PENERAPAN FUZZY ANALYTIC HIERARCHY PROCESS DALAM METODE MULTI ATTRIBUTE FAILURE MODE ANALYSIS UNTUK MENGIDENTIFIKASI PENYEBAB KEGAGALAN POTENSIAL PADA PROSES PRODUKSI

Hetharia, Dorina (2009) PENERAPAN FUZZY ANALYTIC HIERARCHY PROCESS DALAM METODE MULTI ATTRIBUTE FAILURE MODE ANALYSIS UNTUK MENGIDENTIFIKASI PENYEBAB KEGAGALAN POTENSIAL PADA PROSES PRODUKSI. J@TI UNDIP, IV (2). pp. 106-113. ISSN 1907 - 1434

[img]
Preview
PDF
103Kb

Abstract

Abstrak Banyak metode dalam Total Quality Management (TQM) yang dapat digunakan untuk melakukan perbaikan kualitas produk dan jasa. Salah satunya adalah Multi Attribute Failure Mode Analysis (MAFMA), yang dapat digunakan untuk mengeliminasi atau mengurangi kemungkinan terjadinya kegagalan bila dilihat dari faktor penyebabnya, sehingga dapat mencegah terulang kembali kegagalan tersebut. MAFMA merupakan pengembangan dari Failure Mode and Effect Analysis (FMEA), yang mengintegrasikan atribut severity, occurance, dan detectability dengan aspek ekonomi yakni expected cost. Pada FMEA, penentuan penyebab kegagalan potensial suatu produk dilakukan dengan memberikan nilai (score) pada atribut severity, occurance, dan detectability, yang dilanjutkan dengan menghitung nilai Risk Priority Number (RPN) tertinggi. Sedangkan pada MAFMA, penentuan penyebab kegagalan potensial dilakukan dengan pemberian bobot pada ke-empat atribut. Pemberian bobot tersebut menggunakan Analytic Hierarchy Process (AHP) dengan logika fuzy. Atribut severity, occurance, detectability dan expected cost pada MAFMA dimasukkan sebagai level kriteria dalam struktur hirarkhi AHP, sedangkan penyebab-penyebab kegagalan akan menjadi level alternatif pada struktur hirarkhi tersebut. Studi kasus pada PT Pelita Cengkareng Paper & Co. menunjukkan bahwa bobot kriteria severity sebesar 0.3461, kriteria occurance sebesar 0.0848, kriteria detectability sebesar 0.1741 dan kriteria expected cost sebesar 0.3950.Sedangkan penyebab kegagalan potensial adalah penggumpalan chemical dengan bobot tertinggi sebesar 0.210. Kata kunci: AHP, logika fuzzy, MAFMA Abstract There are several methods of Total Quality Management (TQM) that can be used to improve quality of product and service. One of those is Multi Attribute Failure Mode Analysis (MAFMA), which can be used to eliminate or minimize the failure probability based on its causal factor, so we can prevent the same failure in the future. MAFMA is development of Failure Mode and Effect Analysis (FMEA) that integrates severity attribute, occurrence, and detect ability with expected cost as financial aspect. In FMEA, determination of potential failure causal factor is done by giving weight to four attributes. Giving weight is using Analytic Hierarchy Process (AHP) with fuzzy logic. Severity, occurrence, detect ability, and expected cost in MAFMA as criteria level in AHP hierarchy structure, whereas the failure causes as alternative level in that hierarchy structure. In case study at PT Pelita Cengkareng Paper & Co. shows that weight for severity criteria is 0.3461, occurrence is 0.0848, detect ability is 0.1741, and expected cost is 0.3950. The potential failure cause is chemical agglutination in weight 0.210. Keywords : AHP, fuzzy logic, MAFMA PENDAHULUAN Spesifikasi suatu produk pada perusahaan manufaktur dapat berupa dimensi suatu part, selang waktu antar perbaikan, dan tingkat performansi lainnya merupakan harapan pelanggannya. Spesifikasi jasa yang dihasilkan perusahaan jasa berupa tangible output, seperti on-time-delivery, response-time dan lainnya yang diharapkan oleh pelanggan juga perlu dipenuhi (Krajewski, 2002). Pemenuhan harapan pelanggan akan kualitas yang memenuhi spesifikasi produk atau jasa akan berdampak kepada tujuan perusahaan, yakni profit bagi perusahaan tersebut. Hal ini juga perlu diperhatikan, karena bila pemenuhan ekspektasi pelanggan tidak dilakukan, maka pelanggan dapat beralih ke produk atau jasa lain, atau akan beralih ke pesaing perusahaan tersebut. Persaingan ini berdampak kepada produsen untuk terus melakukan inovasi dan perbaikan kualitas secara terus menerus (continuous improvement). Dalam Total Quality Management (TQM), perbaikan kualitas dilakukan dengan fokus kepada kepuasan pelanggan (customer satisfaction), karena pelanggan merupakan faktor yang berpengaruh bagi kelangsungan hidup perusahaan. Banyak metode dalam TQM yang dapat digunakan untuk meningkatkan kualitas produk dan jasa, yang dapat mengeliminasi atau mengurangi kemungkinan terjadinya kegagalan dan mencegah terulangnya kegagalan tersebut di waktu mendatang. Metode Multi Attribute Failure Mode Analysis (MAFMA) merupakan salah satu metode yang digunakan untuk mengeliminasi kegagalan. Metode ini merupakan pengembangan dari metode Failure mode and Effect Analysis (FMEA). Dalam metode ini dapat diidentifikasi penyebab-penyebab terjadinya kegagalan, dan akan ditentukan penyebab kegagalan yang potensial. Berbeda dengan FMEA, metode MAFMA mengintegrasikan aspek-aspek konvensional pada FMEA dengan aspek ekonomi, sehingga penyebab kegagalan dapat dilihat pengaruhnya terhadap biaya (Braglia,2000). Penentuan penyebab kegagalan potensial pada metode FMEA didasarkan pada nilai Risk Priority Number (RPN) tertinggi, sedangkan pada MAFMA penyebab kegagalan potensial tersebut didasarkan pada nilai bobot tertinggi. Penentuan penyebab kegagalan potensial tersebut ditentukan dengan menggunakan metode Analytic Hierarchy Process (AHP) atau Fuzzy Analytic Hierarchy Process (Fuzzy AHP). Dalam makalah ini akan dibahas tentang penggunaan Fuzzy Analytic Hierarchy Process untuk menentukan penyebab kegagalan potensial pada metode MAFMA, dengan mengambil suatu studi kasus pada perusahaan manufaktur. TINJAUAN PUSTAKA Multi Attribute Failure Mode Analysis (MAFMA) merupakan metode yang mengintegrasikan Failure Mode and Effect Analysis (FMEA) konvensional dengan mempertimbangkan aspek ekonomi (Braglia, 2000). FMEA merupakan suatu teknik analisis oleh suatu tim atau ahli untuk mengidentifikasi potential failure mode serta penyebabnya, dalam proses manufaktur. Proses FMEA ini berperan dalam: mengidentifikasi fungsi proses; identifikasi produk dan proses yang berpotensi mengalami failure mode; menganalisa efek yang timbul oleh kegagalan pada konsumen; identifikasi penyebab terjadinya kegagalan serta variabel-variabel dalam proses yang digunakan untuk mengurangi terjadinya kegagalan; identifikasi variabel-variabel dalam proses untuk mengontrol proses tersebut; memberi ranking untuk setiap failure mode dalam menentukan prioritas untuk melakukan corrective action; mendokumentasikan hasil. Proses FMEA tersebut dituangkan dalam bentuk tabel FMEA seperti terlihat pada Tabel 1. Metode MAFMA melakukan perhitungan dengan mengintegrasikan empat faktor pada FMEA yakni chance of failure (occurance), change of non detection, severity dan expected cost. Biaya akibat kegagalan dihitung dengan perbandingan kualitatif (qualitative pairwise comparisson). Biaya akibat kegagalan ini tidak dapat muncul bila tidak terdapat kegagalan atau kecacatan dalam produk yang dihasilkan. Formulasi ranking prioritas penyebab kegagalan dilakukan dengan bantuan Analytic Hierachy Process (AHP), sehingga mempermudah analisis secara efektif dan efisien. Metode AHP membantu untuk melakukan analisis secara sistematik dengan mengelompokkannya ke dalam struktur hirarkhi. Penyebab kegagalan utama sebagai level tujuan; faktor severity, occurance, detectability dan expected cost sebagai level kriteria; dan sebagai level alternatif adalah penyebab kegagalan yang mungkin terjadi. Faktor-faktor tersebut dan alternatif penyebab kegagalan disusun dalam struktur hirarki seperti terlihat dalam Gambar 1, dan diolah lebih lanjut dengan menggunakan pairwise comparison setelah dilakukan uji konsistensi terlebih dahulu. Uji konsistensi mengikuti rumus pada persamaan 1, (Saaty, 1991): CI = ……….....(persamaan 1) CR = ; CR < 0.1 Fuzzy Analytic Hierarchy Process (Fuzzy AHP) yang merupakan metode AHP dengan logika fuzzy, digunakan dalam metode MAFMA Tabel 1. Format FMEA Potential Failure Mode Potential effect(s) of Failure Severity (S) Potential cause(s) Occurance (O) Current process control Detectability(D) (D) (D) RPN Recommended Action Responsibility & target completion date prevention detection Apa yang gagal? Apa efeknya? Seberapa parahkah? Apa yang menjadi penyebabnya? Berapa sering terjadinya? Bagaimana dapat dicegah dan dideteksi? Seberapa baik metode tersebut mendeteksi? Apa yang dapat dilakukan? Tidak berfungsi Perubahan desain Fungsi menurun Perubahan proses Kadang-kadang berfungsi Kontrol tertentu Perubahan standar, prosedur Gambar 1. Struktur hirarki cause of failure selection Dalam AHP judgement yang dilakukan oleh pengambil keputusan atau pakar tidak bersifat deterministik, namun lebih merupakan persepsi yang linguistik. Pada Fuzzy AHP penilaian (preferensi) pengambil keputusan yang mengandung sifat uncertainty ini dimodelkan dengan menggunakan logika fuzzy. Informasi dalam fuzzy AHP seperti halnya dengan AHP konvensional diperoleh dalam bentuk matriks perbandingan berpasangan. Skala yang digunakan mulai dari sama penting sampai mutlak lebih penting. Skala dalam bentuk variabel linguistik tersebut dalam AHP konvensional yang dilakukan oleh Saaty (1991) bernilai 1- 9, dikonversikan dalam bentuk fuzzy menggunakan Triangular Fuzzy Number (TFN). Dalam penentuan bobot elemen-elemen digunakan operasi aritmetik untuk TFN atau dapat pula menggunakan Trapezoidal Fuzzy Number. Dalam makalah ini digunakan TFN untuk operasi aritmetiknya. Sebuah triangular fuzzy number dinyatakan dengan triplet sebagai (al, am, au) dimana membership function didefinisikan sebagai berikut (Sri Kusumadewi, 2004): = . (persamaan 2) Representasi himpunan fuzzy dalam fuzzy AHP digambarkan dengan kurva segitiga yang dapat dilihat pada Gambar 2. Gambar 2. Fungsi keanggotaan triangular fuzzy number untuk tingkat kepentingan atribut Penentuan bobot kriteria dan bobot alternatif pada fuzzy AHP dilakukan setelah melalui proses defuzzifikasi. Proses defuzzifikasi atau penentuan angka crisp C dilakukan dengan menggunakan rumus berikut (Barry Shore, 2003 diacu dalam Eko Setiawan, 2004) : (persamaan 3) dimana : a dan d adalah nilai bawah dan nilai atas dari trapezoidal membership function, sedangkan b dan c adalah nilai tengahnya. Pada triangular fuzzy number, rumus tersebut dapat digunakan dengan menganggap b dan c adalah sama. HASIL PENELITIAN Penentuan kegagalan potensial dengan metode MAFMA didasarkan pada struktur AHP dengan kriteria severity(S), occurance(O), detectability(D), serta expected cost. Sebagai alternatif adalah faktor-faktor penyebab kegagalan (causes) yang teridentifikasi pada FMEA. Penentuan bobot kriteria dilakukan dengan fuzzy pairwise comparisson, demikian pula penentuan bobot alternatif berdasarkan kriteria expected cost. Bobot alternatif berdasarkan kriteria lainnya ditentukan berdasarkan data hasil analisi dengan metode FMEA. Penentuan penyebab kegagalan potesial, yakni penentuan alternatif dengan bobot tertinggi dilakukan mengikuti prosedur perhitungan pada fuzzy AHP. Studi kasus dengan metode MAFMA dilakukan di PT Pelita Cengkareng Paper & Co pada proses produksi kertas kraft liner. Sebagai responden adalah kepala bagian produksi, dimana informasi dan kepakarannya akan digunakan sebagai data pada tabel FMEA, matriks perbandingan berpasangan antar kriteria dan materiks perbandingan berpasangan antar alternatif berdasarkan kriteria expected cost. Hasil brainstorming dengan responden dapat dilihat pada Tabel 2. Tabel 2. Tabel FMEA hasil brainstorming dan perhitungan RPN Process function Potential failure mode Potential effects of failure S Potensial causes of failure O Process Control D RPN prevention detection Refining Freeness tidak sesuai standar Formasi kertas tidak rata 7 Pisau DDR sudah aus (cause A) 5 Waktu operasi dicek Pengecekan Canadian standard freeness 4 140 7 Energy mekanik DDR tidak sesuai (cause B) 5 Pengecekan indicator freeness setiap jam Pengecekan Canadian standard freeness 4 140 Approaching Flow Penambahan chemical retention aid tidak sesuai Formasi kertas tidak rata 7 Penggumpalan chemical (cause C) 7 Pengecekan pompa rutin Visual dan dengan flow meter 6 294 Terdapat udara dalam buburan kertas Permukaan kertas tidak rata 8 Dosis anti foam tidak sesuai (cause D) 6 Control minimal 1 jam sekali Visual dan dengan flow meter 6 288 Speed wire top/middle/bottom tidak sama Kertas bersisik 7 Speed wire tidak sama (cause E) 5 Kalibrasi speed Dengan tachometer 4 140 Sheet forming Tekanan headbox tidak stabil Ketebalan tidak merata 6 Tekanan angin tidak konstan (cause F) 8 Menyetel tekanan dalam headbox Visual dan dengan thickness meter 6 288 Size pressing Roll size press kotor Kertas berjalur 7 Starch/kanji menggumpal (cause G) 7 Penambahan prestafic Visual dan dengan reflacto meter 6 294 Potential failure of causes dalam FMEA diambil sebagai alternatif dalam struktur hirarkhi AHP yakni: - Pisau Double Disk Refiner (DDR) sudah aus (cause A) - Energi mekanik DDR tidak sesuai (cause B) - Penggumpalan chemical (cause C) - Dosis anti foam (afranil) tidak sesuai (cause D) - Speed wire tidak sama (cause E) - Tekanan angin tidak konstan /pompa roots blower (cause F) - Starch/kanji menggumpal (cause G) Sebagai kriteria adalah: - Severity - Occurance - Detectability - Expected cost Hasil penilaian oleh responden untuk matriks perbandingan berpasangan antar kriteria dapat dilihat pada Tabel 3 dan Tabel 4, sedangkan matriks perbandingan berpasangan antar alternatif berdasarkan kriteria expected cost dapat dilihat pada Tabel 5 dan 6. Perhitungan bobot alternatif berdasarkan kriteria severity, occurance dan detectability dihitung berdasarkan nilai-nilai yang diperoleh pada Tabel FMEA. Hasil penilaian responden untuk perbandingan berpasangan antar kriteria tersebut konsisten pada Consistency Ratio (CR) = 0.0803. Hasil penilaian tersebut diubah ke dalam bilangan fuzzy seperti terlihat pada Tabel 4. Setelah diolah lebih lanjut dan dilakukan defuzzifikasi, diperoleh bobot kriteria sebagai berikut: - Severity : 0.3461 - Occurance : 0.0848 - Detectability : 0.1741 - Expected cost : 0.3950 Tabel 5 menunjukkan hasil penilaian responden untuk perbandingan berpasangan antar alternatif berdasarkan kriteria expected cost. Tabel 3. Hasil penilaian responden untuk perbandingan berpasangan antar kriteria Kriteria Severity Occurance Detectability Expected cost Severity Ragu sangat/ mutlak penting Sedikit lebih penting Occurance Detectability Sedikit lebih penting Expected cost Ragu sama/sedikit lebih penting Ragu sedikit/lebih penting Ragu sedikit/lebih penting Tabel 4. Matriks perbandingan berpasangan antar kriteria dalam bilangan Fuzzy Kriteria Severity Occurance Detectability Expected cost Severity (1.1.1) (6.8.8) (1.3.5) (1/4.1/2.2) Occurance (1/8.1/8.1/6) (1.1.1) (1/5.1/3.1) (1/6.1/4.1/2) Detectability (1/5.1/3.1) (1.3.5) (1.1.1) (1/6.1/4.1/2) Expected cost (1/2.2.4) (2.4.6) (2.4.6) (1.1.1) Tabel 5. Hasil penilaian perbandingan berpasangan antar alternatif berdasarkan kriteria expected cost Cause A Cause B Cause C Cause D Cause E Cause F Cause G Cause A Ragu sangat/mutlak penting Ragu sama/sedikit lebih penting Ragu sama/sedikit lebih penting Sangat lebih penting Ragu lebih/sangat lebih penting Ragu lebih/sangat lebih penting Cause B Ragu sangat/mutlak Sama penting Cause C Ragu sedikit /lebih penting Ragu sangat /mutlak penting Ragu sangat/mutlak penting Sangat lebih penting Cause D Sangat lebih penting Ragu lebih/sangat lebih penting Ragu lebih/sangat lebih penting Lebih penting Cause E Ragu sedikit/lebih penting Sedikit lebih penting Sama penting Cause F Cause G Ragu sedikit/lebih penting Lebih penting Hasil penilaian responden tersebut konsisten pada CR = 0.0873, sedangkan Tabel 6 menunjukkan matriks perbandingan berpasangan tersebut dalam bilangan fuzzy. Pengolahan data selanjutnya dilakukan dengan menghitung bobot alternatif untuk kriteria expected cost dengan logika fuzzy dan hasilnya adalah sebagai berikut: - Cause A : 0.3014 - Cause B : 0.0309 - Cause C : 0.2981 - Cause D : 0.2011 - Cause E : 0.0628 - Cause F : 0.0336 - Cause G : 0.0721 Tabel 7 adalah hasil pembobotan alternatif berdasarkan kriteria severity, occurance dan detectability yang scorenya diperoleh dari tabel FMEA. Berdasarkan hasil perhitungan bobot kriteria dan bobot alternatif untuk semua kriteria pada struktur AHP, dilakukan perhitungan bobot alternatif untuk menentukan faktor penyebab potensial. Hasil perhitungannya dapat dilihat pada Tabel 8. Dari perhitungan dengan metode MAFMA diperoleh hasil bahwa penggumpalan chemical (cause C) memiliki bobot tertinggi yakni 0.210. Bila digunakan metode FMEA, penggumpalan chemical dan starch/kanji menggumpal (cause G) merupakan penyebab kegagalan potensial karena memiliki nilai RPN tertinggi yakni 294. Starch/kanji menggumpal (cause G) pada metode MAFMA berada pada urutan ke-empat dengan bobot 0.12073. hasil ini berbeda dengan metode FMEA, walaupun keduanya memiliki kesamaan dalam tingkat keseringan terjadinya kegagalan, tingkat keparahan kegagalan tersebut dan kemungkinan terdeteksi oleh kontrol yang dilakukan. Perbedaan hasil ini disebabkan karena metode MAFMA memperhitungkan aspek biaya yang ditimbulkan yang tidak dipertimbangkan pada FMEA. Tabel 6. Matriks berpasangan antar alternatif berdasarkan kriteria expected cost dalam bilangan fuzzy Cause A Cause B Cause C Cause D Cause E Cause F Cause G Cause A (1.1.1) (6.8.8) (1/2.2.4) (1/2.2.4) (5.7.9) (4.6.8) (4.6.8) Cause B (1/8.1/8.1/6) (1.1.1) (1/8.1/8.1/6) (1/8.1/6.1/4) (1/6.1/4.1/2) (1.1.1) (1/6.1/4.1/2) Cause C (1/4.1/2.2) (6.8.8) (1.1.1) (2.4.6) (6.8.8) (6.8.8) (5.7.9) Cause D (1/4.1/2.2) (4.6.8) (1/6.1/4.1/2) (1.1.1) (4.6.8) (4.6.8) (3.5.7) Cause E (1/9.1/7.1/5) (2.4.6) (1/8.1/8.1/6) (1/8.1/6.1/4) (1.1.1) (1.3.5) (1.1.1) Cause F (1/8.1/6.1/4) (1.1.1) (1/8.1/8.1/6) (1/8.1/6.1/4) (1/5.1/3.1) (1.1.1) (1/7.1/5.1/3) Cause G (1/8.1/6.1/4) (2.4.6) (1/9.1/7.1/5) (1/7.1/5.1/3) (1.1.1) (3.5.7) (1.1.1) Tabel 7. Hasil perhitungan bobot alternatif berdasarkan severity, occurance dan detectability Alternatif Faktor Penyebab Kegagalan severity occurance detectability score bobot Score bobot score bobot Pisau Double Disk Refiner (DDR) sudah aus (cause A) 7 0.1428 5 0.1163 4 0.1111 Energi mekanik DDR tidak sesuai (cause B) 7 0.1428 5 0.1163 4 0.1111 Penggumpalan chemical (cause C) 7 0.1428 7 0.1628 6 0.1667 Dosis anti foam (afranil) tidak sesuai (cause D) 8 0.1633 6 0.1395 6 0.1667 Speed wire tidak sama (cause E) 7 0.1428 5 0.1163 4 0.1111 Tekanan angin tidak konstan /pompa roots blower (cause F) 6 0.1225 8 0.1860 6 0.1667 Starch/kanji menggumpal (cause G) 7 0.1428 7 0.1628 6 0.1667 Tabel 8. Hasil perhitungan bobot alternatif (causes) Kriteria Bobot Kriteria Bobot Alternatif Cause A Cause B Cause C Cause D Cause E Cause F Cause G Severity 0.3461 0.04944 0.04944 0.04944 0.05651 0.04944 0.04238 0.04944 Occurance 0.0848 0.00986 0.00986 0.0138 0.01183 0.00986 0.01578 0.0138 Detectability 0.1741 0.01934 0.01934 0.02902 0.02902 0.01934 0.02902 0.02902 Expected Cost 0.3950 0.11905 0.01224 0.11774 0.07947 0.02480 0.01327 0.02847 Total 1 0.19769 0.09088 0.210 0.17683 0.10344 0.10045 0.12073 KESIMPULAN DAN SARAN Fuzzy Analytic Hierarchy Process merupakan metode yang dapat digunakan untuk menganalisa masalah dalam bidang kualitas, yakni untuk menentukan penyebab kegagalan potensial. Berdasarkan studi kasus di PT Pelita Cengkareng Paper & Co pada proses produksi kertas kraft liner, dengan metode Multi Attribute Failure Mode Analysis diperoleh hasil bahwa penggumpalan chemical (cause C) merupakan penyebab kegagalan potensial yang menyebabkan formasi kertas kraft liner kurang baik, dengan bobot tertinggi yakni 0.210 Hasil analisis dengan MAFMA dapat berbeda dengan hasil yang diperoleh dengan FMEA, karena metode FMEA hanya mempertimbangkan faktor tingkat keparahan, keseringan dan kemungkinan terdeteksi oleh kontrol, tanpa mempertimbangkan faktor biaya. DAFTAR PUSTAKA 1. Arie Stephanie, (2007), Identifikasi Kegagalan Potensial pada Proses Produksi Kertas Kraft liner Menggunakan Metode Multi Attribute Failure Mode Analysis dengan pendekatan Logika Fuzzy di PT Pelita Cengkareng Paper & Co, Tugas Akhir, Jurusan Teknik Industri Universitas Trisakti, Jakarta 2. Besterfield, Dale H., Carol Mary and Glenn H., (1995), Total Quality Management, Prentice Hall, New Jersey 3. Braglia, Marcello, (2000), MAFMA: Multi Attribute Failure Mode Analysis, University of Pisa, Italy 4. Krajewsky, Lee J., Larry P. Ritzman, (2002), Operations Management Strategy & Analysis,6th ed.,Prentice Hall, New Jersey 5. Saaty, Thomas L., (1991), Pengambilan Keputusan Bagi Para Pemimpin, PT Pustaka Binaman Pressindo, Jakarta. 6. Setiawan Eko,(2004), Aplikasi Fuzzy Preference Relation, Fuzzy Quantifier Most, dan Fuzzy AHP dalam Pemilihan Pejabat Struktural Teknik Industri UMS, National Conference: Design and Application of Technology 2004 7. Sri Kusumadewi, (2004), Aplikasi Logika Fuzzy untuk Pendukung Keputusan, Graha Ilmu, Yogyakarta

Item Type:Article
Subjects:T Technology > T Technology (General)
T Technology > TS Manufactures
Divisions:Faculty of Engineering > Department of Industrial Engineering
Faculty of Engineering > Department of Industrial Engineering
ID Code:11118
Deposited By:Admin teknik industri
Deposited On:21 May 2010 09:42
Last Modified:21 May 2010 09:42

Repository Staff Only: item control page