu
himpunan “orang-orang yang sehat”, yang pada teori himpunan klasik dikategorikan secara
signifikan hanya dengan menggunakan asumsi-asumsi sederhana yang dibuat untuk
membedakan antara “orang sehat” dan “orang-orang yang tidak sehat”.

Tanpa penerapan pengelompokan secara arbitrary tersebut, jenis himpunan ini

dikesampingkan dalam teori himpunan klasik, hal seperti inilah yang telah membuat matematika
klasik dapat berfungsi penuh dalam disiplin ilmu yang berhubungan dengan ketidakjelasan dan
jenis ketidakpastian lainnya. Di bidang kecerdasan buatan yang tujuan utama dari bidang ini
adalah untuk membuat pengambilan keputusan yang dilakukan oleh manusia dapat juga
dilakukan oleh mesin, seperti komputer atau robot, tentu saja hal ini menjadi sulit diterapkan.
Karena masalahnya hampir semua aktivitas manusia melibatkan penalaran berdasarkan konsep
yang tidak jelas dan informasi yang tidak lengkap. Misalnya, berdasarkan pengalaman kami,
"tebing itu berbahaya". Manusia dapat dengan mudah mengidentifikasi tebing, tetapi bagaimana
kita dapat membuat robot yang memiliki kemampuan seperti manusia untuk mengidentifikasi
tebing? logika klasik dengan hanya menjawab ya atau tidak tentu sajamenjadi kendala dalam
menjawab permasalahan ini.

Jika kita membuat batasan yang tepat untuk himpunan- himpunan, maka kedua prinsip
yang secara klasik dianggap penting, yaitu hukum kontradiksi dan hukum pengecualian tengah ,
menjadi tidak akan selalu benar. Kita mungkin dapat menerima orang yang sama dianggap
“tinggi” pada batasan tertentu dan juga dianggap “tidak tinggi “ pada batasan tertentu yang
lainnya. Hal ini, seperti yang diharapkan, memiliki konsekuensi yang dalam terhadap metode
yang kita gunakan untuk menerapkan logika dan teori himpunan untuk menyelesaikan masalah
yang kompleks. memang, memainkan peran kunci dalam menjembatani kesenjangan antara
konsep-konsep tidak tepat yang kita gunakan untuk menjelaskan realitas dengan konsep
matematika klasik yang tepat.
Himpunan fuzzy pertama kali dikembangkan pada tahun 1965 oleh Lotfi Aliasker
Zadeh, seorang ahli matematika, ilmuan komputer, insinyur listrik, peneliti kecerdasan buatan,
dan Profesor Emeritus ilmu komputer di University of California, Berkeley, sebagai perluasan
dari pengertian himpunan tegas. Himpunan fuzzy adalah himpunan yang anggotanya memiliki
derajat keanggotaan bilangan real pada selang [0,1]
Defenisi himpunan fuzzy. Misalkan 𝑋 adalah koleksi dari objekobjek yang
dinotasikan dengan 𝑥, suatu himpunan fuzzy 𝐴̃ dalam 𝑋 adalah suatu himpunan pasangan
berurutan 𝐴̃ = {(𝑥, 𝜇𝐴̃(𝑥))|𝑥 ∈ 𝑋} dengan 𝜇𝐴̃(𝑥) adalah derajat keanggotaan 𝑥 di 𝐴̃ pada selang
[0,1].
Dengan demikian, himpunan fuzzy adalah himpunan pasangan berurutan dengan
elemen pertama adalah elemen himpunan sedangkan elemen kedua adalah derajat keanggotaan
dari elemen himpunan tersebut. Himpunan fuzzy juga dapat dinyatakan dalam bentuk fungsi
keanggotaan. Fungsi keanggotaan (membership function) adalah fungsi yang memasangkan
setiap anggota himpunan dengan tepat suatu derajat keanggotaan atau dapat disebut dengan
derajat keanggotaan berupa suatu bilangan pada selang antara 0 sampai dengan 1.
Contoh 4:
Suatu himpunan fuzzy TINGGI dapat disusun dengan fungsi keanggotaan TINGGI sebagai
berikut:
0 ; x<160

{
μ ( x )= x−160 ;160 ≤ x ≤ 170
10
1 ; x >170
Seseorang yang memiliki tinggi badan 168 cm merupakan anggota himpunan TINGGI dengan
𝜇𝑇𝐼𝑁𝐺(168) = 0.8 dapat pula diartikan secara verbal tinggi badannya mendekati tinggi.
Seseorang yang memiliki tinggi badan 162 cm merupakan anggota himpunan TINGGI dengan
𝜇𝑇𝐼𝑁𝐺(162) = 0.2 dapat pula diartikan secara verbal tinggi badannya kurang tinggi. Seseorang
yang memiliki tinggi badan 175 cm merupakan anggota himpunan TINGGI dengan 𝜇𝑇𝐼𝑁𝐺(165)
= 1 dan seseorang yang memiliki tinggi badan 155 cm bukan merupakan anggota himpunan
TINGGI dengan 𝜇𝑇𝐼𝑁𝐺𝐺𝐼(145) = 0.
Contoh 5:
Misalkan U adalah bilangan bulat dari 1 sampai 10, yaitu, U = {1,2, ..., 10). Kemudian himpunan
fuzzy "beberapa" dapat didefinisikan sebagai berikut:

beberapa = 0,5/3+ 0,8/4+ 1/5+ 16 + 0,8/7 + 0,5/8

Artinya, 5 dan 6 termasuk dalam himpunan fuzzy "beberapa" dengan derajat 1,4 dan 7 dengan
derajat 0,8, 3 dan 8 dengan derajat 0,5, dan 1,2,9 dan 10 dengan derajat 0. Tanda penjumlahan
tidak mewakili penjumlahan aritmatika, itu menunjukkan kumpulan semua poin x ∈ U dengan
fungsi keanggotaan terkait μA (x).
B. Konsep Dasar terkait Himpunan Fuzzy
 Defenisi Konsep pendukung (support), fuzzy singleton, pusat (center), titik silang
(crossover), tinggi (height), himpunan fuzzy normal, a-cut, himpunan fuzzy cembung, dan
proyeksi ditentukan sebagai berikut.
Pendukung (Support) dari suatu himpunan kabur A , dinotasikan supp (A) , adalah himpunan
tegas yang memuat semua unsur dari semesta yang memiliki derajat keanggotaan tak nol dalam
A atau dengan kata lain semua titik-titik di A dimana derajat keanggotaannya lebih dari 0. Dapat
ditulis sebagai berikut
Supp ( A )={x ∈U I μA ( x ) >0 }
Berdasarkan contoh soal 5, maka diperoleh bahwa Supp (A) = {3,4,5,6,7,8}. Jika
dukungan atau support pada suatu himpunan fuzzy itu kosong maka dinamakan himpunan fuzzy
kosong. Singleton fuzzy adalah himpunan fuzzy yang support-nya adalah satu titik di U.
Pusat (Center) dari himpunan kabur A , dinotasikan center ( A ) , adalah titik yang
merupakan purata atau rata-rata dari semua titik di dalam semesta dengan nilai keanggotaannya
pertama kali mencapai nilai maksimum (bila kurva menanjak) atau terakhir kali mencapai
maksimum (bila kurva menurun). Jika nilai purata itu berhingga, maka pusat himpunan kabur itu
adalah titik dengan nilai purata tersebut. Jika nilai purata itu tak hingga positif atau tak hingga
negatif, maka pusat himpunan kabur itu adalah titik dengan nilai terkecil atau terbesar di antara
semua titik yang mencapai nilai keanggotaan maksimum.

Titik a adalah pusat himpunan kabur

untuk nilai rata-rata berhingga
 Titik a adalah pusat himpunan kabur
untuk nilai rata-rata tak hingga positif

Titik a adalah pusat himpunan kabur

untuk nilai purata tak hingga negatif

Titik Silang (Crossover Point) dari suatu himpunan kabur A, dinotasikan crossover (A) , adalah
himpunan tegas yang memuat semua unsur dari semesta yang memiliki derajat keanggotaan
sama dengan 0,5 dalam A atau dapat ditulis
Crossover ( A )={x ∈U I μA ( x )=0,5 }
Berdasarkan contoh soal 5 maka diperoleh Crossover (A) = {3,8}
Tinggi (Height) dari suatu himpunan kabur A , dinotasikan height (A) , adalah batas
atas terkecil (supremum) dari himpunan semua derajat keanggotaan unsur-unsur semesta dalam
himpunan kabur A . Bila tingginya sama dengan 1 , maka A disebut himpunan kabur normal.
Bila tidak, maka A disebut himpunan kabur subnormal. α -cuts dari himpunan fuzzy A adalah
himpunan crisp Aα yang memuat semua elemen dari himpunan universal U yang mempunyai
derajat membership pada A lebih besar atau sama terhadap nilai α . Dideefinisikan:
Aα={ x ∈U I μA ( x ) ≥ α }
Misalkan seorang pengusaha real estate ingin mengklasifikasikan jenis rumah yang ia tawarkan
kepada pelanggannya. Salah satu indikasi kenyamanan dari rumah-rumah tersebut adalah
banyaknya kamar tidurnya. Misalkan U = {1, 2, 3, …, 10} menyatakan himpunan jenis-jenis
rumah yang dinyatakan oleh banyaknya kamar. Himpunan kabur “jenis rumah yang cocok untuk
keluarga dengan empat anggota keluarga” dapat dinyatakan sebagai: A = {(1, 0.2), (2, 0.5), (3,
0.8), (4, 1), (5, 0.7), (6, 0.3)}. Untuk α = 0.3, α −cuts dari himpunan kabur A 3 adalah A0,3 ={ 2,
3, 4, 5, 6}. Untuk α = 0.3, α –cuts untuk himpunan kabur adalah A0,3 = {x ∈ R | -0.7 ≤ x ≥ 0,7 }
Lemma 2.1 Suatu himpunan kabur disebut konveks jika dan hanya jika semua
potongan-α nya merupakan suatu himpunan konveks untuk sebarang α ∈ [0, 1].
Suatu himpunan kabur konveks mempunyai fungsi keanggotaan yang monoton naik
atau monoton turun atau monoton naik kemudian monoton turun. Secara eqivalen dapat
dikatakan bahawa jika untuk semua elemen x, y dan z dalam himpunan kabur A , relasi x < y < z
yang mengakibatkan μ A (y)≥min[ μ A (x), μ A (z)], maka himpunan kabur A merupakan himpunan
kabur konveks.

Teras (Core) dari suatu himpunan

kabur A , dinotasikan core (A) ,
adalah
Grafik himpunan suatu
a menunjukkan tegas grafik
yang
memuat
fungsi semua unsur
keanggotaan dari semesta
himpunan kabur
yang konveks dan grafik b
yang memiliki derajat
menunjukkan suatu grafik fungsi
keanggotaan
keanggotaan sama dengan
himpunan kabur1 yang
dalam
A. tidak konveks

C. Keanggotaan Fungsi dan Representasinya

Fungsi keanggotaan merupakan suatu fungsi yang memetakan setiap elemen himpunan
semesta U ke interval [0,1]. Fungsi keanggotaan tersebut sangat penting dalam mengkonstruksi
suatu himpunan kabur. Penentuan fungsi keanggotaan pada suatu himpunan kabur bersifat
subjektif, artinya penentuan fungsi keanggotaan untuk suatu konsep himpunan kabur dapat
berbeda pada setiap orang. Subjektifitas tersebut disebabkan oleh perbedaan individu dalam
mengekspresikan konsep-konsep abstrak. Meskipun bersifat subjektif, namun penentuan fungsi
keanggotaan tersebut tidak dapat ditentukan secara bebas. Penentuannya harus merefleksikan
konteks persoalan yang dipandang. Secara konseptual, terdapat dua pendekatan untuk
menentukan fungsi keanggotaan. Pertama, menggunakan pengetahuan atau pengalaman seorang
ahli untuk menspesifikasikan fungsi keanggotaan tersebut. Biasanya pendekatan ini hanya dapat
memberikan suatu rumusan yang kasar dari fungsi keanggotaan tersebut. Kedua, menggunakan
data yang dikumpulkan dari berbagai sumber. Pendekatan ini dilakukan dengan terlebih dahulu
menspesifikasikan struktur fungsi keanggotaan dan kemudian memberikan nilai-nilai pada
parameter fungsi keanggotaan tersebut berdasarkan data yang ada. Berikut ini diberikan beberapa
bentuk fungsi yang biasa digunakan sebagai struktur fungsi keanggotaan dalam menentukan
fungsi keanggotaan:

1. Representasi Linear
Pada representasi linear, pemetaan himpunan semesta U ke [0, 1] digambarkan sebagai suatu
garis lurus. Bentuk ini merupakan yang paling sederhana dan menjadi pilihan yang baik untuk
mendekati suatu konsep yang kurang jelas. Terdapat dua bentuk fungsi dari representasi linear.
Pertama, bentuk fungsi yang monoton naik yang dimulai dari domain dengan derajat
keanggotaan nol bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan
lebih tinggi, yang biasa disebut representasi linear naik.

Fungsi keanggotaanya adalah:

0; x ≤a

Contoh soal:
μ ( x )=
{
x−a
b−a
; a< x <b
1; x≥b

Himpunan fuzzy PANAS untuk temperatur ruangan dinyatakan dalam bentuk sebuah fungsi
keanggotaan linear naik (𝑥; 25, 35). Untuk ruangan dengan temperatur 32 derajat, memiliki
derajat keanggotaan yaitu 𝜇𝑃𝐴𝑁𝐴𝑆(32) = (32−25) /(35−25) = 0.7
 Kedua, bentuk fungsi monoton turun yang dimulai dari nilai domain dengan derajat
keanggotaan satu bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan
lebih rendah, yang biasa disebut representasi linear turun

Fungsi keanggotaanya adalah:

0 ; x ≥b

Contoh soal:
μ ( x )=
{
b−x
b−a
; a< x <b
1; x≤a

Himpunan fuzzy DINGIN untuk temperatur ruangan dinyatakan dalam bentuk sebuah fungsi
keanggotaan linear turun (𝑥; 16, 30). Untuk ruangan dengan temperatur 20 derajat, memiliki
derajat keanggotaan yaitu 𝜇𝐷𝐼𝑁𝐺𝐼𝑁(20) = (30−20)/(30−16) = 0.667.
2. Representasi Kurva Segitiga
Kurva segitiga merupakan gabungan antara garis linear naik dan garis linear turun.

Fungsi keanggotaanya adalah:

0 ; x ≤a , x ≥ c

Contoh soal:
{
x−a
μ ( x )= b−a ; a< x <b
c−x
c −b
; b≤ x <c

Himpunan fuzzy NORMAL untuk temperatur ruangan dinyatakan dalam bentuk sebuah
fungsi keanggotaan segitiga (𝑥; 15, 25, 35). Ruangan dengan temperatur 23 derajat,
memiliki derajat keanggotaan yaitu 𝜇𝑁𝑂𝑅𝑀𝐴𝐿(23) = (23−15)/(25−15) = 0.8.
3. Representasi Kurva Trapesium
Fungsi keanggotaan trapesium merupakan pengembangan fungsi keanggotaan segitiga
dengan beberapa titik yang memiliki derajat keanggotaan sama dengan 1. Fungsi keanggotaan
trapesium (𝑥; 𝑎, 𝑏, 𝑐, 𝑑) mempunyai empat buah parameter 𝑎, 𝑏, 𝑐, 𝑑 ∈ 𝑅 dengan𝑎 < 𝑏 < 𝑐 < 𝑑
 Fungsi keanggotaanya adalah:

0; x≤a,x ≥d

Contoh soal:
{ x−a
μ ( x )= b−a
; a< x <b
1 ; b ≤ x <c
c−x
c −b
; c≤ x≤d

Himpunan fuzzy NORMAL untuk temperatur ruangan dinyatakan dalam bentuk sebuah
fungsi keanggotaan trapesium (𝑥; 15, 24, 27, 35). Ruangan dengan temperatur 32 derajat,
memiliki derajat keanggotaan yaitu 𝜇𝑁𝑂𝑅𝑀𝐴𝐿(32) = (35−32)/(35−27) = 0.375.

4. Fungsi Keanggotaan Bahu

Fungsi keanggotaan bentuk bahu dapat berupa kombinasi dua fungsi keanggotaan segitiga dan
trapesium.
Fungsi keanggotaanya adalah:

c −x
;a≤x ≤ c

{
c−a
x−b
;b≤x ≤ c
c−b
μ ( x )= d−x
;c≤ x≤d
d−c
x −c
; c ≤ x ≤e
e−c
1 ; x <a dan x> e
Contoh soal:

Berikut diberikan himpunan fuzzy KECEPATAN 10 dinyatakan dalam bentuk sebuah

fungsi keanggotaan bahu. Kecepatan dengan tiga himpunan yaitu, PELAN= {𝑥|10 ≤ 𝑥 ≤ 50},
SEDANG= {𝑥|40 ≤ 𝑥 ≤ 70}, dan CEPAT= {𝑥|50 ≤ 𝑥 ≤ 100}. Fungsi keanggotaan untuk

50−40 40−40
kecepatan motor yaitu 𝜇𝑃𝐸𝐿𝐴𝑁(40) = =0,25 dan 𝜇𝑆𝐸𝐷𝐴𝑁𝐺(40) = =0
50−10 50−40

bagaimana yang telah disebutkan sebelumnya, salah satu motivasi prinsipil yang
digunakan untuk memperkenalkan himpunan-himpunan Fuzzy adalah untuk menunjukkan
konsep-konsep yang tidak sesuai. Karena sebuah anggota dari suatu himpunan dalam himpunan
Fuzzzy dapat berupa sesuatu yang tidak pasti, manurut kami keanggotaan ini dapat disesuaikan.
Selain itu, seorang yang masuk dalam himpunan “orang-orang tinggi” pada batasan tertentu,
dimana orang tersebut memenuhi syarat “tinggi” yang disepakati. Alternatifnya, kita dapat
mengatakan bahwa derajat keanggotaan dari seorang individu di dalam himpunan Fuzzy
menunjukkan derajat kesesuaian individu tersebut dengan konsep yang dinyatakan oleh
himpunan Fuzzy.

Setiap himpunan Fuzzy, misalnya himpunan A, didefinisikan dalam suatu batasan

himpunan semesta yang relevan dan X, dengan fungsi yang analog terhadap karakteristik fungsi
yang diperkenalkan pada bagian 3.4. Fungsi ini disebut fungsi keanggotaan, memetakan setiap
elemen x kepada X dengan sebuah bilangan, A(x), pada unit interval terdekat [0,1] mencirikan
derajat keanggotaan x pada himpunan A. Fungsi keanggotaan dapat dilihat sebagaimana bentuk
fungsi di bawah ini:

A: X → [0,1]

Seperti yang ditunjukkan oleh gambar 4.1, dalam mendefinisikan keanggotaan suatu fungsi,
himpunan semesta X selalu diasumsikan sebagai sebuah himpunan klasik.

Berikut ini contoh perbedaan crisp dan fuzzy jika diperhatikan dalam bentuk grafik.

Gambar (a) adalah himpunan manusia dari usia remaja (13-19 tahun) dan gambar (b) adalah
himpunan dari manusia yang berusia muda.
 Perhatikan bahwa berdasarkan lambang-lambang yang telah diperkenalkan, simbol yang
sama juga digunakan untuk himpunan Fuzzy dan keanggotaan fungsinya. Dikarenakan setiap
himpunan Fuzzy secara unik didefinisikan oleh satu anggota fungsi tertentu, tidak ada keraguan
terhadap hasil yang diperoleh dengan kedua penggunaan simbol tersebut.

Berbeda dengan simbol kualitatif, aturan untuk angka 1 dan 0 dalam karakteristik fungsi-
fungsi pada himpunan klasik, bilangan-bilangan yang dilibatkan dalam keanggotaan fungsi-
fungsi pada himpunan Fuzzy memiliki makna kuantitatif. Makna ini dapat diperluas sampai
kepada himpunan klasik juga, dengan ketentuan fungsi-fungsi tersebut dianggap sebagai
himpunan Fuzzy khusus dan karakteristik fungsi-fungsinya dianggap sebagai anggota khusus
dari fungsi-fungsi itu. Fungsi-fungsi Fuzzy khusus tersebut dari sisi ini bersesuaian dengan
himpunan klasik yang biasanya merujuk kepada himpunan crisp (himpunan yang paling banyak
digunakan dalam dalam hidup manusia).

Sebagai contoh, perhatikan dua keanggotaan fungsi pada gambar 4.2, yang dapat dilihat
dalam grafik. Keanggotaan fungsi tersebut mengelompokkan dua himpunan manusia
berdasarkan usia. Yang pertama adalah himpunan anak usia belasan tahun (teenager), yang
merupakan suatu himpunan crisp. Yang kedua adalah himpunan anak muda. Contoh lain, pada
level/jenjang pendidikan. Pada himpunan fuzzy dapat derajat keanggotaan dapat terbentuk atas
tiga kategori, yaitu pendidikan rendah, tinggi dan sangat tinggi.
Tabel anggota himpunan dari fungsi :

Nomo Jenjang Pendidikan Derajat keanggotaan dari himpunan A

r
0 Tidak berpendidikan Rendah = 1
Tinggi = 0
Sangat tinggi = 0
1 Sekolah Dasar Rendah = 0.8
Tinggi = 0
Sangat tinggi = 0
2 Sekolah Menengah Rendah = 0.5
Tinggi = 0.2
Sangat tinggi = 0
3 Diploma strata dua Rendah = 0
Tinggi = 0.6
Sangat tinggi = 0.1
4 Sarjana strata satu Rendah = 0
Tinggi = 0.8
Sangat tinggi = 0.5
5 Sarjana strata dua Rendah = 0
 Tinggi = 1
Sangat tinggi = 0.8
6 Doktoral Rendah = 0
Tinggi = 1
Sangat tinggi = 1

Berdasarkan kategori tinggi jenjang pendidikan sarjana strata satu 0.8 dan berderat 0.5
pada tingkat sangat tinggi. Bentuk umum keanggotaan himpunan sebagai berikut.

A(x)
A=∑
x

D. Contoh Lain dari Himpunan Fuzzy

Misalkan variabel umur dibagi menjadi 3 kategori

Muda : umur < 35 tahun

Paruhbaya: 35 ≤ umur ≤ 55 tahun

Tua: umur > 55 tahun

Himpunan Crisp >>>

Jika x = 34 tahun maka μmuda (x) = 1

Jikax = 35,5 tahun maka μmuda (x) = 0 artinya Tidak muda

Himpunan Fuzzy >>>

Jika x = 40 maka μmuda (x) = 0.25, μ paruhbaya (x) = 0.50, μtua (x) = 0
Jika x = 50 maka μmuda (x) = 0, μ paruhbaya (x) = 0.50, μtua (x) = 0.25