METODE INTERKONEKSI DUA JARINGAN DAN LETAK KONSENTRATOR

Ukuran: px
Mulai penontonan dengan halaman:

Download "METODE INTERKONEKSI DUA JARINGAN DAN LETAK KONSENTRATOR"

Transkripsi

1 METODE INTERKONEKSI DUA JARINGAN DAN LETAK KONSENTRATOR

2 Metode interkoneksi dua jaringan 2 Algoritma terkait interkoneksi antara dua jaringan akan membentuk tree yang berfungsi untuk menghubungkan dua jaringan telekomunikasi yang berbeda.

3 Metode interkoneksi dua jaringan 3 Dengan menggunakan beberapa parameter pendukung, diantaranya adalah : trafik eksternal dari masing-masing node, jarak antar node, dan bobot masing-masing node.

4 Metode interkoneksi dua jaringan 4 langkah metode interkoneksi sebagai berikut : 1. Buat matrik untuk dua jaringan matrik incoming matrik outgoing 2. hitung trafik masing-masing node, dengan cara menjumlahkan trafik incoming dan trafik outgoing masing-masing node. Sehingga akan didapat bobot (weight) dari tiap-tiap node. Z( t) nodes j 1 Wi * dij

5 Metode interkoneksi dua jaringan 5 3. Menentukan nilai dari Zt untuk masing-masing node dalam kedua jaringan, dimana : Dipilih nilai Zt terkecil dari masing-masing jaringan. Node yang memiliki Zt terkecil akan menjadi gateway dari dua jaringan tersebut.

6 Contoh Terdapat 2 jaringan disjoint G1 dan G2. Trafik antara simpulsimpul dari G1 ke simpul-simpul G2 dan sebaliknya diketahui : G1 a b G2 1 2 c d

7 Contoh: 7 Matrik eksternal: a b c d a b c d

8 contoh 8 Trafik dari dan ke : afa=15+12=27 bfb=17+16=33 cfc=19+22=41 dfd=20+20=40 1f1=15+14=29 2f2=18+12=30 3f3=16+12=28 4f4=9+16=25 5f5=12+17=29

9 Langkah selanjutnya: Buat matriks jarak dari kedua jaringan untuk G1 matriks jarak d = untuk G2 matriks jaraknya d =? Cari Zt min untuk tiap node di G1 dan G2 Untuk G1 : Za = (fa*daa)+(fa*dab)+ (fa*dac)+(fa*dad) Zb=?; Zc=?; Zd=? Untuk G2: Z1= (f1*d11)+(f1*d12)+(f1*d13)+(f1*d14)+(f1*d15) Z2 =?; Z3=?; Z4=?; Z5=?; Cari untuk G1 dan G2 node yang memiliki nilai Z terendah. Hubungkan node pada G1 dengan node pada G2 yang memiliki Zt terendah

10 Soal: tentukan interkoneksi dua jaringan berikut : Diketahui dua jaringan disjoint G1 dan G2 G1 a b e G2 1 2 c d Matriks eksternal sbb: a b c d e a b c d e

11 Penentuan Letak Konsentrator 11 Diketahui sejumlah lokasi terminal, dimana lokasi terminal konsentrator yang optimal? Penentuan konsentrator tergantung : Jumlah terminal yang harus dihubungkan kepadanya Besarnya trafik yang ditimbulkan oleh terminal Kapasitas link dan konsentrator

12 Penentuan Letak Konsentrator 12 Beberapa algoritma yang digunakan untuk menentukan letak konsentrator adalah : Dysart - Georganas, Chandy Russel dan Essau william

13 Algoritma Dysart dan Georganas 13 Idenya memilih terminal yang dekat dengan terminalterminal lainnya. Algoritmanya adalah sebagai berikut : 1. buat daftar dari N terminal dalam jaringan dan sejumlah k terminal yang paling dekat 2. tentukan frekuensi pemunculannya untuk tiap terminal dalam daftar (1) tersebut

14 Algoritma Dysart dan Georganas tiap terminal mempunyai salah satu dari frekuensi pemunculan p yang terletak antara: p=1,2,...,f. Dimana F merupakan frekuensi pemunculan maksimum. Kelompokkan semua simpul ke dalam daftar S(p), p=1,2,...f. dimana daftar S(p) adalah daftar simpul-simpul yang mempunyai frekuensi pemunculan p.

15 Algoritma Dysart dan Georganas cari harga rata-rata frekuensi pemunculan ditambah 1, KM sebagai berikut: KM p F 1 p. x( p) N 1 F=frekuensi pemunculan maximum Dimana x(p) adalah jumlah terminal didalam daftar S(P) N= jumlah node

16 Algoritma Dysart dan Georganas penentuan lokasi konsentrator pertama kali di dapat dari daftar S(F). Dapat ditambahkan terminalterminal dalam daftar S(P). Dimana KM p F.

17 contoh Matrik jarak antar terminal

18 contoh 1. Langkah 1buat daftar dari N terminal dalam jaringan dan sejumlah k terminal yang paling dekat. Misalkan k=3, maka Terminal Daftar terminal dan sejumlah k tetangga terdekatnya 1,2,5,6 2,3,4,5 3,2,4,5 4,3,2,5 5,2,4,6 6,5,4,7 7,6,8,10 8,7,4,6 9,8,7,10 10,7,8,9 18

19 contoh 2. tentukan frekuensi pemunculannya untuk tiap terminal dalam daftar (1) tersebut Terminal Frekuensi pemunculan

20 contoh tiap terminal mempunyai salah satu dari frekuensi pemunculan p yang terletak antara: p=1,2,...,f. Dimana F merupakan frekuensi pemunculan maksimum. Kelompokkan semua simpul ke dalam daftar S(p), p=1,2,...f. dimana daftar S(p) adalah daftar simpul-simpul yang mempunyai frekuensi pemunculan p.

21 contoh 21 S(i): daftar (lokasi) terminal dengan urutan frekuensi pemunculan i. S(1) = (1) S(2) = (9) S(3) = (3,10) S(4) = (8) S(5) = (2,6,7) S(6) = (4,5) ini pertama kali diambil sebagai pilihan

22 contoh 22 KM Lokasi konsentrator dapat ditambah sebagai pilihan : (2,4,5,6,7)

23 soal 23 Diketahui matrik jarak beberapa terminal adalah sbb, tentukan letak dari konsentrator dengan algoritma dysart & georganas

24 soal 1. Langkah 1buat daftar dari N terminal dalam jaringan dan sejumlah k terminal yang paling dekat Terminal Daftar terminal dan sejumlah k tetangga terdekatnya 1,5,3 2,4,3 24

25 soal 2. tentukan frekuensi pemunculannya untuk tiap terminal dalam daftar (1) tersebut Terminal Frekuensi pemunculan 25

26 contoh 3. tiap terminal mempunyai salah satu dari frekuensi pemunculan p yang terletak antara: p=1,2,...,f. Dimana F merupakan frekuensi pemunculan maksimum. Kelompokkan semua simpul ke dalam daftar S(p), p=1,2,...f. dimana daftar S(p) adalah daftar simpul-simpul yang mempunyai frekuensi pemunculan p. S(i): daftar (lokasi) terminal dengan urutan frekuensi pemunculan i. S(1) = S(2) = S(3) = S(4) = S(5) = S(6) = 26

27 contoh KM? Lokasi konsentrator dapat ditambah sebagai pilihan :. 27

28 Algoritma Chandy-Russel 28 Pertama dicari spanning tree yang minimum tanpa kendala. Bila hasil ini dengan kendala feasible, maka ini optimum dan algoritma berhenti. Bila tidak, diteruskan dengan membagi dalam subset.

29 Langkah Algoritma Chandy-Russel sebagai berikut : bagi set semua solusi ke dalam 2 subset. Satu subset memasukkan semua link dari solusi tanpa kendala yang terhubungkan ke lokasi konsentrator dan subset yang lainnya tanpa hubungan ini dan tak usah dilihat lagi. 2. dalam proses pembagian ke i: subsetnya adalah Si(1),Si(2),...Si(p) dan harga batas paling bawah dari biaya adalah Li(1),...,Li(p). Misalkan Li(j) adalah harga terendah dalam Li(k),k,...,p.

30 Langkah Algoritma Chandy-Russel sebagai berikut : cek subset Si(j) apakah solusinya feasible. Bila feasible maka ini berarti solusi optimum pula karena ini merupakan batas terendah Li(j) dan algoritma berhenti. Bila tidak, diteruskan ke langkah (4). 4. labelkan lagi set j ke set k. Bagi Si(k) ke dalam Si+1(k) dan Si+1(k+1).pembagian ini diperoleh dengan cara memasukkan satu link bebas kedalam si(k) sehingga menjadi subset si+1(k) dan tanpa link tersebut menjadi subset Si+1(k+1). Hitung batas bawah yang baru dalam solusi Li+1(k) dan Li+1(k+1) dan teruskan ke langkah (2).

31 contoh M 2 =2 4 M 4 =2 5 M 5 =1 Matrik biaya C Simpul M3= konsentrator Kendala : Kapasitas link = 5 pesan (message) per satuan waktu. Dicari spanning tree minimum: 31

32 Penyelesaian contoh 32 M 2 =2 M 4 =2 M 5 = M3=3 1 6 konsentrator Ternyata tidak feasible : link (1,3) terdapat 6 message/satuan waktu. Subset A = termasuk link 2-1 dan 3-1 Subset B = tidak termasuk paling sedikit satu dari dua link (2-1,3-1)

33 33 Karena Subset A memuat link yang menghubungkan terminal langsung ke konsentrator, maka subset A berisi solusi yang diinginkan subset B dapat dihilangkan. Algoritma diteruskan dengan berturut-turut memasukkan link yang masih bebas dan mempertimbangkan semua pilihan yang mungkin.

34 34 Link yang ditambahkan adalah link yang masih bebas, yaitu link yang belum belum dimasukkan atau not allowed dalam suatu subset. Maka algoritma diteruskan dengan, misalnya memasukkan link 4-3 kedalam satu subset dan tak boleh dimasukkan ke dalam subset yang lainnya. Maka subset yang baru: AA = 2-1, 3-1,, 4-3 AB = 2-1,3-1, link terlarang 4-3

35 35 Dilihat AA: Aliran trafik di link 3-1 berisi trafik dari terminal 4 dan 3, jadi sebesar 5 message. Oleh karena itu terminal 5 tak dapat dihubungkan ke terminal 4 ataupun 3 karena akan menaikkan trafik di link 3-1. dengan demikian dapat dipakai link 5-2 atau5-1. karena biaya link 5-2 lebih murah daripada link 5-1, maka yang dipilih adalah link 5-2. [ biaya link 5-1 = 10 sedangkan link 5-2=8] Maka biaya total = C(2,1)+C(4,3)+C(3,1)+C(5,2) = 17 satuan

36 SUBSET AB 36 Dengan memakai matriks biaya yang mula-mula akan didapat biaya : C(1,2) + C(3,1) + C(4,2) + C(5,3) = 15 Jadi subset AB ini lebih murah dari pada subset AA. Karena subset AB biaya paling rendah dan feasible langkah harus diteruskan dengan subset AB

37 Biaya total = 17 satuan 1 Biaya total = 15 satuan

38 Algoritma Esau-William 38 Algoritma Esau-William merupakan salah satu algoritma yang digunakan untuk penyelesaian masalah capacitaced minimum spanning tree (CMST). CMST merupakan masalah yang sangat penting dalam mendesain jaringan telekomunikasi. Dalam masalah ini, diperlihatkan bahwa sebuah sentral processor (konsentrator/root/source node) dan beberapa set remote terminal (node selain konsentrator) dengan permintaan trafik tertentu yang mengharuskan adanya aliran antara central processor dan terminal.

39 Algoritma Esau-William 39 Tujuannya adalah membuat jaringan dengan biaya minimal yang dapat memuat permintaan tersebut.

40 Algoritma Esau-William 40 algoritma Esau-William adalah algoritma yang digunakan untuk menentukan suatu konfigurasi yang dianggap cost paling minimum dengan memperhatikan kapasitas maximal tiap linknya. Algoritma ini mula-mula menghubungkan semua terminal dengan konsentrator. Kemudian mencoba link antar terminal (dan link antar terminal dengan konsentrator dihilangkan ) yang memaksimumkan pengurangan biaya.

41 Algoritma Esau-William 41 Prosedure dari algoritma Esau-William ini yaitu : Hitung parameter tradeoff d(i,j) = cost(i,j) cost (i, center), untuk semua i,j, dimana center adalah lokasi konsentrator/processor central.

42 Algoritma Esau-William 42 Jadi, algoritma mencari pertama-tama selisih biaya (jarak) hubungan antara tiap simpul i dengan simpul j (simpul lain) dan simpul i tersebut dengan konsentrator.

43 Algoritma Esau-William 43 Prosedure dari algoritma Esau-William (cont) Bila d(i,j) > 0 maka tak dipertimbangkan, karena c(i,center) akan lebih murah dari c(i,j). Bila d(i,j) < 0, pilih d(i,j) berurutan mulai dari yang minimum dan diperiksa apakah aliran trafik memenuhi kendala (kapasitas trafik ) bila link (i,center) ditiadakan dan i dihubungkan ke j.

44 contoh 44 5m/d 4m/d m/d 5m/d Matrik biaya Node 1 sebagai konsentrator Kapasitas maksimum tiap link = 10 message/dtk

45 contoh 45 Algoritma essau william ini mula-mula menghubungkan semua terminal dengan konsentrator. 4m/d 3 5m/d 2 4 3m/d 1 5 5m/d

46 contoh Hitung parameter tradeoff d(i,j) = c(i,j) c (i, 1), untuk semua i,j, dimana 1 adalah konsentrator. mencari selisih biaya (jarak) hubungan antara tiap simpul i dengan simpul j (simpul lain) dan simpul i tersebut dengan konsentrator. 46

47 d(2,3)=c(2,3)-c(2,1)=3-6=-3 d(3,2)=c(3,2)-c(3,1)=3-3=0 d(2,4)=c(2,4)-c(2,1)=5-6=-1 d(4,2)=c(4,2)-c(4,1)=5-4=1 d(2,5)=c(2,5)-c(2,1)=7-6=1 d(5,2)=c(5,2)-c(5,1)=7-5=2 d(3,4)=c(3,4)-c(3,1)=3-3=0 d(4,3)=c(4,3)-c(4,1)=3-4=-1 d(3,5)=c(3,5)-c(3,1)=5-3=2 d(5,3)=c(5,3)-c(5,1)=5-5=0 d(4,5)=c(4,5)-c(4,1)=3-4=-1 d(5,4)=c(5,4)-c(5,1)=3-5=

48 contoh 48 Bila d(i,j) > 0 maka tak dipertimbangkan, karena c(i,center) akan lebih murah dari c(i,j). Bila d(i,j) < 0, pilih d(i,j) berurutan mulai dari yang minimum dan diperiksa apakah aliran trafik memenuhi kendala (kapasitas trafik ) bila link (i,center) ditiadakan dan i dihubungkan ke j. d(2,3)=c(2,3)-c(2,1)=3-6=-3 d(5,4)=c(5,4)-c(5,1)=3-5=-2 d(2,4)=c(2,4)-c(2,1)=5-6=-1 d(4,3)=c(4,3)-c(4,1)=3-4=-1 d(4,5)=c(4,5)-c(4,1)=3-4=-1 d(3,2)=c(3,2)-c(3,1)=3-3=0 d(3,4)=c(3,4)-c(3,1)=3-3=0 d(5,3)=c(5,3)-c(5,1)=5-5=0 d(4,2)=c(4,2)-c(4,1)=5-4=1 d(2,5)=c(2,5)-c(2,1)=7-6=1 d(5,2)=c(5,2)-c(5,1)=7-5=2 d(3,5)=c(3,5)-c(3,1)=5-3=2

49 contoh 49 Dari contoh di atas d(2,3)=-3 adalah minimum Hilangkan link (2,1) dan adakan link (2,3) Cek aliran trafik Link(2,3)=5 Link(3,1)=5+4=9<10 jadi masih memenuhi kendala Berikutnya link (5,4)d(5,4)=-2

50 50 Cek aliran trafik link(5,4)=5 Link (4,1)=5+3=8<10 Jadi memenuhi kendala Berikutnya link(4,3) dan(2,4), bila dicek tidak memenuhi kendala. Jadi jumlah total biaya=c(3,1)+c(2,3)+c(1,4)+c(4,5)= =13 satuan

51 contoh 51 4m/d 3 5m/d 2 4 3m/d 1 5 5m/d Node 1 sebagai konsentrator Kapasitas maksimum tiap link = 10 message/dtk

52 soal 2m/d 4 Matrik biaya m/d m/d 4m/d Konsentrator di node 3 Kapasitas maksimum tiap link = 6 message/dtk 52

53 Penyelesaian soal Hitung parameter tradeoff d(i,j) = c(i,j) c (i, 3), untuk semua i,j, dimana 3 adalah konsentrator. d(1,2)=c(1,2)-c(1,3)=5-7=-2 d(2,1)=c(2,1)-c(2,3)=5-5=0 d(1,4)=c(1,4)-c(1,3)=8-7=1 d(4,1)=c(4,1)-c(4,3)=8-5=3 d(1,5)=c(1,5)-c(1,3)=7-7=0 d(5,1)=c(5,1)-c(5,3)=7-7=0 d(2,4)=c(2,4)-c(2,3)=7-5=2 d(4,2)=c(4,2)-c(4,3)=7-5=2 d(2,5)=c(2,5)-c(2,3)=11-5=6 d(5,2)=c(5,2)-c(5,3)=11-7=4 d(4,5)=c(4,5)-c(4,3)=6-5=1 d(5,4)=c(5,4)-c(5,3)=6-7=-1 2m/d 3m/d m/d 4m/d 53

54 HAPPY LEARNING!

Pemanfaatan Algoritma Hybrid Ant Colony Optimization dalam Menyelesaikan Permasalahan Capacitated Minimum Spanning Tree. Tamam Asrori ( )

Pemanfaatan Algoritma Hybrid Ant Colony Optimization dalam Menyelesaikan Permasalahan Capacitated Minimum Spanning Tree. Tamam Asrori ( ) Pemanfaatan Algoritma Hybrid Ant Colony Optimization dalam Menyelesaikan Permasalahan Capacitated Minimum Spanning Tree Tamam Asrori (5104 100 146) Pendahuluan Latar Belakang Tujuan Dan Manfaat Rumusan

Lebih terperinci

Pelabelan aliran maksimum dengan algoritma Ford-Fulkerson telah diperkenalkan pada pertengahan 1950,

Pelabelan aliran maksimum dengan algoritma Ford-Fulkerson telah diperkenalkan pada pertengahan 1950, 1 Pelabelan aliran maksimum dengan algoritma Ford-Fulkerson telah diperkenalkan pada pertengahan 1950, Merupakan algoritma untuk memaksimumkan aliran (flow) dengan kapasitas dan biaya yang terbatas pada

Lebih terperinci

Model Jaringan. Asumsikan himpunan C sebagai himpunan simpul yang terhubung dan C sebagai himpunan simpul yang tidak terhubung.

Model Jaringan. Asumsikan himpunan C sebagai himpunan simpul yang terhubung dan C sebagai himpunan simpul yang tidak terhubung. Model Jaringan Apa itu Model Jaringan? Perhatikan situasi berikut:. Disain jaringan pipa gas alam yang menghubungkan Arun Aceh dengan tangki penampungan Pertamina di salah satu kota dengan tujuan minimisasi

Lebih terperinci

Minimum Spanning Trees algorithm

Minimum Spanning Trees algorithm Minimum Spanning Trees algorithm Algoritma Minimum Spanning Trees algoritma Kruskal and algoritma Prim. Kedua algoritma ini berbeda dalam metodologinya, tetapi keduanya mempunyai tujuan menemukan minimum

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 39 BAB 2 TINJAUAN PUSTAKA 2.1. Teori Graf 2.1.1 Definisi Graf Teori graf merupakan salah satu cabang matematika yang paling banyak aplikasinya dalam kehidupan sehari hari. Salah satu bentuk dari graf adalah

Lebih terperinci

III PEMBAHASAN. 6. Sisi eg dipilih sebagai sisi yang memiliki bobot terkecil (lihat Gambar 18).

III PEMBAHASAN. 6. Sisi eg dipilih sebagai sisi yang memiliki bobot terkecil (lihat Gambar 18). a d b f 8 e 8 Gambar Sisi be hasil dari algoritme Prim tahap ke-.. Sisi ec dipilih sebagai sisi yang memiliki bobot terkecil (lihat Gambar ). a d b f 8 e 8 Gambar Sisi ec hasil dari algoritme Prim tahap

Lebih terperinci

OPERATIONS RESEARCH. Industrial Engineering

OPERATIONS RESEARCH. Industrial Engineering OPERATIONS RESEARCH Industrial Engineering TRANSPORTASI METODE ANALISA TRANSPORTASI PROGRAMA LINEAR Metode transportasi programa linear merupakan metode yang cukup sederhana dalam memecahkan permasalahan

Lebih terperinci

Pada perkembangannya ternyata model transportasi ini dapat juga digambarkan dan diselesaikan dalam suatu bentuk jaringan

Pada perkembangannya ternyata model transportasi ini dapat juga digambarkan dan diselesaikan dalam suatu bentuk jaringan MODEL ARUS JARINGAN DEFINISI Jaringan (network) = (N, A); N=node, A=arc = sisi=busur. Arc (sisi) terarah mempunyai arah. Jaringan terarah mempunyai semua sisi yang terarah. Path (lintasan) = sekumpulan

Lebih terperinci

Studi Algoritma Optimasi dalam Graf Berbobot

Studi Algoritma Optimasi dalam Graf Berbobot Studi Algoritma Optimasi dalam Graf Berbobot Vandy Putrandika NIM : 13505001 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung E-mail : if15001@students.if.itb.ac.id

Lebih terperinci

1. Minimal spanning tree 2. Shortest-route algorithm 3. Maximum flow algorithm

1. Minimal spanning tree 2. Shortest-route algorithm 3. Maximum flow algorithm Model Jaringan 1 Topik Yang dibahas 1. Minimal spanning tree 2. Shortest-route algorithm 3. Maximum flow algorithm 2 Definisi Jaringan Jaringan (network) = (N, A); N=node, A=arc = sisi=busur. Arc (sisi)

Lebih terperinci

Penerapan Teori Graf Pada Algoritma Routing

Penerapan Teori Graf Pada Algoritma Routing Penerapan Teori Graf Pada Algoritma Routing Indra Siregar 13508605 Program Studi Teknik Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan Ganesha 10, Bandung

Lebih terperinci

Create PDF with GO2PDF for free, if you wish to remove this line, click here to buy Virtual PDF Printer

Create PDF with GO2PDF for free, if you wish to remove this line, click here to buy Virtual PDF Printer Membangun Pohon Merentang Minimum Dari Algoritma Prim dengan Strategi Greedy Doni Arzinal 1 Jursan Teknik Informatika, Institut Teknologi Bandung Labtek V, Jl. Ganesha 10 Bandung 1 if15109@students.if.itb.ac.id,

Lebih terperinci

PERTEMUAN 7 (STRUKTUR JARINGAN) POKOK BAHASAN

PERTEMUAN 7 (STRUKTUR JARINGAN) POKOK BAHASAN PERTEMUAN 7 (STRUKTUR JARINGAN) POKOK BAHASAN Topologi Jaringan MEA Hirarkhi Jaringan Telepon TUJUAN DAN INSTRUKSIONA KHUSUS Membahas berbagai topologi jaringan Menjelaskan hirarkhi jaringan telepon Menjelaskan

Lebih terperinci

Optimasi Jaringan. Masalah Optimasi Jaringan Model Optimasi Jaringan Penyelesaian Optimasi Jaringan dengan Simpleks

Optimasi Jaringan. Masalah Optimasi Jaringan Model Optimasi Jaringan Penyelesaian Optimasi Jaringan dengan Simpleks Optimasi Jaringan Masalah Optimasi Jaringan Model Optimasi Jaringan Penyelesaian Optimasi Jaringan dengan Simpleks Pendahuluan Sebuah model jaringan terdiri dari dua buah element utama, yaitu: Arc, marupakan

Lebih terperinci

LANDASAN TEORI. Bab Konsep Dasar Graf. Definisi Graf

LANDASAN TEORI. Bab Konsep Dasar Graf. Definisi Graf Bab 2 LANDASAN TEORI 2.1. Konsep Dasar Graf Definisi Graf Suatu graf G terdiri atas himpunan yang tidak kosong dari elemen elemen yang disebut titik atau simpul (vertex), dan suatu daftar pasangan vertex

Lebih terperinci

BAB 2 LANDASAN TEORI. Definisi Graf G didefinisikan sebagai pasangan himpunan (V, E), yang dalam hal ini:

BAB 2 LANDASAN TEORI. Definisi Graf G didefinisikan sebagai pasangan himpunan (V, E), yang dalam hal ini: 10 BAB 2 LANDASAN TEORI 2.1.Konsep Dasar Graf Definisi 2.1.1 Graf G didefinisikan sebagai pasangan himpunan (V, E), yang dalam hal ini: V = himpunan tidak kosong dari simpul-simpul (vertices atau node)

Lebih terperinci

MODEL NETWORK. Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Magister Agribisnis Universitas Jambi

MODEL NETWORK. Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Magister Agribisnis Universitas Jambi MODEL NETWORK Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Magister Agribisnis Universitas Jambi Terdiri dari suatu jaringan kerja (network) yang dapat direpresentasikan dalam bentuk titik penghubung

Lebih terperinci

BAB III ALGORITMA BRANCH AND BOUND. Algoritma Branch and Bound merupakan metode pencarian di dalam ruang

BAB III ALGORITMA BRANCH AND BOUND. Algoritma Branch and Bound merupakan metode pencarian di dalam ruang BAB III ALGORITMA BRANCH AND BOUND Algoritma Branch and Bound merupakan metode pencarian di dalam ruang solusi secara sistematis. Ruang solusi diorganisasikan ke dalam pohon ruang status. Pohon ruang status

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang 13 BAB 1 PENDAHULUAN 1.1 Latar belakang Perkembangan ilmu pengetahuan dan teknologi yang sangat pesat, tidak lepas dari peran ilmu matematika, yaitu ilmu yang menjadi solusi secara konseptual dalam menyelesaikan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari hari, selalu dilakukan perjalanan dari satu titik atau lokasi ke lokasi yang lain dengan mempertimbangkan efisiensi waktu dan biaya sehingga

Lebih terperinci

Algoritma Greedy (lanjutan)

Algoritma Greedy (lanjutan) Algoritma Greedy (lanjutan) 5. Penjadwalan Job dengan Tenggang Waktu (Job Schedulling with Deadlines) Persoalan: - Ada n buah job yang akan dikerjakan oleh sebuah mesin; - tiap job diproses oleh mesin

Lebih terperinci

Solusi UTS Stima. Alternatif 1 strategi:

Solusi UTS Stima. Alternatif 1 strategi: Solusi UTS Stima 1. a. (Nilai 5) Representasikanlah gambar kota di atas menjadi sebuah graf, dengan simpul merepresentasikan rumah, dan bobot sisi merepresentasikan jumlah paving block yang dibutuhkan.

Lebih terperinci

METODE GREEDY PERTEMUAN 12 METODE GREEDY

METODE GREEDY PERTEMUAN 12 METODE GREEDY PERTEMUAN 12 METODE GREEDY Untuk mendapatkan solusi optimal dr permasalahan yg mempunyai dua kriteria yaitu Fungsi Tujuan/Utama & nilai pembatas (constrain) METODE GREEDY Proses Kerja Metode Greedy : Untuk

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Graf (Graph) Graf G didefinisikan sebagai pasangan himpunan (V, E) yang dinotasikan dalam bentuk G = {V(G), E(G)}, dimana V(G) adalah himpunan vertex (simpul) yang tidak kosong

Lebih terperinci

Team Dosen Riset Operasional Program Studi Teknik Informatika Universitas Komputer Indonesia

Team Dosen Riset Operasional Program Studi Teknik Informatika Universitas Komputer Indonesia Team Dosen Riset Operasional Program Studi Teknik Informatika Universitas Komputer Indonesia Jaringan (Network) : sebuah sistem yang terdiri dari rangkaian noda (node) dan kegiatan (activity). Masalah

Lebih terperinci

PERTEMUAN 12 METODE GREEDY

PERTEMUAN 12 METODE GREEDY PERTEMUAN 12 METODE GREEDY METODE GREEDY Untuk mendapatkan solusi optimal dr permasalahan yg mempunyai dua kriteria yaitu Fungsi Tujuan/Utama & nilai pembatas (constrain) Proses Kerja Metode Greedy : Untuk

Lebih terperinci

BAB II KAJIAN TEORI. yang diapit oleh dua kurung siku sehingga berbentuk empat persegi panjang atau

BAB II KAJIAN TEORI. yang diapit oleh dua kurung siku sehingga berbentuk empat persegi panjang atau BAB II KAJIAN TEORI Pada bab ini akan diberikan kajian teori mengenai matriks dan operasi matriks, program linear, penyelesaian program linear dengan metode simpleks, masalah transportasi, hubungan masalah

Lebih terperinci

Model Arus Jaringan. Rudi Susanto

Model Arus Jaringan. Rudi Susanto Model Arus Jaringan Rudi Susanto Pengertian Jaringan Jaringan adalah suatu susunan garis edar (path) yang terhubung pada berbagai titik, dimana satu atau beberapa barang bergerak dari satu titik ke titik

Lebih terperinci

ANALISIS JARINGAN MATAKULIAH RISET OPERASIONAL Pertemuan Ke-11 &12. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia

ANALISIS JARINGAN MATAKULIAH RISET OPERASIONAL Pertemuan Ke-11 &12. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia ANALISIS JARINGAN MATAKULIAH RISET OPERASIONAL Pertemuan Ke- & Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia PENGANTAR Jaringan (Network) : sebuah sistem yang terdiri dari

Lebih terperinci

Mata Kuliah Penelitian Operasional II OPERATIONS RESEARCH AN INTRODUCTION SEVENTH EDITION BY HAMDY A. TAHA BAB 6.

Mata Kuliah Penelitian Operasional II OPERATIONS RESEARCH AN INTRODUCTION SEVENTH EDITION BY HAMDY A. TAHA BAB 6. Mata Kuliah Penelitian Operasional II OPERATIONS RESEARCH AN INTRODUCTION SEVENTH EDITION BY HAMDY A. TAHA BAB 6 Analisis Jaringan Dipresentasikan oleh: Herman R. Suwarman, S.Si Pendahuluan- Ilustrasi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Simulasi Sistem didefinisikan sebagai sekumpulan entitas baik manusia ataupun mesin yang yang saling berinteraksi untuk mencapai tujuan tertentu. Dalam prakteknya,

Lebih terperinci

NETWORK (Analisa Jaringan)

NETWORK (Analisa Jaringan) OR Teknik Industri UAD NETWORK (Analisa Jaringan) Network: sekumpulan titik yang disebut node, yang dihubungkan oleh busur atau cabang. Di dalam analisa network kita mengenal events (kejadiankejadian)

Lebih terperinci

Penerapan Algoritma Branch and Bound untuk Penentuan Jalur Wisata

Penerapan Algoritma Branch and Bound untuk Penentuan Jalur Wisata Penerapan Algoritma Branch and Bound untuk Penentuan Jalur Wisata Janice Laksana / 350035 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha

Lebih terperinci

Model Arus Jaringan. Riset Operasi TIP FTP UB Mas ud Effendi

Model Arus Jaringan. Riset Operasi TIP FTP UB Mas ud Effendi Model Arus Jaringan Riset Operasi TIP FTP UB Mas ud Effendi 1 Pokok Bahasan Masalah rute terpendek (The Shortest Route Problem) Masalah rentang pohon minimal (The Minimal Spanning Tree Problem) Masalah

Lebih terperinci

Metode Simpleks Minimum

Metode Simpleks Minimum Metode Simpleks Minimum Perhatian Untuk menyelesaikan Persoalan Program Linier dengan Metode Simpleks untuk fungsi tujuan memaksimumkan dan meminimumkan caranya BERBEDA. Perhatian Model matematika dari

Lebih terperinci

What Is Greedy Technique

What Is Greedy Technique 1 What Is Greedy Technique A technique constructing a solution through a sequence of steps, on each step it suggests a greedy grab of the best alternative available in the hope that a sequence of locally

Lebih terperinci

Algoritma Greedy (lanjutan)

Algoritma Greedy (lanjutan) Algoritma Greedy (lanjutan) 5. Penjadwalan Job dengan Tenggat Waktu (Job Schedulling with Deadlines) Persoalan: -Adan buah job yang akan dikerjakan oleh sebuah mesin; -tiapjob diproses oleh mesin selama

Lebih terperinci

BAB II JARINGAN INTERKONEKSI BANYAK TINGKAT. masukan dan keluaran yang disebut dengan inlet dan outlet. Fungsi utama dari sistem

BAB II JARINGAN INTERKONEKSI BANYAK TINGKAT. masukan dan keluaran yang disebut dengan inlet dan outlet. Fungsi utama dari sistem BAB II JARINGAN INTERKONEKSI BANYAK TINGKAT 2.1 Switching Komponen utama dari sistem switching atau sentral adalah seperangkat sirkit masukan dan keluaran yang disebut dengan inlet dan outlet. Fungsi utama

Lebih terperinci

Bagaimana merepresentasikan struktur berikut? A E

Bagaimana merepresentasikan struktur berikut? A E Bagaimana merepresentasikan struktur berikut? B D A E F C G Bagaimana merepresentasikan struktur berikut? Contoh-contoh aplikasi graf Peta (jaringan jalan dan hubungan antar kota) Jaringan komputer Jaringan

Lebih terperinci

merupakan himpunan sisi-sisi tidak berarah pada. (Yaoyuenyong et al. 2002)

merupakan himpunan sisi-sisi tidak berarah pada. (Yaoyuenyong et al. 2002) dari elemen graf yang disebut verteks (node, point), sedangkan, atau biasa disebut (), adalah himpunan pasangan tak terurut yang menghubungkan dua elemen subset dari yang disebut sisi (edge, line). Setiap

Lebih terperinci

METODE SIMPLEKS (THE SIMPLEX METHOD)

METODE SIMPLEKS (THE SIMPLEX METHOD) METODE SIMPLEKS (THE SIMPLEX METHOD) Oleh : Rofi Rofaida, SP., M.Si Program Studi Manajemen Fakultas Pendidikan Ekonomi dan Bisnis Universitas Pendidikan Indonesia Tujuan Simplex Method Pendekatan yang

Lebih terperinci

BAB I. MASALAH TRANSPORTASI KHUSUS

BAB I. MASALAH TRANSPORTASI KHUSUS BAB I. MASALAH TRANSPORTASI KHUSUS Pada perkuliahan pemrograman linear telah dipelajari masalah transportasi secara umum, yaitu suatu masalah pemindahan barang dari beberapa tempat asal (sumber/origin)

Lebih terperinci

MASALAH TRANSPORTASI

MASALAH TRANSPORTASI MASALAH TRANSPORTASI Transportasi pada umumnya berhubungan dengan distribusi suatu produk, menuju ke beberapa tujuan, dengan permintaan tertentu, dan biaya transportasi minimum. Transportasi mempunyai

Lebih terperinci

BAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra.

BAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra. BAB III METODE PENELITIAN Untuk pengumpulan data yang diperlukan dalam melaksanakan tugas akhir, ada beberapa cara yang telah dilakukan, antara lain : 1. Studi Kepustakaan Studi kepustakaan berupa pencarian

Lebih terperinci

MODEL TRANSPORTASI - I MATAKULIAH RISET OPERASIONAL Pertemuan Ke-6

MODEL TRANSPORTASI - I MATAKULIAH RISET OPERASIONAL Pertemuan Ke-6 MODEL TRANSPORTASI - I MATAKULIAH RISET OPERASIONAL Pertemuan Ke-6 Riani Lubis Jurusan Teknik Informatika Universitas Komputer Indonesia 1 2 PENGANTAR Terdapat bermacam-macam network model. Network : Suatu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Graf adalah salah satu metode yang sering digunakan untuk mencari solusi dari permasalahan diskrit dalam dunia nyata. Dalam kehidupan sehari-hari, graf digunakan untuk

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Adapun landasan teori yang dibutuhkan dalam pembahasan tugas akhir ini di antaranya adalah definisi graf, lintasan terpendek, lintasan terpendek fuzzy, metode rangking fuzzy, algoritma

Lebih terperinci

Pertemuan 11 GRAPH, MATRIK PENYAJIAN GRAPH

Pertemuan 11 GRAPH, MATRIK PENYAJIAN GRAPH Pertemuan 11 GRAPH, MATRIK PENYAJIAN GRAPH GRAPH Suatu Graph mengandung 2 himpunan, yaitu : 1. Himpunan V yang elemennya disebut simpul (Vertex atau Point atau Node atau Titik) 2. Himpunan E yang merupakan

Lebih terperinci

Perbandingan Algoritma Dijkstra dan Algoritma Bellman Ford pada Routing Jaringan Komputer

Perbandingan Algoritma Dijkstra dan Algoritma Bellman Ford pada Routing Jaringan Komputer Perbandingan Algoritma Dijkstra dan Algoritma Bellman Ford pada Routing Jaringan Komputer Ginanjar Fahrul Muttaqin Teknik Informatika Institut Teknologi Bandung, Ganeca 10, e-mail: gin2_fm@yahoo.co.id

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 9 BAB 1 PENDAHULUAN 1.1 Latar Belakang Travelling Salesman Problem (TSP) merupakan salah satu permasalahan yang penting dalam dunia matematika dan informatika. TSP dapat diilustrasikan sebagai perjalanan

Lebih terperinci

Pengubahan Model Ketidaksamaan Persamaan

Pengubahan Model Ketidaksamaan Persamaan METODA SIMPLEKS Metoda Simpleks Suatu metoda yang menggunakan prosedur aljabar untuk menyelesaikan programa linier. Proses penyelesaiannya dengan melakukan iterasi dari fungsi pembatasnya untuk mencapai

Lebih terperinci

4.1. Pengumpulan data Gambar 4.1. Contoh Peng b untuk Mean imputation

4.1. Pengumpulan data Gambar 4.1. Contoh Peng b untuk Mean imputation 4.1. Pengumpulan data Data trafik jaringan yang diunduh dari http://www.cacti.mipa.uns.ac.id:90 dapat diklasifikasikan berdasar download rata-rata, download maksimum, download minimum, upload rata-rata,

Lebih terperinci

Syarat dan Ketentuan yang berlaku:

Syarat dan Ketentuan yang berlaku: Syarat dan Ketentuan yang berlaku: Jawaban Quiz dikirimkan dalam format PDF. Untuk jawaban pilihan ganda tuliskan ABJAD beserta jawabannya. Sedangkan untuk soal ESSAY tuliskan jawaban beserta langkah-langkahnya

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Riset Operasi Masalah Riset Operasi (Operation Research) pertama kali muncul di Inggris selama Perang Dunia II. Inggris mula-mula tertarik menggunakan metode kuantitatif dalam

Lebih terperinci

NASKAH UJIAN UTAMA. JENJANG/PROG. STUDI : DIPLOMA TIGA / MANAJEMEN INFORMATIKA HARI / TANGGAL : Kamis / 18 FEBRUARI 2016

NASKAH UJIAN UTAMA. JENJANG/PROG. STUDI : DIPLOMA TIGA / MANAJEMEN INFORMATIKA HARI / TANGGAL : Kamis / 18 FEBRUARI 2016 NASKAH UJIAN UTAMA MATA UJIAN : LOGIKA DAN ALGORITMA JENJANG/PROG. STUDI : DIPLOMA TIGA / MANAJEMEN INFORMATIKA HARI / TANGGAL : Kamis / 18 FEBRUARI 2016 NASKAH UJIAN INI TERDIRI DARI 80 SOAL PILIHAN GANDA

Lebih terperinci

ASSIGNMENT MODEL MATAKULIAH RISET OPERASIONAL Pertemuan Ke-10. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia

ASSIGNMENT MODEL MATAKULIAH RISET OPERASIONAL Pertemuan Ke-10. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia ASSIGNMENT MODEL MATAKULIAH RISET OPERASIONAL Pertemuan Ke-10 Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia 1 Masalah Penugasan (1) Salah satu metode yang digunakan untuk

Lebih terperinci

2. Sebuah prosedur langkah demi langkah yang pasti untuk menyelesaikan sebuah masalah disebut : a. Proses b. Program c. Algoritma d. Prosesor e.

2. Sebuah prosedur langkah demi langkah yang pasti untuk menyelesaikan sebuah masalah disebut : a. Proses b. Program c. Algoritma d. Prosesor e. 1. Dalam menyusun suatu program, langkah pertama yang harus dilakukan adalah : a.membuat program b. Membuat Algoritma c. Membeli komputer d. Proses e. Mempelajari program 2. Sebuah prosedur langkah demi

Lebih terperinci

Penerapan Algoritma Greedy untuk Memecahkan Masalah Pohon Merentang Minimum

Penerapan Algoritma Greedy untuk Memecahkan Masalah Pohon Merentang Minimum Penerapan Algoritma Greedy untuk Memecahkan Masalah Pohon Merentang Minimum Bramianha Adiwazsha - NIM: 13507106 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN 1.1 Latar Belakang Sukarelawan adalah seseorang atau sekelompok orang yang secara ikhlas karena panggilan nuraninya memberikan apa yang dimilikinya tanpa mengharapkan imbalan. Sukarelawan

Lebih terperinci

Metode Simpleks (Simplex Method) Materi Bahasan

Metode Simpleks (Simplex Method) Materi Bahasan Metode Simpleks (Simplex Method) Kuliah 03 TI2231 Penelitian Operasional I 1 Materi Bahasan 1 Rumusan Pemrograman linier dalam bentuk baku 2 Pemecahan sistem persamaan linier 3 Prinsip-prinsip metode simpleks

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI.. Definisi Graf Secara matematis, graf G didefinisikan sebagai pasangan himpunan (V,E) ditulis dengan notasi G = (V, E), yang dalam hal ini: V = himpunan tidak-kosong dari simpul-simpul

Lebih terperinci

Aplikasi Algoritma Dijkstra dalam Pencarian Lintasan Terpendek Graf

Aplikasi Algoritma Dijkstra dalam Pencarian Lintasan Terpendek Graf Aplikasi Algoritma Dijkstra dalam Pencarian Lintasan Terpendek Graf Nur Fajriah Rachmah - 0609 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan

Lebih terperinci

BAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR)

BAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) BAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) 3.1 Regresi Poisson Regresi Poisson merupakan suatu bentuk analisis regresi yang digunakan untuk memodelkan data

Lebih terperinci

Analisis Pengimplementasian Algoritma Greedy untuk Memilih Rute Angkutan Umum

Analisis Pengimplementasian Algoritma Greedy untuk Memilih Rute Angkutan Umum Analisis Pengimplementasian Algoritma Greedy untuk Memilih Rute Angkutan Umum Arieza Nadya -- 13512017 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,

Lebih terperinci

Aplikasi Graf pada Persoalan Lintasan Terpendek dengan Algoritma Dijkstra

Aplikasi Graf pada Persoalan Lintasan Terpendek dengan Algoritma Dijkstra Aplikasi Graf pada Persoalan Lintasan Terpendek dengan Algoritma Dijkstra Adriansyah Ekaputra 13503021 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung Abstraksi Makalah

Lebih terperinci

Pohon (Tree) Universitas Gunadarma Sistem Informasi 2012/2013

Pohon (Tree) Universitas Gunadarma Sistem Informasi 2012/2013 Pohon (Tree) Universitas Gunadarma Sistem Informasi 2012/2013 Pohon (Tree) Pohon (Tree) didefinisikan sebagai graf terhubung yang tidak mengandung sirkuit. Karena merupakan graf terhubung, maka pohon selalu

Lebih terperinci

Program Dinamis (Dynamic Programming)

Program Dinamis (Dynamic Programming) Program Dinamis (Dynamic Programming) Bahan Kuliah IF2211 Strategi Algoritma Oleh: Rinaldi Munir Program Studi Teknik Informatika STEI-ITB 1 2 Program Dinamis Program Dinamis (dynamic programming): - metode

Lebih terperinci

ASSIGNMENT MODEL. Pertemuan Ke-10. Riani Lubis. Universitas Komputer Indonesia

ASSIGNMENT MODEL. Pertemuan Ke-10. Riani Lubis. Universitas Komputer Indonesia ASSIGNMENT MODEL MATAKULIAH RISET OPERASIONAL Pertemuan Ke-10 Riani Lubis Jurusan Teknik Informatika Universitas Komputer Indonesia 1 Masalah Penugasan (1) Salah satu metode yang digunakan untuk Penugasan

Lebih terperinci

TERAPAN POHON BINER 1

TERAPAN POHON BINER 1 TERAPAN POHON BINER 1 Terapan pohon biner di dalam ilmu komputer sangat banyak, diantaranya : 1. Pohon ekspresi 2. Pohon keputusan 3. Kode Prefiks 4. Kode Huffman 5. Pohon pencarian biner 2 Pohon Ekspresi

Lebih terperinci

TEKNIK INFORMATIKA. Teori Dasar Graf

TEKNIK INFORMATIKA. Teori Dasar Graf Teori Graf mulai dikenal pada saat seorang matematikawan bangsa Swiss, bernama Leonhard Euler, berhasil mengungkapkan Misteri Jembatan Konigsberg pada tahun 1736. Di Kota Konigsberg (sekarang bernama Kalilingrad,

Lebih terperinci

Penerapan Algoritma Branch And Bound Dalam Optimasi Assigment Problem

Penerapan Algoritma Branch And Bound Dalam Optimasi Assigment Problem Penerapan Algoritma Branch And Bound Dalam Optimasi Assigment Problem Halim Munawar - 13505106 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika(STEI) - ITB Jl. Ganesa No.10, Bandung,

Lebih terperinci

Gabungan Kontrol Congestion, Perutean, Dan Alokasi Sumber Daya Kooperatif Untuk Daya Tradeoff Di Dalam Gedung.

Gabungan Kontrol Congestion, Perutean, Dan Alokasi Sumber Daya Kooperatif Untuk Daya Tradeoff Di Dalam Gedung. Gabungan Kontrol Congestion, Perutean, Dan Alokasi Sumber Daya Kooperatif Untuk Daya Tradeoff Di Dalam Gedung. Farid Baskoro (2205 100 027) Dosen Pembimbing : 1. Prof. Ir. Gamantyo Hendrantoro, M.Eng,

Lebih terperinci

Algoritma dan Pemrograman Pendekatan Pemrograman Modular

Algoritma dan Pemrograman Pendekatan Pemrograman Modular PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO Algoritma dan Pemrograman Pendekatan Pemrograman Modular Oky Dwi Nurhayati, ST, MT email: okydn@undip.ac.id Pendahuluan Teknik Pemrograman Penekanan

Lebih terperinci

BAB 1 PENDAHULUAN. minimum secara langsung didasarkan pada algoritma MST (Minimum Spanning

BAB 1 PENDAHULUAN. minimum secara langsung didasarkan pada algoritma MST (Minimum Spanning 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Hubungan antara titik-titik dalam graf kadang-kadang perlu diperjelas. Hubungannya tidak cukup hanya menunjukkan titik-titik mana yang berhubungan langsung, tetapi

Lebih terperinci

OPTIMALISASI PENDAPATAN PADA CV. PALUNESIA COLLECTION TEAM DENGAN MENGGUNAKAN METODE HUNGARIAN

OPTIMALISASI PENDAPATAN PADA CV. PALUNESIA COLLECTION TEAM DENGAN MENGGUNAKAN METODE HUNGARIAN JIMT Vol. 2 No. 2 Desember 206 (Hal 72-84) ISSN : 2450 766X OPTIMALISASI PENDAPATAN PADA CV. PALUNESIA COLLECTION TEAM DENGAN MENGGUNAKAN METODE HUNGARIAN A. Aras, A. I. Jaya 2, A. Sahari 3,2,3 Jurusan

Lebih terperinci

Penentuan Rute Terbaik pada Permainan Taxi Rider

Penentuan Rute Terbaik pada Permainan Taxi Rider Penentuan Rute Terbaik pada Permainan Taxi Rider Perbandingan antara Algoritma Greedy dan Pemrograman Dinamis Ezra Hizkia Nathanael - 13510076 Program Studi Teknik Informatika Sekolah Teknik Elektro dan

Lebih terperinci

CRITICAL PATH. Menggunakan Graph berbobot dan mempunya arah dari Critical Path: simpul asal : 1 simpul tujuan : 5. Graph G. Alternatif

CRITICAL PATH. Menggunakan Graph berbobot dan mempunya arah dari Critical Path: simpul asal : 1 simpul tujuan : 5. Graph G. Alternatif CRITICAL PATH Menggunakan Graph berbobot dan mempunya arah dari Critical Path: simpul asal : 1 simpul tujuan : 5 Graph G Path Bobot Alternatif 1 4 5 16 1 2 5 15 1 2 3 5 24 1 4 3 5 19 1 2 3 4 5 29 1 4 3

Lebih terperinci

MODEL TRANSPORTASI OLEH YULIATI, SE, MM

MODEL TRANSPORTASI OLEH YULIATI, SE, MM MODEL TRANSPORTASI OLEH YULIATI, SE, MM PERSOALAN TRANSPORTASI Metode transportasi adalah suatu metode dalam Riset Operasi yang digunakan utk mengatur distribusi dari sumber-sumber yg menyediakan produk

Lebih terperinci

Metode Transportasi. Rudi Susanto

Metode Transportasi. Rudi Susanto Metode Transportasi Rudi Susanto Pendahuluan METODE TRANSPORTASI Metode Transportasi merupakan suatu metode yang digunakan untuk mengatur distribusi dari sumber-sumber yang menyediakan produk yang sama

Lebih terperinci

APLIKASI ALGORITMA GREEDY PADA PERSOALAN PEWARNAAN GRAF

APLIKASI ALGORITMA GREEDY PADA PERSOALAN PEWARNAAN GRAF APLIKASI ALGORITMA GREEDY PADA PERSOALAN PEWARNAAN GRAF Fitriana Passa (13508036) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jalan Ganeca 10 Bandung

Lebih terperinci

Program Dinamis (Dynamic Programming)

Program Dinamis (Dynamic Programming) Program Dinamis (Dynamic Programming) Program Dinamis Program Dinamis (dynamic programming): metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan langkah (step) atau tahapan (stage)

Lebih terperinci

BAB IV ANALISIS PEMILIHAN ALTERNATIF LOKASI PASAR LOKAL DI KECAMATAN CIKAMPEK

BAB IV ANALISIS PEMILIHAN ALTERNATIF LOKASI PASAR LOKAL DI KECAMATAN CIKAMPEK 83 BAB IV ANALISIS PEMILIHAN ALTERNATIF LOKASI PASAR LOKAL DI KECAMATAN CIKAMPEK 4.1 Metode Pemilihan Alternatif Lokasi Pasar Lokal 4.1.1 Penentuan Titik Titik Permintaan (Demand Point) Titik permintaan

Lebih terperinci

Operations Management

Operations Management 6s-1 Linear Programming Operations Management MANAJEMEN William J. Stevenson 8 th edition 6s-2 Linear Programming METODE TRANSPORTASI suatu metode yang digunakan untuk mengatur distribusi dari sumber-sumber

Lebih terperinci

1. PENDAHULUAN 1.1 Latar Belakang

1. PENDAHULUAN 1.1 Latar Belakang PERANGKAT LUNAK PENCARIAN RUTE TERPENDEK DENGAN MENGGUNAKAN METODE PEMROGRAMAN DINAMIS (FLOYD WARSHALL) Ulil Hamida Program Studi Sistem Informasi, STMI Jakarta ulil-h@kemenperin.go.id ABSTRAK Pencarian

Lebih terperinci

Program Dinamis. Oleh: Fitri Yulianti

Program Dinamis. Oleh: Fitri Yulianti Program Dinamis Oleh: Fitri Yulianti 1 Program Dinamis Program Dinamis (dynamic programming): - metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan tahapan (stage) - sedemikian sehingga

Lebih terperinci

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 4: MERANCANG JARINGAN SUPPLY CHAIN (LANJUTAN)

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 4: MERANCANG JARINGAN SUPPLY CHAIN (LANJUTAN) MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 4: MERANCANG JARINGAN SUPPLY CHAIN (LANJUTAN) By: Rini Halila Nasution, ST, MT METODE ANALISA TRANSPORTASI Aplikasi metode transportasi meliputi pemecahan

Lebih terperinci

BAB I PENDAHULUAN. Latar Belakang Masalah

BAB I PENDAHULUAN. Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Banyak hal dalam kehidupan sehari-hari yang tidak dapat diprediksi dengan pasti, ada kalanya segala sesuatu berjalan sesuai dengan apa yang diharapkan atau

Lebih terperinci

Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Studi Agribisnis Fakultas Pertanian Universitas Jambi

Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Studi Agribisnis Fakultas Pertanian Universitas Jambi Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Studi Agribisnis Fakultas Pertanian Universitas Jambi Merupakan salah satu bentuk dari model jaringan kerja (network). Suatu model yang berhubungan dengan

Lebih terperinci

ALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP

ALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP Media Informatika, Vol. 2, No. 2, Desember 2004, 75-81 ISSN: 0854-4743 ALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP Zainudin Zukhri, Shidiq Alhakim Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas

Lebih terperinci

Struktur dan Organisasi Data 2 G R A P H

Struktur dan Organisasi Data 2 G R A P H G R A P H Graf adalah : Himpunan V (Vertex) yang elemennya disebut simpul (atau point atau node atau titik) Himpunan E (Edge) yang merupakan pasangan tak urut dari simpul, anggotanya disebut ruas (rusuk

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah dalam menentukan rantaian terpendek diantara pasangan node (titik) tertentu dalam suatu graph telah banyak menarik perhatian. Persoalan dirumuskan sebagai kasus

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 4 BAB 2 LANDASAN TEORI 2.1 Pengertian Kemacetan Kemacetan adalah situasi atau keadaan tersendatnya atau bahkan terhentinya lalu lintas yang disebabkan oleh banyaknya jumlah kendaraan melebihi kapasitas

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN Pada bab ini, akan dijelaskan metode-metode yang penulis gunakan dalam penelitian ini. Adapun metode yang akan digunakan dalam penelitian ini adalah Metode Simpleks dan Metode Branch

Lebih terperinci

UNIVERSITAS GUNADARMA

UNIVERSITAS GUNADARMA UNIVERSITAS GUNADARMA SK No. 92 / Dikti / Kep /1996 Fakultas Ilmu Komputer, Teknologi Industri, Ekonomi,Teknik Sipil & Perencanaan, Psikologi, Sastra Program Diploma (D3) Manajemen Informatika, Teknik

Lebih terperinci

Design and Analysis of Algorithms CNH2G3- Week 7 Brute Force Algorithm Part 2: Exhaustive Search

Design and Analysis of Algorithms CNH2G3- Week 7 Brute Force Algorithm Part 2: Exhaustive Search Design and Analysis of Algorithms CNH2G3- Week 7 Brute Force Algorithm Part 2: Exhaustive Search Dr. Putu Harry Gunawan (PHN) Daftar Isi 1 Pendahuluan..................................... 1 2 Traveling

Lebih terperinci

KERANGKA PEMIKIRAN. diduga disebabkan oleh rendahnya tingkat kepemilikan modal petani untuk

KERANGKA PEMIKIRAN. diduga disebabkan oleh rendahnya tingkat kepemilikan modal petani untuk 43 III. KERANGKA PEMIKIRAN 3.1. Kerangka Konseptual Kerangka konseptual yang dibangun pada penelitian ini didasari adanya anggapan bahwa rendahnya produktivitas yang dicapai petani tomat dan kentang diduga

Lebih terperinci

BAB I PENDAHULUAN. yang dikemukakan oleh George Dantzig pada tahun Linear Programming (LP) adalah perencanaan aktivitas-aktivitas untuk

BAB I PENDAHULUAN. yang dikemukakan oleh George Dantzig pada tahun Linear Programming (LP) adalah perencanaan aktivitas-aktivitas untuk BAB I PENDAHULUAN 1.1 Latar Belakang Program Linear adalah suatu alat yang digunakan untuk menyelesaikan masalah optimasi suatu model linear dengan keterbatasan-keterbatasan sumber daya yang tersedia.

Lebih terperinci

ASSIGNMENT MODEL MATAKULIAH RISET OPERASIONAL Pertemuan Ke-12

ASSIGNMENT MODEL MATAKULIAH RISET OPERASIONAL Pertemuan Ke-12 ASSIGNMENT MODEL MATAKULIAH RISET OPERASIONAL Pertemuan Ke-12 Riani Lubis JurusanTeknik Informatika Universitas Komputer Indonesia 1 Masalah Penugasan Salah satu metode yang digunakan untuk Penugasan adalah

Lebih terperinci

Operations Management

Operations Management Operations Management OPERATIONS RESEARCH William J. Stevenson 8 th edition LINEAR PROGRAMMING Suatu model umum yang dapat digunakan dalam pemecahan masalah pengalokasian sumber-sumber yang terbatas secara

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Graf Definisi 2.1.1 Sebuah graf didefinisikan sebagai pasangan terurut himpunan dimana: 1. adalah sebuah himpunan tidak kosong yang berhingga yang anggotaanggotanya

Lebih terperinci