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

dokumen-dokumen yang mirip
BAB 2 LANDASAN TEORI

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu

PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING MENGGUNAKAN METODE LEVEL SUM

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

METODE MEHAR UNTUK SOLUSI OPTIMAL FUZZY DAN ANALISA SENSITIVITAS PROGRAM LINIER DENGAN VARIABEL FUZZY BILANGAN TRIANGULAR

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

Bab 3 Metode Interpolasi

BAB 2 LANDASAN TEORI

Penyelesaian Persamaan Non Linier

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

I. DERET TAKHINGGA, DERET PANGKAT

Distribusi Pendekatan (Limiting Distributions)

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

Contoh Produksi dua jenis sepatu A dan B memberikan fungsi keuntungan bulanan sebagai berikut :

Balas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

oleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

Persamaan Non-Linear

Hendra Gunawan. 12 Februari 2014

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

,n N. Jelas barisan ini terbatas pada dengan batas M =: 1, dan. barisan ini kovergen ke 0.

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

PENYELESAIAN MASALAH PROGRAM LINIER FUZZY DENGAN BILANGAN FUZZY LINEAR REAL MENGGUNAKAN METODE SABIHA

BAB 2 LANDASAN TEORI

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

BAB II MAKALAH. : Seminar Nasional Sains dan Pendidikan Sains VIII UKSW. : Prosiding Seminar Nasional Matematika VIII UKSW 15 Juni

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung

STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN PENJADWALAN FLOWSHOP

BARISAN DAN DERET. Nurdinintya Athari (NDT)

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum

Kompleksitas Waktu untuk Algoritma Rekursif. ZK Abdurahman Baizal

Soal dan Pembahasan. Ujian Nasional Matematika Teknik SMK matematikamenyenangkan.com

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas.

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

I. PENDAHULUAN II. LANDASAN TEORI

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,

PERTEMUAN 13. VEKTOR dalam R 3

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

BAB V ANALISA PEMECAHAN MASALAH

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

BAB II LANDASAN TEORI

terurut dari bilangan bulat, misalnya (7,2) (notasi lain 2

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

IV. METODE PENELITIAN

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )

BAB II TINJAUAN PUSTAKA

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

Deret Fourier. Modul 1 PENDAHULUAN

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 3 METODE PENELITIAN

SISTEM PERSAMAAN LINEAR PADA ALJABAR MIN-PLUS. Abstrak

Homomorfisma Pada Semimodul Atas Aljabar Max-Plus

BAB 2 LANDASAN TEORI

Bab IV Metode Alternating Projection

PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM

TINJAUAN PUSTAKA Pengertian

UKURAN PEMUSATAN DATA

PENYELESAIAN PROGRAM LINIER VARIABEL FUZZY TRIANGULAR MENGGUNAKAN METODE DEKOMPOSISI DAN METODE SIMPLEKS

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and

Kompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci

BAB IV PEMBAHASAN DAN ANALISIS

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

SISTEM PERSAMAAN LINEAR PADA ALJABAR MIN-PLUS

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

BAB 2 LANDASAN TEORI

Pengantar Statistika Matematika II

B a b 1 I s y a r a t

PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 4. METODE ESTIMASI PARAMETER DARI DISTRIBUSI WAKTU KERUSAKAN

MA1201 MATEMATIKA 2A Hendra Gunawan

Fungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya

Setelah mempelajari modul ini Anda diharapkan dapat: a. memeriksa apakah suatu pemetaan merupakan operasi;

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

Barisan Aritmetika dan deret aritmetika

HALAMAN Dengan definisi limit barisan buktikan limit berikut ini : = 0. a. lim PENYELESAIAN : jadi terbukti bahwa lim = 0 = 5. b.

JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 31-41, April 2004, ISSN :

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain

1 n MODUL 5. Peubah Acak Diskret Khusus

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

Transkripsi:

BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag megguaka metode fuzzy decisive set. A. Program Liear dega Koefisie Tekis Kedala Bilaga Fuzzy Masalah program liear fuzzy disajika dega meetuka batasa da fugsi tujua yag aka dicapai dari variabel keputusa dalam betuk pertidaksamaa liear yaitu: Memaksimalka j=1 c j x j dega kedala j=1 a ij x j b i 1 i m (3.1) x j 0 1 j da a ij adalah bilaga fuzzy dega fugsi keaggotaa liear turu: 1 μ aij (x) = {(a ij + d ij x)/d ij 0, jika x < a ij, jika a ij x < a ij + d ij, jika x a ij + d ij (3.) dega x R da d ij > 0 utuk semua i = 1,, m, j = 1,,. Lagkah-lagkah yag harus dilakuka utuk meyelesaika masalah program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy adalah sebagai berikut: 34

1. Megubah masalah program liear fuzzy diubah ke dalam betuk masalah program liear dega meetuka ilai batas bawah da batas atas dari ilai yag optimal. Batas dari ilai yag optimal, yaitu z 1 da z didapatka dari dua betuk peyelesaia program liear sebagai berikut: z 1 = max c j x j j=1 dega kedala j=1 a ij x j b i, i = 1,, m (3.3) x j 0, j = 1,,, da z = max c j x j j=1 dega kedala j=1 (a ij + d ij )x j b i (3.4) x j 0, Masalah program liear di atas mempuyai ilai optimal berhigga pada selag z 1 da z. Dega z l = mi(z 1, z ) da z u = max(z 1, z ). Kemudia z l da z u disebut batas bawah da batas atas. Dega demikia, ilai dari fugsi tujua terletak di atara keduaya. Semetara koefisie tekis terletak di atara a ij da a ij + d ij. 35

. Membawa masalah optimasi yag sudah ditetuka ilai batas atas da batas bawah ke dalam fugsi fuzzy goal da fugsi fuzzy costrait utuk medapatka fugsi fuzzy decisio. Fugsi keaggotaa himpua fuzzy goal G dega ilai batas atas z u da batas bawah z l yag didapatka dari betuk Persamaa (3.3) da Persamaa (3.4), yag didefiisika sebagai berikut : μ G (x) = { 0 j=1 c j x j z l z u z l 1, j=1 c j x j < z l, z l j=1 c j x j < z u (3.5), j=1 c j x j z u Kemudia fugsi keaggotaa pada kedala ke i himpua fuzzy costrait, C i dega batas atas a ij + d ij da batas bawah a ij pada koefisie tekis yag didefiisika sebagai berikut : μ Ci (x) = { 0 b i j=1 a ij x j j=1 d ij x j 1, b i < a ij x j j=1, j=1 a ij x j b i < j=1 (a ij + d ij )x j, b i (a ij + d ij )x j j=1 (3.6) Fugsi keaggotaa himpua fuzzy Goal dega batas atas z u da batas bawah z l da fugsi keaggotaa himpua fuzzy Costrait dega batas atas a ij + d ij da batas bawah a ij di atas merupaka betuk turua dari rumus umum fugsi keaggotaa liear aik. Nilai mi i {μ Ci (x)} = mi {μ C1 (x), μ C (x),, μ C (x)} merupaka peyelesaia layak basis dari himpua fuzzy costrait da mi{μ Gj (x)} merupaka peyelesaia layak dari himpua fuzzy goal. Kemudia mecari irisa dari μ Ci (x) da μ Gj (x) utuk meghasilka peyelesaia 36

optimal pada fuzzy decisio μ D (x). Dega megguaka defiisi fuzzy decisio yag dikealka oleh Bellma Zadeh (Gasimov, 00), didapatka : μ D (x) = mi {μ Gj (x), mi i (μ Ci (x))} (3.7) Peyelesaia optimal diperoleh dega memaksimumka ilai fuzzy decisio dari masalah sehigga didapatka: max x 0 {μ D(x)} = max x 0 mi {μ G j (x), mi i (μ Ci (x))} (3.8) Peyelesaia optimal suatu masalah diharapka berilai tegas atau medekati tegas yag mempuyai arti bahwa peyelesaia optimal yag didapatka bear-bear memugkika ada. Sehigga fuzzy decisio maksimum diharapka mempuyai derajat keaggotaa dega ilai berada pada selag [0,1]. Nilai adalah ilai α dari himpua yag memuat semua eleme dari himpua fuzzy decisio yag mempuyai derajat keaggotaa α da didefiisika sebagai D α = {x X μ D (x) α} sehigga μ D α. Oleh karea itu, = μ D (x) sehigga Persamaa (3.1) dapat disajika kedalam betuk : max = μ D (x) = mi {μ Gj (x), mi i (μ Ci (x))} (3.9) 37

= mi{μ G1 (x),, μ G (x), μ C1 (x), μ C (x),, μ Cm (x)} Utuk medapatka eleme terbesar dari fuzzy decisio, masigmasig dari fuzzy goal da fuzzy costrait juga harus memiliki ilai yag maksimum agar berilai tegas. Persamaa (3.9) merupaka ilai mi {μ Gj (x), mi (μ Ci (x))} dega demikia diperoleh, i da dega, μ G (x) mi {μ Gj (x), mi (μ Ci (x))} i μ G (x) μ Ci (x) mi {μ G (x), mi (μ Ci (x))} i μ Ci (x), 1 i m x 0, 0 1 Selajutya dega megguaka Persamaa (3.5), didapatka Persamaa (3.10) sebagai berikut : max μ G (x) j=1 c j x j z l z u z l j=1 c j x j z l (z u z l ) (z u z l ) j=1 c j x j + z l 0 (3.10) 38

da dega megguaka Persamaa (3.6), didapatka Persamaa (3.11) sebagai berikut : μ Ci (x) b i j=1 j=1 a ij x j d ij x j b i a ij x j ( d ij x j ) j=1 j=1 b i ( a ij x j d ij x j ) 0 j=1 j=1 j=1(a ij + d ij )x j b i 0 (3.11) Metode fuzzy decisive set merupaka metode yag diguaka utuk meyelesaika masalah program liear fuzzy yag dikealka oleh Sakawa da Yaa (Gasimov, 00). Metode ii berdasarka pada betuk trasformasi program liear fuzzy ke betuk tegas dega meyertaka parameter. Betuk o-koveks didapat pada lagkah megubah masalah program liear fuzzy ke betuk tegas yag memuat perkalia da variabelya. Meurut Ivokhi (013), kedala pada persamaa (3.1) memuat perkalia x j yag berarti kedala tidak koveks. Solusi dari masalah ii megguaka peyelesaia umum o koveks masalah optimisasi salah satuya dega metode fuzzy decisive set. 39

3. Meetuka masalah optimasi megguaka fuzzy decisive set dega algoritma fuzzy decisive set sebagai berikut: a. Lagkah pertama dega megambil = 1 utuk diselesaika megguaka metode simpleks. Solusi layak merupaka solusi permasalaha yag memeuhi kedala da memaksimalka fugsi tujua. Jika solusi layakya ada (feasible set is oempty) maka = 1 merupaka ilai optimal. Jika solusi layakya tidak ada (feasible set is empty) maka lajut ke lagkah kedua. b. Lagkah kedua ilai = L + R dega L da R megguaka metode bagi dua adalah: L = jika solusi layak tidak kosog R = jika solusi layak kosog Nilai baru yag dihasilka kemudia dimasukka ke persamaa yag selajutya diselesaika megguaka metode simpleks. Solusi dari metode simpleks yag didapatka jika terdapat solusi layak tidak kosog maka tahap selajutya adalah dega megguaka tersebut sebagai L da megguaka R yag sama dari iterasi sebelumya utuk meghasilka ilai baru yag aka diguaka utuk iterasi berikutya. Apabila terdapat solusi layak kosog, maka sebalikya adalah dega megguaka tersebut sebagai R da megguaka L yag sama dari iterasi sebelumya. 40

Iterasi berheti apabila solusi yag dihasika pada dua iterasi terakhir adalah layak dega selisih ilai keduaya sudah sagat kecil dega ilai ε medekati ilai 0. Selajutya utuk ilai yag didapat pada iterasi terakhir dimasukka ke persamaa da diselesaika megguaka metode simpleks utuk medapatka peyelesaia yag optimal pada masalah program liear. B. Aplikasi Program Liear dega Koefisie Tekis Kedala Bilaga Fuzzy pada Masalah Optimasi Home Idustri UD Firdaus memproduksi pavig da batako yag keduaya mempuyai baha baku utama yag sama yaitu pasir da seme. Proses produksi yag dilakuka di UD Firdaus tidak megguaka batua mesi, sehigga teaga mausia mejadi faktor utama dalam proses produksi. Pavig memerluka 1 jam 30 meit utuk mecampur baha atau megaduk baha, jam utuk mecetak aduka, da 4 hari pegeriga hasil cetaka. Sedagka batako memerluka 1 jam utuk megaduk baha, 1 jam utuk mecetak aduka, da 3 hari utuk pegeriga hasil cetaka. Dalam proses pegaduka, pavig membutuhka waktu yag lebih lama dikareaka pavig harus tercampur lebih rata da halus dibadigka dega batako. Dalam proses pecetaka aduka, pavig juga membutuhka waktu yag lebih lama dikareaka ukura alat pecetak pavig berbetuk segieam da memiliki ukura lebih kecil sehigga harus lebih berhati-hati da teliti dibadig ukura cetaka batako yag lebih besar da berbetuk segiempat. Dalam proses pegeriga, pavig membutuhka waktu pejemura lebih lama. Hal itu dikareaka batako segera dapat diguaka 41

utuk membuat podasi sedagka pavig tidak dapat dega segera diguaka sebagai latai yag fugsiya meopag berbagai beba di atasya. Dalam proses megaduk baha da mecetak aduka, kedua hasil produksi memiliki kemugkia memerluka waktu yag lebih lama dari waktu yag sudah ditetuka. Hal itu dikareaka teaga mausia atau karyawa yag bekerja memiliki keterampila yag berbeda-beda. Karyawa yag memiliki keterampila baik, aka dega mudah megerjaka proses pegaduka da pecetaka adukaya. Pada proses pegaduka, baha baku harus tercampur secara merata, da adukaya tidak boleh terlalu ecer maupu terlalu keras. Sedagka karyawa yag memiliki keterampila kurag baik, cotohya dilihat dari faktor kodisi bada karyawa yag sedag tidak fit sehigga kierjaya tidak maksimal, da juga dari faktor karyawa yag tergolog karyawa baru. Hal ii aka memugkiaka bahwa hasil pegolaha baha baku aka membutuhka waktu sedikit lebih lama. Proses pegaduka pavig da batako pada UD Firdaus memiliki tolerasi waktu pegerjaa 30 meit lebih lama. Pada proses pecetaka, pavig memiliki tolerasi waktu pegerjaa 1 jam da batako memiliki tolerasi waktu pegerjaa 30 meit. Dalam proses pegeriga atau pegerasa cetaka, kedua hasil produksi juga memiliki kemugkia memerluka waktu yag lebih lama dari waktu yag sudah ditetuka. Cepat lambatya cetaka agar kerig secara merata, disebabka oleh faktor cuaca. Jika hari paas, cetaka aka mudah kerig, da jika hari huja, maka cetaka aka memerluka waktu yag lebih lama dalam pegeriga. Dalam hal ii, proses pegeriga memiliki tolerasi waktu kurag lebih 1 hari. 4

Dalam satu kali pegolaha baha baku dega tiga seragkaia proses pegaduka, pecetaka, da pegeriga, pavig yag dihasilka sebayak 150 biji sedagka batako yag dihasika sebayak 80 biji. Satu biji pavig memiliki keutuga 100 rupiah da 00 rupiah utuk batako. Sehigga Keutuga pavig per satu kali pegolaha adalah 150 biji x 100 rupiah = 15000 rupiah da keutuga batako per satu kali pegolaha adalah 80 biji x 00 rupiah = 16000 rupiah Bagaimaa produksi harus dialokasika utuk memaksimumka keutuga per satu kali pegolaha jika UD firdaus memiliki persediaa waktu 8 jam dalam satu hari kerja dimulai dari pukul 07.00-1.00 da 13.00-16.00, 6 hari kerja dalam semiggu da 4 hari kerja dalam satu bula? Tabel 3.1 Tabel Proses Produksi da Keutuga Pavig Batako Persediaa waktu Tolerasi waktu (pavig) Tolerasi waktu (batako) Pegaduka 1,5 jam 1 jam 8 jam 0,5 jam 0,5 jam Pecetaka jam 1 jam 8 jam 1 jam 0,5 jam Pegeriga 4 hari = 3 hari = 6x4= 4 1 hari = 4 1 hari = 4 96 jam 7 jam hari = 576 jam jam jam Profit Rp 15000,- Rp 16000,- 43

Masalah disajika ke dalam betuk pertidaksamaa liear dega meetuka batasa dari variabel keputusa da meetuka fugsi tujua yag aka dicapai dari variabel keputusa yag sudah ditetuka. Utuk memformulasika di atas dimisalka: x 1 adalah bayak pegolaha pavig yag dilakuka x adalah bayak pegolaha batako yag dilakuka Oleh karea itu, perecaaa produksi di atas dapat dirumuska dalam masalah program liear dega koefisie tekis kedala bilaga fuzzy sebagai berikut: Memaksimalka z = 15000x 1 + 16000x (3.1) dega kedala : 1,5 x 1 + 1 x 8 (3.13) x 1 + 1 x 8 (3.14) 4 x 1 + 3 x 4 (3.15) Sehigga, 1,5 a ij = [ 4 1 0,5 1 ], d ij = [ 1 3 1 0,5 1 ] 1 a ij + d ij = [ 3 5 1,5 8 ] da b i = [ 8 ] 4 4 Bilaga 1,5 adalah bilaga fuzzy dega fugsi keaggotaa liear turu (x: 1,5; ). Begitu juga dega bilaga fuzzy 1,, 1, 4, da 3 dega fugsi 44

keaggotaa masig-masig (x: 1; 1,5), (x: ; 3), (x: 1; ), (x: 4; 5), da (x: 3; 4) secara berturut-turut. Berdasarka lagkah utuk meyelesaika masalah program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy, dilakuka lagkahlagkah sebagai berikut : 1. Meetuka batas dari ilai yag optimal, yaitu z l da z u yag didapat dari peyelesaia masalah program liear yag stadar Memaksimalka Z 1 = 15000x 1 + 16000x (3.16) dega kedala, 1,5x 1 + 1x 8 (3.17) x 1 + 1x 8 (3.18) 4x 1 + 3x 4 (3.19) da memaksimalka Z = 15000x 1 + 16000x (3.0) dega kedala, x 1 + 1,5x 8 (3.1) 3x 1 + x 8 (3.) 5x 1 + 4x 4 (3.3) Dega megguaka matlab pada persamaa (3.16), (3.17), (3.18), da (3.19) didapatka output sebagai berikut: x 1 = 0 x = 8 Z 1 = 18000 45

da pada persamaa (3.0), (3.1), (3.), da (3.3) didapatka output sebagai berikut: x 1 = 0 x = 4 Z = 64000 Sehigga diperoleh, Z l = mi(z 1, Z ) = mi(18000,64000) = 64000 Z u = max(z 1, Z ) = max(18000,64000) = 18000. Membawa masalah optimasi yag sudah ditetuka ilai batas atas da batas bawah ke dalam betuk fuzzy goal da fuzzy costrait utuk medapatka fuzzy decisio sebagai berikut: a. Himpua Fuzzy Goal Megguaka persamaa (3.5) diperoleh, 0 μ G (x) = { 15000x 1 +16000x 64000 1 18000 64000, jika 15000x 1 + 16000x < 64000, jika64000 15000x 1 + 16000x < 18000, jika 15000x 1 + 16000x 18000 (3.4) b. Himpua Fuzzy Costrait Megguaka persamaa (3.6) diperoleh, μ C1 (x) = { μ C (x) = { 0 8 1,5x 1 1x 0,5x 1 +0,5x 1 0 8 x 1 1x 1x 1 +1x 1, 8 < 1,5x 1 + 1x,1,5x 1 + 1x 8 < x 1 + 1,5x, 8 x 1 + 1,5x, 8 < x 1 + 1x,x 1 + 1x 8 < 3x 1 + x, 8 3x 1 + x (3.5) (3.6) 46

μ C3 (x) = { 0 4 4x 1 3x 1x 1 +1x 1 c. Himpua Fuzzy Decisio, 4 < 4x 1 + 3x,4x 1 + 3x 4 < 5x 1 + 4x, 4 5x 1 + 4x (3.7) Megguaka persamaa (3.4), (3.5), (3.6) da (3.7) diperoleh betuk lai dari masalah (3.1), (3.13), (3.14), da (3.15) sebagai berikut: max 15000x 1 + 16000x 64000 18000 64000 8 1,5x 1 1x 0,5x 1 + 0,5x 8 x 1 1x 1x 1 + 1x 4 4x 1 3x 1x 1 + 1x Atau ekuivale dega persamaa, 0 1 x 1, x 0 max 15000x 1 + 16000x 64000 + 64000 (0,5 + 1,5)x 1 + (0,5 + 1)x 8 (1 + )x 1 + (1 + 1)x 8 (1 + 4)x 1 + (1 + 3)x 4 0 1 x 1, x 0 47

Sehigga didapatka, max 15000x 1 + 16000x 64000 + 64000 (0,5 + 1,5)x 1 + (0,5 + 1)x 8 (1 + )x 1 + (1 + 1)x 8 (1 + 4)x 1 + (1 + 3)x 4 3. Meyelesaika masalah optimasi megguaka fuzzy decisive set dega algoritma fuzzy decisive set 1. Utuk = 1 15000x 1 + 16000x 18000 x 1 + 1,5x 8 3x 1 + x 8 5x 1 + 4x 4 Dega megguaka fuctio liprog di matlab, da script legkap terlampir di lampira 1, diperoleh output yaitu exitflag berilai - yag artiya himpua layak kosog. Dega demikia, ditetuka L = 0 da R = 1. Nilai baru = L + R. Utuk = 0,5 = 0+1 15000x 1 + 16000x 96000 1,75x 1 + 1,5x 8,5x 1 + 1,5x 8 4,5x 1 + 3,5x 4 = 0,5 diguaka utuk iterasi ke-. 48

Dega megguaka fuctio liprog di matlab, da script legkap terlampir di lampira 1, diperoleh output yaitu exitflag berilai - yag artiya himpua layak kosog. Dega demikia, ditetuka L = 0 da R = 0,5. Nilai baru = L + R 3. Utuk = 0,5 = 0+0,5 15000x 1 + 16000x 80000 1,65x 1 + 1,15x 8,5x 1 + 1,5x 8 4,5x 1 + 3,5x 4 = 0,5 diguaka utuk iterasi ke-3 Dega megguaka fuctio liprog di matlab, da script legkap terlampir di lampira 1, diperoleh output yaitu exitflag berilai 1 yag artiya himpua layak tidak kosog. Dega demikia, ditetuka L = 0,5 da R = 0,5. Nilai baru = L + R utuk iterasi ke-4 4. Utuk = 0,375 = 0,5+0,5 15000x 1 + 16000x 88000 1,6875x 1 + 1,1875x 8,375x 1 + 1,375x 8 4,375x 1 + 3,375x 4 = 0,375 diguaka Dega megguaka fuctio liprog di matlab, da script legkap terlampir di lampira 1, diperoleh output yaitu exitflag berilai 1 yag artiya himpua layak tidak kosog. Dega demikia, ditetuka L = 49

0,375 da R = 0,5. Nilai baru = L + R utuk iterasi ke-5 5. Utuk = 0,4375 = 0,375+0,5 15000x 1 + 16000x 9000 1,7188x 1 + 1,188x 8,4375x 1 + 1,4375x 8 4,4375x 1 + 3,4375x 4 = 0,4375 diguaka Dega megguaka fuctio liprog di matlab, da script legkap terlampir di lampira 1, diperoleh output yaitu exitflag berilai - yag artiya himpua layak kosog. Dega demikia, ditetuka L = 0,375 da R = 0,4375. Nilai baru = L + R utuk iterasi ke-6 6. Utuk = 0,4063 = 0,375+0,4375 15000x 1 + 16000x 90003, 1,7034x 1 + 1,034x 8,4063x 1 + 1,4063x 8 4,4063x 1 + 3,4063x 4 = 0,4063 diguaka Dega megguaka fuctio liprog di matlab, da script legkap terlampir di lampira 1, diperoleh output yaitu exitflag berilai 1 yag artiya himpua layak tidak kosog. Dega demikia, ditetuka L = 0,4063 da R = 0,4375. Nilai baru = L + R diguaka utuk iterasi ke-7. = 0,4063+0,4375 = 0,419 50

7. Utuk = 0,419 15000x 1 + 16000x 91001,6 1,7110x 1 + 1,110x 8,419x 1 + 1,419x 8 4,419x 1 + 3,419x 4 Dega megguaka fuctio liprog di matlab, da script legkap terlampir di lampira 1, diperoleh output yaitu exitflag berilai - yag artiya himpua layak kosog. Dega demikia, ditetuka L = 0,4063 da R = 0,419. Nilai baru = L + R diguaka utuk iterasi ke-8. 8. Utuk = 0,4141 15000x 1 + 16000x 9050,4 1,7071x 1 + 1,071x 8,4141x 1 + 1,4141x 8 4,4141x 1 + 3.4141x 4 = 0,4063+0,419 = 0,4141 Dega megguaka fuctio liprog di matlab, da script legkap terlampir di lampira 1, diperoleh output yaitu exitflag berilai 1 yag artiya himpua layak tidak kosog. Dega demikia, ditetuka L = 0,4141 da R = 0,419. Nilai baru = L + R diguaka utuk iterasi ke-9. 9. Utuk = 0,4180 15000x 1 + 16000x 9075 = 0,4141+0,419 = 0,4180 51

1,7090x 1 + 1,090x 8,4180x 1 + 1,4180x 8 4,4180x 1 + 3,4180x 4 Dega megguaka fuctio liprog di matlab, da script legkap terlampir di lampira 1, diperoleh output yaitu exitflag berilai - yag artiya himpua layak kosog. Dega demikia, ditetuka L = 0,4141 da R = 0,4180. Nilai baru = L + R diguaka utuk iterasi ke-10. 10. Utuk = 0,4161 15000x 1 + 16000x 90630,4 1,7081x 1 + 1,081x 8,4161x 1 + 1,4161x 8 4,4161x 1 + 3,4161x 4 = 0,4141+0,4180 = 0,4161 Dega megguaka fuctio liprog di matlab, da script legkap terlampir di lampira 1, diperoleh output yaitu exitflag berilai - yag artiya himpua layak kosog. Dega demikia, ditetuka L = 0,4141 da R = 0,4161. Nilai baru = L + R diguaka utuk iterasi ke-11. 11. Utuk = 0,4151 15000x 1 + 16000x 90566,4 1,7076x 1 + 1,076x 8,4151x 1 + 1,4151x 8 = 0,4141+0,4161 = 0,4151 5

4,4151x 1 + 3,4151x 4 Dega megguaka fuctio liprog di matlab, da script legkap terlampir di lampira 1, diperoleh output yaitu exitflag berilai - yag artiya himpua layak kosog. Dega demikia, ditetuka L = 0,4141 da R = 0,4151. Nilai baru = L + R = 0,4141+0,4151 = 0,4146 diguaka utuk iterasi ke-1. 1. Utuk = 0,4146 15000x 1 + 16000x 90534,4 1,7073x 1 + 1,073x 8,4146 x 1 + 1,4146 x 8 4,4146 x 1 + 3,4146 x 4 Dega megguaka fuctio liprog di matlab, da script legkap terlampir di lampira 1, diperoleh output yaitu exitflag berilai - yag artiya himpua layak kosog. Dega demikia, ditetuka L = 0,4141 da R = 0,4146. Nilai baru = L + R = 0,4141+0,4146 = 0,4144 diguaka utuk iterasi ke-13. 13. Utuk = 0,4144 15000x 1 + 16000x 9051,6 1,707x 1 + 1,07x 8,4144x 1 + 1,4144x 8 4,4144x 1 + 3,4144x 4 53

Dega megguaka fuctio liprog di matlab, da script legkap terlampir di lampira 1, diperoleh output yaitu exitflag berilai - yag artiya himpua layak kosog. Dega demikia, ditetuka L = 0,4141 da R = 0,4144. Nilai baru = L + R = 0,4141+0,4144 = 0,4143 diguaka utuk iterasi ke-14. 14. Utuk = 0,4143 15000x 1 + 16000x 90515, 1,707x 1 + 1,07x 8,4143x 1 + 1,4143x 8 4,4143x 1 + 3,4143x 4 Dega megguaka fuctio liprog di matlab, da script legkap terlampir di lampira 1, diperoleh output yaitu exitflag berilai - yag artiya himpua layak kosog. Dega demikia, ditetuka L = 0,4141 da R = 0,4143. Nilai baru = L + R = 0,4141+0,4143 = 0,414 diguaka utuk iterasi ke-15. 15. Utuk = 0,414 15000x 1 + 16000x 90508,8 1,7071x 1 + 1,071x 8,414x 1 + 1,414x 8 4,414x 1 + 3,414x 4 54

Dega megguaka fuctio liprog di matlab, da script legkap terlampir di lampira 1, diperoleh output yaitu exitflag berilai 1 yag artiya himpua layak tidak kosog. Pada iterasi ke 15 sudah meujukka bahwa hasil output memiliki solusi layak atau himpua layak tidak kosog dega ilai exitflag sama dega 1 da ilai x 1 = 0, x = 5,6569 da ilai z = 90511,1719. 55