Teori Fuzzy Bhn2
-
Upload
fuad-anshari -
Category
Documents
-
view
198 -
download
0
Transcript of Teori Fuzzy Bhn2
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 1/37
TEORI FUZZYTEORI FUZZY
TIP UNLAMTIP UNLAM ARIEF AKBAR ARIEF AKBAR
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 2/37
Teori FuzzyTeori Fuzzy
Pertama kali diperkenalkanoleh prof. L.A. ZadehPertama kali diperkenalkanoleh prof. L.A. Zadeh
(1965) melalui makalah yg berjudul Intoducing(1965) melalui makalah yg berjudul Intoducing
fuzzy setsfuzzy sets
Menjelaskan sebuah teori bahwa obyek dariMenjelaskan sebuah teori bahwa obyek darifuzzy set (himpunan fuzzy) ditetapkanfuzzy set (himpunan fuzzy) ditetapkan
berdasarkan batasan yang tidak tegas (pasti)berdasarkan batasan yang tidak tegas (pasti)
Anggota dari bilangan fuzzy bukan suatu ukuranAnggota dari bilangan fuzzy bukan suatu ukuran
yang pasti tetapi melalui skala/derajatyang pasti tetapi melalui skala/derajat
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 3/37
Aplikasi FuzzyAplikasi Fuzzy
Th 1990 pertama kali mesin cuci dibuat dengan logikaTh 1990 pertama kali mesin cuci dibuat dengan logikafuzzy di jepang (Matsushita Electric Industrial Company),fuzzy di jepang (Matsushita Electric Industrial Company),digunakan utk menentukan putaran yg tepat secaradigunakan utk menentukan putaran yg tepat secaraotomatis berdasarkan banyaknya kotoran serta jumlah yg otomatis berdasarkan banyaknya kotoran serta jumlah yg dicuci. Menggunakan sensor optik, mengeluarkan cahayadicuci. Menggunakan sensor optik, mengeluarkan cahaya
di air daan mengukur bgm cahaya tsb sampai ke ujung di air daan mengukur bgm cahaya tsb sampai ke ujung lainnyalainnya
Mobil Nissan menggunakan transmisi otomatis dg sistemMobil Nissan menggunakan transmisi otomatis dg sistemfuzzy, mampu menghemat bbm 12-17%fuzzy, mampu menghemat bbm 12-17%
Riset operasi seperti penjadwalan danRiset operasi seperti penjadwalan dan
pemodelan,pengalokasian dll pemodelan,pengalokasian dll
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 4/37
Fuzzy setFuzzy set
Terdapat perbedaan antara Fuzzy Set dan non fuzzy (disebut Crips sets)Terdapat perbedaan antara Fuzzy Set dan non fuzzy (disebut Crips sets)
Crips sets (himpunan tegas), nilai keanggotaan suatu item X didalam himpunan A,Crips sets (himpunan tegas), nilai keanggotaan suatu item X didalam himpunan A,memiliki 2 kemungkinan :memiliki 2 kemungkinan :
Satu (1)Satu (1) yg berarti bahwa suatu item menjadi anggota dlm suatu himpunanyg berarti bahwa suatu item menjadi anggota dlm suatu himpunan Nol (0)Nol (0) yg berarti suatu item tidak mejadi anggota himpunanyg berarti suatu item tidak mejadi anggota himpunan
Contoh ilustrasiContoh ilustrasi
Ukuran kota yang dekat dengan BanjarbaruUkuran kota yang dekat dengan Banjarbaru
Crips setCrips set : A = { Banjarmasin, Martapura, Rantau, Binuang): A = { Banjarmasin, Martapura, Rantau, Binuang)
Fuzzy setFuzzy set ::
B = {(Banjarmasin, 0,7), (Martapura, 0.9), (Rantau, 0.4),B = {(Banjarmasin, 0,7), (Martapura, 0.9), (Rantau, 0.4),
( Binuang, 0,6)}( Binuang, 0,6)}
Nilai 0,7 mununjukkan skala/ukuran keanggotaan BanjarmasinNilai 0,7 mununjukkan skala/ukuran keanggotaan BanjarmasinNilai 0,9 mununjukkan skala/ukuran keanggotaan MartapuraNilai 0,9 mununjukkan skala/ukuran keanggotaan Martapura
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 5/37
Ilustrasi Low, Medium, High dan Very HighIlustrasi Low, Medium, High dan Very High
a.a. Fuzzy SetsFuzzy Sets
b.b. Crips SetsCrips Sets
Very low Low Medium High Very High
Suhu oC T2
S k
a l a
/ u k
u r
a n
1
0
T1
Very low Low Medium High Very High
Suhu oCT2T1
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 6/37
Crips SetCrips Set
0 35
1μ [x]
0 35
μ [x]
0 55
μ [x]
55
muda paruhbaya tua
usia usia usia
• jika berusia 34 th dikatakan MUDA (μMUDA[34]=1)
•Jika berusia 35 th dikatakan TIDAK MUDA (μMUDA[35]=0)
•Apabila usia 35 th kurang 1 hari dikatakan TIDAK MUDA (μMUDA[35th-
1hr]=0)
•Jika berusia 35 th dikatakan PARUHBAYA ((μPARUHBAYA[35]=1) Pemakaian hinpunan crips utk kasus di atas ada ketidak adilan,
adanya perubahan yang kecil saja menyebabkan perbedaan
kategori yyg cukup signifikan
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 7/37
Fuzzy Sets
dengan menggunakan himpunan fuzzy terlihat bahwa :
•Seseorang yg berumur 40 th termasuk dalam himpunan MUDA
dgn μMUDA[40]=0,25 ; namun dia juuga termasuk dalamhimpunan PARUHBAYA dengan μPARUHBAYA[40]=0,5
•Seseorang yg berumur 50 tahun termasuk dalam himpunan TUA
dengan μTUA[50]=0,25 ; namun dia juuga termasuk dalam
himpunan PARUHBAYA dengan μPARUHBAYA[50]=0,5
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 8/37
Jika dalam himpunan CRIPS, nilai keanggotaan hanya 2Jika dalam himpunan CRIPS, nilai keanggotaan hanya 2
kemungkinan (0 dan 1)kemungkinan (0 dan 1)
Pada himpunan fuzzy nilai keanggotaan terletak padaPada himpunan fuzzy nilai keanggotaan terletak padarentang 0 s/d 1 (jika x memiliki nilai keanggotaan fuzzyrentang 0 s/d 1 (jika x memiliki nilai keanggotaan fuzzy
μμA[x]=0 artinya x tidak menjadi anggota A, jikaA[x]=0 artinya x tidak menjadi anggota A, jika μμA[x]=1A[x]=1
maka x menjadi anggota penuh Amaka x menjadi anggota penuh A
Himpunan Fuzzy memiliki 2 atribut :
a. Linguistik (cth : MUDA, TUA, PARUHBAYA)
b. Numerik (ukuran variabel : 40,25, 50 dsb)
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 9/37
Fungsi KeanggotaanFungsi Keanggotaan
Adalah suatu kurva y menunjukkan Adalah suatu kurva y menunjukkan
pemetaan tit pemetaan tit k-titik input data ke dalam nilaik-titik input data ke dalam nilai
keanggotaan yg memiliki interval antara 0-keanggotaan yg memiliki interval antara 0-
1.1.
Untuk mendapatkan Nilai KeanggotaanUntuk mendapatkan Nilai Keanggotaan
dapat digunakan PENDEKATAN FUNGSIdapat digunakan PENDEKATAN FUNGSI
(misalnya : Representasi Linier,(misalnya : Representasi Linier,Representasi Kurva Segitiga dll)Representasi Kurva Segitiga dll)
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 10/37
Representasi Linier Representasi Linier
μ[x] =
0 ; x ≤ a
( x – a) / (b – a ); a ≤ x ≤ b
1 ; x ≥ b
Fungsi keanggotaan untuk himpunan PANAS pd variabel
temperatur ruangan adalah sbb :
μPANAS[32] =(32-25)/(35-25) = 7 / 10 = 0,7
a=25 x=32 b=35
1
0,7
0
Temperatur (oC)
μ[x]
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 11/37
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 12/37
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 13/37
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 14/37
LINEAR PROGRAMMINGLINEAR PROGRAMMING
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 15/37
Permasalahan dapat disebut persoalan Linear Permasalahan dapat disebut persoalan Linear Programming apabila memenuhi:Programming apabila memenuhi:
1. Tujuan (obyektif) yang akan dicapai harus dapat1. Tujuan (obyektif) yang akan dicapai harus dapatdinyatakan dalam fungsi linier.dinyatakan dalam fungsi linier. Fungsi ini disebut Fungsi ini disebut fungsi tujuan (fungsi obyektif).fungsi tujuan (fungsi obyektif).
2. Harus ada alternatif pemecahan yang membuat2. Harus ada alternatif pemecahan yang membuatnilai fungsi tujuannilai fungsi tujuan optimum (laba yang optimum (laba yang maksimum, biaya yang minimum).maksimum, biaya yang minimum).
3. Sumber-sumber tersedia dalam jumlah yang3. Sumber-sumber tersedia dalam jumlah yang
terbatas (bahan mentah, modal, danterbatas (bahan mentah, modal, dansebagainya).sebagainya). Kendala-kendala ini harusKendala-kendala ini harusdinyatakan di dalam pertidaksamaan linier dinyatakan di dalam pertidaksamaan linier (linear inequalities).(linear inequalities).
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 16/37
Persoalan Linear ProgrammingPersoalan Linear Programming
dirumuskan :dirumuskan :CariCari : x1,x2, …, xj, …, xn.: x1,x2, …, xj, …, xn.
sedemikian rupa sehingga :sedemikian rupa sehingga :
Z = c1×1 + c2×2 + … + cjxj + … + cnxn = OptimumZ = c1×1 + c2×2 + … + cjxj + … + cnxn = Optimum (Maksimum atau Minimum)(Maksimum atau Minimum)
dengan kendala:
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 17/37
Keterangan:
Ada n macam barang yang akan diproduksi masing-masing sebesar
x1, x2, … , xj, … xn.
xj = banyaknya produksi barang yang ke j, j = 1,2,…,n
cj = harga per satuan barang ke j, disebut “price”
Ada m macam bahan mentah masing-masing tersedia h1, h2, …, hj, …, hm.
hi = banyaknya bahan mentah ke i, i = 1,2, …,m
aij = banyaknya bahan mentah ke i yang dipergunakan untuk
memproduksi 1 satuan barang ke jxj unit memerlukan aij unit bahan mentah i.
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 18/37
Asumsi-asumsi dalam Linear ProgrammingAsumsi-asumsi dalam Linear Programming
o Proportionalityo Proportionality
Asumsi ini berarti bahwa naik turunnya nilai Z dan penggunaan sumber
atau fasilitas yang tersedia akan berubah secara sebanding (proporsional)
dengan perubahan tingkat kegiatan.
Z = C1X1 + C2X2 + C3X3 + …..CnXnZ = C1X1 + C2X2 + C3X3 + …..CnXn
Setiap penambahan 1 unit X1 akan menaikkan Z dengan C1. Setiap penambahan 1 unit X2 akan menaikkan Z dengan C2, dan seterusnya.
a11X1 + a12X2 + a13X3 + ….. + anXn ≤ b1a11X1 + a12X2 + a13X3 + ….. + anXn ≤ b1
Setiap penambahan 1 unit X1 akan menaikkan penggunaan
sumber/fasilitas 1 dengan a11. Setiap penambahan 1 unit X2 akan
menaikkan penggunaan sumber/fasilitas 1 dengan a12, dan seterusnya.
Asumsinya adalah, setiap ada kenaikan kapasitas riil tidak perlu ada
biaya persiapan (set up cost).
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 19/37
o Additivityo Additivity
Asumsi ini berarti bahwa nilai tujuan tiap kegiatan tidak saling
mempengaruhi, atau dalam Linear Programming dianggap bahwa
kenaikan dari nilai tujuan (Z) yang diakibatkan oleh kenaikan suatukegiatan dapat ditambahkan tanpa mempengaruhi bagian nilai Z yang
diperoleh dari kegiatan lain.
Z = 3X1 + 5X2 di mana X1 = 10; X2 = 2;Z = 3X1 + 5X2 di mana X1 = 10; X2 = 2;
Sehingga Z = 30 + 10 = 40
Jika X1 bertambah 1 unit, maka sesuai dengan asumsi, maka nilai Z
menjadi 40 + 3 = 43. Jadi, nilai 3 karena kenaikan X1 dapat langsung
ditambahkan pada nilai Z mula-mula tanpa mengurangi bagian Z yang
diperoleh dari kegiatan 2 (X2). Dengan kata lain, tidak ada korelasi
antara X1 dan X2.
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 20/37
o Divisibilityo Divisibility
Asumsi ini menyatakan bahwa keluaran yang dihasilkan oleh setiap
kegiatan dapat berupa bilangan pecahan. Demikian pula dengan nilai Z
yang dihasilkan.
o Deterministic (certainty)o Deterministic (certainty)
Asumsi ini menyatakan bahwa semua parameter yang terdapat dalam
model Linear Programming (aij, bi, cj) dapat diperkirakan dengan pasti,
meskipun jarang dengan tepat.
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 21/37
Simplex Linear ProgrammingSimplex Linear Programming
Suatu masalah Linear Programming hanya mengandung duaSuatu masalah Linear Programming hanya mengandung dua
kegiatan (variabel-variabel keputusan/X1 & X2), maka dapatkegiatan (variabel-variabel keputusan/X1 & X2), maka dapatdiselesaikan dengan metode grafik.diselesaikan dengan metode grafik.
Bila lebih dari dua variabel, metode grafik tidak dapat digunakan,Bila lebih dari dua variabel, metode grafik tidak dapat digunakan,
sehingga diperlukan metode simpleks yg dipakai untuk menentukansehingga diperlukan metode simpleks yg dipakai untuk menentukan
kombinasi dari tiga variabel atau lebih.kombinasi dari tiga variabel atau lebih.
Masalah Linear Programming yang melibatkan banyak variabel Masalah Linear Programming yang melibatkan banyak variabel
keputusan dapat dengan cepat dipecahkan dengan bantuan komputer.keputusan dapat dengan cepat dipecahkan dengan bantuan komputer.
Bila variabel keputusan yang dikandung tidak terlalu banyak, masalah Bila variabel keputusan yang dikandung tidak terlalu banyak, masalahtersebut dapat diselesaikan dengan suatu algoritma yang biasanyatersebut dapat diselesaikan dengan suatu algoritma yang biasanya
sering disebut metode tabel simpleks. Disebut demikian karena sering disebut metode tabel simpleks. Disebut demikian karena
kombinasi variabel keputusan yang optimal dicari dengan menggunakankombinasi variabel keputusan yang optimal dicari dengan menggunakan
tabel-tabel.tabel-tabel.
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 22/37
FUZZY LINEAR PROGRAMMINGFUZZY LINEAR PROGRAMMING
B k F Li P i l i dikiB t k F Li P i l i dikit
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 23/37
Bentuk persamaan Fuzzy Linear Programming, mengalami sedikitBentuk persamaan Fuzzy Linear Programming, mengalami sedikit
perubahan sebagai berikut :perubahan sebagai berikut :
Bentuk imperatif pada fungsi obyektif tidak lagi benar-benarBentuk imperatif pada fungsi obyektif tidak lagi benar-benar
“maksimum” atau “minimum”, karena adanya beberapa hal yang“maksimum” atau “minimum”, karena adanya beberapa hal yangperlu mendapat pertimbangan dalam suatu sistem.perlu mendapat pertimbangan dalam suatu sistem.
Tanda ≤ (pada batasan) dalam kasus maksimasi dan tanda ≥ (padaTanda ≤ (pada batasan) dalam kasus maksimasi dan tanda ≥ (pada
batasan) dalam kasus minimasi tidak lagi bermakna crisp secarabatasan) dalam kasus minimasi tidak lagi bermakna crisp secaramatematis, namun sedikit mengalami pelanggaran makna.matematis, namun sedikit mengalami pelanggaran makna.
Hal ini juga disebabkan karena adanya beberapa yang perluHal ini juga disebabkan karena adanya beberapa yang perlu
dipertimbangkan dalam sistem yang mengakibatkan batasan tidak dipertimbangkan dalam sistem yang mengakibatkan batasan tidak
dapat didekati secara tegas.dapat didekati secara tegas.
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 24/37
Contoh kasus maksimasi pada Linear Programming:Contoh kasus maksimasi pada Linear Programming:
Maksimumkan:Maksimumkan: f(x) = cTxf(x) = cTx
dengan batasan:dengan batasan:
Ax ≤ bAx ≤ b
x ≥ 0x ≥ 0
dengan c,xdengan c,xєєRn,bRn,bєєRm,ARm,AєєRmxn dan A,b,c adalah bilangan crispRmxn dan A,b,c adalah bilangan crisp
Pada Fuzzy Linear Programming, akan dicari suatu nilai z yangPada Fuzzy Linear Programming, akan dicari suatu nilai z yang
merupakan fungi obyektif yang akan dioptimasikan sedemikianmerupakan fungi obyektif yang akan dioptimasikan sedemikian
hingga tunduk pada batasan-batasan yang dimodelkan denganhingga tunduk pada batasan-batasan yang dimodelkan dengan
menggunakan himpunan fuzzy. Akhirnya persamaan di atasmenggunakan himpunan fuzzy. Akhirnya persamaan di atas
dirubah menjadi sebagai brikutdirubah menjadi sebagai brikut
Tentukan x sedemikian hingga:Tentukan x sedemikian hingga:
cTx ≥ zcTx ≥ z
Ax ≤ bAx ≤ b
X ≥ 0X ≥ 0
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 25/37
Contoh kasus minimasi pada Linear Programming:Contoh kasus minimasi pada Linear Programming:
Minimumkan:Minimumkan:
f(x)=CTxf(x)=CTx
dengan batasan:dengan batasan:
Ax ≥ bAx ≥ b
x ≥ 0x ≥ 0
dengan c,xdengan c,xєєRn,bRn,bєєRm,ARm,AєєRmxnRmxn
Minimasi pada Fuzzy Linear Programming:Minimasi pada Fuzzy Linear Programming:Tentukan x sedemikian hingga:Tentukan x sedemikian hingga:
cTx ≤ zcTx ≤ z
Ax ≥ bAx ≥ b
X ≥ 0X ≥ 0
Tiap-tiap batasan (0, 1, 2, …, m) akan direpresentasikan dengan sebuah
himpunan fuzzy, dengan fungsi keanggotaan pada himpunan ke-i adlah
μμi[Bix].i[Bix].
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 26/37
Fungsi keanggotaan untuk model keputusan himpunan fuzzy dapat
dinyatakan sebagai:
Tentu saja diharapkan akan didapat solusi terbaik, yaitu solusi dengan
nilai keanggotaan yang paling besar. Dengan demikian solusi sebenarnya
adalah:
Dari sini terlihat bahwa μi[Bix]=0 jika batasan ke-i benar-benar
dilanggar. Sebaliknya, μi[Bix]=1 jika batasan ke-i benar-benar dipatuhi.
Nilai μi[Bix] akan naik secara monoton pada selang [0,1], yaitu:
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 27/37
Gambar berikut menunjukkan fungsi keanggotaan tersebut.Gambar berikut menunjukkan fungsi keanggotaan tersebut.
i = 0, 1, 2, …, mi = 0, 1, 2, …, m
Fungsi KeanggotaanFungsi Keanggotaan
dengan pi adalah toleransi interval yang diperbolehkan untuk melakukanpelanggaran baik pada fungi obyektif maupun batasan.
Dengan mensubstitusikan (2) ke (1) akan diperoleh:
Dari gambar diatas, terlihat bahwa semakin besar nilai domain,
akan memiliki nilai keanggotaan yang cenderung semakin kecil.
Sehingga untuk mencari nilai λ-cut dapat dihitung sebagai λ=1-t,
dengan:
di + tpi = ruas kanan batasan ke-i
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 28/37
Nilai bi
diganti menjadi bi
+ pi
G(x) =G(x) =
1 Jika Zu1 Jika Zu ≤ cx≤ cx
Cx - ZtCx - Zt
Zu - ZtZu - Zt Jika ZtJika Zt ≤ cx≤ cx ≤ Zu≤ Zu
0 Jika Cx0 Jika Cx ≤ Zt≤ Zt
Dengan demikian akan diperoleh bentuk Linear ProgrammingDengan demikian akan diperoleh bentuk Linear Programming
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 29/37
Dengan demikian akan diperoleh bentuk Linear ProgrammingDengan demikian akan diperoleh bentuk Linear Programming
baru sebagai berikut:baru sebagai berikut:
Maksimumkan: λ Maksimumkan: λ
λ(Zu-Zt) – CXλ(Zu-Zt) – CX ≤ -Zt≤ -Zt
Dengan batasan: λpi + Bix ≤ di + piDengan batasan: λpi + Bix ≤ di + pii = 0, 1, …, mi = 0, 1, …, m
x≥0x≥0
Penyelesaian masalah dengan metode Fuzzy Linear ProgrammingMaksimumkan:
x1 + x2
dengan batasan:
x1 + 2×2 ≥ 5
x1 + x2 ≤ 4
x1 + x2 = 3
x1, x2 ≥ 0
ketiga batasan memiliki toleransi interval masing-masing :
p1=3, p2=2, p3=1.
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 30/37
Bentuk tersebut di atas dapat diubah menjadi:
Maksimumkan:
x1 + x2
dengan batasan:x1 + 2×2 ≥ 5 + 3t
x1 + x2 ≤ 4 + 2t
x1 + x2 = 3 + t
x1, x2 ≥ 0
Jika t=0 (λ=1), maka bentuk di atas menjadi:
Maksimumkan:
x1 + x2
dengan batasan:
x1 + 2×2 ≥ 5x1 + x2 ≤ 4
x1 + x2 = 3
x1, x2 ≥ 0
yang dapat diselesaikan dengan menggunakan metode simpleks.
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 31/37
Bentuk standar Linear Programming:
Maksimumkan:
z = x1 + x2
dengan batasan:x1 + 2×2 – S1 + S2 = 5
x1 + x2 + S3 = 4
x1 + x2 + S4 = 3
x1, x2 ≥ 0Tabel simpleks untuk solusi awal adalah:
Tabel simpleks untuk solusi yang baru:
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 32/37
Tabel simpleks untuk solusi akhir:
Hasil akhir untuk t=0 (λ=1), adalah:
z = 10M;
Jika t=1 (λ=0), maka bentuk awal Linear Programming dapat diubah
menjadi:
Maksimumkan:x1 + x2
dengan batasan:
x1 + 2×2 ≥ 8
x1 + x2 ≤ 6x1 + x2 = 4 x1,
x2 ≥ 0
yang juga dapat diselesaikan dengan menggunakan metode
simpleks.
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 33/37
Secara umum permasalahan FUZZY LINEAR
PROGRAMMING dirubah menjadi Crips linear atau
nonlinear problem yang diselesaikan dengan tahapanstandar dari linear programing
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 34/37
Contoh kasusContoh kasus ::
Diasumsikan sebuah perusahaan memproduksi 2 produk,Diasumsikan sebuah perusahaan memproduksi 2 produk,
produk P1 memiliki keuntungan Rp. 40/unit sedangkan produkproduk P1 memiliki keuntungan Rp. 40/unit sedangkan produkP2 memiliki keuntungan Rp.30,-/unit.P2 memiliki keuntungan Rp.30,-/unit.
Untuk memproduksi unit produk P1 memerlukan waktu 2 kaliUntuk memproduksi unit produk P1 memerlukan waktu 2 kali
jam kerja dibandingkan dengan unit P2. jam kerja dibandingkan dengan unit P2.
Total jam kerja yang tersedia adalah 500 jam/hari danTotal jam kerja yang tersedia adalah 500 jam/hari dan
memungkinkan ditingkatkan menjadi 600 jam/hari.memungkinkan ditingkatkan menjadi 600 jam/hari.
Kebutuhan bahan baku sekitar 400 unit/hari untuk keduaKebutuhan bahan baku sekitar 400 unit/hari untuk kedua
produks tersebut dan masih dapat ditingkatkan menjadi 500produks tersebut dan masih dapat ditingkatkan menjadi 500
unit/hariunit/hari
Permasalahannya adalah : berapa banyak produk P1 dan P2Permasalahannya adalah : berapa banyak produk P1 dan P2
yang dapat dibuat untuk memaksimalkan keuntungan ?yang dapat dibuat untuk memaksimalkan keuntungan ?
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 35/37
1
0
bi bi + pi
Lower
bound
Upper
bound
( 500 ) ( 600 )
( 400 ) ( 500 )
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 36/37
BB11(x) =(x) =
1 …………………… Jika x1 …………………… Jika x ≤ 400≤ 400
500 - x …………. Jika 400500 - x …………. Jika 400 << xx ≤ 500≤ 500
100100
0 …………………. Jika 500 < x0 …………………. Jika 500 < x
BB22(x) =(x) =
1 …………………. Jika x1 …………………. Jika x ≤ 500≤ 500
600 - x ……………. Jika 500600 - x ……………. Jika 500 << xx ≤ 600≤ 600
100100
0 ……………….. Jika 600 < x0 ……………….. Jika 600 < x
Selesaikan dengan Linier programing biasa hingga mendapatkanSelesaikan dengan Linier programing biasa hingga mendapatkan
nilai Zt = 130 dan Zu = 160nilai Zt = 130 dan Zu = 160
5/9/2018 Teori Fuzzy Bhn2 - slidepdf.com
http://slidepdf.com/reader/full/teori-fuzzy-bhn2 37/37