Lampiran 1. Syntax Program LINGO 11.0 untuk Menyelesaikan Masalah Pemrograman Linear dengan Metode Branch and Bound beserta Hasil yang Diperoleh
|
|
- Budi Setiawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 2 LAMPIRAN
2 22 Lampiran Syntax Program LINGO. untuk Menyelesaikan Masalah Pemrograman Linear dengan Metode Branch and Bound beserta Hasil yang Diperoleh ) PLrelaksasi dari ILP (8) Maksimumkan z = 6x + x2 terhadap, 2x + 2x2 2 8x + x2 9 x, x2 Syntax program pada LINGO.:!Fungsi Objektif; max=6*x+*x2;!kendala; 2*x+2*x2<=2; 8*x+*x2<=9; x>=;x2>=; end Hasil yang diperoleh: Global optimal solution found. Objective value:82. Infeasibilities: Total solver iterations:2 Variable Value Reduced Cost X.7 X ) Subproblem 2 Maksimumkan z = 6x + x2 terhadap, 2x + 2x2 2 8x + x2 9 x 4 x, x2 Syntax program pada LINGO.:!Fungsi Objektif; max=6*x+*x2;!kendala; 2*x+2*x2<=2; 8*x+*x2<=9; x>=4; x>=;x2>=; end Hasil yang diperoleh: Global optimal solution found. Objective value: 82. Infeasibilities: Total solver iterations: Variable Value Reduced Cost X 4. X2.8 ) Subproblem Maksimumkan z = 6x + x2 terhadap, 2x + 2x2 2 8x + x2 9 x x, x2 Syntax program pada LINGO.:!Fungsi Objektif; max=6*x+*x2;!kendala; 2*x+2*x2<=2; 8*x+*x2<=9; x<=; x>=; x2>=; end Hasil yang diperoleh: Global optimal solution found. Objective value: 78. Infeasibilities: Total solver iterations: Variable Value Reduced Cost X. X2. 4) Subproblem 4 Maksimumkan z = 6x + x2 terhadap, 2x + 2x2 2 8x + x2 9 x 4 x2 2 x, x2 Syntax program pada LINGO.:!Fungsi Objektif; max=6*x+*x2;!kendala; 2*x+2*x2<=2; 8*x+*x2<=9; x>=4; x2>=2; x>=; x2>=; end
3 2 Hasil yang diperoleh: ) Subproblem Maksimumkan z = 6x + x2 terhadap, 2x + 2x2 2 8x + x2 9 x 4 x2 x, x2 Syntax program pada LINGO.:!Fungsi Objektif; max=6*x+*x2;!kendala; 2*x+2*x2<=2; 8*x+*x2<=9; x>=4; x2<=;x>=; x2>=; end Hasil yang diperoleh: Global optimal solution found. Objective value: 8. Infeasibilities: Total solver iterations: Variable Value Reduced Cost X X2 6) Subproblem 6 Maksimumkan z = 6x + x2 terhadap, 2x + 2x2 2 8x + x2 9 x 4 x2 x x, x2 Syntax program pada LINGO.:!Fungsi Objektif; max=6*x+*x2;!kendala; 2*x+2*x2<=2; 8*x+*x2<=9; x>=4; x2<=; x>=; x>=; x2>=; end Hasil yang diperoleh: Global optimal solution found. Objective value: 8. Infeasibilities: Total solver iterations: Variable Value Reduced Cost X. X2 7) Subproblem 7 Maksimumkan z = 6x + x2 terhadap, 2x + 2x2 2 8x + x2 9 x 4 x2 x 4 x, x2 Syntax program pada LINGO.:!Fungsi Objektif; max=6*x+*x2;!kendala; 2*x+2*x2<=2; 8*x+*x2<=9; x>=4; x2<=; x<=4; x>=; x2>=; end Hasil yang diperoleh: Global optimal solution found. Objective value: 74. Infeasibilities: Total solver iterations: Variable Value Reduced Cost X 4. X2
4 24 Lampiran 2 Data Simulasi Penjadwalan Lebak BulusSisingamangaraja Tabel 4 Data simulasi dari perjalanan Lebak BulusSisingamangaraja Indeks stasiun Stasiun Indeks Petak Blok (dk) Jarak antarstasiun (km) Lebak Bulus (LB) 2 Fatmawati (FA Kecepatan minimum (km/jam) Kecepatan maksimum (km/jam) Waktu tempuh minimum (menit) Waktu tempuh maksimum (menit) Waktu tunggu di stasiun (menit) Eko. Eks. Eko. Eks. Eko. Eks. Eko. Eks. Eko. Eks. d Cipete Raya (CR) d Haji Nawi (HN) d Blok A (BA) d Blok M (BM) d Sisingamangaraja (SI) d Keterangan: Eko. =, Eks. =. 24
5 2 Tabel Waktu kedatangan setiap di stasiun pertama Indeks Jenis Waktu Kedatangan (menit ke)
6 26 Lampiran Syntax Program LINGO. untuk Simulasi Penjadwalan Lebak BulusSisingamangaraja beserta Hasil yang Diperoleh model: sets: kereta/..8/;stasiun/..7/;petakb lok/..6/; link(kereta,stasiun):xd,xa,s,d; link2(kereta,kereta,petakblok):a,b ; endsets data: h=; M=; S= ; enddata!fungsi Objektif; min=@sum(kereta(i) i#le#:xd(i,7) Xa(i,))+@sum(kereta(i) i#gt#:xd (i,7)xa(i,));!kendala : Urutan operasi pada setiap kereta i#le#:@for(stasiu n(l):xa(i,l)+s(i,l)+d(i,l)=xd(i,l) i#le#:@for(kereta (j) j#ne#i#and#j#le#:@for(petakb lok(k):@for(stasiun(l) l#ge#2:m*a( i#le#:@for(kereta (j) j#ne#i#and#j#le#:@for(petakb lok(k):@for(stasiun(l):m*a(i,j,k)+ i#gt#:@for(kereta (j) j#ne#i#and#j#gt#:@for(petakb lok(k):@for(stasiun(l) l#ge#2:m*b( i#gt#:@for(kereta (j) j#ne#i#and#j#gt#:@for(petakb lok(k):@for(stasiun(l):m*b(i,j,k)+ Xd(i,l)>Xd(j,l)+h))));!kereta i mendahului kereta i#le#:@for(kereta (j) j#ne#i#and#j#le#:@for(petakb lok(k):@for(stasiun(l) l#ge#2:m*( i#le#:@for(kereta (j) j#ne#i#and#j#le#:@for(petakb i#gt#:@for(kereta (j) j#ne#i#and#j#gt#:@for(petakb lok(k):@for(stasiun(l) l#ge#2:m*( i#gt#:@for(kereta (j) j#ne#i#and#j#gt#:@for(petakb lok(k):@for(stasiun(l):m*(b(i,j,k))+xd(j,l)>xd(i,l)+h))));!kendala : Ratarata kecepatan setiap kereta api untuk menempuh masingmasing petak i#gt#:@for(stasiu n(l):xa(i,l)+s(i,l) i#le#6:(xa(i,)xd(i,2))<);!kendala 2: Aturan i#le#6:8<(xa(i,4)xd(i,)));!kereta j mendahului kereta i;
7 i#le##and#i#gt#6: i#le##and#i#gt#6: i#le##and#i#gt#6: i#le##and#i#gt#6: i#le##and#i#gt#6: i#le##and#i#gt#6: i#le##and#i#gt#6: i#le##and#i#gt#6: i#le##and#i#gt#6: i#le##and#i#gt#6: i#gt##and#i#le# i#gt##and#i#le# i#gt##and#i#le# i#gt##and#i#le# i#gt##and#i#le# i#gt##and#i#le# i#le#8#and#i#gt# i#le#8#and#i#gt# i#le#8#and#i#gt# i#le#8#and#i#gt# i#le#8#and#i#gt# i#le#8#and#i#gt# i#le#8#and#i#gt# i#le#8#and#i#gt# i#le#8#and#i#gt# i#le#8#and#i#gt# i#le#8#and#i#gt# i#le#8#and#i#gt# :(Xa(i,7)Xd(i,6))<6);!Waktu kedatangan masingmasing kereta di stasiun i#le##and#i#gt#6: i#le##and#i#gt#6: (Xa(i,7)Xd(i,6))<8);!outbound; Xa(,)=;Xa(2,)=;Xa(,)=2;Xa (4,)=;Xa(,)=4;Xa(6,)=; Xa(7,)=;Xa(8,)=2;Xa(9,)=;X i#gt##and#i#le# i#gt##and#i#le# i#gt##and#i#le# i#gt##and#i#le# i#gt##and#i#le# i#gt##and#i#le# :9<(Xa(i,7)Xd(i,6)));!inbound; Xa(,)=;Xa(2,)=;Xa(,)=2 ;Xa(4,)=;Xa(,)=4; Xa(6,)=;Xa(7,)=2;Xa(8,)= ;! Kendala 4: Pemberhentian Ekspress;! Outbound; Xa(7,2)=Xd(7,2); Xa(7,)=Xd(7,); Xa(7,)=Xd(7,); Xa(7,6)=Xd(7,6);
8 28 Xa(8,2)=Xd(8,2); Xa(8,)=Xd(8,); Xa(8,)=Xd(8,); Xa(8,6)=Xd(8,6); Xa(9,2)=Xd(9,2); Xa(9,)=Xd(9,); Xa(9,)=Xd(9,); Xa(9,6)=Xd(9,6); Xa(,2)=Xd(,2); Xa(,)=Xd(,); Xa(,)=Xd(,); Xa(,6)=Xd(,6);!inbound; Xa(6,2)=Xd(6,2); Xa(6,)=Xd(6,); Xa(6,)=Xd(6,); Xa(6,6)=Xd(6,6); Xa(7,2)=Xd(7,2); Xa(7,)=Xd(7,); Xa(7,)=Xd(7,); Xa(7,6)=Xd(7,6); Xa(8,2)=Xd(8,2); Xa(8,)=Xd(8,); Xa(8,)=Xd(8,); Xa(8,6)=Xd(8,6);!Kendala : nilai biner untuk A dan i#le#:@for(kereta (j) j#le#:@for(petakblok(k):@bin i#gt#:@for(kereta (j) j#gt#:@for(petakblok(k):@bin (B(i,j,k)))));!Outbound; A(,2,)=; A(,,)=; A(,4,)=; A(,,)=; A(,6,)=; A(,7,)=; A(,8,)=; A(,9,)=; A(,,)=; A(2,,)=; A(2,4,)=; A(2,,)=; A(2,6,)=; A(2,7,)=; A(2,8,)=; A(2,9,)=; A(2,,)=; A(7,,)=; A(7,4,)=; A(7,,)=; A(7,6,)=; A(7,8,)=; A(7,9,)=; A(7,,)=; A(,4,)=; A(,,)=; A(,6,)=; A(,8,)=; A(,9,)=; A(,,)=; A(8,4,)=; A(8,,)=; A(8,6,)=; A(8,9,)=; A(8,,)=; A(9,4,)=; A(9,,)=; A(9,6,)=; A(9,,)=; A(4,,)=; A(4,6,)=; A(4,,)=; A(,6,)=; A(,,)=; A(,6,)=;!inbound; B(,2,)=; B(,,)=; B(,4,)=; B(,,)=; B(,6,)=; B(,7,)=; B(,8,)=; B(6,2,)=; B(6,,)=; B(6,4,)=; B(6,,)=; B(6,7,)=; B(6,8,)=; B(2,,)=; B(2,4,)=; B(2,,)=; B(2,7,)=; B(2,8,)=; B(,4,)=; B(,,)=; B(,7,)=; B(,8,)=; B(7,4,)=; B(7,,)=; B(7,8,)=; B(4,,)=; B(4,8,)=; B(8,,)=; end
9 29
10 Global optimal solution found. Objective value: Objective bound: Infeasibilities: Extended solver steps: Total solver iterations: Variable H M XD(, ) XD(, 2) XD(, ) XD(, 4) XD(, ) XD(, 6) XD(, 7) XD( 2, ) XD( 2, 2) XD( 2, ) XD( 2, 4) XD( 2, ) XD( 2, 6) XD( 2, 7) XD(, ) XD(, 2) XD(, ) XD(, 4) XD(, ) XD(, 6) XD(, 7) XD( 4, ) XD( 4, 2) XD( 4, ) XD( 4, 4) XD( 4, ) XD( 4, 6) XD( 4, 7) XD(, ) XD(, 2) XD(, ) XD(, 4) XD(, ) XD(, 6) XD(, 7) XD( 6, ) XD( 6, 2) XD( 6, ) XD( 6, 4) XD( 6, ) XD( 6, 6) XD( 6, 7) XD( 7, ) XD( 7, 2) XD( 7, ) XD( 7, 4) XD( 7, ) XD( 7, 6) XD( 7, 7) XD( 8, ) XD( 8, 2) XD( 8, ) XD( 8, 4) XD( 8, ) XD( 8, 6) XD( 8, 7) XD( 9, ) XD( 9, 2) XD( 9, ) XD( 9, 4) XD( 9, ) XD( 9, 6) Value Reduced Cost XD( 9, 7) XD(, ) XD(, 2) XD(, ) XD(, 4) XD(, ) XD(, 6) XD(, 7) XD(, ) XD(, 2) XD(, ) XD(, 4) XD(, ) XD(, 6) XD(, 7) XD( 2, ) XD( 2, 2) XD( 2, ) XD( 2, 4) XD( 2, ) XD( 2, 6) XD( 2, 7) XD(, ) XD(, 2) XD(, ) XD(, 4) XD(, ) XD(, 6) XD(, 7) XD( 4, ) XD( 4, 2) XD( 4, ) XD( 4, 4) XD( 4, ) XD( 4, 6) XD( 4, 7) XD(, ) XD(, 2) XD(, ) XD(, 4) XD(, ) XD(, 6) XD(, 7) XD( 6, ) XD( 6, 2) XD( 6, ) XD( 6, 4) XD( 6, ) XD( 6, 6) XD( 6, 7) XD( 7, ) XD( 7, 2) XD( 7, ) XD( 7, 4) XD( 7, ) XD( 7, 6) XD( 7, 7) XD( 8, ) XD( 8, 2) XD( 8, ) XD( 8, 4) XD( 8, ) XD( 8, 6) XD( 8, 7) XA(, ) XA(, 2) XA(, ) XA(, 4) XA(, ) XA(, 6) XA(, 7) XA( 2, ) XA( 2, 2)
11 XA( 2, ) XA( 2, 4) XA( 2, ) XA( 2, 6) XA( 2, 7) XA(, ) XA(, 2) XA(, ) XA(, 4) XA(, ) XA(, 6) XA(, 7) XA( 4, ) XA( 4, 2) XA( 4, ) XA( 4, 4) XA( 4, ) XA( 4, 6) XA( 4, 7) XA(, ) XA(, 2) XA(, ) XA(, 4) XA(, ) XA(, 6) XA(, 7) XA( 6, ) XA( 6, 2) XA( 6, ) XA( 6, 4) XA( 6, ) XA( 6, 6) XA( 6, 7) XA( 7, ) XA( 7, 2) XA( 7, ) XA( 7, 4) XA( 7, ) XA( 7, 6) XA( 7, 7) XA( 8, ) XA( 8, 2) XA( 8, ) XA( 8, 4) XA( 8, ) XA( 8, 6) XA( 8, 7) XA( 9, ) XA( 9, 2) XA( 9, ) XA( 9, 4) XA( 9, ) XA( 9, 6) XA( 9, 7) XA(, ) XA(, 2) XA(, ) XA(, 4) XA(, ) XA(, 6) XA(, 7) XA(, ) XA(, 2) XA(, ) XA(, 4) XA(, ) XA(, 6) XA(, 7) XA( 2, ) XA( 2, 2) XA( 2, ) XA( 2, 4) XA( 2, ) XA( 2, 6) XA( 2, 7) XA(, ) XA(, 2) XA(, ) XA(, 4) XA(, ) XA(, 6) XA(, 7) XA( 4, ) XA( 4, 2) XA( 4, ) XA( 4, 4) XA( 4, ) XA( 4, 6) XA( 4, 7) XA(, ) XA(, 2) XA(, ) XA(, 4) XA(, ) XA(, 6) XA(, 7) XA( 6, ) XA( 6, 2) XA( 6, ) XA( 6, 4) XA( 6, ) XA( 6, 6) XA( 6, 7) XA( 7, ) XA( 7, 2) XA( 7, ) XA( 7, 4) XA( 7, ) XA( 7, 6) XA( 7, 7) XA( 8, ) XA( 8, 2) XA( 8, ) XA( 8, 4) XA( 8, ) XA( 8, 6) XA( 8, 7) S(, ) S(, 2) S(, ) S(, 4) S(, ) S(, 6) S(, 7) S( 2, ) S( 2, 2) S( 2, ) S( 2, 4) S( 2, ) S( 2, 6) S( 2, 7) S(, ) S(, 2) S(, ) S(, 4) S(, ) S(, 6) S(, 7) S( 4, ) S( 4, 2) S( 4, ) S( 4, 4) S( 4, ) S( 4, 6) S( 4, 7) S(, )
12 2 S(, 2) S(, ) S(, 4) S(, ) S(, 6) S(, 7) S( 6, ) S( 6, 2) S( 6, ) S( 6, 4) S( 6, ) S( 6, 6) S( 6, 7) S( 7, ) S( 7, 2) S( 7, ) S( 7, 4) S( 7, ) S( 7, 6) S( 7, 7) S( 8, ) S( 8, 2) S( 8, ) S( 8, 4) S( 8, ) S( 8, 6) S( 8, 7) S( 9, ) S( 9, 2) S( 9, ) S( 9, 4) S( 9, ) S( 9, 6) S( 9, 7) S(, ) S(, 2) S(, ) S(, 4) S(, ) S(, 6) S(, 7) S(, ) S(, 2) S(, ) S(, 4) S(, ) S(, 6) S(, 7) S( 2, ) S( 2, 2) S( 2, ) S( 2, 4) S( 2, ) S( 2, 6) S( 2, 7) S(, ) S(, 2) S(, ) S(, 4) S(, ) S(, 6) S(, 7) S( 4, ) S( 4, 2) S( 4, ) S( 4, 4) S( 4, ) S( 4, 6) S( 4, 7) S(, ) S(, 2) S(, ) S(, 4) S(, ) S(, 6) S(, 7) S( 6, ) S( 6, 2) S( 6, ) S( 6, 4) S( 6, ) S( 6, 6) S( 6, 7) S( 7, ) S( 7, 2) S( 7, ) S( 7, 4) S( 7, ) S( 7, 6) S( 7, 7) S( 8, ) S( 8, 2) S( 8, ) S( 8, 4) S( 8, ) S( 8, 6) S( 8, 7) D(, ) D(, 2) D(, ) D(, 4) D(, ) D(, 6) D(, 7) D( 2, ) D( 2, 2) D( 2, ) D( 2, 4) D( 2, ) D( 2, 6) D( 2, 7) D(, ) D(, 2) D(, ) D(, 4) D(, ) D(, 6) D(, 7) D( 4, ) D( 4, 2) D( 4, ) D( 4, 4) D( 4, ) D( 4, 6) D( 4, 7) D(, ) D(, 2) D(, ) D(, 4) D(, ) D(, 6) D(, 7) D( 6, ) D( 6, 2) D( 6, ) D( 6, 4) D( 6, ) D( 6, 6) D( 6, 7) D( 7, ) D( 7, 2) D( 7, ) D( 7, 4) D( 7, ) D( 7, 6) D( 7, 7)
13 D( 8, ) D( 8, 2) D( 8, ) D( 8, 4) D( 8, ) D( 8, 6) D( 8, 7) D( 9, ) D( 9, 2) D( 9, ) D( 9, 4) D( 9, ) D( 9, 6) D( 9, 7) D(, ) D(, 2) D(, ) D(, 4) D(, ) D(, 6) D(, 7) D(, ) D(, 2) D(, ) D(, 4) D(, ) D(, 6) D(, 7) D( 2, ) D( 2, 2) D( 2, ) D( 2, 4) D( 2, ) D( 2, 6) D( 2, 7) D(, ) D(, 2) D(, ) D(, 4) D(, ) D(, 6) D(, 7) D( 4, ) D( 4, 2) D( 4, ) D( 4, 4) D( 4, ) D( 4, 6) D( 4, 7) D(, ) D(, 2) D(, ) D(, 4) D(, ) D(, 6) D(, 7) D( 6, ) D( 6, 2) D( 6, ) D( 6, 4) D( 6, ) D( 6, 6) D( 6, 7) D( 7, ) D( 7, 2) D( 7, ) D( 7, 4) D( 7, ) D( 7, 6) D( 7, 7) D( 8, ) D( 8, 2) D( 8, ) D( 8, 4) D( 8, ) D( 8, 6) D( 8, 7) A(,, )... A( 8, 8, 6) B(,, ) B( 8, 8, 6)
14 4 Lampiran 4 Hasil Simulasi Penjadwalan dengan Nilai Delay Dibatasi * 6. *. * 4 4. * 2 9. * 8. * Waktu (menit). * 9 7. * 8 2. *. * LB(a) LB(d) Lebak Bulus FA(a) FA(d) Fatmawati CR(a) CR(d) Cipete Raya HN(a) HN(d) Haji Nawi BA(a) BA(d) Blok A BM(a) BM(d) Blok M SI(a) SI(d) Sisingamangaraja Gambar 2 Diagram ruang waktu dari simulasi penjadwalan dari Lebak Bulus ke Sisingamangaraja dengan waktu delay menjadi 6 menit.
15 6. * 4 8. * 4. * 2 7. *. * 2. * Waktu (menit) *. * SI(a) SI(d) Sisingamangaraja BM(a) BM(d) Blok M BA(a) BA(d) Blok A HN(a) HN(d) Haji Nawi CR(a) CR(d) Cipete Raya FA(a) FA(d) Fatmawati LB(a) LB(d) Lebak Bulus Gambar Diagram ruang waktu dari simulasi penjadwalan dari Sisingamangaraja ke Lebak Bulus dengan waktu delay menjadi 6 menit.
16 6 Tabel 6 Simulasi jadwal kedatangan dan keberangkatan dari Lebak Bulus ke Sisingamangaraja dengan waktu delay s 6 menit (menit ke) Indeks Jenis Lebak Bulus Fatmawati Cipete Raya Haji Nawi Blok A Blok M Sisingamangaraja LB(a) LB(d) FA(a) FA(d) CR(a) CR(d) HN(a) HN(d) BA(a) BA(d) BM(a) BM(d) SI(a) SI(d) Keterangan : = Tidak berhenti, (a) = Arrival (Kedatangan), (d) = Departure (Keberangkatan). 6
17 7 Tabel 7 Simulasi jadwal kedatangan dan keberangkatan dari Sisingamangaraja ke Lebak Bulus dengan waktu delay s 6 menit (menit ke) Indeks Jenis Sisingamangaraja Blok M Blok A Haji Nawi Cipete Raya Fatmawati Lebak Bulus SI(a) SI(d) BM(a) BM(d) BA(a) BA(d) HN(a) HN(d) CR(a) CR(d) FA(a) FA(d) LB(a) LB(d) Keterangan : = Tidak berhenti, (a) = Arrival (Kedatangan), (d) = Departure (Keberangkatan). 7
III PEMODELAN MASALAH PENJADWALAN KERETA API DAN APLIKASINYA
8 sidding petak jalan petak blok Keterangan: Stasiun Sinyal Crossing Overtaking Gambar 5 Ilustrasi dari istilah perkeretaapian. III PEMODELAN MASALAH PENJADWALAN KERETA API DAN APLIKASINYA 3.1 Model Matematika
Lebih terperinciLampiran 1 Syntax Program LINGO 11.0 untuk Menyelesaikan Masalah Pemrograman Linear dengan Metode Branch-and-Bound beserta Hasil yang Diperoleh
LAMPIRAN 26 27 Lampiran 1 Syntax Program LINGO 11.0 untuk Menyelesaikan Masalah Pemrograman Linear dengan Metode Branch-and-Bound beserta Hasil yang Diperoleh 1) LP-relaksasi masalah (6) Max z = 3x1+ 5x2
Lebih terperinciPENJADWALAN KERETA API JALUR GANDA: MODEL JOB-SHOP DAN APLIKASINYA. Nur Aprianti Dwiyatcita, Farida Hanum, Toni Bakhtiar
PENJADWALAN KERETA API JALUR GANDA: MODEL JOB-SHOP DAN APLIKASINYA Nur Aprianti Dwiyatcita, Farida Hanum, Toni Bakhtiar Departemen Matemata FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga,
Lebih terperinciGlobal optimal solution found. Objective value: Infeasibilities: Total solver iterations: 1
LAMPIRAN 24 Lampiran 1 Penyelesaian Contoh 1 dengan Preemptive Goal Programming (Prioritas Pertama) MODEL: 1]Min = 8*x1+11*x2+10*x3+12*x4; 2]x1+x2+x3+x4=300; 3]x1
Lebih terperincisejumlah variabel keputusan; fungsi yang akan dimaksimumkan atau diminimumkan disebut sebagai fungsi objektif, Ax = b, dengan = dapat
sejumlah variabel keputusan; fungsi yang akan dimaksimumkan atau diminimumkan disebut sebagai fungsi objektif nilai variabel-variabel keputusannya memenuhi suatu himpunan kendala yang berupa persamaan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab pertama ini akan diuraikan mengenai latar belakang, rumusan masalah, tujuan, batasan masalah, metodologi, dan sistematika pembahasan dalam Tugas Akhir ini. 1.1 Latar Belakang
Lebih terperinciDaerah fisibel untuk masalah IP di atas diberikan pada gambar berikut :
L A M P I R A N 3 4 Lampiran Contoh penyelesaian suatu LP dengan metode branch and bound Dari LP pada Contoh Misalkan diberikan integer programming berikut: Maksimumkan z = 7x + 5x () Terhadap : x + x
Lebih terperinciPENYELESAIAN PERMAINAN SUDOKU, CHALLENGER PUZZLE, DAN N-QUEENS PROBLEM MENGGUNAKAN INTEGER PROGRAMMING ALI VIKRI
PENYELESAIAN PERMAINAN SUDOKU, CHALLENGER PUZZLE, DAN N-QUEENS PROBLEM MENGGUNAKAN INTEGER PROGRAMMING ALI VIKRI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciPENJADWALAN KERETA API MENGGUNAKAN PEMROGRAMAN LINEAR INTEGER DWI SETIANTO
PENJADWALAN KERETA API MENGGUNAKAN PEMROGRAMAN LINEAR INTEGER DWI SETIANTO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRAK DWI SETIANTO.
Lebih terperinciIV STUDI KASUS. sebagai stasiun awal. Rute 5 meliputi stasiun. 3, 9, 13, 14, 15, 16, 17 dengan stasiun 3. 4, 10, 15, 18, 19, 22, 23 dengan stasiun 4
0 IV STUDI KASUS Misalkan pada suatu daerah terdapat jaringan rel kereta. Jaringan rel kereta tersebut memiliki 3 stasiun dengan 3 edge antarstasiun. Gambar jaringan dapat dilihat pada Gambar 6. Angka
Lebih terperinciPENJADWALAN PERTANDINGAN SEPAK BOLA MENGGUNAKAN PEMROGRAMAN INTEGER ACHMAD DICKY FACHRUDDIN
PENJADWALAN PERTANDINGAN SEPAK BOLA MENGGUNAKAN PEMROGRAMAN INTEGER ACHMAD DICKY FACHRUDDIN DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2016 PERNYATAAN
Lebih terperinciPENJADWALAN PERAWAT RS CIPTO MANGUNKUSUMO LANTAI 4 ZONA A MENGGUNAKAN METODE GOAL PROGRAMMING IRMA FATMAWATI
PENJADWALAN PERAWAT RS CIPTO MANGUNKUSUMO LANTAI 4 ZONA A MENGGUNAKAN METODE GOAL PROGRAMMING IRMA FATMAWATI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 1.1 Latar Belakang Semakin tingginya mobilitas penduduk di suatu negara terutama di kota besar tentulah memiliki banyak permasalahan, mulai dari kemacetan yang tak terselesaikan hingga moda
Lebih terperinciPENJADWALAN DISTRIBUSI BARANG MENGGUNAKAN MIXED INTEGER PROGRAMMING LAISANOPACI
PENJADWALAN DISTRIBUSI BARANG MENGGUNAKAN MIXED INTEGER PROGRAMMING LAISANOPACI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN MENGENAI
Lebih terperinciPEMROGRAMAN INTEGER DENGAN FUNGSI OBJEKTIF LINEAR SEPOTONG - SEPOTONG
PEMROGRAMAN INTEGER DENGAN FUNGSI OBJEKTIF LINEAR SEPOTONG - SEPOTONG Oleh : FEBIANA RESI SAPTA G540037 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 008
Lebih terperinciMODEL PENJADWALAN KEBERANGKATAN BUS DENGAN STRATEGI ALTERNATING DEADHEADING: STUDI KASUS PO RAYA RAZONO AGALL CAHYADI
MODEL PENJADWALAN KEBERANGKATAN BUS DENGAN STRATEGI ALTERNATING DEADHEADING: STUDI KASUS PO RAYA RAZONO AGALL CAHYADI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciBAB VI Program Linear Bilangan Bulat
BAB VI Program Linear Bilangan Bulat Permasalahan program linear bilangan bulat muncul ketika kita harus memutuskan jumlah barang yang kita perlukan berbentuk bilangan bulat, seperti menentukan banyaknya
Lebih terperinciPENJADWALAN MATA PELAJARAN DI SEKOLAH: STUDI KASUS DI SMPIT NURUL FAJAR BOGOR MUHAMMAD IZZUDDIN
PENJADWALAN MATA PELAJARAN DI SEKOLAH: STUDI KASUS DI SMPIT NURUL FAJAR BOGOR MUHAMMAD IZZUDDIN DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN
Lebih terperinciPENJADWALAN OPERASI BEDAH MENGGUNAKAN INTEGER PROGRAMMING : STUDI KASUS OPTIMASI WAKTU TARGET AHLI BEDAH DI RUMAH SAKIT JAKARTA EYE CENTER
1 PENJADWALAN OPERASI BEDAH MENGGUNAKAN INTEGER PROGRAMMING : STUDI KASUS OPTIMASI WAKTU TARGET AHLI BEDAH DI RUMAH SAKIT JAKARTA EYE CENTER FENNY RISNITA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN
Lebih terperinciPENJADWALAN PERAWAT KAMAR OPERASI MENGGUNAKAN PEMROGRAMAN INTEGER: STUDI KASUS DI RUMAH SAKIT OMNI INTERNASIONAL TANGERANG VIANEY CHRISTINE AMBARITA
PENJADWALAN PERAWAT KAMAR OPERASI MENGGUNAKAN PEMROGRAMAN INTEGER: STUDI KASUS DI RUMAH SAKIT OMNI INTERNASIONAL TANGERANG VIANEY CHRISTINE AMBARITA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB VI KESIMPULAN DAN SARAN
BAB VI KESIMPULAN DAN SARAN Bab terakhir ini akan menjelaskan kesimpulan dan saran Tugas Akhir. Kesimpulan dan saran terdiri atas dua bagian, yaitu kesimpulan dan saran mengenai pemodelan dan penyelesaian
Lebih terperinciBerdasarkan penelitian, biaya operasi gudang diestimasikan sebesar 15% - 70 % dari total biaya manufaktur. Tompkins, et al., 1996
2 1 Berdasarkan penelitian, biaya operasi gudang diestimasikan sebesar 15% - 70 % dari total biaya manufaktur Tompkins, et al., 1996 Optimasi Tata Letak Semi Dinamis Raw Material Fast Moving Pada Gudang
Lebih terperinciOPTIMASI BIAYA OPERASIONAL KERETA API DALAM SISTEM LOOP LINE MENGGUNAKAN PEMROGRAMAN INTEGER TAKLINEAR NOVARIA YUSRI
OPTIMASI BIAYA OPERASIONAL KERETA API DALAM SISTEM LOOP LINE MENGGUNAKAN PEMROGRAMAN INTEGER TAKLINEAR NOVARIA YUSRI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciBAB VI PENUTUP 6.1. Kesimpulan
BAB VI PENUTUP 6.1. Kesimpulan 1. Analisis kapasitas lintas Dari hasil analisis Grafik perjalanan kereta api (Gapeka) 2015 didapatkan kesimpulan mengenai persentase jenis kereta api pada jalur Rewulu-Wojo.
Lebih terperinciII LANDASAN TEORI. suatu fungsi dalam variabel-variabel. adalah suatu fungsi linear jika dan hanya jika untuk himpunan konstanta,.
II LANDASAN TEORI Pada pembuatan model penjadwalan pertandingan sepak bola babak kualifikasi Piala Dunia FIFA 2014 Zona Amerika Selatan, diperlukan pemahaman beberapa teori yang digunakan di dalam penyelesaiannya,
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
1 I PENDAHULUAN 1.1 Latar elakang Sepak bola merupakan olahraga yang populer di seluruh dunia termasuk di Indonesia. Sepak bola sebenarnya memiliki perangkat-perangkat penting yang harus ada dalam penyelenggaraannya,
Lebih terperincia. Menyelesaikan Masalah Penugasan dengan Algoritma Hungaria
BAB IV Penugasan dan Transshipment 1. Penugasan Masalah penugasan bermula dari penempatan para pekerja pada bidang yang tersedia agar biaya yang ditanggung pemberi tugas/perusahaan dapat diminimalkan.
Lebih terperinciPENYELESAIAN MASALAH CREW PAIRING MASKAPAI PENERBANGAN DENGAN 0-1 INTEGER PROGRAMMING ANNE YULIANA UTAMI DEWI
PENYELESAIAN MASALAH CREW PAIRING MASKAPAI PENERBANGAN DENGAN 0-1 INTEGER PROGRAMMING ANNE YULIANA UTAMI DEWI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciMASALAH PENDISTRIBUSIAN BARANG MENGGUNAKAN PEMROGRAMAN LINEAR INTEGER ANGGUN ARYANTI
MASALAH PENDISTRIBUSIAN BARANG MENGGUNAKAN PEMROGRAMAN LINEAR INTEGER ANGGUN ARYANTI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN
Lebih terperinciDAFTAR ISI... HALAMAN JUDUL... HALAMAN PERSETUJUAN... LEMBAR PERNYATAAN... HALAMAN PERSEMBAHAN... HALAMAN MOTTO... KATA PENGANTAR... DAFTAR TABEL...
DAFTAR ISI Halaman HALAMAN JUDUL... HALAMAN PERSETUJUAN... LEMBAR PERNYATAAN... HALAMAN PERSEMBAHAN... HALAMAN MOTTO... KATA PENGANTAR... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... INTISARI... ABSTRACT...
Lebih terperinciMINIMALISASI KETERLAMBATAN KERETA API (STUDI KASUS PADA JADWAL KERETA API DI PT KERETA API INDONESIA DAOP IV SEMARANG)
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 MINIMALISASI KETERLAMBATAN KERETA API (STUDI KASUS PADA JADWAL KERETA API DI PT KERETA API INDONESIA DAOP
Lebih terperinciBAB III PEMBAHASAN. kali makanan utama dan tiga kali makanan antara/kudapan (snack) dengan jarak
BAB III PEMBAHASAN A. Perencanaan Menu Diet Diabetes Mellitus Diet DM di RS PKU Muhammadiyah Yogyakarta diberikan dengan cara tiga kali makanan utama dan tiga kali makanan antara/kudapan (snack) dengan
Lebih terperinciIMPLEMENTASI MIX FLEET VEHICLE ROUTING PROBLEM PADA PENGANGKUTAN PEGAWAI IPB DENGAN MENGGUNAKAN BUS IPB GALIH FEBRIANTO
IMPLEMENTASI MIX FLEET VEHICLE ROUTING PROBLEM PADA PENGANGKUTAN PEGAWAI IPB DENGAN MENGGUNAKAN BUS IPB GALIH FEBRIANTO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciMODEL OPTIMASI PENDISTRIBUSIAN LOGISTIK BENCANA ALAM ELLY ZUNARA
MODEL OPTIMASI PENDISTRIBUSIAN LOGISTIK BENCANA ALAM ELLY ZUNARA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2 ABSTRACT ELLY ZUNARA. Optimization
Lebih terperinciBagaimana cara menyelesaikan persoalan Linier Programming and Integer Programming dengan
I. Pendahuluan A. Latar Belakang (Min. 1 lembar) B. Rumusan Masalah Rumusan masalah yang ada pada modul 1 ini adalah : Bagaimana cara menyelesaikan persoalan Linier Programming and Integer Programming
Lebih terperinciDimulainya Tahapan Konstruksi Skala Besar Proyek MRT Jakarta di Wilayah Fatmawati Hingga Blok M
SIARAN PERS Untuk diterbitkan segera Dimulainya Tahapan Konstruksi Skala Besar Proyek MRT Jakarta di Wilayah Fatmawati Hingga Blok M Pekerjaan konstruksi skala besar akan dimulai di wilayah Jl. Fatmawati,
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
1 I PENDAHULUAN 1.1 Latar Belakang Kamar darurat (Emergency Room/ER) adalah tempat yang sangat penting peranannya pada rumah sakit. Aktivitas yang cukup padat mengharuskan kamar darurat selalu dijaga oleh
Lebih terperinciBAB 5 ANALISIS MODEL
BAB 5 ANALISIS MODEL 5.1. Solusi Model Model distribusi yang telah dikembangkan bertujuan untuk mencari alokasi logistik bencana ke setiap barak pengungsian, alokasi kendaraan yang digunakan, serta rute
Lebih terperinciTRAVELING SALESMAN PROBLEM DENGAN KENDALA TIME WINDOWS ACHMAD KAMILLUDDIN
TRAVELING SALESMAN PROBLEM DENGAN KENDALA TIME WINDOWS ACHMAD KAMILLUDDIN DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN MENGENAI SKRIPSI
Lebih terperinciPENGOPTIMUMAN BERBASIS DUAL MASALAH PENJADWALAN TIGA HARI KERJA DALAM SEMINGGU SECARA SIKLIS NUR HADI
PENGOPTIMUMAN BERBASIS DUAL MASALAH PENJADWALAN TIGA HARI KERJA DALAM SEMINGGU SECARA SIKLIS NUR HADI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciPENENTUAN LOKASI DALAM MANAJEMEN HUTAN
PENENTUAN LOKASI DALAM MANAJEMEN HUTAN Oleh : KABUL EKA PRIANA G54102023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2006 ABSTRAK KABUL EKA PRIANA. Penentuan
Lebih terperinciPENJADWALAN PETUGAS KEAMANAN MENGGUNAKAN INTEGER LINEAR PROGRAMMING: STUDI KASUS DI INSTITUT PERTANIAN BOGOR RANGGA GALUH SONIWAN
PENJADWALAN PETUGAS KEAMANAN MENGGUNAKAN INTEGER LINEAR PROGRAMMING: STUDI KASUS DI INSTITUT PERTANIAN BOGOR RANGGA GALUH SONIWAN DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciIII DESKRIPSI DAN FORMULASI MASALAH RUTE DAN JADWAL PESAWAT UNTUK MEMENUHI PERMINTAAN PENUMPANG
t = 1 SUBPROBLEM 1 x 1 = 3,75, x 2 = 2, 25, z = 41, 25 x 1 4 x 1 3 t = 2 SUBPROBLEM 2 x 1 = 4, x 2 = 1, 8, z = 41 SUBPROBLEM 3 t = 7 x = x 3, z = 39, LB = 40 1 2 = x 2 2 x 2 1 SUBPROBLEM 4 t = 3 TAK FISIBEL
Lebih terperinciPENJADWALAN MATA KULIAH DENGAN MEMINIMUMKAN BANYAKNYA RUANGAN REGITA FEBRIYANTI SAMANTA
PENJADWALAN MATA KULIAH DENGAN MEMINIMUMKAN BANYAKNYA RUANGAN REGITA FEBRIYANTI SAMANTA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN
Lebih terperinciOleh: Dwi Agustina Sapriyanti (1) Khusnul Novianingsih (2) Husty Serviana Husain (2) ABSTRAK
MODEL OPTIMASI PENJADWALAN KERETA API (Studi Kasus pada Jadwal Kereta Api di PT Kereta Api Indonesia (Persero) Daop 2 Bandung Lintasan Bandung-Cicalengka) Oleh: Dwi Agustina Sapriyanti (1) Khusnul Novianingsih
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 11 Latar Belakang Manajemen operasi suatu industri penerbangan merupakan suatu permasalahan Operations Research yang kompleks Secara umum, perusahaan dihadapkan pada berbagai persoalan dalam
Lebih terperinciII TINJAUAN PUSTAKA 2.1 Graf Definisi 1 (Graf, Graf Berarah dan Graf Takberarah) 2.2 Linear Programming
4 II TINJAUAN PUSTAKA Untuk memahami permasalahan yang berhubungan dengan penentuan rute optimal kendaraan dalam mendistribusikan barang serta menentukan solusinya maka diperlukan beberapa konsep teori
Lebih terperinciTabel 1. Soal Lapres. Benang Pewarna Harga Jual Permasalahan tersebut dimodelkan sebagai berikut : X2 = Sarung Anak
2. Soal Laporan Resmi Sebuah pabrik sarung tenun ANGGUR memproduksi 2 jenis sarung, yaitu sarung dewasa dan sarung anak. Untuk membuat sebuah sarung dewasa dibutuhkan 25 gulung benang dan 18 kaleng pewarna.
Lebih terperinciPENJADWALAN KARYAWAN MENGGUNAKAN INTEGER LINEAR PROGRAMMING: STUDI KASUS DI TAMAN AIR TIRTAMAS PALEM INDAH JAKARTA PUTRI AGUSTINA EVERIA
PENJADWALAN KARYAWAN MENGGUNAKAN INTEGER LINEAR PROGRAMMING: STUDI KASUS DI TAMAN AIR TIRTAMAS PALEM INDAH JAKARTA PUTRI AGUSTINA EVERIA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciBAB III METODOLOGI PENEITIAN
BAB III METODOLOGI PENEITIAN Pada bab ini akan dijelaskan mengenai metodologi penelitian atau langkahlangkah yang mengatur jalannya proses penelitian ini.diagram alir metodologi penelitian dapat dilihat
Lebih terperinciLampiran 1. Hasil perhitungan skoring gabungan dengan Expert Choice
Lampiran 1. Hasil perhitungan skoring gabungan dengan Expert Choice Alternatif Skor kombinasi Terlindungnya tata air 0.27 Berkurangnya erosi tanah 0.29 Tingginya produksi pertanian 0.19 Tingginya produksi
Lebih terperinciIII DESKRIPSI PERMASALAHAN PENGOPERASIAN BRT
8 x 2 1 Subproblem 1 x 1 = 11,33; x 2 = 1,2; z = 40,11 (batas atas) t = 1 x 2 2 Subproblem 2 x 1 = 11,6; x 2 = 1; z = 39,8 t = 2 Subproblem 3 x 1 = 9; x 2 = 2; z = 37 t = 9 x 1 11 Subproblem 4 x 1 = 11;
Lebih terperinciBAB III METODOLOGI. mendekati kapasitas lintas maksimum untuk nilai headway tertentu. Pada
BAB III METODOLOGI 3.1. Kerangka Pendekatan Analisis Optimasi pada tujuan penelitian dilakukan dengan pendekatan sistem dimana pola operasi adalah optimum bila frekwensi perjalanan kereta api mendekati
Lebih terperinciSOAL LATIHAN. Kerjakan soal-soal berikut ini dengan singkat dan jelas!
SOAL LATIHAN Kerjakan soal-soal berikut ini dengan singkat dan jelas! 1. Suatu perusahaan mempunyai tiga lokasi gudang yaitu F a, F b dan F c yang akan didistribusikan ke 3 kota yaitu W 1, W 2 dan W 3.
Lebih terperinciPENYELESAIAN MASALAH PENJADWALAN PERTANDINGAN SEPAK BOLA DENGAN SISTEM ROUND-ROBIN ABDILLAH
PENYELESAIAN MASALAH PENJADWALAN PERTANDINGAN SEPAK BOLA DENGAN SISTEM ROUND-ROBIN ABDILLAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2008 PENYELESAIAN
Lebih terperinciOPTIMASI BIAYA ANTISIPASI BENCANA ALAM MEIDINA FITRIANTI
OPTIMASI BIAYA ANTISIPASI BENCANA ALAM MEIDINA FITRIANTI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
Lebih terperinciLebak Bulus Masuki Tahapan Konstruksi Skala Besar Proyek MRT Jakarta
SIARAN PERS Untuk diterbitkan segera Lebak Bulus Masuki Tahapan Konstruksi Skala Besar Proyek MRT Jakarta Setelah dimulainya pekerjaan konstruksi skala besar untuk koridor MRT jalur layang (elevated) di
Lebih terperinciPENJADWALAN DOKTER KAMAR DARURAT DI RSCM MENGGUNAKAN PEMROGRAMAN LINEAR INTEGER RATNA RATU ALIT
PENJADWALAN DOKTER KAMAR DARURAT DI RSCM MENGGUNAKAN PEMROGRAMAN LINEAR INTEGER RATNA RATU ALIT DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2011 ABSTRACT
Lebih terperinciKINERJA OPERASI KERETA BARAYA GEULIS RUTE BANDUNG-CICALENGKA
KINERJA OPERASI KERETA BARAYA GEULIS RUTE BANDUNG-CICALENGKA Dewi Rosyani NRP: 0821049 Pembimbing: Dr. Budi Hartanto S., Ir., M.Sc FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL UNIVERSITAS KRISTEN MARANATHA BANDUNG
Lebih terperinciBAB V Analisis Jaringan
BAB V Analisis Jaringan Jaringan lahir karena berbagai keperluan seperti: transportasi, listrik, komunikasi, perencanaan proyek, aliran air, pembuatan jalan, dan lain-lain. Saat ini jaringan sangat penting,
Lebih terperinciMODEL MODIFIKASI IMPROVED SKEMA PEMBIAYAAN INTERNET MULTI LINK BOTTLENECK PADA JARINGAN MULTI LAYANAN (MULTI SERVICE NETWORK)
MODEL MODIFIKASI IMPROVED SKEMA PEMBIAYAAN INTERNET MULTI LINK BOTTLENECK PADA JARINGAN MULTI LAYANAN (MULTI SERVICE NETWORK) Fitri Maya Puspita 1, Irmeilyana 2, Indrawati 3, Juniwati 4, Reni Oki Sapitri
Lebih terperinciPERATURAN MENTERI PERHUBUNGAN NOMOR : PM. 35 TAHUN 2011 TENTANG TATA CARA DAN STANDAR PEMBUATAN GRAFIK PERJALANAN KERETA API
PERATURAN MENTERI PERHUBUNGAN NOMOR : PM. 35 TAHUN 2011 TENTANG TATA CARA DAN STANDAR PEMBUATAN GRAFIK PERJALANAN KERETA API DENGAN RAHMAT TUHAN YANG MAHA ESA MENTERI PERHUBUNGAN, Menimbang : a. bahwa
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA. Riset Operasi Masalah pengoptimalan timbul sejak adanya usaha untuk menggunakan pendekatan ilmiah dalam memecahkan masalah manajemen suatu organisasi. Sebenarnya kegiatan yang
Lebih terperinciBAB II TINJAUAN KEPUSTAKAAN. angkutan kereta api batubara meliputi sistem muat (loading system) di lokasi
BAB II TINJAUAN KEPUSTAKAAN 2.1. Gambaran Umum Obyek Penelitian Obyek penelitian berupa rencana sistem angkutan kereta api khusus batubara yang menghubungkan antara lokasi tambang di Tanjung Enim Sumatra
Lebih terperinciDynamic Programming. Pemrograman Dinamis
Pemrograman Dinamis Pemrograman dinamis merupakan suatu teknik analisa kuantitatif untuk membuat tahapan keputusan yang saling berhubungan. Teknik ini menghasilkan prosedur yang sistematis untuk mencari
Lebih terperinciPENJADWALAN PERKULIAHAN OTOMATIS. Khairunnisa Universitas Islam Negeri Syarif Hidayatullah Jakarta
Volume 1 No.1 JULI 2015 PENJADWALAN PERKULIAHAN OTOMATIS Khairunnisa Universitas Islam Negeri Syarif Hidayatullah Jakarta khairunnisa@uinjkt.ac.id Abstrak Makalah ini menyajikan suatu kegiatan penjadwalan
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1 Linear Programming Linear Programming (LP) merupakan metode yang digunakan untuk mencapai hasil terbaik (optimal) seperti keuntungan maksimum atau biaya minimum dalam model matematika
Lebih terperinciLAMPIRAN A KUISIONER PEMBOBOTAN
91 LAMPIRAN A KUISIONER PEMBOBOTAN PENGANTAR Kuisioner berikut merupakan kuisioner metode Analytic Network Process (ANP) untuk menentukan nilai bobot indikator kinerja kunci klaster yang telah teridentifikasi
Lebih terperinciFungsi di atas sesuai dengan apa yang kita butuhkan di dalam proses penunjang keputusan pada studi kasus di bawah ini:
Menyelesaikan DSS sederhana dengan Microsoft Excel Solver merupakan salah satu fasilitas tambahan (add-id) pada excel yang digunakan untuk memecahkan persoalan-persoalan yang rumit, fasilitas solver memungkinkan
Lebih terperinciDasar-dasar Optimasi
Dasar-dasar Optimasi Optimasi Linier Interpretasi Hasil Lindo diambil dari buku Introduction to Operations Research, Sixth Edition, Frederick S. Hillier, Gerald J. Lieberman, McGraw-Hill, Inc., International
Lebih terperinciPengantar Integer Programming
Pengantar Integer Programming Model Integer Programming Permasalahan integer programming (IP) adalah suatu Program Linear (LP) yang beberapa atau seluruh variabel yang digunakan merupakan bilangan integer
Lebih terperinciBAB 3 LINEAR PROGRAMMING
BAB 3 LINEAR PROGRAMMING Teori-teori yang dijelaskan pada bab ini sebagai landasan berpikir untuk melakukan penelitian ini dan mempermudah pembahasan hasil utama pada bab selanjutnya. 3.1 Linear Programming
Lebih terperinciOPT.IMASI ALAT ANGKUT PENGIRIMAN BERAS (Studi Kasus pada PT. Umbul Berlian Semarang)
2012 Enty Nur Hayati 58 OPT.IMASI ALAT ANGKUT PENGIRIMAN BERAS (Studi Kasus pada PT. Umbul Berlian Semarang) Enty Nur Hayati Dosen Fakultas Teknik Universitas Stikubank Semarang DINAMIKA TEKNIK Vol. VI,
Lebih terperinciInteger Programming (Pemrograman Bulat)
Integer Programming (Pemrograman Bulat) Pemrograman bulat dibutuhkan ketika keputusan harus dilakukan dalam bentuk bilangan bulat (bukan pecahan yang sering terjadi bila kita gunakan metode simpleks).
Lebih terperinciMAKSIMALISASI PROFIT DALAM PERENCANAAN PRODUKSI
MAKSIMALISASI PROFIT DALAM PERENCANAAN PRODUKSI Tri Hernawati Staf Pengaar Kopertis Wilayah I Dpk Fakultas Teknik Universitas Islam Sumatera Utara Medan Abstrak Profit yang maksimal merupakan tuuan utama
Lebih terperinciAntiremed Kelas 7 Fisika
Antiremed Kelas 7 Fisika Gerak Lurus - Latihan Ulangan Doc. Name: AR07FIS0699 Version : 2011-07 halaman 1 01. Ayah mengantarkan Tika untuk berangkat dari rumah ke sekolah dengan menggunakan mobil. Dapat
Lebih terperinciSKEMA PEMBIAYAAN INTERNET MULTI LINK YANG MELAYANI JARINGAN MULTI KELAS DENGAN KONDISI QUALITY PREMIUM YANG BERBEDA
Prosiding Semirata 2015 bidang Teknologi Informasi dan Multi Disiplin Universitas Tanjungpura Pontianak Hal 83-97 SKEMA PEMBIAYAAN INTERNET MULTI LINK YANG MELAYANI JARINGAN MULTI KELAS DENGAN KONDISI
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 1.1 Latar Belakang Bencana alam merupakan interupsi signifikan terhadap kegiatan operasional sehari-hari yang bersifat normal dan berkesinambungan. Interupsi ini dapat menyebabkan entitas
Lebih terperinciTUGAS BESAR RISET OPERASI PROGRAM QM
TUGAS BESAR RISET OPERASI PROGRAM QM Dosen Pengampu : Ika Atsari Dewi, STP., MP Nama Anggota : Dian Fatmawati (115100300111021) Saundra Rosallina L. (115100300111043) Ita Winda Sari H. (115100300111063)
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Jakarta merupakan ibukota Indonesia yang menjadikannya sebagai kota tersibuk dengan tingkat pertumbuhan penduduknya yang sangat pesat. Berdasarkan data Badan Pusat
Lebih terperinciAntiremed Kelas 8 Fisika
Antiremed Kelas 8 Fisika Gerak Lurus - Latihan Ulangan Doc. Name: K13AR08FIS0201 Version : 2014-08 halaman 1 01. Ayah mengantarkan Tika untuk berangkat dari rumah ke sekolah dengan naik menggunakan mobil.
Lebih terperinciJURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: ( Print) E-1
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) E-1 Analisis Kinerja Operasional Kereta Api Sriwedari Ekspress Jurusan Solo - Yogya Bayu Rosida Sumantri dan Wahju Herijanto
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN. Latar Belakang Masalah penentuan rute bus karyawan mendapat perhatian dari para peneliti selama lebih kurang 30 tahun belakangan ini. Masalah optimisasi rute bus karyawan secara matematis
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Program Linier Menurut Aminudin (2005), program linier merupakan suatu model matematika untuk mendapatkan alternatif penggunaan terbaik atas sumber-sumber yang tersedia. Kata linier
Lebih terperinciUJM 3 (2) (2014) UNNES Journal of Mathematics.
UJM 3 (2) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm IMPLEMENTASI ALGORITMA BRANCH AND BOUND PADA 0-1 KNAPSACK PROBLEM UNTUK MENGOPTIMALKAN MUATAN BARANG Arum Pratiwi,
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 terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1. Analisis Model Matematika Kebutuhan air irigasi ditentukan oleh berbagai faktor seperti cara penyiapan lahan, kebutuhan air untuk tanaman, perkolasi dan rembesan, pergantian
Lebih terperinciJURNAL REKAYASA DAN MANAJEMEN SISTEM INDUSTRI VOL. 2 NO. 6 TEKNIK INDUSTRI UNIVERSITAS BRAWIJAYA
OPTIMASI KAPASITAS PRODUKSI DALAM PENYUSUNAN JADWAL INDUK PRODUKSI MENGGUNAKAN INTEGER LINEAR PROGRAMMING (ILP) (Studi Kasus: CV. PABRIK MESIN GUNTUR MALANG) OPTIMIZATION OF PRODUCTION CAPACITY IN PREPARATION
Lebih terperinciJurusan Matematika Fakultas MIPA Universitas Sriwijaya 1* Jurusan Matematika Fakultas MIPA Universitas Sriwijaya 2,3
PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) DENGAN METODE BRANCH AND BOUND (Aplikasi Permasalahan Pengangkutan Barang Kantor Pos Palembang) (SOLVING THE TRAVELLING SALESMAN PROBLEM (TSP) USING BRANCH
Lebih terperinciImplementasi Model Penjadwalan Job-Shop dalam Masalah Penjadwalan Kereta Api Jalur Tunggal dengan Pendekatan Constraint Programming
Abstrak Implementasi Model Penjadwalan Job-Shop dalam Masalah Penjadwalan Kereta Api Jalur Tunggal dengan Pendekatan Constraint Programming Fajar Yuliawan NIM: 13503022 Program Studi Teknik Informatika,
Lebih terperinciMASALAH GROUND-HOLDING DENGAN DUA TERMINAL DALAM PENGENDALIAN LALU LINTAS UDARA
MASALAH GROUND-HOLDING DENGAN DUA TERMINAL DALAM PENGENDALIAN LALU LINTAS UDARA W. PRASETYO 1, F. HANUM 2, P. T. SUPRIYO 2 Abstrak Setiap maskapai penerbangan memiliki strategi untuk meminimumkan biaya
Lebih terperinci1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi khususnya dibidang mobile semakin pesat, khususnya teknologi informasi dan komunikasi. Dengan perkembangan teknologi yang maju, maka
Lebih terperinciKINERJA OPERASI KERETA API BARAYA GEULIS RUTE BANDUNG-CICALENGKA
KINERJA OPERASI KERETA API BARAYA GEULIS RUTE BANDUNG-CICALENGKA Dewi Rosyani Fakultas Teknik Universitas Kristen Maranatha Jalan Suria Sumantri 65 Bandung, Indonesia, 40164 Fax: +62-22-2017622 Phone:
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 I PENDAHULUAN A. Latar Belakang
BAB I PENDAHULUAN A. Latar Belakang Pesawat terbang merupakan moda transportasi tercepat yang ada saat ini. Dengan kecepatan berkisar 500-900 km/jam, transportasi udara menggunakan pesawat terbang merupakan
Lebih terperinciPANDUAN WAWANCARA PENELITIAN OPTIMASI PENGADAAN SAYURAN ORGANIK. : Optimasi Pengadaan Sayuran Organik
LAMPIRAN 98 99 Lampiran 1. Panduan Wawancara PANDUAN WAWANCARA PENELITIAN OPTIMASI PENGADAAN SAYURAN ORGANIK Nama Mahasiswa : Prestilia Ningrum NPM : 150310080098 Jurusan Hal Sumber Informasi : Agribisnis
Lebih terperinciOPTIMASI PENENTUAN RUTE PENGUMPULAN SUSU SAPI DENGAN LINEAR PROGRAMMING (Studi Kasus: Koperasi Unit Desa (KUD) BATU, Malang)
OPTIMASI PENENTUAN RUTE PENGUMPULAN SUSU SAPI DENGAN LINEAR PROGRAMMING (Studi Kasus: Koperasi Unit Desa (KUD) BATU, Malang) OPTIMIZATION OF COLLECTING MILK ROUTES USING LINEAR PROGRAMMING (A Case Study
Lebih terperinciBAB VI KESIMPULAN DAN SARAN. A. Kesimpulan
BAB VI KESIMPULAN DAN SARAN A. Kesimpulan Berdasarkan hasil penelitian pada aspek aspek pola operasi jalur ganda lintas layanan Stasiun Betung Stasiun Sumber Agung untuk mendukung perjalanan kereta api
Lebih terperinciFormulasi dengan Lindo. Dasar-dasar Optimasi. Hasil dengan Lindo 1. Hasil dengan Lindo 2. Interpretasi Hasil. Interpretasi Hasil.
Formulasi dengan Lindo Dasar-dasar Optimasi Optimasi Linier Interpretasi Hasil Lindo diambil dari buku Introduction to Operations Research, Sixth Edition, Frederick S Hillier, Gerald J Lieberman, McGraw-Hill,
Lebih terperinci