Kel 6 Fuzzy
Kel 6 Fuzzy
MAKALAH
Oleh:
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.
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)).
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.
Jika operasi 𝛼-cut pada fungsi fuzzy tersebut diaplikasikan, akan diperoleh:
𝑓: 2 → {4} untuk 𝑎 = 1
3
𝑓: 3 → {6} untuk 𝑎 = 1
kemudian
𝑓: 4 → {8} untuk 𝑎 = 1
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
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
5
[inf(𝑓) , sup(𝑓)] = [10,20], 1 ≤ 𝑥 ≤ 10
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)
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
𝜇𝐷 (𝑥) = 1 𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑥 ≤ 2𝜋
= 0 , sebaliknya
7
Ketika
= max 𝜇𝑀 (𝑥)
0≤𝑥≤2𝜋
=1 saat 𝑥0 = 0 dan 2𝜋
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,
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}
11
𝑦
𝑧 = ∫ 𝑓(𝑢)𝑑𝑢
𝑥
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.
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
Contoh 6.15 Sebagai contoh, ketika mendiferensiasi fungsi 𝑓(𝑥) = 𝑥 3 di titik fuzzy 𝐴,
dari 𝑓 ′ (𝑥) = 3𝑥 2 ,
Pertama, diperoleh
𝑑𝑓̃
(𝑥 ) = {(1, 0.4), (1, 0.7), (0.75, 0.4)}
𝑑𝑥 0
= {(1, 0.7), (0.75, 0.4)}
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