PRESENTASI TUGAS AKHIR KI OPTIMASI PERMASALAHAN PENUGASAN DOKTER MENGGUNAKAN REPRESENTASI GRAF BIPATIT BERBOBOT

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