OPERASI HIMPUNAN FUZZY

(LAINNYA): DISJUNCTIVE,
DIFFERENCE, DISTANCE, CARTESIAN
PRODUCT,
T-NORM, T-CONORM
Oleh Kelompok 4:
Maika Aprienti (P2A921005)
Mustofa (P2A921021)
Dosen Pemgampu:
Dr. Drs. Kamid, M.Si

 
 LATAR BELAKANG
Dalam ilmu logika fuzzy kita mengenal dua himpunan yaitu, himpunan
crisp (tegas) dan himpunan fuzzy (samar).

Himpunan crisp adalah himpunan yang menyatakan suatu obyek

merupakan anggota dari satu himpunan memiliki nilai keanggotaan (µ) =
ya (1) atau tidak (0). Sehingga, hal ini membuat himpunan crisp disebut
himpunan tegas. Himpunan fuzzy adalah himpunan yang menyatakan
suatu obyek dapat menjadi anggota dari beberapa himpunan dengan nilai
keaggotaan (µ) yang berbeda.
 RUMUSAN MASALAH

01 Apa saja operasi 03 Bagaimana 05 Bagaimana

lainnya dalam operasi operasi T-Norm
himpunan Difference pada pada himpunan
kabur? himpunan kabur?
kabur?

02 Bagaimana 04 Bagaimana 06 Bagaimana

operasi operasi Cartesian operasi T-
Disjunctive pada Product pada Conorm pada
himpunan himpunan himpunan
kabur? kabur? kabur?
 Disjunctive Sum
Disjunctive Sum adalah lambang operasi
yang disebut “ekslusif OR” yang dinyatakan
sebagai berikut,
 Disjunctive Sum
Disjunctive Sum adalah lambang operasi
yang disebut “ekslusif OR” yang dinyatakan
sebagai berikut,
 Disjunctive Sum
Simple Disjuntive Sum dengan menggunakan
fuzzy union dan fuzzy intersection dalam himpunan
fuzzy diperbolehkan seperti pada himpunan crisp.
Contoh 1

Berikut adalah prosedur mendapatkan

disjunctive sum dari himpunan fuzzy A dan
B.

Dan sebagai hasilnya adalah

.

Disjoint Sum dari “eksklusif OR” adalah

mengeliminasi dari area umum gabungan A
dan B. Dengan cara ini, kita bisa
mendefinisikan sebuah operator untuk
jumlah eksklusif OR sebagai berikut.
Contoh 2

Jika kita kembali ke contoh sebelumnya himpunan fuzzy A dan B,

Difference in Fuzzy Set
Difference dalam himpunan crisp
didefinisikan sebagai berikut:
 Simple Difference
Dengan menggunakan komplemen dan
operasi irisan, operasi simple difference
sebagai berikut.

Contoh 3

Jika diketahui himpunan fuzzy A dan B,

Bounded Difference
Definisi (Bounded Difference) Untuk
operator, kita definisikan fungsi keanggotaan
sebagai,

Contoh 4

Jika diketahui himpunan fuzzy A dan B,

Contoh 5

Misal, A dan B himpunan fuzzy,

Hamming distance d(A,B)

Hamming distance berisi sifat matematika,

 Distance in Fuzzy
Set
Konsep “Distance” adalah konsep yang
didesain untuk menggambarkan perbedaan.
Tetapi itu memiliki ukuran matematika yang
berbeda dengan “selisih”. Ukuran untuk
Distance didefinisikan sebagai berkut.

Hamming distance
Konsep ini ditandai sebagai,
Dengan asumsi elemen n di Himpunan
Universal X; yaitu |𝑋| = 𝑛,
Hamming distance relatif adalah,

Sehingga dapat ditentukan hamming distance relatif

himpunan fuzzy A dan B adalah,
 𝛿 (𝐴, 𝐵) = 0.8 /4
 𝛿 (𝐴, 𝐵) = 0,2
Mungkin Hamming distance berganti nama sebagai
“symmetrical distance” dan ditulis dengan
menggunakan operator.
Euclidean distance
Istilah ini disusun sebagai berikut,
Contoh 6

Contoh 6. Euclidean distance antara himpunan fuzzy A dan

B digunakan untuk
Hamming distance sebelumnya adalah
𝐴 = {(𝑥1, 0.2), (𝑥2, 0.7), (𝑥3, 1), (𝑥4, 0)}
B = {(𝑥1, 0.5), (𝑥2, 0.3), (𝑥3, 1), (𝑥4, 0.1)}

𝑒 (𝐴, 𝐵) =

Dan relatif Euclidean distance adalah

Sehingga
Minkowski distance

Secara umum, Hamming distance dan Euclidean distance

menghasilkan Minkowski distance. Untuk Hamming, w =
1 sedangkan untuk Euclidean w = 2.
Contoh 7

Menggunakan himpunan fuzzy A dan B

sebelumnya, maka Minkowski distance dengan
jarak hamming w = 1 dan jarak euclidean dengan w
= 2 antaralain, 2 antaralain,

Hamming: 𝑑1(𝐴, 𝐵) = (|−0.3|1 + |0.4|1 + |0|1 + |

−0.1|1)1/r = 0.8
Euclidean: 𝑑2(𝐴, 𝐵) = (|−0.3|2 + |0.4|2 + |0|2 +
|−0.1|2)1/2 = 0.509 …
 Produk Cartesian Himpunan
Fuzzy
Cartesian himpunan fuzzy adalah himpunan fuzzy yang didefinisikan jika dari 𝐴1,
𝐴2, … , 𝐴𝑛 adalah himpunan fuzzy di 𝑥1, 𝑥2, … , 𝑥𝑛, dan 𝜇𝐴1 (𝑥), 𝜇𝐴2
(𝑥), … , 𝜇𝐴𝑛(𝑥), sebagai fungsi keanggotaanya, maka cartesian product
dituliskan.

Contoh 8

Jika diketahui himpunan fuzzy A dan B

𝐴 = {(𝑥1, 0.2), (𝑥2, 0.7), (𝑥3, 1), (𝑥4, 0)}
𝐵 = {(𝑥1, 0.5), (𝑥2, 0.3), (𝑥3, 1), (𝑥4, 0.1)}
𝜇𝐴×𝐵 (𝑥𝑖, 𝑥𝑖) = 𝑚𝑖𝑛 [𝜇𝐴(𝑥𝑖), 𝜇𝐵(𝑥𝑖)]
𝜇𝐴×𝐵(𝑥𝑖, 𝑥𝑖) =
((𝑥1, 𝑥1), 0.2), ((𝑥1, 𝑥2), 0.2), ((𝑥1, 𝑥3), 0.2), ((𝑥1, 𝑥4)0),
((𝑥2, 𝑥1), 0.5), ((𝑥2, 𝑥2), 03), ((𝑥2, 𝑥3), 0.7), ((𝑥2, 𝑥4), 0),
((𝑥3, 𝑥1), 0.5), ((𝑥3, 𝑥2), 0.3), ((𝑥3, 𝑥3), 1), ((𝑥3, 𝑥4), 0),
{ ((𝑥4, 𝑥1), 0), ((𝑥4, 𝑥2), 0), ((𝑥4, 𝑥3), 0), ((𝑥4, 𝑥4), 0), }
 
Dalam himpunan fuzzy dapat pula ditentukan m-th power dengan definisi berikut,
 T-conorm

Dual gagasan untuk norma segitiga adalah conorm segitiga (t-conorm, juga s-norm). Elemen netral adalah 0 bukan 1,
semua kondisi lainnya tetap tidak
berubah.
T : [𝟎, 𝟏] × [𝟎, 𝟏] → [𝟎, 𝟏]
∀𝒙, 𝒚, 𝒙, 𝒚, 𝒛 ∈ [𝟎, 𝟏]

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

ii) 𝑇(𝑥, 𝑦) = 𝑇(𝑦, 𝑥) komutatif
iii) (𝑥 ≤ 𝑥′, 𝑦 ≤ 𝑦′) → 𝑇(𝑥, 𝑦) ≤ 𝑇(𝑥′, 𝑦′) monotonisitas
iv) 𝑇(𝑇(𝑥, 𝑦), 𝑧) = 𝑇(𝑥, 𝑇(𝑦, 𝑧)) asosiatif
T-Norms and T-Conorms

Ada dua jenis operator dalam himpunan fuzzy yaitu, t-norm dan t-conorm.
Mereka sering disebut sebagai norma segitiga dan segtiga-conorm.
1. Definisi t-norm
Norma segitiga (t-norm) operasi biner pada interval ,0,1-
memenuhi,
T : [𝟎, 𝟏] × [𝟎, 𝟏] → [𝟎, 𝟏]
∀𝒙, 𝒚, 𝒙′, 𝒚′, 𝒛 ∈ [𝟎, 𝟏]
i) 𝑇(𝑥, 0) = 0, 𝑇(𝑥, 1) = 𝑥 kondisi batas
ii) 𝑇(𝑥, 𝑦) = 𝑇(𝑦, 𝑥) komutatif
iii) (𝑥 ≤ 𝑥′, 𝑦 ≤ 𝑦′) → 𝑇(𝑥, 𝑦) ≤ 𝑇(𝑥′, 𝑦′) monotonisitas iv) 𝑇(𝑇(𝑥, 𝑦), 𝑧) =
𝑇(𝑥, 𝑇(𝑦, 𝑧)) asosiatif
Sekarang kita bisa dengan mudah mengenali bahwa operator untuk t-norm.
a. Operasi irisan (∩) Operasi aljabar ( · )
b. Operasi bounded ( ⊕ ) Operasi drastis (⨃ )
2. Definisi t-conorm
Dual gagasan untuk norma segitiga adalah conorm segitiga (t-conorm,
juga s-norm). Elemen netral adalah 0 bukan 1, semua kondisi lainnya
tetap tidak berubah. 
T : [𝟎, 𝟏] × [𝟎, 𝟏] → [𝟎, 𝟏]
∀𝒙, 𝒚, 𝒙′, 𝒚′, 𝒛 ∈ [𝟎, 𝟏]

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

ii) 𝑇(𝑥, 𝑦) = 𝑇(𝑦, 𝑥) komutatif
iii) (𝑥 ≤ 𝑥′, 𝑦 ≤ 𝑦′) → 𝑇(𝑥, 𝑦) ≤ 𝑇(𝑥′, 𝑦′) monotonisitas
iv) 𝑇(𝑇(𝑥, 𝑦), 𝑧) = 𝑇(𝑥, 𝑇(𝑦, 𝑧)) asosiatif

Ada contoh dari operator t-conorm

Operasi gabungan (𝖴) Operator aljabar (∓)
Operator bounded ( ⊕ ) Operator drastis (⨃)
Operator disjoint (∆)
Ketika menghitung t-norm dan t-conorm, nilai fungsi keanggotaan 𝜇𝐴( 𝑥).
Simbol alternatif untuk fungsi ini adalah * . Dan dalam kasus lain simbol T
x T y : t-norm , x y : t-conorm
digunakan untuk t- norm, sedangkan simbol ^ untuk t-conorm, t-norm kadang
disebut s-norm. Dalam mempratikkan aplikasi, terkadang kita tidak bisa menentukan
operasi mana yang tepat untuk aplikasi. Semua t-norm dan t- conorm mengikuti
hubungan tersebut.
TERIMA
KASIH