OPERASI HIMPUNAN FUZZY

Pada bagian sebelumnya, kami telah mempelajari operasi komplemen, gabungan dan irisan
himpunan fuzzy.

2.1 Operasi Standar Himpunan Fuzzy

Himpunan komplemen A, Gabungan dan irisan mewakili

operasi standar teori fuzzy dan disusun sebagai,

Kita dapat mengetahui bahwa ketiga operasi di atas adalah generalisasi dari mereka yang di
Himpunan Tegas. Di bagian berikutnya, kita akan melihat berbagai usulan operator selain
operasi ini. Berbagai operator ini harus memuaskan kondisi yang diperlukan, dan mereka
mulai digunakan dalam aplikasi yang beragam bidang.

Di antara banyak operator, dari komplemen, operator Max dan Min mendasar dan sederhana,
banyak teori fuzzy dikembangkan berdasarkan operator ini. Tabel 2.1 termasuk karakteristik
standar operator. Perhatikan bahwa dua karakteristik berikut dari operator garing mengatur
tidak tahan di sini.

Aturan kontradiksi

hukum menengah yang dikecualikan

Alasan untuk kejadian ini adalah bahwa batas komplemen yang ambigu.

1
2.2 Komplemen Himpunan Kabur

2.2.1 Persyaratan untuk Fungsi Komplemen

Komplemen Himpunan A dari Himpunan A merupakan negasinya. Komplemen himpunan

dapat didefinisikan oleh fungsi berikut C.

Tabel 2.1. Karakteristik stanar operator himpunan kabur

Komplemen himpunan C dirancang untuk memetakan fungsi keanggotaan μA(x)

dari Himpunan Kabur A ke [0,1] dan nilai yang dipetakan ditulis sebagai C (μA((x)). Agar
menjadi fungsi komplemen himpunan kabur, dua aksioma harus dipenuhi:

2
Jika a < b, maka C(a) ≥ C(b) (monoton tidak naik)

Simbol a dan b ada untuk nilai keanggotaan anggota x dalam A. Contoh, jika μA(x) = a,
μA(y) = b ; x, y ϵ A, jika μA(x) < μA(y), C (μA(x)) ≥ C (μA(y)).

C1 dan C2 adalah syarat mendasar untuk menjadi fungsi pelengkap. Dua aksioma ini disebut
"kerangka aksiomatik". Untuk tujuan tertentu, kami dapat memasukkan persyaratan
tambahan.

2.2.2 Contoh Fungsi Komplemen

Di atas empat aksioma berlaku standar operator komplemen

fungsi standar ini ditunjukkan pada Gambar 2.1, dan itu representasi visual diberikan dalam
(Gambar 2.2.)

Berikut ini adalah fungsi pelengkap yang hanya memuaskan kerangka aksiomatik (Gambar
2.3).

3
Perhatikan bahwa itu tidak pada C3 dan C4. Sekali lagi, fungsi komplemen berikut ini
kontinu (C3) tetapi tidak berlaku untuk C4 (Gbr 2.4).

Ketika a = 0,33, C (0,33) = 0,75 dalam fungsi ini. Namun sejak C (0,75)= 0,15 ≠ 0,33,
C4 tidak berlaku sekarang. Salah satu fungsi komplemen yang terkenal , adalah fungsi Yager
seperti pada yang berikut:

Bentuk fungsi tergantung pada parameter (Gbr 2.5). ketika w = 1, fungsi Yager menjadi
fungsi pelengkap standar C (a) = 1 - a.

4
2.2.3 Partisi Fuzzy

Misalkan A merupakan himpunan tegas dalam Himunan universal X dan A menjadi

komplemen dari A. Kondisi A ≠ ᴓ dan A ≠ X menghasilkan pasangan (A , A) yang terurai X
menjadi 2 himpunan bagian.

Definisi (partisi fuzzy ) Dengan cara yang sama, pertimbangkan himpunan kabur yang
memuat A ≠ ᴓ dan A ≠ X. Pasangan (A, A) didefinisikan sebagai partisi fuzzy. Biasanya,

5
jika himpunan bagian m didefinisikan dalam X, m-tuple (A1,A2,...,An) yang memegang
kondisi berikut ini disebut partisi fuzzy.

2.3 GABUNGAN FUZZY

2.3.1 Axioma Gabungan Fungsi

Dalam pengertian umum, gabungan A dan B ditentukan oleh fungsi berikut:

fungsi gabungan ini menghitung derajat keanggotaan dari A dan B.

fungsi gabungan ini harus mematuhi aksioma,yaitu :

Aksioma U1 U(0,0) = 0, U(0,1) = 1, U(1,0) = 1, U(1,1) = 1

jadi fungsi gabungan ini mengikuti sifat-sifat gabungan operasi himpunan
tegas
Aksioma U2 U(a,b) = U(b,a) berlaku komutatif
Aksioma U3 Jika a ≤ a’ dan b ≤ b’, U(a, b) ≤ U(a’, b’). Fungsi U adalah fungsi monoton.
Aksioma U4 U(U(a, b), c) = U(a, U(b, c)) berlaku asosiatif. keempat pernyataan di atas disebut
sebagai “aksiomatik kerangka". Seringkali untuk membatasi kelas gabungan fuzzy
dengan menambahkan aksioma berikut.
Aksioma U5 Fungsi U kontinu.

Aksioma U6 𝑈 (𝑎, 𝑎) = 𝑎 (idempotensi)

6
2.3.2 Contoh Gabungan Fungsi

Di atas enam aksioma berlaku standar operator komplemen

memvisualisasikan operasi gabungan standar mengarah ke Gambar 2.7.

Fungsi penyatuan Yager menampung semua aksioma kecuali U6

bentuk fungsi Yager bervariasi dengan parameter w. Contohnya,

Bagaimana jika w meningkat? Seandainya 𝑤 → ∞ Fungsi gabungan Yager diubah menjadi

fungsi gabungan standar.

ada beberapa contoh fungsi Yager untuk w = 1, 2 dan ∞ (Gambar 2.7). Kita tahu bahwa
operasi penyatuan kumpulan identik dengan logika OR. Sangat mudah untuk melihat
hubungannya juga dipertahankan di sini. Misalnya, mari kita pertimbangkan kembali contoh
di bab sebelumnya. Jika diatur A menjadi "muda" dan B "Senior", penyatuan A dan B adalah
"muda atau senior". Dalam arti makna, penyatuan dan logika OR sepenuhnya identik.

7
2.3.3 Operasi Gabungan Lainnya

̂ 𝐵 (Jumlah aljabar)
1) Jumlah probabilistic 𝐴 +
Gabungan fuzzy 𝐴 + ̂ 𝐵 didefinisikan sebagai,

Ini mengikuti komutatif, asosiasi, identitas, dan hukum De Morgan. Operator ini juga
memegang yang berikut:
𝐴+ ̂𝑋=𝑋
2) Jumlah yang dibatasi

Operator ini identik dengan fungsi Yager di w = 1. Komutatif, asosiasi, identitas, dan
Hukum De Morgan disempurnakan, dan memiliki hubungan, tetapi itu tidak
idempotensi dan distribusi pada penyerapan.

3) Jumlah drastis
Jumlah drastis didefinisikan sebagai berikut:

4) Jumlah Hamacher 𝐴 ∪ 𝐵

2.4 Persimpangan Fuzzy

2.4.1 Aksioma untuk Fungsi titik-temu

Secara umum, persimpangan A ∩ B didefinisikan oleh fungsi I.

Argumen fungsi ini menunjukkan kemungkinan elemen x untuk terlibat dalam kedua set
fuzzy A dan B.

fungsi persimpangan memegang aksioma berikut

Aksioma I1 I(1,1) = 1, I(1,0) = 0, I(0,1) = 0, I(0,0) = 0

Fungsi I mengikuti operasi persimpangan set crisp (kondisi batas).
Aksioma I2 I(a,b) = I(b,a) berlaku komutatif
Aksioma I3 Jika a ≤ a’ dan b ≤ b’, I(a, b) ≤ I(a’, b’). Fungsi I adalah fungsi monoton.

8
Aksioma I4 I(I(a, b), c) = I(a, I(b, c)) berlaku asosiatif. Sama seperti fungsi persatuan, keempat
aksioma ini adalah kerangka aksiomatik, dan dua aksioma berikut dapat
ditambahkan.
Aksioma I5 Fungsi I kontinu.

Aksioma I6 𝐼 (𝑎, 𝑎) = 𝑎 (idempotensi)

2.4.2 Contoh Persimpangan

Persimpangan fuzzy standar melengkapi 6 aksioma di atas.

Visualisasi hasil persimpangan standar ini Gambar 2.8 menggunakan fuzzy set A dan B in
(Gambar 2.6.) Mempertimbangkan fungsi Yager seperti yang kita lakukan pada fungsi
gabungan, ia memenuhi semua aksioma tetapi untuk I6.

Bagaimana jika w mendekati tak terhingga ? Jawaban atas pertanyaan ini adalah “Fungsi
Yager konvergen ke fungsi persimpangan standar”.

Perhatikan bahwa persimpangan dan logika AND adalah setara. Sebagai contoh,
pertimbangkan dua set fuzzy "muda" dan "senior". Persimpangan untuk ini adalah "orang
yang sekaligus muda dan senior".

9
Contoh 2.1

Ambil fungsi Yager di w = 1 misalnya. Memberikan a = 0,4 dan b = 0,6, lalu

kali ini biarkan a = 0,5 dan b = 0,6, lalu a + b = 1,1

ambil a = 0,3 dan b = 0,6 misalnya. Jika 𝑤 → ∞, persimpangan dikurangi menjadi,

tetapi ketika w = 1, a + b = 0,9; karenanya,

Ada beberapa contoh fungsi Yager di (Gambar 2.9)

10
2.4.3 Operasi Titik-Temu Lainnya

1) Produk aljabar (produk probabilitas)

Operator  patuh pada aturan komutatif, asosiatif, identitas, dan hukum De Morgan.

2) Produk terbatas (Persimpangan tebal)

Operator ini didefinisikan sebagai,

dan identik dengan fungsi persimpangan Yager dengan w = 1,

komutatif, asosiatif, identitas, dan hukum De Morgan berlaku di operator ini. Berikut
hubungannya juga puas, tetapi bukan idempotensi, distribusi, dan penyerapan.

3) Produk drastis

4) Persimpangan Hamacher 𝐴 ∩ 𝐵, ∀𝑥 ∈ 𝑋

Contoh Soal

1. A = {1.0, 0.20, 0.75} , B = {0.2, 0.45, 0.50}

Tentukan A ∪ B!
Jawab:
A ∪ B = {MAX(1.0, 0.2), MAX(0.20, 0.45), MAX(0.75, 0.50)} = {1.0, 0.45, 0.75}
2. Misal nilai keanggotaan umur 27 pada himpunan muda adalah μMUDA[27] = 0,6 dan
nilai keanggotaan 2 juta pada himpunan penghasilan TINGGI adalah
μGAJITINGGI[2juta] = 0,8 maka tentukan α -predikat untuk usia MUDA atau
berpenghasilan TINGGI
Jawab:
nilai keanggotaan maksimum : μMUDA ∪ μGAJITINGGI = max(MUDA[27],
GAJITINGGI[2juta] = max (0,6 ; 0,8) = 0,8

11
3. A = {1.0, 0.20, 0.75} , B = {0.2, 0.45, 0.50}
Tentukan A ∩ B!
Jawab : A ∩ B = {MIN(1.0, 0.2), MIN(0.20, 0.45), MIN(0.75, 0.50)} = {0.2, 0.20,
0.50}
4. Misal nilai keanggotaan umur 27 pada himpunan muda adalah μMUDA[27] = 0,6 dan
nilai keanggotaan 2 juta pada himpunan penghasilan TINGGI adalah
μGAJITINGGI[2juta] = 0,8 maka tentukan α -predikat untuk usia MUDA dan
berpenghasilan TINGGI
5. Misal nilai keanggotaan umur 27 pada himpunan muda adalah μMUDA[27] = 0,6 dan
nilai keanggotaan 2 juta pada himpunan penghasilan TINGGI adalah
μGAJITINGGI[2juta] = 0,8 maka α -predikat untuk usia MUDA dan berpenghasilan
TINGGI adalah nilai keanggotaan minimun :
μMUDA ∩ GAJITINGGI = min(μ MUDA[27], μ GAJITINGGI[2juta]) = min (0,6 ;
0,8) = 0,6
6. Misal nilai keanggotaan umur 27 pada himpunan muda adalah μMUDA[27]= 0,6
maka α -predikat untuk usia TIDAK MUDA adalah :
μMUDA’[27] = 1 - MUDA[27 = 1 - 0,6 = 0,4

12