1.1. Type equation here .

KONSEP DASAR DAN DEFINISI

Pada abad ke 20, ahli matematika mendefenisikan konsep himpunan untuk
merepresentasikan masalah. Ketidakpastian dapat timbul karena sebagian informasi tidak dapat
diandalkan atau karena ketidaktepatan bahasa yang digunakan dalam mendefiniskan masalah
atau karena penerimaan informasi lebih dari satu sumber. Teori himpunan fuzzy adalah suatu alat
untuk menangani ketidakpastian yang timbul karena ketidakjelasan. Pada tahun 1965, Lotfi A.
Zadeh mengemukakan teori dari himpunan fuzzy.
Himpunan A dapat secara ekuivalen dengan karateristik fungsi i.e. A memetakan A dari semesta
pembicaraan (i.e adalah wilayah pertimbangan berupa himpunan yang besar) berisi A pada
himpunan {0,1} ; ekuivalen x ∈ A jika A ( x )=1.
Dalam himpunan fuzzy masalah adalah termasuk dalam relasi A ( x ). Antara x dan A tidak lagi 0
atau 1 melainkan i.e.

1.1.1. HIMPUNAN TEGAS (CRISP SET)

Dalam himpunan huruf capital seperti A, B, C, D… digunakan untuk menotasikan
himpunan dan huruf kecil seperti a, b, c, d.. digunakan untuk menotasikan objek atau elemen yag
termasuk dalam himpunan. Terdapat 3 konsep dasar dalam merepresentasikan himpunan
 Metode list : A={ a1 , a2 , a3 … , an }
 Metode aturan : A={ x∨P ( x ) } dimana P ( x ) berarti x adalah elemen dari P
 Fungsi karateristik : A ( x ) mendekralasikan bahwasanya x adalah elemen dari himpunan
dan mungkin tidak dan dapat direpresentasikan sebagai

A
{
( x )= 1 ,∧x ∃ A
0 ,∧x ∄ A

1.1.2. OPERASI PADA HIMPUNAN TEGAS

Gabungan – Jika A dan B adalah dua himpunan yang tidak kosong maka A ∪B
didefenisikan sebagai A ∪ B={x ∈ X ∨x ∈ A∨x ∈ B }. Untuk Himpunan Keluarga { A i∨i∈ N } ,
ini didefenisikan sebagai ∪ Ai={x∨x ∈ A i untuk beberapa i∈ N }.
 Irisan – Jika A dan B adalah dua himpunan yang tidak kosong maka A ∩ B didefenisikan
sebagai A ∩ B={ x ∈ X∨x ∈ A dan x ∈ B }. Untuk Himpunan Keluarga { Ai∨i∈ N } , ini
didefenisikan sebagai ∩ Ai={x∨x ∈ Ai untuk semua i ∈ N }.

Komplemen dari A – Ini dinotasikan atau dilambangkan dengan Ac dan didefenisikan

sebagai Ac ={x ∈ X∨x ∉ A }.
(i) ¿
(ii) (ii) ❑c =X
(iii) (iii) X c =¿

1.1.3. 1.1.3 SIFAT OPERASI PADA HIMPUNAN TEGAS

Sifat dasar penyatuan, perpotongan dan komplemen di ringkas dalam tabel-1.1, jika
A , B , C ∈ P ( X ).

Tabel-1.1 Sifat Operasi pada Himpunan Tegas

1. Kerumitan (AC)C = A
2. Sifat komutatif A∪B = B∪A; A ∩ B = B ∩A
3. Asosiatif, properti (A ∪ B) ∪C = A ∪(B ∪ C)
(A∩ B) ∪ C = A ∩(B∩C)
4. Distributif, properti A ∪(B ∩ C) = (A ∪ B) ∩ (A ∪C)
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)

5. Idempoten, properti A∪A = A, A∩A = A

6. Penyerapan, properti A∪(A∩B) = A, A∩(A∪B) = A
7. Penyerapan oleh X dan ϕ A∪X = X, A∩ ϕ = ϕ
8. Identitas A∪ ϕ = A, A∩X = A
9. Hukum kontradiksi A∩AC = ϕ
10. Hukum dikecualikan A∪AC = X
11. Hukum De-Morgan (A∩B)C = AC∪BC, (A∪B)C = AC∩BC

1.1.4. HIMPUNAN CEMBUNG

Istilah cembung dapat diterapkan pada himpunan A dalam R n ( n-ruang vector inclidian
berdimensi).

1) Dua point sewenang-wenang s dan r didefenisikan r ={r i :i∈ N n } s={s i :i ∈ N n }. (N

adalah himpunan bilangan bulat positif)
2) Untuk bilangan real sewenang-wenang antara 0 dan 1 titik t terlibat dalam A, dimana
t ={ λ r i+ ( 1−λ ) si :i ∈ N n } .

Dengan kata lain, jika setiap titik pada garis yang menghubungkan dua titik s dan r di A jika
berada di A.

1.1.5. HIMPUNAN SEBAGAI NILAI DALAM HYPERCUBE

Menurut Kosko pada 1992 ada sesuatu yang menarik tentang analog geometri untuk
mengilustrasikan ide dari anggota himpunan. Karenanya kita dapat mendeskripsikan Himpunan
Samar A didefenisikan sebagai semesta X. Untuk semesta yang hanya satu elemen, fungsi
keanggotaan didefenisikan pada satuan interval [0,1]; untuk dua elemen semesta, fungsi
keanggotaannya didefenisikan pada satuan persegi dan untuk tiga elemen semesta, fungsi
keanggotannya didefenisikan pada satuan kubus. Semua Pernyataan itu tertuang dalam gambar
berikut. Untuk semesta dari elemen n kita dapat mendefenisikan keanggotaan nya pada satuan
kubus, I n=¿
Titik akhir pada satuan interval gambar (a) dan sisi dari satuan persegi dan satuan kubus pada
gambar (b) dan (c), masing-masing mewakili kemungkinan subset tegas atau kumpulan dari
elemen semesta di setiap gambar. Kumpulan dari kemungkinan tegas (non-fuzzy) subset dari
elemen dalam semesta merupakan himpunan kuasa dari semesta. Untuk contoh, pada gambar (c)
Semesta nya terdiri dari tiga elemen, yaitu X ={X 1 , X 2 , X 3 }. Nilai nya (0,0,1) mewakili subset
tegas dalam 3 bagian, dimana X 1 dan X 2 tidak memiliki anggota dan X 3 memiliki keanggotaan
penuh, yakni subset { X 2 }; nilainya (1,1,0) adalah subset tegas dimana X 1 dan X 2 mempunyai
anggota penuh dan elemen X 3 tidak memiliki anggota yakni subset subset { X 1 , X 2 }; dan begitu
seterusnya untuk enam sisi lainnya pada gambar (c). Secara umum, ada 2n subset pada himpunan
kuasa dengan elemen n; Secara geometris, semesta diwakili oleh hypercube di ruang-n, dimana
2n sisi diwakili kumpulan dari himpunan yang merupakan himpunan kuasa. Dua poin dalam
diagram memiliki catatan khusus, seperti diilustrasikan pada gambar (c). Dalam hal ini nilai
(1,1,1), dimana semua elemen semesta memiliki anggota penuh, disebut dengan seluruh
himpunan, X, dan nilai dengan (0,0,0), dimana semua elemen semesta tidak memiliki anggota,
disebut dengan himpunan kosong  .
1.1.6. REPRESENTASI HIMPUNAN FUZZY
Himpunan fuzzy dapat direpesentasikan dalam bentuk berikut
a. Himpunan Fuzzy A pada X dapat direpresentasikan dalam bentuk A={( x , μ A ( x )) : x ∈ X }

b. Jika domain berhingga dapat direpresentasika dalam bentuk A=∑ μ A ( x i ) / x i. Sebagai

contoh jika A ( a ) =0 , A ( b )=0.7 , A ( c )=0.4 , A (d )=1. Maka himpunan fuzzy A dapat
ditulis dengan A={ ( a , 0 ) , ( b , 0.7 ) , ( c , 0.4 ) , ( d , 1 ) }

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

Definisi dari himpunan fuzzy { A merupakan bilanganreal yang dekat dengan 0 }.

Batas untuk himpunan “bilangan real yang dekat dengan 0” cukup ambigu. Kemungkinan
bilangan real x untuk menjadi anggota himpunan yang ditentukan dapat ditentukan oleh
fungsi keanggotaan sebagai berikut:
1
μ A (x)= 2
1+ x

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].

Himpunan P( [ 0,1 ] ) disebut juga dengan himpunan kuasa fuzzy [0,1].

3) Himpunan L-Fuzzy. Ketika kami meringankan persyaratan bahwa nilai keanggotaan

harus diwakili oleh angka dalam interval satuan [0, 1] dan biarkan mereka diwakili oleh
simbol dari himpunan arbitrer L yaitu, paling tidak terurut sebagian, kita memperoleh
himpunan L-fuzzy. Fungsi keanggotaan himpunan L-fuzzy memiliki bentuk sebagai
berikut:

A :→C (X )→([ 0,1 ] ) dimana C (X ) menunjukkan himpunan kuasa fuzzy dari X

(Himpunan semua himpunan biasa).
 Contoh:
Pertimbangkan himpunan A = “dewasa”. Fungsi keanggotaan dari himpunan ini
memetakan keseluruhan usia untuk "muda", "dewasa" dan "senior" (Gambar. 1.7).
Misalnya, untuk setiap orang x, y dan z,
μ A ( x )=youth , { μ } rsub { A } left ( y right ) = dewasa ,μ A ( z )=ϕ

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 .

1.2.1. DUKUNGAN DARI HIMPUNAN FUZZY

Misalkan A adalah himpunan fuzzy yang terdefinisi pada X, maka dukungan himpunan
fuzzy A adalah himpunan tegas. Dilambangkan dengan
Supp ( A )={x ∈ X : μ A ( x ) >0 }.

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.

1.2.2. Himpunan Potong-α

Misalkan A adalah himpunan fuzzy yang terdefinisi pada semesta pembicaraan dan
α ∈[0,1] jadilah bilangan apa saja, maka α himpunan potong dari A adalah himpunan
tegas. Dilambangkan dengan aA dan didefinisikan sebagai
a
A={ x ∈ X : μ A ( x ) ≥ α } ,
Dimana himpunan potong-α dari himpunan fuzzy A dinotasikan sebagai A dan
a+

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 }

1.2.3. HIMPUNAN TINGKAT

Nilai α yang secara eksplisit menunjukkan nilai fungsi keanggotaan, berada pada kisaran
[0, 1]. "Set level" diperoleh dengan α ' s. Itu adalah,
Λ A = {a : μ A ( x ) =α , α ≥ 0 , x ∈ X } .
Himpunan tingkat dari himpunan fuzzy “muda” di atas adalah
Λ A ={0,0.1,0.2,0 .4,0 .8,0 .10} .

1.2.4. HIMPUNAN FUZZY CEMBUNG

Asumsikan himpunan universal X terdefinisi dalam ruang Vektor Euclidean Rn . Jika
semua himpunan potong-α adalah cembung, himpunan fuzzy dari himpunan potong-α
adalah cembung (Gambar. 1.10(b)). Di lain kata, jika suatu relasi
μ A ( t ) ≥ Min [ μ A ( r ) , μ A ( s ) ] ,

Dimana t =λr + ( 1− λ ) s ; r , s ∈ Rn , λ ∈[0,1] berlaku, himpunan fuzzy adalah cembung.

Gambar 1.10(b) menunjukkan himpunan fuzzy cembung dan Gambar 1.10(c)
menggambarkan himpunan non-cembung.

(a) Himpunan Fuzzy Cembung

 (b) Himpunan Fuzzy Cembung μ A (t)≥ μ A (r )

(c) Himpunan Fuzzy non-cembung μ A ( t ) < μ A (r )

Gambar 1.10

1.2.5. BESARAN HIMPUNAN FUZZY

Ada tiga cara untuk mengukur kardinalitas himpunan fuzzy.
1) Menurunkan besarnya dengan menjumlahkan derajat keanggotaan. Ini adalah
"kardinalitas skalar".
| A|= ∑ μ A (x ).
x∈ X

Mengikuti metode ini, besarnya himpunan fuzzy “senior” adalah,

¿ senior∨¿ 0.1+ 0.2+0.6+1+1=2.9
2) Bandingkan besarnya himpunan fuzzy A dengan himpunan semesta X dapat menjadi ide.
| A|
∥ A ∥= .
| X|
Ini disebut "kardinalitas relatif". Dalam kasus "senior",
¿ senior∨¿ 2.9∨X ∨¿ 9 dan ∥ senior ∥=2.9/9=0.32

3) Mengungkapkan kardinalitas himpunan fuzzy. Biarkan aA menjadi potong-α dari A.

Banyaknya elemen adalah |aA|. Dengan kata lain, kemungkinan untuk jumlah elemen di
A menjadi |aA| adalah α . Maka derajat keanggotaan dari fuzzy kardinalitas |A|
didefinisikan sebagai μ|A|¿, dimana Λ A adalah himpunan tingkat.
1.3.1. Properties of Fuzzy Sets
Sifat-sifat set klasik juga cocok untuk sifat-sifat set fuzzy. Properti penting dari set fuzzy
adalah sebagai berikut:
 A ∪B  B  A dan A B  B  A
Commutativity
 A  (B  C)  ( A  B)  C dan A  (B  C)  ( A  B)  C Associativity
 A  (B  C)  ( A  B)  ( A  C) dan A  (B  C)  ( A  B)  ( A  C)
Distributivity
 A  A  A dan A  A  A. Idempotency
 A   A dan A  X  A,A    dan A X  X Identity

 Jika A ⊂B ⊂C maka A ⊂C Transitivity

 AA Involution

Ini adalah properti penting dari set fuzzy.

Contoh:
Pertimbangkan dua set kabur A dan B. temukan Complement, Union, Intersection,
Difference, dan hukum De Morgan.

A= {12 + 0.53 + 0.44 + 0.25 + 0.66 }, B={ 0.52 + 0.83 + 0.44 + 0.75 + 0.36 }
Complement:

A= {02 + 0.53 + 0.44 + 0.85 + 0.46 } dan B={

0.5 0.2 0.6 0.3 0.7
2
+
3
+
4
+
5
+
6
}

Union

A= {12 + 0.83 + 0.64 + 0.75 + 0.66 }

Membandingkan nilai keanggotaan dan penulisan maksimum dari dua nilai menentukan
Penyatuan himpunan fuzzy.
 Intersection

A ∩ B= { 0.52 + 0.53 + 0.43 + 0.25 + 0.36 }

Membandingkan nilai keanggotaan dan penulisan minimum dari dua nilai menentukan
persimpangan dari himpunan fuzzy.
Difference

A ∪ B= A ∩ B={ 02 + 0.23 + 0.44 + 0.35 + 0.46 }

A ∩ B= A ∪ B={ +
6 }
0.5 0.5 0.6 0.8 0.7
+ + +
2 3 4 5

De Morgan’s Laws

A ∪ B= A ∩ B={ 02 + 0.23 + 0.44 + 0.35 + 0.46 }

A ∩ B= A ∪ B={ +
6 }
0.5 0.5 0.6 0.8 0.7
+ + +
2 3 4 5

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

Gain setting Sensor 1 detection levels Sensor 2 detection levels

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

1.3.2. FUZZY COMPLEMENT

Fungsi komplemen C dirancang untuk memetakan fungsi keanggotaan A (x) dari fuzzy mengatur
A ke [0,1] dan nilai yang dipetakan ditulis sebagai C( A (x) ). Untuk menjadi fungsi pelengkap
fuzzy, dua aksioma berikut harus dipenuhi:
(C1 ) C(0)  1, C(1)  0 (kondisi batas).

(C2 ) If a, b [0, 1] and a  b , then C(a)  C(b) ( m o n o t o n i k t i d a k m e n i n g k a t ) ,

d i m a n a a d a n b adalah singkatan dari nilai keanggotaan anggota x dalam A. Misalnya if A

(x)  a ,
A ( y)  b; x, y  X , kemudian A (x)  A ( y), C(A (x))  C(A ( y)).
(C1 ) Dan (C2 ) adalah syarat mendasar untuk menjadi fungsi pelengkap. Kedua aksioma ini
disebut "kerangka aksiomatik". Untuk tujuan tertentu, kita dapat memasukkan persyaratan
tambahan berikut:
(C3 ) C is a continuous function.

(C4 ) C a d a l a h i n v o l u t i f . i.e., C(C(a))  a untuk semua a [0, 1].

1.3.3. FUNGSI GABUNGAN FUZZY

Bentuk umum dari gabungan A dan B dispesifikasikan oleh fungsi berbentuk:
 U : [ 0 ,1 ] × [ 0 , 1 ] →[0 , 1]

Fungsi gabungan dari memperhitungkan derajat keanggotaan dari gabungan A ∪ B dari

semua A dan B

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)

1.3.4. FUNGSI IRISAN FUZZY

Bentuk umum dari irisan A dan B dispesifikasikan oleh fungsi berbentuk:
I : [ 0 , 1 ] × [ 0 ,1 ] →[0 , 1]

Fungsi gabungan dari memperhitungkan derajat keanggotaan dari gabungan A ∩ B dari

semua A dan B

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

 Jumlah disjungtif sederhana

Dengan menggunakan gabungan fuzzy dan persimpangan fuzzy, definisi jumlah disjungtif

dalam himpunan fuzzy didefinisikan seperti dalam set renyah seperti yang diberikan di

bawah ini:

A B=( A ∩ B ՟ ) ∪ ( A՟ ∩B )(set renyah)

Dan A B=max {min ⁡[ μ A ( x ) ,1−μ B ¿ ( x)], min ⁡[1−μ A ( x ) , μ A ( x )] }¿

 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=( A ∩ B՟ ) ∪ ( A՟∩ B )=¿

A ∆ B=¿
 Gambar 1.19. contoh penjumlahan disjungtif sederhana.

Gambar 1.19. contoh penjumlahan disjoint

 Perbedaan sederhana dalam himpunan fuzzy

Perbedaan dalam set tajam didefinisikan sebagai berikut:

A−B= A ∩ B՟
 Dengan menggunakan operasi komplemen dan operasi simpang standar, operasi selisih

dalam himpunan fuzzy akan menjadi sederhana.

 Beda terikat

Untuk operator pemula, kita mendefinisikan fungsi keanggotaan sebagai

μ AθB ( x )=max ⁡[0 μ A ( x )−μ B ( x ) ]

Contoh 1.3.6: Jika kita mempertimbangkan kembali contoh pratinjau, A−B∧ AθB pada

gambar

Gambar perbedaan sederhana A−B

A={( x 1 ,0.2 ) , ( x 2 ,0.7 ) , ( x 3 , 1 ) , ( x 4 , 0 ) , B={ ( x 1 , 0.5 ) , ( x 2 , 0.3 ) , ( x 3 ,1 ) , ( x 4 , 0.1 )

 Gambar perbedaan terbatas AθB perbedaan sederhana

AθB={( x 1 , 0.2 ) , ( x 2 , 0.7 ) , ( x3 , 0 ) , ( x 4 , 0 )

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 )

1.3.6 t-norma dan t-kesesuaian

Ada dua jenis operator dalam himpunan fuzzy: t-norm dan t-conorm. Ini sering disebut sebagai

segitiga norma dan segitiga-kesesuaian masing-masing.

Definisi (t-norma(t-kesesuaian)): Persimpangan fuzzy/t-norma dari dua himpunan fuzzy A dan B

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 ] :

( T 1 ) T ( x , 0 ) =0 ,T ( x , 1 )=x (kondisi batas).

( T 2 ) T ( x , y )=T ( y , x )=x (komutatif).
( T 3 ) jika x ≤ x , y ≤ y ⇒ T ( x , y ) ≤ T ( y , x ) (monotonisitas).
( T 4 ) T (T ( x , y ) , z)=T ( x ,T ( y , z ) ) (asosiasi).

Sekarang kita dapat dengan mudah mengenali bahwa operator berikut memiliki kondisi untuk t-

norma.

a) Operator persimpangan (∩)

b) Operator produk aljabar ()

c) Operator produk terikat (∘)

d) Operator produk drastis ∩

Definisi (t-conorm (s-norm)): Fuuzy union/t-conorm/s-norm dari dua himpunan fuzzy A dan B

ditentukan secara umum oleh operasi biner pada interval satuan. Dengan kata lain adalah fungsi

S : [ 0,1 ] ×[0,1]→ [0,1] memenuhi aksioma berikut: untuk semua x , y , x , y , z ∈[0,1]:1

( T 1 ) S ( x , 0 )=x , S ( x ,1 )=x (kondisi batas)

( T 2 ) S ( x , y )=S ( y , x ) (komutatif).
( T 3 ) jika x ≤ x , y ≤ y ⇒ S ( x , y ) ≤ S ( y , x ) (monotonisitas).
( T 4 ) S( S ( x , y ) , z)=S (x , S ( y , z ) ) (asosiasi).

Ada contoh operator t-conorm/s-norm.

a) Operator serikat pekerja ( ∪)

b) Operator penjumlahan aljabar ()

c) Operator penjumlahan terbatas ()

d) Operator penjumlahan drastis ∪

e) Operator penjumlahan disjoint (∆ )