UJIAN TUGAS AKHIR LOGO. Kamis, 28 Januari Oleh : Heny Nurhidayanti. Dosen Pembimbing : INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA

dokumen-dokumen yang mirip
BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

PEMILIHAN SUPPLIER DENGAN PENDEKATAN POSSIBILITY FUZZY MULTI-OBJECTIVE PROGRAMMING

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

S2 MP Oleh ; N. Setyaningsih

BAB 2. Tinjauan Teoritis

UKURAN GEJALA PUSAT DAN UKURAN LETAK

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

BAB II LANDASAN TEORI

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

BAB III UKURAN PEMUSATAN DATA

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

MATEMATIKA INTEGRAL RIEMANN

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB II LANDASAN TEORI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

X a, TINJAUAN PUSTAKA

BAB III PERSAMAAN PANAS DIMENSI SATU

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

Bab II Teori Pendukung

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

b) Untuk data berfrekuensi fixi Data (Xi)

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

UKURAN GEJALA PUSAT (UGP)

NORM VEKTOR DAN NORM MATRIKS

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

BAB 1 STATISTIKA RINGKASAN MATERI

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

STATISTIKA DASAR. Oleh

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

BAB 5. ANALISIS REGRESI DAN KORELASI

SOLUSI TUGAS I HIMPUNAN

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

Uji Statistika yangb digunakan dikaitan dengan jenis data

; θ ) dengan parameter θ,

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

BAB II TINJAUAN PUSTAKA

2.2.3 Ukuran Dispersi

Optimasi Persediaan Bahan Bakar Minyak (BBM) di Yogyakarta Menggunakan Goal Programming

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB III ISI. x 2. 2πσ

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

PENGARUH BOBOT PADA METODE WEIGHTED FUZZY GOAL PROGRAMMING (WFGP) TERHADAP STRATEGI PENGAMBILAN KEPUTUSAN PENENTUAN ALOKASI KUOTA SUPPLIER

8. MENGANALISIS HASIL EVALUASI

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

Regresi Linier Sederhana Definisi Pengaruh

BAB 2 LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

Analisis Korelasi dan Regresi

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

3 Departemen Statistika FMIPA IPB

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB II TINJAUAN PUSTAKA. Knapsack Problem merupakan permasalahan optimasi kombinatorik dengan

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

Transkripsi:

LOGO UJIAN TUGAS AKHIR Kams, 28 Jauar 200 Oleh : Hey Nurhdayat 206 00 059 Dose Pembmbg : Drs. Sulstyo, MT JURUSAN MATEMATIKA FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA

Pedahulua Order dar customer Produks percetaka dmula Order baha baku Ketdakpasta da resko Perecaaa Pemlha Suppler Krtera-krtera Pemlha Suppler Suppler terpllh

Stud kasus : Masalah pemlha suppler kertas plao 70 gram ukura 79 cm X 09 cm oleh Percetaka Surya Semesta Clck to add Rumusa Masalah. Bagamaa memodelka masalah pemlha suppler dega mempertmbagka harga palg mmum yag dtawarka oleh suppler, jumlah barag yag dtolak palg mmum da juga jumlah barag yag terlambat t dkrm palg mmum. 2. Bagamaa meyelesaka model tersebut, sehgga dapat dplh suppler yag palg potesal

Clck to add Batasa Masalah. Data yag dguaka adalah data sekuder yag dperoleh dar data pembela Percetaka Surya Semesta yag dlakuka selama perode Me 2006 sampa Agustus 2009. 2. Data yag dguaka adalah data pembela kertas plao 70 gram ukura 79 cm X 09 cm. 3. Suppler yag aka daalsa, dbatas haya suppler barag yag homoge. 4. Krtera yag dpertmbagka dalam memlh suppler adalah harga, persetase peolaka, da persetase keterlambata pegrma. 5. Cara pembayara yag dlakuka percetaka kepada semua supplerya sama. 6. Permasalaha aka dselesaka dega pedekata possblty fuzzy mut-objectve programmg. 7. Permasalaha pemlha suppler dega possblty fuzzy mult-objectve programmg aka dselesaka dega metode pembobota terormalsas

Clck to add Tujua da Mafaat Tujua dar Tugas Akhr adalah :. Medapatka model yag sesua utuk masalah pemlha suppler dega mempertmbagka harga palg mmum yag dtawarka oleh suppler, jumlah barag yag dtolak palg mmum da juga jumlah barag yag terlambat t dkrm palg mmum. 2. Medapatka peyelesaa dar model yag telah ddapatka sehgga dapat dplh suppler yag palg potesal. Mafaat dar Tugas Akhr :. Memberka formas tetag metode alteratf yag dapat dguaka percetaka utuk melakuka proses pemlha suppler. 2. Memberka formas kepada percetaka megea performas dar suppler.

Tjaua Pustaka Stud dar Peelta Clck to add Sebelumya Peelta megea pemlha suppler sebelumya dlakuka k oleh Nahla Rakhmawat dega megguaka Pedekata Etropy Maksmum da Prmal Dual Geometrc Programmg pada Mult-obyectve Seleks Pemlha Vedor. Model permasalaha pemlha suppler yag dbahas dalam Tugas Akhr mash megguaka metode yag megkombaska atara fuzzy programmg dega o lear programmg, selajutya peelta serupa dapat dlakuka megguaka metode fuzzy programmg saja karea batasaya lebh luas. (Tugas Akhr Nahla Rakhmawat, 2009)

2 Clck to add Supply Cha

3 Pemlha Clck Suppler to add Pemlha suppler merupaka proses yag pajag. Suppler devaluas dalam beberapa krtera sepert cost, delvery, qualty, da la-la. Pada saat melakuka evaluas dar beberapa krtera serg terjad trade off sepert adaya suppler yag meawarka produk dega kualtas yag bagus tetap pegrmaya tdak past. Semak bayakya krtera yag dgka perusahaa utuk pemlha suppler membuat masalah semak kompleks, oleh karea tu dperluka suatu tekk pegambla keputusa dalam pemlha suppler.

4 Sstem Clck Fuzzy to add Hmpua fuzzy adalah represetas matematka pada ketdaktepata atau ketdakpasta dalam kehdupa sehar-har (Zadeh, 965). Defs : Dberka semesta X. Hmpua fuzzy A dalam X dtuls à da ddefska : dega fuzzy Ã. Defs 2: {(, μ ( ))/ } à = x x x X à μ : X 0, à adalah fugs / derajat keaggotaa dar hmpua Fugs keaggotaa adalah suatu kurva yag meujukka pemetaa ttk put data ke dalam la keaggotaa yag memlk terval atara 0 hgga.

Lajuta Fugs keaggotaa trapesum μ A 0, x a x a, a x a a2 a x =, a2 x a3 x a4, a x a a3 a4 0, x a4 ( ) 2 3 4 a a 2 a 3 a 4 () Defs 3: Hmpua fuzzy à pada seluruh aggota X adalah covex jka da haya jka utuk semua x, x 2 pada X berlaku: 2 ( ) ( ) ( ) μ ( λx+ λ x2) m( μ x, μ x2 ) à à à x, x X

Lajuta Defs 4: Hmpua crsp dega eleme-eleme hmpua fuzzy à dega derajat keaggotaa sekurag-kuragya g α dsebut hmpua level-α atau α-cut,, yatu: { μ ( ) } Aα = x X μ x α A

Lajuta Defs 5: Ukura Possbltas Dberka X Ø, P(X) = 2 X Fugs π : P(X) [0,] dega sfat : π ( ) = 0, π ( X ) = π ( ) π ( ) A B A B π sup I ( A ) = π ( A ) I Apabla f : X [0,] adalah fugs dstrbus possbltas maka: π sup ( A) = f ( x), A X x A Apabla A = Crsp, I = A, A x = {x} {} ( ) ( ) ( ) { } π A π A supπ A supπ( x) = x = x =

Sfat : x, x2,, x L ( x ),( x) Jka adalah varabel fuzzy yag covex, da adalah α batas atas da batas bawah dar x, utuk level possblty berlaku : α α, α da(0 < α, α, α < ), 2 3 2 3 L L P x+ + x b α ( x) α + + ( x ) α b U U P x + + + x b α2 ( x) α + + + ( x ) 2 α2 b U α

5 Clck to add Metode Pembobota Masalah optmsas mult-objectve bsa dbawa ke betuk masalah optmsas satu objectve dega cara skalarsas. Osyczka (984) meujuk bahwa salah satu metode trasformas yag sagat sederhaa adalah metode pembobota terormalsas (ormalzed weghted method). ( ) k f x = w f ( x ) θ w = = f max k max f = f m m f ( ).(3) θ = m f.(2) (4)

Metode Peelta. Stud Pedahulua 2. Pegumpula Data Peelta 3. Varabel Peelta 4. Pembetuka Model Optmas 5. Aalss Data 6. Pearka Kesmpula

Pembahasa da Hasl Clck to add Data Percetaka Data yag dperoleh dar Percetaka Surya Semesta adalah data-data yag berkata dega pembela baha baku berupa kertas plao 70 gramukura79cmx09cm perode Me 2006-Agustus 2009, da data yag dperoleh atara la berupa data suppler, harga yag dtawarka oleh suppler, persetase peolaka barag da keterlambata pegrma barag.. Suppler yag dseleks berjumlah 3 yatu PT. Abad, PT. Dalas, da PT. Sembla. 2. Harga, persetase peolaka barag, da persetase keterlambata pegrma barag utuk pembela kertas plao 70 gram ukura79cmx09cmdsajka dalam tabel dega μ(σ), dega μ adalah mea da σ adalah stadard error :

Pembahasa da Hasl 2 Notas-Notas : jumlah suppler Clck to add c : harga yag dtawarka oleh suppler ke- λ : persetase jumlah peolaka barag yag dkrm oleh suppler ke- β : persetase jumlah keterlambata barag yag dkrm oleh suppler ke- D : jumlah kebutuha barag : batas bawah pembela barag oleh suppler ke- u : batas atas pembela barag oleh suppler ke- x : jumlah barag yag dpesa percetaka kepada suppler ke- l u u

3 Clck to add Pembetuka LMOP Dega kedala : M f ( x ) = c x = M f 2 ( x ) = λ x = M f3 ( x ) = β x = x D l = x u, =,2,, u x u, =,2,, x 0, =, 2,,.(5)

4 Clck to add Pembetuka FMOP M f, f 2, f Dega kedala : = = = 3 u c x f λ β x x f f u 2 u 3 = x u D x u, =,2,, l x u, =,2,,, x 0, =, 2,, (6)

5 Clck to add Pembetuka PMOP {,, } M f f f 2 3 Dega kedala : u c x f α = λ x f = β x f = u 2 u 3 α α 2 3 = x D α 4 u x,,2,, u α 5 = l x u α 6, = 2, 2,, x 0, =, 2,, (7)

Lajuta Selajutya (7) aka mejad : {,, } M f f f 2 3 Dega kedala : = = L c x f α λ = L α 2 x f u u = x α 5 β L α 3 x 2 u f 3 D U L α u x u, =,2,, L l x u, = 2, 2,, x 0, =,2,, α 6 4 (8)

Lajuta (8) Aka mejad : {,, } M f f f 2 3 Dega kedala : L L u ( α ) c x+ α c x f = = 2 L L u α 2 λ x+ α 2 λ x f 2 = = 2 L L u α3 β x+ α3 β x f 3 = = 2 ( ) ( ) ( ) x α 4 D + α 4 D = 2 u U u U ( α 5 ) + α 5 x u u ( α ) L 4 3 l L l L 6 α6 x u + u x 0, =, 2,,.(9) 2 L

6 Clck to add Parameter dar fugs keaggotaa trapesum Nla parameter dar fugs keaggotaa trapesum dcar dega : a a a a 2 3 = μ 2σ = μ σ = μ + σ = μ + σ 4 μ 2

7 Memodelka masalah Clck pemlha to add suppler dega PMOP Dega α =0.5,, M f f f { } 2 3 Dega kedala : 26050.5858 x +265044.7797 x 2 + 267380.35923592 x 3 0.097043 x + 0.024859 x 2 + 0.0459 x 3 0.096967 x + 0.0929 x 2 + 0.007938 x 3 x + x 2 + x 3 25 x (-0.5)(20) + (0.5)(20) x 2 (-0.5)(20) + (0.5)(20) x 3 (-0.5)(20) + (0.5)(20) x 0 x 2 0 x 3 0 u f 2 u f 3 u f.(0)

8 MeetukaClck batas atas to add da batas bawah Nla optmal masg-masg fugs objectve: Batas bawah = [6546226 0.38705 0.254285] Batas atas = [667283 0.58655 0.4895795] Dega batas atas da batas bawah sepert maka (0) aka mejad :

Lajuta M f =26050.58 x +265044.7797 x 2 + 267380.3592 x 3 M f 2 =0.097043 x + 0.024859 x 2 + 0.0459 x 3 M f 3 =0.096967096967 x + 0.09290929 x 2 + 0.007938007938 x 3 Dega kedala : 26050.58 x +265044.7797 x 2 + 267380.3592 x 3 667283 0.097043097043 x + 0.024859024859 x 2 + 0.04590459 x 3 0.58655 0.096967 x + 0.0929 x 2 + 0.007938 x 3 0.4895795 x + x 2 + x 3 25 x 20 x 2 20 x 3 20 x 0 x 2 0 x 3 0 ()

9 Megubah mult-objectve Clck to mejad add sgle objectve Dega persamaa (2) ddapat : w = 0.999997063 w 2 =.077868957 X 0-6 w 3 =.8585538 X 0-6 Dega persamaa (4) ddapat : θ = θ 2 3 = θ = 6546226 0.38705 0.254285

Lajuta Dega persamaa (3) maka () mejad : M = 0.039878 x +0.0404883 x 2 + 0.0408449 x 3 Dega kedala : 26050.5858 x +265044.7797 x 2 + 267380.35923592 x 3 667283 0.097043 x + 0.024859 x 2 + 0.0459 x 3 0.58655 0.096967 x + 0.0929 x 2 + 0.007938 x 3 0.4895795 x + x 2 + x 3 25 x 20 x 2 20 x 3 20 3 x 0 x 2 0 x 3 0 (2)

Lajuta Dega batua program Ldo aka ddapatka : x = 20 x 2 = 5 x 3 = 0 Dega la optmumya : f = 6546226 f 2 = 0.58655 f 3 = 0.4895795

0 Clck to add Perbadga la optmum dega level resko yag berbeda

Kesmpula. Model optmas dega possblty fuzzy mult-objectve programmg dapat dyataka dega (9). 2. Dega level resko yag semak kecl maka hasl yag ddapatka aka semak optmal. 3. Dar pembahasa da hasl dapat dsmpulka bahwa PT. Abad merupaka suppler yag palg potesal, bak tu dpertmbagka dar harga yag dtawarka, persetase keterlambata pegrma kertas, maupu persetase peolaka kertas yag dkrm.

Sara Sara yag dapat dberka utuk peelta selajutya adalah megembagka model permasalaha pemlha suppler dega mempertmbagka a faktor-faktor ato a resko da ketdakpasta a laya yag perlu utuk dpertmbagka.

Daftar Pustaka [] Hastuty, Nurul. 2005. Peerapa Pedekata MCDM-Promethe da Zero Oe Goal Programmg utuk Pemlha Suppler. Tugas Akhr, Tekk Idustr, ITS Surabaya. [2] Rakhmawat, Nahla. 2009. Pedekata Etropy Maksmum da Prmal Dual Geometrc Programmg pada Permasalaha Mult Obyektf Pemlha Vedor. Tugas Akhr, Matematka, ITS Surabaya. [3] Sakawa, Masatosh. 993. Fuzzy Sets ad Iteractve Multobjectve Optmzato. New York: Pleum Press. [4] Satoso, Lucky. E. Jural Sstem Pedukug Keputusa utuk Masalah Optmas Multkrtera. [5]U Usadha, IG Gust tngurah hra. Hadout Sstem Fuzzy. ITS Surabaya. [6] Wu D.D., Zhag Y., Wu D., ad Olso D.L. 2009. Fuzzy mult-objectve programmg for suppler selecto ad rsk modelg : A possblty approach. Europea Joural of Operatoal Research. [7] Zmmerma, H.-J. 2000. Fuzzy Set Theory ad Its Applcatos. Lodo: Kluwer Academc Publshers.

LOGO TERIMA KASIH