Fungsi Fuzzy

MAKALAH

Disusun untuk memenuhi Tugas Mata Kuliah Logika Fuzzy

yang dibina leh Bapak Desi Rahmadani, M.Si

Oleh:

Dina Choirotul R. (160312604807)

Melinda Ersi (160312604914)
Tasya Riski Puspita (160312604843)

UNIVERSITAS NEGERI MALANG

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

JURUSAN MATEMATIKA

November 2019
6.1 Jenis Fungsi Fuzzy
Fungsi fuzzy dapat diklasifikasikan ke dalam tiga kelompok berikut menurut aspek mana dari
fungsi tegas konsep fuzzy diterapkan.
(1) Fungsi tegas dengan pembatas fuzzy.
(2) Fungsi tegas yang menyebarkan fuzzy variabel bebas ke variabel terikat.
(3) Fungsi fuzzy. Fungsi fuzzy ini mengaburkan gambar dari variabel bebas yang tegas.

6.1.1 Fungsi dengan pembatas fuzzy

Definisi (Fungsi dengan pembatas fuzzy) Misal 𝑋 dan 𝑌 himpunan tegas, dan 𝑓 fungsi
tegas. 𝐴 dan 𝐵 adalah himpunan fuzzy di definisikan pada himpunan semesta masing-masing
𝑋 dan 𝑌. Kemudian fungsi memenuhi kondisi 𝜇𝐴 (𝑥) ≤ 𝜇𝐵 (𝑓(𝑥)) disebut fungsi dengan
pembatas pada domain fuzzy 𝐴 dan range fuzzy 𝐵.
𝑓: 𝑋 → 𝑌
Contoh 6.1 Ada sebuah fungsi 𝑦 = 𝑓(𝑥)
Asumsikan bahwa fungsi 𝑓 mempunyai pembatas fuzzy seperti ini
“Jika 𝑥 adalah anggota dari 𝐴, maka 𝑦 adalah anggota 𝐵”
“Derajat keanggotaan 𝜇𝐴 (𝑥) dari 𝑥 terhadap 𝐴 kurang dari 𝜇𝐵 (𝑦) dari 𝑦 terhadap 𝐵” atau
"𝜇𝐴 (𝑥) ≤ 𝜇𝐵 (𝑦)"
Pembatas fuzzy sebelumnya menotasikan kondisi fuzzy cukup untuk 𝑦 menjadi anggota 𝐵.
“Jika derajat keanggotaan dari 𝑥 terhadap 𝐴 adalah 𝛼, maka derajat keanggotaan 𝑦 terhadap
𝐵 akan tidak kurang dari 𝛼”
Contoh 6.2 Perhatikan dua himpunan fuzzy
𝐴 = {(1, 0.5), (2, 0.8)}, 𝐵 = {(2, 0.7), (4, 0.9)}
dan fungsi
𝑦 = 𝑓(𝑥) = 2𝑥, 𝑢𝑛𝑡𝑢𝑘 𝑥 ∈ 𝐴, 𝑦 ∈ 𝐵.
Dapat dilihat fungsi 𝑓 memenuhi kondisi, 𝜇𝐴 (𝑥) ≤ 𝜇𝐵 (𝑦).
Contoh 6.3 Akan diselidiki sebuah fungsi dengan pernyataan berikut.
“Seorang salesman yang kompeten mendapatkan penghasilan lebih tinggi”
Misal 𝑋 dan 𝑌 himpunan dari salesman dan masing-masing dari pendapatan bulanan [0, ∞].
𝐴 dan 𝐵 adalah himpunan fuzzy dari “salesman kompeten” dan “penghasilan tinggi”. Dalam
kasus ini, fungsi 𝑓
𝑓: 𝐴 → 𝐵
Memenuhi berikut ini untuk setiap 𝑥 ∈ 𝐴 dan 𝑦 = 𝑓(𝑥) ∈ 𝐵

1
 𝜇𝐴 (𝑥) ≤ 𝜇𝐵 (𝑓(𝑥)).
Perhatikan sebuah fungsi memenuhi pembatas fuzzy 𝑓 ∶ 𝐴 → 𝐵, 𝑔 ∶ 𝐵 → 𝐶
(𝐴, 𝐵, 𝑑𝑎𝑛 𝐶 menotasikan himpunan fuzzy pada 𝑋, 𝑌, 𝑑𝑎𝑛 𝑍). Komposisi dari dua fungsi
memenuhi fungsi fuzzy dengan pembatas fuzzy.
𝑔∘𝑓 ∶𝐴→𝐶
itu karena kondisi 𝜇𝐴 (𝑥) ≤ 𝜇𝐵 (𝑓(𝑥)), 𝜇𝐵 (𝑦) ≤ 𝜇𝐶 (𝑔(𝑦)) 𝑑𝑎𝑛 𝑦 = 𝑓(𝑥), 𝑧 = 𝑔(𝑦). Berikut
ini berlaku
𝜇𝐴 (𝑥) ≤ 𝜇𝐶 (𝑔(𝑓(𝑥)).

6.1.2 Penyebaran Fuzzy oleh Fungsi Tegas

Definisi (Fungsi ekstensi Fuzzy) Fungsi ekstensi fuzzy menyebarkan ambiguitas variabel
bebas ke variabel terikat. Ketika 𝑓 adalah fungsi tegas dari 𝑋 𝑘𝑒 𝑌, fungsi ekstensi fuzzy 𝑓
mendefinisikan peta 𝑓(𝑋̃) dari himpunan fuzzy 𝑋̃. Yaitu, prinsip ekstensi diterapkan (lihat
bagian 3.4)
max 𝜇𝑋̃ (𝑥) ,
−1
𝑗𝑖𝑘𝑎 𝑓 −1 (𝑦) ≠ ∅
𝜇𝑓(𝑋̃) (𝑦) = {𝑥∈𝑓 (𝑦)
0, 𝑗𝑖𝑘𝑎 𝑓 −1 (𝑦) = ∅
dengan, 𝑓 −1 (𝑦) pra peta dari y.
Di bagian ini, digunakan ~ untuk penekanan variabel fuzzy.
Contoh 6.4 Ada fungsi tegas
𝑓(𝑥) = 3𝑥̃ + 1
Dengan domainnya adalah 𝐴 = {(0, 0.9), (1, 0.8), (2, 0.7), (3, 0.6), (4, 0.5)} dan range 𝐵 =
[0,20]
Variabel bebas mempunyai ambiguitas dan penyebaran fuzzy ke himpunan tegas 𝐵.
Kemudian, kita dapat memperoleh himpunan fuzzy 𝐵 ′ dalam 𝐵
𝐵 ′ = {(1, 0.9), (4, 0.8), (7, 0.7), (10, 0.6), (13, 0.5)}.
Terdapat contoh lain dari fungsi ekstensi fuzzy.
𝑦̃ = 𝑎𝑥̃ + 𝑏𝑥̃ 2
𝑦̃ = 𝑎 cos 𝑥̃ + 𝑏

6.1.3 Fungsi Fuzzy dengan Variabel Tegas

Fungsi fuzzy dengan variabel tegas adalah suatu fungsi yang menghasilkan peta dari
domain tegas dalam suatu himpunan fuzzy.

2
Definisi (Fungsi Fuzzy Tunggal)
Fungsi fuzzy 𝑓̃ dari 𝑋 ke 𝑌 adalah pemetaan dari 𝑋 ke himpunan kuasa fuzzy 𝑃̃ (𝑌).
𝑓̃: 𝑋 → 𝑃̃ (𝑌)
Fungsi fuzzy merupakan pemetaan dari domain tegas ke range himpunan fuzzy. Fungsi fuzzy
dan relasi fuzzy bertepatan satu sama lain secara matematis. Sehingga, fungsi fuzzy dapat
diinterpretasikan sebagai relasi fuzzy 𝑅 yang didefinisikan sebagai berikut:
∀(𝑥, 𝑦) ∈ 𝑋 × 𝑌
𝜇𝑓̃(𝑥) (𝑦) = 𝜇𝑅 (𝑥, 𝑦)
Contoh 6.5
Diberikan dua himpunan tegas 𝐴 = {2, 3, 4} dan 𝐵 = {2, 3, 4, 6, 8, 9, 12}. Suatu fungsi fuzzy
𝑓̃ memetakan anggota-anggota di 𝐴 ke himpunan kuasa 𝑃̃ (𝐵) dengan aturan berikut ini
𝑓̃(2) = 𝐵1 , 𝑓̃(3) = 𝐵2 , 𝑓̃(4) = 𝐵3
Dengan 𝑃̃(𝐵) = {𝐵1 , 𝐵2 , 𝐵3 } dimana 𝐵1 = {(2, 0.5), (4,1), (6, 0.5)}
𝐵2 = {(3, 0.5), (6,1), (9, 0.5)}
𝐵3 = {(4, 0.5), (8,1), (12, 0.5)}
Secara detail, hubungan dalam pemetaan tersebut disajikan pada gambar berikut.

Gambar 6.1 Fungsi Fuzzy

Jika operasi 𝛼-cut pada fungsi fuzzy tersebut diaplikasikan, akan diperoleh:

𝑓: 2 → {2,4,6} untuk 𝑎 = 0.5

𝑓: 2 → {4} untuk 𝑎 = 1

dengan cara yang sama

𝑓: 3 → {3,6,9} untuk 𝑎 = 0.5

3
 𝑓: 3 → {6} untuk 𝑎 = 1

kemudian

𝑓: 4 → {4,8,12} untuk 𝑎 = 0.5

𝑓: 4 → {8} untuk 𝑎 = 1

Definisi (Kumpulan Fuzzy dari Fungsi-fungsi)

Kumpulan fuzzy dari fungsi-fungsi tegas dari 𝑋 ke 𝑌 didefinisikan sebagai himpunan fuzzy
dari fungsi-fungsi tegas 𝑓𝑖 (𝑖 = 1, … , 𝑛) dan dinotasikan sebagai
𝑓̃ = {(𝑓𝑖 , 𝜇𝑓̃ (𝑓𝑖 ))|𝑓𝑖 : 𝑋 → 𝑌, 𝑖 = 1, … , 𝑛}
𝑓𝑖 = 𝑓(𝑥), ∀𝑥 ∈ 𝑋
Fungsi tersebut menghasilkan himpunan fuzzy.

Contoh 6.6
Misalkan himpunan-himpunan tegasnya adalah 𝑓1 , 𝑓2 , 𝑓3 , maka kumpulan fuzzy-nya,
sebagai contoh, 𝑋 = {1,2,3} adalah
𝑓̃ = {(𝑓1 , 0.4), (𝑓2 , 0.7), (𝑓3 , 0.5)}
𝑓1 (𝑥) = 𝑥, 𝑓2 (𝑥) = 𝑥 2 , 𝑓3 (𝑥) = −𝑥 + 1
dari 𝑓1 diperoleh 𝑓̃1 = {(1, 0.4), (2, 0.4), (3, 0.4)}
dari 𝑓2 diperoleh 𝑓̃2 = {(1, 0.7), (4, 0.7), (9, 0.7)}
dari 𝑓3 diperoleh 𝑓̃3 = {(0, 0.5), (−1, 0.5), (−2, 0.5)}
maka dapat diringkas keluarannya sebagai berikut:
𝑓̃(1) = {(1, 0.4), (1, 0.7), (0, 0.5)} = {(0, 0.5), (1, 0.7)}
𝑓̃(2) = {(2, 0.4), (4, 0.7), (−1, 0.5)} = { (−1, 0.5), (2, 0.4), (4, 0.7)}
𝑓̃(3) = {(3, 0.4), (9, 0.7), (−2, 0.5)} = { (−2, 0.5), (3, 0.4), (9, 0.7)}

Dapat dilihat bahwa fungsi fuzzy tersebut memetakan 2 ke 2 dengan kemungkinan 0.4
dengan memakai fungsi 𝑓1 , ke 4 dengan 0.7 memakai fungsi 𝑓2 , dan ke −1 dengan 0.5
dengan fungsi 𝑓3 .
Hasil tersebut digambarkan oleh 𝑓̃2 (2) di atas.

Contoh 6.7
Misalkan ada suatu himpunan fuzzy dengan fungsi kontinu pada 𝑋 = [1,2] (Gambar 6.2)
𝑓̃ = {(𝑓1 , 0.4), (𝑓2 , 0.7), (𝑓3 , 0.5)}
𝑓1 (𝑥) = 𝑥, 𝑓2 (𝑥) = 𝑥 2 , 𝑓3 (𝑥) = 𝑥 2 + 1
Fungsi fuzzy memetakan 1.5 ke 1.5 dengan kemungkinan 0.4 dengan memakai fungsi 𝑓1 , ke
2.25 dengan 0.7 dengan memakai 𝑓2 , dan ke 3.25 dengan 0.5 memakai 𝑓3 . Jadi
𝑓̃(1.5) = {(1.5, 0.4), (2.25, 0.7), (3.25, 0.5)}

4
 Gambar 6.2 Himpunan fuzzy dari fungsi

6.2 Fuzzy Ekstrema dari Fungsi

6.2.1 Memaksimalkan dan Meminimumkan Himpunan

Definisi (Memaksimalkan himpunan) Misal 𝑓fungsi yang memiliki nilai real di X dan nilai
tertinggi dan terendah dari 𝑓 menjadi sup(𝑓) dan inf(𝑓). Dan pada saat ini, himpunan
maksimum 𝑀 didefinisikan sebagai himpunan fuzzy.

𝑓(𝑥) − inf(𝑓)
∀𝑥 ∈ 𝑋, 𝜇𝑀 (𝑥) =
sup(𝑓) − inf(𝑓)

Yaitu, himpunan maksimum 𝑀 adalah himpunan fuzzy dan didefiniskan oleh kemungkinan 𝑥
untuk membuat nilai maksimum sup(𝑓). Kemungkinan 𝑥 untuk berada dalam range
𝑀didefinisikan dari posisi dinormalisasi relatif dalam interval [inf(𝑓) , sup(𝑓)]. Disini
interval [inf(𝑓) , sup(𝑓)] menunjukkan kemungkinan rentang dari 𝑓(𝑥) memiliki beberapa
nilai. Meminimalkan himpunan 𝑓 didefisikan sebagai himpunan maksimum −𝑓.

Contoh 6.8

Perhatikan 𝑓(𝑥) dari Gambar 6.3. Interval nilainya adalah

5
 [inf(𝑓) , sup(𝑓)] = [10,20], 1 ≤ 𝑥 ≤ 10

dan ketika 𝑥 = 5, 𝑓(𝑥) = 15. Kemudian kemungkinan dari 𝑥 = 5 berada di himpunan

maksimum 𝑀 dihitung sebagai berikut :
15−10 5
𝜇𝑀 (5) = 20−10 = 10 = 0,5

juga ketika 𝑥 = 8 , 𝑓(𝑥) = 19

19−10 9
𝜇𝑀 (8) = 20−10 = 10 = 0,9

𝜇𝑀 (𝑥) menotasikan kemungkinan 𝑥 untuk membuat nilai maksimum 𝑓. Disini, kita

mengatakan bahwa dua variable 𝑥 = 5 dan 𝑥 = 8 membuat maksimum nilai 𝑓(𝑥) = 20
dengan kemungkinan 0,5 dan 0,9.

6.2.2 Nilai Maksimum dari Fungsi Tegas

1) Domain Tegas

Asumsikan 𝑥0 adalah variabel bebas yang membuat fungsi 𝑓 menjadi nilai maksimum dalam
domain tegas 𝐷. Kita mungkin menggunakan himpunan maksimal 𝑀 untuk menemukan nilai
𝑥0 . Yaitu, 𝑥0 akan menjadi elemen yang memungkinan 𝜇𝑀 (𝑥) menjadi nilai maksimum.

6
 𝑚𝑎𝑥
𝜇𝑀 (𝑥0 ) = 𝑥∈𝐷 𝜇𝑀 (𝑥)

𝜇𝑀 (𝑥) adalah fungsi keanggotaan dari himpunan maksimal. Pada saat ini, nilai maksimum 𝑓
adalah 𝑓(𝑥0 ). 𝜇𝑀 (𝑥0 ) dapat ditulis sebagai berikut, menunjukkan domain D sebagai
himpunan tegas.
𝑚𝑎𝑥
𝜇𝑀 (𝑥0 ) = 𝑥∈𝐷 𝜇𝑀 (𝑥)

= max min[𝜇𝑀 (𝑥), 𝜇𝐷 (𝑥)]

𝑥∈𝐷

Perhatikan bahwa domain D diganti dengan himpunan semesta X dalam rumus di atas. Kita
menyatakan kemungkinan 𝑥 berada dalam 𝐷 sebagai 𝜇𝐷 (𝑥).

Contoh 6.10

Ada fungsi (Gambar 6.5) dan domainnya.

𝑓(𝑥) = cos 𝑥, 𝑥 ∈ 𝐷 = [0 , 2𝜋]

cos 𝑥 − inf(cos 𝑥) cos 𝑥 − (−1) 1 1

𝜇𝑀 (𝑥) = = = cos 𝑥 +
sup(cos 𝑥) − inf(cos 𝑥) 1 − (−1) 2 2

𝜇𝐷 (𝑥) = 1 𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑥 ≤ 2𝜋

= 0 , sebaliknya

Nilai maksimum 𝑓(𝑥0 ) diperoleh pada 𝑥0

7
Ketika

𝜇𝑀 (𝑥0 ) = max min[𝜇𝑀 (𝑥), 𝜇𝐷 (𝑥)]

𝑥∈𝐷

= max 𝜇𝑀 (𝑥)
0≤𝑥≤2𝜋

=1 saat 𝑥0 = 0 dan 2𝜋

Oleh karena itu nilai maksimum

𝑓(𝑥0 ) = 1 diperoleh saat 𝑥0 = 0 dan 2𝜋

(2) Fuzzy Domain

Sekarang mendapatkan nilai maksimum 𝑓(𝑥0 ) ketika domain dinyatakan dalam himpunan
fuzzy. Untuk membuat 𝑓 sebagai nilai maksimum oleh 𝑥0 , dua kondisi berikut harus
dipenuhi.

- Atur 𝜇𝑀 (𝑥) sebagai maksimum

- Atur 𝜇𝐷 (𝑥) sebagai maksimum
Untuk sebarang elemen 𝑥1 yang berkorespondensi dengan 𝑓 maksimum, perlu untuk
memenuhi dua kondisi di atas pada 𝜇𝑀 (𝑥) dan 𝜇𝐷 (𝑥). Kemungkinan 𝑥1 untuk membuat nilai
maksimal dari 𝑓 ditentukan oleh minimum 𝜇𝑀 (𝑥1 ) dan 𝜇𝐷 (𝑥1 ), yaitu,
𝑀𝑖𝑛[𝜇𝑀 (𝑥1 ), 𝜇𝐷 (𝑥1 )].
Oleh karena itu, titik 𝑥0 yang memungkinkan fungsi 𝑓 menjadi maksimum
didefinisikan sebagai berikut.
𝑀𝑎𝑥𝑥∈𝑋 𝑀𝑖𝑛[𝜇𝑀 (𝑥), 𝜇𝐷 (𝑥)] = 𝜇(𝑥0 )
Pada saat ini, nilai maksimum adalah 𝑓(𝑥0 ). Di sini 𝜇𝑀 (𝑥) adalah fungsi keanggotaan untuk
memaksimalkan himpunan dan 𝜇𝐷 (𝑥) adalah dari domain fuzzy (Fig 6.6). Membandingkan
𝑥0 dengan 𝑥1 pada gambar, 𝑥1 memungkinkan 𝑓 menjadi maksimum daripada 𝑥0 .
𝑓(𝑥1 ) > 𝑓(𝑥0 ) 𝑎𝑡𝑎𝑢 𝜇𝑀 (𝑥1 ) > 𝜇𝑀 (𝑥0 )
tetapi karena 𝜇𝐷 (𝑥1 ) jauh lebih kecil dari 𝜇𝐷 (𝑥0 ), 𝑓(𝑥0 ) dipilih sebagai nilai maksimum.

8
Contoh 6.11 Terdapat fungsi dan domain fuzzy (Fig 6.7).
𝑓(𝑥) = −𝑥 + 2, 𝑥 ∈ 𝐷
𝜇𝐷 (𝑥) = 𝑥 2 𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑥 ≤ 1
= 0 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Diperoleh fungsi maksimal.
−𝑥 + 2 − 1
𝜇𝑀 (𝑥) = = −𝑥 + 1
2−1
Dari persamaan tersebut,

𝜇𝑓 (𝑥0 ) = 𝑀𝑎𝑥 𝑀𝑖𝑛[𝜇𝑀 (𝑥), 𝜇𝐷 (𝑥)]

titik 𝑥0 diperoleh ketika
𝜇𝑀 (𝑥) = 𝜇𝐷 (𝑥) 𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑥 ≤ 1
−𝑥 + 1 = 𝑥 2 , 𝑥 ≅ 0.6
Oleh karena itu, diperoleh nilai maksimum 𝑓(𝑥0 ) = 1.4 ketika 𝑥0 = 0.6
Contoh 6.12 Terdapat fungsi tegas 𝑓 dan domain fuzzy 𝐷. Akan dicari nilai maksimum 𝑓
dengan 𝐷.
𝑓(𝑥) = cos 𝑥 , 𝑥 ∈ 𝐷
𝑥
𝜇𝐷 (𝑥) = 𝑀𝑖𝑛 [1, ] 𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑥 ≤ 2𝜋
𝜋
= 0 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
1 1
𝜇𝑀 (𝑥) = cos 𝑥 +
2 2
Pada (Fig 6.8)
𝑀𝑎𝑥 𝑀𝑖𝑛[𝜇𝑀 (𝑥), 𝜇𝐷 (𝑥)] diperoleh ketika 𝑥0 = 2𝜋
maka 𝑓(𝑥0 ) = 1
𝜇𝑀 (𝑥0 ) = 𝜇𝐷 (𝑥0 ) = 1

9
6.3 Integrasi dan Diferensiasi dari Fungsi Fuzzy

6.3.1 Integrasi
1) Integrasi dari fungsi terfuzzykan pada interval tegas
Definisi (Integrasi fungsi terfuzzikan) Pada interval non-fuzzy [𝑎, 𝑏] ∈ ℜ, misalkan fungsi
terfuzzikan memiliki nilai fuzzy 𝑓̃(𝑥) untuk 𝑥 ∈ [𝑎, 𝑏]. Integrasi 𝐼̃(𝑎, 𝑏) dari fungsi yang
terfuzzikan di [𝑎, 𝑏] didefinisikan sebagai berikut:
𝑏 𝑏
𝐼̃(𝑎, 𝑏) = {(∫𝑎 𝑓𝛼− (𝑥) 𝑑𝑥 + ∫𝑎 𝑓𝛼+ (𝑥) 𝑑𝑥, 𝛼) |𝛼 ∈ [0,1]}.

𝑓𝛼− dan 𝑓𝛼+ merupakan fungsi-fungsi 𝛼-cut dari 𝑓̃(𝑥). Perhatikan bahwa tanda positif
(+) di atas rumus digunakan untuk menyatakan enumerasi pada himpunan fuzzy, bukan
penjumlahan. Oleh karena itu, total integrasi dinyatakan dengan mengumpulkan integrasi
dari setiap fungsi 𝛼-cut.
Jika operasi 𝛼-cut diterapkan pada fungsi terfuzzikan, maka diperoleh 𝑓𝛼− dan 𝑓𝛼+
yang merupakan fungsi-fungsi 𝛼-cut. Integrasi dari setiap fungsi dapat dihitung dengan:

10
 𝑏 𝑏
𝐼̃𝑎− = ∫𝑎 𝑓𝛼− (𝑥) 𝑑𝑥 dan 𝐼̃𝑎+ = ∫𝑎 𝑓𝛼+ (𝑥) 𝑑𝑥.

Kemungkinan 𝐼̃𝛼− atau 𝐼̃𝛼+ untuk menjadi anggota dari total integrasi 𝐼̃(𝑎, 𝑏) adalah 𝛼.
Ingat kembali dasar penghitungan kardinalitas fuzzy di bagian 1.5.5.
Contoh 6.13 Berikut sekumpulan fungsi fuzzy dan ingin diketahui integrasi pada [1,2]
(Gambar 6.9).
𝑓̃ = {(𝑓1 , 0.4), (𝑓2 , 0.7), (𝑓3 , 0.4)}
𝑋 = [1,2]
𝑓1 (𝑥) = 𝑥, 𝑓2 (𝑥) = 𝑥 2 , 𝑓3 (𝑥) = 𝑥 + 1
i. Integrasi pada 𝛼 = 0.7,
𝑓 = 𝑓2 (𝑥) = 𝑥 2
2
1 32 7
𝐼𝑎 (1,2) = ∫ 𝑥 2 𝑑𝑥 = 𝑥 ]1 =
3 3
1
7
Hasil integrasinya adalah 3 dengan kemungkinan 0.7
7
Oleh karena itu, 𝐼̃0.7 (1,2) = {3 , 0.7}

ii. 𝛼 = 0.4, berikut ini fungsi-fungsi

𝑓 + = 𝑓1 (𝑥) = 𝑥
𝑓 − = 𝑓3 (𝑥) = 𝑥 + 1
2
1 22 3
𝐼𝑎+ (1,2) = ∫ 𝑥 𝑑𝑥 = 𝑥 ]1 =
2 2
1
2
1 2 5
𝐼𝑎− (1,2) = ∫(𝑥 + 1) 𝑑𝑥 = 𝑥 + 𝑥]12 =
2 2
1
3 5
Hasil integrasinya adalah 2 dengan kemungkinan 0.4 dan 2 dengan 0.4.
3 5
Maka, 𝐼̃0.4 = {(2 , 0.4) , (2 , 0.4)}
7 3 5
Jadi, didapatkan total integrasinya 𝐼̃(1,2) = {(3 , 0.7) , (2 , 0.4) , (2 , 0.4)}

2) Integrasi fungsi tegas pada interval fuzzy

Pada bagian ini, akan dipelajari pengintegrasian fungsi non-fuzzy pada interval fuzzy [𝐴, 𝐵]
yang batasnya ditentukan oleh dua himpunan fuzzy 𝐴 dan 𝐵. (Gambar 6.10)
Definisi (Integrasi pada interval fuzzy) Integrasi 𝐼(𝐴, 𝐵) dari fungsi non-fuzzy 𝑓 pada
interval fuzzy [𝐴, 𝐵] didefinisikan sebagai
𝜇𝐼(𝑎,𝑏) (𝑧) = 𝑀𝑎𝑥𝑥,𝑦 𝑀𝑖𝑛 [𝜇𝐴 (𝑥), 𝜇𝐵 (𝑥)]

11
 𝑦
𝑧 = ∫ 𝑓(𝑢)𝑑𝑢
𝑥

Gambar 6.9. Integrasi fungsi

fuzzy dengan interval tegas Gambar 6.10. Interval Fuzzy
Contoh 6.14 Berikut ini menunjukkan integrasi dari fungsi 𝑓(𝑥) = 2 pada interval fuzzy
[𝐴, 𝐵].
𝐴 = {(4, .8), (5,1), (6, .4)}
𝐵 = {(6, .7), (7,1), (8, .2)}
𝑓(𝑥) = 2, 𝑥 ∈ [4,8]
𝐵 𝐵

𝐼̃(𝐴, 𝐵) = ∫ 𝑓(𝑥) 𝑑𝑥 = ∫ 2 𝑑𝑥
𝐴 𝐴

Seperti pada tabel (Tabel 7.1), didapatkan nilai integrasi 𝐼(𝐴, 𝐵).
𝐼̃(𝐴, 𝐵) = {(0, .4), (2, .7), (4,1), (6, .8), (8, .2)}
Misalnya, dengan mengintegrasikan pada [6,6], diperoleh 0 sebagai nilai integrasi.
Kemungkinan dari kasus ini adalah 0.4. Dan pada interval [5,6] dan [6,7], diperoleh nilai
integrasi 2 dengan kemungkinannya adalah 0.7 dan 0.4. Jadi, kemungkinan nilai integrasinya
2 adalah max[0.7,0.4] = 0.7.

6.3.2 Diferensiasi

12
Di sini ditemui fungsi non-fuzzy dalam interval fuzzy dan fungsi fuzzy dalam titik-titik non-
fuzzy.

(1) Diferensiasi dari fungsi tegas pada titik-titik fuzzy.

Definisi (Diferensiasi pada titik fuzzy) Oleh prinsip perpanjangan, diferensiasi 𝑓 ′ (𝐴) dari
fungsi non-fuzzy 𝑓 pada titik fuzzy atau himpunan fuzzy 𝐴 didefinisikan oleh

𝜇𝑓′ (𝐴) (𝑦) = Max 𝜇𝐴 (𝑥)

𝑓(𝑥)=𝑦

Contoh 6.15 Sebagai contoh, ketika mendiferensiasi fungsi 𝑓(𝑥) = 𝑥 3 di titik fuzzy 𝐴,

𝐴 = {(−1, 0.4), (0, 1), (1, 0.6)}

dari 𝑓 ′ (𝑥) = 3𝑥 2 ,

𝑓 ′ (𝐴) = {(3, 0.4), (0, 1), (3, 0.6)}

= {(0, 1), (3, 0.6)}

Contoh 6.16 Terdapat fungsi fuzzy

𝑓̃ = {(𝑓1 , 0.4), (𝑓2 , 0.7), (𝑓3 , 0.4)}

𝑓1 (𝑥) = 𝑥, 𝑓2 (𝑥) = 𝑥 2 , 𝑓3 (𝑥) = 𝑥 3 + 1

Pertama, diperoleh

𝑓1′ (𝑥) = 1 𝑓2′ (𝑥) = 2𝑥 𝑓3 (𝑥) = 3𝑥 2

𝑓1′ (0.5) = 1 saat 𝑎 = 0.4

𝑓2′ (0.5) = 1 saat 𝑎 = 0.7

𝑓3′ (0.5) = 0.75 saat 𝑎 = 0.4

𝑑𝑓̃
(𝑥 ) = {(1, 0.4), (1, 0.7), (0.75, 0.4)}
𝑑𝑥 0
= {(1, 0.7), (0.75, 0.4)}

Tabel 6.1. Integrasi Fuzzy

𝑏
[𝑎, 𝑏] ∫ 2 𝑑𝑥 min[𝜇𝐴 (𝑎), 𝜇𝐵 (𝑏)]
𝑎
[4, 6] 4 .7
[4, 7] 6 .8
[4, 8] 8 .2
[5, 6] 2 .7

13
[5, 7] 4 1.0
[5, 8] 6 .2
[6, 6] 0 .4
[6, 7] 2 .4
[6, 8] 4 .2

14
 DAFTAR RUJUKAN

Lee, K.H. First Course on Fuzzy Theory and Applications. Berlin: Springer.

15