Himpunan Klasik Crisp Konsep Dasar Himpunan

atau jika dapat dideskripsikan dalam cara ini, tetap bukan merupakan cara yang terbaik untuk melakukannya.

3.1.1. Himpunan Klasik Crisp

3 • Nilai keanggotaan 1 pada himpunan A, μ A 1 = 1, karena 1 A. Pada dasarnya, teori himpunan fuzzy merupakan perluasan dari teori himpunan klasik. Pada teori himpunan klasik Crisp, keberadaan suatu elemen pada suatu himpunan A, hanya akan memiliki 2 kemungkinan keanggotaan, yaitu menjadi anggota A atau tidak menjadi anggota A. Suatu nilai yang menunjukkan seberapa besar tingkat keanggotaan suatu elemen x dalam suatu himpunan A, sering dikenal dengan nama keanggotaan atau derajat keanggotaan, dinotasikan dengan μ A x. Pada himpunan klasik, hanya ada 2 nilai keanggotaan, yaitu μ A x = 1 untuk x menjadi anggota A; dan μ A x = 0 untuk x bukan anggota dari A. Contoh 3.1: Jika diketahui: S = {1, 3, 5, 7, 9} adalah semesta pembicaraan; A = {1, 2, 3} dan B = {3, 4, 5}, maka dapat dikatakan bahwa: • Nilai keanggotaan 3 pada himpunan A, μ A 3 = 1, karena 3 A. • Nilai keanggotaan 2 pada himpunan A, μ A 2 = 0, karena 2 A. • Nilai keanggotaan 4 pada himpunan B, μ B 4 = 0, karena 4 B. 3 Sri Kusumadewi. 2006. Fuzzy Multi-Attribute Decision Making Fuzzy MADM. Yogyakarta : Graha Ilmu. Hal 3-17. Universitas Sumatera Utara Contoh 3.2: Misalkan dimiliki variabel umur yang dibagi menjadi 3 kategori, yaitu: MUDA umur 35 tahun PAROBAYA 35 ≤ umur ≤ 55 tahun TUA umur 55 tahun Nilai keanggotaan secara grafis, himpunan MUDA, PAROBAYA dan TUA ini dapat dilihat pada Gambar 3.1. Gambar 3.1. Himpunan Klasik : aMUDA, b PAROBAYA, dan c TUA. Pada Gambar 3.1, dapat dilihat bahwa: • apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA μ MUDA 34 = 1; • apabila seseorang berusia 35 tahun, maka ia dikatakan TIDAK MUDA μ MUDA 35 = 0; • apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK MUDA μ MUDA 35th – 1hr = 0; • apabila seseorang berusia 35 tahun, maka ia dikatakan PAROBAYA μ PAROBAYA 35 = 1; Universitas Sumatera Utara • apabila seseorang berusia 34 tahun, maka ia dikatakan TIDAK PAROBAYA μ PAROBAYA 34 = 0; • apabila seseorang berusia 35 tahun, maka ia dikatakan PAROBAYA μ PAROBAYA 35 = 1; • apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK PAROBAYA μ PAROBAYA 35th – 1hr = 0; Dari sini dapat dikatakan bahwa pemakaian himpunan klasik untuk menyatakan variabel umur kurang bijaksana, adanya perubahan kecil saja pada suatu nilai mengakibatkan perbedaan kategori yang cukup signifikan.

3.1.2. Himpunan Fuzzy

Dokumen yang terkait

Implementasi Fuzzy Inferensi Dan Decision Tree untuk Optimasi Pengukuran Kinerja Guru Dalam Menentukan Kompensasi Merit Pay

1 25 100

Pendekatan Axiomatic Design dalam Fuzzy Multi Criteria Decision Making

1 50 141

Integrasi Metode Dematel (Decision Making Trial And Evaluation Laboratory) dan Balanced Scorecard pada Penentuan Prioritas Pusat Distribusi di PT. XYZ

44 225 144

Model Fungsi Keanggotaan Fuzzy Multi Criteria Decision Making Padaprogram Sertifikasi Guru

0 50 96

Diagnosa Penyakit Hepatitis Menggunakan Fuzzy Multi Criteria Decision Making

8 87 59

Implementasi Metode Analytical Hierarchy Process (AHP) dan Fuzzy Multi-Attribute Decision Making (Fuzzy MADM) dalam Penentuan Prioritas Pengerjaan Order di PT. Sumatera Wood Industry

6 138 175

Pendekatan Fuzzy Multi-Criteria Decision Making Dalam Penentuan Penugasan Delivery Berdasarkan Kriteria Rute

2 61 56

BAB II GAMBARAN UMUM PERUSAHAAN - Implementasi Metode Analytical Hierarchy Process (AHP) dan Fuzzy Multi-Attribute Decision Making (Fuzzy MADM) dalam Penentuan Prioritas Pengerjaan Order di PT. Sumatera Wood Industry

0 0 29

BAB I PENDAHULUAN - Implementasi Metode Analytical Hierarchy Process (AHP) dan Fuzzy Multi-Attribute Decision Making (Fuzzy MADM) dalam Penentuan Prioritas Pengerjaan Order di PT. Sumatera Wood Industry

0 0 7

Implementasi Metode Analytical Hierarchy Process (AHP) dan Fuzzy Multi-Attribute Decision Making (Fuzzy MADM) dalam Penentuan Prioritas Pengerjaan Order di PT. Sumatera Wood Industry

0 2 22