PRESENTASI TUGAS AKHIR KI OPTIMASI PERMASALAHAN PENUGASAN DOKTER MENGGUNAKAN REPRESENTASI GRAF BIPATIT BERBOBOT
|
|
- Johan Kurniawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PRESENTASI TUGAS AKHIR KI OPTIMASI PERMASALAHAN PENUGASAN DOKTER MENGGUNAKAN REPRESENTASI GRAF BIPATIT BERBOBOT Penyusun Tugas Akhir : Laili Rochmah (NRP : ) Dosen Pembimbing : Ahmad Saikhu, S.Si., M.T. Rully Soelaiman S.Kom., M.Kom. 16 Juli 2013 Tugas Akhir KI
2 Kesimpulan Ujicoba Data Masukan Proses untuk menentukan dokter yang ditugaskan dengan model Integer programming :AGENDA:. Latar belakang Permasalahan Batasan Masalah Tujuan Penugasan Dokter pada Rumah Sakit Proses untuk menentukan dokter yang memenuhi kondisi dengan model Graf Bipartite 16 Juli 2013 Tugas Akhir KI
3 .: LATAR BELAKANG :. 1. Pelayanan kesehatan merupakan salah satu bentuk pelayanan yang paling banyak dibutuhkan masyarakat. Berbagai rumah sakit berupaya memberikan pelayanan yang terbaik bagi pasien. 2. Perbaikan terhadap mutu rumah sakit layanan medis sangat dibutuhkan. Salah satunya layanan panggilan dokter bagi masyarakat yang membutuhkan secara real time. 3. Sehingga rumah sakit membutuhkan struktur pengambilan keputusan untuk penugasan dokter agar dapat menanggulangi situasi gawat darurat korban secepat mungkin. 4. Model Graf Bipartite (GB) dan Integer Programming (IP) diharapkan mampu mengoptimalkan hasil penugasan dokter yang tepat serta mampu mengatasi semua masalah pengambilan keputusan yang berkaitan dengan penugasan dokter. 16 Juli 2013 Tugas Akhir KI
4 .: PERMASALAHAN:. Permasalahan yang diangkat dalam tugas akhir ini adalah: 1. Bagaimana model GB dan IP dalam struktur pengambilan keputusan dapat menghasilkan solusi yang optimal untuk penugasan dokter? 2. Bagaimana mengimplementasikan model GB dan IP dalam struktur pengambilan keputusan untuk penugasan dokter? 3. Bagaimana pengaruh jumlah kemungkinan dokter yang memenuhi kondisi terhadap performa dari model GB dan IP? 4. Bagaimana uji coba terhadap implementasi dari contoh percobaan yang dilakukan? 16 Juli 2013 Tugas Akhir KI
5 .: BATASAN MASALAH:. 1. Model dalam struktur pengambilan keputusan yang diimplementasikan hanya untuk model GB dan IP. 2. Permasalahan penugasan dokter terjadi dalam satu waktu. 3. Penugasan untuk tiap dokter ditugaskan untuk satu kondisi. 4. Penugasan untuk tiap kondisi ditugaskan untuk satu dokter. 5. Data kondisi dalam bentuk postfix. 6. Data pertama terdiri dari 7 dokter dan 5 kondisi karena data tersebut dapat mewakili permasalahan penugasan dokter. Data diambil dari paper karya Yuqing Sun [1]. 7. Data kedua terdiri dari 40 dokter dan 18 kondisi yang didalamnya dilakukan perubahan tertentu dengan harapan dapat memperoleh hasil yang diinginkan. Data diambil dari paper karya Mehran Hojati [11]. 16 Juli 2013 Tugas Akhir KI
6 .: TUJUAN:. 1. Melakukan verifikasi solusi optimal dalam penugasan dokter berdasarkan implementasi model yang diajukan. 2. Mengimplementasikan model Graf Bipartite (GB) dan Integer Programming (IP) pada permasalahan penugasan dokter. 3. Melakukan uji coba terhadap implementasi dari contoh percobaan yang dilakukan. 16 Juli 2013 Tugas Akhir KI
7 .: PENUGASAN DOKTER PADA RUMAH SAKIT:. 1. Penugasan untuk dokter dimana dokter akan diberi tugas untuk pergi ke suatu tempat untuk melakukan perawatan medis. 2. Kualifikasi dokter yang ditugaskan disebut kondisi. Kondisi berisi keahlian dokter yang dibutuhkan. 3. Satu dokter bisa memiliki banyak keahlian. Contoh: Dokter A memiliki keahlian dokter kulit dan kandungan. 4. Satu kondisi bisa berisi banyak keahlian dan dihubungkan dengan dan atau. Contoh: suatu daerah membutuhkan dokter jantung dan bedah 5. Terdapat jarak yang menghubungkan dokter dan lokasi kondisi. 6. Keputusan-keputusan yang terkait dengan masalah penugasan dokter antara lain dokter siapa yang memenuhi kondisi dan dokter siapa yang ditugaskan. 16 Juli 2013 Tugas Akhir KI
8 .:ILUSTRASI PENUGASAN DOKTER(1) :. Model penugasan dokter yang digunakan pada tugas akhir ini meliputi: 7 dokter (D1 sampai D7) 5 kondisi (C1 sampai C5) 16 Juli 2013 Tugas Akhir KI
9 .:ILUSTRASI PENUGASAN DOKTER(2) :. Gambar konfigurasi penugasan dokter yang belum dilakukan optimasi 16 Juli 2013 Tugas Akhir KI
10 .: PROSES UNTUK MENENTUKAN DOKTER YANG MEMENUHI KONDISI DENGAN MODEL GB:. Model GB yang digunakan adalah: 1. V 1 2. V 2 3. E himpunan node yang mewakili keahlian. himpunan node yang mewakili dokter himpunan edge yang menghubungkan node di V 1 dengan node di V 2 atau menghubungkan sebuah keahlian dengan seorang dokter yang cocok. 16 Juli 2013 Tugas Akhir KI
11 .: PROSES UNTUK MENENTUKAN DOKTER YANG DITUGASKAN DENGAN MODEL IP :. Variabel keputusan Variabel keputusan pada model optimasi ini meliputi dua tipe: 1. Variabel kontinyu (hasil tidak harus integer) 2. Variabel binari (nilai 1 atau 0) 16 Juli 2013 Tugas Akhir KI
12 .: PROSES UNTUK MENENTUKAN DOKTER YANG DITUGASKAN DENGAN MODEL IP :. Variabel Kontinyu D ij Jarak dokter i ke lokasi kondisi j Menunjukkan jarak dari masing-masing dokter i dalam ke kondisi j Variabel Binari X ij Bernilai 1 jika dokter i ditugaskan ke kondisi j, 0 jika selainnya 16 Juli 2013 Tugas Akhir KI
13 .: PROSES UNTUK MENENTUKAN DOKTER YANG DITUGASKAN DENGAN MODEL IP :. Tujuan : Meminimalkan i, j D ij. X ij Batasan penugasan 1. i X 1 ij 2. j X 1 ij 16 Juli 2013 Tugas Akhir KI
14 .: PROSES UNTUK MENENTUKAN DOKTER YANG DITUGASKAN DENGAN MODEL IP :. Tujuan : Meminimalkan i, j D ij. X ij Batasan penugasan Jarak dokter Jarak ini menunjukkan bahwa jarak dokter dengan lokasi kondisi D ij X ij = Jarak dokter i ke lokasi kondisi j = Dokter i ditugaskan ke kondisi j i = Dokter J = Kondisi 1. i X 1 ij 2. j X 1 ij 16 Juli 2013 Tugas Akhir KI
15 .: PROSES UNTUK MENENTUKAN DOKTER YANG DITUGASKAN DENGAN MODEL IP :. Tujuan : Meminimalkan i, j D ij. X ij Batasan penugasan 1. i X 1 ij tiap-tiap dokter i ditugaskan dengan tepat satu kondisi j 2. j X 1 ij tiap-tiap kondisi j ditugaskan dengan tepat satu dokter i 16 Juli 2013 Tugas Akhir KI
16 .: DATA MASUKAN:. 1. Data keahlian 2. Data dokter dan keahliannya 3. Data kondisi 4. Data jarak dokter ke lokasi kondisi 16 Juli 2013 Tugas Akhir KI
17 UJI COBA 1. Model GB diimplementasikan pada sistem operasi windows dengan aplikasi Dev C++ 2. Model IP diimplementasikan pada sistem operasi windows dengan aplikasi MATLAB dibantu solver TOMLAB 3. Uji coba dilakukan untuk menyelesaikan permasalahan yang berbeda o Permasalahan 1 o Permasalahan 2 16 Juli 2013 Tugas Akhir KI
18 .:KESIMPULAN(1):. 1. Model GB dapat memberikan hasil yang akurat berupa dokter yang memenuhi kondisi. Hal ini dapat membantu pihak rumah sakit dalam mengambil keputusan perihal pemilihan dokter yang memenuhi kondisi secara tepat. 2. Model IP dapat menghasilkan suatu hasil optimal berupa total jarak dokter dengan lokasi kondisi. Hal ini dapat membantu rumah sakit dalam mengambil keputusan yang optimal perihal pemilihan kombinasi dokter yang ditugaskan. 3. Dalam kaitannya dengan struktur pengambilan keputusan hasil dari model IP sangatlah bergantung pada faktor dokter yang memenuhi kondisi. Di mana faktor dokter yang memenuhi kondisi ditentukan dengan model GB. 16 Juli 2013 Tugas Akhir KI
19 .:KESIMPULAN(2):. 4. Jumlah kemungkinan dokter yang memenuhi kondisi tidak berpengaruh secara signifikan terhadap performa dari model GB dan IP. 16 Juli 2013 Tugas Akhir KI
20 .:DAFTAR PUSTAKA (1):. 1) Yuqing Sun, Dickson K.W. Chiu, Bin Gong, Xiangxu Meng, and Peng Zhang, "Scheduling mobile collaborating workforce for multiple urgent events," Journal of Network and Computer Applications, pp , ) Frederick S Hillier and Gerald J Lieberman, Introduction to Operations Research,Seventh Edition. New York: Thomas Casson, ) Hamdy A Tamha, Operations Research an Introduction Eight Edition. London: Pearson Education, Inc, ) K., Goran, A.O.,Edvall, M.M. Holmstrom, User's Guide For Tomlab 5.9, Tomlab Optimization., ) Kenneth H. Rosen, Discrete Mathematics and Its Applications,Sixth Edition. New York: McGraw-Hill, Juli 2013 Tugas Akhir KI
21 .:DAFTAR PUSTAKA (2):. 6) Thomas H. Cormen, Introduction to Algorithms, Second Edition. London: The MIT Press, ) Richard Johnsonbaugh, Discrete Mathematics. New Jersey: Prentice Hall Inc, ) Yuqing Sun and Dickson K.W., "Context-Aware Scheduling of Workforce for Multiple Urgent Events," ) Robert Sedgewick and Kevin Wayne, Algorithms,Four Edition. Boston: Pearson Education, Inc, ) Van Bang Le, "Bipartite-perfect graphs," Discrete Applied Mathematics, pp , ) Mehran Hojati, "An Integer Linear Programming-Based Heuristic For Weekly Scheduling of Fast Food Restaurant Employees," Business, Juli 2013 Tugas Akhir KI
22 .:DAFTAR PUSTAKA (3):. 12) Eddy Herjanto, Managemen Operasi Edisi Ketiga. Jakarta: PT. Gramedia Widiasarana Indonesia, ) Anders O. Goran and Marcus M. Edvall, TOmlab Instalation Guide., ) Rainer E.Burkard, "Selected topics on assignment problems," Discrete Applied Mathematics, pp , ) P. K. De and Bharti Yadav, "An Algorithm to Solve Multi-Objective Assignment Problem Using Interactive Fuzzy Goal Programming Approach," Math. Sciences, pp , ) S.R. Agnihothri and P.F. Taylor, "Staffing a centralized appointment scheduling," Interfaces, pp. 1-11, Juli 2013 Tugas Akhir KI
23 TERIMA KASIH 16 Juli 2013 Tugas Akhir KI
24 .:Permasalahan 1:. Pada permasalahan ini, akan dilakukan optimasi penugasan dokter yang menunjukkan semua keputusan tentang dokter yang memenuhi kondisi dan dokter yang ditugaskan. Data percobaan yang dilakukan meliputi: 8 macam keahlian 7 dokter (D1 sampai D7) 5 kondisi (C1 sampai C5) jarak 7 dokter ke 5 lokasi kondisi 16 Juli 2013 Tugas Akhir KI
25 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan 16 Juli 2013 Tugas Akhir KI
26 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Data 8 keahlian Data 7 dokter dan keahliannya Data 5 kondisi Data jarak Tabel data keahlian No Keahlian 1 Bedah 2 Jantung 3 Kandungan 4 Kulit 5 Koordinator 6 Asisten 7 DokterUtama 8 PembantuDokter 16 Juli 2013 Tugas Akhir KI
27 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Data 8 keahlian Data 7 dokter dan keahliannya Data 5 kondisi Data jarak Tabel data dokter dan keahliannya Dktr D1 D2 D3 D4 D5 D6 D7 Keahlian Jantung, bedah, pembantu dokter Kulit, kandungan, asisten dokter utama Kandungan, bedah, dokter utama Jantung, pembantu dokter Jantung, kulit, dokter utama Jantung, kandungan, koord. dokter utama Kandungan, bedah, pembantu dokter 16 Juli 2013 Tugas Akhir KI
28 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Data 8 keahlian Data 7 dokter dan keahliannya Data 5 kondisi Data jarak Tabel data kondisi Kondisi C1 C2 C3 C4 C5 Keahlian yang dibutuhkan Jantung dan Kulit Kandungan atau (Bedah dan DokterUtama ) (Bedah dan DokterUtama ) atau (Kandungan dan Asisten) Jantung dan DokterUtama Kandungan 16 Juli 2013 Tugas Akhir KI
29 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Data 8 keahlian Data 7 dokter dan keahliannya Data 5 kondisi Data jarak Tabel data jarak Kondisi Dokter C1 C2 C3 C4 C5 D D D D D D D Juli 2013 Tugas Akhir KI
30 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Keahlian Bedah Jantung Kandungan Kulit Koordinator Asisten DokterUtama PembantuDokter Dktr D1 D2 D3 D4 D5 D6 D7 16 Juli 2013 Tugas Akhir KI
31 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Keahlian Bedah Jantung Kulit Kandungan Koordinator Asisten Dktr Utama Pmbntu Dktr Dokter D1 D2 D3 D4 D5 D6 D7 16 Juli 2013 Tugas Akhir KI
32 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Keahlian Dktr D1 D2 D3 D4 D5 D6 D7 Bedah Jantung Kulit Kandungan Koordinator Asisten Dktr Utama Pmbntu Dktr Dokter Keahlian D2 Jantung, bedah, pembantu dokter Kulit, kandungan, asisten dokter utama D3 Kandungan, bedah, dokter utama Jantung, pembantu dokter D1 D4 Jantung, kulit, dokter utama Jantung, kandungan, koord. dokter D5 utama Kandungan, bedah, pembantu dokter D6 D7 16 Juli 2013 Tugas Akhir KI
33 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Keahlian Bedah Jantung Kulit Kandungan Koordinator Asisten Dktr Utama Pmbntu Dktr Dokter D1 D2 D3 D4 D5 D6 D7 16 Juli 2013 Tugas Akhir KI
34 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Keahlian Bedah Jantung Kulit Kandungan Koordinator Asisten Dktr Utama Pmbntu Dktr Dokter D1 D2 D3 D4 D5 D6 D7 16 Juli 2013 Tugas Akhir KI
35 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Keahlian Bedah Jantung Kulit Kandungan Koordinator Asisten Dktr Utama Pmbntu Dktr Dokter D1 D2 D3 D4 D5 D6 D7 16 Juli 2013 Tugas Akhir KI
36 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Keahlian Bedah Jantung Kulit Kandungan Koordinator Asisten Dktr Utama Pmbntu Dktr Dokter D1 D2 D3 D4 D5 D6 D7 16 Juli 2013 Tugas Akhir KI
37 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Tabel hasil pengelompokkan dokter Berdasarkan keahlian Keahlian Bedah Jantung Kandungan Kulit Koordinator Asisten Dokter utama Pembantu Dokter Dokter D1,D3,D7 D1,D4,D5,D6 D2,D3,D6,D7 D2,D5 D6 D2 D2,D3,D5,D6 D1,D4,D7 16 Juli 2013 Tugas Akhir KI
38 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Tabel data kondisi Kondisi C1 Keahlian yang dibutuhkan Jantung dan Kulit C2 Kandungan atau (Bedah dan DokterUtama ) C3 (Bedah dan DokterUtama ) atau (Kandungan dan Asisten) C4 Jantung dan DokterUtama C5 Kandungan 16 Juli 2013 Tugas Akhir KI
39 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Tabel data kondisi Kondisi Keahlian yang dibutuhkan C1 Jantung dan Kulit C2 Kandungan atau (Bedah dan DokterUtama ) Tabel hasil pengelompokkan dokter C3 (Bedah dan DokterUtama ) Berdasarkan keahlian atau (Kandungan dan Asisten) C4 Keahlian Jantung dan DokterUtama Bedah C5 Kandungan D1,D3,D7 Jantung D1,D4,D5,D6 Kandungan D2,D3,D6,D7 Kulit D2,D5 Koordinator D6 Asisten D2 Dokter utama D2,D3,D5,D6 Pembantu Dokter D1,D4,D7 16 Juli 2013 Tugas Akhir KI
40 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Tabel data kondisi Kondisi C1 Kondisi C1 = Jantung dan Kulit = {D1,D4,D5,D6} {D2,D5} = {D5} Keahlian yang dibutuhkan Jantung dan Kulit C2 Kandungan atau (Bedah dan DokterUtama ) C3 (Bedah dan DokterUtama ) atau (Kandungan dan Asisten) C4 Jantung dan DokterUtama C5 Kandungan 16 Juli 2013 Tugas Akhir KI
41 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Tabel dokter yang memenuhi kondisi Kondisi Dokter yang memenuhi C1 D5 C2 D2,D3,D6,D7 C3 D2,D3 C4 D5,D6 C5 D2,D3,D6,D7 16 Juli 2013 Tugas Akhir KI
42 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Tabel dokter yang memenuhi kondisi Kondisi C1 C2 C3 C4 C5 Tabel data jarak Dokter yang memenuhi D5 D2,D3,D6,D7 D2,D3 D5,D6 D2,D3,D6,D7 Dokter Kondisi C1 C2 C3 C4 C5 D D D D D D D Juli 2013 Tugas Akhir KI
43 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Jarak dokter yang tidak memenuhi kondisi di-set maksimal, yaitu 100 Tabel data jarak Dokter Kondisi C1 C2 C3 C4 C5 D D D D D D D Juli 2013 Tugas Akhir KI
44 .:Permasalahan 1:. Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. inisialisasi data 2. keahlian dan dokter direpresentasikan sebagai graf bipartite 3. dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Ford Fulkerson 4. dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection 5. jarak baru ditentukan Jarak dokter yang tidak memenuhi kondisi di-set maksimal, yaitu 100 Tabel data jarak Dokter Kondisi C1 C2 C3 C4 C5 D D D D D D D Juli 2013 Tugas Akhir KI
45 .:Permasalahan 1:. Proses untuk menentukan dokter yang ditugaskan dengan model IP 1. inisialisasi data 2. fungsi tujuan, seluruh batasan, dan variabel keputusan digunakan pada model 3. inisialisasi nilai b_l dan b_u 4. inisialisasi nilai x_l dan x_u 5. inisialisasi IntVars Tabel data jarak Dokter Kondisi C1 C2 C3 C4 C5 D D D D D D D Juli 2013 Tugas Akhir KI
46 .:Permasalahan 1:. Proses untuk menentukan dokter yang ditugaskan dengan model IP 1. inisialisasi data 2. fungsi tujuan, seluruh batasan, dan variabel keputusan digunakan pada model 3. inisialisasi nilai b_l dan b_u 4. inisialisasi nilai x_l dan x_u 5. inisialisasi IntVars Tabel data jarak Dokter Kondisi C1 C2 C3 C4 C5 D D D D D D D Fungsi tujuan: Z= 100x D1C1 +100x D1C2 +100x D1C3 +100x D1C4 +100x D1C5 +100x D2C1 +40x D2C2 +6x D2C3 +100x D2C4 +19x D2C5 +100x D3C1 +2x D3C2 +14x D3C3 +100x D3C4 +15x D3C5 +100x D4C1 +100x D4C2 +100x D4C3 +100x D4C4 +100x D4C5 +3x D5C1 +100x D5C2 +100x D5C3 +20x D5C4 +100x D5C5 +100x D6C1 +24x D6C2 +100x D6C3 +10x D6C4 +36x D6C5 +100x D7C1 +15x D7C2 +100x D7C3 +100x D7C4 +8x D7C5 16 Juli 2013 Tugas Akhir KI
47 .:Permasalahan 1:. Proses untuk menentukan dokter yang ditugaskan dengan model IP 1. inisialisasi data 2. fungsi tujuan, seluruh batasan, dan variabel keputusan digunakan pada model 3. inisialisasi nilai b_l dan b_u 4. inisialisasi nilai x_l dan x_u 5. inisialisasi IntVars Batasan 1: - tiap-tiap dokter ditugaskan dengan tepat satu kondisi Dokter D1: x D1C1 +x D1C2 +x D1C3 +x D1C4 +x D1C5 =1 Dokter D2: x D2C1 +x D2C2 +x D2C3 +x D2C4 +x D2C5 =1 Dokter D3: x D3C1 +x D3C2 +x D3C3 +x D3C4 +x D3C5 =1 Dokter D4: x D4C1 +x D4C2 + D4C3 +x D4C4 +x D4C5 =1 Dokter D5: x D5C1 +x D5C2 +x D5C3 +x D5C4 +x D5C5 =1 Dokter D6 x D6C1 +x D6C2 +x D6C3 +x D6C4 +x D6C5 =1 Dokter D7 x D7C1 +x D7C2 +x D7C3 +x D7C4 +x D7C5 =1 16 Juli 2013 Tugas Akhir KI
48 .:Permasalahan 1:. Proses untuk menentukan dokter yang ditugaskan dengan model IP 1. inisialisasi data 2. fungsi tujuan, seluruh batasan, dan variabel keputusan digunakan pada model 3. inisialisasi nilai b_l dan b_u 4. inisialisasi nilai x_l dan x_u 5. inisialisasi IntVars Batasan 2: - tiap-tiap kondisi ditugaskan dengan tepat satu dokter Kondisi C1: x D1C1 +x D2C1 +x D3C1 +x D4C1 +x D5C1 +x D6C1 +x D7C1 =1 Kondisi C2: x D1C2 +x D2C2 +x D3C2 +x D4C2 +x D5C2 +x D6C2 +x D7C2 =1 Kondisi C3: x D1C3 +x D2C3 +x D3C3 +x D4C3 +x D5C3 +x D6C3 +x D7C3 =1 Kondisi C4: x D1C4 +x D2C4 +x D3C4 +x D4C4 +x D5C4 +x D6C4 +x D7C4 =1 Kondisi C5: x D1C5 +x D2C5 +x D3C5 +x D4C5 +x D5C5 +x D6C5 +x D7C5 =1 16 Juli 2013 Tugas Akhir KI
49 .:Permasalahan 1:. Proses untuk menentukan dokter yang ditugaskan dengan model IP 1. inisialisasi data 2. fungsi tujuan, seluruh batasan, dan variabel keputusan digunakan pada model 3. inisialisasi nilai b_l dan b_u 4. inisialisasi nilai x_l dan x_u 5. inisialisasi IntVars b_l = 1 b_u = 1 x_l = 0 x_u =1 IntVars = 1 16 Juli 2013 Tugas Akhir KI
50 .:Permasalahan 1:. Proses untuk menentukan dokter yang ditugaskan dengan model IP 1. inisialisasi data 2. fungsi tujuan, seluruh batasan, dan variabel keputusan digunakan pada model 3. inisialisasi nilai b_l dan b_u 4. inisialisasi nilai x_l dan x_u 5. inisialisasi IntVars Tujuan meminimalkan total jarak Tabel data jarak Dokter Kondisi C1 C2 C3 C4 C5 D D D D D D D Hasil optimal permasalahan 1, dengan total jarak = Juli 2013 Tugas Akhir KI
51 .:Permasalahan 1:. Tabel Dokter yang ditugaskan Kondisi Dokter Jarak C1 D5 3 C2 D3 2 C3 D2 6 C4 D6 10 C5 D7 8 Total jarak 29 Gambar Penugasan dokter untuk permasalahan 1 analisa simpulan 16 Juli 2013 beda Tugas Akhir KI
52 .:Beda konfigurasi:. Setelah dilakukan optimasi 16 Juli 2013 Tugas Akhir KI
53 .:Permasalahan 2:. Pada permasalahan ini, akan dilakukan untuk mengamati jumlah kemungkinan dokter yang memenuhi kondisi berpengaruh terhadap performa model. Percobaan dilakukan sebanyak 7 kali dengan data yang berbeda-beda. 16 Juli 2013 Tugas Akhir KI
54 .:Permasalahan 2:. Langkah-langkah yang dilakukan seperti permasalahan 1. Data yang digunakan setiap percobaan: 5 macam keahlian 40 dokter 18 kondisi jarak 40 dokter ke 18 lokasi kondisi 16 Juli 2013 Tugas Akhir KI
55 .:Permasalahan 2:. Hasil optimal permasalahan 2 Tabel hasil optimal permasalahan 2 Percobaan Jarak Juli 2013 Tugas Akhir KI
56 .:Permasalahan 2:. Estimasi running time Grafik running time permasalahan 2 Waktu (detik) Total rata-rata running time pada uji coba 2 Jumlah kemungkinan dokter yang memenuhi kondisi Percobaan 1 = Percobaan 2 = Percobaan 3 = Percobaan 4 = Percobaan 5 = Percobaan 6 = Percobaan 7 = Waktu proses Waktu proses Waktu total analisa simpulan 16 Juli 2013 Tugas Akhir KI
57 .:Analisa Permasalahan(1):. 1. Pada permasalahan 1, menunjukkan bahwa model GB dapat digunakan dalam proses menentukan dokter yang memenuhi kondisi karena memberikan hasil yang akurat. 2. Selain itu, model IP dapat digunakan dalam proses menentukan dokter yang ditugaskan karena menghasilkan suatu hasil optimal berupa total jarak. 3. Data keluaran dari model GB menjadi data masukan dari model IP sehingga model IP bergantung model GB. Penentuan dokter yang ditugaskan, bergantung pada faktor dokter yang memenuhi kondisi. 16 Juli 2013 Tugas Akhir KI
58 .:Analisa Permasalahan(2):. Pada percobaan 3 menunjukkan bahwa jumlah kemungkinan dokter yang memenuhi kondisi paling banyak, yaitu 430 dan total running time-nya tidak menunjukkan waktu yang tertinggi, yaitu detik. Grafik running time permasalahan 2 Total rata-rata running time pada uji coba Waktu (detik) Waktu proses Waktu proses Waktu total Percobaan 1 = Percobaan 2 = Percobaan 3 = Percobaan 4 = Percobaan 5 = Percobaan 6 = Percobaan 7 = Jumlah dokter yang memenuhi kondisi Juli 2013 Tugas Akhir KI
59 .:Analisa Permasalahan(2):. Pada percobaan 1 menunjukkan bahwa jumlah kemungkinan dokter yang memenuhi kondisi paling sedikit, yaitu 170 namun total running time-nya tidak menunjukkan waktu yang terendah, yaitu detik. Grafik running time permasalahan 2 Total rata-rata running time pada uji coba Waktu (detik) Waktu proses Waktu proses Waktu total Percobaan 1 = Percobaan 2 = Percobaan 3 = Percobaan 4 = Percobaan 5 = Percobaan 6 = Percobaan 7 = Jumlah dokter yang memenuhi kondisi Juli 2013 Tugas Akhir KI
60 .:Analisa Permasalahan(2):. Pada percobaan 2 menunjukkan bahwa total running time-nya menunjukkan waktu yang tertinggi, yaitu detik namun jumlah kemungkinan dokter yang memenuhi kondisi adalah 309. Grafik running time permasalahan 2 Total rata-rata running time pada uji coba Waktu (detik) Waktu proses Waktu proses Waktu total Percobaan 1 = Percobaan 2 = Percobaan 3 = Percobaan 4 = Percobaan 5 = Percobaan 6 = Percobaan 7 = Jumlah dokter yang memenuhi kondisi Juli 2013 Tugas Akhir KI
61 .:Analisa Permasalahan(2):. Pada percobaan 6 menunjukkan bahwa total running time-nya menunjukkan waktu yang terrendah, yaitu detik namun jumlah kemungkinan dokter yang memenuhi kondisi tidak menunjukkan jumlah yang terendah adalah 391. Grafik running time permasalahan 2 Total rata-rata running time pada uji coba Waktu (detik) Waktu proses Waktu proses Waktu total Percobaan 1 = Percobaan 2 = Percobaan 3 = Percobaan 4 = Percobaan 5 = Percobaan 6 = Percobaan 7 = Jumlah dokter yang memenuhi kondisi Juli 2013 Tugas Akhir KI
62 .:BackUp:. 16 Juli 2013 Tugas Akhir KI
63 Graf Bipartite (GB) Graf bipartite adalah graf G(V, E) yang himpunan atau node Vnya dapat dipartisi menjadi dua subhimpunan V 1 dan V 2 sedemikian sehingga setiap edge dalam E insiden pada satu vertek di V 1 dan satu vertek di V 2. v1 v2 v4 v5 v3 Contoh graf bipartite 16 Juli 2013 Tugas Akhir KI
64 Graf Bipartite (GB) Menurut Thomas H. et all [6], dalam suatu permasalahan pemasangan maksimal dalam graf bipartite dapat menggunakan metode Ford Fulkerson. Oleh karena itu permasalahan pemasangan dimodelkan sebagai suatu jaringan karena Metode Ford Fulkerson digunakan untuk menyelesaikan permasalahan network flow. v1 v1 v4 Contoh graf bipartite v4 v2 yang dibentuk sebagai s v2 t v5 jaringan v5 v3 v3 16 Juli 2013 Tugas Akhir KI
65 Algoritma Ford Fulkerson 1. Set f u, v 0 dan f v, u 0 untuk semua edge u, v 2. Perulangan selama terdapat sebuah aliran p dari s menuju t, di mana kapasitas tersisa c f u, v > 0 untuk semua u, v p: o o Temukan c f p = min c f u, v u, v p ] Untuk setiap edge u, v p f u, v f u, v + c f p f v, u f u, v 16 Juli 2013 Tugas Akhir KI
66 Algoritma Ford Fulkerson 1. Set f u, v 0 dan f v, u 0 untuk semua edge u, v 2. Perulangan selama terdapat sebuah aliran p dari s menuju t, di mana kapasitas tersisa c f u, v > 0 untuk semua u, v p: o o Temukan c f p = min c f u, v u, v p ] Untuk setiap edge u, v p f u, v f u, v + c f p 1 2 0/12 4 0/16 0/20 0/10 0/4 0/9 0/7 0/13 0/4 3 0/14 5 Contoh graf awal yang akan diselesaikan dengan algoritma Ford Fulkerson 6 f v, u f u, v 16 Juli 2013 Tugas Akhir KI
67 Algoritma Ford Fulkerson 1. Set f u, v 0 dan f v, u 0 untuk semua edge u, v 2. Perulangan selama terdapat sebuah aliran p dari s menuju t, di mana kapasitas tersisa c f u, v > 0 untuk semua u, v p: o o Temukan c f p = min c f u, v u, v p ] Untuk setiap edge u, v p f u, v f u, v + c f p 1 2 0/12 4 0/16 0/20 0/10 0/4 0/9 0/7 0/13 0/4 3 0/14 5 Contoh graf awal yang akan diselesaikan dengan algoritma Ford Fulkerson 6 f v, u f u, v 16 Juli 2013 Tugas Akhir KI
68 Algoritma Ford Fulkerson 1. Set f u, v 0 dan f v, u 0 untuk semua edge u, v 2. Perulangan selama terdapat sebuah aliran p dari s menuju t, di mana kapasitas tersisa c f u, v > 0 untuk semua u, v p: o Temukan c f p = min c f u, v u, v p ] Lintasan o Untuk setiap edge u, v p f u, v f u, v + c f p f v, u f u, v c f p = 4 16 Juli 2013 Tugas Akhir KI
69 Algoritma Ford Fulkerson 1. Set f u, v 0 dan f v, u 0 untuk semua edge u, v 2. Perulangan selama terdapat sebuah aliran p dari s menuju t, di mana kapasitas tersisa c f u, v > 0 untuk semua u, v p: o Temukan c f p = min c f u, v u, v p ] Lintasan o Untuk setiap edge u, v p f u, v f u, v + c f p 4/16 2 4/ f v, u f u, v /9 7 4/ / Juli 2013 Tugas Akhir KI
70 Algoritma Ford Fulkerson 1. Set f u, v 0 dan f v, u 0 untuk semua edge u, v 2. Perulangan selama terdapat sebuah aliran p dari s menuju t, di mana kapasitas tersisa c f u, v > 0 untuk semua u, v p: o Temukan c f p = min c f u, v u, v p ] Lintasan o Untuk setiap edge u, v p f u, v f u, v + c f p f v, u f u, v c f p = 7 16 Juli 2013 Tugas Akhir KI
71 Algoritma Ford Fulkerson 1. Set f u, v 0 dan f v, u 0 untuk semua edge u, v 2. Perulangan selama terdapat sebuah aliran p dari s menuju t, di mana kapasitas tersisa c f u, v > 0 untuk semua u, v p: o Temukan c f p = min c f u, v u, v p ] Lintasan o Untuk setiap edge u, v p f u, v f u, v + c f p 11/16 2 4/12 4 7/20 f v, u f u, v /10 4 4/9 7/7 4/ / Juli 2013 Tugas Akhir KI
72 Algoritma Ford Fulkerson 1. Set f u, v 0 dan f v, u 0 untuk semua edge u, v 2. Perulangan selama terdapat sebuah aliran p dari s menuju t, di mana kapasitas tersisa c f u, v > 0 untuk semua u, v p: o Temukan c f p = min c f u, v u, v p ] 1 Lintasan o Untuk setiap edge u, v p f u, v f u, v + c f p f v, u f u, v c f p = 8 16 Juli 2013 Tugas Akhir KI
73 Algoritma Ford Fulkerson 1. Set f u, v 0 dan f v, u 0 untuk semua edge u, v 2. Perulangan selama terdapat sebuah aliran p dari s menuju t, di mana kapasitas tersisa c f u, v > 0 untuk semua u, v p: o o Temukan c f p = min c f u, v u, v p ] Untuk setiap edge u, v p f u, v f u, v + c f p f v, u f u, v 1 1 Lintasan / /16 15/ /4 4/9 7/7 8/13 4/ / Juli 2013 Tugas Akhir KI
74 Algoritma Ford Fulkerson 1. Set f u, v 0 dan f v, u 0 untuk semua edge u, v 2. Perulangan selama terdapat sebuah aliran p dari s menuju t, di mana kapasitas tersisa c f u, v > 0 untuk semua u, v p: o Temukan c f p = min c f u, v u, v p ] 1 Lintasan o Untuk setiap edge u, v p f u, v f u, v + c f p f v, u f u, v c f p = 4 16 Juli 2013 Tugas Akhir KI
75 Algoritma Ford Fulkerson 1. Set f u, v 0 dan f v, u 0 untuk semua edge u, v 2. Perulangan selama terdapat sebuah aliran p dari s menuju t, di mana kapasitas tersisa c f u, v > 0 untuk semua u, v p: o Temukan c f p = min c f u, v u, v p ] 1 Lintasan o Untuk setiap edge u, v p f u, v f u, v + c f p 11/ / /20 f v, u f u, v /4 9 7/7 6 12/13 4/4 3 11/ Juli 2013 Tugas Akhir KI
76 Algoritma Ford Fulkerson Setelah tidak ditemukan lagi lintasan augmenting, maka pencarian berhenti. Graf tersebut memiliki 4 jalur yaitu: o dengan maksimal flow 4, o dengan maksimal flow 7, o dengan maksimal flow 8, dan o dengan maksimal flow 4 16 Juli 2013 Tugas Akhir KI
77 Operasi Himpunan Union Union merupakan gabungan dari dua himpunan A dan B atau himpunan yang terdiri dari semua elemen yang menjadi anggota A atau menjadi anggota B. Definisi formal dari union A B = *x x A x B+ Contoh union dari himpunan {1,3,5} dan {1,2,3} adalah {1,2,3,5} 16 Juli 2013 Tugas Akhir KI
78 Operasi Himpunan Intersection intersection merupakan irisan dari dua himpunan A dan B adalah himpunan yang terdiri dari semua elemen persekutuan dari himpunan A dan B. Definisi formal dari intersection A B = *x x A x B+ Contoh intersection dari himpunan {1,3,5} dan {1,2,3} adalah {1,3} 16 Juli 2013 Tugas Akhir KI
79 Langkah-langkah yang digunakan untuk merubah ke model GB menjadi bentuk jaringan dalam penugasan dokter Langkah-langkah yang digunakan untuk merubah ke model GB menjadi bentuk jaringan dalam penugasan dokter 1. Jika setiap edge-nya dimulai dari u ke v dan c(u, v) adalah kapasitas maka c u, v ditandai dengan angka Sebuah source dan edge-edge dari source ke masing-masing node yang mewakili keahlian dokter dengan c u, v = jumlah dokter ditambahkan. 3. Sebuah sink dan edge-edge dari masing-masing node yang mewakili dokter ke sink dengan c u, v = jumlah keahlian ditambahkan. Keahlian Dokter 16 Juli 2013 Tugas Akhir KI
80 Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson 1. Set f u, v 0 dan f v, u 0 Keahlian untuk semua edge u, v 2. Perulangan selama terdapat sebuah 1 aliran p dari s menuju t, di mana 2 kapasitas tersisa c f u, v > 0 untuk semua u, v p: 3 o o Temukan c f p = min c f u, v u, v p ] Untuk setiap edge u, v p f u, v f u, v + c f p f v, u f u, v Dokter O/8 O/8 O/8 O/8 O/8 O/8 O/ Juli 2013 Tugas Akhir KI
81 Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson 1. Set f u, v 0 dan f v, u 0 Keahlian untuk semua edge u, v 2. Perulangan selama terdapat sebuah 1 aliran p dari s menuju t, di mana 2 kapasitas tersisa c f u, v > 0 untuk semua u, v p: 3 o o Temukan c f p = min c f u, v u, v p ] Untuk setiap edge u, v p f u, v f u, v + c f p f v, u f u, v Dokter O/8 O/8 O/8 O/8 O/8 O/8 O/8 16 Lintasan c f p = Juli 2013 Tugas Akhir KI
82 Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson 1. Set f u, v 0 dan f v, u 0 Keahlian untuk semua edge u, v 1/1 2. Perulangan selama terdapat sebuah 1 aliran p dari s menuju t, di mana 2 kapasitas tersisa c f u, v > 0 untuk 1/7 semua u, v p: 3 o o Temukan c f p = min c f u, v u, v p ] Untuk setiap edge u, v p f u, v f u, v + c f p f v, u f u, v Dokter /8 O/8 O/8 O/8 O/8 O/8 O/8 16 Lintasan Juli 2013 Tugas Akhir KI
83 Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Keahlian 1. Set f u, v 0 dan f v, u 0 untuk semua edge u, v 2. Perulangan selama terdapat sebuah aliran p dari s menuju t, di mana kapasitas tersisa c f u, v > 0 untuk semua u, v p: o o Temukan c f p = min c f u, v u, v p ] Untuk setiap edge u, v p f u, v f u, v + c f p f v, u f u, v 0 1/ /1 Dokter /8 O/8 O/8 O/8 O/8 O/8 O/8 16 Lintasan c f p = Juli 2013 Tugas Akhir KI
84 Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Keahlian 1. Set f u, v 0 dan f v, u 0 untuk semua edge u, v 2. Perulangan selama terdapat sebuah aliran p dari s menuju t, di mana kapasitas tersisa c f u, v > 0 untuk semua u, v p: o o Temukan c f p = min c f u, v u, v p ] Untuk setiap edge u, v p f u, v f u, v + c f p f v, u f u, v 0 2/ /1 1/1 Dokter /8 O/8 1/8 O/8 O/8 O/8 O/8 16 Lintasan Juli 2013 Tugas Akhir KI
85 Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Keahlian 1. Set f u, v 0 dan f v, u 0 untuk semua edge u, v 2. Perulangan selama terdapat sebuah aliran p dari s menuju t, di mana kapasitas tersisa c f u, v > 0 untuk semua u, v p: o o Temukan c f p = min c f u, v u, v p ] Untuk setiap edge u, v p f u, v f u, v + c f p f v, u f u, v 0 2/ /1 1/1 Dokter /8 O/8 1/8 O/8 O/8 O/8 O/8 16 Lintasan c f p = Juli 2013 Tugas Akhir KI
86 Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Keahlian 1. Set f u, v 0 dan f v, u 0 untuk semua edge u, v 2. Perulangan selama terdapat sebuah aliran p dari s menuju t, di mana kapasitas tersisa c f u, v > 0 untuk semua u, v p: o o Temukan c f p = min c f u, v u, v p ] Untuk setiap edge u, v p f u, v f u, v + c f p f v, u f u, v 0 3/ /1 1/1 1/1 Dokter /8 O/8 1/8 O/8 O/8 O/8 1/8 16 Lintasan Juli 2013 Tugas Akhir KI
87 Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson 1. Set f u, v 0 dan f v, u 0 untuk semua edge u, v 2. Perulangan selama terdapat sebuah aliran p dari s menuju t, di mana kapasitas tersisa c f u, v > 0 untuk semua u, v p: o o Temukan c f p = min c f u, v u, v p ] Untuk setiap edge u, v p f u, v f u, v + c f p f v, u f u, v Tabel hasil pengelompokkan dokter Berdasarkan keahlian Keahlian Bedah Jantung Kandungan Kulit Koordinator Asisten Dokter utama Pembantu Dokter Dokter D1,D3,D7 D1,D4,D5,D6 D2,D3,D6,D7 D2,D5 D6 D2 D2,D3,D5,D6 D1,D4,D7 16 Juli 2013 Tugas Akhir KI
Optimasi Permasalahan Penugasan Dokter Menggunakan Representasi Graf Bipartit Berbobot
JURNAL TEKNIK POMITS Vol., No., (0) ISSN: 7-9 (0-97 Print) Optimasi Permasalahan Penugasan Menggunakan Representasi Graf Bipartit Berbobot Laili Rochmah, Ahmad Saikhu, dan Rully Soelaiman Jurusan Teknik
Lebih terperinciImplementasi Metode Integer Programming Untuk Penjadualan Tenaga Medis Pada Situasi Darurat Berbasis Aplikasi Mobile
Implementasi Metode Integer Programming Untuk Penjadualan Tenaga Medis Pada Situasi Darurat Berbasis Aplikasi Mobile Ahmad Saikhu, Laili Rochmah Institut Teknologi Sepuluh Nopember (ITS) saikhu@if.its.ac.id,
Lebih terperinciPenjadwalan Petugas Medis pada Kondisi Darurat dengan Menggunakan Binary Integer Programming Berbasis Web
A497 Penjadwalan Petugas Medis pada Kondisi Darurat dengan Menggunakan Binary Integer Programming Berbasis Web Bryan Alfadhori, Ahmad Saikhu, dan Victor Hariadi Jurusan Tekni Informatika, Fakultas Teknologi
Lebih terperinciOPTIMASI PENGATURAN RUTE KENDARAAN DENGAN MUATAN KONTAINER PENUH MENGGUNAKAN METODE DEKOMPOSISI LAGRANGIAN
Tugas Akhir KI 091391 OPTIMASI PENGATURAN RUTE KENDARAAN DENGAN MUATAN KONTAINER PENUH MENGGUNAKAN METODE DEKOMPOSISI LAGRANGIAN Akhmed Data Fardiaz NRP 5102109046 Dosen Pembimbing Rully Soelaiman, S.Kom.,
Lebih terperinciPENERAPAN TEORI GRAF UNTUK MENYELESAIKAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL
PENERAPAN TEORI GRAF UNTUK MENYELESAIKAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL Swaditya Rizki Program Studi Pendidikan Matematika, Fakultas Keguruan dan Ilmu Pendidikan, Universitas
Lebih terperinciPENCARIAN ALIRAN MAKSIMUM DENGAN ALGORITMA FORD-FULKERSON DAN MODIFIKASINYA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 01 (2017), hal 29-36. PENCARIAN ALIRAN MAKSIMUM DENGAN ALGORITMA FORD-FULKERSON DAN MODIFIKASINYA Fransiska Sumarti INTISARI Algoritma
Lebih terperinciAplikasi Matriks Circulant Untuk Menentukan Nilai Eigen Dari Graf Sikel (Cn)
Aplikasi Matriks Circulant Untuk Menentukan Nilai Eigen Dari Graf Sikel (Cn) T 24 Siti Rahmah Nurshiami dan Triyani Program Studi Matematika, Fakultas Sains dan Teknik Universitas Jenderal soedirman, Purwokerto
Lebih terperinciDesain dan Analisis Algoritma Modifikasi Hungarian untuk Permasalahan Penugasan Dinamis Pada Studi Kasus Permasalahan SPOJ Klasik 12749
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) 1 Desain dan Analisis Algoritma Modifikasi Hungarian untuk Permasalahan Penugasan Dinamis Pada Studi Kasus Permasalahan SPOJ
Lebih terperinciAplikasi Teori Graf dalam Penggunaan Cairan Pendingin pada Proses Manufaktur
Aplikasi Teori Graf dalam Penggunaan Cairan Pendingin pada Proses Manufaktur Steffi Indrayani / 13514063 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciALGORITMA MENCARI LINTASAN TERPENDEK
Abstrak ALGORITMA MENCARI LINTASAN TERPENDEK Indra Fajar 1, Gustian Siregar 2, Dede Tarwidi 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha
Lebih terperinciPenggunaan Algoritma Kruskal yang Diperluas untuk Mencari Semua Minimum Spanning Tree Tanpa Konstren dari Suatu Graf
Penggunaan Algoritma Kruskal yang Diperluas untuk Mencari Semua Minimum Spanning Tree Tanpa Konstren dari Suatu Graf Narwen, Budi Rudianto Jurusan Matematika, Universitas Andalas, Padang, Indonesia narwen@fmipa.unand.ac.id
Lebih terperinciPENGEMBANGAN MODEL OPTIMASI UNTUK PENJADWALAN DOKTER PADA KEADAAN DARURAT BERBASIS APLIKASI MOBILE
W ;/--n TUGAS AKHIR KI1502 PENGEMBANGAN MODEL OPTIMASI UNTUK PENJADWALAN DOKTER PADA KEADAAN DARURAT BERBASIS APLIKASI MOBILE QONITA LUTHFIA SUTINO NRP 5113100192 Dosen Pembimbing Fajar Baskoro, S.Kom.,
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Di dunia ini terdapat 3 jenis jalur transportasi, transportasi melalui darat, laut dan udara. Transportasi dari setiap jalur juga mempunyai banyak jenis, seperti
Lebih terperinciAplikasi Sistem Penjadwalan Praktikum dengan Metode Bipartite Graphs
Aplikasi Sistem Penjadwalan Praktikum dengan Metode Bipartite Graphs Studi Kasus : Laboratorium Terpadu Teknik Informatika UII A mal Sholihan amalsholihan@gmail.com Hendika Andra Saputra hendikaandra@yahoo.com
Lebih terperinciPENJADWALAN PERAWAT DI IRD DR. SOETOMO MENGGUNAKAN MODEL GOAL PROGRAMMING
PENJADWALAN PERAWAT DI IRD DR. SOETOMO MENGGUNAKAN MODEL GOAL PROGRAMMING Abstrak Arina Pramudita Lestari 1, Wiwik Anggraeni 2, Retno Aulia Vinarti Jurusan Sistem Informasi, Fakultas Teknologi Informasi,
Lebih terperinciPENERAPAN ALGORITMA RELAKSASI PADA PERMASALAHAN MINIMUM COST FLOW
PENERAPAN ALGORITMA RELAKSASI PADA PERMASALAHAN MINIMUM COST FLOW Supiatun, Sapti Wahyuningsih, Darmawan Satyananda Universitas Negeri Malang E-mail: nuta_ipuzzz@yahoo.com Abstrak : Minimum cost flow merupakan
Lebih terperinciImplementasi Graf dalam Penentuan Rute Terpendek pada Moving Object
Implementasi Graf dalam Penentuan Rute Terpendek pada Moving Object Firdaus Ibnu Romadhon/13510079 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciSTUDI DAN IMPLEMENTASI ALGORITMA DIJKSTRA, BELLMAN-FORD DAN FLOYD-WARSHALL DALAM MENANGANI MASALAH LINTASAN TERPENDEK DALAM GRAF
STUDI DAN IMPLEMENTASI ALGORITMA DIJKSTRA, BELLMAN-FORD DAN FLOYD-WARSHALL DALAM MENANGANI MASALAH LINTASAN TERPENDEK DALAM GRAF Apri Kamayudi NIM : 13505009 Program Studi Teknik Informatika, Institut
Lebih terperinciOleh : Rindi Eka Widyasari NRP Dosen pembimbing : Dr. Darmaji, S.Si., M.T.
Study of Total Chromatic Number of -free and Windmill Graphs Oleh : Rindi Eka Widyasari NRP 1208100024 Dosen pembimbing : Dr. Darmaji, S.Si., M.T. JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciOleh: VINAYANTI EKA RAHMAWATI ( )
Pendekatan Goal Programming untuk Penentuan Rute Kendaraan pada Kegiatan Distribusi (A Goal Programming Approach to Vehicle Routing Problems of Distribution) Oleh: VINAYANTI EKA RAHMAWATI (1207 100 020)
Lebih terperinciPENYELESAIAN MASALAH LINTASAN TERPENDEK FUZZY DENGAN MENGGUNAKAN ALGORITMA CHUANG KUNG DAN ALGORITMA FLOYD
PENYELESAIAN MASALAH LINTASAN TERPENDEK FUZZY DENGAN MENGGUNAKAN ALGORITMA CHUANG KUNG DAN ALGORITMA FLOYD 1 Anik Musfiroh, 2 Lucia Ratnasari, 3 Siti Khabibah 1.2.3 Jurusan Matematika Universitas Diponegoro
Lebih terperinciPRESENTASI TUGAS AKHIR KI IMPLEMENTASI ALGORITMA PENCARIAN K JALUR SEDERHANA TERPENDEK DALAM GRAF
PRESENTASI TUGAS AKHIR KI099 IMPLEMENTASI ALGORITMA PENCARIAN K JALUR SEDERHANA TERPENDEK DALAM GRAF (Kata kunci: Algoritma deviasi, algoritma Dijkstra, jalur sederhana, jalur terpendek) Penyusun Tugas
Lebih terperinciALGORITMA DOUBLE SCALING UNTUK MENYELESAIKAN PERMASALAHAN MINIMUM COST FLOW DAN IMPLEMENTASINYA PADA PROGRAM KOMPUTER
ALGORITMA DOUBLE SCALING UNTUK MENYELESAIKAN PERMASALAHAN MINIMUM COST FLOW DAN IMPLEMENTASINYA PADA PROGRAM KOMPUTER Agustina Ardhini 1, Sapti Wahyuningsih 2, Darmawan Satyananda 3 Jurusan Matematika,
Lebih terperinciGRAF-GRAF BERORDE n DENGANN BILANGAN KROMATIK LOKASI n - 1 SKRIPSI SARJANA MATEMATIKA OLEH YOGI DARVIN AGUNG BP:
GRAF-GRAF BERORDE n DENGANN BILANGAN KROMATIK LOKASI n - 1 SKRIPSI SARJANA MATEMATIKA OLEH YOGI DARVIN AGUNG BP: 06 134 042 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUANN ALAM UNIVERSITAS
Lebih terperinciPEMBUATAN JADWAL PELAJARAN DENGAN MENGGUNAKAN ALGORITMA FORD-FULKERSON
PEMBUATAN JADWAL PELAJARAN DENGAN MENGGUNAKAN ALGORITMA FORD-FULKERSON TUGAS AKHIR Diajukan untuk Memenuhi Persyaratan Sidang Sarjana Program Studi Matematika Oleh Danny Chan 10100038 Program Studi Matematika
Lebih terperinciPengantar Matematika Diskrit
Materi Kuliah Matematika Diskrit Pengantar Matematika Diskrit Didin Astriani Prasetyowati, M.Stat Program Studi Informatika UIGM 1 Apakah Matematika Diskrit itu? Matematika Diskrit: cabang matematika yang
Lebih terperinciALGORITMA FORD-FULKERSON UNTUK MEMAKSIMUMKAN FLOW DALAM PENDISTRIBUSIAN BARANG
ALGORITMA FORD-FULKERSON UNTUK MEMAKSIMUMKAN FLOW DALAM PENDISTRIBUSIAN BARANG 1Fahrun Nisa, 2 Wahyu Henky Irawan 1 Jurusan Matematika, Universitas Islam Negeri Maulana Malik Ibrahim Malang 2 jurusan Matematika,
Lebih terperinciPROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang
PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING Mohamad Ervan S 1, Bambang Irawanto 2, Sunarsih 1,2,3 Jurusan Matematika FSM Universitas Diponegoro Jl. Prof. H. Soedarto,
Lebih terperinciPENJADWALAN PERAWAT UNIT GAWAT DARURAT DENGAN MENGGUNAKAN GOAL PROGRAMMING
Company LOGO PENJADWALAN PERAWAT UNIT GAWAT DARURAT DENGAN MENGGUNAKAN GOAL PROGRAMMING Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember 2010 PENDAHULUAN
Lebih terperinciPENYELESAIAN ROBUST KNAPSACK PROBLEM (RKP) MENGGUNAKAN PEMROGRAMAN DINAMIK
PENYELESAIAN ROBUST KNAPSACK PROBLEM (RKP) MENGGUNAKAN PEMROGRAMAN DINAMIK Kinanti Wening Ati, Dhian Widya, Rahmi Rusin Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciORIENTASI PERKULIAHAN
MATA KULIAH MATEMATIKA DISKRIT ORIENTASI PERKULIAHAN MOH. FURQAN, M. Kom. Program Studi Teknik Informatika STT Nurul Jadid Paiton Probolinggo Identitas Mata Kuliah Nama Mata Kuliah Matematika Diskrit Kode
Lebih terperinciPERBANDINGAN HASIL PERHITUNGAN JARAK TERPENDEK ANTARA ALGORITMA DIJKSTRA DENGAN PEMROGRAMAN LINIER
Jurnal Teknik dan Ilmu Komputer PERBANDINGAN HASIL PERHITUNGAN JARAK TERPENDEK ANTARA ALGORITMA DIJKSTRA DENGAN PEMROGRAMAN LINIER COMPARISON OF SHORTEST DISTANCE CALCULATION BETWEEN DIJKSTRA S ALGORITHM
Lebih terperinciPengantar Matematika. Diskrit. Bahan Kuliah IF2091 Struktur Diksrit RINALDI MUNIR INSTITUT TEKNOLOGI BANDUNG
PROGRAM STUDI TEKNIK INFORMATIKA Sekolah Teknik Elrektro dan Informatika INSTITUT TEKNOLOGI BANDUNG Pengantar Matematika Bahan Kuliah IF2091 Struktur Diksrit Diskrit RINALDI MUNIR Lab Ilmu dan Rekayasa
Lebih terperinciPENJADWALAN MATA KULIAH DENGAN MEMECAH PERTEMUAN BERDASAR PEMROGRAMAN LINEAR INTEGER
JMA, VOL. 9, NO.1, JULI 2010, 43-48 43 PENJADWALAN MATA KULIAH DENGAN MEMECAH PERTEMUAN BERDASAR PEMROGRAMAN LINEAR INTEGER PRAPTO TRI SUPRIYO Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPENYELESAIAN MASALAH ALIRAN MAKSIMUM MENGGUNAKAN EDMONS KARP ALGORITHM
PENYELESAIAN MASALAH ALIRAN MAKSIMUM MENGGUNAKAN EDMONS KARP ALGORITHM Fathimatuzzahro, Sapti Wahyuningsih, dan Darmawan Satyananda Universitas Negeri Malang E-mail: fathimatuzzahro90@gmail.com ABSTRAK:
Lebih terperinciPENGEMBANGAN SHORTEST PATH ALGORITHM (SPA) DALAM RANGKA PENCARIAN LINTASAN TERPENDEK PADA GRAF BERSAMBUNG BERARAH BERUNTAI
PENGEMBANGAN SHORTEST PATH ALGORITHM (SPA) DALAM RANGKA PENCARIAN LINTASAN TERPENDEK PADA GRAF BERSAMBUNG BERARAH BERUNTAI Oliver Samuel Simanjuntak Jurusan Teknik Informatika UPN Veteran Yogyakarta Jl.
Lebih terperinciPELABELAN PRODUCT CORDIAL PADA TENSOR PRODUCT PATH DAN SIKEL
PELABELAN PRODUCT CORDIAL PADA TENSOR PRODUCT PATH DAN SIKEL Setia Endrayana 1, Bayu Surarso 2, Siti Khabibah 3 1,2,3 Program Studi Matematika FSM Universitas Diponegoro Jl Prof H Soedarto, SH Tembalang
Lebih terperinciPELABELAN SIGNED PRODUCT CORDIAL PADA GRAF PATH, CYCLE, DAN STAR
PELABELAN SIGNED PRODUCT CORDIAL PADA GRAF PATH, CYCLE, DAN STAR Hardany Kurniawan 1, Lucia Ratnasari 2, Robertus Heri 3 1,2,3 Program Studi Matematika FSM Universitas Diponegoro Jl. Prof. H. Soedarto,
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA BRANCH AND BOUND
PENYEESAIAN TRAVEING SAESMAN PROBEM DENGAN AGORITMA BRANCH AND BOND Yogo Dwi Prasetyo Pendidikan Matematika, niversitas Asahan e-mail: abdullah.prasetyo@gmail.com Abstract The shortest route search by
Lebih terperinciProsiding Matematika ISSN:
Prosiding Matematika ISSN: 2460-6464 Aplikasi Aliran Maksimum Pada Jaringan Listrik Menggunakan Metode Ford-Fulkerson The Application of Maximum Flow in Electricity Network Using Ford-Fulkerson Method
Lebih terperinciMEMBANDINGKAN KEMANGKUSAN ALGORITMA DINIC DAN ALGORITMA PELABELAN FORD-FULKERSON UNTUK MASALAH ARUS MAKSIMUM. Nerli Khairani Jenny Sirait
176 MEMBANDINGKAN KEMANGKUSAN ALGORITMA DINIC DAN ALGORITMA PELABELAN FORD-FULKERSON UNTUK MASALAH ARUS MAKSIMUM Nerli Khairani Jenny Sirait Abstrak Teori graf merupakan salah satu cabang matematika yang
Lebih terperinciPENGEMBANGAN SIMULASI ALIRAN AIR PADA SALURAN DRAINASE KOTA MENGGUNAKAN PEMODELAN NETWORK FLOW
PENGEMBANGAN SIMULASI ALIRAN AIR PADA SALURAN DRAINASE KOTA MENGGUNAKAN PEMODELAN NETWORK FLOW Evi Septiana Pane NRP. 2208 206 004 Dosen Pembimbing : Dr.I Ketut Eddy P Diah Puspito W, M.Sc Program Magister
Lebih terperinciOPERASI LOGIKA PADA GENERAL TREE MENGGUNAKAN FUNGSI REKURSIF
OPERASI LOGIKA PADA GENERAL TREE MENGGUNAKAN FUNGSI REKURSIF Lutfi Hakim (1), Eko Mulyanto Yuniarno (2) Mahasiswa Jurusan Teknik Elektro (1), Dosen Pembimbing (2) Institut Teknologi Sepuluh Nopember (ITS)
Lebih terperinciBab 1 PENDAHULUAN. 1.1 Latar Belakang
Bab 1 PENDAHULUAN 1.1 Latar Belakang Dewasa ini, manusia sering dihadapi oleh permasalahan melibatkan optimasi tujuan ganda (multi-objective), contohnya dalam hal perencanaan atau peramalan pasar yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori graf 2.1.1 Defenisi graf Graf G adalah pasangan {,} dengan adalah himpunan terhingga yang tidak kosong dari objek-objek yang disebut titik (vertex) dan adalah himpunan pasangan
Lebih terperinciPELABELAN PRIME CORDIAL PADA BEBERAPA GRAF YANG TERKAIT DENGAN GRAF SIKEL
PELABELAN PRIME CORDIAL PADA BEBERAPA GRAF YANG TERKAIT DENGAN GRAF SIKEL Nindita Yuda Hapsari, R.Heri Soelistyo U, Luciana Ratnasari,, Program Studi Matematika FSM Universitas Diponegoro Jl. Prof. H.
Lebih terperinciPelabelan 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 terperinciBAB 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 terperinciLIPATAN GRAF DAN KAITANNYA DENGAN MATRIKS INSIDENSI PADA BEBERAPA GRAF
LIPATAN GRAF DAN KAITANNYA DENGAN MATRIKS INSIDENSI PADA BEBERAPA GRAF Septian Adhi Pratama 1, Lucia Ratnasari 2, Widowati 3 1,2,3 Jurusan Matematika FSM Universitas Diponegoro Jl. Prof. H. Soedarto, S.H.
Lebih terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinciPengelompokan Organisme Dengan Menggunakan Algoritma Kruskal
Pengelompokan Organisme Dengan Menggunakan Algoritma Kruskal Alif Raditya Rochman - 151101 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciJurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2011
Perancangan dan Pembuatan Sistem Navigasi Perjalanan Untuk Pencarian Rute Terpendek Dengan Algoritma A* Berbasis J2ME Oleh : M. ARIEF HIDAYATULLOH 1204 100 071 Dosen Pembimbing : Prof. Dr. M. Isa Irawan,
Lebih terperinciPENYELESAIAN MULTIPLE DEPOT VEHICLE ROUTING PROBLEM (MDVRP) MENGGUNAKAN METODE INSERTION HEURISTIC
PENYELESAIAN MULTIPLE DEPOT VEHICLE ROUTING PROBLEM (MDVRP) MENGGUNAKAN METODE INSERTION HEURISTIC Dima Prihatinie, Susy Kuspambudi Andaini, Darmawan Satyananda JURUSAN MATEMATIKA FAKULTAS MIPA UNIVERSITAS
Lebih terperinciSEAT INTERFERENCE ANTAR PENUMPANG PADA MODEL BOARDING PESAWAT TERBANG
SEAT INTERFERENCE ANTAR PENUMPANG PADA MODEL BOARDING PESAWAT TERBANG Bilqis Amaliah 1, Victor Hariadi 2, Antonius Malem Barus 3 1,2,3 Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciPENYELESAIAN VEHICLE ROUTING PROBLEM WITH TIME WINDOWS DENGAN PENDEKATAN GOAL PROGRAMMING Atmini Dhoruri, Eminugroho R.
PENYELESAIAN VEHICLE ROUTING PROBLEM WITH TIME WINDOWS DENGAN PENDEKATAN GOAL PROGRAMMING Atmini Dhoruri, Eminugroho R., Dwi Lestari Abstrak Tujuan dari penelitian ini adalah membentuk model vehicle routing
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kompetisi Global yang kian hari kian meningkat memaksa perusahaan untuk menggunakan aset intelektual mereka dengan lebih baik. Berbagai metode digunakan demi meningkatkan
Lebih terperinciPEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM
PEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM Syafiul Muzid Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia, Yogyakarta E-mail:
Lebih terperinciPELABELAN GRACEFUL SISI BERARAH PADA GRAF GABUNGAN GRAF SIKEL DAN GRAF STAR. Putri Octafiani 1, R. Heri Soelistyo U 2
PELABELAN GRACEFUL SISI BERARAH PADA GRAF GABUNGAN GRAF SIKEL DAN GRAF STAR Putri Octafiani 1, R. Heri Soelistyo U 2 1,2 Jurusan Matematika FMIPA UNDIP Jl. Prof. H. Soedarto, S. H, Tembalang, Semarang
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Kereta api merupakan salah satu angkutan darat yang banyak diminati masyarakat, hal ini dikarenakan biaya yang relatif murah dan waktu tempuh yang
Lebih terperinciPembuktian Kesulitan Hamiltonian Cycle Problem dengan Transformasi 3-Satisfiability Problem
Pembuktian Kesulitan Hamiltonian Cycle Problem dengan Transformasi 3-Satisfiability Problem Arief Rahman 13511020 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciAnalisis Perbandingan Algoritma Fuzzy C-Means dan K-Means
Analisis Perbandingan Algoritma Fuzzy C-Means dan K-Means Yohannes Teknik Informatika STMIK GI MDD Palembang, Indonesia Abstrak Klasterisasi merupakan teknik pengelompokkan data berdasarkan kemiripan data.
Lebih terperinciBAB 2 LANDASAN TEORI. Menurut website November 2006,
BAB 2 LANDASAN TEORI 2.1 Permainan Matematika Sudoku 2.1.1 Sejarah Sudoku Menurut website http://en.wikipedia.org/wiki/sudoku November 2006, Sudoku, disebut juga sebagai Number Place atau permainan puzzle
Lebih terperinciPendekatan Matching Bobot Optimal untuk Menentukan Solusi Masalah Penugasan Multi-Objective
Bidang Kajian Jenis Artikel : Matematika Disktrit dan Kombinatorik : Hasil kajian Pendekatan Matching Bobot Optimal untuk Menentukan Solusi Masalah Penugasan MultiObjective Isnaini Rosyida, Tiara Budi
Lebih terperinciPENYELESAIAN MASALAH PENUGASAN YANG DIPERUMUM DENGAN MENGGUNAKAN ALGORITMA BRANCH-AND-BOUND YANG DIREVISI
PENYELESAIAN MASALAH PENUGASAN YANG DIPERUMUM DENGAN MENGGUNAKAN ALGORITMA BRANCH-AND-BOUND YANG DIREVISI Siti Nur Aisyah 1), Khusnul Novianingsih 2), Entit Puspita 3) 1), 2), 3) Departemen Pendidikan
Lebih terperinciPELABELAN TOTAL TITIK AJAIB PADA COMPLETE GRAPH K DENGAN N GENAP
PELABELAN TOTAL TITIK AJAIB PADA COMPLETE GRAPH K DENGAN N GENAP Novi Irawati, Robertus Heri Jurusan Matematika FMIPA Universitas Diponegoro Semarang ABSTRACT Let G be a graph with vertex set and edge
Lebih terperinciPENGARUH NILAI PARAMETER TERHADAP SOLUSI HEURISTIK PADA MODEL VTPTW
INFOMATEK Volume 19 Nomor 1 Juni 2017 PENGARUH NILAI PARAMETER TERHADAP SOLUSI HEURISTIK PADA MODEL VTPTW Tjutju T. Dimyati Program Studi Teknik Industri Fakultas Teknik Universitas Pasundan Abstrak: Penentuan
Lebih terperinciAplikasi 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 terperinciGRAF. V3 e5. V = {v 1, v 2, v 3, v 4 } E = {e 1, e 2, e 3, e 4, e 5 } E = {(v 1,v 2 ), (v 1,v 2 ), (v 1,v 3 ), (v 2,v 3 ), (v 3,v 3 )}
GRAF Graf G(V,E) didefinisikan sebagai pasangan himpunan (V,E), dengan V adalah himpunan berhingga dan tidak kosong dari simpul-simpul (verteks atau node). Dan E adalah himpunan berhingga dari busur (vertices
Lebih terperinciPerbandingan Kompleksitas Algoritma Prim, Algoritma Kruskal, Dan Algoritma Sollin Untuk Menyelesaikan Masalah Minimum Spanning Tree
Perbandingan Kompleksitas Algoritma Prim, Algoritma Kruskal, Dan Algoritma Sollin Untuk Menyelesaikan Masalah Minimum Spanning Tree 1 Wamiliana, 2 Didik Kurniawan, 3 Cut Shavitri N.F. 1 Jurusan Matematika
Lebih terperinciLINEAR PROGRAMMING. Lecture 5 PENELITIAN OPERASIONAL I. Lecture 5 23/10/2013. Simplex Method: Two-Phase Method Membagi penyelesaian LP dalam 2 fase:
Lecture 5 PENELITIAN OPERASIONAL I LINEAR PROGRAMMING (TIN 09) Lecture 5 Outline: Metode Fase Special Case dalam Simple References: Frederick Hillier and Gerald J. Lieberman. Introduction to Operations
Lebih terperinciINTEGER PROGRAMMING. Widha Kusumaningdyah, ST., MT 2012
INTEGER PROGRAMMING Widha Kusumaningdyah, ST., MT 2012 INTEGER PROGRAMMING INTRODUCTION INTEGER PROGRAMMING (IP) Untuk permasalahan optimasi dengan beberapa atau semua variabel keputusan bernilai bulat(integer).
Lebih terperinciSILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI -202 Nama Mata Kuliah : Model Deterministik Jumlah SKS : 2 Semester : III
SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI -202 Nama Mata Kuliah : Model Deterministik Jumlah SKS : 2 Semester : III Mata Kuliah Pra Syarat : Pengantar Teknik Industri Deskripsi
Lebih terperinciPengaplikasian Graf dalam Menentukan Rute Angkutan Kota Tercepat
Pengaplikasian Graf dalam Menentukan Rute Angkutan Kota Tercepat Rachel Sidney Devianti/13515124 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciPROGRAM LINIER FUZZY PENUH DENGAN METODE KUMAR. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang
PROGRAM LINIER FUZZY PENUH DENGAN METODE KUMAR Shintia Devi Wahyudy 1, Bambang Irawanto 2, 1,2 Jurusan Matematika FSM Universitas Diponegoro Jl Prof H Soedarto, SH Tembalang Semarang 1 Shintiadevi15@gmailcom,
Lebih terperinciPERBANDINGAN ALGORITMA DIJKSTRA DAN ALGORITMA BELLMAN-FORD PADA JARINGAN GRID
PERBANDINGAN ALGORITMA DIJKSTRA DAN ALGORITMA BELLMAN-FORD PADA JARINGAN GRID SKRIPSI Untuk Memenuhi Sebagai Persyaratan Memperoleh Gelar Sarjana Sains Oleh: MICHI PURNA IRAWAN 07 134 059 JURUSAN MATEMATIKA
Lebih terperinciPENGEMBANGAN LONGEST PATH ALGORITHM (LPA) DALAM RANGKA PENCARIAN LINTASAN TERPANJANG PADA GRAF BERSAMBUNG BERARAH BERUNTAI
PENGEMBANGAN LONGEST PATH ALGORITHM (LPA) DALAM RANGKA PENCARIAN LINTASAN TERPANJANG PADA GRAF BERSAMBUNG BERARAH BERUNTAI Oliver Samuel Simanjuntak Prodi Teknik Informatika UPN eteran Yogyakarta Jl. Babarsari
Lebih terperinciPengantar Matematika. Diskrit. Bahan Kuliah IF2120 Matematika Diksrit RINALDI MUNIR INSTITUT TEKNOLOGI BANDUNG
PROGRAM STUDI TEKNIK INFORMATIKA Sekolah Teknik Elrektro dan Informatika INSTITUT TEKNOLOGI BANDUNG Pengantar Matematika Bahan Kuliah IF2120 Matematika Diksrit Diskrit RINALDI MUNIR Lab Ilmu dan Rekayasa
Lebih terperinciRancang Bangun Aplikasi Web Pencarian Rute Terpendek Antar Gedung di Kampus Menggunakan Algoritma Floyd-warshall
Rancang Bangun Aplikasi Web Pencarian Rute Terpendek Antar Gedung di Kampus Menggunakan Algoritma Floyd-warshall Lutfi Fanani Program Teknologi Informasi dan Ilmu Komputer Universitas Brawijaya Malang,
Lebih terperinciPENGGUNAAN METODE BRANCH AND BOUND UNTUK MENYELESAIKAN MASALAH PENUGASAN PADA KASUS PENYUSUNAN JARINGAN KOMUNIKASI
Jurnal Matematika Murni dan Terapan Vol. 4 No.1 Juni 21: 42-56 PENGGUNAAN METODE BRANCH AND BOUND UNTUK MENYELESAIKAN MASALAH PENUGASAN PADA KASUS PENYUSUNAN JARINGAN KOMUNIKASI Fitriadi, Dewi Sri Susanti,
Lebih terperinciPengantar Matematika. Diskrit. Bahan Kuliah IF2120 Matematika Diksrit RINALDI MUNIR INSTITUT TEKNOLOGI BANDUNG
PROGRAM STUDI TEKNIK INFORMATIKA Sekolah Teknik Elrektro dan Informatika INSTITUT TEKNOLOGI BANDUNG Pengantar Matematika Bahan Kuliah IF2120 Matematika Diksrit Diskrit RINALDI MUNIR Lab Ilmu dan Rekayasa
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI TEKNIK ELEKTRO FAKULTAS TEKNIK ELEKRO TELKOM UNIVERSITY
RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI TEKNIK ELEKTRO FAKULTAS TEKNIK ELEKRO TELKOM UNIVERSITY MATA KULIAH KODE RUMPUN MK BOBOT (SKS) SEMESTER DIREVISI Matematika Diskrit FEH2J3 3 sks 3 atau 4 22
Lebih terperinciMatematika dan Statistika
ISSN 1411-6669 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Majalah Ilmiah Matematika dan Statistika APLIKASI ALGORITMA SEMUT DAN ALGORITMA CHEAPEST
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA METODE PENELITIAN ANALISIS DAN PEMBAHASAN KESIMPULAN DAN SARAN DAFTAR PUSTAKA
PENDAHULUAN TINJAUAN PUSTAKA METODE PENELITIAN ANALISIS DAN PEMBAHASAN KESIMPULAN DAN SARAN DAFTAR PUSTAKA 1 Analisis dan Pembahasan 2 Menghitung Nilai Harapan ( ) dan Variansi ( ) Nilai harapan dalam
Lebih terperinciRasa ingin tahu adalah ibu dari semua ilmu pengetahuan. Tak kenal maka tak sayang, tak sayang maka tak cinta
Rasa ingin tahu adalah ibu dari semua ilmu pengetahuan Tak kenal maka tak sayang, tak sayang maka tak cinta Perjalanan satu mil dimulai dari satu langkah 1 Dahulu namanya.. Matematika Diskrit 2 Mengapa
Lebih terperinciBAB 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 terperinciIMPLEMENTASI ALGORITMA GREEDY PADA LAYANAN TAKSI WISATA BERBASIS WEB
IMPLEMENTASI ALGORITMA GREEDY PADA LAYANAN TAKSI WISATA BERBASIS WEB Adi Cahyo Purnomo 1, Mike Yuliana, ST. MT. 1, Ira Prasetyaningrum, S.Si. MT. 1 Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciTUGAS AKHIR ALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB- SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI
TUGAS AKHIR ALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB- SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI (ALGORITHM OF MODIFIED BROYDEN-FLETCHER-GOLDFARB- SHANNO (MBFGS ) FOR OPTIMIZATION PROBLEM ) Oleh:
Lebih terperinciMENGOPTIMALKAN PENJADWALAN SEKURITI DENGAN MODEL GOAL PROGRAMMING ABSTRACT ABSTRAK
MENGOPTIMALKAN PENJADWALAN SEKURITI DENGAN MODEL GOAL PROGRAMMING Said Almuhajir 1, T. P. Nababan 2, M. D. H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika
Lebih terperinciPERANCANGAN SYSTEM PAKAR GENERIC MENGGUNAKAN BINARY TREE
PERANCANGAN SYSTEM PAKAR GENERIC MENGGUNAKAN BINARY TREE Luky Agus Hermanto, ST., MT. Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya Jl. Arif Rahman Hakim
Lebih terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
Lebih terperincimerupakan 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 terperinciANALISIS ALGORITMA FLOYD WARSHALL UNTUK MENENTUKAN LINTASAN TERPENDEK PENGANGKUTAN SAMPAH (Studi Kasus: Pengangkutan Sampah di Kabupaten Kubu Raya)
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume, No. (), hal. ANAISIS AGORITMA FOYD WARSHA UNTUK MENENTUKAN INTASAN TERPENDEK PENGANGKUTAN SAMPAH (Studi Kasus: Pengangkutan Sampah di Kabupaten
Lebih terperinciEKSPRESI REGULAR PADA SUATU DETERMINISTIC FINITE STATE AUTOMATA
Jurnal Matematika Vol.6 No., November 26 [ 63-7 ] EKSPRESI REGULAR PADA SUATU DETERMINISTIC FINITE STATE AUTOMATA Jurusan Matematika, UNISBA, Jalan Tamansari No, Bandung,46, Indonesia dsuhaedi@eudoramail.com
Lebih terperinciMaximize or Minimize Z = f (x,y) Subject to: g (x,y) = c
Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c PROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIAN UNIVERSITAS JAMBI Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Mata Kuliah : RISET OPERASI (RO) Kode / SKS
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Graph 2.1.1 Definisi Graph Menurut Dasgupta dkk (2008), graph merupakan himpunan tak kosong titik-titik yang disebut vertex (juga disebut dengan node) dan himpunan garis-garis
Lebih terperinciBILANGAN KROMATIK LOKASI DARI GRAF HUTAN LINIER H t
Jurnal Matematika UNAND Vol. 5 No. 4 Hal. 18 22 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND BILANGAN KROMATIK LOKASI DARI GRAF HUTAN LINIER H t SHERLY AFRI ASTUTI, ZULAKMAL Program Studi Matematika,
Lebih terperinciPenjadwalan Job Shop Fleksibel dengan Mempertimbangkan Saat Siap dan Saat Tenggat
Petunjuk Sitasi: Putawara, R., Aribowo, W., & Ma'ruf, A. (2017). Penjadwalan Job Shop Fleksibel dengan Mempertimbangkan Saat Siap dan Saat Tenggat. Prosiding SNTI dan SATELIT 2017 (pp. E41-47). Malang:
Lebih terperinciPENGEMBANGAN ALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENJADWALAN FLOW SHOP MULTI OBYEKTIF DENGAN BANYAK MESIN ABSTRAK
PENGEMBANGAN ALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENJADWALAN FLOW SHOP MULTI OBYEKTIF DENGAN BANYAK MESIN Rudi Nurdiansyah Jurusan Teknik Industri, Fakultas Teknologi Industri, Institut Teknologi Sepuluh
Lebih terperinciAPLIKASI ALJABAR MAKS-PLUS PADA SISTEM PENJADWALAN KERETA REL LISTRIK (KRL) JABODETABEK
APLIKASI ALJABAR MAKS-PLUS PADA SISTEM PENJADWALAN KERETA REL LISTRIK (KRL) JABODETABEK oleh AHMAD DIMYATHI M0111003 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) MUG2A3 Matematika Diskrit Disusun oleh: Dede Tarwidi, M.Si., M.Sc. PROGRAM STUDI S1 ILMU KOMPUTASI FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Pembelajaran
Lebih terperinci