Pencarian Solusi Optimal Fuzzy Untuk Masalah Program Linier Fuzzy Menggunakan Metode Level-Sum

dokumen-dokumen yang mirip
Elis Ratna Wulan a, Diana Ratnasari b

Implementasi Algoritma Self Organizing Map (SOM) untuk Clustering Mahasiswa pada Matakuliah Proyek (Studi Kasus : JTK POLBAN)

Bab 1 PENDAHULUAN. 1.1 Latar Belakang

PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN Latar Belakang Masalah

METODE URUTAN PARSIAL UNTUK MENYELESAIKAN MASALAH PROGRAM LINIER FUZZY TIDAK PENUH

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN Latar Belakang

PROGRAM LINIER FUZZY PENUH DENGAN METODE KUMAR. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang

Program Linear Fuzzy dengan Koefisien dan Konstanta Kendala Bilangan Fuzzy

OPTIMASI BIAYA PENGANGKUTAN MENGGUNAKAN PROGRAM LINEAR MULTIOBJEKTIF FUZZY (Studi Kasus pada PT. Sentosa Mulia Bahagia)

METODE SIMPLEKS FUZZY UNTUK PERMASALAHAN PEMROGRAMAN LINEAR DENGAN VARIABEL TRAPEZOIDAL FUZZY

R PROGRAM APLIKASI PENYELESAIAN MASALAH FUZZY TRANSSHIPMENT MENGGUNAKAN METODE MEHAR

BAB II MAKALAH Makalah 1 :

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. industri dan lain-lain. Seiring dengan adanya perkembangan di berbagai bidang

SEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknologi Industri dan Informasi MASALAH TRANSPORTASI DENGAN FUZZY SUPPLY DAN FUZZY DEMAND

DAFTAR ISI. LEMBAR PERNYATAAN. ABSTRAK KATA PENGANTAR. UCAPAN TERIMAKASIH. DAFTAR TABEL. DAFTAR GAMBAR DAFTAR LAMPIRAN

BAB II LANDASAN TEORI

BAB II KAJIAN TEORI. Berikut diberikan landasan teori mengenai teori himpunan fuzzy, program

FUZZY LINIER PROGRAMMING UNTUK PEMILIHAN JENIS KENDARAAN DALAM MENGANTISIPASI KEMACETAN LALU LINTAS DI KOTA MEDAN

Jl. Prof. H. Soedarto, S.H. Tembalang Semarang

OPTIMALISASI LABA DALAM PERENCANAAN PRODUKSI MENGGUNAKAN PEMROGRAMAN LINIER

FUZZY LINEAR PROGRAMMING DENGAN FUNGSI KEANGGOTAAN KURVA-S UNTUK PENILAIAN KINERJA KARYAWAN

MODEL MATEMATIKA MASALAH ALIRAN MAKSIMUM KABUR DENGAN PROGRAM LINEAR KABUR

PENYELESAIAN MASALAH PEMROGRAMAN LINIER BILANGAN BULAT MURNI DENGAN METODE REDUKSI VARIABEL

KAJIAN PENERAPAN PROGRAM LINEAR MULTI OBJEKTIF FUZZY INTERAKTIF PADA KEPUTUSAN PERENCANAAN TRANSPORTASI

BAB I PENDAHULUAN. melakukan tindakan menabung. Pada era modern, tindakan menabung telah

BAB 2 LANDASAN TEORI

IMPLEMENTASI MODEL PEMROGRAMAN LINEAR DENGAN BENTUK KOEFISIEN INTERVAL

PEMILIHAN SUPPLIER DENGAN PENDEKATAN POSSIBILITY FUZZY MULTI-OBJECTIVE PROGRAMMING

BAB 2 LANDASAN TEORI

BAB II KAJIAN TEORI. masalah fuzzy linear programming untuk optimasi hasil produksi pada bab

BAB 2 LANDASAN TEORI

UNNES Journal of Mathematics

KOMBINASI PERSYARATAN KARUSH KUHN TUCKER DAN METODE BRANCH AND BOUND PADA PEMROGRAMAN KUADRATIK KONVEKS BILANGAN BULAT MURNI

PROGRAM FRAKSIONAL LINIER DENGAN KOEFISIEN INTERVAL. Annisa Ratna Sari 1, Sunarsih 2, Suryoto 3. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang

BAB 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI

OPTIMASI PROGRAM LINIER PECAHAN DENGAN FUNGSI TUJUAN BERKOEFISIEN INTERVAL

BAB II KAJIAN TEORI. Pada bab ini akan dibahas mengenai beberapa definisi dan teori yang akan

BAB I PENDAHULUAN. yang dikemukakan oleh George Dantzig pada tahun Linear Programming (LP) adalah perencanaan aktivitas-aktivitas untuk

Teknik Riset Operasional Semester Genap Tahun Akademik 2015/2016 Teknik Informatiaka UIGM

APLIKASI METODE THORANI DALAM PENYELESAIAN PERMASALAHAN PROGRAM LINEAR FUZZY

MODEL EOQ FUZZY DENGAN FUNGSI TRAPESIUM DAN SEGITIGA MENGGUNAKAN BACKORDER PARSIAL

FORMULASI PERMASALAHAN PROGRAM LINIER DENGAN BATASAN KENDALA (SUMBER DAYA) FUZZY SKRIPSI RIVAL SIJABAT

I PENDAHULUAN II LANDASAN TEORI

MASALAH TRANSPORTASI FUZZY BILANGAN TRAPEZOIDAL DENGAN METODE ZERO POINT

PENENTUAN KEPUTUSAN MULTI KRITERIA DENGAN HIMPUNAN SAMAR

DAFTAR ISI. BAB II DASAR TEORI Himpunan Fuzzy Bilangan Fuzzy Masalah Transportasi Program Linear Multiobjective..

BAB II LANDASAN TEORI

Optimasi Kebutuhan Kendaraan Pengangkut Sampah Menggunakan Model Fuzzy Goal Programming

BAB 2 LANDASAN TEORI

IDEAL PRIMA FUZZY DI SEMIGRUP

PENYELESAIAN NUMERIK PERSAMAAN DIFERENSIAL FUZZY ORDE SATU MENGGUNAKAN METODE ADAMS BASHFORTH MOULTON ORDE TIGA

OPTIMASI (Pemrograman Non Linear)

KONTRAK PEMBELAJARAN (KP) MATA KULIAH

BAB I PENDAHULUAN Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN Latar Belakang Masalah

METODE KUMAR UNTUK MENYELESAIKAN PROGRAM LINIER FUZZY PENUH PADA MASALAH TRANSPORTASI FUZZY. Mohamad Ervan S 1, Bambang Irawanto 2,

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI. Dalam bab ini dibahas beberapa definisi dan konsep-konsep yang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PENERAPAN LOGIKA FUZZY PADA PROGRAM LINEAR

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

Aplikasi Integer Linear Programming (Ilp) untuk Meminimumkan Biaya Produksi pada Siaputo Aluminium

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN TARUNA BARU MENGGUNAKAN BASIS DATA FUZZY - STUDI KASUS DI AKPELNI SEMARANG

bi = vektor berkaitan dengan tingkat aspirasi goal pada objektif yang ke i fi(x) = fungsi kendala dan goal

SKRIPSI MILA HANDAYANI

BAB II TINJAUAN PUSTAKA. operasi yang mampu menyelesaikan masalah optimasi sejak diperkenalkan di

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ. Rianto Samosir, Iryanto, Rosman Siregar

Ada beberapa kasus khusus dalam simpleks. Kadangkala kita akan menemukan bahwa iterasi tidak berhenti, karena syarat optimalitas atau syarat

II LANDASAN TEORI. suatu fungsi dalam variabel-variabel. adalah suatu fungsi linear jika dan hanya jika untuk himpunan konstanta,.

Aplikasi Fuzzy Goal Programming (Studi Kasus: UD. Sinar Sakti Manado) Application Of Fuzzy Goal Programming (Case Study: UD. Sinar Sakti Manado)

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( )

PENDEKATAN MASALAH MULTIOBJEKTIF STOKASTIK DENGAN PENDEKTAN STOKASTIK DAN PENDEKATAN MULTIOBJEKTIF

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Bab 1 PENDAHULUAN. 1.1 Latar Belakang

PENGEMBANGAN MODEL PENGAMBILAN KEPUTUSAN MULTI KRITERIA PADA INDUSTRI MENGGUNAKAN INTERACTIVE APPROACH

TRANSFORMASI LINIER UNTUK PERSOALAN PROGRAM KUADRATIK NOL-SATU

SKRIPSI SOLUSI INTEGER UNTUK MASALAH PEMROGRAMAN LINEAR BILEVEL. Jessica Christella NPM:

BAB 2 LANDASAN TEORI

III PEMBAHASAN. 3.1 Analisis Metode. dan (2.52) masing-masing merupakan penyelesaian dari persamaan

UNIVERSITAS BINA NUSANTARA

STUDI TENTANG PERSAMAAN FUZZY

OPTIMALISALI KASUS PEMROGRAMAN LINEAR DENGAN METODE GRAFIK DAN SIMPLEKS

BAB 2 LANDASAN TEORI

BAB II LANDASAN TEORI

MANAGEMENT SCIENCE ERA. Nurjannah

Penerapan Pemrograman Dinamis dalam Perencanaan Produksi

SEJARAH DAN KEGUNAAN RISET OPERASI Riset Operasi (operation research) dimulai dikalangan militer dalam permulaan Perang Dunia Kedua.

FUZZY LINEAR PROGRAMMING (FLP) DENGAN KONSTANTA SEBELAH KANAN BERBENTUK BILANGAN FUZZY DAN BERBENTUK TRAPEZOIDAL SKRIPSI DEWI YANNI FRANSISKA SAMOSIR

BAB II KAJIAN PUSTAKA. Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan,

OPTIMALISASI JADWAL KUNJUNGAN EKSEKUTIF PEMASARAN DENGAN GOAL PROGRAMMING

Jurnal Matematika Integratif ISSN Volume 12 No 1, April 2016, pp 35 42

Fungsi kendala tidak hanya dibentuk oleh pertidaksamaan tetapi juga oleh pertidaksamaan dan/atau persamaan =. Fungsi kendala dengan pertidaksamaan

BAB 2 LANDASAN TEORI

Transkripsi:

ISBN 978-979-3541-50-1 IRWNS 2015 Pencarian Solusi Optimal Fuzzy Untuk Masalah Program Linier Fuzzy Menggunakan Metode Level-Sum Elis Ratna Wulan a, Diana Ratnasari b a Jurusan Matematika,Fakultas Sains Teknologi,UIN Sunan Gunung Djati,Bandung 40614 E-mail : elis_ratna_wulan@uinsgd.ac.id b Jurusan Matematika, Fakultas Sains Teknologi, UIN Sunan Gunung Djati,Bandung 40614 E-mail : ratnasaridiana94@gmail.com ABSTRAK Program Linier (LP) adalah salah satu teknik optimasi yang paling dapat digunakan. Sebelumnya telah diusulkan pendekatan baru, yaitu metode sum of objectives (SO) untuk mencari solusi efisien yang tepat untuk masalah pemrograman multi-objective. Dalam penelitian ini, diusulkan metode baru yaitu metode level-sum untuk menemukan solusi optimal fuzzy untuk masalah program linier fuzzy. Adapun langkahlangkah dalam metode ini adalah sebagai berikut : mengubah masalah program linier fuzzy menjadi masalah program linier multi-objective, kemudian selesaikan masalah tersebut dengan menggunakan metode simpleks ubah solusi optimal masalah tersebut sehingga menjadi solusi optimal fuzzy untuk masalah program linier fuzzy. Dimana dalam studi literatur ini telah dibuktikan teorema yang memperlihatkan suatu hubungan antara solusi optimal fuzzy untuk masalah program linier fuzzy solusi efisien untuk masalah program linier multi-objective. Kata Kunci Program linier fuzzy, Solusi optimal fuzzy, Program linier multi-objektif, Metode level-sum, Metode simpleks.1. 191

I. PENDAHULUAN Program Linier (LP) adalah suatu teknik yang sangat banyak digunakan dalam optimisasi. Dalam aplikasinya suatu model LP banyak mengkaitkan atau menggunakan parameter yang nilainya diselesaikan oleh ahli/pembuat keputusan.bagaimanapun keduanya (ahli/pembuat keputusan) tidak mengetahui nilai dari paramater kebanyakan kasus. Oleh karena itu program linier fuzzy telah dikenalkan dipelajari. Pandian [1] telah menunjukan atau mengenalkan suatu pendekatan terbaru yang dinamakan metode sum of objectives (SO) untuk menemukan solusi efisien untuk menyelesaikan masalah program linier multi-objective. Dalam penelitian ini akan dibahas metode baru yaitu metode Level-Sum untuk menemukan solusi optimal fuzzy untuk masalah program linier fuzzy. Dengan menggunakan contoh numerik, metode level-sum dapat diilustrasikan. Keuntungan dari metode yang diusulkan adalah fungsi peringkat fuzzy yang tidak digunakan, hasil dapat dilakukan dengan penyelesaian LP sehingga memperoleh semua perhitungan karena hanya didasarkan pada teknik crisp LP. Penggunaan Metode Level Sum ini, dapat membantu ahli atau pembuat keputusan untuk mendapatkan solusi optimum meskipun nilai parameter tidak diketahui dengan pasti. 2. KAJIAN LITERATUR 2.1 Fungsi Linier Fuzzy Program linier fuzzy adalah program linier yang dinyatakan dengan fungsi objektif fungsi yang memiliki parameter fuzzy ketidaksamaan fuzzy[2]. Tujuan dari program linier fuzzy adalah mencari suatu nilai z yang merupakan fungsi objektif yang akan dioptimasikan sedemikian sehingga tunduk pada batasan-batasan yang dimodelkan dengan menggunakan himpunan fuzzy[3]. Masalah program linier yang keseluruhan variabel koefisien-koefisien yang digunakan berbentuk data fuzzy, serta operasi-operasi aritmatik yang digunakan adalah operasi aritmatik bilangan fuzzy disebut masalah program linier fully fuzzy (FFLP). Keunggulan FFLPdibandingkan program linier adalah aya penjelasan tentang koefisien biaya, variabel, maupun koefisien teknis yang tidak bernilai tegas dalam kehidupan nyata yang dapat digambarkan dengan menggunakan bilangan fuzzy [2]. 2.2 Solusi Optimal Fuzzy Adapun langkah-langkah yang dilakukan dalam menentukan solusi optimal pada permasalahan program linier berparameter fuzzy adalah sebagai berikut [4] : 1. Merumuskan permasalahan yang mengandung parameter fuzzy dalam bentuk program linier fuzzy, yang terdiri dari : a. Program linier dengan parameter fuzzy pada fungsi pembatas b. Program linier yang berparameter fuzzy pada fungsi objektif 2. Menentukan fungsi keanggotaan dari himpunan fuzzy 3. terhadap fungsi pembatas fungsi objektif 4. Mendefinisikan fungsi keanggotaan yang menggambarkan derajat optimalitas dari setiap fungsi objektif 5. Menentukan solusi optimal dengan menggunakan metode simpleks Dalam penelitian ini telah dibuktikan teorema yang memperlihatkan suatu hubungan antara solusi optimal fuzzy untuk masalah program linier fuzzy solusi efisien untuk masalah program linier multi-objective [1]. Teorema1 Misal adalah solusi efisien untuk masalah, maka layak untuk masalah. Asumsikan adalah solusi bahwa tidak optimal untuk malasah. Maka, terdapat solusi layak untuk masalah sehingga dimana dimana,,,,,. Ini berarti bahwa bukan solusi 192

efisien untuk masalah dimana terjadi kontradiksi. Sehingga teorema ini terbukti. 2.3 Program Linier Multi Objektif Program linier multi objective (MOLP)adalah metode optimasi dengan beberapa fungsi tujuan yang tunduk pada beberapa batasan. Solusi permasalahan ini diperoleh seperti penyelesaian optimasi dengan 1 fungsi tujuan [3]. Berdasarkan masalah optimasi multi-objective sebagai berikut [10]: Minimasi Kendala Dimana dimana adalah fungsi terdiferensiasi di, sebuah subset convex terbuka dari. Sekarang adalah himpunan semua solusi yang layak untuk masalah tersebut. Definisi 2 Titik layak dikatakan efisien untuk masalah program multi-objective jika terdapat titik layak di sehingga dimana 3.HASIL DAN PEMBAHASAN 3.1 Pencarian Solusi Optimal Fuzzy untuk Masalah Program Linier Fuzzy Menggunakan Metode Level-Sum 3.1.1 Masalah Program Linier Fully Fuzzy Diperlukan definisi dari operasi dasar aritmatika hubungan orde parsial dari bilangan triangularfuzzy berdasarkan dari fungsi dasar yang dapat ditemukan di [4,5,6]. Definisi 3 Bilangan fuzzy adalah bilangan triangular fuzzy ditunjukkan oleh dimana adalah bilangan asli fungsi anggotanya diberikan di bawah ini : Misalkan F (R) adalah himpunan semua bilangan nyata triangularfuzzy. Definisi 4 Misal ada di F (R). Maka, (i) = (ii) = (iii) (iv) (v) = Berdasarkan program linier fully fuzzy dengan fuzzy ketidaksamaan/persamaan variabel fuzzy yang dapat diformulasikan sebagai berikut [1]: Dimana untuk semua,,, Misal parameter adalah bilangantriangular fuzzy berturut-turut. Kemudian, masalah (P) dapat dituliskan sebagai berikut : ntuk u semua Dengan menggunakan operasi aritmatika relasi orde parsial, masalah program linier fuzzydapat dituliskan sebagai masalah program linier multiobjective yang diberikan sebagai berikut : = 193

Metode level-sum dapat di ilustrasikan dengan contoh numerik, dimana pada contoh 1 menggunakan masalah program linier fully fuzzy yang keseluruhannya menggunakan fuzzy, baik itu bilangan maupun operasi bilangannya. Berbeda dengan contoh 2 yang menggunakan masalah program linier fuzzy dimana operasinya saja yang menggunakan operasi bilangan fuzzy. Untuk lebih jelasnya dapat dilihat pada contoh berikut : Contoh 1 Berdasarkan masalah program linier fully fuzzy berikut : Penyelesaian: Misal Gunakan langkah pertama untuk mengubah masalah program linier fully fuzzy menjadi masalah program linier multi-objective, sehingga menjadi : 3.1.2 Metode Level-Sum Metode level-sum merupakan sebuah metode baru untuk mencari solusi optimal fuzzy untuk masalah program linier fully fuzzy yang didasarkan pada program linier multi-objective metode simpleks. Adapun langkah-langkah dalam metode ini adalah sebagai berikut : 1. Buat sebuah crisp masalah program linier multi-objective dari masalah program linier fuzzy yang diberikan. 2. Tentukan suatu solusi efisien untuk masalah program linier multi-objective berdasarkan pada langkah 1. Dengan menggunkan metode sum-objective[7]. 3. Solusi efisien yang didapatkan dari langkah 2 untuk masalah program linier multiobjective menghasilkan suatu solusi optimal fuzzy untuk masalah program linier fuzzy. 3.2 Contoh Numerik Dengan menggunakan langkah kedua maka akan diperoleh : Selesaikan masalah dengan menggunakan metode simpleks, dimana dalam proses penyelesaian metode simpleks ini dibantu dengan menggunakan sebuah aplikasi yang bernama POM (Production and Operation Management). Sehingga akan didapatkan solusi optimal untuk masalah adalah dengan. Jadi, 194

adalah solusi efisien untuk masalah. Dengan menggunakan langkah ketiga akan diperoleh adalah solusi optimal fuzzy untuk masalah program linier fully fuzzy. Contoh 2 Berdasarkan masalah program linier fuzzy berikut: Penyelesaian : Misal Gunakan langkah pertama untuk mengubah masalah program linier fuzzy menjadi masalah program linier multi-objective, sehingga menjadi: Dengan menggunakan langkah ketiga akan diperoleh adalah solusi optimal fuzzy untuk masalah program linier fuzzy. 4. KESIMPULAN Adapun proses menyelesaikan masalah program linier fuzzy dengan menggunakan metode level-sum sehingga diperoleh penyelesaian optimal fuzzy adalah sebagai berikut : 1. Buat sebuah crisp masalah program linier multi-objective dari masalah program linier fuzzy yang diberikan. Misal parameter adalah bilangan fuzzy triangular berturut-turut. Kemudian, masalah (P) dapat dituliskan sebagai berikut : Dengan menggunakan langkah kedua maka akan diperoleh : untuk semua Dengan menggunakan operasi aritmatika relasi orde parsial, masalah program linier fuzzy dapat dituliskan sebagai masalah program linier multi-objective yang diberikan sebagai berikut : Selesaikan masalah dengan menggunakan metode simpleks, dimana dalam proses penyelesaian metode simpleks ini dibantu dengan menggunakan sebuah aplikasi yang bernama POM (Production and Operation Management). Sehingga akan didapatkan solusi optimal untuk masalah adalah dengan. Jadi, adalah solusi efisien untuk masalah. 195

2. Tentukan suatu solusi efisien untuk masalah program linier multi-objective berdasarkan pada langkah 1. Dengan menggunkan metode sumobjective[7], selesaikan dengan menggunakan metode simpleks. 3. Ubah solusi efisien yang didapatkan dari langkah 2 untuk masalah program linier multiobjective sehingga menghasilkan suatu solusi optimal fuzzy untuk masalah program linier fuzzy dengan menggunakan Teorema1. DAFTAR PUSTAKA [1] Pandian,P.2013.Multi-objective Programming Approach for Fuzzy Linear Programming Problems.Vol. 7, 2013, no. 37, 1811 1817. [2] Otadi.M.2014.Solving Fully Fuzzy Linear Programming. Vol 6 No 1, P 19 26. [3] Kusumadewi, Sri Hari Purnomo.2004.Aplikasi Logika Fuzzy untuk Pendukung Keputusan.Yogyakarta.Graha Ilmu. [4] George J. Klir and Bo Yuan.Fuzzy Sets and Fuzzy logic: Theory and Applications.Prentice-Hall.2008. [5] L. A. Zadeh, Fuzzy sets, Information and Control, 8 (1965), 338-353. [6] R. E. Bellman and L. A. Zadeh, Decision making in a fuzzy environment,management Science, 17(1970), 141-164. [7] Pandian, P. 2012. A simple approach for finding a fair solution to multiobjective programming problems. Bulletin of Mathematical Sciences & Applications,1(2012), 25 30. 196