A
{
( x )= 1 ,∧x ∃ A
0 ,∧x ∄ A
Dengan kata lain, jika setiap titik pada garis yang menghubungkan dua titik s dan r di A jika
berada di A.
c. Jika domain A= “bilangan real mendekati 10” dapat direpresentasikan dalam bentuk
{
A= ( x , μ A (x) ) : μ A ( x )=( 1+ ( ( x−10 ) ) )}
2 −1
Dari grafik diatas dapat dibaca anggota dari himpunan A merupakan bilangan real yang
dekat dengan 10.
Contoh:
Pertimbangkan himpunan fuzzy 'dua atau lebih'. Dalam hal ini, himpunan universal X
adalah bilangan real positif.
X ={ a , b , c , d , e , f , … … }
Anggota untuk fungsi A=¿dua atau lebih di dalam semesta X adalah sebagai berikut :
μ A ( a )=1 , μ A ( b )=1 , μ A ( c )=0,5 , μ A ( d ) =0 … …
Biasanya, jika elemen diskrit seperti diatas, dimungkinkan untuk memiliki derajat atau
nilai keanggotaan sebagai:
a b c
A={ ( a , 1.0 ) , ( b ,1.0 ) , ( c , 0.5 ) } atau A= , ,
1.0 1.0 0.5
Dari grafik diatas dapat dibaca anggota bilangan real himpunan fuzzy yang dekat dengan
0. Dari grafik diatas juga menunjukkan keanggotaan ini. Kita juga dapat menulis
himpunan fuzzy dengan fungsi tersebut. Derajat keanggotaan 1 adalah 0.5, kemungkinan
2 adalah 0.2, dan 3 adalah 0.1
1.2. JENIS-JENIS HIMPUNAN FUZZY
1) Himpunan Fuzzy Bernilai Interval. Sebuah fungsi keanggotaan berdasarkan
pendekatan bahwa dengan tidak menetapkan setiap elemen himpunan universal ke satu
bilangan real, tetapi sebuah interval tertutup dari bilangan real antara batas bawah dan
batas atas yang teridentifikasi. Himpunan fuzzy yang didefinisikan oleh fungsi
keanggotaan jenis ini disebut himpunan fuzzy bernilai interval. Himpunan ini
didefinisikan sebagai berikut:
A : X →∈ ( [ 0,1 ] ) ,
Dimana P ∈( [ 0,1 ] ) menunjukkan keluarga dari semua interval tertutup dari bilangan real
di [0,1].
2) Himpunan Fuzzy Tipe-2. Kita dapat menggeneralisasi himpunan fuzzy bernilai interval
dengan mengalokasikan interval menjadi fuzzy. Setiap internal sekarang menjadi
himpunan fuzzy biasa yang didefinisikan dalam himpunan universal [0,1]. Nilai
keanggotaan yang ditetapkan untuk elemen himpunan universal dari himpunan fuzzy
tergeneralisasi ini adalah himpunan fuzzy biasa. Set ini adalah dikenal sebagai himpunan
fuzzy tipe-2. Fungsi keanggotaan dari jenis himpunan ini memiliki bentuk berikut:
A : X → P( [ 0,1 ] ) dimana P([0,1]) menunjukkan semua himpunan fuzzy biasa yang dapat
didefinisikan dalam himpunan universal [0,1].
Gambar 1.7
Nilai keanggotaan untuk "muda" dan "dewasa" juga merupakan himpunan fuzzy,
dan dengan demikian himpunan tersebut "dewasa" adalah himpunan fuzzy tipe-2.
Himpunan “muda” dan “dewasa” adalah himpunan fuzzy tipe-1. Dengan cara yang sama,
jika nilai fungsi keanggotaan "muda" dan "dewasa" adalah tipe-2, himpunan "dewasa"
adalah tipe-3.Type equation here .
Contoh:
Pertimbangkan himpunan semesta X yang didefinisikan pada domain umur
X ={5 , 15 , 25 ,35 , 45 , 55 , 65 ,75 , 85 }
Tabel 1.2
Umur Bayi Muda Dewasa Senior
5 0 0 0 0
15 0 0.2 0.1 0
25 0 1 0.9 0
35 0 0.8 0 0
45 0 0.4 0 0.1
55 0 0.1 0 0.2
65 0 0 0 0.6
75 0 0 0 1
85 0 0 0 1
Kita dapat mendefinisikan himpunan fuzzy seperti “bayi”, “muda”, “dewasa” dan
“senior” di X. kemungkinan setiap elemen x berada pada keempat himpunan fuzzy
tersebut pada Tabel 1.2.
Dukungan himpunan fuzzy “muda” yaitu Supp(muda) {15,25,35,45,55} dan itu
himpunan tegas. Tentu saja, dukungan "bayi" adalah himpunan kosong.
Nilai maksimum keanggotaan disebut "tinggi". Misalkan "tinggi" dari beberapa
himpunan fuzzy bernilai 1, maka himpunan fuzzy “dinormalisasi”. Himpunan “muda”,
“dewasa” dan “senior” adalah dinormalisasi seperti yang ditunjukkan pada gambar. 1.8.
Gambar 1.8
Mari kita pertimbangkan himpunan tegas "remaja". Himpunan tegas ini didefinisikan
dengan jelas memiliki elemen hanya 10-19 dalam himpunan semesta X. Seperti yang
akan Anda perhatikan, himpunan ini adalah himpunan terbatas dibandingkan dengan X.
Demikian pula himpunan fuzzy “muda” juga merupakan himpunan terbatas. Saat kami
menerapkan "pembatasan fuzzy" untuk himpunan semesta X dengan cara tertentu, kita
mendapatkan himpunan fuzzy.
didefinisikan sebagai
a+
A={ x ∈ X : μ A ( x )> α } ,
Gambar 1.9
Contoh:
Himpunan potong-α diturunkan dari himpunan fuzzy “muda” dengan memberikan 0.2 to
α . Ini berarti “usia yang bisa kita katakan muda dengan kemungkinan tidak kurang dari
0,2”.
Jika α =0.4 ,maka young 0.4={25,35,45}
Jikaα =0.8 , maka young 0.8={25,35 }
AA Involution
A= {12 + 0.53 + 0.44 + 0.25 + 0.66 }, B={ 0.52 + 0.83 + 0.44 + 0.75 + 0.36 }
Complement:
Union
De Morgan’s Laws
Contoh:
Bandingkan dua sensor berdasarkan tingkat deteksi dan pengaturan penguatannya. Tabel
1.3 berikut tentang pengaturan penguatan dan tingkat deteksi sensor dengan standar
Item yang dipantau memberikan nilai keanggotaan khas untuk mewakili tingkat deteksi
untuk masing-masing sensor.
Table 1.3
0 0 0
20 0.5 0.35
40 0.65 0.5
60 0.85 0.75
80 1 0.90
100 1 1
Temukan fungsi keanggotaan Untuk dua sensor: Temukan fungsi keanggotaan berikut
menggunakan operasi set standar
Solusinya, didapatkan serupa dengan contoh sebelumnya
μ A ∪ B ( x ) =U [μ A ( x ) , μB ( x ) ]
Fungsi gabungan tersebut harus mengikuti aturan berikut:
(U 1) U ( 0 , 0 )=0 ,U ( 0 , 1 )=1 ,U ( 1 , 0 )=1 , U ( 1, 1 )=1 (Kondisi Batas)
(U 2) U ( a , b ) =U (b , a) (Komutatif)
(U 3) Jika a ≤ a dan b ≤ b , U ( a , b ) ≤U ( a , b ) . Fungsi U adalah fungsi monotonik
(U 4) U ( U ( a , b ) , c )=U ( a , U ( b , c ) ) (Asosiatif)
(U 5) Fungsi U bersifat kontiniu
(U 6) U ( a , a ) =a (Idempoten)
μ A ∩ B ( x )=I [ μ A ( x ) , μ B ( x ) ]
Fungsi gabungan tersebut harus mengikuti aturan berikut:
(U 1) I ( 0 , 0 )=0 , I ( 0 , 1 )=1 , I ( 1, 0 ) =1 , I ( 1 , 1 )=1 (Kondisi Batas)
(U 2 ) I ( a ,b )=I (b , a) (Komutatif)
(U 3 ) Jika a ≤ a dan b ≤ b , I ( a ,b ) ≤ I ( a ,b ). Fungsi I adalah fungsi monotonik
(U 4) I ( I ( a , b ) , c )=I ( a , I ( b , c ) ) (Asosiatif)
(U 5 ) Fungsi I bersifat kontiniu
(U 6 ) I ( a , a )=a (Idempoten)
1.3.5 Beberapa Operasi Lainnya
Dengan menggunakan gabungan fuzzy dan persimpangan fuzzy, definisi jumlah disjungtif
dalam himpunan fuzzy didefinisikan seperti dalam set renyah seperti yang diberikan di
bawah ini:
Jumlah terpisah
Ide kunci dari "OR eksklusif" adalah penghapusan area umum dari gabungan A dan B.
Dengan ide ini, kita dapat mendefinisikan operator untuk jumlah eksklusif ATAU disjoint
sebagai berikut:
μ A ∆ B ( x )=μ A ( x )−μ B ( x )
Contoh 1.3.5: Di sini kita membahas prosedur memperoleh jumlah disjungtif dan jumlah
disjoin dari A dan B diberikan Gambar 1.19 (a) dan 1.19 (b), masing-masing.
A=¿
A=¿
A ∩ B՟=¿
A ∆ B=¿
Gambar 1.19. contoh penjumlahan disjungtif sederhana.
A−B= A ∩ B՟
Dengan menggunakan operasi komplemen dan operasi simpang standar, operasi selisih
Beda terikat
Contoh 1.3.6: Jika kita mempertimbangkan kembali contoh pratinjau, A−B∧ AθB pada
gambar
Dengan definisi ini, perbedaan terbatas dari dua himpunan fuzzy sebelumnya adalah sebagai
berikut:
AθB={( x 1 , 0 ) , ( x2 , 0.4 ) , ( x 3 ,0 ) , ( x 4 , 0 )
Ada dua jenis operator dalam himpunan fuzzy: t-norm dan t-conorm. Ini sering disebut sebagai
ditentukan dalam umum dengan operasi biner pada interval satuan. Dengan kata lain fungsi
T : [ 0,1 ] × [ 0,1 ] →[0,1] yang memenuhi aksioma berikut: untuk semua x , y , x , y , z ∈ [ 0,1 ] :
Sekarang kita dapat dengan mudah mengenali bahwa operator berikut memiliki kondisi untuk t-
norma.
ditentukan secara umum oleh operasi biner pada interval satuan. Dengan kata lain adalah fungsi