III FUZZY GOAL LINEAR PROGRAMMING

dokumen-dokumen yang mirip
FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

BAB II TEORI DASAR. Analisis Kelompok

BAB 2 LANDASAN TEORI

Bab III. Plant Nonlinear Dengan Fase Nonminimum

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

PENGENALAN POLA HURUF KAPITAL TULISAN DENGAN ANALISIS DISKRIMINAN LINIER 2-DIMENSI SIMETRIS

BAB 3 PEMODELAN PROSES PENGGILINGAN AKHIR

BAB 2 LANDASAN TEORI

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

P i KULIAH KE 3 METODA KELOMPOK (COHORT SURVIVAL METHOD) METODE ANALISIS PERENCANAAN - 1 TPL SKS DR. Ir. Ken Martina K, MT.

EKSPEKTASI SATU PEUBAH ACAK

Karakterisasi Matrik Leslie Ordo Tiga

BAB II DIMENSI PARTISI

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB II LANDASAN TEORI

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK

Optimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi

Analisis Sensitivitas

b. Tentukan eigenket-eigenket dari sistem tersebut sebagai kombinasi linier dari 1 dan 2

BAB 3 GAMBARAN UMUM TEMPAT RISET

I PENDAHULUAN II LANDASAN TEORI

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Analisis Penyelesaian Persamaan Kuadrat Matriks

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

PENENTUAN JUMLAH PRODUKSI OPTIMAL CPO DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING PADA PABRIK KELAPA SAWIT PT. XYZ

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB II LANDASAN TEORI

TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA

Pengolahan lanjut data gravitasi

BAB III MODUL INJEKTIF

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 11-22, April 2001, ISSN : SUBRUANG MARKED. Suryoto Jurusan Matematika, FMIPA-UNDIP Semarang

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

Bab V Aliran Daya Optimal

Preferensi untuk alternatif A i diberikan

BAB IV HASIL ANALISIS

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

Created by Simpo PDF Creator Pro (unregistered version)

BAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam

menyelesaikan permasalahan dalan penulisan.

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN

Optimasi Perencanaan Hasil Produksi dengan Aplikasi Fuzzy Linear Programming (FLP)

METODE SIMPLEKS. Fitriani A/09/2009 Jurusan Pendidikan Matematika UPI

PENDAHULUAN LANDASAN TEORI

Kata kunci: system fuzzy, inflasi

SYARAT PERLU DAN CUKUP SOLVABILITAS MASALAH DEKOPLING SEGITIGA BLOK

APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW

IDENTIFIKASI SISTEM NONLINIER DENGAN MENGGUNAKAN RECURRENT NEURAL NETWORK DAN ALGORITMA DEAD-ZONE KALMAN FILTER

APLIKASI JARINGAN SARAF TIRUAN REKUREN PADA IDENTIFIKASI SISTEM NONLINIER DENGAN ALGORITMA OPTIMAL BOUNDED ELLIPSOID

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 1-10, April 2004, ISSN : PROGRAM NONLINEAR FUZZY

Restorasi Citra Dengan Menggunakan Metode Iteratif Lanczos Hybrid Regularization

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE

Diagram Kontrol Fuzzy Multinomial Untuk Data Linguistik

MENYELESAIKAN SISTEM PERSAMAAN LINIER MENGGUNAKAN ANALISIS SVD. Jl. Prof. H. Soedarto, S.H., Tembalang, Semarang

Perbandingan Masalah Optimasi TSP dengan Menggunakan Algoritma Ant Colony dan Jaringan Hopfield

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

BAB III EKSPEKTASI MATEMATIK

SISTEM JARINGAN SYARAF KABUR SKRIPSI. Diajukan untuk Memenuhi Salah Satu Syarat. Memperoleh Gelar Sarjana Sains. Program Studi Matematika

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

BAB III METODOLOGI PENELITIAN

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

Analisis Persebaran Seismisitas Wilayah Sumatera Selatan Menggunakan Metode Double Difference

ANALISIS PARETO OPTIMAL DENGAN PEMBOBOTAN DALAM MENENTUKAN SOLUSI GOAL PROGRAMMING SKRIPSI. SRI KEUMALAWATI (Operasi Riset)

Tinjauan Ulang Konsep Mekanika Klasik

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

Bab III Model Estimasi Outstanding Claims Liability

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

ANALISIS KAPABILITAS PROSES

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

ABSTRAK AYU MERYANTI GALMAYURA FARIDA HANUM

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

ANALISIS BENTUK HUBUNGAN

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online

PENDUGAAN PARAMETER MODEL HIDDEN MARKOV *

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

TINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

Transkripsi:

7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang dar 7 tahun dataan tda dewasa. Sedangan pada loga fuzzy, seseorang yang erumur d awah 7 tahun dapat dategoran dewasa tetap tda penuh. Secara graf dapat dgamaran seaga erut: μ A (x) dengan x adalah umur (tahun), A alah hmpunan orang dewasa, dan μ A (x) adalah fungs eanggotaan yang dapat dtuls seaga erut: μ A x = 0, ja 0 x 0 x 0, ja 0 x 7 7 0, ja x 7 Dar fungs eanggotaan terseut dapat dlhat ahwa seseorang yang erumur 2 tahun termasu dalam hmpunan orang dewasa dengan derajat eanggotaan μ A 2 = 2 7. Derajat eanggotaan menunjuan seerapa esar esstens dar seseorang yang erumur 2 tahun dalam hmpunan orang dewasa. x 0 0 7 Gamar 5 Graf fungs eanggotaan hmpunan fuzzy dewasa. III FUZZY GOAL LINEAR PROGRAMMING Konsep fuzzy lnear programmng untu menyelesaan masalah pemrograman lnear multojetf atau multojectve lnear programmng (MLP) pertama al dperenalan oleh Zmmerman pada tahun 978. Pada tahun 980, Narasmhan menggunaan teor hmpunan fuzzy untu metode goal programmng. Selanjutnya pada tahun 997, Mohamed mempelajar model fuzzy programmng dengan menggunaan onsep goal programmng (Gupta dan Bhattacharya 200). Dalam arya lmah n aan donstrus masalah fuzzy goal programmng (FGP) yang merupaan perluasan dar model goal programmng. FGP adalah model goal programmng dengan fungs ojetf dan fungs endala yang meml parameter dan pertasamaan atau persamaan fuzzy. Parameter FGP meml derajat eanggotaan tertentu dalam selang [0, ] dan dnyataan dalam pertasamaan fuzzy, yatu (mendeat leh esar atau sama dengan), atau (mendeat leh ecl atau sama dengan) atau persamaan fuzzy, yatu (mendeat sama dengan). Model fuzzy goal programmng dapat dformulasan seaga erut: Tentuan X = (x, x 2,, x n ) T R n sehngga memenuh fungs tujuan Z X g, =, 2,, K, terhadap endala AX, = (, 2,, m ) T R m dengan X = vetor varael eputusan g = etdatepatan level aspras (nla ruas anan) e- dar tujuan Z X ( =, 2,, K) A = matrs oefsen erordo m n = vetor nla ruas anan endala Z X g = tujuan fuzzy e- Tanda merupaan entu fuzzy dar tujuan dan endala tpe, tanda merupaan entu fuzzy dar tujuan dan endala tpe, dan tanda merupaan entu fuzzy dar endala tpe =. (Gupta dan Bhattacharya 200) Dalam suatu pengamlan eputusan, fungs tujuan maupun endala yang merupaan hmpunan fuzzy dapat dcran dengan fungs eanggotaan masng-masng.

8 Selanjutnya dtetapan derajat tertngg seaga level aspras dar tujuan fuzzy. Fungs tujuan fuzzy menggunaan level aspras yang ersfat tda tepat. Model fuzzy n perlu duah e dalam persamaan tegas (crps) dengan menyusttusan fungs terseut pada fungs eanggotaan fuzzy lnear. Menurut Gupta dan Bhattacharya (200), ja p mendefnsan tolerans untu tujuan fuzzy e-, yatu onstanta postf yang dplh secara sujetf dar etdatepatan nla g yang mash dapat dterma, maa fungs eanggotaan dar fungs tujuan fuzzy Z (X), dnyataan dengan μ Z X, dapat dgunaan untu mendefnsan tujuan fuzzy Z (X) seaga erut: Untu tujuan fuzzy Z (X) g, =,2,, K, fungs eanggotaannya ddefnsan seaga erut: ( Z ( X)) 0, ja Z g p Z ( g p ), ja g p Z g p, ja g Z g p Graf fungs eanggotaan μ(z (x)) deran pada Gamar 6 erut. (lhat Lampran 3) μ(z (X)) 0 g p g g p p p Z (X) Gamar 6 Graf fungs eanggotaan tujuan fuzzy Z X g. Untu tujuan fuzzy Z X g, =,2,, K, fungs eanggotaannya ddefnsan seaga erut: ( Z ( X)), ja g p Z g ( g p ) Z, ja g Z g p p 0, ja Z g p Graf fungs eanggotaan μ(z (x)) deran pada Gamar 7 erut. (lhat Lampran 3) μ(z (X)) 0 g p g g p p p Z (X) Gamar 7 Graf fungs eanggotaan tujuan fuzzy Z X g. dengan g p dan g p masng-masng menunjuan atas awah tolerans dan atas atas tolerans untu tujuan fuzzy Z X. Ja q ( =, 2,, m) mendefnsan tolerans untu endala fuzzy e-, yatu onstanta postf yang dplh secara sujetf dar etdatepatan nla yang mash dapat dterma, maa fungs eanggotaan dar endala fuzzy a X (a adalah ars e- dar matrs AX ), dnyataan dengan μ a X, dapat dgunaan untu mendefnsan endala fuzzy a X seaga erut: Untu endala fuzzy a X, =,2,, m ( adalah ars e- dar vetor ), fungs eanggotaannya ddefnsan seaga erut: ( a ( X)) 0, ja a q a ( q ), ja q a q, ja a q

9 Untu endala fuzzy a X, =,2,, m, fungs eanggotaannya ddefnsan seaga erut: ( a ( X)), ja q a ( q ) a, q ja a q 0, ja a q dengan q dan q masng-masng menunjuan atas awah tolerans dan atas atas tolerans untu endala fuzzy pertasamaan a X. Untu endala fuzzy a X, =,2,, m, fungs eanggotaannya ddefnsan seaga erut: ja a q 0, atau a q2 a ( q ), ja q a q, ja a ( q2 ) a, ja a q2 q 2 Graf fungs eanggotaan μ(a (x)) deran pada Gamar 8 erut. μ(a (X)) ( a ( X)) 0 q q 2 q q 2 a (X) Gamar 8 Graf fungs eanggotaan dar endala fuzzy a X. dengan q dan q 2 masng-masng menunjuan atas awah tolerans dan atas atas tolerans untu endala fuzzy persamaan a X dengan q dan q 2 erturut-turut mendefnsan tolerans dar endala fuzzy e- untu endala fuzzy persamaan e- dan endala fuzzy persamaan e-2. Nla tolerans q dan q 2 oleh ereda. Pada metode fuzzy goal programmng, derajat eanggotaan μ(z (X)) dar suatu tujuan e- erada pada selang 0,, sehngga dengan menamahan varael devas d dan d, fungs eanggotaan dar tujuan fuzzy dapat drepresentasan seaga erut: μ Z X d d =, untu fungs eanggotaan dar tujuan tpe dan dengan d, d 0, d d = 0, =, 2,, K. Varael d dan d erturut-turut merupaan varael devas yang erada d awah dan d atas dar derajat eanggotaan tujuan fuzzy e-. Suatu tujuan e- dataan erhasl dcapa la nla varael devas d dan d urang dar satu. Ja nla varael devas d >, maa aan mengaatan derajat eanggotaan μ Z X < 0. Sedangan ja d >, maa aan mengaatan nla fungs ojetf Z (X) meleh atas tolerans yang deran oleh pemuat eputusan. Seman nla varael devas d dan d deat dengan 0, seman esar tngat eerhaslan tujuan e-. Suatu endala fuzzy e- meml derajat eanggotaan pada selang 0,, sehngga dengan menamahan varael devas d dan d, fungs eanggotaan dar endala tpe dan dapat drepresentasan seaga erut: μ a X d d = () d, d 0, d d = 0, =, 2,, m. d dan d merupaan varael devas yang erada d awah dan d atas dar derajat eanggotaan endala fuzzy e-. Suatu endala e- dataan erhasl dcapa la nla varael devas d dan d urang dar satu. Ja nla varael devas d >, maa aan mengaatan derajat eanggotaan μ a X < 0. Sedangan ja d >, maa aan mengaatan nla fungs ojetf a (X) meleh atas tolerans yang deran oleh pemuat eputusan. Seman nla varael devas d dan d deat dengan 0, seman esar tngat eerhaslan endala e-. Fungs eanggotaan untu endala fuzzy persamaan merupaan gaungan dar fungs eanggotaan untu endala fuzzy

0 pertasamaan ( dan ), maa fungs eanggotaan dar endala fuzzy persamaan dapat drepresentasan sepert persamaan (). Selanjutnya aan dgunaan metode mn sum fuzzy goal programmng, yatu suatu metode fuzzy goal programmng yang menggunaan fungs eanggotaan dar fungs ojetf dan fungs endala yang danggap seaga endala fuzzy dengan menetapan derajat tertngg dar level aspras. Metode n aan memnmuman varael devas yang erada d awah tujuan dan endala fuzzy. (Gupta dan Bhattacharya 200) Menurut Gupta dan Bhattacharya (200) metode mn sum fuzzy goal programmng dapat dformulasan seaga erut: Tentuan X = (x, x 2,, x n ) R n yang memnmuman K m z d d dengan endala () Z X (g p ) d p d =, (untu tujuan tpe ) (2) g p Z X p d d =, (untu tujuan tpe ) (3) a X q d q d =, (untu endala tpe ) (4) q a X d q d =, (untu endala tpe ) (5) q a X d q d = a x q 2 d q d = 2 (untu endala tpe ) (6) X, d, d 0; d, d ; d d = 0; =,2,, K d, d 0; d, d, d d = 0; =, 2,, m. Dengan menamahan endala atas tolerans untu setap endala fuzzy, maa model mn sum fuzzy goal programmng terseut dapat dtulsan seaga erut: Tentuan X = (x, x 2,, x n ) R n yang memnmuman K m z d d dengan endala () Z X (g p ) d p d =, (untu tujuan tpe ) g (2) p Z X d p d =, (untu tujuan tpe ) (3) a X q d q d =, (untu endala tpe ) (4) q a X d q d =, (5) (untu endala tpe ) q a X d q d = a x q 2 d q d = 2 (untu endala tpe ) (6) g p Z X g p (endala atas tolerans untu tujuan tpe dan ) (7) q a X q (endala atas tolerans untu endala tpe dan ) (8) q a X q 2 (endala atas tolerans untu endala tpe ) (9) X, d, d 0, p > 0; d, d ; d d = 0; =,2,, K d, d 0, q, q, q 2 > 0; d, d, d d = 0; =, 2,, m. 3. Prosedur Pengoptmuman Tahapan dan dagram alr dar proses pengoptmuman dengan metode fuzzy goal programmng dapat drepresentasan seaga erut: Tahapan proses pengoptmuman memenuh etentuan seaga erut: formulasan model fuzzy goal programmng, 2 dentfas tpe fuzzy dar tujuan yang ngn dcapa, yatu untu asus masmsas dan untu asus mnmsas. Kemudan tentuan level aspras (g ) untu tujuan e-, 3 dtentuan endala yang aan menjad endala fuzzy, 4 dtentuan nla tolerans untu setap tujuan dan endala fuzzy emudan onstrus fungs eanggotaan dar tujuan dan endala fuzzy erdasaran lmt tolerans yang dperoleh, 5 aplasan e dalam model mn sum fuzzy goal programmng sehngga semua tujuan fuzzy erhasl dcapa, 6 ja semua tujuan fuzzy elum erhasl dcapa, maa emal e tahap 2.

Dagram alr untu proses pengoptmuman deran pada Gamar 9 erut: Model fuzzy goal programmng Tentuan tpe fuzzy dan nla g untu tujuan e- Tentuan endala fuzzy Konstrus fungs eanggotaan Model mn sum fuzzy goal programmng Apaah semua tujuan erhasl dcapa? Ya Solus tera Tda Gamar 9 Dagram alr pengoptmuman MLP. Ilustras fuzzy goal programmng dapat dlhat pada Contoh 4. Contoh 4 Berdasaran MLP pada Contoh, maa dperoleh formulas model fuzzy goal programmng seaga erut: Tentuan X = (x, x 2, x 3, x 4 ) sehngga memenuh fungs tujuan () 8x x 2 0x 3 2x 4 2700 (2) x x 2 32 5 4 terhadap endala () x x 2 x 3 x 4 300 (2) x 25 (3) x 2 00 (4) x 3 50 (5) x 4 20 (6) x 0, =,2, 3, 4 Fungs tujuan () dan (2) dperoleh dar fungs tujuan masalah pada Contoh. Dasumsan fungs tujuan () dan (2) merupaan fungs tujuan fuzzy dan endala () merupaan endala fuzzy. Msalan dplh atas tolerans p = 20 dan p 2 = 6 erturut-turut untu fungs eanggotaan dar fungs tujuan fuzzy Z (X) (endala pertama) dan Z 2 X (endala edua) dan q = 50, q 2 = 25 untu fungs eanggotaan dar endala fuzzy persamaan a X (endala etga), maa fungs eanggotaan untu setap tujuan dan endala fuzzy menjad: Fungs eanggotaan untu tujuan () ( Z( X)), ja 2680 Z ( X) 2700 2720 Z( X), ja 2700 Z 2720 20 0, ja Z ( X) 2720 dengan Z X = 8x x 2 0x 3 2x 4 Fungs eanggotaan untu tujuan (2) ( Z ( X)) 2 0, ja Z ( X) 6 Z2 ( X) 6, ja 6 Z2 32 6, ja 32 Z2 ( X) 48 dengan Z 2 X = x x 2 5 4 Fungs eanggotaan untu endala () μ a X = ja a ( X) 250 0, atau a ( X) 325 a ( X) 250, ja 250 a ( X) 300 50, ja a ( X) 300 325 a ( X), ja 300 a ( X) 325 25 dengan a X = x x 2 x 3 x 4 2 Selanjutnya dengan melauan susttus setap fungs tujuan dan endala fuzzy e dalam fungs eanggotaannya, maa permasalahan terseut dapat dselesaan dengan menggunaan metode mn sum fuzzy goal programmng yang dformulasan menjad: Tentuan X = (x, x 2, x 3, x 4 ) yang memnmuman z = d d 2 d 3 d 4