Langkah-langkah Menyelesaikan Optimasi Produksi Padi di Kabupaten Temanggung tahun 2015

Gambar 3. Fungsi keanggotaan monoton Linear Naik             b x b x a a b a x a x x , 1 , ,  3. Linear Turun Gambar 4. Fungsi keanggotaan monoton Linear Turun             a x b x a a b a x b x x , 1 , , 

BAB III METODE PENELITIAN

3.1. Langkah-langkah Menyelesaikan Optimasi Produksi Padi di Kabupaten Temanggung tahun 2015

7 Berikut ini akan dipaparkan langkah penyelesaian model dengan pemrograman kuadratik. Data yang digunakan adalah sebagai berikut: Tabel 1. Data luas lahan, luas panen, dan jumlah produksi tanaman padi yang berada di Kabupaten Temanggung selama tahun 2015 . No Kecamatan Luas Lahan Ha Luas Panen Ha Produksi Ton 1 Parakan 802 557,4 4473.1 2 Kledung 638 496,5 3169.2 3 Bansari 361 481,4 1740.3 4 Bulu 257 573,9 1473.9 5 Temanggung 1321 528,4 6979.2 6 Tlogomulyo 555 537,3 2983.4 7 Tembarak 305 499 1523.2 8 Selopampang 576 581,8 3349.9 9 Kranggan 498 535,3 2664.9 10 Pringsurat 638 540,5 3445.5 11 Kaloran 490 632,9 3102.8 12 Kandangan 747 529 3950.4 13 Kedu 467 620 2893.8 14 Ngadirejo 1001 584,3 5846.3 15 Jumo 1135 510 5790.8 16 Gemawang 827 513 4244.4 17 Candiroto 397 460,1 1825.4 18 Bejen 926 537 4970.7 19 Tretep 217 595,4 1290.9 20 Wonoboyo 388 525,4 2040.1 Dengan menggunakan MATLAB kita akan menentukan nilai  melalui tahapan berikut : Tahap 1. Menulis tabel 1 pada file data1.dat 802 557.4 4473.1 638 496.5 3169.2 361 481.4 1740.3 257 573.9 1473.9 1321 528.4 6979.2 8 555 537.3 2983.4 305 499 1523.2 576 581.8 3349.9 498 535.3 2664.9 638 540.5 3445.5 490 632.9 3102.8 747 529 3950.4 467 620 2893.8 1001 584.3 5846.3 1135 510 5790.8 827 513 4244.4 397 460.1 1825.4 926 537 4970.7 217 595.4 1290.9 388 525.4 2040.1 Tahap 2. Membuat file untuk menghitung alfa dan beri nama tabel1alfa.m load data1.dat [m,n]=sizedata1; T=data1:,1; tanpa dimensi P=data1:,2; Sub=data1:,3; x=T.maxT; y=P.maxP; S=Sub.maxSub; a11 = sumx.4; a12 = sumx.2.y.2; a13 = sumx.3.y; a14 = sumx.3; a15 = sumx.2.y; a16 = sumx.2; a21 = a12; a22 = sumy.4; a23 = sumx.y.3; a24 = sumx.y.2; a25 = sumy.3; a26 = sumy.2; a31 = a13; a32 = a23; a33 = a12; a34 = a15; a35 = a24; a36 = sumx.y; a41 = a14; a42 = a24; a43 = a15; a44 = a16; a45 = a36; a46 = sumx; a51 = a15; a52 = a25; a53 = a24; a54 = a36; a55 = a26; a56 = sumy; a61 = a16; a62 = a26; a63 = a36; a64 = a46; a65 = a56; a66 = m; A = [a11 a12 a13 a14 a15 a16; a21 a22 a23 a24 a25 a26; 9 a31 a32 a33 a34 a35 a36; a41 a42 a43 a44 a45 a46; a51 a52 a53 a54 a55 a56; a61 a62 a63 a64 a65 a66] W = [sumx.2.S;sumy.2.S;sumx.y.S;sumx.S;sumy.S;sumS] V = invAW Sku = V1x.2+V2y.2+V3x.y+V4x+V5y+V6; figure1 plot1:m,S, ,1:m,Sku, o error = normS-SkunormS100 sudah dalam persen Tahap 3. Running program tabel1alfa.m dan diperoleh output sebagai berikut A = 2.7649 3.9856 3.1273 3.6920 4.6692 5.4913 3.9856 11.1851 5.9941 6.9515 12.8065 14.7604 3.1273 5.9941 3.9856 4.6692 6.9515 8.1045 3.6920 6.9515 4.6692 5.4913 8.1045 9.4974 4.6692 12.8065 6.9515 8.1045 14.7604 17.1253 5.4913 14.7604 8.1045 9.4974 17.1253 20.0000 W = 3.7462 7.1804 4.7744 5.5933 8.3274 9.7086 V = -0.0007 0.0069 1.1917 0.0060 -0.0109 0.0041 error = 10 2 4 6 8 10 12 14 16 18 20 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 0.0432 Gambar 2. Ilustrasi produksi dan pendekatannya o Diperoleh eror fungsi 0.0432. Error ini dianggap tidak terlalu besar, sehingga V sudah cukup baik untuk menyatakan data produksi dalam bentuk persamaan , 6 5 4 3 2 2 2 1               y x xy y x y x S Pada tahap sebelumnya telah diperoleh nilai  sebagai berikut 0041 . 0109 . 1 0060 . 1917 . 1 0069 . 0007 . 6 5 4 3 2 1               Sehingga didapat fungsi tujuan baru yaitu 0041 . 0109 . 006 . 1966 . 1 0069 . 007 . , 2 2         y x xy y x y x S 0041 . 0109 . 006 . 1966 . 1 0069 . 007 . , 2 2       y x xy y x y x S Dianggap fungsi tujuan sudah baik. Selanjutnya perlu dilakukan optimasi, yaitu meminimalkan , y x S dengan kendala max   x x ; x y  11 Kemudian perlu dicari solusi optimal sebagai berikut : Membentuk Pengali Langrange 1 0041 . 0109 . 006 . 1966 . 1 0069 . 007 . , , , , 2 1 2 2 2 1 2 1 y x x y x xy y x L x g y x f y x L i i i                     Dengan persyaratan Kuhn-Tucker 1.    x L 0.0014x-1.1966y-0.006+ 1  + 2  = 0 i 2.    y L -0.0138y-1.1966x-0.0109+ 2  = 0 ii 3. 1     L x-1= 0 iii 4. 2     L x-y= 0 iv Dari persamaan iii diperoleh : 1 1    x x Sehingga disubstitusikan ke persamaan iv diperoleh : 1 1      y y x y Setelah mendapat nilai x dan y kemudian substitusikan ke persamaan ii diperoleh : -0.0138-1.1966-0.0109+ 2  =0 2  =1.2213 Kemudian subtitusikan nilai x , y , dan 2  ke persamaan i diperoleh : 0.0014-1.1966-0.006+ 1  + 1.2213 = 0 1  =-0.0173 Sehingga 1  x , 1  y , 0.0173 1    , dan 1.2213 2   . Kemudian substitusikan pada 0041 . 0109 . 006 . 1966 . 1 0069 . 007 . 2 2       y x xy y x L 12 didapat 1957 . 1 ,   y x S .Nilai tersebut merupakan nilai minimum. Dalam program Matlab, akan dicari dugaan dan fval yang berbeda dengan cara Tahap 1. Program dengan MATLAB fungsi tujuan function S = objfunhx x=[x1 x2] S = 0.0007x12-0.0069x22-1.1966x1x2- 0.006x1+0.0109x2-0.0041; Tahap 2. Fungsi kendala function [c,ceq] = confunx c = []; ceq = [x1-1; x1-x2;]; Tahap 3. Menyusun program utama dan running program x0 = [1,1]; dugaan options = optimset LargeScale , off ; [x,fval] = fminconobjfunh,x0,[],[],[],[],[],[],confun,options Diperoleh keluaran sebagai berikut : x = 1 1 fval = -1.2020 Dan dapat dilihat bahwa fval yang dihasilkan adalah -1.2020. Karena fungsi tujuannya memaksimalkan maka produksi optimal dapat dicari deenngan cara –fval dikalikan dengan nilai maksimum produksi yaitu 1.2020 x 6969.2 = 8376.98 dengan begitu yang paling mendekati adalah produksi padi di Kecamatan Temanggung. Sehingga produksi padi maksimal berada di Kecamatan Temanggung.

3.2. Langkah-langkah Menyelesaikan Optimasi Produksi Padi