Sistem Inferensi Fuzzy

dokumen-dokumen yang mirip
KECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana

KASUS PENERAPAN LOGIKA FUZZY. Fuzzy tsukamoto, mamdani, sugeno

4-5-FUZZY INFERENCE SYSTEMS

BAB 2 LANDASAN TEORI

Erwien Tjipta Wijaya, ST.,M.Kom

KECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana

BAB IV METODOLOGI. Gambar 4.1 Model keseimbangan air pada waduk (Sumber : Noor jannah,2004)

Matematika Diskrit Fuzzy Inference System Prodi T.Informatika

BAB II KAJIAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA

Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy.

PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012

Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi

PENGEMBANGAN SISTEM PAKAR FUZZY

Himpunan Tegas (Crisp)

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

Contoh Kasus. Bagus Ilhami HIdayat

KOTAK HITAM. Pemetaan input-output pada masalah produksi Diberikan data persediaan barang, berapa jumlah barang yang harus diproduksi?

Penerapan Logika Fuzzy

Kata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa

BAB II TINJAUAN PUSTAKA

Prediksi Jumlah Produksi Mebel Pada CV. Sinar Sukses Manado Menggunakan Fuzzy Inference System

LOGIKA SAMAR (FUZZY LOGIC)

LOGIKA FUZZY (Lanjutan)

METODOLOGI PENELITIAN

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen

Elin Haerani. Kata Kunci : Defuzzifikasi, COA (center of area), bisektor, MOM (mean of maximum) LOM

PERBANDINGAN PENERAPAN METODE FUZZY MAMDANI DAN SUGENO DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN XYZ)

BAB III METODE FUZZY MAMDANI

SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB

BAB 2 LANDASAN TEORI

Praktikum sistem Pakar Fuzzy Expert System

PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)

1.1. Latar Belakang Masalah

BAB II TINJAUAN PUSTAKA

BAB 2 LANDASAN TEORI

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA

STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)

DECISION SUPPORT SYSTEM TOOL UNTUK FUZZY INFERENCE DENGAN METODE MAMDANI, SUGENO, DAN TSUKAMOTO

BAB II KAJIAN PUSTAKA. mengikuti sertifikasi, baik pendidikan gelar (S-1, S-2, atau S-3) maupun nongelar (D-

Ci Crisp Logic. Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh:

BAB III ANALISA DAN PERANCANGAN SISTEM. ditujukan untuk menangani pencarian spesifikasi komputer yang sesuai dengan

PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima

FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR

Tahap Sistem Pakar Berbasis Fuzzy

Penerapan Fuzzy Mamdani Pada Penilaian Kinerja Dosen (Studi Kasus STMIK Kaputama Binjai)

PENERAPAN METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGGINYA PEMAKAIAN LISTRIK ( STUDI KASUS KELURAHAN ABC )

Sebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining

BAB 2 LANDASAN TEORI

Studi Kasus Fuzzy Logic 2016

Sebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining

Bab 2 LANDASAN TEORI

NURAIDA, IRYANTO, DJAKARIA SEBAYANG

Definisi LOGIKA FUZZY. Himpunan Fuzzy. Himpunan Fuzzy(contd) 3/13/2012. Budi Rudianto

BAB II: TINJAUAN PUSTAKA

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan

BAB II TINJAUAN PUSTAKA

IMPLEMENTASI METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DALAM PEMILIHAN PEKERJAAN BAGI LULUSAN IBI DARMAJAYA

Jurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI

FUZZY LOGIC CONTROL 1. LOGIKA FUZZY

ANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5.

IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH

APLIKASI MODEL FUZZY DALAM PREDIKSI PRODUKSI TELUR AYAM PETELUR DI KABUPATEN SLEMAN

Logika Himpunan Fuzzy

BAB 2 2. LANDASAN TEORI

REVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA

PENDAHULUAN A. LATAR BELAKANG MASALAH

SistemInferensiFuzzy

Analisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan

BAB IV PEMBAHASAN. A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai. Pertimbangan Pengambilan Keputusan Pemberian Kredit

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA

SISTEM PENDUKUNG KEPUTUSAN PROMOSI JABATAN PADA PERUSAHAAN ASURANSI DENGAN MENGGUNAKAN METODE FUZZY MAMDANI

BAB II TINJAUAN PUSTAKA

UNNES Journal of Mathematics

ABSTRAK. Kata kunci: Logika Fuzzy, Metode Mamdani, Penentuan Jumlah Produksi, Pengambilan Keputusan

Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan

PREDIKSI NILAI TUKAR RUPIAH MENGGUNAKAN METODE MAMDANI

BAB III METODE PENELITIAN

Logika Fuzzy. Farah Zakiyah Rahmanti 2016

Fuzzy Expert Sistem. Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 2 TINJAUAN PUSTAKA

SistemInferensiFuzzy


PEMODELAN SISTEM FUZZY DENGAN MENGGUNAKAN MATLAB

BAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya

DENIA FADILA RUSMAN

Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani

Transkripsi:

Sistem Inferensi Fuzzy METODE SUGENO 27

Sistem Inferensi Fuzzy Metode Tsukamoto Metode Sugeno! Diperkenalkan oleh Takagi-Sugeno-Kang, tahun 1985.! Bagian output (konsekuen) sistem tidak berupa himpunan fuzzy, melainkan konstanta (orde nol) atau persamaan linear (orde satu).! Model Sugeno Orde Nol IF (x 1 is A 1 ) (x 2 is A 2 ) (x n is A n ) THEN z=k! Model Sugeno Orde Satu IF (x 1 is A 1 ) (x 2 is A 2 ) (x n is A n ) THEN z= p 1 * x 1 + + p 2 * x 2 + q Metode Mamdani 28

Contoh: metode Sugeno! Sebuah perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Dari data 1 bulan terakhir, permintaan terbesar hingga mencapai 5000 kemasan/hari, dan permintaan terkecil sampai 1000 kemasan/hari. Persediaan barang digudang paling banyak sampai 600 kemasan/hari, dan paling sedikit sampai 100 kemasan/hari. Dengan segala keterbatasannya, sampai saat ini, perusahaan baru mampu memproduksi barang maksimal 7000 kemasan/hari, serta demi efisiensi mesin dan SDM tiap hari diharapkan perusahaan memproduksi paling tidak 2000 kemasan.! Apabila proses produksi perusahaan tersebut menggunakan 4 aturan sebagai berikut:! Rule 1 IF permintaan TURUN and persediaan BANYAK THEN produksi barang = permintaan - persediaan! Rule 2 IF permintaan TURUN and persediaan SEDIKIT THEN produksi barang = permintaan! Rule 3 IF permintaan NAIK and persediaan BANYAK THEN produksi barang = permintaan! Rule 4 IF permintaan NAIK and persediaan SEDIKIT THEN produksi barang = 1.25*permintaan - persediaan! Berapa kemasan makanan jenis ABC yang harus diproduksi, jika jumlah permintaan sebanyak 4000 kemasan, dan persediaan di gudang masih 300 kemasan? (Gunakan fungsi keanggotaan LINEAR) 29

Ada 3 variabel yang digunakan: PERMINTAAN, PERSEDIAAN, dan PRODUKSI PERMINTAAN: 1000 5000, x = 4000 PERSEDIAAN: 100-600, y = 300 PRODUKSI: 2000 7000, z =? PERMINTAAN, terdiri dari 2 himpunan fuzzy: TURUN dan NAIK Nilai keanggotaan untuk nilai PERMINTAAN = 4000 µ pmtturun µ pmtnaik 1 5000 x [ x] = 4000 0 0 x 1000 [ x] = 4000 1, x < 1000,1000 x 5000, x > 5000, x < 1000,1000 x 5000, x > 5000 x = 4000 µ pmtturun [4000] = (5000-4000)/4000 = 0.25 µ pmtnaik [4000] = (4000-1000)/4000 = 0.75 30

PERSEDIAAN, terdiri dari 2 himpunan fuzzy: SEDIKIT dan BANYAK µ psdsedikit µ psdbanyak 1 600 y [ y] = 500 0 0 y 100 [ y] = 500 1, y < 100,100 y 600, y > 600, y < 100,100 y 600, y > 600 y = 300 µ psdsedikit [300] = (600-300)/500 = 0.6 µ psdbanyak [300] = (300-100)/500 = 0.4 31

PRODUKSI, tidak mempunyai himpunan fuzzy. Nilai permintaan = 4000 Jumlah persediaan = 300 Nilai α-predikat dan Z dari setiap aturan Rule 1 α-predikat 1 = µ pmtturun µ psdbanyak = min(µ pmtturun [4000] µ psdbanyak [300]) = min(0.25; 0.4) = 0.25 Dari bagian konsekuen Rule 1 z 1 = permintaan persediaan = 4000 300 = 3700 Rule 2 α-predikat 2 = µ pmtturun µ psdsedikit = min(µ pmtturun [4000] µ psdsedikit [300]) = min(0.25; 0.6) = 0.25 Dari bagian konsekuen Rule 2 z 2 = permintaan = 4000 Rule 3 α-predikat 3 = µ pmtnaik µ psdbanyak = min(µ pmtnaik [4000] µ psdbanyak [300]) = min(0.75; 0.4) = 0.4 Dari bagian konsekuen Rule 3 z 3 = permintaan = 4000 Rule 4 α-predikat 4 = µ pmtnaik µ psdbanyak = min(µ pmtnaik [4000] µ psdbanyak [300]) = min(0.75; 0.6) = 0.6 Dari bagian konsekuen Rule 2 z 2 = 1.25*permintaan - persediaan = 1.25 * 4000 300 = 4700 Menghitung z akhir dengan merata-rata semua z berbobot: αpred * z + αpred * z + αpred * z + αpred * z 1 1 2 2 3 3 4 4 z = αpred + αpred + αpred + αpred 1 2 3 4 0.25*3700 + 0.25*4000 + 0.4*4000 + 0.6*4700 6345 z = = = 4230 0.25 + 0.25 + 0.4 + 0.6 1.5 Jadi, jumlah makanan jenis ABC yang harus diproduksi sebanyak 4230 kemasan. 32

Kasus 1 Bagaimana jika jumlah PERMINTAAN = 2500, PERSEDIAAN = 500, berapa kemasan makanan jenis ABC yang harus diproduksi? Kasus 2 Bagaimana jika jumlah PERMINTAAN = 4500, PERSEDIAAN = 150, berapa kemasan makanan jenis ABC yang harus diproduksi? Kasus 3 Bagaimana jika jumlah PERMINTAAN = 5000, PERSEDIAAN = 75, berapa kemasan makanan jenis ABC yang harus diproduksi? Gunakan metode SUGENO 33

Sistem Inferensi Fuzzy METODE MAMDANI 34

Metode Mamdani! Diperkenalkan oleh Mamdani dan Assilian (1975).! Ada 4 tahapan dalam inferensi Mamdani (termasuk metode yang lain): 1. Pembentukan himpunan fuzzy (fuzzyfication) Variabel input dan output dibagi menjadi satu atu lebih himpunan fuzzy 2. Penerapan fungsi implikasi Fungsi implikasi yang digunakan adalah MIN 3. Komposisi (penggabungan) aturan Inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 macam: MAX, ADDITIVE, dan probabilistik OR (probor) 4. Penegasan (defuzzyfication) Input disini adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, outputnya adalah nilai tegs (crisp) Metode defuzzifikasi: Centroid (Center of Mass), dan Mean of Maximum (MOM) 35

Metode Komposisi Aturan! MAX Solusi himpunan diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, kemudian menerapkannya ke output dengan operator OR. Dirumuskan: µ sf [x i ]! max(µ sf [x i ], µ kf [x i ]) Dimana: µ sf [x i ] adalah nilai keanggotaan solusi fuzzy sampai aturan ke-i µ kf [x i ] adalah nilai keanggotaan konsekuen fuzzy sampai aturan ke-i! Additive (sum) Solusi fuzzy diperoleh dengan melakukan bounded-sum pada semua output daerah fuzzy. Dirumuskan: µ sf [x i ]! min(1, µ sf [x i ]+ µ kf [x i ])! Probabilistik OR (probor) Solusi fuzzy diperoleh dengan cara melakukan product terhadap semua output daerah fuzzy. Dirumuskan: µ sf [x i ]! (µ sf [x i ] + µ kf [x i ]) - (µ sf [x i ] * µ kf [x i ]) 36

Contoh inferensi fuzzy model Mamdani Rule: 1 IF x is A3 OR y is B1 THEN z is C1 Rule: 2 IF x is A2 AND y is B2 THEN z is C2 Rule: 3 IF x is A1 THEN z is C3 Agregasi menggunakan MAX 37

Metode Defuzzifikasi! Metode Centroid Solusi crisp diperoleh dengan mengambil titik pusat (z*) daerah fuzzy Dirumuskan: z. µ ( z) dz Z Untuk semesta kontinyu z* = µ ( z) dz Untuk semesta diskrit z * Z n z j µ ( z j ) j = 1 = n µ (! Metode Mean of Maximum (MOM) Solusi diperoleh dengan mengambil nilai rata-rata domain yang memiliki nilai keanggotaan terbesar. Dirumuskan:. z j z* = =1 l Dimana: z j adalah titik dalam domain kosenkuen yang mempunyai nilai keanggotaan maksimum, dan l adalah jumlah titik yang mempunyai nilai keanggotaan maksimum l j j= 1 z j ) 38

Contoh: metode Mamdani! Sebuah perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Dari data 1 bulan terakhir, permintaan terbesar hingga mencapai 5000 kemasan/hari, dan permintaan terkecil sampai 1000 kemasan/hari. Persediaan barang digudang paling banyak sampai 600 kemasan/hari, dan paling sedikit sampai 100 kemasan/hari. Dengan segala keterbatasannya, sampai saat ini, perusahaan baru mampu memproduksi barang maksimal 7000 kemasan/hari, serta demi efisiensi mesin dan SDM tiap hari diharapkan perusahaan memproduksi paling tidak 2000 kemasan.! Apabila proses produksi perusahaan tersebut menggunakan 4 aturan sebagai berikut:! Rule 1 IF permintaan TURUN and persediaan BANYAK THEN produksi barang BERKURANG! Rule 2 IF permintaan TURUN and persediaan SEDIKIT THEN produksi barang BERKURANG! Rule 3 IF permintaan NAIK and persediaan BANYAK THEN produksi barangbertambah! Rule 4 IF permintaan NAIK and persediaan SEDIKIT THEN produksi barang BERTAMBAH! Berapa kemasan makanan jenis ABC yang harus diproduksi, jika jumlah permintaan sebanyak 4000 kemasan, dan persediaan di gudang masih 300 kemasan? (Gunakan fungsi keanggotaan LINEAR) 39

1 Pembentukan himpunan fuzzy Ada 3 variabel yang digunakan: PERMINTAAN, PERSEDIAAN, dan PRODUKSI PERMINTAAN: 1000 5000, x = 4000 PERSEDIAAN: 100-600, y = 300 PRODUKSI: 2000 7000, z =? PERMINTAAN, terdiri dari 2 himpunan fuzzy: TURUN dan NAIK Nilai keanggotaan untuk nilai PERMINTAAN = 4000 µ pmtturun µ pmtnaik 1 5000 x [ x] = 4000 0 0 x 1000 [ x] = 4000 1, x < 1000,1000 x 5000, x > 5000, x < 1000,1000 x 5000, x > 5000 x = 4000 µ pmtturun [4000] = (5000-4000)/4000 = 0.25 µ pmtnaik [4000] = (4000-1000)/4000 = 0.75 40

1 Pembentukan himpunan fuzzy PERSEDIAAN, terdiri dari 2 himpunan fuzzy: SEDIKIT dan BANYAK µ psdsedikit µ psdbanyak 1 600 y [ y] = 500 0 0 y 100 [ y] = 500 1, y < 100,100 y 600, y > 600, y < 100,100 y 600, y > 600 y = 300 µ psdsedikit [300] = (600-300)/500 = 0.6 µ psdbanyak [300] = (300-100)/500 = 0.4 41

2 µ pmtturun = 0.25 µ pmtsedikit = 0.6 µ pmtnaik = 0.75 µ pmtbanyak = 0.4 Nilai α-predikat dan Z dari setiap aturan Rule 1 IF permintaan TURUN and persediaan BANYAK THEN produksi barang BERKURANG α-predikat 1 = µ pmtturun µ psdbanyak = min(µ pmtturun [4000] µ psdbanyak [300]) = min(0.25; 0.4) = 0.25 Rule 2 IF permintaanturun and persediaan SEDIKIT THEN produksi barang BERKURANG α-predikat 2 = µ pmtturun µ psdsedikit = min(µ pmtturun [4000] µ psdsedikit [300]) = min(0.25; 0.6) = 0.25 42

2 Penerapan fungsi implikasi Nilai α-predikat dan Z dari setiap aturan µ pmtturun = 0.25 µ pmtnaik = 0.75 Rule 3 IF permintaan NAIK and persediaan BANYAK THEN produksi barangbertambah α-predikat 3 = µ pmtnaik µ psdbanyak = min(µ pmtnaik [4000] µ psdbanyak [300]) = min(0.75; 0.4) = 0.4 µ pmtsedikit = 0.6 µ pmtbanyak = 0.4 Rule 4 IF permintaan NAIK and persediaan SEDIKIT THEN produksi barang BERTAMBAH α-predikat 4 = µ pmtnaik µ psdbanyak = min(µ pmtnaik [4000] µ psdbanyak [300]) = min(0.75; 0.6) = 0.6 43

3 Komposisi antar aturan MAX = Daerah himpunan fuzzy terbagi 3: A1, A2, dan A3. Mencari nilai a 1, dan a 2 (a prod_minimal)/interval_prod = nilai_keanggotaan (a 1 2000)/5000 = 0.25 " a 1 = 3250 (a 2 2000)/5000 = 0.6 " a 2 = 5000 Fungsi keanggotaan hasil komposisi: 0.25 µ [ z] = ( z 2000) / 5000 0. 6, z < 3250,3250 z 5000, z > 5000 44

4 Moment Luas Defuzzifikasi / Menghitung z akhir 0.25, z < 3250 µ [ z] = ( z 2000) / 5000,3250 z 5000 0. 6, z > 5000 Menghitung z* menggunakan metode Centroid kontinyu Daerah A1 Daerah A2 Daerah A3 3250 5000 (z - 2000) 7000 M1 = (0.25)z dz M2 = z dz M3 = (0.6)z dz 0 3250 5000 5000 2 3250 2 M1 = 0.125* z 0 M2 = (0.0002z - 0.4z) dz 3250 M1 = 1320312.5 3 2 5000 M2 = 0.000067z - 0.2z 3250 M2 = 3187515.625 3250 5000 (z - 2000) A1= 0.25 dz A2 = zd 0 3250 5000 3250 5000 A1= 0.25* z 0 A2 = (z/5000-0.4) dz 3250 A1= 0.25*3250-0.25* 0 2 5000 A2 = z /10000-0.4z 3250 A1= 812.5 2 A2 = (5000 /10000-0.4*5000) 5000 - (3250 A2 = 743.75 2 /10000-0.4*3250) M3 = 0.3*z 2 7000 5000 M3 = 7200000 A3 = 7000 (0.6) dz 5000 A3 = 0.6*z A3 = 1200 7000 5000 45

4 Defuzzifikasi / Menghitung z akhir Menghitung z* menggunakan metode Centroid kontinyu M1+ M 2 + M 3 1320312.5 + 3187515.625 + 7200000 z* = = = A1 + A2 + A3 812.5 + 743.75 + 1200 4247.74 Jadi, jumlah makanan jenis ABC yang harus diproduksi sebanyak 4248 kemasan. Menghitung z* menggunakan metode Mean of Maximum (MOM) z* = z* = l 7000 z j j= 1 j= = l 7000 2001*12000 2 2001 z j = 5000 + 1 5000 = 1200600 2001 (7000 5000 + 1)(5000 + 7000) 2 2001 = 6000 Jadi, jumlah makanan jenis ABC yang harus diproduksi sebanyak 6000 kemasan. 46

Kasus 1 Bagaimana jika jumlah PERMINTAAN = 2500, PERSEDIAAN = 500, berapa kemasan makanan jenis ABC yang harus diproduksi? Kasus 2 Bagaimana jika jumlah PERMINTAAN = 4500, PERSEDIAAN = 150, berapa kemasan makanan jenis ABC yang harus diproduksi? Kasus 3 Bagaimana jika jumlah PERMINTAAN = 5000, PERSEDIAAN = 75, berapa kemasan makanan jenis ABC yang harus diproduksi? Gunakan metode MAMDANI 47

ANY QUESTIONS? 48