IMPLEMENTASI MIX FLEET VEHICLE ROUTING PROBLEM PADA PENGANGKUTAN PEGAWAI IPB DENGAN MENGGUNAKAN BUS IPB GALIH FEBRIANTO
|
|
- Farida Jayadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 BOGOR BOGOR 2014
2
3 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Implementasi Mix Fleet Vehicle Routing Problem pada Pengangkutan Pegawai IPB dengan Menggunakan Bus IPB adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Juli 2014 Galih Febrianto NIM G
4 ABSTRAK GALIH FEBRIANTO. Implementasi Mix Fleet Vehicle Routing Problem pada Pengangkutan Pegawai IPB dengan Menggunakan Bus IPB. Dibimbing oleh FARIDA HANUM dan SISWANDI. Penjemputan pegawai merupakan salah satu kegiatan penting dari pelayanan suatu institusi agar pegawainya datang di lokasi kerjanya tepat waktu. Pada karya ilmiah ini, masalah pengangkutan pegawai diformulasikan dalam bentuk Mix Fleet Vehicle Routing Problem dengan tujuan meminimumkan biaya perjalanan bus atau meminimumkan jumlah bus yang digunakan. Kendala-kendala pada karya ilmiah ini ialah kendala waktu, kapasitas kendaraan, biaya perjalanan, dan jumlah pegawai. Masalah ini diformulasikan dalam bentuk Integer Linear Programming dan diselesaikan menggunakan perangkat lunak LINGO Solusi optimal yang diperoleh berupa biaya perjalanan yang minimal serta jumlah bus yang digunakan adalah minimum. Kata kunci: antarjemput, integer linear programming, mix fleet vehicle routing problem, pegawai. ABSTRACT Galih Febrianto. The Implementation of Mixed Fleet Vehicle Routing Problem on IPB s Employees Shuttle Service. Supervised by FARIDA HANUM and SISWANDI. Employee shuttle service is one of important activities of an institution in managing its employees come to the work on time. In this paper, the problem of transporting employees is formulated into the form of Mix Fleet Vehicle Routing Problem whose objective is to minimize traveling cost or to minimize the number of buses used. The constraints in this paper are time availability, vehicle capacity, traveling cost, and number of employees. This problems is formulated as an Integer Linear Programming and solved by using LINGO It is shown that the traveling cost and the number of buses in use are minimum. Keywords: employee, integer linear programming, mix fleet vehicle routing problem, shuttle.
5 IMPLEMENTASI MIX FLEET VEHICLE ROUTING PROBLEM PADA PENGANGKUTAN PEGAWAI IPB DENGAN MENGGUNAKAN BUS IPB GALIH FEBRIANTO Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains pada Departemen Matematika DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
6
7 Judul Skripsi : Implementasi Mix Fleet Vehicle Routing Problem pada Pengangkutan Pegawai IPB dengan Menggunakan Bus IPB Nama : Galih Febrianto NIM : G Disetujui oleh Dra Farida Hanum, MSi Pembimbing I Drs Siswandi, MSi Pembimbing II Diketahui oleh Dr Toni Bakhtiar, MSc Ketua Departemen Tanggal Lulus:
8 PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT yang selalu melimpahkan rahmat dan karunia-nya sehingga karya ilmiah ini dapat diselesaikan. Judul dari karya ilmiah ini adalah Implementasi Mix Fleet Vehicle Routing Problem pada Pengangkutan Pegawai IPB dengan Menggunakan Bus IPB. Terima kasih penulis ucapkan kepada Ibu Dra Farida Hanum, MSi dan Bapak Drs Siswandi, MSi selaku pembimbing, serta Bapak Muhamad Ilyas, MSi, MSc selaku dosen penguji yang telah banyak memberikan saran, motivasi dan bimbingan dalam penulisan karya ilmiah ini. Terima kasih kepada kedua orang tua penulis, Bapak Suwondo dan Ibu Sri Tentrem, kepada adik Aji Priambodo serta seluruh keluarga yang selalu mendoakan penulis dalam penulisan karya ilmiah ini. Terima kasih juga disampaikan kepada seluruh dosen dan staf penunjang Departemen Matematika atas segala ilmu dan bantuannya, kepada Zaenal, Prama, Avendi, Ikhsan, Maya, Ermi, Windy dan teman-teman Matematika angkatan 46 dan 47 yang selalu memberikan dukungan kepada penulis. Penulis menyadari bahwa dalam penulisan skripsi ini masih jauh dari kesempurnaan. Kritik, saran, dan masukan yang bersifat membangun sangat penulis harapkan demi penyempurnaan di masa mendatang. Semoga karya ilmiah ini bermanfaat. Bogor, Juli 2014 Galih Febrianto
9 DAFTAR ISI DAFTAR TABEL vi DAFTAR GAMBAR vi DAFTAR LAMPIRAN vi PENDAHULUAN 1 Latar Belakang 1 Tujuan 1 TINJAUAN PUSTAKA 1 Vehicle Routing Problem 1 Mix Fleet Vehicle Routing Problem (MFVRP) 2 PEMBAHASAN 4 Deskripsi dan Formulasi Masalah 4 APLIKASI MASALAH 7 Simulasi 9 SIMPULAN DAN SARAN 20 Simpulan 20 Saran 20 DAFTAR PUSTAKA 20 LAMPIRAN 21 RIWAYAT HIDUP 35
10 DAFTAR TABEL 1 Data banyak, kapasitas, dan biaya tiap jenis bus 8 2 Data banyak pegawai di tiap halte 8 3 Waktu tempuh antarhalte (menit) 9 4 Hasil penjemputan pegawai IPB pada Simulasi Hasil penjemputan pegawai IPB pada Simulasi Penjemputan pegawai IPB dengan Bus IPB tanggal 30 September - 18 Oktober DAFTAR GAMBAR 1 Rute Bus IPB pada Simulasi Waktu tempuh Bus 40 pada Simulasi Rute Bus IPB pada Simulasi Waktu tempuh Bus 48 pada Simulasi Rute Bus IPB tanggal 30 September - 18 Oktober DAFTAR LAMPIRAN 1 Sintaks dan hasil komputasi program LINGO 11.0 untuk permasalahan penentuan rute optimal pada penjemputan pegawai Simulasi Sintaks dan hasil komputasi program LINGO 11.0 untuk permasalahan penentuan rute optimal pada penjemputan pegawai Simulasi 2 28
11 1 PENDAHULUAN Latar Belakang Riset Operasi merupakan salah satu cabang dari ilmu matematika yang dapat diaplikasikan dalam kehidupan sehari-hari. Salah satu contohnya adalah kegiatan antarjemput pegawai di suatu perusahaan dengan menggunakan kendaraan. Pegawai atau Sumber Daya Manusia (SDM) merupakan unsur terpenting dalam menjalankan roda organisasi suatu perusahaan. Semakin besar perusahaan tersebut biasanya membutuhkan pegawai dalam jumlah besar, sehingga dalam kegiatan antarjemput pegawai dibutuhkan jumlah kendaraan yang memadai. Permasalahan antarjemput pegawai dari suatu perusahaan dapat diformulasikan secara matematis sebagai suatu Vehicle Routing Problem (VRP). Dengan VRP dapat diperoleh suatu rute dengan waktu atau total biaya antarjemput yang seminimum mungkin. Rute tersebut merupakan rute kendaraan yang mengunjungi setiap halte tepat satu kali dengan mempertimbangkan kendala yang ada. Model antarjemput pada karya ilmiah ini dikembangkan dari model yang dikemukakan oleh Suthikarnnarunai (2008) dalam artikelnya yang berjudul A Sweep Algorithm for the Mix Fleet Vehicle Routing Problem. Dalam karya ilmiah ini akan dibahas formulasi dan penyelesaian masalah penentuan rute optimal dalam antarjemput pegawai menggunakan bantuan software LINGO Tujuan Tujuan dari karya ilmiah ini ialah: 1 memformulasikan masalah penentuan rute optimal untuk meminimumkan total biaya perjalanan jika semua bus digunakan dalam bentuk Mix Fleet Vehicle Routing Problem (MFVRP), 2 meminimumkan jumlah bus yang digunakan dalam kegiatan penjemputan pegawai IPB ke dalam bentuk MFVRP. TINJAUAN PUSTAKA Vehicle Routing Problem Vehicle Routing Problem (VRP) pertama kali diperkenalkan oleh Dantzig dan Ramser pada tahun 1959 yang berorientasi pada masalah optimasi kombinatorial, yaitu optimasi yang melibatkan banyak variabel. VRP adalah masalah penentuan rute kendaraan dalam mendistribusikan barang dari tempat produksi yang dinamakan depot ke pelanggan dengan tujuan meminimumkan total jarak tempuh kendaraan. Terdapat beberapa batasan yang harus dipenuhi untuk mencapai tujuan dari VRP, yaitu 1) setiap kendaraan yang akan mendistribusikan barang ke pelanggan harus memulai rute perjalanan dari tempat produksi (depot), 2) setiap pelanggan hanya boleh dilayani satu kali oleh satu
12 2 kendaraan, 3) setiap pelanggan mempunyai permintaan yang harus dipenuhi dan diasumsikan permintaan tersebut sudah diketahui sebelumnya, 4) setiap kendaraan memiliki batasan kapasitas tertentu artinya setiap kendaraan akan melayani pelanggan sesuai dengan kapasitasnya, dan 5) tidak terdapat subrute untuk setiap kendaraan (Toth & Vigo 2002). Vehicle Routing Problem (VRP) dibedakan menjadi beberapa kelas berdasarkan variasi permasalahan utamanya, yaitu Capacitated VRP (CVRP), VRP with Backhauls (VRPB), VRP with Time Windows (VRPTW), VRP with Pickup and Delivery (VRPPD), Split Delivery VRP (SDVRP) dan Mix Fleet VRP (MFVRP). Capacitated VRP (CVRP) adalah kendala yang terjadi ditambah dengan kapasitas kendaraan yang terbatas. VRP with Backhauls (VRPB) merupakan VRP dengan sifat kegiatan pengambilan, baru dapat dilakukan setelah semua pengiriman selesai. VRP with Time Windows (VRPTW) merupakan VRP dengan kendala setiap pelanggan memiliki batasan waktu. VRP with Pickup and Delivery (VRPPD) adalah VRP dengan aktivitas pengambilan dan pengantaran barang dilakukan dalam saat yang bersamaan. Split Delivery VRP (SDVRP) yaitu VRP dengan kendala setiap pelanggan dapat dilayani oleh kendaraan yang berbeda (Suthikarnnarunai 2008). Mix Fleet VRP (MFVRP) yaitu VRP dengan kendala memiliki banyak kendaraan serta berbeda jenis kendaraannya (Wassan & Osman 2002). Mix Fleet Vehicle Routing Problem (MFVRP) Mix Fleet Vehicle Routing Problem (MFVRP) ialah variasi dari Vehicle Routing Problem (VRP) yang bertujuan menentukan rute optimal kendaraan yang berbeda, serta meminimalkan total biaya tetap dan biaya perjalanan. MFVRP ini memiliki beberapa kendala, yaitu kendaraan memulai dan mengakhiri perjalanannya dari depot, setiap kendaraan memiliki kapasitas yang berbeda, serta setiap kendaraan memiliki biaya tetap dan biaya perjalanan (Wassan & Osman 2002). Formulasi Matematika MFVRP Secara matematis, MFVRP dapat dinyatakan sebagai suatu digraf G = (V,A), dengan V = {0,1,...,n} adalah himpunan simpul yang menunjukkan lokasi pelanggan, sedangkan A = {(i, j) i, j V, i j} adalah himpunan sisi berarah yang menyatakan jalan penghubung antarlokasi pelanggan. Simpul 0 menunjukkan depot dan selainnya menunjukkan pelanggan. K = {1,2,...,l} menyatakan himpunan kendaraan, k K. Setiap pelanggan i memiliki demand d i. Notasi c ij menunjukkan jarak perjalanan dari pelanggan i ke pelanggan j, u k menyatakan kapasitas kendaraan k, z ik menunjukkan banyaknya demand di pelanggan i yang didistribusikan oleh kendaraan k, t merupakan waktu maksimal yang ditempuh kendaraan, m menyatakan loading time atau waktu pelayanan pelanggan oleh bus. Setiap rute kendaraan harus berawal dan berakhir di depot dengan total demand pelanggan tidak boleh melebihi kapasitas kendaraan yang diberikan serta setiap pelanggan harus dikunjungi tepat satu kali.
13 3 Variabel keputusan x ijk = 1, jika pelanggan j dilayani setelah pelanggan i oleh kendaraan k 0, jika selainnya Fungsi Objektif Kendala k K i N min i V j V k K c ij x ijk z ik = d i, i V\{0} (1) z ik u k, k K (2) z ik d i x ijk, j V j i j V x ijk i V j V j V j i i V, k K (3) = x jik, i V, k K (4) j V j i x 0jk = 1, c ij i S j S\{i} k K x ijk + m z ik t, k K (6) i V x ijk S 1, S V\{0}, S 2, k K (7) x ijk 0,1, i, j A, i j, k K. (8) (5) Dari formulasi matematika di atas terlihat bahwa fungsi objektif bertujuan meminimumkan jarak perjalanan. Kendala (1) dan (2) menyatakan setiap pelanggan akan dilayani oleh kendaraan dengan memperhatikan kapasitas setiap kendaraan. Kendala (3) menyatakan bahwa total demand dari semua pelanggan untuk setiap kendaraan tidak boleh melebihi kapasitas kendaraan yang digunakan. Kendala (4) menyatakan kekontinuan rute, yaitu semua kendaraan yang mengunjungi suatu pelanggan pasti akan meninggalkan pelanggan tersebut. Kendala (5) menyatakan bahwa setiap kendaraan harus memulai rute dari depot. Kendala (6) adalah kendala batas waktu, dengan t adalah waktu maksimal yang ditempuh kendaraan dan m adalah waktu pelayanan pelanggan oleh bus. Setiap bus dalam menjemput para pegawai tidak boleh melebihi batas waktu yang telah ditentukan. Kendala (7) menyatakan kendala eliminasi subtour dengan S merupakan subset dari himpunan lokasi pelanggan selain depot. Kendala (8) merupakan bilangan biner yaitu jika terjadi kunjungan maka bernilai 1 sedangkan jika tidak terjadi kunjungan maka bernilai 0 (Suthikarnnarunai 2008).
14 4 PEMBAHASAN Deskripsi dan Formulasi Masalah Kegiatan antarjemput pegawai merupakan salah satu bentuk perhatian dan pelayanan suatu perusahaan terhadap pegawainya. Hal ini penting agar dapat menumbuhkan rasa cinta dan kepemilikan pegawai terhadap perusahaan tersebut. Beberapa permasalahan yang sering dihadapi oleh perusahaan dalam melaksanakan kegiatan antarjemput pegawai antara lain menentukan rute kendaraan yang dapat mengoptimalkan waktu tempuh atau biaya perjalanan, banyaknya kendaraan yang dioperasikan, dan sumber daya lain yang tersedia. Penentuan rute optimal ini bertujuan agar semua pegawai dapat terangkut dan tiba di perusahaan tepat waktu. Penentuan rute optimal dalam karya ilmiah ini dibatasi pada penjemputan saja karena diasumsikan panjang rute penjemputan pegawai sama dengan panjang rute pengantaran pegawai. Bus harus bisa menjemput para pegawai sebelum jam kantor dimulai agar semua pegawai dapat dilayani tepat waktu. Pegawai akan dijemput oleh bus di halte yang telah ditentukan sebelumnya oleh perusahaan. Halte merupakan tempat untuk menurunkan dan menaikkan penumpang. Selain itu, perlu dipertimbangkan pula kapasitas kendaraan, waktu tempuh, serta beberapa kendala lainnya. Pada formulasi permasalahan ini digunakan asumsiasumsi sebagai berikut : 1 banyaknya pegawai yang menunggu di tiap halte sudah diketahui, 2 semua pegawai memiliki waktu pelayanan (loading time) bus yang homogen yaitu 0,1 menit atau enam detik, m = 0.1, 3 semua pegawai yang menunggu di tiap halte dapat terangkut, 4 kecepatan setiap jenis kendaraan adalah sama dan konstan, artinya tidak ada yang mempercepat dan memperlambat kecepatan kendaraan tersebut, 5 setiap kendaraan yang digunakan akan berangkat dari depot secara bersamaan yaitu pada saat t = 0, 6 waktu tempuh antarhalte adalah simetrik, artinya waktu tempuh dari halte i ke halte j sama dengan waktu tempuh dari halte j ke halte i, Masalah penentuan rute optimal dapat diformulasikan sebagai suatu Integer Linear Programming (ILP). Model penjemputan pegawai dalam karya ilmiah ini merupakan pengembangan dari model Mix Fleet Vehicle Routing Problem oleh Suthikarnnarunai (2008). Sebelum model dikaji secara terperinci, maka perlu ditentukan himpunan, parameter, dan variabel keputusan yang digunakan. Himpunan K = {1,2,...,r} N = {0,1,...,n} = himpunan kendaraan, = himpunan depot awal yang dinyatakan dengan 0, depot akhir yang dinyatakan dengan n, dan halte yang dinyatakan dengan 1,, n 1.
15 5 Parameter c ijk = biaya perjalanan dari halte i ke halte j oleh kendaraan k d i = banyaknya pegawai yang menunggu di halte i u k = kapasitas dari kendaraan k a ij = waktu tempuh antara halte i dan halte j t = batas waktu maksimal yang ditempuh bus m = waktu pelayanan pegawai oleh bus f k = biaya penggunaan kendaraan k Variabel keputusan 1, jika halte j dilayani setelah halte i oleh kendaraan k x ijk = 0, jika selainnya = banyaknya pegawai di halte i yang dijemput oleh kendaraan k z ik Fungsi Objektif Fungsi objektif q dari penentuan rute optimal dalam penjemputan pegawai ialah meminimumkan total biaya perjalanan tiap bus dalam melakukan penjemputan pegawai di sejumlah halte. Biaya penjemputan pegawai perusahaan terdiri atas biaya tetap penggunaan kendaraan dan biaya perjalanan dalam menjemput pegawai. Fungsi objektif dari penentuan rute optimal dapat diberikan sebagai berikut, minimumkan q c ijk x ijk + f k x 0jk. i N j N k K k K j N j 0 Kendala Kendala yang harus dipenuhi untuk melakukan penjemputan pegawai adalah sebagai berikut: 1. Semua kendaraan harus berangkat dari depot awal dan semua kendaraan harus digunakan untuk melayani pegawai yang menunggu di halte, j N j 0 x 0jk = 1, k K. 2. Tidak ada kendaraan yang masuk ke depot awal, i N i 0 x i0k = 0, k K. 3. Tidak ada kendaraan yang keluar dari depot akhir, j N j n x njk = 0, k K.
16 6 4. Semua kendaraan mengakhiri perjalanannya di depot akhir, i N i n x ink = 1, k K. 5. Rute harus kontinu, artinya semua kendaraan yang mengunjungi suatu halte pasti akan meninggalkan halte tersebut, i N i j x ipk j N j p x pjk = 0, p N\{0, n}, k K. 6. Banyaknya pegawai yang menunggu di halte untuk setiap kendaraan tidak melebihi kapasitas kendaraan yang digunakan, i N z ik u k, k K. 7. Banyaknya pegawai yang dijemput pada suatu halte oleh kendaraan tidak melebihi pegawai yang menunggu di halte tersebut, z ik d i j N j i x ijk, k K, i N. 8. Banyaknya penumpang yang dijemput oleh semua kendaraan harus sama dengan banyaknya pegawai yang menunggu di halte tersebut, k K z ik = d i, i N\{n}. 9. Total waktu perjalanan tiap bus ditambah dengan total waktu pelayanan (loading time) pegawai oleh bus, tidak boleh melebihi waktu maksimum yang ditentukan, i N j N j i a ij x ijk + m i N z ik t, k K. 10. Variabel z ik merupakan variabel taknegatif, z ik 0, i N, k K. 11. Variabel keputusan x ijk bernilai 0 atau 1, x ijk 0,1, i, j N, i j, k K.
17 7 APLIKASI MASALAH Bus pegawai IPB merupakan bus yang digunakan untuk melakukan antarjemput pegawai IPB. Bus ini mulai digunakan pertama kali pada tahun 1995 oleh Institut Pertanian Bogor yang terletak di jalan Raya Dramaga Bogor. IPB memiliki sembilan bus yang digunakan untuk menjemput para pegawai yang terdiri dari tujuh Bus Patas Ekonomi dan dua Bus Patas AC. Banyaknya bus dengan jenis yang berbeda membuat permasalahan ini dapat diselesaikan menggunakan model Mix Fleet Vehicle Routing Problem. Bus-bus ini akan menjemput pegawai di tempat para pegawai menunggu bus tersebut. Dalam karya ilmiah ini, diasumsikan halte telah ditentukan. Metode yang digunakan dalam menentukan halte yaitu dilihat dari penjemputan Bus IPB pada tanggal 30 September sampai 18 Oktober Untuk menyederhanakan masalah, jika banyak pegawai yang dijemput di suatu tempat jumlahnya lebih dari atau sama dengan 5 orang maka tempat tersebut dianggap sebagai halte namun jika kurang dari 5 orang maka tempat tersebut tidak dianggap sebagai halte. Pegawai yang berada di tempat tunggu bus yang tidak menjadi halte diasumsikan dapat pindah ke tempat terdekat yang dijadikan halte dan jumlah pegawai di halte tersebut bertambah. Pada pagi hari IPB Baranangsiang berfungsi sebagai depot awal (tempat keberangkatan tiap bus), dinyatakan dengan Halte 0 sedangkan IPB Dramaga berfungsi sebagai depot akhir dinyatakan dengan Halte 16. Halte terakhir atau Halte 16 merupakan tempat pemberhentian akhir tiap bus. Kesembilan bus milik IPB ini memiliki lima rute umum yaitu rute jalan Baru, rute jalan Merdeka, rute jalan Pancasan, rute Leuwiliang dan Ciomas. Namun yang digunakan pada karya ilmiah ini hanya tujuh bus karena dua bus lainnya sudah memiliki rute yang tetap yaitu rute Leuwiliang dan Ciomas. Ketujuh bus ini juga akan menjemput 192 pegawai di 17 halte. Kegiatan penjemputan pegawai ini dilakukan setiap Senin Jumat, yaitu berangkat dari IPB Baranangsiang pukul sampai maksimal tiba di IPB Dramaga pukul 08.15, dengan pukul dinyatakan sebagai t = 0 dan pukul dinyatakan dengan t =75 menit. Data yang digunakan pada karya ilmiah ini, ialah data jenis bus dan kapasitasnya merupakan data sebenarnya, data banyak pegawai yang harus dijemput di tiap halte adalah data yang didapat pada tanggal 30 September 18 Oktober Data waktu tempuh antarhalte, banyak halte, biaya tetap dan biaya perjalanan bus merupakan data hipotetik. Data kapasitas, biaya tetap dan biaya perjalanan bus diberikan pada Tabel 1. Data banyak pegawai pada suatu halte diberikan pada Tabel 2. Data waktu tempuh antarhalte dapat dilihat di Tabel 3. Asumsi - asumsi yang digunakan pada karya ilmiah ini ialah sebagai berikut: 1 banyaknya pegawai yang menunggu di tiap halte sudah diketahui, 2 semua pegawai memiliki waktu pelayanan (loading time) bus yang homogen yaitu 0,1 menit atau enam detik, m = 0.1, 3 semua pegawai yang menunggu di tiap halte dapat terangkut semua oleh bus pegawai IPB,
18 8 4 kecepatan dari setiap jenis bus sama satu sama lain dan konstan, artinya tidak ada yang mempercepat dan memperlambat kecepatan bus tersebut, 5 setiap bus yang digunakan pada pagi hari akan berangkat dari IPB Baranangsiang pukul atau pada saat t = 0, 6 waktu tempuh antarhalte adalah simetrik, artinya waktu tempuh dari halte i ke halte j sama dengan waktu tempuh dari halte j ke halte i, Tabel 1 Kapasitas dan biaya tiap jenis bus No No bus Jenis Bus Kapasitas Bus (seat) BiayaTetap Kendaraan (Rupiah) Biaya Perjalanan (Rupiah/menit) 1 40 Patas Ekonomi Patas Ekonomi Patas Ekonomi Patas Ekonomi Patas Ekonomi Patas AC Patas AC Tabel 2 Banyak pegawai yang menunggu di tiap halte No Nama Halte Banyak Pegawai 0 IPB Baranangsiang 13 1 Mc Donald Lodaya 7 2 MB IPB 16 3 Jambu Dua 14 4 Mesjid Raya Bogor 14 5 Eka Lokasari 19 6 Tugu KNPI 11 7 Istana Bogor 8 8 Stasiun Bogor 24 9 Mall Yogya Jl. Baru 5 10 Yasmin Bondongan 6 12 Pancasan Pasar Gunung Batu Sindang Barang Bubulak 6 16 Dramaga IPB 0
19 9 Tabel 3 Waktu tempuh antarhalte (menit) Halte Simulasi Pada karya ilmiah ini terdapat dua simulasi. Simulasi 1, akan dilakukan peminimuman biaya yang dikeluarkan untuk penggunaan semua bus yang tersedia. Simulasi 2, akan dilakukan peminimuman jumlah bus yang digunakan dalam penjemputan pegawai IPB. Biaya yang harus dikeluarkan IPB adalah biaya tetap penggunaan bus serta biaya perjalanan dalam menjemput para pegawai tersebut. Simulasi 1 Pada Simulasi 1, bus IPB harus menjemput pegawai ke halte yang ada menggunakan semua bus yang tersedia. Penjemputan ini dilakukan menggunakan dua jenis bus yang berbeda. Setiap jenis bus memiliki kapasitas dan biaya tetap yang berbeda namun kecepatannya sama. Setiap bus memulai perjalanannya dari kampus IPB Baranangsiang. Berdasarkan permasalahan yang ada pada penjemputan pegawai, formulasi matematika dari masalah tersebut dapat ditulis sebagai berikut:
20 10 Himpunan K = {1,2,3,4,5,6,7} = himpunan bus, N = {0,1,,16} = himpunan depot awal yang dinyatakan dengan 0, depot akhir yang dinyatakan dengan 16 dan halte yang dinyatakan dengan 1,..,15. Parameter c ijk = biaya perjalanan dari halte i ke halte j oleh bus k d i = banyaknya pegawai yang menunggu pada halte i u k = kapasitas dari bus k a ij = waktu tempuh antara halte i dan halte j t = batas waktu maksimal yang ditempuh bus, yaitu selama 75 menit (t = 75) f k = biaya penggunaan bus k m = waktu pelayanan pegawai oleh bus, yaitu 0.1 menit tiap pegawai. Variabel keputusan 1, jika halte j dilayani setelah halte i oleh bus k x ijk = 0, jika selainnya, z ik = banyaknya pegawai yang menunggu di halte i yang dijemput oleh bus k. Fungsi Objektif Fungsi objektif pada Simulasi 1 ialah meminimumkan total biaya yang harus dikeluarkan oleh IPB dalam melakukan penjemputan pegawai ke sejumlah halte. Biaya penjemputan pegawai terdiri atas biaya tetap penggunaan bus dan biaya perjalanan dalam menjemput pegawai. IPB akan menggunakan semua bus yang tersedia untuk melakukan penjemputan pegawai ke sejumlah halte yang ada. Fungsi objektif dari penentuan rute optimal pada Simulasi 1 ini dapat ditulis sebagai berikut: minimumkan q c ijk x ijk + f k 16 x 0jk. i=0 j=0 i j k=1 k=1 j=1 Kendala Kendala yang digunakan pada penjemputan pegawai Simulasi 1 adalah sebagai berikut: 1. Semua bus harus berangkat dari depot awal dan semua bus harus digunakan untuk melayani pegawai yang menunggu di halte, 16 j =1 x 0jk = 1, k = 1,2,,7. 2. Tidak ada bus yang masuk ke depot awal, 16 i=1 x i0k = 0, k = 1,2,,7.
21 11 3. Tidak ada bus yang keluar dari depot akhir, 15 j =0 x 16jk = 0, k = 1,2,,7. 4. Semua bus mengakhiri perjalanannya di depot akhir, 15 i=0 x i16k = 1, k = 1,2,,7. 5. Rute harus kontinu, artinya setiap bus yang mengunjungi suatu halte pasti akan meninggalkan halte tersebut, 16 i=0 i p x ipk 16 j =0 j p x pjk = 0, p = 1,2,,15 ; k = 1,2,,7. 6. Banyaknya pegawai yang menunggu di halte untuk setiap bus tidak melebihi kapasitas bus yang digunakan, 16 i=0 z ik u k, k = 1,2,, Banyaknya pegawai yang dijemput pada suatu halte oleh bus tidak melebihi pegawai yang menunggu pada halte tersebut, z ik d i 16 j =0 j i x ijk, k = 1,2,,7 ; i = 0,1,, Banyaknya penumpang yang dijemput oleh semua bus harus sama dengan banyaknya pegawai yang menunggu pada halte tersebut, 7 k=1 z ik = d i, i = 0,1,, Total waktu perjalanan tiap bus ditambah dengan total waktu pelayanan (loading time) pegawai oleh bus, tidak boleh melebihi waktu maksimum yang ditentukan, 16 i=0 i j 16 j =0 a ij x ijk + m 16 i=0 z ik t, k = 1,2,, Variabel z ik merupakan variabel taknegatif, z ik 0, i = 0,1,,15 ; k = 1,2,, Variabel keputusan x ijk bernilai 0 atau 1, x ijk 0,1, i, j = 0,1,16, i j, k = 1,2,,7.
22 12 Hasil dan Pembahasan Penyelesaian masalah penjemputan pegawai pada Simulasi 1 dilakukan dengan bantuan software LINGO 11.0 menggunakan komputer Genuine Intel CPU 2.00 Ghz 2 GB DDR3. Sintaks program dan hasil komputasi dari Simulasi 1 yang diselesaikan dengan software tersebut dapat dilihat pada Lampiran 1 (variabel yang bernilai 0 dan biaya dari halte i ke j dengan bus k tidak ditampilkan). Solusi yang diperoleh dari Simulasi 1 ialah solusi optimal dengan nilai fungsi objektif atau total biaya yang dibutuhkan untuk melakukan penjemputan pegawai sebesar Rp ,- yang didapatkan pada iterasi ke Waktu yang dibutuhkan untuk mendapatkan solusi tersebut sekitar 11 menit 5 detik. Hasil penjemputan pegawai yang diperoleh dari hasil proses komputasi dapat dilihat pada Tabel 4, sedangkan gambaran rute penjemputan pegawai tiap bus dapat dilihat pada Gambar 1. Penjemputan pegawai harus dilakukan sedemikian rupa sehingga bus harus tiba di kampus IPB Dramaga tepat waktu yaitu tidak melebihi batas waktu maksimum. Berdasarkan hasil yang didapat, diperoleh gambaran rute penjemputan pegawai untuk setiap bus serta waktu tempuhnya. Salah satu contohnya ialah gambaran waktu tempuh penjemputan pegawai dengan Bus 40 yang dapat dilihat pada Gambar 2. Gambar 1 Rute Bus IPB pada Simulasi 1
23 13 Tabel 4 Hasil penjemputan pegawai IPB pada Simulasi 1 k No Bus Kode Halte Nama Halte Biaya Perjalanan (Rp) Total biaya Pegawai yang dijemput Total peg IPB Baranangsiang Mesjid Raya Bogor Tugu KNPI Mall Yogya Jl. Baru Yasmin Dramaga IPB IPB Baranangsiang MB IPB Istana Bogor Stasiun Bogor Pasar Gunung Batu Dramaga IPB IPB Baranangsiang Jambu Dua Tugu KNPI Mall Yogya Jl. Baru Yasmin Bubulak Dramaga IPB IPB Baranangsiang Eka Lokasari Bondongan Pancasan Pasar Gunung Batu Sindang Barang Dramaga IPB IPB Baranangsiang Mc Donald Lodaya Jambu Dua Tugu KNPI Dramaga IPB
24 14 Tabel 4 Hasil penjemputan pegawai IPB pada Simulasi 1 (lanjutan) k No Bus Kode Halte Nama Halte Biaya Perjalanan (Rp) Total biaya Pegawai yang dijemput Total peg IPB Baranangsiang Mc Donald Lodaya MB IPB Jambu Dua Tugu KNPI Mall Yogya Jl. Baru Yasmin Bubulak Dramaga IPB IPB Baranangsiang Mc Donald Lodaya Tugu KNPI Mall Yogya Jl. Baru Yasmin Dramaga IPB Gambar 2 Waktu tempuh Bus 40 pada Simulasi 1 Simulasi 2 Pada Simulasi 2, bus IPB harus menjemput pegawai ke halte yang ada tetapi tidak semua bus harus digunakan untuk penjemputan tersebut. Pada kasus ini IPB mengharapkan banyaknya bus yang akan digunakan untuk melakukan penjemputan pegawai yang seminimum mungkin tanpa mempertimbangkan biaya yang harus dikeluarkan untuk menjemput pegawai. Simulasi ini menggunakan parameter yang hampir sama dengan Simulasi 1 hanya saja untuk parameter biaya c ijk dan f k dihilangkan. Pada simulasi ini, ditambahkan variabel keputusan b k dengan, 1, jika bus k digunakan b k = 0, jika selainnya.
25 15 Fungsi Objektif Fungsi objektif untuk Simulasi 2 ialah meminimumkan banyaknya bus yang harus digunakan oleh IPB dalam melakukan penjemputan pegawai. IPB harus menentukan bus yang akan digunakan untuk menjemput para pegawai tersebut. Fungsi objektif pada Simulasi 2 dapat ditulis sebagai berikut : minimumkan y Kendala Kendala pada permasalahan penentuan rute optimal yang digunakan pada simulasi ini ialah sebagai berikut : 1. Kendala 1 pada Simulasi 1 diubah menjadi: a. Tidak ada halte yang dilayani oleh bus yang tidak dijalankan, x ijk b k, i, j 0,1,,16; i j, k 1,2, 7. 7 k=1 b. Tidak semua bus yang tersedia keluar dari depot awal, 16 j =1 x 0jk 1, k = 1,2,,7. 2. Kendala 4 pada Simulasi 1 diubah menjadi : Setiap bus yang digunakan berakhir di depot akhir, 15 i=0 x i16k 1, k = 1,2,,7. Kendala 2,3,5, 6-11 sama seperti pada Simulasi 1, dan ditambahkan Kendala 12, yaitu : 12. Variabel keputusan b k merupakan variabel keputusan yang bernilai 0 atau 1, b k 0,1, k = 1,2,,7. Hasil dan Pembahasan Penyelesaian masalah penjemputan pegawai pada Simulasi 2 dilakukan dengan bantuan software LINGO 11.0 menggunakan komputer Genuine Intel CPU 2.00 Ghz 2 GB DDR3. Waktu yang dibutuhkan untuk mendapatkan solusi tersebut sekitar 4 menit 3 detik pada iterasi ke Solusi yang diperoleh dari simulasi ini ialah solusi optimal dengan banyaknya bus yang digunakan untuk melakukan penjemputan pegawai sebanyak 4 bus, yang terdiri dari 3 unit dari Bus Patas Ekonomi, yaitu Bus 49, 50, 53 serta 1 unit Bus Patas AC, yaitu Bus 48. Total biaya yang digunakan dalam penjemputan pegawai pada Simulasi 2 sebesar Rp ,-. Sintaks program dan hasil komputasi dari simulasi ini yang dihasilkan dengan software tersebut dapat dilihat pada Lampiran 2 (variabel yang bernilai 0 dan biaya dari halte i ke j dengan menggunakan bus k tidak ditampilkan) dan Tabel 5. b k.
26 16 Berdasarkan hasil yang didapat, diperoleh gambaran rute penjemputan pegawai untuk setiap bus serta waktu tempuhnya. Salah satu contohnya ialah gambaran waktu tempuh penjemputan pegawai dengan Bus 48 yang dapat dilihat pada Gambar 3. Gambaran rute penjemputan pegawai tiap bus pada simulasi ini dapat dilihat pada Gambar 4. Gambar 3 Waktu tempuh Bus 48 pada Simulasi 2 Gambar 4 Rute Bus IPB pada Simulasi 2
27 17 Tabel 5 Hasil penjemputan pegawai IPB pada Simulasi 2 k No Bus Kode Halte Nama Halte Biaya Perjalanan (Rp) Total biaya Pegawai yang dijemput Total peg IPB Baranangsiang Mesjid Raya Bogor Eka Lokasari Bondongan Pancasan Pasar Gunung Batu Sindang Barang Dramaga IPB IPB Baranangsiang Mc Donald Lodaya MB IPB Jambu Dua Tugu KNPI Mall Yogya Jl. Baru Yasmin Bubulak Dramaga IPB IPB Baranangsiang MB IPB Istana Bogor Stasiun Bogor Pasar Gunung Batu Sindang Barang Bubulak Dramaga IPB IPB Baranangsiang Eka Lokasari Pancasan Sindang Barang Dramaga IPB Rute yang diperoleh pada Simulasi 1 dan 2 akan dibandingkan dengan rute Bus IPB pada tanggal 30 September 18 Oktober Berikut rute penjemputan pegawai IPB tanggal 30 September 18 Oktober 2013 diberikan pada Tabel 6. Gambaran rute penjemputan pegawai IPB tanggal 30 September 18 Oktober 2013 dapat dilihat pada Gambar 5.
28 18 Tabel 6 Penjemputan pegawai IPB dengan Bus IPB tanggal 30 September - 18 Oktober 2013 k No Bus Kode Halte Nama Halte Biaya Perjalanan (Rp) Total biaya Pegawai yang dijemput Total peg IPB Baranangsiang Eka Lokasari Mesjid Raya Bogor Pasar Gunung Batu Sindang Barang Dramaga IPB IPB Baranangsiang Istana Bogor Stasiun Bogor Pasar Gunung Batu Sindang Barang Dramaga IPB IPB Baranangsiang MB IPB Jambu Dua Tugu KNPI Mall Yogya Jl. Baru Yasmin Dramaga IPB IPB Baranangsiang Mesjid Raya Bogor Mc Donald Lodaya Istana Bogor Sindang Barang Dramaga IPB IPB Baranangsiang Eka Lokasari Bondongan Pancasan Pasar Gunung Batu Dramaga IPB
29 19 Tabel 6 Penjemputan pegawai IPB dengan Bus IPB tanggal 30 September 18 Oktober 2013 (lanjutan) k No Bus Kode Halte Nama Halte Biaya Perjalanan (Rp) Total Pegawai yang dijemput Total IPB Baranangsiang Mesjid Raya Bogor Istana Bogor Stasiun Bogor Pasar Gunung Batu Sindang Barang Dramaga IPB IPB Baranangsiang MB IPB Jambu Dua Tugu KNPI Yasmin Bubulak Dramaga IPB Gambar 5 Rute Bus IPB tanggal 30 September - 18 Oktober 2013
30 20 Penjemputan pegawai yang dilakukan oleh Bus IPB tanggal 30 September 18 Oktober 2013 ternyata masih belum meminimumkan biaya pengeluaran karena penjemputan pegawai pada Simulasi 1 dapat menghemat biaya sebesar Rp ,-. Penjemputan pegawai pada Simulasi 2 ternyata juga mampu menghemat penggunaan tiga bus. SIMPULAN DAN SARAN Simpulan Masalah penentuan rute optimal dalam penjemputan pegawai dapat dimodelkan dalam suatu Mix Fleet Vehicle Routing Problem (MFVRP). Telah diperlihatkan bahwa masalah ini dapat dipandang sebagai masalah Integer Linear Programming (ILP). Rute yang biasa dilalui dan jumlah bus yang digunakan oleh IPB dalam penjemputan pegawai saat ini ternyata belum optimal. Model yang diberikan pada karya ilmiah ini mampu meminimumkan total biaya penjemputan pegawai serta mampu meminimalkan jumlah bus yang digunakan. Saran Pada karya ilmiah ini telah dibahas pemodelan penjemputan pegawai dengan model ILP. Beberapa data yang digunakan pada karya ilmiah ini ialah data hipotetik yaitu data waktu tempuh antarhalte, banyak halte, biaya tetap dan biaya perjalanan bus. Akan lebih baik jika data yang digunakan merupakan data sebenarnya. Selain itu, diasumsikan bahwa bus berangkat secara bersamaan, untuk selanjutnya asumsi ini dapat dilonggarkan dengan memasukkan kendala yang terkait dengan waktu keberangkatan bus yang berbeda. DAFTAR PUSTAKA Suthikarnnarunai N A sweep algorithm for the mix fleet vehicle routing problem. Di dalam : Suthikarnnarunai N, editor. Proceedings of the International Multi Conference of Engineers and Computer Scientists 2008 Vol II IMECS2008 [internet]. 2008March Hongkong (HK) : IMECS. hlm 1-6; [diunduh 2013 Juni 18]. Tersedia pada : Toth P, Vigo D An overview of vehicle routing problems. Di dalam Toth P, Vido D, editor. The Vehicle Routing Problem. Philadelphia (US): Siam. hlm Wassan NA, Osman IH Tabu search variants for the mix fleet vehicle routing problem. Journal of the Operational Research Society, 53(7): doi: /palgrave.jors
31 21 Lampiran 1 Sintaks dan hasil komputasi program LINGO 11.0 untuk permasalahan penentuan rute optimal pada penjemputan pegawai Simulasi 1 model: sets: vessel/1..7/:u,f;!u = Kapasitas kendaraan f = Biaya penggunaan kendaraan; customer/1..17/:d;!d = Banyak pegawai di halte 1-17=customer yang harus dilayani; load(customer,vessel):z,y;!z = Banyak pegawai di halte yang diangkut oleh kendaraan; link1(customer,customer):a;!a = Waktu tempuh antar halte; route(customer,customer,vessel):x,c;!x = variabel keputusan jika kendaraan k melayani j setelah i c = Biaya perjalanan kendaraan; endsets DATA: d= ;!Waktu; a= ;!Biaya tetap; f= ;!kapasitas; u= ; N=17; k#lt#6:@for(customer(i):@for(customer(j) k#gt#5:@for(customer(i):@for(customer(j) j#ne#i:c(i,j,k)=1500*a(i,j))));
32 22 min k#lt#6:@sum(customer(i):@sum(customer(j) j#ne#i:c(i,j,k)*x(i,j,k))))+@sum(vessel(k) k #GT#5:@sum(customer(i):@sum(customer(j) j#ne#1:f(k)*x(1,j,k)));!kendalanya;!setiap kendaraan akan memulai perjalanan dari depot awal dan tidak akan kembali lagi ke depot i#gt#1:x(i,1,k))=0);!setiap kendaraan akan berakhir/berhenti di depot j#ne#17:x(17,j,k))=0);!setiap bus yang masuk ke suatu halte maka ia akan keluar kembali menuju halte yang p#ne#1#and#p#ne#17:@sum(customer(i) j#ne#p:x(p,j,k))=0));!jumlah penumpang tiap halte yang naik bus k kurang dari sama dengan kapasitas bus penumpang yang diangkut pada halte i oleh bus k kurang dari sama dengan jumlah penumpang yang menunggu di halte j#gt#i:d(i)*x(i,j,k))));!jumlah bis yang mengangkut penumpang di halte i sama dengan jumlah penumpang pada halte waktu yang digunakan oleh bus k dari depot ke customer akhir di tambah jumlah waktu loading bus k saat mengangkut setiap penumpang harus kurang dari sama dengan waktu yang ditetapkan j#ne#i:a(i,j)*x(i,j,k)))+0.1*@sum(customer(i):z(i,k))< =75);!x(i,j,k) END Hasil yang diperoleh
33 23 Global optimal solution found. Objective value: Objective bound: Infeasibilities: Extended solver steps: Total solver iterations: Variable Value Reduced Cost N U( 1) U( 2) U( 3) U( 4) U( 5) U( 6) U( 7) F( 1) F( 2) F( 3) F( 4) F( 5) F( 6) F( 7) D( 1) D( 2) D( 3) D( 4) D( 5) D( 6) D( 7) D( 8) D( 9) D( 10) D( 11) D( 12) D( 13) D( 14) D( 15) D( 16) D( 17) Z( 1, 1) Z( 1, 2) Z( 1, 3) Z( 1, 4) Z( 1, 5) Z( 1, 6) Z( 1, 7) Z( 2, 1) Z( 2, 2) Z( 2, 3) Z( 2, 4) Z( 2, 5) Z( 2, 6) Z( 2, 7) Z( 3, 1) Z( 3, 2) Z( 3, 3) Z( 3, 4) Z( 3, 5) Z( 3, 6) Z( 3, 7) Z( 4, 1) Z( 4, 2) Z( 4, 3) Z( 4, 4) Z( 4, 5) Z( 4, 6) Z( 4, 7) Z( 5, 1) Z( 5, 2) Z( 5, 3) Z( 5, 4) Z( 5, 5) Z( 5, 6) Z( 5, 7) Z( 6, 1) Z( 6, 2) Z( 6, 3) Z( 6, 4) Z( 6, 5) Z( 6, 6) Z( 6, 7) Z( 7, 1) Z( 7, 2) Z( 7, 3) Z( 7, 4) Z( 7, 5) Z( 7, 6) Z( 7, 7) Z( 8, 1) Z( 8, 2) Z( 8, 3) Z( 8, 4) Z( 8, 5) Z( 8, 6) Z( 8, 7) Z( 9, 1) Z( 9, 2) Z( 9, 3) Z( 9, 4) Z( 9, 5) Z( 9, 6) Z( 9, 7) Z( 10, 1) Z( 10, 2) Z( 10, 3) Z( 10, 4)
34 24 Z( 10, 5) Z( 10, 6) Z( 10, 7) Z( 11, 1) Z( 11, 2) Z( 11, 3) Z( 11, 4) Z( 11, 5) Z( 11, 6) Z( 11, 7) Z( 12, 1) Z( 12, 2) Z( 12, 3) Z( 12, 4) Z( 12, 5) Z( 12, 6) Z( 12, 7) Z( 13, 1) Z( 13, 2) Z( 13, 3) Z( 13, 4) Z( 13, 5) Z( 13, 6) Z( 13, 7) Z( 14, 1) Z( 14, 2) Z( 14, 3) Z( 14, 4) Z( 14, 5) Z( 14, 6) Z( 14, 7) Z( 15, 1) Z( 15, 2) Z( 15, 3) Z( 15, 4) Z( 15, 5) Z( 15, 6) Z( 15, 7) Z( 16, 1) Z( 16, 2) Z( 16, 3) Z( 16, 4) Z( 16, 5) Z( 16, 6) Z( 16, 7) Z( 17, 1) Z( 17, 2) Z( 17, 3) Z( 17, 4) Z( 17, 5) Z( 17, 6) Z( 17, 7) A( 1, 1) A( 1, 2) A( 1, 3) A( 1, 4) A( 1, 5) A( 1, 6) A( 1, 7) A( 1, 8) A( 1, 9) A( 1, 10) A( 1, 11) A( 1, 12) A( 1, 13) A( 1, 14) A( 1, 15) A( 1, 16) A( 1, 17) A( 2, 1) A( 2, 2) A( 2, 3) A( 2, 4) A( 2, 5) A( 2, 6) A( 2, 7) A( 2, 8) A( 2, 9) A( 2, 10) A( 2, 11) A( 2, 12) A( 2, 13) A( 2, 14) A( 2, 15) A( 2, 16) A( 2, 17) A( 3, 1) A( 3, 2) A( 3, 3) A( 3, 4) A( 3, 5) A( 3, 6) A( 3, 7) A( 3, 8) A( 3, 9) A( 3, 10) A( 3, 11) A( 3, 12) A( 3, 13) A( 3, 14) A( 3, 15) A( 3, 16) A( 3, 17) A( 4, 1) A( 4, 2) A( 4, 3) A( 4, 4) A( 4, 5) A( 4, 6) A( 4, 7) A( 4, 8) A( 4, 9) A( 4, 10) A( 4, 11) A( 4, 12) A( 4, 13)
35 25 A( 4, 14) A( 4, 15) A( 4, 16) A( 4, 17) A( 5, 1) A( 5, 2) A( 5, 3) A( 5, 4) A( 5, 5) A( 5, 6) A( 5, 7) A( 5, 8) A( 5, 9) A( 5, 10) A( 5, 11) A( 5, 12) A( 5, 13) A( 5, 14) A( 5, 15) A( 5, 16) A( 5, 17) A( 6, 1) A( 6, 2) A( 6, 3) A( 6, 4) A( 6, 5) A( 6, 6) A( 6, 7) A( 6, 8) A( 6, 9) A( 6, 10) A( 6, 11) A( 6, 12) A( 6, 13) A( 6, 14) A( 6, 15) A( 6, 16) A( 6, 17) A( 7, 1) A( 7, 2) A( 7, 3) A( 7, 4) A( 7, 5) A( 7, 6) A( 7, 7) A( 7, 8) A( 7, 9) A( 7, 10) A( 7, 11) A( 7, 1 2) A( 7, 13) A( 7, 14) A( 7, 15) A( 7, 16) A( 7, 17) A( 8, 1) A( 8, 2) A( 8, 3) A( 8, 4) A( 8, 5) A( 8, 6) A( 8, 7) A( 8, 8) A( 8, 9) A( 8, 10) A( 8, 11) A( 8, 12) A( 8, 13) A( 8, 14) A( 8, 15) A( 8, 16) A( 8, 17) A( 9, 1) A( 9, 2) A( 9, 3) A( 9, 4) A( 9, 5) A( 9, 6) A( 9, 7) A( 9, 8) A( 9, 9) A( 9, 10) A( 9, 11) A( 9, 12) A( 9, 13) A( 9, 14) A( 9, 15) A( 9, 16) A( 9, 17) A( 10, 1) A( 10, 2) A( 10, 3) A( 10, 4) A( 10, 5) A( 10, 6) A( 10, 7) A( 10, 8) A( 10, 9) A( 10, 10) A( 10, 11) A( 10, 12) A( 10, 13) A( 10, 14) A( 10, 15) A( 10, 16) A( 10, 17) A( 11, 1) A( 11, 2) A( 11, 3) A( 11, 4) A( 11, 5) A( 11, 6) A( 11, 7) A( 11, 8) A( 11, 9) A( 11, 10)
36 26 A( 11, 11) A( 11, 12) A( 11, 13) A( 11, 14) A( 11, 15) A( 11, 16) A( 11, 17) A( 12, 1) A( 12, 2) A( 12, 3) A( 12, 4) A( 12, 5) A( 12, 6) A( 12, 7) A( 12, 8) A( 12, 9) A( 12, 10) A( 12, 11) A( 12, 12) A( 12, 13) A( 12, 14) A( 12, 15) A( 12, 16) A( 12, 17) A( 13, 1) A( 13, 2) A( 13, 3) A( 13, 4) A( 13, 5) A( 13, 6) A( 13, 7) A( 13, 8) A( 13, 9) A( 13, 10) A( 13, 11) A( 13, 12) A( 13, 13) A( 13, 14) A( 13, 15) A( 13, 16) A( 13, 17) A( 14, 1) A( 14, 2) A( 14, 3) A( 14, 4) A( 14, 5) A( 14, 6) A( 14, 7) A( 14, 8) A( 14, 9) A( 14, 10) A( 14, 11) A( 14, 12) A( 14, 13) A( 14, 14) A( 14, 15) A( 14, 16) A( 14, 17) A( 15, 1) A( 15, 2) A( 15, 3) A( 15, 4) A( 15, 5) A( 15, 6) A( 15, 7) A( 15, 8) A( 15, 9) A( 15, 10) A( 15, 11) A( 15, 12) A( 15, 13) A( 15, 14) A( 15, 15) A( 15, 16) A( 15, 17) A( 16, 1) A( 16, 2) A( 16, 3) A( 16, 4) A( 16, 5) A( 16, 6) A( 16, 7) A( 16, 8) A( 16, 9) A( 16, 10) A( 16, 11) A( 16, 12) A( 16, 13) A( 16, 14) A( 16, 15) A( 16, 16) A( 16, 17) A( 17, 1) A( 17, 2) A( 17, 3) A( 17, 4) A( 17, 5) A( 17, 6) A( 17, 7) A( 17, 8) A( 17, 9) A( 17, 10) A( 17, 11) A( 17, 12) A( 17, 13) A( 17, 14) A( 17, 15) A( 17, 16) A( 17, 17) X( 1, 2, 5) X( 1, 2, 6) X( 1, 2, 7) X( 1, 3, 2) X( 1, 4, 3) X( 1, 5, 1) X( 1, 6, 4)
IMPLEMENTASI FLEET SIZE AND MIX VEHICLE ROUTING PROBLEM WITH TIME WINDOWS PADA PENDISTRIBUSIAN KORAN
IMPLEMENTASI FLEET SIZE AND MIX VEHICLE ROUTING PROBLEM WITH TIME WINDOWS PADA PENDISTRIBUSIAN KORAN Maya Widyastiti *), Farida Hanum, Toni Bakhtiar Departemen Matematika FMIPA, Institut Pertanian Bogor
Lebih terperinciMASALAH PENENTUAN RUTE KENDARAAN ANTARJEMPUT ROTI SONIA MEITHANIA
MASALAH PENENTUAN RUTE KENDARAAN ANTARJEMPUT ROTI SONIA MEITHANIA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN MENGENAI SKRIPSI DAN
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 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 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 terperinciPANDUAN APLIKASI TSP-VRP
PANDUAN APLIKASI TSP-VRP oleh Dra. Sapti Wahyuningsih, M.Si Darmawan Satyananda, S.T, M.T JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN IPA UNIVERSITAS NEGERI MALANG 2016 0 Pengantar Aplikasi ini dikembangkan
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 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 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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Vehicle Routing Problem (VRP) merupakan salah satu permasalahan yang terdapat pada bidang Riset Operasional. Dalam kehidupan nyata, VRP memainkan peranan penting dalam
Lebih terperinciBAB II KAJIAN TEORI. memindahkan barang dari pihak supplier kepada pihak pelanggan dalam suatu supply
BAB II KAJIAN TEORI Berikut diberikan beberapa teori pendukung untuk pembahasan selanjutnya. 2.1. Distribusi Menurut Chopra dan Meindl (2010:86), distribusi adalah suatu kegiatan untuk memindahkan barang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Vehicle Routing problem (VRP) merupakan topik penelitian yang telah lama ada, yang pertama kali dilakukan oleh Dantzig dan Ramser (1959) dengan judul The Truck Dispatching
Lebih terperinciBAB I PENDAHULUAN. Alat transportasi merupakan salah satu faktor yang mendukung berjalannya
BAB I PENDAHULUAN A. Latar Belakang Masalah Alat transportasi merupakan salah satu faktor yang mendukung berjalannya kegiatan atau aktivitas manusia dalam kehidupan sehari-hari. Salah satu kegiatan manusia
Lebih terperinciBAB I PENDAHULUAN. lebih efektif dan efisien karena akan melewati rute yang minimal jaraknya,
BAB I PENDAHULUAN A. Latar Belakang Distribusi merupakan proses penyaluran produk dari produsen sampai ke tangan masyarakat atau konsumen. Kemudahan konsumen dalam mendapatkan produk yang diinginkan menjadi
Lebih terperinci4 PENYELESAIAN MASALAH DISTRIBUSI ROTI SARI ROTI
24 4 PENYELESAIAN MASALAH DISTRIBUSI ROTI SARI ROTI 4.1 Data Data yang digunakan dalam penelitian ini adalah data kegiatan distribusi roti Sari Roti di daerah Bekasi dan sekitarnya yang dilakukan setiap
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 terperinciBAB 1. PENDAHULUAN. Permasalahan pendistribusian barang oleh depot ke konsumen merupakan
BAB 1. PENDAHULUAN 1.1 Latar Belakang Permasalahan pendistribusian barang oleh depot ke konsumen merupakan komponen penting dalam sistem pelayanan depot suatu perusahaan, proses tersebut dapat terjadi
Lebih terperinciBAB I LATAR BELAKANG
BAB I LATAR BELAKANG 1.1 Latar Belakang Masalah Masalah transportasi merupakan aspek penting dalam kehidupan seharihari. Transportasi juga merupakan komponen yang sangat penting dalam manajemen logistik
Lebih terperinciMODEL OPTIMASI VEHICLE ROUTING PROBLEM DAN IMPLEMENTASINYA ISKANDAR
MODEL OPTIMASI VEHICLE ROUTING PROBLEM DAN IMPLEMENTASINYA ISKANDAR SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Transportasi Menurut Nasution (2004), Transportasi diartikan sebagai pemindahan barang dan manusia dari tempat asal ke tempat tujuan. Proses pengangkutan merupakan gerakan
Lebih terperincicommit to user BAB II TINJAUAN PUSTAKA 2.1 Dasar Teori Vehicle Routing Problem (VRP)
BAB II TINJAUAN PUSTAKA 2.1 Dasar Teori 2.1.1 Vehicle Routing Problem (VRP) Di dalam VRP setiap rute kendaraan dimulai pada depot, melayani semua pelanggan pada rute tersebut, dan kembali ke depot. Rute
Lebih terperinciOPTIMASI RUTE PENGIRIMAN CASH CARTRIDGE ATM MENGGUNAKAN INTEGER LINEAR PROGRAMMING MUHAMMAD DINAR MARDIANA
OPTIMASI RUTE PENGIRIMAN CASH CARTRIDGE ATM MENGGUNAKAN INTEGER LINEAR PROGRAMMING MUHAMMAD DINAR MARDIANA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
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 I PENDAHULUAN. berpengaruh terhadap keberhasilan penjualan produk. Salah satu faktor kepuasan
BAB I PENDAHULUAN A. Latar Belakang Masalah Distribusi adalah kegiatan yang selalu menjadi bagian dalam menjalankan sebuah usaha. Distribusi merupakan suatu proses pengiriman barang dari suatu depot ke
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 terperinciIMPLEMENTASI ALGORITMA CLARKE AND WRIGHT S SAVINGS DALAM MENYELESAIKAN CAPACITATED VEHICLE ROUTING PROBLEM (CVRP) SKRIPSI DONNA DAMANIK
IMPLEMENTASI ALGORITMA CLARKE AND WRIGHT S SAVINGS DALAM MENYELESAIKAN CAPACITATED VEHICLE ROUTING PROBLEM (CVRP) SKRIPSI DONNA DAMANIK 110803063 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
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 terperinciGambar 1.1 Contoh Ilustrasi Kasus CVRP 13
BAB I PENDAHULUAN 1.1. Latar Belakang Vehicle Routing Problem (VRP) merupakan konsep umum yang digunakan untuk semua permasalahan yang melibatkan perancangan rute optimal untuk armada kendaraan yang melayani
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Supply Chain Management Supply chain adalah jaringan perusahaan-perusahaan yang secara bersama-sama bekerja untuk menciptakan dan menghantarkan produk ke tangan pemakai akhir.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sistem distribusi/trasportasi adalah salah satu hal yang penting bagi perusahaan, karena berkaitan dengan pelayana kepada konsumen. Dalam sistem distribusi/trasportasi
Lebih terperinciBAB I PENDAHULUAN. Dinas lingkungan Hidup (DLH) Kota Yogyakarta adalah dinas
BAB I PENDAHULUAN A. Latar Belakang Dinas lingkungan Hidup (DLH) Kota Yogyakarta adalah dinas pemerintahan yang bergerak di bidang lingkungan hidup daerah yang meliputi kegiatan dalam melakukan pengawasan,
Lebih terperinciPENYELESAIAN MASALAH RUTE PENYIRAMAN TANAMAN MENGGUNAKAN ALGORITMA ARTIFICIAL IMMUNE SYSTEM (AIS) DI KOTA YOGYAKARTA
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 PENYELESAIAN MASALAH RUTE PENYIRAMAN TANAMAN MENGGUNAKAN ALGORITMA ARTIFICIAL IMMUNE SYSTEM (AIS) DI KOTA YOGYAKARTA Viga Apriliana Sari, Eminugroho
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab II dalam penelitian ini terdiri atas vehicle routing problem, teori lintasan dan sirkuit, metode saving matriks, matriks jarak, matriks penghematan, dan penentuan urutan konsumen.
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 terperinciPENENTUAN RUTE DISTRIBUSI LPG DENGAN PENDEKATAN MODEL MATEMATIS
PENENTUAN RUTE DISTRIBUSI LPG DENGAN PENDEKATAN MODEL MATEMATIS Annisa Kesy Garside, Xamelia Sulistyani, Dana Marsetiya Utama Jurusan Teknik Industri, Fakultas Teknik, Universitas Muhammadiyah Malang,
Lebih terperinciBAB III PEMBAHASAN. Berikut akan diberikan pembahasan mengenai penyelesaikan CVRP dengan
BAB III PEMBAHASAN Berikut akan diberikan pembahasan mengenai penyelesaikan CVRP dengan Algoritma Genetika dan Metode Nearest Neighbour pada pendistribusian roti di CV. Jogja Transport. 3.1 Model Matetematika
Lebih terperinciPENENTUAN LOKASI GUDANG DAN RUTE PENDISTRIBUSIAN MENGGUNAKAN INTEGER PROGRAMMING ERMI RODITA HAYATI
PENENTUAN LOKASI GUDANG DAN RUTE PENDISTRIBUSIAN MENGGUNAKAN INTEGER PROGRAMMING ERMI RODITA HAYATI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
Lebih terperinciOptimasi Rute Pengangkutan Sampah Dengan Metode Vehicle Routing Problem With Time Window Menggunakan Binary Integer Programming
Optimasi Rute Pengangkutan Sampah Dengan Metode Vehicle Routing Problem With Time Window Menggunakan Binary Integer Programming Dwi Sutrisno 1, M. Adha Ilhami 2, Evi Febianti 3 1, 2, 3 Jurusan Teknik Industri
Lebih terperinciIV DESKRIPSI DAN PEMODELAN MASALAH VEHICLE ROUTING PROBLEM DISTRIBUSI KORAN
24 IV DESKRIPSI DAN PEMODELAN MASALAH VEHICLE ROUTING PROBLEM DISTRIBUSI KORAN 4.1 Data Data yang digunakan dalam penelitian ini adalah data kegiatan distribusi koran harian Serambi Indonesia Nanggroe
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pendistribusian suatu barang merupakan persoalan yang sering dijumpai dalam kehidupan sehari-hari baik oleh pemerintah maupun oleh produsen. Dalam pelaksanaannya
Lebih terperinciBab 1 PENDAHULUAN. 1.1 Latar Belakang
2 Bab 1 PENDAHULUAN 1.1 Latar Belakang Routing adalah proses dimana suatu router mem-forward paket jaringan yang dituju. Suatu router membuat keputusan berdasarkan IP address yang dituju oleh paket. Agar
Lebih terperinciMODEL OPTIMASI JADWAL UJIAN DAN IMPLEMENTASINYA PADA UNIVERSITAS TERBUKA ASMARA IRIANI TARIGAN
MODEL OPTIMASI JADWAL UJIAN DAN IMPLEMENTASINYA PADA UNIVERSITAS TERBUKA ASMARA IRIANI TARIGAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciIMPLEMENTASI ALGORITMA FLOYD WARSHALL DAN NEAREST NEIGHBOUR DALAM PENGOPTIMALAN RUTE CAPACITATED VEHICLE ROUTING PROBLEM WITH TIME WINDOWS (CVRPTW)
IMPLEMENTASI ALGORITMA FLOYD WARSHALL DAN NEAREST NEIGHBOUR DALAM PENGOPTIMALAN RUTE CAPACITATED VEHICLE ROUTING PROBLEM WITH TIME WINDOWS (CVRPTW) ARTIKEL JURNAL SKRIPSI Diajukan kepada Fakultas Matematika
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 1 PENDAHULUAN. Pengiriman barang dari pabrik ke agen atau pelanggan, yang tersebar di berbagai
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pengiriman barang dari pabrik ke agen atau pelanggan, yang tersebar di berbagai tempat, sering menjadi masalah dalam dunia industri sehari-hari. Alokasi produk
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Persoalan rute terpendek merupakan suatu jaringan pengarahan rute perjalanan di mana seseorang pengarah jalan ingin menentukan rute terpendek antara dua kota berdasarkan
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 I PENDAHULUAN I.1
I.1 Latar Belakang BAB I PENDAHULUAN Semakin tingginya perkembangan industri membuat persaingan setiap pelaku industri semakin ketat dan meningkat tajam. Setiap pelaku industri harus mempunyai strategi
Lebih terperinciPENYELESAIAN VEHICLE ROUTING PROBLEM WITH SIMULTANEOUS PICK-UP AND DELIVERY SERVICE MENGGUNAKAN ALGORITME TABU SEARCH SYUKRIO IDAMAN
PENYELESAIAN VEHICLE ROUTING PROBLEM WITH SIMULTANEOUS PICK-UP AND DELIVERY SERVICE MENGGUNAKAN ALGORITME TABU SEARCH SYUKRIO IDAMAN DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciPENGOPTIMUMAN MASALAH PENJADWALAN EMPAT HARI KERJA DALAM SEMINGGU SECARA SIKLIS BERBASIS DUAL ARIYANTO PAMUNGKAS
PENGOPTIMUMAN MASALAH PENJADWALAN EMPAT HARI KERJA DALAM SEMINGGU SECARA SIKLIS BERBASIS DUAL ARIYANTO PAMUNGKAS DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA DENGAN VARIASI SELEKSI DALAM PENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM WITH TIME WINDOWS
IMPLEMENTASI ALGORITMA GENETIKA DENGAN VARIASI SELEKSI DALAM PENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM WITH TIME WINDOWS (CVRPTW) UNTUK OPTIMASI RUTE PENDISTRIBUSIAN RASKIN DI KOTA YOGYAKARTA TUGAS
Lebih terperinciGENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR
MULTI TRAVELING SALESMAN PROBLEM (MTSP) DENGAN ALGORITMA Abstrak GENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR Oleh : Fitriana Yuli Saptaningtyas,M.Si. Jurusan Pendidikan Matematika FMIPA
Lebih terperinciPENJADWALAN KEGIATAN PERKULIAHAN MENGGUNAKAN GOAL PROGRAMMING: STUDI KASUS DI PROGRAM STUDI S1 MATEMATIKA FMIPA IPB PENDAHULUAN
PENJADWALAN KEGIATAN PERKULIAHAN MENGGUNAKAN GOAL PROGRAMMING: STUDI KASUS DI PROGRAM STUDI S1 MATEMATIKA FMIPA IPB RUHIYAT 1, F. HANUM 1, R. A. PERMANA 2 Abstrak Jadwal mata kuliah mayor-minor yang tumpang
Lebih terperinciBAB I PENDAHULUAN. Pemerintah Pusat hingga Pemerintah Daerah, salah satu program dari
BAB I PENDAHULUAN A. Latar Belakang Masalah Peningkatan kesejahteraan dalam memenuhi kebutuhan pangan masyarakat berpendapatan rendah merupakan program nasional dari Pemerintah Pusat hingga Pemerintah
Lebih terperinciOptimasi Rute Angkutan Publik dengan Menggunakan Metode Algoritma Clark-Wright
Optimasi Rute Angkutan Publik dengan Menggunakan Metode Algoritma Clark-Wright Ary Arvianto *1), Sriyanto 2), Lo Hendrawan Wijaya 3) 1,2,3) Program Studi Teknik Industri, Fakultas Teknik, Universitas Diponegoro,
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 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Gambaran Umum Perusahaan Pembahasan mengenai gambaran umum perusahaan meliputi sejarah singkat perusahaan dan struktur organisasi perusahaan saat ini. 3.1.1 Sejarah Singkat
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 terperinciPENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM MENGGUNAKAN ALGORITMA GENETIKA DAN NEAREST NEIGHBOUR PADA PENDISTRIBUSIAN ROTI DI CV.
PENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM MENGGUNAKAN ALGORITMA GENETIKA DAN NEAREST NEIGHBOUR PADA PENDISTRIBUSIAN ROTI DI CV. JOGJA TRANSPORT SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bagian ini menjelaskan tentang hal-hal yang erat kaitannya dengan masalah m- ring star. Salah satu cabang matematika yang cukup penting dan sangat luas penerapannya di banyak bidang
Lebih terperinciOptimasi Rute Distribusi Bantuan Logistik Bencana Erupsi Gunung Merapi Menggunakan Algoritma Sweep
Petunjuk Sitasi; Sulistyo, S. R., & Zulfikar, M. (2017). Optimasi Rute Distribusi Bantuan Logistik Bencana Erupsi Gunung Merapi Menggunakan Algoritma Sweep. Prosiding STI dan SATELIT 2017 (pp. H24-29).
Lebih terperinciManual Penggunaan Algoritma Evolusi Diferensial untuk Mengoptimasikan Rute Kendaraan Akhmad Hidayatno Armand Omar Moeis Komarudin Aziiz Sutrisno
Manual Penggunaan Algoritma Evolusi Diferensial untuk Mengoptimasikan Rute Kendaraan Akhmad Hidayatno Armand Omar Moeis Komarudin Aziiz Sutrisno Laboratorium Rekayasa, Simulasi dan Pemodelan Sistem Departemen
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
12 BAB I PENDAHULUAN 1.1. Latar Belakang Distribusi suatu produk mempunyai peran yang penting dalam suatu mata rantai produksi. Hal yang paling relevan dalam pendistribusian suatu produk adalah transportasi
Lebih terperinciPENDEKATAN ALGORITMA PEMROGRAMAN DINAMIK DALAM MENYELESAIKAN PERSOALAN KNAPSACK 0/1 SKRIPSI SRI RAHAYU
PENDEKATAN ALGORITMA PEMROGRAMAN DINAMIK DALAM MENYELESAIKAN PERSOALAN KNAPSACK 0/1 SKRIPSI SRI RAHAYU 060823001 PROGRAM STUDI SARJANA MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB II KAJIAN TEORI. digunakan dalam penelitian ini yaitu masalah optimasi, graf, Vehicle Routing
BAB II KAJIAN TEORI Secara umum, pada bab ini akan dibahas mengenai kajian teori yang digunakan dalam penelitian ini yaitu masalah optimasi, graf, Vehicle Routing Problem (VRP), Capacitated Vehicle Routing
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 I PENDAHULUAN. aplikasinya di berbagai area telah meningkat pesat. Hal ini ditandai dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam beberapa tahun terakhir, penelitian mengenai transportasi dan aplikasinya di berbagai area telah meningkat pesat. Hal ini ditandai dengan banyaknya studi
Lebih terperinciMULTIPLE DEPOT VEHICLE ROUTING PROBLEM WITH BACKHAULS ( MDVRPB ) MENGGUNAKAN ALGORITMA CLARK AND WRIGHT DENGAN 2-OPT DAN PENERAPANNYA
MULTIPLE DEPOT VEHICLE ROUTING PROBLEM WITH BACKHAULS ( MDVRPB ) MENGGUNAKAN ALGORITMA CLARK AND WRIGHT DENGAN 2-OPT DAN PENERAPANNYA Rizka Rahmawati, Susy Kuspambudi Andaini, dan Trianingsih Eni Lestari
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 terperinciBAB II KAJIAN TEORI. Pada bab ini berisi paparan teori yang berhubungan dengan distribusi,
BAB II KAJIAN TEORI Pada bab ini berisi paparan teori yang berhubungan dengan distribusi, optimisasi, graf, vehicle routing problem (VRP), capatitated vehicle routing problem with time windows (CVRPTW),
Lebih terperinciPENENTUAN SOLUSI LASO DARI TRAVELING SALESMAN PROBLEM WITH PICK-UP AND DELIVERY DENGAN METODE HEURISTIK ATIKAH NURBAITI
PENENTUAN SOLUSI LASO DARI TRAVELING SALESMAN PROBLEM WITH PICK-UP AND DELIVERY DENGAN METODE HEURISTIK ATIKAH NURBAITI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
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 terperinciAlgoritma Penentuan Rute Kendaraan Dengan Memperhatikan Kemacetan Muhammad Nashir Ardiansyah (hal 88 92)
ALGORITMA PENENTUAN RUTE KENDARAAN DENGAN MEMPERHATIKAN KEMACETAN Muhammad Nashir Ardiansyah Program Studi Teknik Industri, Fakultas Rekayasa Industri, Telkom University nashir.ardiansyah@gmail.com Abstrak
Lebih terperinciUSULAN PERBAIKAN RUTE PENDISTRIBUSIAN ICE TUBE MENGGUNAKAN METODE NEAREST NEIGHBOUR DAN GENETIC ALGORITHM *
Reka Integra ISSN: 2338-508 Jurusan Teknik Industri Itenas No.04 Vol.03 Jurnal Online Institut Teknologi Nasional Oktober 205 USULAN PERBAIKAN RUTE PENDISTRIBUSIAN ICE TUBE MENGGUNAKAN METODE NEAREST NEIGHBOUR
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Distribusi merupakan proses penyaluran produk dari produsen sampai ke tangan masyarakat atau konsumen. Kemudahan konsumen dalam menjangkau produk yang diinginkan
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 terperinciIMPLEMENTASI ALGORITMA GENETIKA DENGAN VARIASI CROSSOVER
SKRIPSI IMPLEMENTASI ALGORITMA GENETIKA DENGAN VARIASI CROSSOVER DALAM PENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM WITH TIME WINDOWS (CVRPTW) PADA PENDISTRIBUSIAN AIR MINERAL DI PT ARTHA ENVIROTAMA
Lebih terperinciBAB 1 PENDAHULUAN. tempat tujuan berikutnya dari sebuah kendaraan pengangkut baik pengiriman melalui
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam masalah pengiriman barang, sebuah rute diperlukan untuk menentukan tempat tujuan berikutnya dari sebuah kendaraan pengangkut baik pengiriman melalui darat, air,
Lebih terperinciPENYELESAIAN VEHICLE ROUTING PROBLEM MENGGUNAKAN ALGORITME GENETIKA DEDI HARIYANTO
PENYELESAIAN VEHICLE ROUTING PROBLEM MENGGUNAKAN ALGORITME GENETIKA DEDI HARIYANTO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2016 PERNYATAAN MENGENAI
Lebih terperinciOPTIMALISASI RUTE DISTRIBUSI AIR MINUM QUELLE DENGAN ALGORITMA CLARKE & WRIGHT SAVING DAN MODEL VEHICLE ROUTING PROBLEM
OPTIMALISASI RUTE DISTRIBUSI AIR MINUM QUELLE DENGAN ALGORITMA CLARKE & WRIGHT SAVING DAN MODEL VEHICLE ROUTING PROBLEM Ade Irman SM, Ratna Ekawati 2, Nuzulia Febriana 3 Jurusan Teknik Industri, Fakultas
Lebih terperinciIV STUDI KASUS. spesialisasi pengobatan tertentu dan penggunaan ruang operasi seluruh spesialisasi pengobatan selama satu minggu.
7 pengobatan j bagi pasien rawat inap pada hari l D z jkl n jk, j, (4) Jumlah pelaksanaan operasi spesialisasi pengobatan j bagi pasien rawat jalan yang ditunda dari hari k ke hari l, tidak lebih besar
Lebih terperinciLampiran 1. Syntax Program LINGO 11.0 untuk Menyelesaikan Masalah Pemrograman Linear dengan Metode Branch and Bound beserta Hasil yang Diperoleh
2 LAMPIRAN 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
Lebih terperinciMASALAH PENJADWALAN KERETA SECARA PERIODIK DENGAN BIAYA MINIMUM PADA JALUR GANDA MUHAMMAD RIZQY HIDAYATSYAH
MASALAH PENJADWALAN KERETA SECARA PERIODIK DENGAN BIAYA MINIMUM PADA JALUR GANDA MUHAMMAD RIZQY HIDAYATSYAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pembangunan daerah perkotaan atau city development memiliki beberapa aspek penting salah satunya adalah logistik perkotaan atau city logistics. Alasan mengapa city
Lebih terperinciArtikel Ilmiah oleh Siti Hasanah ini telah diperiksa dan disetujui oleh pembimbing.
Artikel Ilmiah oleh Siti Hasanah ini telah diperiksa dan disetujui oleh pembimbing. Malang, 1 Agustus 2013 Pembimbing Dra. Sapti Wahyuningsih,M.Si NIP 1962121 1198812 2 001 Penulis Siti Hasanah NIP 309312426746
Lebih terperinciBAB IV PENUTUP. algoritma genetika pada penyelesaian capacitated vehicle routing problem (CVRP)
BAB IV PENUTUP A. Kesimpulan Berdasarkan pembahasan mengenai penerapan algoritma sweep dan algoritma genetika pada penyelesaian capacitated vehicle routing problem (CVRP) untuk distribusi gula di Yogyakarta,
Lebih terperinciPENERAPAN ALGORITMA GENETIKA DAN ALGORITMA SWEEP PADA PENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM (CVRP) UNTUK OPTIMASI PENDISTRIBUSIAN GULA
PENERAPAN ALGORITMA GENETIKA DAN ALGORITMA SWEEP PADA PENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM (CVRP) UNTUK OPTIMASI PENDISTRIBUSIAN GULA SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB 4 DATA DAN DEFINISI MASALAH
BAB 4 DATA DAN DEFINISI MASALAH 4.1. Data Capacitated Vehicle Routing Problem Program CVRPLB yang dihasilkan diuji dengan data berupa contoh kasus yang disusun oleh peneliti terdahulu. Banyak contoh kasus
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 terperinciPenentuan Rute Distribusi Es Balok Menggunakan Algoritma Nearest Neighbour dan Local Search (Studi Kasus di PT. X)*
Reka Integra ISSN: 2338-5081 Jurusan Teknik Industri Itenas No.02 Vol.02 Jurnal Online Institut Teknologi Nasional Oktober 2014 Penentuan Rute Distribusi Es Balok Menggunakan Algoritma Nearest Neighbour
Lebih terperinciVEHICLE ROUTING PROBLEM BERBASIS ANT COLONY SYSTEM UNTUK OPTIMASI PENENTUAN RUTE KENDARAAN PADA SISTEM DISTRIBUSI BARANG DAN JASA
VEHICLE ROUTING PROBLEM BERBASIS ANT COLONY SYSTEM UNTUK OPTIMASI PENENTUAN RUTE KENDARAAN PADA SISTEM DISTRIBUSI BARANG DAN JASA Indra Maryati, Gunawan, C. Pickerling, Henry Kurniawan Wibowo,,, Teknik
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Proses distribusi barang merupakan bagian dari aktivitas suatu perusahaan atau lembaga yang bersifat komersil ataupun sosial. Distribusi berperan sebagai salah satu
Lebih terperinciPENJADWALAN SIARAN IKLAN PADA TELEVISI MENGGUNAKAN METODE INTEGER LINEAR PROGRAMMING DAN METODE HEURISTIK DEVINA ANGGRAINI
PENJADWALAN SIARAN IKLAN PADA TELEVISI MENGGUNAKAN METODE INTEGER LINEAR PROGRAMMING DAN METODE HEURISTIK DEVINA ANGGRAINI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
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 terperinciPENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM DENGAN METODE SAVINGS HEURISTIC SKRIPSI
PENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM DENGAN METODE SAVINGS HEURISTIC SKRIPSI Oleh Risqie Annisa Putri NIM 081810101014 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
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 terperinciBAB II KAJIAN TEORI. digunakan dalam penelitian yaitu teori graf, vehicle routing problem (VRP),
BAB II KAJIAN TEORI Secara umum, pada bab ini membahas mengenai kajian teori yang digunakan dalam penelitian yaitu teori graf, vehicle routing problem (VRP), capacitated vehicle routing problem with time
Lebih terperinciPEMODELAN PENJADWALAN PERAWAT MENGGUNAKAN NONPREEMPTIVE GOAL PROGRAMMING: STUDI KASUS DI RUMAH SAKIT PERMATA BEKASI IHSAN CAISARIO
PEMODELAN PENJADWALAN PERAWAT MENGGUNAKAN NONPREEMPTIVE GOAL PROGRAMMING: STUDI KASUS DI RUMAH SAKIT PERMATA BEKASI IHSAN CAISARIO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinci