program linear1
TRANSCRIPT
![Page 1: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/1.jpg)
BAB 2
LANDASAN TEORI
2.1 Program linier
Program linier adalah suatu teknik penyelesaian optimal atas suatu problema keputusan
dengan cara menentukan terlebih dahulu fungsi tujuan (memaksimalkan atau
meminimalkan) dan kendala-kendala yang ada ke dalam model matematik persamaan
linier. Metode analisis yang paling bagus untuk menyelesaikan persoalan alokasi sumber
ialah metode program linier. Pokok pikiran yang utama dalam menggunakan program
linier ialah merumuskan masalah dengan jelas dengan menggunakan sejumlah informasi
yang tersedia. Sesudah masalah terumuskan dengan baik, maka langkah berikutnya ialah
menerjemahkan masalah yang ada ke dalam model matematika.
Program linier sering digunakan dalam menyelesaikan problema-problema alokasi
sumber daya, seperti dalam bidang manufacturing, pemasaran, keuangan, personalia,
administrasi dan lain sebagainya.
Bentuk standar dari permasalahan program linier adalah:
a. Penulisan dalam bentuk skalar untuk kasus maksimasi
Maksimumkan :
๐ ๐ฅ1, ๐ฅ2,โฆ , ๐ฅ๐ = ๐ = ๐1๐ฅ1 + ๐2๐ฅ2 + โฏ+ ๐๐๐ฅ๐ (2.1)
Dengan kendala :
๐11๐ฅ1 + ๐12๐ฅ2 + โฏ+ ๐1๐๐ฅ๐ = ๐1
๐21๐ฅ1 + ๐22๐ฅ2 + โฏ+ ๐2๐๐ฅ๐ = ๐2
โฎ
๐๐1๐ฅ1 + ๐๐2๐ฅ2 + โฏ+ ๐๐๐ ๐ฅ๐ = ๐๐
Universitas Sumatera Utara
![Page 2: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/2.jpg)
๐ฅ1, ๐ฅ2,โฏ , ๐ฅ๐ โฅ 0
Atau dapat juga ditulis dengan menggunakan lambang penjumlahan yaitu:
Maksimumkan :
๐ ๐ฅ1, ๐ฅ2,โฆ , ๐ฅ๐ = ๐ = ๐๐๐ฅ๐๐๐=1 (2.2)
Dengan kendala:
๐๐๐๐ฅ๐ = ๐๐๐๐=1 , ๐ = 1, 2,โฏ ,๐
๐ฅ๐ โฅ 0, ๐ = 1, 2,โฏ ,๐
Di mana ๐๐ , ๐๐ dan ๐๐๐ diketahui konstan.
Keterangan:
๐๐ = parameter yang dijadikan kriteria optimisasi, atau koefisien peubah pengambilan
keputusan dalam fungsi tujuan. Untuk kasus maksimasi ๐๐ menunjukkan
keuntungan atau penerimaan per unit, sementara dalam kasus minimasi ๐๐
menunjukkan biaya per unit.
๐๐ = peubah pengambilan keputusan atau kegiatan (yang ingin dicari; yang tidak
diketahui). Karena ๐ = 1, 2,โฏ , ๐ berarti dalam hal ini terdapat ๐ variabel
keputusan.
๐๐๐ = koefisien teknologi peubah pengambilan keputusan dalam kendala ke-๐ .
๐๐ = sumber daya yang terbatas, yang membatasi kegiatan atau usaha yang
bersangkutan; disebut juga konstanta sebelah kanan dari kendala ke-๐. Karena
๐ = 1, 2,โฏ ,๐ berarti dalam hal ini terdapat ๐ jenis sumber daya.
๐ = Nilai skalar kriteria pengambilan keputusan nilai fungsi tujuan.
b. Penulisan dalam bentuk matriks untuk kasus maksimasi
Maksimumkan :
๐ = ๐๐ป๐ฟ (2.3)
Dengan kendala :
๐จ๐ฟ = ๐ฉ dan ๐ฟ โฅ ๐
Universitas Sumatera Utara
![Page 3: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/3.jpg)
Dimana ๐ฟ =
๐๐๐๐โฎ๐๐
, ๐ฉ =
๐๐๐๐โฎ๐๐
, ๐ =
๐๐๐๐โฎ๐๐
, ๐จ =
๐๐๐๐๐๐โฎ
๐๐๐
๐๐๐๐๐๐โฎ
๐๐๐
โฆโฆโฎโฆ
๐๐๐๐๐๐โฎ
๐๐๐
Dan ๐ป menyatakan transpose.
2.2 Asumsi-asumsi yang Harus Dipenuhi dalam Program Linier
Ada beberapa asumsi yang harus dipenuhi dalam merumuskan suatu problema keputusan
ke dalam model matematik persamaan linier sehingga problema itu dapat dikatakan absah
menjadi suatu permasalahan program linier, yaitu:
a. Asumsi Linierity (Linieritas)
Asumsi ini menyatakan bahwa fungsi tujuan dan semua kendala harus berbentuk linier.
Dengan kata lain, apabila suatu kendala melibatkan dua variabel keputusan maka dalam
diagram dimensi dua kendala tersebut akan berupa suatu garis lurus. Demikian juga
apabila suatu kendala melibatkan tiga variabel akan menghasilkan suatu bidang datar dan
kendala yang melibatkan ๐ variabel akan menghasilkan hyperplane (bentuk geometris
yang rata) dalam ruang berdimensi ๐.
b. Asumsi Additivity (Aditivitas/ Penambahan)
Asumsi ini menyatakan bahwa nilai parameter suatu kriteria optimasi (koefisien variabel
keputusan dan fungsi tujuan) merupakan jumlah dari individu-individu ๐๐ dalam program
linier. Misalnya, keuntungan total ๐ yang merupakan variabel keputusan, sama dengan
jumlah keuntungan yang diperoleh dari masing-masing kegiatan (๐๐๐ฅ๐ ). Dan juga, seluruh
sumber daya yang digunakan untuk semua kegiatan harus sama dengan jumlah sumber
daya yang digunakan untuk masing-masing kegiatan.
c. Asumsi Proportionality (Proporsionalitas/ Kesebandingan)
Asumsi ini menyatakan bahwa jika variabel keputusan (๐ฅ๐ ) mengalami perubahan, maka
dampak perubahannya akan menyebar dalam proporsi yang sama terhadap fungsi tujuan
Universitas Sumatera Utara
![Page 4: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/4.jpg)
(๐๐๐ฅ๐ ) dan juga pada kendalanya (๐๐๐๐ฅ๐ ). Misalnya, apabila variabel keputusan dinaikkan
dua kali. Maka secara proporsional (seimbang dan serasi) nilai-nilai fungsi tujuan dan
kendalanya juga akan menjadi dua kali lipat.
d. Asumsi Divisibility (Divisibilitas/ Pembagian)
Asumsi ini menyatakan bahwa nilai variabel keputusan (๐ฅ๐ ) yang diperoleh tidak harus
berupa bilangan bulat, artinya nilai variabel keputusan bisa diperoleh pada nilai pecahan.
e. Asumsi Certainty (Deterministik/ Kepastian)
Asumsi ini menghendaki bahwa semua parameter dalam program linier (๐๐ , ๐๐๐ dan ๐๐)
harus bernilai tetap dan diketahui atau ditentukan secara pasti.
2.3 Metode Simpleks
Pada umumnya permasalahan program linier dapat diselesaikan dengan menggunakan
metode grafik dan metode simpleks. Kedua metode ini tentunya memiliki kebaikan dan
kelemahannya. Aplikasi kedua metode ini tergantung atas problema yang dihadapi.
Metode grafik digunakan apabila jumlah variabel keputusan hanya dua dan jumlah
kendala dalam model sedikit (pada umumnya tidak lebih dari 4 kendala). Apabila jumlah
kendalanya banyak (> 4 kendala), maka akan sukar untuk melukiskan garis kendalanya
dalam grafik.
Sehingga meskipun permasalahan program linier dapat diselesaikan dengan
menggunakan metode grafik, akan tetapi untuk permasalahan program linier dengan lebih
dari 3 variabel maka metode grafik ini tidak dapat digunakan. Oleh karena itu, pada tahun
1947 George Dantzig mengajukan satu metode yang paling berhasil untuk menyelesaikan
suatu permasalahan program linier, dan metode itu dinamakan metode simpleks dan telah
diperbaiki oleh beberapa ahli lain.
Universitas Sumatera Utara
![Page 5: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/5.jpg)
Metode simpleks adalah suatu metode yang secara sistematis dimulai dari suatu
pemecahan dasar yang fisibel ke pemecahan dasar fisibel (feasible) lainnya dan ini
dilakukan berulang-ulang (dengan jumlah ulangan yang terbatas) sehingga akhirnya
tercapai suatu pemecahan dasar yang optimum dan pada setiap step/ iterasi menghasilkan
suatu nilai dari fungsi tujuan yang selalu lebih besar atau sama dari step-step sebelumnya
(Supranto, 1983).
2.3.1 Langkah-langkah Metode Simpleks
Mengubah bentuk baku model program linier ke dalam bentuk tabel akan memudahkan
proses perhitungan simpleks. Langkah-langkah perhitungan dalam algoritma simpleks
adalah:
a. Berdasarkan bentuk baku, tentukan solusi awal (initial basic feasible solution)
dengan menetapkan n-m variabel nonbasis sama dengan nol. Di mana n jumlah variabel
dan m banyaknya kendala.
b. Kemudian dipilih sebuah entering variable (variabel yang masuk) di antara yang
sedang menjadi variabel nonbasis, yang jika dinaikkan di atas nol, dapat memperbaiki
nilai fungsi tujuan. Apabila tidak ada maka berhenti, berarti solusi sudah optimal. Jika
tidak, maka lanjutkan ke langkah c.
c. Selanjutnya pilih sebuah leaving variable (variabel yang keluar) di antara yang
sedang menjadi variabel basis yang harus menjadi nonbasis (nilainya menjadi nol) ketika
entering variable menjadi variabel basis.
d. Tentukan solusi yang baru dengan membuat entering variable dan leaving
variable menjadi nonbasis. Selanjutnya kembali ke langkah b.
Selanjutnya akan dijelaskan langkah-langhkah penyelesaian persoalan yang
formulasinya mempunyai bentuk sebagai berikut:
Maksimumkan:
๐ = ๐๐๐ฅ๐๐๐=1 (2.4)
Dengan kendala:
Universitas Sumatera Utara
![Page 6: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/6.jpg)
๐๐๐๐ฅ๐๐๐=1 โค ๐๐ ,
๐ฅ๐ โฅ 0,
๐ = 1, 2,โฏ ,๐ , ๐ = 1, 2,โฏ ,๐
Perhitungan simpleks yang lebih rinci akan diterangkan dengan langkah berikut:
Langkah 1 : Mengubah fungsi tujuan dan fungsi kendala.
Fungsi tujuan diubah menjadi bentuk implisit dengan jalan menggeser semua ๐๐๐ฅ๐ ke kiri.
Fungsi kendala selain kendala nonnegatif diubah menjadi bentuk persamaan dengan
menambahkan variabel slack, yaitu suatu variabel yang mewakili tingkat pengangguran
kapasitas yang merupakan batasan.
Langkah 2 : Mentabulasikan persamaan-persamaan yang diperoleh pada langkah 1.
Tabel 2.1 Bentuk Umum Tabel Simplek Awal
Basis ๐ช ๐ถ1 ๐ถ2 . . ๐ถ๐ 0 0 . . 0 Solusi
๐๐ ๐๐ . . ๐๐ ๐บ๐ ๐บ๐ . . ๐บ๐
๐บ๐ 0 ๐11 ๐12 . . ๐1๐ 1 0 . . 0 ๐1
๐บ๐ 0 ๐21 ๐22 . . ๐2๐ 0 1 . . 0 ๐2
. . . . . . . . . . . . .
. . . . . . . . . . . . .
๐บ๐ 0 ๐๐1 ๐๐2 . . ๐๐๐ 0 0 . . 1 ๐๐
๐๐ โ ๐ช๐ โ๐ถ1 โ๐ถ2 . . โ๐ถ๐ 0 0 . . 0 0
Kolom baris menunjukkan variabel yang sedang menjadi basis yaitu ๐1,๐2,โฏ , ๐๐ yang
nilainya ditunjukkan oleh kolom solusi. Secara tidak langsung ini menunjukkan bahwa
variabel nonbasis ๐ฅ1, ๐ฅ2 ,โฏ , ๐ฅ๐ (yang tidak ditunjukkan pada kolom basis) sama dengan
nol.
Universitas Sumatera Utara
![Page 7: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/7.jpg)
Langkah 3 : Menentukan entering variable (variabel yang masuk).
Tabel di atas memperlihatkan bahwa pada baris ๐๐ โ ๐ถ๐ kolom ๐ฅ1, ๐ฅ2 ,โฏ , ๐ฅ๐ nilainya
negatif. Untuk persoalan dengan fungsi maksimasi, baris ๐๐ โ ๐ถ๐ dapat diperbaiki dengan
meningkatkan nilai ๐ฅ1, ๐ฅ2,โฏ , ๐ฅ๐ pada baris ๐๐ โ ๐๐ menjadi tidak negatif. Untuk itu
pilihlah kolom pada baris ๐๐ โ ๐ถ๐ (termasuk kolom slack) yang mempunyai nilai negatif
terbesar, selanjutnya kolom ini digunakan sebagai entering variable. Jika ditemukan lebih
dari satu nilai negatif angka terbesar pilihlah salah satu, sebaliknya jika tidak ditemukan
nilai negatif berarti solusi sudah optimal.
Sebaliknya untuk kasus minimasi, pilihlah kolom pada baris ๐๐ โ ๐ถ๐ yang nilainya positif
terbesar. Jika tidak ditemukan nilai positif berarti solusi sudah optimal.
Dan pada persoalan di atas kolom ๐ฅ2 merupakan entering variable.
Langkah 4 : Menentukan leaving variable (variabel yang keluar).
Leaving variable dipilih dari rasio yang nilainya positif terkecil. Rasio diperoleh dengan
cara membagi nilai solusi dengan koefisien pada kolom entering nya.
๐ ๐๐ ๐๐ =๐๐๐๐๐ ๐ ๐๐๐ข๐ ๐
๐๐๐๐๐๐ ๐๐๐ ๐๐๐๐๐ ๐๐๐ก๐๐๐๐๐๐๐ฆ๐ (2.5)
Baris yang memiliki rasio yang nilainya positif terkecil selanjutnya akan digunakan
sebagai leaving variable. Jika tidak ada elemen yang nilainya positif dalam kolom kunci
(kolom entering variable) ini, maka persoalan tidak memiliki pemecahan.
Kolom pada entering variable dinamakan entering column, dan baris yang berhubungan
dengan leaving variable dinamakan persamaan pivot. Elemen pada perpotongan entering
column dan persamaan pivot dinamakan elemen pivot.
Langkah 5 : Menentukan persamaan pivot baru.
๐๐๐๐ ๐๐๐๐๐ ๐๐๐ฃ๐๐ก ๐๐๐๐ข =๐๐๐๐ ๐๐๐๐๐ ๐๐๐ฃ๐๐ก ๐๐๐๐
๐๐๐๐๐๐ ๐๐๐ฃ๐๐ก (2.6)
Universitas Sumatera Utara
![Page 8: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/8.jpg)
Langkah 6 : Menentukan persamaan-persamaan baru selain persamaan pivot baru.
Persamaan baru = (Persamaan lama) โ (Koefisien kolom entering x persamaan pivot
baru) (2.7)
Langkah 7 : Lanjutkan perbaikan-perbaikan.
Lakukan langkah perbaikan dengan cara mengulang langkah 3 sampai langkah 6 hingga
diperoleh hasil optimal.
2.3.2 Program QM
Program QM adalah paket program komputer untuk menyelesaikan persoalan-persoalan
metode kuantitatif, manajemen sains atau riset operasi. Program QM juga adalah salah
satu software yang dapat digunakan untuk membantu perhitungan masalah program
linier.
Gambar 2.1 Tampilan Sementara (Splash) dari Program QM
Universitas Sumatera Utara
![Page 9: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/9.jpg)
2.4 Teori Himpunan Crisp Dan Teori Himpunan Fuzzy
Himpunan Crisp A didefinisikan oleh item-item yang ada pada himpunan itu. Pada teori
himpunan Crisp, keberadaan suatu elemen pada suatu himpunan A, hanya akan memiliki
dua kemungkinan keanggotaan, yaitu menjadi anggota A atau tidak menjadi anggota A
(Chak, 1998). Suatu nilai yang menunjukkan seberapa besar tingkat keanggotaan suatu
elemen ๐ฅ dalam suatu himpunan A, sering disebut dengan nama nilai keanggotaan atau
derajat keanggotaan, dinotasikan dengan ๐๐ด ๐ฅ . Pada himpunan Crisp, hanya ada 2 nilai
keanggotaan, yaitu ๐๐ด ๐ฅ = 1 untuk ๐ฅ menjadi anggota A, dan ๐๐ด ๐ฅ = 0 untuk ๐ฅ bukan
anggota A.
Teori himpunan fuzzy yang ditemukan oleh Lotfi A. Zadeh pada tahun 1965
merupakan kerangka matematis yang digunakan untuk mempresentasikan ketidakpastian,
ketidakjelasan, ketidaktepatan, kekurangan informasi, dan kebenaran parsial (Tettamanzi,
2001). Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi
karakteristik sedemikian hingga fungsi tersebut akan mencakup bilangan real pada
interval 0, 1 . Nilai keanggotaannya menunjukkan bahwa suatu item dalam semesta
pembicaraan tidak hanya berada pada 0 atau 1, namun juga nilai yang terletak
diantaranya. Dengan kata lain, nilai kebenaran suatu item tidak hanya bernilai benar atau
salah. Nilai 0 menunjukkan salah, nilai 1 menunjukkan benar, dan masih ada nilai-nilai
yang terletak antara benar dan salah.
Menurut (Kusumadewi, 2002)
Misalkan dimiliki variabel umur yang dibagi menjadi 3 kategori, yaitu:
MUDA umur < 35 tahun
SETENGAH BAYA 35 tahun โค umur โค 55 tahun
TUA umur > 55 tahun
Dengan menggunakan pendekatan himpunan Crisp, amatlah tidak adil untuk
menetapkan nilai SETENGAH BAYA. Pendekatan ini bisa saja dilakukan untuk hal-hal
yang bersifat diskontinu. Misalkan klasifikasi untuk umur 55 tahun dan 56 tahun
Universitas Sumatera Utara
![Page 10: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/10.jpg)
sangatlah jauh berbeda, di mana umur 55 tahun termasuk dalam setengah baya,
sedangkan umur 56 tahun termasuk sudah tua. Demikian juga halnya untuk klasifikasi
muda dan tua. Orang yang berumur 34 tahun dikatakan muda, sedangkan orang yang
berumur 35 tahun sudah tidak muda lagi. Orang yang berumur 55 tahun termasuk stengah
baya menurut pengklasifikasian, tetapi orang yang berumur 55 tahun lebih 1 hari sudah
tidak setengah baya lagi tetapi sudah termasuk tua.
2.5 Fungsi Keanggotaan Trapezoidal (Trapesium)
Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan
pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan
derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Atau dapat dinotasikan
sebagai berikut :
๐๐ด: ๐ฝ โ 0, 1
Untuk x โ ๐ฝ maka ยตA(x) adalah derajat keanggotaan x dalam A.
Suatu fungsi keanggotaan himpunan fuzzy disebut fungsi keanggotaan trapezoidal
jika mempunyai empat buah parameter, yaitu ๐, ๐, ๐,๐ โ โ dengan ๐ < ๐ < ๐ < ๐, dan
dinyatakan dengan ๐๐๐๐๐๐ ๐๐ข๐ ๐ฅ,๐, ๐, ๐,๐ dengan aturan:
๐ฅโ๐
๐โ๐ untuk ๐ โค ๐ฅ โค ๐ (2.8)
1 untuk ๐ โค ๐ฅ โค ๐
๐๐๐๐๐๐ ๐๐ข๐ ๐ฅ;๐, ๐, ๐,๐ =
๐โ๐ฅ
๐โ๐ untuk ๐ โค ๐ฅ โค ๐
0 untuk lainnya
Fungsi keanggotaan tersebut dapat juga dinyatakan dengan formula sebagai
berikut:
Universitas Sumatera Utara
![Page 11: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/11.jpg)
๐๐๐๐๐๐ ๐๐ข๐ ๐ฅ;๐, ๐, ๐,๐ = ๐๐๐ฅ ๐๐๐ ๐ฅโ๐
๐โ๐, 1,
๐โ๐ฅ
๐โ๐ , 0 (2.9)
2.6 Fuzzy Linear Programming (FLP)
Dalam fuzzy linear programming akan dicari suatu nilai ๐ yang merupakan fungsi
objektif yang akan dioptimasikan sedemikian hingga tunduk pada batasan-batasan yang
dimodelkan dengan menggunakan himpunan fuzzy.
Bentuk umum dari fuzzy linear programming (FLP) untuk kasus maksimasi
adalah:
Maksimumkan:
๐ = ๐ ๐๐ฅ๐๐๐=1 (2.10)
Dengan kendala:
๐ ๐๐๐ฅ๐๐๐=1 โค ๐ ๐ , ๐ = 1, 2,โฏ ,๐
๐ฅ๐ โฅ 0 , ๐ = 1, 2,โฏ ,๐
Di mana ๐ ๐ , ๐ ๐๐ , dan ๐ ๐ semuanya adalah bilangan fuzzy.
Keterangan:
๐ = Fungsi tujuan
๐ ๐ = Nilai kontribusi
๐ฅ๐ = Variabel keputusan
๐ ๐๐ = Koefisien teknologi
๐ ๐ = Konstanta sebelah kanan (sumber daya)
2.6.1 Program Linier Dengan Koefisien Teknologi Berbentuk Bilangan Fuzzy
Bentuk umum dari program linier dengan koefisien teknologi berbentuk bilangan fuzzy
untuk kasus maksimasi adalah:
Universitas Sumatera Utara
![Page 12: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/12.jpg)
Maksimumkan:
๐ = ๐๐๐ฅ๐๐๐=1 (2.11)
Dengan kendala:
๐ ๐๐๐ฅ๐๐๐=1 โค ๐๐ , ๐ = 1, 2,โฏ ,๐
๐ฅ๐ โฅ 0, ๐ = 1, 2,โฏ ,๐
Untuk kasus program linier dengan koefisien teknologi berbentuk bilangan fuzzy,
terdapat beberapa asumsi yang harus dipenuhi, yaitu:
Asumsi 1: Koefisien teknologi ๐ ๐๐ dikatakan berbentuk bilangan fuzzy apabila
memenuhi syarat fungsi keanggotaan linier berikut:
1 jika ๐ฅ < ๐๐๐ (2.12)
๐๐๐๐ ๐ฅ = ๐๐๐ +๐๐๐โ๐ฅ
๐๐๐ jika ๐๐๐ โค ๐ฅ < ๐๐๐๐๐๐
0 jika ๐ฅ โฅ ๐๐๐ + ๐๐๐
di mana ๐ฅ โ ๐ dan ๐๐๐ > 0 untuk semua ๐ = 1, 2,โฏ ,๐, ๐ = 1, 2,โฏ ,๐.
Defuzzyfikasi adalah perubahan dari suatu besaran fuzzy ke suatu besaran
numerik, sedangkan fuzzyfikasi adalah perubahan dari besaran numerik ke suatu besaran
fuzzy.
Untuk mendefuzzyfikasi permasalahan ini, pertama-tama fungsi objektif (tujuan)
harus diubah ke dalam kondisi fuzzy, yaitu dengan menghitung batas bawah (๐๐) dan batas
atas (๐๐ข ) dari nilai optimal awal. Batas-batas dari nilai optimal ini akan diperoleh dengan
menyelesaikan permasalahan program linier standar berikut:
Maksimumkan:
๐1 = ๐๐๐ฅ๐๐๐=1 (2.13)
Dengan kendala:
๐๐๐๐ฅ๐๐๐=1 โค ๐๐ , ๐ = 1, 2,โฏ ,๐
Universitas Sumatera Utara
![Page 13: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/13.jpg)
๐ฅ๐ โฅ 0, ๐ = 1, 2,โฏ ,๐
Dan juga
Maksimumkan:
๐2 = ๐๐๐ฅ๐๐๐=1 (2.14)
Dengan kendala:
๐๐๐ + ๐๐๐ ๐ฅ๐๐๐=1 โค ๐๐ , ๐ = 1, 2,โฏ ,๐
๐ฅ๐ โฅ 0, ๐ = 1, 2,โฏ ,๐
Dari persamaan di atas, nilai dari fungsi objektif (tujuan) berada di antara ๐1 dan ๐2 di
mana nilai koefisien teknologi mengalami perubahan di antara ๐๐๐ dan ๐๐๐ + ๐๐๐ . Dengan
nilai batas bawah ๐๐ = ๐๐๐ ๐1,๐2 dan nilai batas atas ๐๐ข = ๐๐๐ฅ ๐1,๐2 .
Asumsi 2: Permasalahan linier crisp yaitu persamaan ๐1 dan ๐2 di atas memiliki nilai
optimal yang terbatas. Pada kasus ini nilai optimal dari himpunan fuzzy ๐บ, di mana
merupakan himpunan bagian dari ๐ ๐ , dalam buku Klir dan Yuan didefinisikan sebagai:
0 jika ๐๐๐ฅ๐๐๐=1 < ๐๐ (2.15)
๐๐บ ๐ฅ = ๐ถ๐๐ฅ๐โ๐๐
๐๐=1
๐๐ขโ๐๐ jika ๐๐ โค ๐๐๐ฅ๐
๐๐=1 < ๐๐ข
1 jika ๐๐๐ฅ๐๐๐=1 โฅ ๐๐ข
Himpunan fuzzy dari kendala ke-๐, yaitu ๐ถ๐ yang merupakan himpunan bagian dari ๐ ๐ ,
didefinisikan ke dalam persamaan:
0 , ๐๐ < ๐๐๐ ๐ฅ๐๐๐=1 (2.16)
๐๐ถ๐ ๐ฅ = ๐๐โ ๐๐๐ ๐ฅ๐
๐๐=1
๐๐๐ ๐ฅ๐๐๐=1
, ๐๐๐๐ฅ๐๐๐=1 โค ๐๐ < ๐๐๐ + ๐๐๐ ๐ฅ๐
๐๐=1
1 , ๐๐ โฅ ๐๐๐ + ๐๐๐ ๐ฅ๐๐๐=1
Universitas Sumatera Utara
![Page 14: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/14.jpg)
Dengan menggunakan definisi keputusan fuzzy yang diperkenalkan oleh Bellman dan
Zadeh, maka terdapat:
๐๐ท ๐ฅ = ๐๐๐ ๐๐บ ๐ฅ , min๐ ๐๐ถ๐ ๐ฅ (2.17)
Untuk kasus ini keputusan fuzzy yang optimal adalah solusi dari permasalahan:
max๐ฅโฅ0 ๐๐ท ๐ฅ = max๐ฅโฅ0 ๐๐๐ ๐๐บ ๐ฅ , min๐ ๐๐ถ๐ ๐ฅ (2.18)
Dengan demikian bentuk umum dari program linier dengan koefisien teknologi
berbentuk bilangan fuzzy menjadi permasalahan optimisasi:
Maksimumkan:
๐ = ๐ (2.19)
Dengan kendala:
๐๐บ ๐ฅ โฅ ๐
๐๐ถ๐ ๐ฅ โฅ ๐, ๐ = 1, 2,โฏ ,๐
๐ฅ โฅ 0, 0 โค ๐ โค 1
Dengan menggunakan persamaan (2.15) dan (2.16), permasalahan di atas dapat ditulis ke
dalam bentuk:
Maksimumkan:
๐ = ๐ (2.20)
Dengan kendala:
๐ ๐๐ข โ ๐๐ โ ๐๐๐ฅ๐ + ๐๐ โค 0๐๐=1
๐๐๐ + ๐๐๐๐ ๐ฅ๐ โ ๐๐ โค 0๐๐=1 ,
๐ = 1, 2,โฏ ,๐, ๐ = 1, 2,โฏ ,๐
๐ฅ๐ โฅ 0, 0 โค ๐ โค 1
Dengan catatan kendala dalam permasalahan ini mengandung aturan cross product yaitu
๐๐ฅ๐ adalah nonkonveks. Oleh Karena itu solusi dari permasalahan ini memerlukan
Universitas Sumatera Utara
![Page 15: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/15.jpg)
penyelesaian khusus yang diadopsi dari penyelesaian permasalahan optimisasi
nonkonveks.
2.6.2 Program Linier Dengan Koefisien Teknologi Dan Konstanta Sebelah Kanan
Berbentuk Bilangan Fuzzy
Bentuk umum dari program linier dengan koefisien teknologi dan konstanta sebelah
kanan berbentuk bilangan fuzzy untuk kasus maksimasi adalah:
Maksimumkan:
๐ = ๐๐๐ฅ๐๐๐=1 (2.21)
Dengan kendala:
๐ ๐๐๐ฅ๐๐๐=1 โค ๐ ๐ , ๐ = 1, 2,โฏ ,๐
๐ฅ๐ โฅ 0, ๐ = 1, 2,โฏ ,๐
Untuk kasus program linier dengan koefisien teknologi dan konstanta sebelah kanan
berbentuk bilangan fuzzy, terdapat beberapa asumsi yang harus dipenuhi, yaitu:
Asumsi 1: Koefisien teknologi ๐ ๐๐ dan konstanta sebelah kanan ๐ ๐ dikatakan
berbentuk bilangan fuzzy apabila memenuhi syarat fungsi keanggotaan linier berikut:
1 jika ๐ฅ < ๐๐๐ (2.22)
๐๐๐๐ ๐ฅ = ๐๐๐ +๐๐๐โ๐ฅ
๐๐๐ jika ๐๐๐ โค ๐ฅ < ๐๐๐ + ๐๐๐
0 jika ๐ฅ โฅ ๐๐๐ + ๐๐๐
Dan juga
Universitas Sumatera Utara
![Page 16: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/16.jpg)
1 jika ๐ฅ < ๐๐ (2.23)
๐๐๐ ๐ฅ = ๐๐+๐๐โ๐ฅ
๐๐๐ jika ๐๐ โค ๐ฅ < ๐๐ + ๐๐
0 jika ๐ฅ โฅ ๐๐ + ๐๐
Di mana ๐ฅ โ ๐ . Untuk mendefuzzyfikasi permasalahan ini, pertama-tama akan dicari
nilai optimal dari batas atas ๐๐ข dan batas bawah ๐๐ permasalahan tersebut. Nilai
batas-batas tersebut akan diperoleh dengan menyelesaikan permasalahan program linier
standar, dengan mengasumsikan bahwa batas-batas tersebut memiliki nilai optimal yang
terbatas.
Untuk ๐1 , persamaannya adalah:
Maksimumkan:
๐1 = ๐๐๐ฅ๐๐๐=1 (2.24)
Dengan kendala:
๐๐๐ + ๐๐๐ ๐ฅ๐๐๐=1 โค ๐๐ , ๐ = 1, 2,โฏ ,๐
๐ฅ๐ โฅ 0, ๐ = 1, 2,โฏ ,๐
Untuk ๐2 , persamaannya adalah:
Maksimumkan:
๐2 = ๐๐๐ฅ๐๐๐=1 (2.25)
Dengan kendala:
๐๐๐๐ฅ๐๐๐=1 โค ๐๐ + ๐๐ , ๐ = 1, 2,โฏ ,๐
๐ฅ๐ โฅ 0, ๐ = 1, 2,โฏ ,๐
Untuk ๐3 , persamaannya adalah:
Maksimumkan:
๐3 = ๐๐๐ฅ๐๐๐=1 (2.26)
Dengan kendala:
๐๐๐ + ๐๐๐ ๐ฅ๐ โค ๐๐ + ๐๐๐๐=1 , ๐ = 1, 2,โฏ ,๐
Universitas Sumatera Utara
![Page 17: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/17.jpg)
๐ฅ๐ โฅ 0, ๐ = 1, 2,โฏ ,๐
Dan untuk ๐4 , persamaannya adalah:
Maksimumkan:
๐4 = ๐๐๐ฅ๐๐๐=1 (2.27)
Dengan kendala:
๐๐๐๐ฅ๐๐๐=1 โค ๐๐ , ๐ = 1, 2,โฏ ,๐
๐ฅ๐ โฅ 0, ๐ = 1, 2,โฏ ,๐
Maka batas bawah ๐๐ = ๐๐๐ ๐1,๐2,๐3 ,๐4 dan batas atas ๐๐ข = ๐๐๐ฅ ๐1,๐2,๐3 ,๐4 .
Nilai dari fungsi objektif berada di antara batas bawah dan batas atas sementara nilai
koefisien teknologi berada di antara ๐๐๐ dan ๐๐๐ + ๐๐๐ , dan nilai konstanta sebelah kanan
berada di antara ๐๐ dan ๐๐ + ๐๐ .
Asumsi 2: Nilai optimal himpunan fuzzy ๐บ, didefinisikan sebagai:
0 jika ๐๐๐ฅ๐๐๐=1 < ๐๐ (2.28)
๐๐บ ๐ฅ = ๐ถ๐๐ฅ๐โ๐๐
๐๐=1
๐๐ขโ๐๐ jika ๐๐ โค ๐๐๐ฅ๐ < ๐๐ข
๐๐=1
1 jika ๐๐๐ฅ๐๐๐=1 โฅ ๐๐ข
Himpunan fuzzy dengan kendala ke-๐ yaitu ๐ถ๐ yang merupakan himpunan bagian dari ๐ ๐
didefinisikan ke dalam:
0 , ๐๐ < ๐๐๐ ๐ฅ๐๐๐=1 (2.29)
๐๐ถ๐ ๐ฅ = ๐๐โ ๐๐๐ ๐ฅ๐
๐๐=1
๐๐๐ ๐ฅ๐๐๐=1
, ๐๐๐๐ฅ๐๐๐=1 โค ๐๐ ๐๐๐ ๐ฅ๐ + ๐๐
๐๐=1
1 , ๐๐ โฅ ๐๐๐ + ๐๐๐ ๐ฅ๐๐๐=1 + ๐๐
Dengan menggunakan metode defuzzyfikasi, permasalahan direduksi menjadi:
Maksimumkan:
๐ = ๐ (2.30)
Universitas Sumatera Utara
![Page 18: Program Linear1](https://reader033.vdocuments.mx/reader033/viewer/2022051401/55cf97eb550346d03394728c/html5/thumbnails/18.jpg)
Dengan kendala:
๐ ๐๐ข โ ๐๐ โ ๐๐๐ฅ๐๐๐=1 + ๐๐ โค 0
๐๐๐ + ๐๐๐๐ ๐ฅ๐ + ๐๐๐ โ ๐๐ โค 0๐๐=1 ,
๐ = 1, 2,โฏ ,๐, ๐ = 1, 2,โฏ ,๐
๐ฅ๐ โฅ 0, 0 โค ๐ โค 1
Dengan catatan seperti pada kasus program linier dengan koefisien teknologi berupa
bilangan fuzzy.
Universitas Sumatera Utara