BAB III SOLUSI OPTIMAL MASALAH FUZZY TRANSSHIPMENT
3.1 METODE MEHAR Pada tahun 2011, Kumar, et al. dalam jurnalnya yang berjudul โFuzzy Linear Programming Approach for Solving Fuzzy Transportation Problems with Transshipmentโ
memperkenalkan
metode
Mehar
untuk
menyelesaikan
permasalahan transshipment dengan pola pengiriman sebagai berikut : a. Dari sumber ke sumber lainnya b. Dari tujuan ke tujuan lainnya c. Dari tujuan ke sembarang sumber Pada metode Mehar, biaya distribusi, jumlah komoditi yang tersedia, dan jumlah permintaan terhadap komoditi direpresentasikan oleh bilangan fuzzy trapesium. Metode Mehar sangat mudah dipahami dan diterapkan untuk mencari solusi optimal dari masalah fuzzy transshipment yang sesuai dengan kondisi sebenarnya karena berdasarkan pada konsep metode transportasi klasik. Keunggulan dari metode Mehar ini adalah selalu menghasilkan solusi optimal yang non negatif. Misalkan permasalahan transshipment seperti yang disajikan pada Tabel 2.14. Berikut adalah algoritma dari metode Mehar untuk menyelesaikan permasalahan fuzzy transshipment ( Kumar et al., 2011 : 168 ) : ฬ 1. Hitung total ketersediaan โ๐๐=1 ๐ฬ๐ dan total permintaan โ๐+๐ ๐=๐+1 ๐๐ . Misalkan โ๐๐=1 ๐ฬ๐ = (๐, ๐, ๐, ๐)
dan
โฒ โฒ โฒ โฒ ฬ โ๐+๐ ๐=๐+1 ๐๐ = (๐ , ๐ , ๐ , ๐ ).
๐=
banyaknnya
sumber dan ๐ = banyaknya tujuan. ฬ a. Jika โ๐๐=1 ๐ฬ๐ = โ๐+๐ ๐=๐+1 ๐๐ , maka permasalahan transshipment tersebut sudah seimbang, lanjut ke langkah 2. ๐ ๐+๐ b. Jika โ๐=1 ๐ฬ๐ โ โ๐=๐+1 ๐ฬ๐ , maka permasalahan transshipment tersebut
belum seimbang. Konversi permasalahan transshipment yang belum
Prawitasari, Elyine R. 2014 PROGRAM APLIKASI PENYELESAIAN MASALAH FUZZY TRANSSHIPMENT MENGGUNAKAN METODE MEHAR Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
35
seimbang menjadi permasalahan transshipment yang seimbang dengan cara berikut : i)
Jika ๐ โค ๐โฒ , ๐ โ ๐ โค ๐ โฒ โ ๐โฒ , ๐ โ ๐ โค ๐ โฒ โ ๐ โฒ , dan ๐ โ ๐ โค ๐ โฒ โ ๐ โฒ , maka tambahkan sebuah sumber semu ๐๐+1 dengan ketersediaan fuzzy (๐โฒ โ ๐, ๐ โฒ โ ๐, ๐ โฒ โ ๐, ๐ โฒ โ ๐) pada sumber semu ๐๐+1 dan tidak ada permintaan fuzzy (โ) di tujuan semu ๐๐+1 . Tujuan semu ๐๐+1 secara otomatis muncul karena sumber semu ๐๐+1 telah ditambahkan sebelumnya. Asumsikan bahwa : ๏ท
Ongkos distribusi per unit produk dari sumber semu ๐๐+1 ke semua tujuan sebagai bilangan fuzzy trapesium nol.
๏ท
Ongkos distribusi per unit produk dari semua sumber ke tujuan semu ๐๐+1 (kecuali dari sumber semu ๐๐+1 ) sebagai bilangan fuzzy trapesium yang sangat besar, (๐, ๐, ๐, ๐).
ii) Jika ๐ โฅ ๐โฒ , ๐ โ ๐ โฅ ๐ โฒ โ ๐โฒ , ๐ โ ๐ โฅ ๐ โฒ โ ๐ โฒ , dan ๐ โ ๐ โฅ ๐ โฒ โ ๐ โฒ maka tambahkan sebuah tujuan semu ๐ท๐+1 dengan permintaan fuzzy (๐ โ ๐โฒ, ๐ โ ๐โฒ, ๐ โ ๐โฒ, ๐ โ ๐โฒ) pada tujuan semu ๐ท๐+1 dan tidak ada permintaan fuzzy (โ) di sumber semu ๐ท๐+1 . Sumber semu ๐ท๐+1 secara otomatis muncul karena tujuan semu ๐ท๐+1 telah ditambahkan sebelumnya. Asumsikan bahwa : ๏ท
Ongkos distribusi per unit produk dari semua sumber ke tujuan semu ๐ท๐+1 sebagai bilangan fuzzy trapesium nol.
๏ท
Ongkos distribusi per unit produk dari sumber semu ๐ท๐+1 (kecuali dari sumber semu ๐ท๐+1 ) ke semua tujuan sebagai bilangan fuzzy trapesium yang sangat besar, (๐, ๐, ๐, ๐).
iii) Jika tidak memenuhi (i) atau (ii) maka tambahkan sumber semu ๐๐+1 dan tujuan semu ๐ท๐+1 dengan ketersediaan fuzzy (maksimum {0, ๐โ โ ๐}, maksimum {0, ๐โ โ ๐} + maksimum {0, (๐โ โ ๐โ) โ (๐ โ
36
๐)}, maksimum {0, ๐โ โ ๐} + maksimum {0, (๐โ โ ๐โ) โ (๐ โ ๐)} + maksimum {0, (๐โ โ ๐โ) โ (๐ โ ๐)}, maksimum {0, ๐โ โ ๐} + maksimum {0, (๐โ โ ๐โ) โ (๐ โ ๐)} + maksimum {0, (๐โ โ ๐โ) โ (๐ โ ๐)} + maksimum {0, (๐โ โ ๐โ) โ (๐ โ ๐)}) pada sumber semu ๐๐+1 dan tidak ada permintaan (โ) pada sumber semu ๐ท๐+1 . Permintaan fuzzy sebesar (maksimum {0, ๐ โ ๐โฒ}, maksimum {0, ๐ โ ๐โฒ} + maksimum {0,(๐ โ ๐) โ (๐โฒ โ ๐โฒ)}, maksimum {0, ๐ โ ๐โฒ} + maksimum {0, (๐ โ ๐) โ (๐โฒ โ ๐โฒ)} + maksimum {0, (๐ โ ๐) โ (๐โฒ โ ๐โฒ)}, maksimum {0, ๐ โ ๐โฒ} + maksimum {0, (๐ โ ๐) โ (๐โฒ โ ๐โฒ)} + maksimum {0, (๐ โ ๐) โ (๐โฒ โ ๐โฒ)} + maksimum {0, (๐ โ ๐) โ (๐โฒ โ ๐โฒ)}) di tujuan semu ๐ท๐+1 dan tidak ada permintaan di tujuan semu ๐๐+1 . Tujuan semu ๐๐+1 dan sumber semu ๐ท๐+1 secara otomatis muncul karena sumber semu ๐๐+1 dan tujuan semu ๐ท๐+1 telah ditambahkan sebelumnya. Asumsikan bahwa : ๏ท
Ongkos distribusi per unit produk dari sumber semu ๐๐+1 ke semua tujuan dan dari semua sumber ke tujuan semu ๐ท๐+1 sebagai bilangan fuzzy trapesium nol.
๏ท
Ongkos distribusi per unit produk dari semua sumber ke tujuan semu ๐๐+1 (kecuali dari sumber semu ๐๐+1 ) dan dari sumber semu ๐ท๐+1 (kecuali dari sumber semu ๐ท๐+1 ) ke semua tujuan sebagai
bilangan
fuzzy
trapesium
yang
sangat
besar,
(๐, ๐, ๐, ๐). 2. Masalah transshipment yang seimbang memiliki ๐ + ๐ sumber dan ๐ + ๐ tujuan, ๐ = ๐ atau ๐ + 1 dan ๐ = ๐ atau ๐ + 1. ฬ 3. Tambahkan stok sementara ๐ฬ = โ๐ ฬ๐ (atau โ๐+๐ ๐=1 ๐ ๐=๐+1 ๐๐ ) pada masingmasing sumber dan tujuan, hasilnya seperti yang terlihat pada Tabel 3.1.
37
Tabel 3.1 Penambahan Stok pada Fuzzy Transshipment ๐ซ๐ ๐บ๐
๐บ๐
โฆ
0 โฎ
โฆ ๐ฬ1๐ โฎ โฎ 0 โฆ โฎ โฎ โฎ โฎ โฆ ๐ฬ(๐+๐)๐
๐บ๐ โฎ ๐บ๐ ๐ซ๐ โฎ ๐ซ๐
๐ฬ(๐+๐)1
Permintaan
๐ฬ
๐ฬ๐1 โฎ โฎ
โฆ
๐บ๐
๐ฬ
๐ซ๐
โฆ
๐ซ๐
Ketersediaan
๐ฬ1(๐+1) โฎ ๐ฬ๐(๐+1) โฎ โฎ โฆ
โฆ โฎ โฆ โฎ โฎ โฆ
๐ฬ1(๐+๐) โฎ ๐ฬ๐(๐+๐) โฎ โฎ 0
๐ฬ1 โจ๐ฬ โฎ ๐ฬ๐ โจ๐ฬ ๐ฬ
๐ฬ๐+1 โจ๐ฬ โฆ ๐ฬ๐+๐ โจ๐ฬ
โฎ ๐ฬ โ ๐ฬ
โ ๐ฬ
4. Berdasarkan permasalahan transshipment pada Tabel 3.1, selesaikanlah permasalahan pemograman linier berikut : ๐+๐ โ(โ๐+๐ ฬ๐๐ ) ๐=1 โ๐=1 ๐ฬ๐๐ โจ ๐ฅ
Minimumkan
dengan kendala : โ๐+๐ ฬ๐๐ = ๐ฬ๐ โจ ๐ฬ ๐=1 ๐ฅ
๐ = 1, 2, โฆ ๐
โ๐+๐ ฬ๐๐ = ๐ฬ ๐=1 ๐ฅ
๐ = ๐ + 1, โฆ ๐ + ๐
โ๐+๐ ฬ๐๐ = ๐ฬ ๐=1 ๐ฅ
๐ = 1, 2, โฆ ๐
โ๐+๐ ฬ๐๐ = ๐ฬ๐ โจ ๐ฬ ๐=1 ๐ฅ
๐ = ๐ + 1, โฆ ๐ + ๐
๐ฅฬ๐๐ adalah bilangan fuzzy trapesium yang non negatif Misalkan
๐+๐ โ๐+๐ ฬ๐๐ = (๐0 , ๐0 , ๐0 , ๐0 ), ๐=1 โ๐=1 ๐ฬ๐๐ โจ ๐ฅ
maka
pemrograman linier fuzzy di atas dapat ditulis sebagai berikut : Minimumkan
โ(๐0 , ๐0 , ๐0 , ๐0 )
dengan kendala : ๐+๐ ๐+๐ ๐+๐ (โ๐+๐ ๐=1 ๐๐๐ , โ๐=1 ๐๐๐ , โ๐=1 ๐๐๐ , โ๐=1 ๐๐๐ ) = (๐๐ , ๐๐ , ๐ ๐ , ๐ก๐ ),
๐ = 1, 2, โฆ ๐ ๐+๐ ๐+๐ ๐+๐ (โ๐+๐ ๐=1 ๐๐๐ , โ๐=1 ๐๐๐ , โ๐=1 ๐๐๐ , โ๐=1 ๐๐๐ ) = (๐1 , ๐2 , ๐3 , ๐4 ),
๐ = ๐ + 1, โฆ ๐ + ๐
masalah
38
๐+๐ ๐+๐ ๐+๐ (โ๐+๐ ๐=1 ๐๐๐ , โ๐=1 ๐๐๐ , โ๐=1 ๐๐๐ , โ๐=1 ๐๐๐ ) = (๐1 , ๐2 , ๐3 , ๐4 ),
๐ = 1, 2, โฆ ๐ ๐+๐ ๐+๐ ๐+๐ (โ๐+๐ ๐=1 ๐๐๐ , โ๐=1 ๐๐๐ , โ๐=1 ๐๐๐ , โ๐=1 ๐๐๐ ) =(๐โฒ๐ , ๐โฒ๐ , ๐ โฒ๐ , ๐กโฒ๐ ),
๐ = ๐ + 1, โฆ ๐ + ๐ ( ๐๐๐ , ๐๐๐ , ๐๐๐ , ๐๐๐ ) adalah bilangan fuzzy trapesium yang non negatif. 5. Konversi pemrograman linier fuzzy di atas ke dalam pemograman linier crisp, denga cara berikut : Minimumkan
1 4
(๐0 , ๐0 , ๐0 , ๐0 )
dengan kendala : โ๐+๐ ๐=1 ๐๐๐ = ๐๐ , ๐ = 1, 2, โฆ ๐ โ๐+๐ ๐=1 ๐๐๐ = ๐๐ , ๐ = 1, 2, โฆ ๐ โ๐+๐ ๐=1 ๐๐๐ = ๐ ๐ , ๐ = 1, 2, โฆ ๐ โ๐+๐ ๐=1 ๐๐๐ = ๐ก๐ , ๐ = 1, 2, โฆ ๐ โ๐+๐ ๐=1 ๐๐๐ = ๐1 , ๐ = ๐ + 1, โฆ ๐ + ๐ โ๐+๐ ๐=1 ๐๐๐ = ๐2 , ๐ = ๐ + 1, โฆ ๐ + ๐ โ๐+๐ ๐=1 ๐๐๐ = ๐3 , ๐ = ๐ + 1, โฆ ๐ + ๐ โ๐+๐ ๐=1 ๐๐๐ = ๐4 , ๐ = ๐ + 1, โฆ ๐ + ๐ โ๐+๐ ๐=1 ๐๐๐ = ๐1 , ๐ = 1, 2, โฆ ๐ โ๐+๐ ๐=1 ๐๐๐ = ๐2 , ๐ = 1, 2, โฆ ๐ โ๐+๐ ๐=1 ๐๐๐ = ๐3 , ๐ = 1, 2, โฆ ๐ โ๐+๐ ๐=1 ๐๐๐ = ๐4 , ๐ = 1, 2, โฆ ๐ โฒ โ๐+๐ ๐=1 ๐๐๐ = ๐ ๐ , ๐ = ๐ + 1, โฆ ๐ + ๐ โฒ โ๐+๐ ๐=1 ๐๐๐ = ๐ ๐ , ๐ = ๐ + 1, โฆ ๐ + ๐
โ๐+๐ ๐=1 ๐๐๐ = ๐ โฒ๐ , ๐ = ๐ + 1, โฆ ๐ + ๐ โ๐+๐ ๐=1 ๐๐๐ = ๐กโฒ๐ , ๐ = ๐ + 1, โฆ ๐ + ๐ ๐๐๐ โ ๐๐๐ , ๐๐๐ โ ๐๐๐ , ๐๐๐ โ ๐๐๐ , ๐๐๐ , ๐๐๐ , ๐๐๐ , ๐๐๐ โฅ 0
โ ๐, ๐
39
6. Carilah
solusi
optimal
๐๐๐ , ๐๐๐ , ๐๐๐ , ๐๐๐
dengan
cara
menyelesaikan
pemograman linier crisp di poin 5. 7. Temukan solusi optimal fuzzy
๐ฅฬ๐๐ dengan mensubstitusi nilai dari
๐๐๐ , ๐๐๐ , ๐๐๐ , ๐๐๐ ke ๐ฅฬ๐๐ = (๐๐๐ , ๐๐๐ , ๐๐๐ , ๐๐๐ ). 8. Temukan total ongkos fuzzy minimum dengan mensubstitusikan nilai dari ๐ฅฬ๐๐ ๐+๐ ke โ๐+๐ ฬ๐๐ . ๐=1 โ๐=1 ๐ฬ๐๐ โจ ๐ฅ
3.2 STUDI KASUS MASALAH FUZZY TRANSSHIPMENT 3.2.1 Analisa Kasus Dari jurnal yang berjudul โFuzzy Linear Programming Approach for Solving Fuzzy Transportation Problem with Transshipmentโ, Kumar et al. (2011 : 174) memberikan suatu permasalahan transshipment dengan dua buah sumber dan dua buah tujuan. Ketersediaan fuzzy di sumber ๐1 dan ๐2 masingmasing adalah ๐ฬ1 = (10,20,30,40) dan ๐ฬ2 = (0,4,8,10). Permintaan fuzzy di tujuan ๐ท1 dan ๐ท2 masing-masing adalah ๐ฬ1 = (6,8,10,20) dan ๐ฬ2 = (10,16,18,20). Ongkos distribusi fuzzy untuk masalah transshipment tersebut adalah sebagai berikut : Tabel 3.2 Ongkos Distibusi Fuzzy Tujuan
๐ซ๐
๐ซ๐
Ketersediaan
๐บ๐
(0,1,3,4)
(2,3,5,6)
(10,20,30,40)
๐บ๐
(1,3,5,7)
(2,6,7,9)
(0,4,8,12)
Permintaan
(6,8,10,20)
(10,16,18,20)
Sumber
Adapun pola pengiriman yang terjadi adalah sebagai berikut : a. Dari sumber ke sumber lainnya b. Dari tujuan ke tujuan lainnya c. Dari tujuan ke sembarang sumber Berdasarkan pola pengiriman di atas, maka distribusi ke daerah tujuan yang ditunjuk dapat terjadi dengan sebelumnya transit di daerah sumber atau
40
tujuan yang lain terlebih dahulu. Artinya, daerah sumber dapat melakukan pengiriman ke daerah sumber lainnya dan daerah tujuan dapat melakukan pengiriman ke daerah tujuan lainnya. Biaya distribusi ke daerah transit disajikan pada Tabel 3.3. Tabel 3.3 Ongkos Distribusi ke Daerah Transit Sumber
Tujuan
Ongkos
๐บ๐
๐2
(1,1,1,1)
๐ซ๐
๐ท2
(0,1,3,4)
Pendistribusian pun dapat terjadi dari tujuan ke sembarang sumber dan tidak ada perbedaan ongkos ditribusi dari tujuan ke sumber, artinya ongkos distribusi dari ๐๐ ke ๐ท๐ sama dengan ongkos distribusi dari ๐ท๐ ke ๐๐ . Permasalahan transshipment di atas digambarkan oleh tablo transshipment berikut : Tabel 3.4 Model Transshipment Fuzzy Tujuan Sumber
๐บ๐
๐บ๐
๐ซ๐
๐ซ๐
Ketersediaan ฬ๐ ๐
๐บ๐
(0,0,0,0)
(1,1,1,1)
(0,1,3,4)
(2,3,5,6)
(10,20,30,40)
๐บ๐
(1,1,1,1)
(0,0,0,0)
(1,3,5,7)
(2,6,7,9)
(0,4,8,12)
๐ซ๐
(0,1,3,4)
(1,3,5,7)
(0,0,0,0)
(0,1,3,4)
-
๐ซ๐
(2,3,5,6)
(2,6,7,9)
(0,1,3,4)
(0,0,0,0)
-
Permintaan ฬ๐ ๐
-
-
(6,8,10,20) (10,16,18,20)
Ketersediaan fuzzy di daerah sumber ๐1= (10,20,30,40) merupakan bilangan fuzzy trapesium dengan kurva sebagai berikut :
Gambar 3.1 Kurva Ketersediaan Fuzzy
41
Kurva pada Gambar 3.1 merepresentasikan ketersediaan minimum di sumber ๐1 adalah 10 unit dan maksimum 40 unit, sedangkan rata-rata jumlah komoditas yang selalu tersedia di ๐1 adalah antara 20-30 unit. Dengan interpretasi yang sama, ketersediaan komoditas minimum di ๐2 adalah 0 unit, artinya tidak ada komoditas yang tersedia di ๐2 ,
dan maksimum 12 unit,
sedangkan rata-rata jumlah komoditas yang selalu tersedia di ๐2 antara 2-8 unit. Permintaan fuzzy di daerah tujuan ๐ท1 = (6,8,10,20) merupakan bilangan fuzzy trapesium dengan kurva sebagai berikut :
Gambar 3.2 Kurva Permintaan Fuzzy
Kurva pada Gambar 3.2 merepresentasikan permintaan minimum di tujuan ๐ท1 adalah 6 unit dan maksimum 20 unit, sedangkan rata-rata jumlah komoditas yang dibutuhkan oleh daerah tujuan ๐ท1 adalah antara 8-10 unit. Dengan interpretasi yang sama, ketersediaan komoditas minimum di ๐ท2 adalah 10 unit dan maksimum 20 unit, sedangkan rata-rata jumlah komoditas yang dibutuhkan oleh daerah tujuan ๐ท2 antara 16-18 unit. Ongkos fuzzy untuk distribusi komoditas dari sumber ๐1 ke ๐ท1 = (0,1,3,4) merupakan bilangan fuzzy trapesium dengan kurva seperti yang terlihat pada Gambar 3.3.
42
Gambar 3.3 Kurva Permintaan Fuzzy
Kurva pada Gambar 3.3 merepresentasikan ongkos minimum untuk mengirim per unit komoditas dari sumber ๐1 ke tujuan ๐ท1 adalah 0 satuan harga, artinya tidak ada biaya pengiriman yang harus dikeluarkan, dan maksimum 4 satuan harga, sedangkan rata-rata ongkos pengiriman yang harus dikeluarkan adaalah antara 1-3 satuan harga. Dengan interpretasi yang sama, ongkos minimum untuk mengirim per unit komoditas dari sumber ๐1 ke tujuan ๐ท2 adalah 2 satuan harga dan maksimum 6 satuan harga, sedangkan rata-rata ongkos pengiriman yang harus dikeluarkan adaalah antara 2-3 satuan harga. Ongkos minimum untuk mengirim per unit komoditas dari sumber ๐2 ke tujuan ๐ท1 adalah 1 satuan harga dan maksimum 7 satuan harga, sedangkan rata-rata ongkos pengiriman yang harus dikeluarkan adaalah antara 3-5 satuan harga. Ongkos minimum untuk mengirim per unit komoditas dari sumber ๐2 ke tujuan ๐ท2 adalah 2 satuan harga dan maksimum 9 satuan harga, sedangkan rata-rata ongkos pengiriman yang harus dikeluarkan adaalah antara 6-7 satuan harga. Ongkos minimum untuk mengirim per unit komoditas dari sumber ๐1 ke sumber ๐2 adalah 1 satuan harga. Ongkos minimum untuk mengirim per unit komoditas dari sumber ๐ท1 ke tujuan ๐ท2 adalah 0 satuan harga, artinya tidak ada biaya pengiriman yang harus dikeluarkan, dan maksimum 4 satuan harga, sedangkan rata-rata ongkos pengiriman yang harus dikeluarkan adaalah antara 1-3 satuan harga.
43
3.2.2 Penyelesaian Permasalahan transshipment di atas akan diselesaikan menggunakan metode Mehar melalui langkah-langkah berikut : Langkah 1 Cek keseimbangan model. โ2๐=1 ๐ฬ๐ = (10,20,30,40) โจ(0,4,8,12) = (10 + 0, 20 + 4, 30 + 8, 40 + 12) = (10,24,38,52) โ2๐=1 ๐ฬ๐ = (6,8,10,20) โจ(10,16,18,20) = (6 + 10, 8 + 16, 10 + 18, 20 + 20) = (16,24,28,40) โ ๐ฬ๐ โ โ ๐ฬ๐ , maka masalah transshipment tersebut tidak seimbang. Misal โ ๐ฬ๐ = (๐1 , ๐2 , ๐3 , ๐4 ) dan โ ๐ฬ๐ = (๐1 , ๐2 , ๐3 , ๐4 ) ๐2 โ ๐1 = 24 โ 10
dan
๐2 โ ๐1 = 24 โ 16
= 14
=8
Karena ๐2 โ ๐1 = 14 โฐ 8 = ๐2 โ ๐1 dan ๐1 = 14 โฑ 16 = ๐2 , maka harus ditambahkan variabel semu ๐3 dan ๐ท3 . ๐ฬ3 = [๐๐๐๐ {0,16 โ 10}, ๐๐๐๐ {0,16 โ 10} + ๐๐๐๐ {0, (24 โ 16) โ (24 โ 10)}, ๐๐๐๐ {0,16 โ 10} + ๐๐๐๐ {0, (24 โ 16) โ (24 โ 10)} + ๐๐๐๐ {0, (28 โ 24) โ (38 โ 24)}, ๐๐๐๐ {0,16 โ 10} + ๐๐๐๐ {0, (24 โ 16) โ (24 โ 10)} + ๐๐๐๐ {0, (28 โ 24) โ (38 โ 24)} + ๐๐๐๐ {0, (40 โ 28) โ (52 โ 38)}] = [6, 6 + 0, 6 + 0 + 0, 6 + 0 + 0 + 0] = [6,6,6,6] ๐ฬ3 = [๐๐๐๐ {0,10 โ 16}, ๐๐๐๐ {0,10 โ 16} + ๐๐๐๐ {0, (24 โ 10) โ (24 โ 16)}, ๐๐๐๐ {0,10 โ 16} + ๐๐๐๐ {0, (24 โ 10) โ (24 โ 16)} + ๐๐๐๐ {0, (38 โ 24) โ (28 โ 24)}, ๐๐๐๐ {0,10 โ 16} + ๐๐๐๐ {0, (24 โ 10) โ (24 โ 16)} + ๐๐๐๐ {0, (38 โ 24) โ (28 โ 24)} + ๐๐๐๐ {0, (52 โ 38) โ (40 โ 28)}]
44
= [0, 0 + 6, 0 + 6 + 10, 0 + 6 + 10 + 2] = [0,6,16,18] โ3๐=1 ๐ฬ๐ = โ2๐=1 ๐ฬ๐ โจ ๐ฬ3 = (10,24,38,52) โจ(6,6,6,6) = (10 + 6, 24 + 6, 38 + 6, 52 + 6) = (16,30,44,58) โ3๐=1 ๐ฬ๐ = โ2๐=1 ๐ฬ๐ โจ ๐ฬ3 = (10,24,38,52) โจ(6,6,6,6) = (10 + 6, 24 + 6, 38 + 6, 52 + 6) = (16,30,44,58) โ ๐ฬ๐ = (16,30,44,58) = โ ๐ฬ๐ . Sekarang, model sudah seimbang. (Lihat Tabel 3.5) Langkah 2 Menambahkan stok sementara. ๐ฬ = โ ๐ฬ๐ (๐๐ก๐๐ข โ ๐ฬ๐ ) = (16,30,44,58) ๐ฬ๐1 = ๐ฬ1 โจ๐ฬ = (10,20,30,40)โจ(16,30,44,58) = (10 + 16, 20 + 30, 30 + 44, 40 + 58) = (26,50,74,98) ๐ฬ๐2 = ๐ฬ2 โจ๐ฬ = (0,4,8,12)โจ(16,30,44,58) = (0 + 16, 4 + 30, 8 + 44, 12 + 58) = (16,34,52,70) ๐ฬ๐3 = ๐ฬ3 โจ๐ฬ = (6,6,6,6)โจ(16,30,44,58) = (6 + 16, 6 + 30, 6 + 44, 6 + 58) = (22,36,50,64) ๐ฬ๐ท1 = ๐ฬ = (16,30,44,58) ๐ฬ๐ท2 = ๐ฬ = (16,30,44,58) ๐ฬ๐ท3 = ๐ฬ = (16,30,44,58)
45
๐ฬ๐1 = ๐ฬ = (16,30,44,58) ๐ฬ๐2 = ๐ฬ = (16,30,44,58) ๐ฬ๐3 = ๐ฬ = (16,30,44,58) ๐ฬ๐ท1 = ๐ฬ1 โจ๐ฬ = (6,8,10,20)โจ(16,30,44,58) = (6 + 16, 8 + 30, 10 + 44, 20 + 58) = (22,38,54,78) ๐ฬ๐ท2 = ๐ฬ2 โจ๐ฬ = (10,16,18,20)โจ(16,30,44,58) = (10 + 16, 16 + 30, 18 + 44, 20 + 58) = (26,46,62,78) ๐ฬ๐ท3 = ๐ฬ3 โจ๐ฬ = (0,6,16,18)โจ(16,30,44,58) = (0 + 16, 6 + 30, 16 + 44, 18 + 58) = (16,36,60,76) Sehingga, model transshipment sekarang seperti terlihat pada Tabel 3.6. Langkah 3 Bentuk pemrograman linier fuzzy dari model transshipment pada tabel 3.6 adalah sebagai berikut : ๐๐๐๐๐๐ข๐๐๐๐ โถ (0,0,0,0)โจ๐ฅฬ11 โจ(1,1,1,1)โจ๐ฅฬ12 โจ(0,1,3,4)โจ๐ฅฬ13 โจ(2,3,5,6)โจ๐ฅฬ14 โจ(๐, ๐, ๐, ๐)โจ๐ฅฬ15 โจ(0,0,0,0)โจ๐ฅฬ16 โจ(1,1,1,1)โจ๐ฅฬ21 โจ(0,0,0,0) โจ๐ฅฬ22 โจ(1,3,5,7)โจ๐ฅฬ23 โจ(2,6,7,9)โจ๐ฅฬ24 โจ(๐, ๐, ๐, ๐)โจ๐ฅฬ25 โจ (0,0,0,0)โจ๐ฅฬ26 โจ(0,1,3,4)โจ๐ฅฬ31 โจ(1,3,5,7)โจ๐ฅฬ32 โจ(0,0,0,0)โจ๐ฅฬ33 โจ(0,1,3,4)โจ๐ฅฬ34 โจ(๐, ๐, ๐, ๐)โจ๐ฅฬ35 โจ(0,0,0,0)โจ๐ฅฬ36 โจ(2,3,5,6) โจ๐ฅฬ41 โจ(2,6,7,9)โจ๐ฅฬ42 โจ(0,1,3,4)โจ๐ฅฬ43 โจ(0,0,0,0)โจ๐ฅฬ44 โจ(๐, ๐, ๐, ๐) โจ๐ฅฬ45 โจ(0,0,0,0)โจ๐ฅฬ46 โจ(0,0,0,0)โจ๐ฅฬ51 โจ(0,0,0,0)โจ๐ฅฬ52 โจ(0,0,0,0) โจ๐ฅฬ53 โจ(0,0,0,0)โจ๐ฅฬ54 โจ(0,0,0,0)โจ๐ฅฬ55 โจ(0,0,0,0)โจ๐ฅฬ56 โจ(๐, ๐, ๐, ๐) โจ๐ฅฬ61 โจ(๐, ๐, ๐, ๐)โจ๐ฅฬ62 โจ(๐, ๐, ๐, ๐)โจ๐ฅฬ63 โจ(๐, ๐, ๐, ๐)โจ๐ฅฬ64 โจ(๐, ๐, ๐, ๐)โจ๐ฅฬ65 โจ(๐, ๐, ๐, ๐)โจ๐ฅฬ61
46
๐๐๐๐๐๐ ๐๐๐๐๐๐๐ โถ ๐ฅฬ11 โจ๐ฅฬ12 โจ๐ฅฬ13 โจ๐ฅฬ14 โจ๐ฅฬ15 โจ๐ฅฬ16 = (26,50,74,98) ๐ฅฬ21 โจ๐ฅฬ22 โจ๐ฅฬ23 โจ๐ฅฬ24 โจ๐ฅฬ25 โจ๐ฅฬ26 = (16,34,52,70) ๐ฅฬ31 โจ๐ฅฬ32 โจ๐ฅฬ33 โจ๐ฅฬ34 โจ๐ฅฬ35 โจ๐ฅฬ36 = (16,30,44,58) ๐ฅฬ41 โจ๐ฅฬ42 โจ๐ฅฬ43 โจ๐ฅฬ44 โจ๐ฅฬ45 โจ๐ฅฬ46 = (16,30,44,58) ๐ฅฬ51 โจ๐ฅฬ52 โจ๐ฅฬ53 โจ๐ฅฬ54 โจ๐ฅฬ55 โจ๐ฅฬ56 = (22,36,50,64) ๐ฅฬ61 โจ๐ฅฬ62 โจ๐ฅฬ63 โจ๐ฅฬ64 โจ๐ฅฬ65 โจ๐ฅฬ66 = (16,30,44,58) ๐ฅฬ11 โจ๐ฅฬ21 โจ๐ฅฬ31 โจ๐ฅฬ41 โจ๐ฅฬ51 โจ๐ฅฬ61 = (16,30,44,58) ๐ฅฬ12 โจ๐ฅฬ22 โจ๐ฅฬ32 โจ๐ฅฬ42 โจ๐ฅฬ52 โจ๐ฅฬ62 = (16,30,44,58) ๐ฅฬ13 โจ๐ฅฬ23 โจ๐ฅฬ33 โจ๐ฅฬ43 โจ๐ฅฬ53 โจ๐ฅฬ63 = (22,38,54,78) ๐ฅฬ14 โจ๐ฅฬ24 โจ๐ฅฬ34 โจ๐ฅฬ44 โจ๐ฅฬ54 โจ๐ฅฬ64 = (26,46,62,78) ๐ฅฬ15 โจ๐ฅฬ25 โจ๐ฅฬ35 โจ๐ฅฬ45 โจ๐ฅฬ55 โจ๐ฅฬ65 = (16,30,44,58) ๐ฅฬ16 โจ๐ฅฬ26 โจ๐ฅฬ36 โจ๐ฅฬ46 โจ๐ฅฬ56 โจ๐ฅฬ66 = (16,36,60,76) ๐ฅฬ๐๐ โฅ 0 , โ ๐ , ๐ Konversikan ke bentuk pemrograman linier crisp menggunakan fungsi ranking, sehingga permasalahan tersebut menjadi seperti berikut : ๐๐๐๐๐๐ข๐๐๐๐ โถ 1 4
(๐12 + ๐12 + ๐12 + ๐12 + ๐13 + 3๐13 + 4๐13 + 2๐14 + 3๐14 + 5๐14 +
6๐14 + ๐๐15 + ๐๐15 + ๐๐15 + ๐๐15 + ๐21 + ๐21 + ๐21 + ๐21 + ๐23 + 3๐23 + 5๐23 + 7๐23 + 2๐24 + 6๐24 + 7๐24 + 9๐24 + ๐๐25 + ๐๐25 + ๐๐25 + ๐๐25 + ๐31 + 3๐31 + 4๐31 + ๐32 + 3๐32 + 5๐32 + 7๐32 + ๐34 + 3๐34 + 4๐34 + +๐๐35 + ๐๐35 + ๐๐35 + ๐๐35 + 2๐41 + 3๐41 + 5๐41 + 6๐41 + 2๐42 + 6๐42 + 7๐42 + 9๐42 + ๐43 + 3๐43 + 4๐43 + ๐๐45 + ๐๐45 + ๐๐45 + ๐๐45 + ๐๐61 + ๐๐61 + ๐๐61 + ๐๐61 + ๐๐62 + ๐๐62 + ๐๐62 + ๐๐62 + ๐๐63 + ๐๐63 + ๐๐63 + ๐๐63 + ๐๐64 + ๐๐64 + ๐๐64 + ๐๐64 + ๐๐65 + ๐๐65 + ๐๐65 + ๐๐65 ) ๐๐๐๐๐๐ ๐๐๐๐๐๐๐ โถ ๐11 + ๐12 + ๐13 + ๐14 + ๐15 + ๐16 = 26 ๐11 + ๐12 + ๐13 + ๐14 + ๐15 + ๐16 = 50
๐11 + ๐12 + ๐13 + ๐14 + ๐15 + ๐16
= 74
๐61 + ๐62 + ๐63 + ๐64 + ๐65 + ๐66 = 30
๐15 + ๐25 + ๐35 + ๐45 + ๐55 + ๐65 = 16
๐11 + ๐12 + ๐13 + ๐14 + ๐15 + ๐16 = 98
๐61 + ๐62 + ๐63 + ๐64 + ๐65 + ๐66
= 44
๐15 + ๐25 + ๐35 + ๐45 + ๐55 + ๐65 = 30
๐21 + ๐22 + ๐23 + ๐24 + ๐25 + ๐26 = 16
๐61 + ๐62 + ๐63 + ๐64 + ๐65 + ๐66 = 58
๐15 + ๐25 + ๐35 + ๐45 + ๐55 + ๐65 = 44
๐21 + ๐22 + ๐23 + ๐๐24 + ๐25 + ๐26 = 34
๐11 + ๐21 + ๐31 + ๐41 + ๐51 + ๐61 = 16
๐15 + ๐25 + ๐35 + ๐45 + ๐55 + ๐65 = 58
๐21 + ๐22 + ๐23 + ๐24 + ๐25 + ๐26
๐11 + ๐21 + ๐31 + ๐41 + ๐51 + ๐61 = 30
๐16 + ๐26 + ๐36 + ๐46 + ๐56 + ๐66 = 16
๐21 + ๐22 + ๐23 + ๐24 + ๐25 + ๐26 = 70
๐11 + ๐21 + ๐31 + ๐41 + ๐51 + ๐61
๐16 + ๐26 + ๐36 + ๐46 + ๐56 + ๐66 = 36
๐31 + ๐32 + ๐33 + ๐34 + ๐35 + ๐36 = 16
๐11 + ๐21 + ๐31 + ๐41 + ๐51 + ๐61 = 58
๐16 + ๐26 + ๐36 + ๐46 + ๐56 + ๐66
๐31 + ๐32 + ๐33 + ๐34 + ๐35 + ๐36 = 30
๐12 + ๐22 + ๐32 + ๐42 + ๐52 + ๐62 = 16
๐16 + ๐26 + ๐36 + ๐46 + ๐56 + ๐66 = 76
๐31 + ๐32 + ๐33 + ๐34 + ๐35 + ๐36
๐12 + ๐22 + ๐32 + ๐42 + ๐52 + ๐62 = 30
= 52
= 44
= 44
๐31 + ๐32 + ๐33 + ๐34 + ๐35 + ๐36 = 58
๐12 + ๐22 + ๐32 + ๐42 + ๐52 + ๐62
๐41 + ๐42 + ๐43 + ๐44 + ๐45 + ๐46 = 16
๐12 + ๐22 + ๐32 + ๐42 + ๐52 + ๐62 = 58
๐41 + ๐42 + ๐43 + ๐44 + ๐45 + ๐46 = 30
๐13 + ๐23 + ๐33 + ๐43 + ๐53 + ๐63 = 22
๐41 + ๐42 + ๐43 + ๐44 + ๐45 + ๐46
๐13 + ๐23 + ๐33 + ๐43 + ๐53 + ๐63 = 38
= 44
= 44
๐41 + ๐42 + ๐43 + ๐44 + ๐45 + ๐46 = 58
๐13 + ๐23 + ๐33 + ๐43 + ๐53 + ๐63
๐51 + ๐52 + ๐53 + ๐54 + ๐55 + ๐56 = 22
๐13 + ๐23 + ๐33 + ๐43 + ๐53 + ๐63 = 78
๐51 + ๐52 + ๐53 + ๐54 + ๐55 + ๐56 = 36
๐14 + ๐24 + ๐34 + ๐44 + ๐54 + ๐64 = 26
๐51 + ๐52 + ๐53 + ๐54 + ๐55 + ๐56
๐14 + ๐24 + ๐34 + ๐44 + ๐54 + ๐64 = 46
= 50
๐51 + ๐52 + ๐53 + ๐54 + ๐55 + ๐56 = 64
๐14 + ๐24 + ๐34 + ๐44 + ๐54 + ๐64
= 54
= 62
Prawitasari, Elyine R. 2014 PROGRAM APLIKASI PENYELESAIAN MASALAH FUZZY TRANSSHIPMENT MENGGUNAKAN METODE MEHAR Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
๐๐๐ โ ๐๐๐ โฅ 0, ๐๐๐ โ ๐๐๐ โฅ 0 , ๐๐๐ ๐๐๐ โ ๐๐๐ โฅ 0 , โ ๐, ๐
= 60
48
47
๐61 + ๐62 + ๐63 + ๐64 + ๐65 + ๐66 = 16 ๐14 + ๐24 + ๐34 + ๐44 + ๐54 + ๐64 = 78
48
Tabel 3.5 Model Transshipment Sudah Seimbang Tujuan
๐บ๐
๐บ๐
๐ซ๐
๐ซ๐
๐บ๐
๐ซ๐
Ketersediaan ฬ๐ ๐
๐บ๐
(0,0,0,0)
(1,1,1,1)
(0,1,3,4)
(2,3,5,6)
(M,M,M,M)
(0,0,0,0)
(10,20,30,40)
๐บ๐
(1,1,1,1)
(0,0,0,0)
(1,3,5,7)
(2,6,7,9)
(M,M,M,M)
(0,0,0,0)
(0,4,8,12)
๐ซ๐
(0,1,3,4)
(1,3,5,7)
(0,0,0,0)
(0,1,3,4)
(M,M,M,M)
(0,0,0,0)
-
๐ซ๐
(2,3,5,6)
(2,6,7,9)
(0,1,3,4)
(0,0,0,0)
(M,M,M,M)
(0,0,0,0)
-
๐บ๐
(0,0,0,0)
(0,0,0,0)
(0,0,0,0)
(0,0,0,0)
(0,0,0,0)
(0,0,0,0)
(6,6,6,6)
๐ซ๐
(M,M,M,M)
(M,M,M,M)
(M,M,M,M)
(M,M,M,M)
(M,M,M,M)
(0,0,0,0)
-
Permintaan ฬ๐ ๐
-
-
(6,8,10,20)
(10,16,18,20)
-
(0,6,16,18)
Sumber
Tabel 3.6 Model Transshipment Ditambah Stok Sementara Tujuan ๐บ๐
๐บ๐
๐ซ๐
๐ซ๐
๐บ๐
๐ซ๐
Ketersediaan ฬ๐ ๐
๐บ๐
(0,0,0,0)
(1,1,1,1)
(0,1,3,4)
(2,3,5,6)
(M,M,M,M)
(0,0,0,0)
(26,50,74,98)
๐บ๐
(1,1,1,1)
(0,0,0,0)
(1,3,5,7)
(2,6,7,9)
(M,M,M,M)
(0,0,0,0)
(16,34,52,70)
๐ซ๐
(0,1,3,4)
(1,3,5,7)
(0,0,0,0)
(0,1,3,4)
(M,M,M,M)
(0,0,0,0)
(16,30,44,58)
๐ซ๐
(2,3,5,6)
(2,6,7,9)
(0,1,3,4)
(0,0,0,0)
(M,M,M,M)
(0,0,0,0)
(16,30,44,58)
๐บ๐
(0,0,0,0)
(0,0,0,0)
(0,0,0,0)
(0,0,0,0)
(0,0,0,0)
(0,0,0,0)
(22,36,50,64)
๐ซ๐
(M,M,M,M)
(M,M,M,M)
(M,M,M,M)
(M,M,M,M)
(M,M,M,M)
(0,0,0,0)
(16,30,44,58)
Permintaan ฬ๐ ๐
(16,30,44,58)
(16,30,44,58)
(22,38,54,78)
(26,46,62,78)
(16,30,44,58)
(16,36,60,76)
Sumber
49
Langkah 4 Menyelesaikan pemrograman linier crisp. a. ๐๐๐๐๐๐ข๐๐๐๐ โถ 1 4
(๐12 + 2๐14 + ๐๐15 + ๐21 + ๐23 + 2๐24 + ๐๐25 + ๐32 + ๐๐35 +
2๐41 + 2๐42 + ๐๐45 + ๐๐61 + ๐๐62 + ๐๐63 + ๐๐64 + ๐๐65 ) ๐๐๐๐๐๐ ๐๐๐๐๐๐๐ โถ ๐11 + ๐12 + ๐13 + ๐14 + ๐15 + ๐16 = 26 ๐21 + ๐22 + ๐23 + ๐24 + ๐25 + ๐26 = 16 ๐31 + ๐32 + ๐33 + ๐34 + ๐35 + ๐36 = 16 ๐41 + ๐42 + ๐43 + ๐44 + ๐45 + ๐46 = 16 ๐51 + ๐52 + ๐53 + ๐54 + ๐55 + ๐56 = 22 ๐61 + ๐62 + ๐63 + ๐64 + ๐65 + ๐66 = 16 ๐11 + ๐21 + ๐31 + ๐41 + ๐51 + ๐61 = 16 ๐12 + ๐22 + ๐32 + ๐42 + ๐52 + ๐62 = 16 ๐13 + ๐23 + ๐33 + ๐43 + ๐53 + ๐63 = 22 ๐14 + ๐24 + ๐34 + ๐44 + ๐54 + ๐64 = 26 ๐15 + ๐25 + ๐35 + ๐45 + ๐55 + ๐65 = 16 ๐16 + ๐26 + ๐36 + ๐46 + ๐56 + ๐66 = 16 Permasalahan di atas digambarkan pada Tabel 3.7 Masalah
transshipment
tersebut
akan
diselesaikan
dengan
menggunakan metode Least Cost. Pemilihan sel basis harus sangat hatihati karena cukup banyak ongkos distribusi ๐๐๐ yang bernilai 0. Oleh karena itu, akan lebih baik bila mengutamakan sel diagonal (entri baris dan kolom sama, i=j). Hal tersebut dilakukan agar bisa mengeliminasi stok sementara yang ditambahkan sebelumnya. Misalkan yang pertama dipilih adalah sel ๐11 . Alokasikan ๐ฅ11 = min (ketersediaan1 , permintaan1 ) = min(26,16) = 16
50
Tabel 3.7 Ongkos Distribusi Bilangan Fuzzy ๐ ๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
Ketersediaan
๐๐
0
1 4
0
1 2
๐ 4
0
26
๐๐
1 4
0
1 4
1 2
๐ 4
0
16
๐๐
0
1 4
0
0
๐ 4
0
16
๐๐
1 2
1 2
0
0
๐ 4
0
16
๐๐
0
0
0
0
0
0
22
๐๐
๐ 4
๐ 4
๐ 4
๐ 4
๐ 4
0
16
16
16
22
26
16
16
Permin -taan
Selanjutnya kurangi ketersediaan1 dan permintaan1dengan ๐ฅ11 , akibatnya kolom 1 tidak terpilih lagi (Lihat Tabel 3.8). Lakukan hal yang serupa untuk seluruh sel diagonal (i=j). Hasilnya seperti yang terlihat pada Tabel 3.9. Tabel 3.8 Penyelesaian Ongkos Distribusi Bilangan Fuzzy ๐ Menggunakan Metode Least Cost, Peraga 1 ๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
Ketersediaan
๐๐
16
0
๐ฅ12
1 4
๐ฅ13
0
๐ฅ14
1 2
๐ฅ15
๐ 4
๐ฅ16 0
10
๐๐
๐ฅ21
1 4
๐ฅ22
0
๐ฅ23
1 4
๐ฅ24
1 2
๐ฅ25
๐ 4
๐ฅ26 0
16
๐๐
๐ฅ31
0
๐ฅ32
1 4
๐ฅ33
0
๐ฅ34
0
๐ฅ35
๐ 4
๐ฅ36 0
16
๐๐
๐ฅ41
1 2
๐ฅ42
1 2
๐ฅ43
0
๐ฅ44
0
๐ฅ45
๐ 4
๐ฅ46 0
16
๐๐
๐ฅ51
0
๐ฅ52
0
๐ฅ53
0
๐ฅ54
0
๐ฅ55
0
๐ฅ56 0
22
๐๐
๐ฅ61
๐ 4
๐ฅ62
๐ 4
๐ฅ63
๐ 4
๐ฅ64
๐ 4
๐ฅ65
๐ 4
๐ฅ66 0
16
Permintaan
0
16
22
26
16
16
51
Pada Tabel 3.9 terlihat bahwa ๐13 = ๐53 = ๐54 = 0 adalah ongkos terkecil, pilih salah satu diantara ketiga sel tersebut untuk dijadikan variabel basis selanjutnya. Misal ๐13 , maka ๐ฅ13 = min(10,6) = 6, ketersediaan1 = 10 โ 6 = 4 , permintaan3 = 6 โ 6 = 0.
Selanjutnya
kolom 3 tidak dapat dipilih kembali. Tabel 3.9 Penyelesaian Ongkos Distribusi Bilangan Fuzzy ๐ Menggunakan Metode Least Cost, Peraga 2 ๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
Ketersediaan
๐๐
16
0
๐ฅ12
1 4
๐ฅ13
0
๐ฅ14
1 2
๐ฅ15
๐ 4
๐ฅ16 0
10
๐๐
๐ฅ21
1 4
16
0
๐ฅ23
1 4
๐ฅ24
1 2
๐ฅ25
๐ 4
๐ฅ26 0
0
๐๐
๐ฅ31
0
๐ฅ32
1 4
16
0
๐ฅ34
0
๐ฅ35
๐ 4
๐ฅ36 0
0
๐๐
๐ฅ41
1 2
๐ฅ42
1 2
๐ฅ43
0
16
0
๐ฅ45
๐ 4
๐ฅ46 0
0
๐๐
๐ฅ51
0
๐ฅ52
0
๐ฅ53
0
๐ฅ54
0
16
0
๐ฅ56 0
6
๐๐
๐ฅ61
๐ 4
๐ฅ62
๐ 4
๐ฅ63
๐ 4
๐ฅ64
๐ 4
๐ฅ65
๐ 4
16
16
Permintaan
0
0
6
10
0
0
16
Selanjutnya dari Tabel 3.10 diketahui bahwa ๐54 = 0 adalah ongkos terkecil, maka sel tersebut merupakan variabel basis selanjutnya. ๐ฅ54 = min(6,10) = 6,
ketersediaan5 = 6 โ 6 = 0 , permintaan4 =
10 โ 6 = 4. Baris 5 tidak dapat dipilih kembali. Kini yang tersisa hanya ๐54 = 12, alokasikan ๐ฅ14 = 4 sehingga solusi fisibel awal yang diperoleh seperti yang terlihat pada Tabel 3.11.
52
Tabel 3.10 Penyelesaian Ongkos Distribusi Bilangan Fuzzy ๐ Menggunakan Metode Least Cost, Peraga 3 ๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
Ketersediaan
๐๐
16
0
๐ฅ12
1 4
6
0
๐ฅ14
1 2
๐ฅ15
๐ 4
๐ฅ16 0
4
๐๐
๐ฅ21
1 4
16
0
๐ฅ23
1 4
๐ฅ24
1 2
๐ฅ25
๐ 4
๐ฅ26 0
0
๐๐
๐ฅ31
0
๐ฅ32
1 4
16
0
๐ฅ34
0
๐ฅ35
๐ 4
๐ฅ36 0
0
๐๐
๐ฅ41
1 2
๐ฅ42
1 2
๐ฅ43
0
16
0
๐ฅ45
๐ 4
๐ฅ46 0
0
๐๐
๐ฅ51
0
๐ฅ52
0
๐ฅ53
0
๐ฅ54
0
16
0
๐ฅ56 0
6
๐๐
๐ฅ61
๐ 4
๐ฅ62
๐ 4
๐ฅ63
๐ 4
๐ฅ64
๐ 4
๐ฅ65
๐ 4
16
16
Permintaan
0
0
0
10
0
0
16
Tabel 3.11 Penyelesaian Ongkos Distribusi Bilangan Fuzzy ๐ Menggunakan Metode Least Cost, Peraga 4 ๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
Ketersediaan
๐๐
16
0
๐ฅ12
1 4
6
0
4
1 2
๐ฅ15
๐ 4
๐ฅ16 0
26
๐๐
๐ฅ21
1 4
16
0
๐ฅ23
1 4
๐ฅ24
1 2
๐ฅ25
๐ 4
๐ฅ26 0
16 16
๐๐
๐ฅ31
0
๐ฅ32
1 4
16
0
๐ฅ34
0
๐ฅ35
๐ 4
๐ฅ36 0
16 22
๐๐
๐ฅ41
1 2
๐ฅ42
1 2
๐ฅ43
0
16
0
๐ฅ45
๐ 4
๐ฅ46 0
26
๐๐
๐ฅ51
0
๐ฅ52
0
๐ฅ53
0
6
0
16
0
๐ฅ56 0
16 16
๐๐
๐ฅ61
๐ 4
๐ฅ62
๐ 4
๐ฅ63
๐ 4
๐ฅ64
๐ 4
๐ฅ65
๐ 4
16
22
Permintaan
16
16
22
26
16
16
0
53
Selanjutnya adalah memeriksa apakah solusi fisibel awal yang diperoleh pada Tabel 3.11 memang sudah optimal atau belum mengunakan metode MODI. Langkah pertama, yaitu menentukan multiplier ๐ข๐ dan ๐ฃ๐ dengan pedoman ๐๐๐ = 0 untuk seluruh variabel basis, sehingga ๐๐๐ = ๐ข๐ + ๐ฃ๐ . Variabel-variabel
basisnya adalah
๐ฅ11 , ๐ฅ13 , ๐ฅ14 ๐ฅ22 , ๐ฅ33 , ๐ฅ44 , ๐ฅ54 ,๐ฅ55 dan ๐ฅ66 . Sisanya non basis. Variabel basis terbanyak berada pada baris ke-1 dan kolom ke-4. Pilih salah satu, misalkan baris ke-1, sehingga ๐ข1 didefinisikan sebagai 0. Nilai multiplier yang lain sebagai berikut : ๐11 = ๐ข1 + ๐ฃ1
๐13 = ๐ข1 + ๐ฃ3
0 = 0 + ๐ฃ1
0 = 0 + ๐ฃ3
๐ฃ1 = 0 ๐33 = ๐ข3 + ๐ฃ3
๐14 = ๐ข1 + ๐ฃ4 1 2
1
= 0 + ๐ฃ4
0 = โ2 + ๐ฃ5
1
๐ฃ3 = 0
1
๐ฃ4 = 2
๐ฃ5 = 2
๐44 = ๐ข4 + ๐ฃ4
๐54 = ๐ข5 + ๐ฃ4
1
0 = ๐ข5 + 2
0 = ๐ข3 + 0 ๐ข3 = 0
๐55 = ๐ข5 + ๐ฃ5
1
0 = ๐ข4 + 2 1
1
๐ข4 = โ2
๐ข5 = โ2
Kemudian, nilai opportunity cost akan menentukan sel yang akan menjadi variabel masuk. Nilai tersebut didapat melalui persamaan ๐๐๐ = (๐ข๐ + ๐ฃ๐ ) โ ๐๐๐ . Opportunity cost ๐๐๐ pada seluruh variabel non basis adalah sebagai berikut : ๐15 = (๐ข1 + ๐ฃ5 ) โ ๐15 = (0 + 12) โ
๐ 4
๐
= โ 4 + 12
๐31 = (๐ข3 + ๐ฃ1 ) โ ๐31 = (0 + 0) โ 0 = 0 ๐34 = (๐ข3 + ๐ฃ4 ) โ ๐34 = (0 + 12) โ 0 = 12 ๐35 = (๐ข3 + ๐ฃ5 ) โ ๐35 = (0 + 12) โ
๐ 4
=โ
๐ 4
+ 12
๐41 = (๐ข4 + ๐ฃ1 ) โ ๐41 = (โ12 + 0) โ 12 = โ1 ๐43 = (๐ข4 + ๐ฃ3 ) โ ๐43 = (โ12 + 0) โ 0 = โ12 ๐45 = (๐ข4 + ๐ฃ5 ) โ ๐45 = (โ12 + 12) โ
๐ 4
๐
=โ4
54
๐51 = (๐ข5 + ๐ฃ1 ) โ ๐51 = (โ12 + 0) โ 0 = โ12 ๐53 = (๐ข5 + ๐ฃ3 ) โ ๐53 = (โ12 + 0) โ 0 = โ12 Opportunity cost sel 34 bernilai positif, artinya kemungkinan solusi fisibel awal belum optimal sehingga perlu dilakukan realokasi dengan + menggunakan loop yang berawal dari sel 34. Diperoleh loop ๐ฅ34 โ + โ โ ๐ฅ33 โ ๐ฅ13 โ ๐ฅ14 . Loop tersebut melibatkan sel 33 dengan tanda (-), itu
artinya jika realokasi dilakukan maka akan mengakibatkan stok di sel 33 kurang dari stok semu (๐๐ฬ = 16) yang ditambahkan sebelumnya. Selain itu, realokasi juga akan mengakibatkan pemindahan beban sebanyak โ โ min(๐ฅ33 , ๐ฅ14 ) = (16,4) = 4 dari sel 33 ke sel 13. Hal ini tidak mungkin
dilakukan karena stok bersifat semu atausebenarnya tidak ada. Karena tidak terdapat loop lain yang bisa dibuat dari sel 34 tanpa melibatkan sel 33, maka solusi fisibel yang diperoleh pada Tabel 3.11 sudah optimal. b. ๐๐๐๐๐๐ข๐๐๐๐ โถ 1 4
( ๐12 + ๐13 + 3๐14 + ๐๐15 + ๐21 + 3๐23 + 6๐24 + ๐๐25 + ๐31 +
3๐32 + ๐34 + ๐๐35 + 3๐41 + 6๐42 + ๐43 + ๐๐45 + ๐๐61 + ๐๐62 + ๐๐63 + ๐๐64 + ๐๐65 ) ๐๐๐๐๐๐ ๐๐๐๐๐๐๐ โถ ๐11 + ๐12 + ๐13 + ๐14 + ๐15 + ๐16 = 50 ๐21 + ๐22 + ๐23 + ๐๐24 + ๐25 + ๐26 = 34 ๐31 + ๐32 + ๐33 + ๐34 + ๐35 + ๐36 = 30 ๐41 + ๐42 + ๐43 + ๐44 + ๐45 + ๐46 = 30 ๐51 + ๐52 + ๐53 + ๐54 + ๐55 + ๐56 = 36 ๐61 + ๐62 + ๐63 + ๐64 + ๐65 + ๐66 = 30 ๐11 + ๐21 + ๐31 + ๐41 + ๐51 + ๐61 = 30 ๐12 + ๐22 + ๐32 + ๐42 + ๐52 + ๐62 = 30 ๐13 + ๐23 + ๐33 + ๐43 + ๐53 + ๐63 = 38 ๐14 + ๐24 + ๐34 + ๐44 + ๐54 + ๐64 = 46 ๐15 + ๐25 + ๐35 + ๐45 + ๐55 + ๐65 = 30 ๐16 + ๐26 + ๐36 + ๐46 + ๐56 + ๐66 = 36
55
Permasalahan tersebut ditransformasikan pada Tabel 3.12. Tabel 3.12 Ongkos Distribusi Bilangan Fuzzy ๐ ๐๐
๐๐
๐๐
๐๐
๐๐
๐๐๐
Ketesediaan
๐๐
0
1 4
1 4
3 4
๐ 4
0
50
๐๐
1 4
0
3 4
3 2
๐ 4
0
34
๐๐
1 4
3 4
0
1 4
๐ 4
0
30
๐๐
3 4
3 2
1 4
0
๐ 4
0
30
๐๐
0
0
0
0
0
0
36
๐๐
๐ 4
๐ 4
๐ 4
๐ 4
๐ 4
0
30
30
30
38
46
30
36
Permintaan
Masalah transshipment tersebut diselesaikan menggunakan metode Least Cost dengan solusi fisibel awal seperti yang terlihat pada Tabel 3.13. Tabel 3.13 Solusi Fisbel Awal Bilangan Fuzzy ๐ ๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
30
0
๐ฅ12
1 4
2
1 4
12
3 4
๐ฅ15
๐ 4
๐๐ ๐๐
๐ฅ21
1 4
30
0
๐ฅ23
3 4
4
3 2
๐ฅ25
๐๐
๐ฅ31
1 4
๐ฅ32
3 4
30
0
๐ฅ34
1 4
๐๐
๐ฅ41
3 4
๐ฅ42
3 2
๐ฅ43
1 4
30
๐๐
๐ฅ51
0
๐ฅ52
0
6
0
๐๐
๐ฅ61
๐ 4
๐ฅ62
๐ 4
๐ฅ63
๐ 4
Permintaan
30
30
38
6
Ketersediaan 0
50
๐ 4
๐ฅ26 0
34
๐ฅ35
๐ 4
๐ฅ36 0
30
0
๐ฅ45
๐ 4
๐ฅ46 0
30
๐ฅ54
0
30
0
๐ฅ56 0
36
๐ฅ64
๐ 4
๐ฅ65
๐ 4
30
30
46
30
36
0
56
Iterasi 1 Langkah pertama, yaitu menentukan multiplier ๐ข๐ dan ๐ฃ๐ . Dari Tabel 3.13 diperoleh 11 variabel basis, yaitu ๐ฅ11 , ๐ฅ13 , ๐ฅ14 , ๐ฅ16 , ๐ฅ22 , ๐ฅ24 , ๐ฅ33 , ๐ฅ44 , ๐ฅ53 ,๐ฅ55 dan ๐ฅ66 . Sisanya non basis. ๐ข1
Karena variabel basis terbanyak berada pada baris ke-1 maka
dimisalkan sebagai 0. Adapun Nilai multiplier yang diperoleh adalah sebagai berikut : 1
3
๐ข1 = 0,
๐ข2 = 4,
๐ฃ1 = 0,
๐ฃ2 = โ4,
3
๐ข3 = โ4,
๐ข4 = โ4,
1
3
3
๐ฃ3 = 4,
๐ฃ4 = 4,
๐ข5 = โ14,
๐ข6 = 0
๐ฃ5 = 14,
๐ฃ6 = 0
Opportunity cost ๐๐๐ pada seluruh variabel non basis adalah sebagai berikut : ๐12 = โ1,
๐15 = โ
1
1
๐โ1 , 4
๐21 = 2,
๐23 = 4,
7
๐26 = 4,
๐31 = โ2,
1
๐32 = โ4,
๐34 = 4,
๐36 = โ4,
1
๐41 = โ2,
3
๐42 = โ3,
๐43 = โ4,
3
๐51 = โ4,
1
๐52 = โ1,
๐54 = 2,
3
๐46 = โ4, ๐
๐61 = โ 4 ,
๐62 = โ
๐+3 , 4
๐63 = โ
๐โ1 , 4
1
3
1
๐64 = โ
๐โ3 , 4
๐25 = โ
๐โ1 , 4 ๐
๐35 = โ 4 , ๐45 = โ
๐+1 , 4 1
๐56 = โ4, ๐65 = โ
๐โ1 4
Terdapat opportunity cost yang non negatif, yaitu sel 21, 23, 26, 34, dan 54. Opportunity cost terbesar ada pada sel 26, maka realokasi terjadi pada + + โ โ loop yang berawal dari sel 34. Diperoleh loop ๐ฅ26 โ ๐ฅ16 โ ๐ฅ14 โ ๐ฅ24
(Lihat Tabel 3.14). Pada Tabel 3.14 Nilai ๐ฅ๐๐ terkecil dari variabel bertanda (-) adalah 4 pada sel 26. Alokasikan sebanyak 4 unit pada loop tersebut. Sehingga, ๐ฅ26 = 0 + 4 = 4
๐ฅ16 = 6 + 4 = 10
๐ฅ24 = 4 โ 4 = 0
๐ฅ14 = 12 โ 4 = 8
Variabel basisnya kini adalah ๐ฅ11 = 30, ๐ฅ13 = 2, ๐ฅ14 = 16, ๐ฅ16 = 2, ๐ฅ22 = 30, ๐ฅ26 = 4, ๐ฅ33 = 30, ๐ฅ44 = 30, ๐ฅ53 = 6,๐ฅ55 = 30 dan ๐ฅ66 = 30.
57
Tabel 3.14 Loop Iterasi 1 Least Cost, Bilangan Fuzzy ๐ ๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
30
0
๐ฅ12
1 4
2
1 4
12+
3 4
๐ฅ15
๐ 4
6โ
0
0
๐๐ ๐๐
๐ฅ21
1 4
30
0
๐ฅ23
3 4
4โ
3 2
๐ฅ25
๐ 4
+ ๐ฅ26
0
3 4
๐๐
๐ฅ31
1 4
๐ฅ32
3 4
30
0
๐ฅ34
1 4
๐ฅ35
๐ 4
๐ฅ36
0
โ
1 4
๐๐
๐ฅ41
3 4
๐ฅ42
3 2
๐ฅ43
1 4
30
0
๐ฅ45
๐ 4
๐ฅ46
0
โ
3 4
๐๐
๐ฅ51
0
๐ฅ52
0
6
0
๐ฅ54
0
30
0
๐ฅ56
0
โ
1 4
๐๐
๐ฅ61
๐ 4
๐ฅ62
๐ 4
๐ฅ63
๐ 4
๐ฅ64
๐ 4
๐ฅ65
๐ 4
30
0
0
๐๐
1 4
3 โ 4
0
1 4
3 4
0
Iterasi 2 Variabel basis terbanyak dari hasil iterasi 1 berada pada baris ke-1, maka ๐ข1 dimisalkan sebagai 0. Dari sini bisa diperoleh nilai multiplier yang lainnya (Lihat Tabel 3.15). Tabel 3.15 Solusi Fisibel Iterasi 1 Least Cost, Bilangan Fuzzy ๐ ๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
30
0
๐ฅ12
1 4
2
1 4
16
3 4
๐ฅ15
๐ 4
2
0
0
๐๐ ๐๐
๐ฅ21
1 4
30
0
๐ฅ23
3 4
๐ฅ24
3 2
๐ฅ25
๐ 4
4
0
0
๐๐
๐ฅ31
1 4
๐ฅ32
3 4
30
0
๐ฅ34
1 4
๐ฅ35
๐ 4
๐ฅ36
0
โ
1 4
๐๐
๐ฅ41
3 4
๐ฅ42
3 2
๐ฅ43
1 4
30
0
๐ฅ45
๐ 4
๐ฅ46
0
โ
3 4
๐๐
๐ฅ51
0
๐ฅ52
0
6
0
๐ฅ54
0
30
0
๐ฅ56
0
โ
1 4
๐๐
๐ฅ61
๐ 4
๐ฅ62
๐ 4
๐ฅ63
๐ 4
๐ฅ64
๐ 4
๐ฅ65
๐ 4
30
0
0
๐๐
0
0
1 4
3 4
1 4
0
58
Nilai opportunity cost dari variabel non basisnya sebagai berikut : 1
๐12 = โ4,
๐15 = โ
1
1
๐โ1 , 4
๐21 = โ4,
๐23 = โ2,
๐โ1 , 4
๐31 = โ2,
1
๐32 = โ1,
๐34 = 4,
1
๐41 = โ2,
3
๐42 = โ94,
๐43 = โ4,
๐46 = โ4,
3
๐51 = โ4,
1
๐52 = โ4,
๐
๐62 = โ 4 ,
๐25 = โ
๐36 = โ4,
๐61 = โ 4 ,
๐
1
๐63 = โ
๐โ1 , 4
1
3
1
๐54 = 2, ๐64 = โ
๐โ3 , 4
3
๐24 = โ4, ๐
๐35 = โ 4 , ๐45 = โ
๐+2 , 4 1
๐56 = โ4, ๐65 = โ
๐โ1 4
Opportunity cost yang paling positif ada pada sel 54. Loop yang dapat dibuat
adalah
+ + โ โ ๐ฅ54 โ ๐ฅ14 โ ๐ฅ13 โ ๐ฅ53 .
Realokasikan
sebanyak
โ) โ min(๐ฅ14 , ๐ฅ53 = min(16,6) = 6. Sehingga,
๐ฅ54 = 0 + 6 = 6
๐ฅ13 = 2 + 6 = 8
๐ฅ14 = 16 โ 6 = 10
๐ฅ53 = 6 โ 6 = 0
Variabel basisnya kini adalah ๐ฅ11 = 30, ๐ฅ13 = 8, ๐ฅ14 = 10, ๐ฅ16 = 2, ๐ฅ22 = 30, ๐ฅ26 = 4, ๐ฅ33 = 30, ๐ฅ44 = 30, ๐ฅ54 = 6,๐ฅ55 = 30 dan ๐ฅ66 = 30. Iterasi 3 Variabel basis terbanyak dari hasil iterasi 2 berada pada baris ke-1, maka ๐ข1 dimisalkan sebagai 0. Dari sini bisa diperoleh nilai multiplier yang lainnya (Lihat Tabel 3.16). Dengan menggunakan nilai multiplier yang ada pada Tabel 3.16 diperoleh nilai opportunity cost dari variabel non basis, yaitu sebagai berikut : 1
๐12 = โ4,
๐15 = โ
1
1
๐โ3 , 4
๐21 = โ4,
๐23 = โ2,
๐โ3 , 4
๐31 = โ2,
1
๐32 = โ1,
๐34 = 4,
1
๐41 = โ2,
3
๐42 = โ94,
๐43 = โ4,
3
๐45 = โ 4 ,
๐46 = โ4,
3
๐51 = โ4,
3
๐52 = โ4,
3
๐53 = 0,
๐56 = โ4,
๐
๐62 = โ 4 ,
๐25 = โ
๐36 = โ4,
๐61 = โ 4 ,
๐
๐63 = โ
๐โ1 , 4
1
3
๐24 = โ4,
๐64 = โ
๐โ3 , 4
๐35 = โ
๐โ2 , 4 ๐ 3
๐65 = โ
๐โ3 4
59
Tabel 3.16 Solusi Fisibel Iterasi 2 Least Cost, Bilangan Fuzzy ๐ ๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
30
0
๐ฅ12
1 4
8
1 4
10
3 4
๐ฅ15
๐ 4
2
0
0
๐๐ ๐๐
๐ฅ21
1 4
30
0
๐ฅ23
3 4
๐ฅ24
3 2
๐ฅ25
๐ 4
4
0
0
๐๐
๐ฅ31
1 4
๐ฅ32
3 4
30
0
๐ฅ34
1 4
๐ฅ35
๐ 4
๐ฅ36
0
๐๐
๐ฅ41
3 4
๐ฅ42
3 2
๐ฅ43
1 4
30
0
๐ฅ45
๐ 4
๐ฅ46
๐๐
๐ฅ51
0
๐ฅ52
0
๐ฅ53
0
6
0
30
0
๐๐
๐ฅ61
๐ 4
๐ฅ62
๐ 4
๐ฅ63
๐ 4
๐ฅ64
๐ 4
๐ฅ65
๐ 4
๐๐
0
0
1 4
3 4
โ
1 4
0
โ
3 4
๐ฅ56
0
โ
3 4
30
0
0
3 4
0
Opportunity cost yang non negatif ada pada sel 34. Loop yang dapat + + โ โ dibuat adalah ๐ฅ34 โ ๐ฅ33 โ ๐ฅ13 โ ๐ฅ14 . Loop tersebut melibatkan sel 33
dengan tanda (-), itu artinya jika realokasi dilakukan maka akan mengakibatkan stok di sel 33 kurang dari stok semu (๐๐ฬ = 30) yang ditambahkan sebelumnya. Selain itu, realokasi juga akan mengakibatkan โ โ pemindahan beban sebanyak min(๐ฅ33 , ๐ฅ14 ) = (30,10) = 4 dari sel 33 ke
sel 13. Hal ini tidak mungkin dilakukan karena stok yang dipindahkan tersebut bersifat semu atau sebenarnya tidak ada. Oleh karena tidak terdapat loop lain yang bisa dibuat dari sel 34 tanpa melibatkan sel 33, maka solusi fisibel yang diperoleh pada Tabel 3.16 sudah optimal. c. ๐๐๐๐๐๐ข๐๐๐๐ โถ 1 4
(๐12 + 3๐13 + 5๐14 + ๐๐15 + ๐21 + 5๐23 + 7๐24 + ๐๐25 + 3๐31 +
5๐32 + 3๐34 + ๐๐35 + 5๐41 + 7๐42 + 3๐43 + ๐๐45 + ๐๐61 + ๐๐62 + ๐๐63 + ๐๐64 + ๐๐65 ) ๐๐๐๐๐๐ ๐๐๐๐๐๐๐ โถ ๐11 + ๐12 + ๐13 + ๐14 + ๐15 + ๐16 = 74 ๐21 + ๐22 + ๐23 + ๐24 + ๐25 + ๐26 = 52
60
๐31 + ๐32 + ๐33 + ๐34 + ๐35 + ๐36 = 44 ๐41 + ๐42 + ๐43 + ๐44 + ๐45 + ๐46 = 44 ๐51 + ๐52 + ๐53 + ๐54 + ๐55 + ๐56 = 50 ๐61 + ๐62 + ๐63 + ๐64 + ๐65 + ๐66 = 44 ๐11 + ๐21 + ๐31 + ๐41 + ๐51 + ๐61 = 44 ๐12 + ๐22 + ๐32 + ๐42 + ๐52 + ๐62 = 44 ๐13 + ๐23 + ๐33 + ๐43 + ๐53 + ๐63 = 54 ๐14 + ๐24 + ๐34 + ๐44 + ๐54 + ๐64 = 62 ๐15 + ๐25 + ๐35 + ๐45 + ๐55 + ๐65 = 44 ๐16 + ๐26 + ๐36 + ๐46 + ๐56 + ๐66 = 60 Permasalahan di atas digambarkan pada Tabel 3.17. Tabel 3.17 Ongkos Distribusi Bilangan Fuzzy ๐ ๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
Ketersediaan
๐๐
0
1 4
3 4
5 4
๐ 4
0
74
๐๐
1 4
0
5 4
7 4
๐ 4
0
52
๐๐
3 4
5 4
0
3 4
๐ 4
0
44
๐๐
5 4
7 4
3 4
0
๐ 4
0
44
๐๐
0
0
0
0
0
0
50
๐๐
๐ 4
๐ 4
๐ 4
๐ 4
๐ 4
0
44
44
44
54
62
44
60
Permin -taan
Masalah transshipment tersebut diselesaikan menggunakan metode Least Cost dengan solusi fisibel awal seperti yang terlihat pada Tabel 3.18. Selanjutnya adalah memeriksa apakah solusi fisibel awal yang diperoleh pada Tabel 3.18 memang sudah optimal atau belum mengunakan metode MODI.
61
Tabel 3.18 Solusi Fisbel Awal Bilangan Fuzzy ๐ ๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
Ketersediaan
๐๐
44
0
๐ฅ12
1 4
4
3 4
18
5 4
๐ฅ15
๐ 4
8
0
74
๐๐ ๐๐
๐ฅ21
1 4
44
0
๐ฅ23
5 4
๐ฅ24
7 4
๐ฅ25
๐ 4
8
0
52
๐๐
๐ฅ31
3 4
๐ฅ32
5 4
44
0
๐ฅ34
3 4
๐ฅ35
๐ 4
๐ฅ36 0
44
๐๐
๐ฅ41
5 4
๐ฅ42
7 4
๐ฅ43
3 4
44
0
๐ฅ45
๐ 4
๐ฅ46 0
44
๐๐
๐ฅ51
0
๐ฅ52
0
6
0
๐ฅ54
0
44
0
๐ฅ56 0
50
๐๐
๐ฅ61
๐ 4
๐ฅ62
๐ 4
๐ฅ63
๐ 4
๐ฅ64
๐ 4
๐ฅ65
๐ 4
44
44
44
Permintaan
44
54
62
44
0
60
Iterasi 1 Menentukan multiplier ๐ข๐ dan ๐ฃ๐ . Dari Tabel 3.18 diperoleh 11 variabel basis, yaitu ๐ฅ11 , ๐ฅ13 , ๐ฅ14 , ๐ฅ16 , ๐ฅ22 , ๐ฅ26 , ๐ฅ33 , ๐ฅ44 , ๐ฅ53 ,๐ฅ55 dan ๐ฅ66 . Sisanya non basis. Karena variabel basis terbanyak berada pada baris ke-1 maka
๐ข1
dimisalkan sebagai 0. Adapun Nilai multiplier yang diperoleh adalah sebagai berikut : 3
๐ข1 = 0,
๐ข2 = 0,
๐ข3 = โ4,
๐ฃ1 = 0,
๐ฃ2 = 0,
๐ฃ3 = 4,
3
3 5 ๐ข4 = โ4, ๐ข5 = โ4,
5
๐ฃ4 = 4,
๐ข6 = 0
๐ฃ5 = 34,
๐ฃ6 = 0
Opportunity cost ๐๐๐ pada seluruh variabel non basis adalah sebagai berikut : 1
๐12 = โ4,
๐15 = โ
๐โ3 , 4
๐21 = โ4,
1
๐23 = โ2,
1
๐24 = โ2,
1
๐35 = โ 4 ,
๐โ3 , 4
๐31 = โ2,
3
๐32 = โ2,
๐34 = โ4,
๐36 = โ4,
3
๐41 = โ2,
5
๐42 = โ3,
๐43 = โ4,
5
๐51 = โ4,
3
๐52 = โ4,
๐25 = โ
๐46 = โ4,
3
5
1
๐54 = 2,
1
๐
๐45 = โ
๐+2 , 4 3
๐56 = โ4,
62
๐
๐
๐61 = โ 4 ,
๐62 = โ 4 ,
๐63 = โ
๐โ3 , 4
๐64 = โ
๐โ5 , 4
๐65 = โ
๐โ3 4
Terdapat opportunity cost yang non negatif, yaitu sel 54. Diperoleh loop + โ + โ ๐ฅ54 โ ๐ฅ53 โ ๐ฅ13 โ ๐ฅ14 .
Realokasikan
โ โ) min(๐ฅ53 , ๐ฅ14 =
sebanyak
min(6,18) = 6. Sehingga, ๐ฅ54 = 0 + 6 = 6
๐ฅ13 = 4 + 6 = 10
๐ฅ53 = 6 โ 6 = 0
๐ฅ14 = 18 โ 6 = 12
Variabel basisnya kini adalah ๐ฅ11 = 44, ๐ฅ13 = 4, ๐ฅ14 = 18, ๐ฅ16 = 8, ๐ฅ22 = 44, ๐ฅ26 = 8,
๐ฅ33 = 44,
๐ฅ44 = 44, ๐ฅ53 = 6,
๐ฅ55 = 44
dan
๐ฅ66 = 44. Iterasi 2 Variabel basis terbanyak dari hasil iterasi 1 berada pada baris ke-1, maka ๐ข1 dimisalkan sebagai 0. Dari sini bisa diperoleh nilai multiplier yang lainnya (Lihat Tabel 3.19). Tabel 3.19 Solusi Fisibel Iterasi 1 Least Cost, Bilangan Fuzzy ๐ ๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
๐๐
44
0
๐ฅ12
1 4
10
3 4
12
5 4
๐ฅ15
๐ 4
8
0
0
๐๐ ๐๐
๐ฅ21
1 4
44
0
๐ฅ23
5 4
๐ฅ24
7 4
๐ฅ25
๐ 4
8
0
0
๐๐
๐ฅ31
3 4
๐ฅ32
5 4
44
0
๐ฅ34
3 4
๐ฅ35
๐ 4
๐ฅ36
0
โ
3 4
๐๐
๐ฅ41
5 4
๐ฅ42
7 4
๐ฅ43
3 4
44
0
๐ฅ45
๐ 4
๐ฅ46
0
โ
5 4
๐๐
๐ฅ51
0
๐ฅ52
0
๐ฅ53
0
6
0
44
0
๐ฅ56
0
โ
5 4
๐๐
๐ฅ61
๐ 4
๐ฅ62
๐ 4
๐ฅ63
๐ 4
๐ฅ64
๐ 4
๐ฅ65
๐ 4
44
0
0
๐๐
0
0
3 4
5 4
5 4
0
63
Nilai opportunity cost dari variabel non basisnya sebagai berikut : 1
๐12 = โ4,
๐15 = โ
1
1
๐โ5 , 4
๐21 = โ4,
๐23 = โ2, 1
1
๐24 = โ2,
๐โ5 , 4
๐31 = โ2,
3
๐32 = โ2,
๐34 = โ4,
๐36 = โ4,
3
๐41 = โ2,
5
๐42 = โ3,
๐43 = โ4,
5
๐45 = โ 4 ,
๐46 = โ4,
5
๐51 = โ4,
5
๐52 = โ4,
1
๐56 = โ4,
๐
๐62 = โ 4 ,
๐25 = โ
๐61 = โ 4 ,
๐
5
๐63 = โ
๐โ3 , 4
๐54 = โ2, ๐64 = โ
๐โ5 , 4
๐35 = โ
๐โ2 , 4 ๐ 5
๐65 = โ
๐โ5 4
Semua nilai opportunity cost bernilai non negatif, artinya solusi fisibel pada Tabel 3.19 sudah optimal. d. ๐๐๐๐๐๐ข๐๐๐๐ โถ 1 4
(+๐12 + 4๐13 + 6๐14 + ๐๐15 + ๐21 + 7๐23 + 9๐24 + ๐๐25 +
4๐31 + 7๐32 + 4๐34 + ๐๐35 + 6๐41 + 9๐42 + 4๐43 + ๐๐45 + ๐๐61 + ๐๐62 + ๐๐63 + ๐๐64 + ๐๐65 ) ๐๐๐๐๐๐ ๐๐๐๐๐๐๐ โถ ๐11 + ๐12 + ๐13 + ๐14 + ๐15 + ๐16 = 98 ๐21 + ๐22 + ๐23 + ๐24 + ๐25 + ๐26 = 70 ๐31 + ๐32 + ๐33 + ๐34 + ๐35 + ๐36 = 58 ๐41 + ๐42 + ๐43 + ๐44 + ๐45 + ๐46 = 58 ๐51 + ๐52 + ๐53 + ๐54 + ๐55 + ๐56 = 64 ๐61 + ๐62 + ๐63 + ๐64 + ๐65 + ๐66 = 58 ๐11 + ๐21 + ๐31 + ๐41 + ๐51 + ๐61 = 58 ๐12 + ๐22 + ๐32 + ๐42 + ๐52 + ๐62 = 58 ๐13 + ๐23 + ๐33 + ๐43 + ๐53 + ๐63 = 78 ๐14 + ๐24 + ๐34 + ๐44 + ๐54 + ๐64 = 78 ๐15 + ๐25 + ๐35 + ๐45 + ๐55 + ๐65 = 58 ๐16 + ๐26 + ๐36 + ๐46 + ๐56 + ๐66 = 76 Permasalahan di atas digambarkan pada Tabel 3.20. Masalah transshipment tersebut diselesaikan menggunakan metode Least Cost dengan solusi fisibel awal seperti yang terlihat pada Tabel
64
3.21. Selanjutnya adalah memeriksa apakah solusi fisibel awal yang diperoleh pada Tabel 3.21 memang sudah optimal atau belum mengunakan metode MODI. Tabel 3.20 Ongkos Distribusi Bilangan Fuzzy ๐
๐
๐
๐
๐
๐
๐
๐
๐
๐
Keterse-
๐
๐
diaan ๐
๐
0
1 4
1
3 2
๐ 4
0
98
๐
๐
1 4
0
7 4
9 4
๐ 4
0
70
๐
๐
1
7 4
0
1
๐ 4
0
58
๐
๐
3 2
9 4
1
0
๐ 4
0
58
๐
๐
0
0
0
0
0
0
64
๐
๐
๐ 4
๐ 4
๐ 4
๐ 4
๐ 4
0
58
58
58
78
78
58
76
Permin -taan
Tabel 3.21 Solusi Fisbel Awal Bilangan Fuzzy ๐
๐
๐
๐
๐
๐
๐
๐
๐
๐
๐
๐
๐
Ketersediaan
๐
๐
58
0
๐ฅ12
1 4
14
1
20
3 2
๐ฅ15
๐ 4
6
0
98
๐ ๐
๐๐
๐ฅ21
1 4
58
0
๐ฅ23
7 4
๐ฅ24
9 4
๐ฅ25
๐ 4
12
0
70
๐
๐
๐ฅ31
1
๐ฅ32
7 4
58
0
๐ฅ34
1
๐ฅ35
๐ 4
๐ฅ36 0
58
๐
๐
๐ฅ41
3 2
๐ฅ42
9 4
๐ฅ43
1
58
0
๐ฅ45
๐ 4
๐ฅ46 0
58
๐
๐
๐ฅ51
0
๐ฅ52
0
6
0
๐ฅ54
0
58
0
๐ฅ56 0
64
๐
๐
๐ฅ61
๐ 4
๐ฅ62
๐ 4
๐ฅ63
๐ 4
๐ฅ64
๐ 4
๐ฅ65
๐ 4
58
58
Permintaan
58
58
78
78
58
76
0
65
Iterasi 1 Menentukan multiplier ๐ข๐ dan ๐ฃ๐ . Dari Tabel 3.21 diperoleh 11 variabel basis, yaitu ๐ฅ11 , ๐ฅ13 , ๐ฅ14 , ๐ฅ16 , ๐ฅ22 , ๐ฅ26 , ๐ฅ33 , ๐ฅ44 , ๐ฅ53 ,๐ฅ55 dan ๐ฅ66 . Sisanya non basis. Karena variabel basis terbanyak berada pada baris ke-1 maka
๐ข1
dimisalkan sebagai 0. Adapun Nilai multiplier yang diperoleh adalah sebagai berikut : ๐ข1 = 0,
๐ข2 = 0,
๐ข3 = โ1,
๐ฃ1 = 0,
๐ฃ2 = 0,
๐ฃ3 = 1,
3 ๐ข4 = โ2, ๐ข5 = โ1, 3
๐ฃ5 = 1,
๐ฃ4 = 2,
๐ข6 = 0 ๐ฃ6 = 0
Opportunity cost ๐๐๐ pada seluruh variabel non basis adalah sebagai berikut : 1
๐12 = โ4,
๐15 = โ
๐โ4 , 4
๐โ4 , 4
๐21 = โ4,
1
๐23 = โ4,
11
๐34 = โ2,
15
3
๐24 = โ4,
1
๐35 = โ 4 ,
๐31 = โ2,
๐32 = โ 4 ,
๐41 = โ3,
๐42 = โ 4 ,
๐43 = โ2,
๐46 = โ2,
3
๐51 = โ1,
๐52 = โ1,
๐54 = 2,
๐
๐62 = โ 4 ,
๐25 = โ
๐36 = โ1,
๐
๐61 = โ 4 ,
๐63 = โ
3
1
๐โ4 , 4
๐64 = โ
๐โ6 , 4
3
๐
๐45 = โ
๐+2 , 4
๐56 = โ1, ๐65 = โ
๐โ4 . 4
Terdapat opportunity cost yang non negatif, yaitu sel 54. Diperoleh + โ + โ ๐ฅ54 โ ๐ฅ53 โ ๐ฅ13 โ ๐ฅ14 .
loop
Realokasikan
sebanyak
โ โ) min (๐ฅ53 , ๐ฅ14 = min(6,20) = 6. Sehingga,
๐ฅ54 = 0 + 6 = 6 ๐ฅ53 = 6 โ 6 = 0
๐ฅ13 = 14 + 6 = 20 ๐ฅ14 = 20 โ 6 = 14
Variabel basisnya kini adalah ๐ฅ11 = 58, ๐ฅ13 = 20, ๐ฅ14 = 14, ๐ฅ16 = 6, ๐ฅ22 = 58, ๐ฅ26 = 12, ๐ฅ33 = 58, ๐ฅ44 = 58, ๐ฅ54 = 6, ๐ฅ55 = 58 dan ๐ฅ66 = 58. Iterasi 2 Variabel basis terbanyak dari hasil iterasi 1 berada pada baris ke-1, maka
๐ข1 dimisalkan sebagai 0. Dari sini bisa diperoleh nilai
multiplier yang lainnya (Lihat Tabel 3.22).
66
Tabel 3.22 Solusi Fisibel Iterasi 1 Least Cost, Bilangan Fuzzy ๐
๐
๐
๐
๐
๐
๐
๐
๐
๐
๐
๐๐
๐
๐
๐
๐
58
0
๐ฅ12
1 4
20
1 4
14
3 2
๐ฅ15
๐ 4
6
0
0
๐ ๐
๐๐
๐ฅ21
1 4
58
0
๐ฅ23
7 4
๐ฅ24
9 4
๐ฅ25
๐ 4
12
0
0
๐
๐
๐ฅ31
1
๐ฅ32
7 4
58
0
๐ฅ34
1
๐ฅ35
๐ 4
๐ฅ36
0
โ1
๐
๐
๐ฅ41
3 2
๐ฅ42
9 4
๐ฅ43
1
58
0
๐ฅ45
๐ 4
๐ฅ46
0
โ
๐
๐
๐ฅ51
0
๐ฅ52
0
๐ฅ53
0
6
0
58
0
๐ฅ56
0
โ1
๐
๐
๐ฅ61
๐ 4
๐ฅ62
๐ 4
๐ฅ63
๐ 4
๐ฅ64
๐ 4
๐ฅ65
๐ 4
58
0
0
๐๐
0
0
3 2
1
1
0
Nilai opportunity cost dari variabel non basisnya sebagai berikut : 1
๐12 = โ4, ๐25 = โ
๐โ6 , 4
๐36 = โ1,
๐15 = โ
๐โ6 , 4
1
๐23 = โ4,
3
๐32 = โ 4 ,
11
๐34 = โ2,
๐41 = โ3,
๐42 = โ 4 ,
15
๐43 = โ2,
3
๐45 = โ 4 ,
3
๐53 = โ2,
1
๐56 = โ2,
3
๐51 = โ2,
3
๐
๐62 = โ 4 ,
๐
๐52 = โ2, ๐63 = โ
๐โ4 , 4
1
3
๐24 = โ4,
๐31 = โ2,
๐46 = โ2, ๐61 = โ 4 ,
๐21 = โ4,
๐64 = โ
๐โ6 , 4
๐35 = โ
๐โ2 , 4 ๐ 3
๐65 = โ
๐โ6 . 4
Semua nilai opportunity cost bernilai non negatif, artinya solusi fisibel pada Tabel 3.22 sudah optimal. Selanjutnya adalah mengecek apakah variabel keputusan dari masingmasing bilangan fuzzy ๐, ๐, ๐, dan ๐ sudah memenuhi syarat : ๐๐๐ โ ๐๐๐ โฅ 0, ๐๐๐ โ ๐๐๐ โฅ 0, ๐๐๐ โ ๐๐๐ โฅ 0 Dari hasil perhitungan sebelumnya, seluruh variabel keputusan yang telah kita peroleh adalah seperti yang ditunjukkan Tabel 3.23.
3 2
67
Tabel 3.23 Seluruh Variabel Keputusan Pemrograman Linier Crisp ๐๐๐
Sel
๐๐๐
๐๐๐
๐
๐๐
๐๐๐ โ ๐๐๐
๐๐๐ โ ๐๐๐
๐
๐๐ โ ๐๐๐
11
16
30
44
58
14
14
14
13
6
8
10
20
2
2
10
14
4
10
12
14
6
2
2
16
0
2
8
6
2
6
-2
22
16
30
44
58
14
14
14
26
0
4
8
12
4
4
4
33
16
30
44
58
14
14
14
44
16
30
44
58
14
14
14
54
6
6
6
6
0
0
0
55
16
30
44
58
14
14
14
66
16
30
44
58
14
14
14
Variabel lain bernilai 0 Pada Tabel 3.23 terlihat bahwa ๐16 โ ๐16 = โ2, artinya sel 16 tidak memenuhi syarat bahwa ๐๐๐ โ ๐๐๐ haruslah bernilai non negatif. Oleh karena itu perlu dilakukan pemindahan beban untuk menambah beban pada ๐16 agar dapat memenuhi ๐๐๐ โ ๐๐๐ โฅ 0. Jadi, pada ๐16 sekurang-kurangnya harus diberi tambahan beban sebanyak 2 unit. Perlu dicari terlebih dahulu loop yang bisa memberikan beban tambahan ke ๐16 . Loop tersebut dapat dilihat pada Tabel 3.24. Semua nilai pemindahan beban dari loop pada Tabel 3.24 berharga positif. Itu artinya realokasi akan mengakibatkan kenaikan pada total ongkos distribusi. Oleh karena itu loop yang harus dipilih adalah loop dengan nilai pemindahan beban paling kecil agar kenaikan total ongkos distribusi seminimum mungkin. Jadi, loop yang terpilih adalah loop dengan variabel masuk ๐ฅ21 . Alokasikan sebanyak 2 unit ke dalam loop tersebut sehingga, ๐ฅ21 = 0 + 2 = 2 ๐ฅ11 = 58 โ 2 = 56
๐ฅ16 = 6 + 2 = 8 ๐ฅ26 = 12 โ 2 = 10
68
Tabel 3.24 Loop yang Memberikan Penambahan Beban pada ๐
๐๐ Variabel Masuk
Nilai Pemindahan Beban
Loop +1
+1
1 1 โ0+0โ0= 4 4
+7
+7
7 3 โ1+0โ0= 4 4
+7
9 3 3 โ +0โ0= 4 2 4
๐ฅ21
โ0 +0 โ0 ๐ฅ214 โ ๐ฅ11 โ ๐ฅ16 โ ๐ฅ26 โ ๐ฅ214
๐ฅ23
+0 โ0 โ1 ๐ฅ234 โ ๐ฅ13 โ ๐ฅ16 โ ๐ฅ26 โ ๐ฅ234
๐ฅ24
+0 โ0 ๐ฅ244 โ ๐ฅ142 โ ๐ฅ16 โ ๐ฅ26 โ ๐ฅ234
+9
โ3
+๐
โ3
โ0 +0 +0 ๐ฅ254 โ ๐ฅ55 โ ๐ฅ54 โ ๐ฅ142 โ ๐ฅ16
๐ฅ25
+๐ 4
โ0 โ ๐ฅ26 โ ๐ฅ25
๐ 3 ๐โ6 โ0+0โ +0โ0= 4 2 4
+๐
+๐
๐ ๐ โ0+0โ0= 4 4
+๐
+๐
๐ ๐โ4 โ1+0โ0= 4 4
+๐
๐ 3 ๐โ6 โ +0โ0= 4 2 4
๐ฅ61
โ0 +0 โ0 ๐ฅ614 โ ๐ฅ11 โ ๐ฅ16 โ ๐ฅ66 โ ๐ฅ614
๐ฅ63
+0 โ0 โ1 ๐ฅ634 โ ๐ฅ13 โ ๐ฅ16 โ ๐ฅ66 โ ๐ฅ634
๐ฅ64
+0 โ0 ๐ฅ644 โ ๐ฅ142 โ ๐ฅ16 โ ๐ฅ66 โ ๐ฅ644
+๐
โ3
Tabel 3.25 Variabel Keputusan Hasil Pengecekan ๐๐๐
Sel
๐๐๐
๐๐๐
๐
๐๐
๐๐๐ โ ๐๐๐
๐๐๐ โ ๐๐๐
๐
๐๐ โ ๐๐๐
11
16
30
44
56
14
14
12
13
6
8
10
20
2
2
10
14
4
10
12
14
6
2
2
16
0
2
8
8
2
6
0
21
0
0
0
2
0
0
2
22
16
30
44
58
14
14
14
26
0
4
8
10
4
4
2
33
16
30
44
58
14
14
14
44
16
30
44
58
14
14
14
54
6
6
6
6
0
0
0
55
16
30
44
58
14
14
14
66
16
30
44
58
14
14
14
Variabel lain bernilai 0
69
Langkah 5 Substitusikan variabel keputusan crisp yang diperoleh ke variabel fuzzy ๐ฅฬ๐๐ = (๐๐๐ , ๐๐๐ , ๐๐๐ , ๐๐๐ ) ๐ฅฬ11 = (16,30,44,56),
๐ฅฬ13 = (6,8,10,20),
๐ฅฬ14 = (4,10,12,14),
๐ฅฬ16 = (0,2,8,8),
๐ฅฬ21 = (0,0,0,2),
๐ฅฬ22 = (16,30,44,58),
๐ฅฬ26 = (0,4,8,10),
๐ฅฬ33 = (16,30,44,58),
๐ฅฬ44 = (16,30,44,58),
๐ฅฬ54 = (6,6,6,6),
๐ฅฬ55 = (16,30,44,58),
๐ฅฬ66 = (16,30,44,58).
Langkah 6 Menentukan total ongkos fuzzy minimum dengan mensubstitusikan nilai dari ๐+๐ ๐ฅฬ๐๐ ke โ๐+๐ ฬ๐๐ . ๐=1 โ๐=1 ๐ฬ๐๐ โจ ๐ฅ
๐ฬ11 โจ๐ฅฬ11
=
(0,0,0,0)โจ(16,30,44,56)
=
(0,0,0,0)
๐ฬ13 โจ๐ฅฬ13
=
(0,1,3,4)โจ(6,8,10,20)
=
(0,8,30,80)
๐ฬ14 โจ๐ฅฬ14
=
(2,3,5,6)โจ(4,10,12,14)
=
(8,30,60,84)
๐ฬ16 โจ๐ฅฬ16
=
(0,0,0,0)โจ(0,2,8,8)
=
(0,0,0,0)
๐ฬ21 โจ๐ฅฬ21
=
(1,1,1,1)โจ(0,0,0,2)
=
(0,0,0,2)
๐ฬ22 โจ๐ฅฬ22
=
(0,0,0,0)โจ(16,30,44,58)
=
(0,0,0,0)
๐ฬ26 โจ๐ฅฬ26
=
(0,0,0,0)โจ(0,4,8,10)
=
(0,0,0,0)
๐ฬ33 โจ๐ฅฬ33
=
(0,0,0,0)โจ(16,30,44,58)
=
(0,0,0,0)
๐ฬ44 โจ๐ฅฬ44
=
(0,0,0,0)โจ(16,30,44,58)
=
(0,0,0,0)
๐ฬ54 โจ๐ฅฬ54
=
(0,0,0,0)โจ(6,6,6,6)
=
(0,0,0,0)
๐ฬ55 โจ๐ฅฬ55
=
(0,0,0,0)โจ(16,30,44,58)
=
(0,0,0,0)
๐ฬ66 โจ๐ฅฬ66
=
(0,0,0,0)โจ(16,30,44,58)
=
(0,0,0,0) (8,38,90,166)
Dari hasil yang diperoleh, maka pengiriman yang terjadi antara lain : a. Dari ๐1 ke ๐ท1 dikirim sebanyak ๐ฅฬ13 = (6,8,10,20) b. Dari ๐2 ke ๐1 dikirim sebanyak ๐ฅฬ21 = (0,0,0,2) c. Dari ๐1 ke ๐ท2 dikirim sebanyak ๐ฅฬ14 = (4,10,12,14)
โจ
70
Dengan total ongkos pengiriman fuzzy sebesar (8,38,90,166). Dengan kata lain, total ongkos pengiriman minimum sebesar 8, maksimum 166, rata-rata ongkos pegiriman antara 38 dan 90.