PEMODELAN MATEMATIKA DAN PENYELESAIANNYA MENGGUNAKAN STOCHASTIC GOAL
PROGRAMMING: STUDI KASUS PADA PEMAKAIAN
BAHAN BAKAR DI PLTGU PT PJB UP GRESIK
Rina Puspitaningrum (1207100052)
Dosen Pembimbing:
Salah satu penghasil listrik di Pulau Jawa dan Bali
adalah PT PJB UP Gresik, dengan PLTGU sebagai salah satu unitnya.
Kendala utama yang sering dihadapi perusahaan tersebut adalah masalah ketersediaan bahan bakar gas.
PLTGU menggunakan dua jenis bahan bakar: - Gas (BB utama)
BB Gas:
- Ketakteraturan pasokan
- Harga relatif murah
BB Minyak HSD:
- Bahan bakar cadangan pengganti gas
- Harga relatif mahal Bagaimana komposisi kedua BB tersebut?
Biaya produksi minimum
Pemenuhan beban maksimum
Dalam Tugas Akhir ini, yang digunakan untuk
memodelkan masalah tersebut adalah Stochastic
Goal Programming.
Masalah yang dibahas berkaitan dengan
ketidakpastian (variabel random), sehingga tidak bisa diselesaikan dengan Goal Programming biasa atau
Penelitian sebelumnya untuk masalah ketidakpastian
- Chance contrained programming (CCP)
Kurang pas diterapkan pada masalah ketidakpastian dengan kasus-kasus yang rumit. (Bravo dan Gonzales,
2009)
- Fuzzy goal programming (FGP)
Sulit mengestimasi membership function & terlalu banyak cara untuk menginterpretasi aturan-aturan
SGP sangat cocok untuk memodelkan
tujuan-tujuan yang saling bertentangan (Munoz & Ruiz, 2009; Ben Abdelaziz et al., 2007).
Proses perhitungannya tidak memerlukan
kalkulasi yang rumit karena masalah stokastik yang ada telah direduksi ke dalam bentuk
kuadratik dengan kendala-kendala linear (Ballestero, 2001).
Bagaimana memodelkan masalah bahan bakar di PLTGU sehingga bisa mengoptimumkan komposisi penggunaan minyak HSD dan gas dengan biaya
produksi yang minimum, permintaan beban konsumen yang terpenuhi secara maksimum, dan keuntungan
yang maksimum.
Bagaimana menyelesaikan model yang telah didapatkan dengan menggunakan metode stochastic goal
Data yang digunakan meliputi laporan pemakaian harian bahan bakar minyak HSD dan gas pada unit
PLTGU, produksi beban, permintaan beban konsumen, harga bahan bakar, biaya produksi, serta harga jual
beban dari bulan Januari-Juni 2010.
Pembobotan yang digunakan dalam Tugas Akhir ini adalah pembobotan dengan koefisien Absolute Risk
Memodelkan masalah bahan bakar di PLTGU sehingga bisa mengoptimumkan komposisi penggunaan minyak HSD dan gas dengan biaya produksi yang minimum, permintaan beban konsumen yang terpenuhi secara maksimum, dan keuntungan yang maksimum.
Menyelesaikan model yang telah didapatkan dengan menggunakan metode stochastic goal programming.
Dapat memberikan kontribusi pada matematika khususnya studi tentang pemodelan multi-tujuan dengan ketidakpastian data.
Mampu dipakai sebagai acuan bagi perusahaan guna menentukan komposisi bahan bakar paling efektif
pada proses produksi listrik di PLTGU.
TINJAUAN
PUSTAKA
Ballestero (2001) memformulasikan tujuan SGP sebagai berikut: 𝑔𝑗 = 𝜉𝑖𝑗 𝑥𝑖 , 𝑗 = 1,2, … 𝑛, 𝑚 𝑖=1 (2.1)
dengan gj adalah fungsi tujuan ke-j, xi adalah variabel keputusan ke-i, dan
ij adalah variabelrandom dari fungsi tujuan ke-j dan variabel keputusan ke-i
Data yang digunakan tidak pasti pembuatan modelnya membutuhkan ekspektasi stokastik
Dihubungkan dengan fungsi tujuan pada (2.1), menjadi: (2.2) 𝐸𝑢 𝜉𝑗𝑖 𝑥𝑖 𝑚 𝑖=1 , 𝑗 = 1,2, … 𝑛
Fungsi tujuan dengan permasalahan stokastik tersebut didefinisikan sebagai fungsi kegunaan:
Salah satu perhitungan risk aversion adalah koefisien
Absolute Risk Aversion (ARA), yaitu:
𝑅𝐴𝑗 = − 𝑢𝑗′′ 𝑔𝑗 𝑢𝑗′ 𝑔𝑗 (2.3) Perumusan Exponential Utility dari ARA diberikan oleh:
dengan
adalah konstanta positif yangmerepresentasikan derajat ARA (Levy, 2006).
(Ballestero, 2001)
(2.5)
dengan X adalah vektor baris dari variabel keputusan dan XT adalah matriks transpos dari X.
V adalah matriks variabilitas yang didapat dari
penjumlahan matriks kovarians Vj.
dengan
j adalah bobot preferensi dari pembuatkeputusan dan RAj adalah koefisien ARA (Bravo & Gonzalez, 2009).
𝑉 = 𝑤
𝑗𝑉
𝑗 𝑛 𝑗 =1= 𝛼
𝑗𝑅
𝐴𝑗𝑉
𝑗 𝑛 𝑗 =1 (2.7)a dan b menunjukkan posisi bahan bakar pada
baris ke-a dan kolom ke-b dalam matriks. Sehingga didapatkan matriks kovarians Vj :
𝑉𝑗 = 𝑐𝑜𝑣 𝜉𝑗1, 𝜉𝑗1 𝑐𝑜𝑣 𝜉𝑗1, 𝜉𝑗2 … 𝑐𝑜𝑣 𝜉𝑗1, 𝑛 𝑐𝑜𝑣 𝜉𝑗2, 𝜉𝑗1 𝑐𝑜𝑣 𝜉𝑗2, 𝜉𝑗2 … 𝑐𝑜𝑣 𝜉𝑗2, 𝜉𝑗𝑛 ⋮ 𝑐𝑜𝑣 𝜉𝑗𝑛 , 𝜉𝑗1 ⋮ 𝑐𝑜𝑣 𝜉𝑗𝑛 , 𝜉𝑗1 …⋱ ⋮ 𝑐𝑜𝑣 𝜉𝑗𝑛 , 𝜉𝑗𝑛 (2.8)
𝑐𝑜𝑣 𝜉
𝑗𝑎, 𝜉
𝑗𝑏= 𝐸 𝜉
𝑗𝑎. 𝜉
𝑗𝑏− 𝐸 𝜉
𝑗𝑎. 𝐸 𝜉
𝑗𝑏Matriks Hessian adalah matriks kuadrat dari
turunan kedua parsial dari suatu fungsi (Binmore & Davies, 2007). 𝐻 𝑓 = 𝜕2𝑓 𝜕𝑥12 𝜕2𝑓 𝜕𝑥1𝜕𝑥2 … 𝜕2𝑓 𝜕𝑥1𝜕𝑥𝑛 𝜕2𝑓 𝜕𝑥2𝜕𝑥1 𝜕2𝑓 𝜕𝑥22 … 𝜕2𝑓 𝜕𝑥2𝜕𝑥𝑛 ⋮ 𝜕2𝑓 𝜕𝑥𝑛𝜕𝑥1 ⋮ 𝜕2𝑓 𝜕𝑥𝑛𝜕𝑥2 ⋱ … ⋮ 𝜕2𝑓 𝜕𝑥𝑛2 (2.9)
METODOLOGI
PENELITIAN
a. Identifikasi Permasalahan
b. Studi Literatur
Mengobservasi permasalahan mendasar yang sering dialami oleh PT PJB.
Mempelajari teori dasar, yaitu SGP dan
1. Data harga bahan bakar minyak HSD dan gas bulan Januari-Juni 2010
2. Data biaya produksi beban bulan Januari-Juni 2010
3. Data pemakaian bahan bakar minyak HSD dan gas bulan Januari-Juni 2010
4. Data produksi beban pada masing-masing unit dengan minyak HSD dan gas bulan Januari-Juni 2010
5. Data permintaan beban pada masing-masing unit bulan Januari-Juni 2010
6. Data harga jual beban masing-masing unit dengan minyak HSD dan gas bulan Januari-Juni 2010
a. Mendefinisikan Fungsi Tujuan
Masalah yang ada dianalisa, dan didefinisikan ke dalam bentuk matematis.
b. Menganalisa Konstanta
Nilai konstantanya, seperti kapasitas total, dead
stock, dan kapasitas efektif digunakan sebagai
nilai ruas kanan dari kendala tambahan.
c. Merumuskan Fungsi Kendala
Menjadikan variabel random sebagai nilai ruas kanan dari kendala tujuan dan konstanta
sebagai nilai ruas kanan dari kendala tambahan.
a. Menentukan Bobot
Pembobotannya menggunakan koefisien ARA dan preferensi dari pembuat keputusan.
e. Menghitung Matriks Kovarians
c. Memformulasikan Model Mean-Varians
Semua fungsi kendala yang telah dirumuskan dihubungkan dengan minimisasi XVXT
sehingga didapatkan formulasi lengkap dari SGP.
Setelah proses memodelkan selesai, akan
dilakukan perhitungan model dengan quadprog, yaitu salah satu fitur dari Matlab.
ANALISA DAN
PEMBAHASAN
Kelangkaan BBG sebagai Bahan Bakar Utama Produksi Listrik di PLTGU
Penggunaan BBM sebagai
Alternatif Bahan Bakar Cadangan Perpaduan Kedua Jenis Bahan
Bakar untuk Produksi Listrik yang Optimal
UNIT KAPASITAS TANGKI (liter) DEAD STOCK (liter) KAPASITAS EFEKTIF (liter) 1 2 3 4=2-3 PLTGU / HSD Receiving Tank 1 20,000,000 1,037,494 18,962,506 2 20,000,000 1,025,818 18,974,182 Storage Tank 1 20,000,000 2,725,274 17,274,726 2 20,000,000 2,708,964 17,291,036 TOTAL 80,000,000 7,497,550 72,502,450
Konsumsi per hari pada 100% load: 3,200,000 liter
dengan
xi : variabel keputusan dari bahan bakar i
ξij : nilai variabel random dari fungsi tujuan ke-j dan
jenis bahan bakar i
Berdasarkan persamaan (2.2), didapatkan:
𝐸𝑢 𝜉
𝑗𝑖𝑥
𝑖2
𝑖=1
Variabel Keterangan
𝑥1 Jumlah pemakaian bahan bakar minyak HSD (dalam Kcal)
𝑥2 Jumlah pemakaian bahan bakar gas (dalam Kcal)
Fungsi tujuan pertama:
meminimumkan biaya produksi 𝐸𝑢 𝜉1𝑖𝑥𝑖
2 𝑖=1
Fungsi tujuan kedua:
memaksimumkan pemenuhan permintaan beban konsumen
𝐸𝑢 𝜉2𝑖𝑥𝑖
2
𝑖=1
Fungsi tujuan ketiga:
memaksimumkan keuntungan 𝐸𝑢 𝜉3𝑖𝑥𝑖
2 𝑖=1
Fungsi Tujuan Variabel
Random Keterangan
Fungsi Tujuan Pertama
𝜉11 variabel random dari harga bahan bakar minyak HSD
𝜉12 variabel random dari harga bahan bakar gas
Fungsi Tujuan Kedua
𝜉21 variabel random dari produksi beban per pemakaian bahan bakar minyak HSD
𝜉22 variabel random dari produksi beban per pemakaian bahan bakar gas
Fungsi Tujuan Ketiga
𝜉31
variabel random dari harga jual beban yang menggunakan bahan bakar minyak HSD
𝜉32
variabel random dari harga jual beban yang menggunakan bahan bakar gas
Fungsi tujuan gj berubah menjadi kendala tujuan:
Biaya produksi
𝜉
11𝑥
1+ 𝜉
12𝑥
2≤ 𝑡
1Pemenuhan
beban
𝜉
21𝑥
1+ 𝜉
22𝑥
2≥ 𝑡
2Target Keterangan
𝑡1 Nilai harapan dari biaya produksi 𝑡2 Nilai harapan dari permintaan beban
konsumen
Biaya produksi memiliki prinsip
“the more
the worse”
sehingga berdasarkan
persamaan (2.6), kendala tujuan pertama
harus diubah menjadi:
dengan g10 : biaya produksi tertinggi yang
didapatkan dari data
Kendala
Tujuan Data dan Nilai Mean
BBM
(𝒊 = 𝟏) (𝒊 = 𝟐) BBG Kendala
Tujuan Pertama
Harga Panas Bahan
Bakar (Rp/Kcal) 𝜉1𝑖 0.65557736 0.10440393 Biaya Produksi (1010 Rp) 𝑡1 0.83627167 𝑔10 2.14736133 Kendala Tujuan Kedua Produksi Beban/Pemakaian Bahan Bakar (KWh/Kcal) 𝜉2𝑖 0.00047397 0.00061699 Permintaan Beban (1010 KWh) 𝑡2 0.00253416 𝑔20 - Kendala Tujuan Ketiga
Harga Jual Beban
(Rp/KWh) 𝜉3𝑖 2.80315810 0.31226562 Biaya Produksi
(1010 Rp)
𝑡3 0.83627167
Kapasitas tangki 80,000,000 liter
Dead stock 7,491,550 liter
Kapasitas efektif
kapasitas tangki - deadstock (72,502,450 liter)
(66.45871827 Kcal)
1. Kendala tujuan pertama
2.14736133 − 0.65557736 𝑥1 + 0.10440393 𝑥2 ≥ 0.83627167
0.65557736 𝑥1 + 0.10440393 𝑥2 ≤ 1.31108966
(dalam 1010 rupiah)
2. Kendala tujuan kedua
0.00047397 𝑥1 + 0.00061699 𝑥2 ≥ 0.00253416
(dalam 1010 KWh)
3. Kendala tujuan ketiga
2.80315810 𝑥1 + 0.31226562 𝑥2 ≥ 0.83627167
4. Kendala pemakaian bahan bakar minyak Pemakaian bahan bakar minyak tidak
diperbolehkan melebihi kapasitas efektif.
𝑥1 ≤ 66.45871827
(dalam 1010 Kcal)
5. Kendala pemakaian bahan bakar
Pemakaian bahan bakar diharapkan tidak akan
melebihi expected value dari pemakaian bahan bakar total.
(dalam 1010 Kcal)
6. Kendala pemakaian bahan bakar minyak
Pemakaian bahan bakar minyak yang ideal adalah tidak akan melebihi konsumsi HSD maks.
𝑥1 ≤ 2.93325120
(dalam 1010 Kcal)
7. Kondisi taknegatif dari tiap-tiap variabel.
1. Fungsi tujuan pertama
Berdasarkan (2.3) dan (2.4), didapatkan koef. ARA dari:
𝑢 𝑥2 = 1 − 𝑒− 0.65557736 𝑥1+0.10440393 𝑥2
𝑢 𝑥2 = 0.10440393𝑒− 0.65557736 𝑥1+0.10440393 𝑥2
𝑢 𝑥2 = −0.04107111𝑒− 0.655577 36 𝑥1+0.10440393 𝑥2
𝑅𝐴1 = −𝑢′ ′ 𝑥2
𝑢′ 𝑥2 = 0.10440393
Dengan cara yang sama diperoleh: 2. Fungsi tujuan kedua
3. Fungsi tujuan ketiga
𝑅𝐴2 = − 𝑢′ ′ 𝑥2
𝑢′ 𝑥2 = 0.00061699
𝑅𝐴3 = − 𝑢′′ 𝑥2
Ketiga fungsi tujuan mendapatkan prioritas kepentingan yang sama, preferensi atau
pembobotannya seimbang, yaitu j = 1/3 = 0.33333333.
Sehingga, perhitungan wj adalah:
𝑤1 = 𝛼1 × 𝑅𝐴1 = 0.33333333 × 0.10440393 = 0.03480131 𝑤2 = 𝛼2 × 𝑅𝐴2 = 0.33333333 × 0.00061699 = 0.00020566 𝑤3 = 𝛼3 × 𝑅𝐴3 = 0.33333333 × 0.31226562 = 0.10408854
1. Matriks kovarian V1
Sesuai persamaan (2.8), didapatkan:
𝑐𝑜𝑣 𝜉11, 𝜉11 = 𝐸 𝜉112 − 𝐸(𝜉11)2 = 0.43131349 − 0.65557736 2 = 0.00153182 𝑐𝑜𝑣 𝜉12, 𝜉12 = 𝐸 𝜉122 − 𝐸 𝜉12 2 = 0.08703000 − 0.10440393 2 = 0.07612982 𝑐𝑜𝑣 𝜉11, 𝜉12 = 𝐸 𝜉11. 𝜉12 − 𝐸 𝜉11 . 𝐸 𝜉12 = 0.06820033 − 0.65557736 × 0.10440393 = −0.00024452 𝑐𝑜𝑣 𝜉12, 𝜉11 = 𝑐𝑜𝑣 𝜉11, 𝜉12 = −0.00024452
𝑉1 = 0.00153182 −0.00024452 −0.00024452 0.04595889
Dengan cara yang sama diperoleh: 2. Matriks kovarians V2 𝑉2 = 0.00000089 0.00000002 0.00000002 0.00000069 𝑉3 = 0.07433117 −0.00183805 −0.00183805 0.00106235 3. Matriks kovarians V3
Sehingga berdasarkan persamaan (2.7) diperoleh:
𝑉 = 𝑤1𝑉1 + 𝑤2𝑉2 + 𝑤3𝑉3
= 0.00779033 −0.00019983
𝑋𝑉𝑋𝑇 = 𝑥1 𝑥2 0.00779033 −0.00019983
−0.00019983 0.00171001 𝑥1 𝑥2 𝑇
Sehingga formulasi SGP lengkap dari pemakaian bahan bakar di PLTGU: min 0.00779033 𝑥12 − 0.00039966 𝑥1𝑥2 + 0.00171001 𝑥22 dengan kendala 0.65557736 𝑥1 + 0.10440393 𝑥2 ≤ 1.31108966 (dalam 1010 Rupiah) 0.00047397 𝑥1 + 0.00061699 𝑥2 ≥ 0.00253416 (dalam 1010 KWh) 2.80315810 𝑥1 + 0.31226562 𝑥2 ≥ 0.83627167 (dalam 1010 Rupiah) 𝑥1 + 𝑥2 ≤ 5.38088742 (dalam 1010 Kcal) 𝑥1 ≤ 2.93325120 (dalam 1010 Kcal) 𝑥1, 𝑥2 ≥ 0
𝐻 = 0.00818999 −0.00039966 −0.00039966 0.00342002
dengan H adalah matriks Hessian dari XVXT
dan
𝑄 = 0 0
mewakili bentuk linear dari XVXT.
Agar bisa dihitung dengan Matlab, persamaan kuadrat
pada min XVXT harus diubah ke dalam notasi matriks
. Sehingga sesuai persamaan (2.9) didapatkan: f x x XHXT XQ
2 1 ) , ( 1 2
Dari Matlab diketahui bahwa hasil dari perhitungan adalah: 𝑥1 = 1.1488. 1010 = 11,488,000,000 (dalam Kcal) 𝑥2 = 3.2248.1010 = 32,248,000,000 (dalam Kcal)
Dimasukkan ke dalam masing-masing fungsi kendala didapat:
- Kendala pemakaian bahan bakar total
𝑥1 = 1.1488 . 1010 dan 𝑥2 = 3.2248 . 1010 dimasukkan
ke dalam persamaan 4.13, sehingga
Pemakaian BB total = 1.1488 . 1010 + 3.2248 . 1010
= 4.3736. 1010
= 43,736,000,000 (dalam Kcal)
- Kendala pemakaian bahan bakar minyak
Pemakaian BB minyak = 1.1488. 1010
- Kendala tujuan pertama:
𝑥1 = 1.1488 . 1010 dan 𝑥2 = 3.2248 . 1010 dimasukkan ke dalam persamaan 4.9, sehingga
Biaya produksi = 0.75312727. 1010 + 0.33668179. 1010
= 1.08980906 . 1010
= 10,898,090,600 (dalam Rupiah) - Kendala tujuan kedua:
𝑥1 = 1.1488 . 1010 dan 𝑥
2 = 3.2248 . 1010 dimasukkan ke
dalam persamaan 4.10, sehingga
Pemenuhan beban = 0.00054450. 1010 + 0.00198967. 1010 = 0.00253417. 1010
= 25,341,700 (dalam KWh) - Kendala tujuan ketiga:
𝑥1 = 1.1488 . 1010 dan 𝑥2 = 3.2248 . 1010 dimasukkan ke dalam persamaan 4.11, sehingga
Keuntungan = 3.21802550. 1010 + 1.00699417. 1010 = 4.2501967. 1010
Kendala Target/Batasan Hasil Pemakaian Bahan Bakar Total 53,808,874,200 43,736,000,000 Pemakaian Bahan Bakar Minyak 29,332,512,000 11,488,000,000 Kendala Tujuan Pertama 13,110,896,600 10,898,090,600 Kendala Tujuan Kedua 25,341,600 25,341,700 Kendala Tujuan Ketiga 8,362,716,700 42,501,967,000
KESIMPULAN DAN
SARAN
Didapatkan pemodelan SGP sebagai berikut: min 0.00779033 𝑥12 − −0.00039966 𝑥 1𝑥2 + 0.00171001 𝑥22 dengan kendala 0.65557736 𝑥1 + 0.10440393 𝑥2 ≤ 1.31108966 (dalam 1010 Rupiah) 0.00047397 𝑥1 + 0.00061699 𝑥2 ≥ 0.00253416 (dalam 1010 KWh) 2.80315810 𝑥1 + 0.31226562 𝑥2 ≥ 0.83627167 (dalam 1010 Rupiah) 𝑥1 + 𝑥2 ≤ 5.38088742 (dalam 1010 Kcal) 𝑥1 ≤ 2.93325120 (dalam 1010 Kcal) 𝑥1, 𝑥2 ≥ 0
Dari hasil pemodelan tersebut, didapatkan perhitungan-perhitungan, antara lain:
1. Pada kendala pemakaian bahan bakar, selisih nilai sebesar 10,072,874,200 menunjukkan bahwa hasil dari pemodelan SGP telah menghasilkan
penghematan bahan bakar total sebesar 18.72%.
2. Pada kendala pemakaian minyak, selisih nilai sebesar 17,844,512,000 menunjukkan bahwa hasil dari
pemodelan SGP telah menghasilkan penghematan bahan bakar minyak sebesar 60.84%.
3. Kendala tujuan pertama
Selisih nilai sebesar 2,212,806,000 menunjukkan bahwa hasil dari pemodelan SGP telah menghasilkan penurunan biaya produksi sebesar 16.88%.
4. Kendala tujuan kedua
Selisih nilai yang hanya sebesar 100 menunjukkan bahwa hasil dari pemodelan SGP telah memenuhi permintaan beban konsumen secara optimum, yaitu sebesar
100.0004%.
5. Kendala tujuan ketiga
Selisih nilai sebesar 34,139,250,300 menunjukkan bahwa hasil dari pemodelan SGP telah menghasilkan
1. Pada pemodelan ini, hanya digunakan tiga fungsi tujuan dengan beberapa kendala tambahan. Dengan melakukan analisa lebih dalam, diharapkan praktikan selanjutnya akan mampu mememukan faktor-faktor lain yang mempengaruhi proses produksi tersebut, sehingga pemodelan berjalan
dengan lebih baik dan akurat.
2. Pada Tugas Akhir ini penulis hanya menggunakan dua jenis pembobotan yaitu pembobotan ARA dan preferensi dari
pembuat keputusan. Sangat diharapkan praktikan berikutnya mampu mengaplikasikan pembobotan lain yang lebih akurat namun sederhana.
Bagian Bahan Bakar PLTGU, 2010. Laporan Harian Pemakaian
Bahan Bakar PLTGU. Gresik: PT PJB UP Gresik.
Ballestero, E., 2001. Stochastic goal programming: A
mean-variance approach. European Journal of Operational Research, 131, 476-481.
Ben Abdelaziz, F., Aoni, B. & El Fayedh, R., 2007. Multi-objective stochastic programming for portfolio selection. European Journal
of Operational Research, 177, 1811–1823.
Binmore, K. & Davies, J., 2007. Calculus Concepts and Methods. Cambridge: Cambridge University Press.
Bravo, M. & Gonzales, I., 2009. Applying stochastic goal
programming: A case study on water use planning. European
Journal of Operational Research, 196, 1123-1129.
Levy, H., 2006. Stochastic Dominance: Investment Decision
Making under Uncertainty. New York: Springer.
Munoz, M. M. & Ruiz, F., 2009. ITSMO: An interval reference point-based method for stochastic multiobjective.
Russell, S. & Norvig, P., 2006. Fuzzy Sets and Fuzzy Logic,
Chapter 14.7. Diakses dari www.cs.uiowa.org tanggal 29 Mei 2011.