• Tidak ada hasil yang ditemukan

Kajian Tentang Metode Zero Suffix Menggunakan Teknik Robust Ranking Pada Masalah Transportasi Dengan Variabel Fuzzy

N/A
N/A
Protected

Academic year: 2017

Membagikan "Kajian Tentang Metode Zero Suffix Menggunakan Teknik Robust Ranking Pada Masalah Transportasi Dengan Variabel Fuzzy"

Copied!
1
0
0

Teks penuh

(1)

62

DAFTAR PUSTAKA

Adityawan, T dan Wahyuningsih, S. “Analisis Kinerja Metode Zero Suffix dalam

Menyelesaikan Masalah Transportasi Fuzzy dan Linier”, (2013),

Bazirzadeh, Hadi. “An Approach for Solving Fuzzy Transportation Problem”,

Applied Mathematical Sciences, (2011), Vol 5, No 32, Page 1549 – 1566.

Bu’ul ̈l ̈, F. 2016. Operasi Riset Program Linier. Medan : USU Press.

Fegade, M.R, Jadhav, V.A, Muley, A.A. “Finding an Optimal Solution of Transportation Problem Using Interval and Triangular Membership Function”, European Journal of Scientific Research, (2011), Vol 60, No 3,

Page 415-421.

Fegade, M.R, Jadhav, V.A, Muley, A.A. “Solving Fuzzy Transportation Problem Using Zero Suffix and Robust Ranking Methodology”, IOSR Journal of

Engineering and Science, (2012), Vol 2, Page 36 – 39.

Jayaraman, P, Jahirhxussian, R. “Fuzzy Optimal Transportation Problems by Improved Zero Suffix Method via Robust Ranking Techniques”,

International Journal of Fuzzy Mathematics and Systems, (2013), Vol 3, No 4, Page 303 – 311.

Luenberger,D.G. 1984. Linear and Nonlinear Programming . Stanford : Addision

– Wesley Publishing Company.

P, Pandian and Natarajan, G. “A New Method for Finding an Optimal Solution of Fully Interval Integer Transportation Problem”, Applied Mathematical Science, (2010),Vol 04, No 37, Page 1819 – 1830.

P, Suyadi. 2005. Riset Operasi dan Ekonofisika. Jakarta : Bumi Aksara.

S, Parlin. 1997. Program Linier. Jakarta : Penerbit Universitas Trisakti.

Setiadji. 2009. Himpunan dan Logika Samar serta Aplikasinya. Yogyakarta : Graha Ilmu.

Widodo, Sri. T. 2005. Sistem Neuro Fuzzy untuk Pengolahan Informasi Pemodelan dan Kendali. Yoogyakarta : Graha Ilmu.

Zadeh, L.A. “Fuzzy sets, Information and Control”, (1965), Vol 8, Page 338 –

353.

Zimmermann, H.J. “Fuzzy sets theory and It’s Application”, Kluwer – Nijhoff, Boston.

Referensi

Dokumen terkait

Cara pengerjaan yang pertama yaitu terlebih dahulu mengkonversikan biaya transportasi, jumlah permintaan dan persediaan yang berbentuk bilangan fuzzy kedalam bilangan

Untuk mencari solusi optimal dari masalah transportasi fuzzy, maka berdasarkan teorema 4 dan teorema 5 dapat diselesaikan menggunakan algoritma transportasi fuzzyyaitu

Dengan pembuatan pemodelan dan simulaasi kendali suhu ruangan menggunakan fuzzy dapat digunakan untuk mengangalisa sistem sebelum di terapkan ke dunia nyata, ini

Berdasarkan hasil simulasi dan pengujian, maka dapat diambil kesimpulan bahwa pemodelan sistem berbasis pada neuro fuzzy dengan 3 masukan, 1 keluaran serta model dinamika

Bentuk pemodelan terbaik dari metode Adaptive Neuro Fuzzy Inference System (ANFIS) untuk peramalan nilai setting rele jarak pada sistem SUTT 150 kV GI Kapal – GI

Pada simulasi uji perbandingan PID dan neuro fuzzy menunjukkan respon sistem neuro fuzzy pada detik ke 8, settling time dan set point terkendali pada keluaran

Pada simulasi uji perbandingan tiga pengendali, tanpa kendali, PID dan neuro fuzzy menunjukkan pada pengendali neuro fuzzy, respon sistem pada detik ke 8, settling

Sistem kendali adaptif neuro fuzzy PID mempunyai performa yang lebih baik daripada kendali PID maupun kendali fuzzy PID dilihat dari settling time dan persentase overshoot maksimum,