PENYELESAIAN MASALAH PENGAMBILAN DAN PENGIRIMAN DENGAN KENDALA WAKTU MENGGUNAKAN TEKNIK PEMBANGKITAN KOLOM. Oleh: FAJAR DELLI WIHARTIKO G

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENYELESAIAN MASALAH PENGAMBILAN DAN PENGIRIMAN DENGAN KENDALA WAKTU MENGGUNAKAN TEKNIK PEMBANGKITAN KOLOM. Oleh: FAJAR DELLI WIHARTIKO G"

Transkripsi

1 PENYELESAIAN MASALAH PENGAMBILAN DAN PENGIRIMAN DENGAN KENDALA WAKU MENGGUNAKAN EKNIK PEMBANGKIAN KOLOM Oleh: FAJAR DELLI WIHARIKO G DEPAREMEN MAEMAIKA FAKULAS MAEMAIKA DAN ILMU PENGEAHUAN ALAM INSIU PERANIAN BOGOR 006

2 ABSRAK FAJAR DELLI WIHARIKO Penyelesaian Pengambilan dan Pengiriman dengan Kendala Watu Menggunaan eni Pembangitan Kolom Dibimbing oleh FARIDA HANUM dan DONNY CIRA LESMANA Masalah penentuan rute endaraan merupaan persoalan yang sering dijumpai oleh produsen, pemerintah maupun oleh penyedia jasa pengiriman barang Salah satu varian dari masalah penentuan rute endaraan adalah masalah pengambilan dan pengiriman dengan endala watu (pic up and delivery problem with time windows/pdpw) Dalam PDPW sejumlah rute harus dionstrusi guna memenuhi semua permintaan transportasi (transportation request/r) Permintaan transportasi dapat diartian sebagai suatu permintaan pengiriman barang yang harus dibawa secara langsung dari loasi pengambilan e loasi pengiriman Setiap permintaan transportasi memilii endala watu dan endala apasitas suatu endaraan Kendala watu dalam PDPW diartian sebagai selang watu untu menunggu pengambilan atau pengiriman di suatu tempat Rute yang dionstrusi harus memenuhi syarat efisibelan Setelah semua rute fisibel ditemuan, maa harus dicari bagaimana memenuhi semua permintaan transportasi dengan biaya yang minimum Dalam arya ilmiah ini, pemilihan rute yang memenuhi semua permintaan transportasi dimodelan sebagai masalah pemartisian himpunan (set partitioning problem/spp) Penyelesaian masalah pemartisian himpunan dalam sala yang besar dapat menggunaan teni pembangitan olom (column generation) eni ini merupaan teni untu menyelesaian suatu pemrograman linear (PL) dengan hanya menggunaan sebagian variabel dari masalah eseluruhan

3 3 PENYELESAIAN MASALAH PENGAMBILAN DAN PENGIRIMAN DENGAN KENDALA WAKU MENGGUNAKAN EKNIK PEMBANGKIAN KOLOM Sripsi Sebagai salah satu syarat untu memperoleh gelar Sarjana Sains pada Faultas Matematia dan Ilmu Pengetahuan Alam Institut Pertanian Bogor Oleh: FAJAR DELLI WIHARIKO G DEPAREMEN MAEMAIKA FAKULAS MAEMAIKA DAN ILMU PENGEAHUAN ALAM INSIU PERANIAN BOGOR 006

4 4 RIWAYA HIDUP Penulis dilahiran di Bogor pada tanggal 5 Maret 984 sebagai ana edua dari dua bersaudara dari pasangan bapa Hari Harsono dan ibu Sri Wiedarti Pada tahun 00 penulis lulus dari SMUN Bogor dan berhasil menjadi mahasiswa Jurusan Matematia (yang searang berganti menjadi Departemen Matematia), Faultas Matematia dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor melalui jalur USMI (Undangan Selesi Masu IPB) Selama mengiuti egiatan peruliahan, penulis pernah menjadi asisten pada mata uliah Kalulus I pada tahun 003 Penulis juga atif mengiuti egiatan Badan Eseutif Mahasiswa FMIPA pada tahun 003/004 Selain itu penulis juga pernah atif dalam epengurusan GUMAIKA (Gugus Mahasiswa Matematia) pada periode 003/004

5 5 PRAKAA Syuur Alhamdulillah epada Allah SW, arena dengan rahmat dan euasaan-nya penulis dapat menyelesaian sripsi dengan judul Penyelesaian Masalah Pengambilan dan Pengiriman dengan Kendala Watu Menggunaan eni Pembangitan Kolom Pada esempatan ini penulis mengucapan terimaasih epada : Ibu Dra Farida Hanum, MSi dan Bapa Donny Citra Lesmana, SSi selau dosen pembimbing yang telah memberian bimbingan dan arahan sampai penyelesaian sripsi Bapa Ir N K Kutha Ardana, MSc sebagai dosen penguji atas saran dan masuannya 3 Ayahanda, Ibunda dan aau atas dorongan semangat bai moril maupun materiel 4 Seluruh dosen beserta staf Departemen Matematia atas ilmunya yang ta ternilai 5 eman-teman angatan 39 atas enangan yang indah selama masa peruliahan 6 Seluruh rean seperjuangan angatan 35, 36, 37, 38, 40 dan 4 7 Seluruh piha yang telah membantu terselesaiannya sripsi ini yang tida dapat disebutan satu per satu Penulis menyadari dalam penyusunan sripsi ini masih jauh dari sempurna Penulis mengharapan saran dan riti yang membangun untu esempurnaan sripsi ini Semoga sripsi ini bermanfaat bai bagi penulis maupun piha-piha lain yang memerluannya Bogor, Januari 006 Fajar Delli Wihartio

6 6 DAFAR ISI Halaman DAFAR ABEL 7 DAFAR GAMBAR 7 DAFAR LAMPIRAN 7 I II PENDAHULUAN Latar Belaang 8 ujuan 8 LANDASAN EORI Graf 8 Pemrograman Linear 9 Masalah Dual Pemrograman Linear Bilangan Bulat 3 Masalah Pemartisian Himpunan 3 III DESKRIPSI DAN FORMULASI MASALAH Masalah Pengambilan dan Pengiriman dengan Kendala Watu 5 Formulasi Masalah sebagai Masalah Pemartisian Himpunan 9 IV PENYELESAIAN MASALAH eni Pembangitan Kolom 9 Pricing Problem 0 V CONOH KASUS VI SIMPULAN 9 DAFAR PUSAKA 30 LAMPIRAN 3

7 7 DAFAR ABEL Halaman R dan endala watu 5 Permintaan transportasi suatu perusahaan 7 3 Contoh asus masalah PDPW 4 Hasil setiap iterasi menggunaan teni pembangitan olom 9 DAFAR GAMBAR Halaman Graf G = ( V, E) 8 Digraf D = ( V, A ) 9 3 Contoh 8 dalam bentu graf 5 4 Graf dari m tempat 6 5 Graf dari Contoh Graf dari abel Graf dari V S 5 8 Graf dari V S 7 DAFAR LAMPIRAN Halaman Contoh penyelesaian suatu PL dengan menggunaan algoritme simples 3 Hasil perhitungan Contoh 5 menggunaan LINDO Rute Fisibel PDPW 34 4 RMP0, P,0 dan P,0 4 5 RMP, P, dan P, 45 6 RMP, P, dan P, 45

8 8 I PENDAHULUAN Latar Belaang Pendistribusian suatu barang merupaan persoalan yang sering dijumpai bai oleh pemerintah maupun oleh produsen Dalam pelasanaannya sering ali dihadapan pada berbagai masalah seperti efisiensi biaya, efisiensi watu ataupun masalah efetifitas endaraan Contoh pendistribusian barang adalah pengangutan sampah oleh Dinas Kebersihan, pendistribusian produ perusahaan epada agen, pengambilan surat di ota pos oleh P Pos Indonesia dan mas ih banya lagi Contoh-contoh tersebut termasu dalam masalah pengambilan dan pengiriman (pic up and delivery problem / PDP) Masalah pengambilan dan pengiriman dengan endala watu (pic up and delivery problem with time windows/pdpw) merupaan pengembangan dari PDP Kendala watu dalam PDPW diartian sebagai selang watu untu menunggu pengambilan atau pengiriman di suatu tempat Masalah PDP dan PDPW telah banya dibahas dan dipelajari, di antaranya oleh Mitrofic-Minic (998) yang membahas metode heuristi untu menyelesaian masalah PDPW, Bruggen et al (993) membahas PDPW dengan satu depot, Dumas et al (99) membahas penyelesaian PDPW dengan menggunaan teni pembangitan olom yang dipandang sebagai masalah path terpende serta M Sol & MWP Savelsberg (995) yang membahas PDP secara luas ulisan ini merupaan reonstrusi dari tulisan M Sol & MWP Savelsberg (994) yang berjudul A Branch-and-Price Algorithm for the Picup and Delivery Problem with ime Windows ujuan ujuan penulisan arya ilmiah ini adalah mempelajari penyelesaian masalah pengambilan dan pengiriman berendala watu dengan menggunaan teni pembangitan olom II LANDASAN EORI Beberapa onsep yang dibutuhan dalam masalah pengambilan dan pengiriman dengan endala watu adalah sebagai beriut: Graf Definisi (Graf) Suatu graf adalah pasangan terurut (V,E) dengan V himpunan taosong dan hingga dan E adalah himpunan pasangan taterurut yang menghubungan elem en-elemen V dan dinotasian dengan G = ( V, E) Elemen V dinamaan simpul (node), dan elemen E dinamaan sisi (edge), dinotasian sebagai { i, j}, yaitu sisi yang menghubungan simpul i dengan simpul j, dengan i, j V (Foulds, 99) Ilustrasi graf dapat dilihat pada Contoh beriut: Contoh G: v v 6 v 5 v v 3 Gambar Graf G = (V, E) v 4 Pada Gambar, V = { v, v, v3, v4, v5, v6} dan E = { v, v },{ v, v6},{ v, v3},{ v3, v6}, { v, v }, { v, v },{ v, }} Definisi (Wal) v5 Suatu wal pada graf G ( V, E) = adalah suatu barisan simpul dan sisi dari G dengan bentu: v, { v, v}, v, { v, v3},, { v n, v n }, v n, atau ditulis dengan ringas : v, v,, vn atau v, v,, v n Wal tersebut menghubungan simpul v dengan v n (Foulds, 99) Definisi 3 (Closed Wal, Cycle) Suatu wal v, v,, vn pada suatu graf G diataan tertutup (closed wal) jia v = v n Suatu wal tertutup yang mengandung setidanya tiga simpul dan semua simpulnya berbeda disebut cycle (Foulds, 99) Beriut ini diberian ilustrasi dari wal tertutup dan cycle Salah satu contoh wal

9 9 tertutup pada graf G dalam Contoh adalah v, v6, v, v, v, sedangan v, v, v3, v6, v adalah salah satu contoh cycle Definisi 4 (Digraf) Digraf (directed graf/graf berarah) adalah pasangan terurut (V, A) dengan V adalah himpunan taosong dan hingga, dan A adalah himpunan pasangan terurut dari elemenelemen di V dan dinotasian sebagai D = ( V, A) Elemen dari A disebut sisi berarah (arc) dan ditulisan sebagai ( i, j) dengan i, j V (Foulds, 99) Contoh beriut merupaan ilustrasi digraf Contoh D: v v 6 v 5 v v 3 Gambar Digraf D = ( V, A) Pada Gambar, digraf D memilii V = { v, v, v3, v4, v5, v6 } dan A = { v, v, v6, v, v, v3, v3, v6, v3, v4 ( v 5, v6 ),( v4, v5)} ( ) ( ) ( ) ( ) ( ) Definisi 5 (Wal berarah) Suatu wal berarah pada digraf D = ( V, A) adalah suatu barisan simpul dan sisi dari G dengan bentu: v v v v v, v v, v v ( (, ) ( 3 ) ( n n ) n ) atau ditulis dengan ringas: ( v v ) atau v -v - -v n Wal tersebut menghubungan simpul v dengan v n (Foulds, 99) Definisi 6 (Cycle berarah) Suatu wal berarah ( v v ) dengan v = vn dan mempunyai setidanya tiga simpul berbeda disebut sebagai cycle berarah (Foulds, 99) Beriut ini diberian ilustrasi mengenai cycle berarah Salah satu contoh cycle berarah pada digraf D dalam Contoh adalah cycle v 4 v n v n v -v -v 3 -v 6 -v, sedangan cycle v,v 6,v 3,v,v pada digraf D buan merupaan cycle berarah Definisi 7 (Graf Berbobot) G = V, E atau digraf Suatu graf ( ) ( V A) D =, diataan berbobot jia terdapat fungsi w : E R atau ϑ : A R (dengan R adalah himpunan bilangan real) yang memberian bobot pada setiap elemen E atau elemen A (Foulds, 99) Pemrograman Linear Pemrograman linear adalah egiatan merencanaan untu mendapatan hasil yang optimal Model pemrograman linear (PL) meliputi pengoptimuman suatu fungsi linear terhadap endala linear (Hillier & Lieberman, 990) Pada tulisan ini, suatu PL mempunyai bentu standar seperti yang didefinisian sebagai beriut: Defi nisi 8 (Bentu Standar Suatu PL) Suatu pemrograman linear didefinisian mempunyai bentu standar: Minimuman z = x terhadap A x = b () x 0 c dengan x dan c berupa vetor beruuran n, vetor b beruuran m, sedangan A berupa matris beruuran m n yang disebut juga sebagai matris endala (Nash & Sofer, 996) Solusi S uatu Pemrograman linear Untu menyelesaian suatu masalah pemrograman linear (PL), metode simples merupaan salah satu metode yang dapat menghasilan solusi optimum Metode ini mulai diembangan oleh Dantzig tahun 947 Seja perembangannya, metode ini adalah metode yang paling umum digunaan untu menyelesaian PL, yaitu berupa metode iteratif untu menyelesaian masalah PL dalam bentu standar Pada Pemrograman Linear (), vetor x yang memenuhi endala A x = b disebut sebagai solusi PL () Misalan matris A dapat dinyataan sebagai A = (B N), dengan B adalah matris tasingular beruuran m m yang merupaan matris yang elemennya berupa oefisien variabel basis dan N merupaan matris yang elemennya berupa

10 0 oefisien variabel nonbasis pada matris endala Matris B disebut matris basis untu PL Misalan x dapat dinyataan sebagai x B vetor x =, dengan x B adalah vetor x N variabel basis dan x N adalah vetor variabel nonbasis Maa A x = b dapat dinyataan sebagai x B ( ) A x = B N xn =? xb NxN = b () Karena B adalah matris tasingular, maa B memilii invers, sehingga dari () x B dapat dinyataan sebagai: x B = B b B N x (3) Definisi 9 (Solusi Basis) Vetor x disebut solusi basis dari suatu pemrograman linear jia x memenuhi endala dari PL dan olom-olom pada matris endala yang berorespondensi dengan omponen tanol dari x adalah bebas linear (Nash & Sofer, 996) Definisi 0 (Solusi Basis Fisibel) Vetor x disebut solusi basis fisibel jia x merupaan solusi basis dan x 0 (4) (Nash & Sofer, 996) Ilustrasi solusi basis dan solusi basis fisibel dapat dilihat dalam contoh beriut: Contoh 3 Misalan diberian pemrograman linear beriut: Minimuman z = x x terhadap x x x 3 = x x4 = 7 x5 = 3, x, x3, x4, x5 x (5) x x 0 Dari pemrograman linear tersebut didapatan: 0 0 A = 0 0, b = Misalan dipilih = ( x x ) dan = ( x ) x xb 3 4 x5 N x N maa matris basis 0 0 B = Dengan menggunaan matris basis tersebut, diperoleh xb = B b = ( 7 3), x N = ( 0 0) (6) Solusi (6) merupaan solusi basis, arena solusi tersebut memenuhi endala pada PL (5) dan olom-olom pada matris endala yang berorespondensi dengan omponen tanol dari (6) yaitu B adalah bebas linear (olom yang satu buan merupaan elipatan dari olom yang lain) Solusi (6) juga merupaan solusi basis fisibel, arena nilai-nilai variabelnya lebih dari atau sama dengan nol_ PL () dapat dinyataan dalam x B dan x N sebagai beriut: Minimuman z = c B xb cn xn terhadap B xb Nx N = b x 0 dengan c adalah oefisien variabel basis B pada fungsi objetif, c N adalah oefisien variabel nonbasis pada fungsi objetif Jia Persamaan (3) disubstitusian e fungsi objetif z = cb xb cn x N maa aan didapat: z = cb ( B b B Nx N ) c N x N z = cb B b ( cn cb B N) x N y = c B B = B c Jia didefinisian ( ) B maa z dapat dinyataan dalam y: z = y b ( cn y N) x N (7) Vetor y disebut vetor pengali simples (simplex multiplier) Untu suatu solusi basis, x N = 0 dan x b ˆ B = = B b, maa c ẑ = B B b Notasi ẑ adalah notasi untu z optimal Koefisien ĉ disebut biaya teredusi (reduced cost) dari x j dengan j ĉ j adalah elemen dari vetor ˆ N = ( cn cb B N) c Biaya teredusi adalah penambahan nilai fungsi objetif jia suatu variabel nonbasis dijadian variabel basis (artinya menjadi solusi tanol) pada suatu pemrograman linear

11 t Penyelesaian Pemrograman Linear dengan Algoritme Simples Solusi suatu pemrograman linear dapat dietahui optimal atau tida untu PL tersebut melalui algoritme sebagai beriut: es Keoptimalan Vetor y = c B B dihitung, emudian dapat dihitung pula nilai biaya teredusi cˆ N = ( cn y b) Jia ĉ N 0 maa solusi yang diperoleh adalah solusi optimal Jia ĉ N < 0 maa variabel x t yang memenuhi c ˆ < 0 dipilih sebagai variabelmasu, yaitu variabel x t yang aan masu e dalam basis Langah tertentu (t) Kolom Aˆ t = B At, yaitu olom oefisien endala yang berhubungan dengan variabel-masu e t dihitung emudian ditentuan indes s pada olom endala yang berhubungan dengan variabel-masu yang memenuhi bˆ = ˆ s min bi : ai, t > 0 (8) as, t i m ai, t Pemilihan indes dengan cara tersebut disebut dengan uji nisbah minimum (minimum ratio test) Variabel yang menjadi variabel-eluar (variabel yang aan eluar dari basis, tergantian oleh variabel -masu) dan pivot entry adalah variabel yang berhubungan dengan ˆ Jia a s, t ˆ 0, ( i m) untu semua i, a i, t maa masalah PL disebut masalah taterbatas (unbounded) Pivot Matris basis B dan vetor basis x B diperbaharui dan emudian embali e tes eoptimalan Beriut ini diberian contoh penggu naan algoritme simples: Contoh 4 Misalan diberian PL(5) dalam Contoh 3 Dengan menggunaan algoritme simples aan diperoleh solusi x = 3, x = 5, x 3 = 3, x 4 = x5 = 0 dengan z = -3 (lihat Lampiran ) _ 3 Masalah Dual Setiap masalah pemrograman linear memilii padanan, yaitu masalah lain yang disebut pemrograman linear dual Pemrograman linearnya sendiri disebut sebagai masalah primal Misalan diberian masalah primal: Minimuman z = c x terhadap A x b (9) x 0 Maa masalah dual dari (9) adalah Masimuman w = b y terhadap A y c y 0 Jia masalah primal memilii n variabel dan m endala, maa masalah dual aan memilii m variabel dan n endala Koefisien fungsi objetif masalah primal merupaan nilai sisi anan pada masalah dual, begitu pula sebalinya Jia masalah primal adalah masalah minimisasi maa masalah dual merupaan masalah masimisasi Solusi optimal dari masalah dual merupaan pengali simples pada masalah primal Pada ondisi optimal, solusi dari masalah dual dan masalah primal aan menghasilan nilai fungsi objetif yang sama Hal ini dibutian dalam teorema dualitas uat Aibat dari teorema dualitas lemah digunaan untu membutian teorema dualitas uat eorema (eorema Dualitas Lemah) Misalan diberian pemrograman linear primal dan masalah dualnya Misalan x adalah solusi fisibel untu masalah primal dalam bentu standarnya dan misalan y solusi fisibel untu masalah dual, maa nilai fungsi objetif dari masalah primal selalu lebih besar atau sama dengan nilai fungsi objetif dari masalah dual Buti : lihat (Nash & Sofer, 996) Aibat Jia x adalah solusi fisibel untu masalah primal, y adalah solusi fisibel untu masalah dual, dan b y = c x, maa x dan y adalah solusi optimal berturut-turut untu masalah primal dan dual eorema (eorema Dualitas Kuat) Misalan diberian pemrograman linear primal dan masalah dualnya Jia salah satu dari masalah primal atau masalah dual tersebut memilii solusi optimal, maa masalah lainnya juga memilii solusi optimal dan nilai fungsi objetif optimalnya adalah sama

12 Buti : Misalan diasumsian bahwa masalah primal dalam bentu standar dan mempunyai solusi x yang merupaan solusi basis fisibel optimal Misalan x dapat dinyataan sebagai xb vetor x =, dengan x B adalah vetor xn variabel basis dan x N adalah vetor variabel nonbasis Selain itu, seperti telah dijelasan sebelumnya matris A dapat dinyataan sebagai A = ( B N) dan vetor oefisien pada fungsi objetif c dapat dinyataan cb sebagai c = Karena B adalah matris cn tasingular, maa B memilii invers sehingga x B dapat dinyataan sebagai x B = B b Dari sebelumnya dietahui pula, jia x optimal maa biaya teredusinya adalah B c N c B N 0 atau cb B N cn (*) Misalan y adalah vetor dari pengali simples yang berhubungan dengan solusi basis fisibel, dengan y = B c B atau y = c BB Aan ditunjuan bahwa: Nilai dari fungsi objetif masalah primal dan dual adalah sama, yaitu b y = c x y adalah optimal untu masalah dual Buti: Sebelumnya aan diperisa terlebih dahulu efisibelan dari y: y A = c BB ( B N) = ( cb cb B ) N ( c B c N ) dari (*) = c Sehingga A y c dan y fisibel untu masalah dual, emudian dihitung nilai objetif untu masalah primal (z) dan dual (w): z = c x = cb x B = c B B b w = b y = y b = c B B b = z Jadi y adalah fisibel untu masalah dual dan nilai fungsi objetif solusi optimal dari masalah primal dan dual mempunyai nilai yang sama Karena b y = c x maa y adalah solusi optimal untu masalah dual (dari Aibat )_ Buti dari teorema dualitas uat menghasilan solusi optimal dual Misalan xb cb x =, A = ( B N), dan c = xn cn maa nilai optimal dari variabel dual diberian oleh vetor pengali simples y = B c B Dari buti teorema dualitas uat terlihat bahwa ondisi primal optimal B c N c B N 0 adalah eivalen dengan ondisi fisibel dual A y c atau c A y 0 Jadi vetor dari biaya teredusi ĉ adalah vetor variabel slac dual ˆ c = c A y Contoh 5 Misalan diberian pemrograman linear primal sebagai beriut: Minimuman z = 5x 7x 93x3 74x4 55x 5 terhadap x x x x x x 3 4 x5 x3 3 x4 x5 x x x x 4 x i 0, untu i = {,,3,4,5} Masalah dual dari masalah tersebut adalah sebagai beriut: Masimuman w = y y y y y y6 y y y3 y y y4 7 y y4 y5 93 y y5 y6 74 y 3 y5 55 terhadap 5 y 0, untu i = {,,3,4,5,6} i Dengan menggunaan LINDO 6, diperoleh solusi dari masalah primal sebagai beriut: x = x = x =, x = x = dengan nilai fungsi objetifnya z = 5 (lihat Lampiran ) Nilai pengali simples untu masing-masing endala adalah sebagai beriut: y = y = 0, y3 = 5, y4 = 7, y5 = 4, y6 = 70 dengan yi adalah nilai pengali simples endala e-i

13 3 Solusi dari masalah dual tersebut juga dapat dicari dengan menggunaan LINDO 6 yang menghasilan solusi: y = y = y =, y = 5, y = 7, y = dengan nilai fungsi objetif w = 5 (lihat Lampiran ) Dari penghitungan tersebut, terlihat bahwa fungsi objetif dar i masalah primal dan dual mempunyai nilai yang sama seperti dinyataan dalam eorema _ 4 Pemrograman Linear Bilangan Bulat Model pemrograman linear bilangan bulat (Integer Linear Programming/ILP) adalah suatu model pemrograman linear dengan variabel yang digunaan berupa bilangan bulat (integer) Jia semua variabel harus berupa bilangan bulat, maa masalah tersebut disebut ILP-murni Jia hanya sebagian yang harus bilangan bulat maa disebut ILP-campuran ILP dengan semua variabelnya harus bernilai 0 atau disebut 0- I LP Definisi (Pemrograman Linear Relasasi) PL-relasasi dari suatu ILP merupaan pemrograman linear yang diperoleh dari ILP tersebut dengan menghilangan endala bilangan bulat atau endala 0- pada variabelnya (Winston, 995) Model yang digunaan pada tulisan ini yang beraitan dengan masalah ILP adalah model masalah pemartisian himpunan 5 Masalah Pemartisian Himpunan Definisi (Partisi) Misalan diberian dua himpunan, yaitu I,,, m P = P P,, dengan = { } dan { }, P j adalah suatu himpunan bagian dari I, j J =,,, n { } Himpunan P j, j J * J adalah partisi dari I jia: P j = I dan Υ j J * P n * untu j, J, j P j P = ø (Garfinel & Nemhauser, 97) Ilustrasi dari suatu partisi dapat dilihat pada Contoh 6 beriut: Contoh 6 Misalan diberian himpunan I =,,3,4,5,6 dan elas-elas himpunan { } P = {,6}, P = { 3,4}, P 3 = {,4,6}, 4 = { } P {,3,5} 5 = P, P, Partisi dari I di antaranya adalah { 3, P 4 } arena untu himpunan J * = { 3,5} memenuhi: Υ P j = I dan j J * * untu j, J, j P j P = ø _ Masalah pemartisian himpunan (set partitioning problem/spp) adalah masalah menentuan partisi dari himpunan I dengan biaya minimum Untu mendapatan partisi tersebut, misalan didefinisian variabel 0- sebagai beriut: x j =, jia P j termasu dalam partisi 0, selainnya Bentu umum SPP: Minimuman c j x j n j= terhadap A( j) x = n j= j x = 0 atau j dengan c j adalah biaya P j, A(j) adalah matris oefisien endala, dan adalah vetor dengan dimensi n dengan semua omponennya sama dengan Model ini memilii beberapa sifat penting, yaitu: Sifat Masalah pada model memilii endala berupa persamaan Sifat Nilai sisi anan semua endala adalah Sifat 3 Semua elemen matris oefisien A(j) adalah 0 atau Contoh 7 (Masalah pemartisian himpunan) Misalan diberian himpunan I beserta elas -elas P seperti pada Contoh 6 Misalan dietahui biaya dari masing-masing elas P j, yaitu c j, dengan c = 5, c = 0, c3 = 9, c4 = 8, c5 = 7 Diinginan himpunan dari P j yang dapat memartisi I dengan biaya minimum Masalah tersebut dapat dimodelan sebagai masalah pemartisian himpunan Misalan didefinisian variabel 0- sebagai beriut: x j =, jia P j termasu dalam partisi 0, selainnya

14 4 A(j) =, jia elemen e-j di I merupaan elemen P j, dengan j =,,, 5 0, selainnya Masalah tersebut dapat dimodelan sebagai SPP beriut: Minimuman 5x 0x 9x3 8x4 7 x5 terhadap x x (elemen ) 3 = 4 x5 = x5 = x (elemen ) x (elemen 3) x x (elemen 4) 3 = x 5 = (elemen 5) x x3 = (elemen 6) x = 0 atau, untu j = {,, 3, 4, 5} j Dengan mengunaan LINDO 6 diperoleh solusi untu masalah SPP sebagai beriut: x = x = x4 = 0, x3 = x5 =, dan nilai fungsi objetif sebesar 36 Jadi partisi dari I =,,3,4,5,6 dengan biaya minimum { } adalah P {,4,6} dan {,3,5} 3 = P 5 = III DESKRIPSI DAN FORMULASI MASALAH Dalam masalah pengambilan dan pengiriman (PDP) sejumlah rute harus dionstrusi guna memenuhi semua permintaan transportasi (transportation request/r) Permintaan transportasi dapat diartian sebagai suatu permintaan pengiriman barang yang harus dibawa secara langsung dari loasi pengambilan barang (tempat asal) e loasi pengiriman (tempat tujuan) Setiap permintaan transportasi memilii uantitas barang yang dibawa oleh suatu endaraan Kuantitas barang yang dibawa e tempat tujuan belum tentu semuanya diturunan pada tempat tujuan Bisa jadi hanya sebagian barang yang diturunan atau bahan tida diturunan sama seali Barang yang tida diturunan emudian diiriman e tempat tujuan selanjutnya Bisa jadi dalam pengiriman tersebut ditambah dengan barang yang diangut pada tempat penurunan barang Kuantitas barang dalam permintaan transportasi teradang tida selalu dietahui pada masalah pengambilan dan pengiriman Kuantitas tersebut dapat dicari melalui uantitas suatu barang yang harus diangut atau diturunan pada suatu tempat Armada endaraan sangat dibutuhan dalam PDP Armada endaraan dapat beroperasi dalam berbagai rute Suatu armada dapat memilii berbagai macam tipe endaraan Setiap tipe endaraan memilii depot dan apasitas pengangutan barang Depot merupaan tempat di mana endaraan tersebut diberangatan dan embali setelah perjalanan usai Masalah pengambilan dan pengiriman dengan endala watu (pic up and delivery problem with time windows/pdpw) merupaan pengembangan dari PDP, dengan endala watu diartian sebagai selang watu untu menunggu pengambilan atau pengiriman di suatu tempat Sebagai ilustrasi pada pengambilan surat oleh P Pos Indonesia Misalan saja watu pengambilan surat di suatu ota pos adalah tepat puul 900 Sering ali dalam pelasanaannya dihadapan pada berbagai masalah perjalanan, sehingga diperiraan endaraan tersebut aan tiba seitar puul 850 sampai puul 90 Periraan watu tersebut digunaan sebagai endala watu pada PDPW Dalam masalah pengambilan dan pengiriman dengan endala watu, setiap permintaan transportasi memilii endala watu yang ada pada saat pengambilan maupun pengiriman Hal ini berarti setiap endaraan harus mengunjungi setiap tempat sesuai dengan endala watu yang ada Di depot, setiap tipe endaraan dalam armada juga memilii endala watu, sehingga endaraan tersebut berangat dan pulang e depot sesuai dengan watu yang tersedia Jia rute-rute dalam PDPW yang memenuhi permintaan transportasi telah dionstrusi, maa harus dicari bagaimana cara memenuhi semua permintaan transportasi tersebut dengan biaya minimum Beberapa asumsi digunaan dalam model PDPW ini Asumsi tersebut adalah: Barang yang diambil dan diirim merupaan barang yang homogen Barang tersebut diiriman oleh satu endaraan dari loasi pengambilan e loasi pengiriman tanpa adanya biaya pengangutan di tengah loasi 3 Watu yang diperluan untu bongar muat barang pada loasi pengambilan dan loasi pengiriman dapat dengan mudah

15 5 digabungan pada watu perjalanan, sehingga tida aan dibahas secara esplisit 3 Masalah Pengambilan dan Pengiriman dengan Kendala Watu Masalah pengambilan dan pengiriman dengan endala watu dapat dimodelan sebagai beriut: Misalan S adalah himpunan permintaan transportasi Untu setiap permintaan transportasi i S, muatan q i? Ν { 0} aan diantaran dari tempat asal i e tempat tujuan i -, dengan Ν adalah himpunan bilangan asli Misalan didefinisian Sˆ ={i i S} sebagai himpunan tempat asal dan Sˆ = { i i S} sebagai himpunan tempat tujuan Untu setiap i S, misalan endala watu pengambilan pada tempat i dinotasian sebagai [e i, l i ] dan endala watu pada saat pengiriman di tempat i - dinotasian dengan [ e ī, l - i ] Misalan M adalah himpunan dari tipe endaraan Setiap endaraan dengan tipe M, mempunyai apasitas muatan Q Ν,, memilii depot dan dapat digunaan dalam selang watu [e, l ] Banyanya endaraan bertipe dinotasian sebagai m Didefinisian M ={ M} sebagai himpunan dari depot Misalan didefinisian himpunan S ={ i i Sˆ M }, himpunan S = { i i Sˆ M } dan himpunan V = S S - M Untu setiap i,j V, M didefinisian: t i j sebagai watu perjalanan yang ditempuh oleh endaraan tipe dari tempat i e tempat j c i j sebagai biaya perjalanan yang ditempuh oleh endaraan tipe dari tempat i e tempat j 3 Pemodelan Masalah Pengambilan dan Pengiriman dengan Kendala Watu e dalam Suatu Graf Masalah pengambilan dan pengiriman dapat dimodelan e dalam suatu graf berbobot, dengan: Sisi berarah melambangan permintaan transportasi dengan bobot melambangan muatan sebes ar q, dan untu set iap sisi i S dilabeli dengan i, qi Simpul melambangan tempat asal dan tempat tujuan Contoh 8 beriut merupaan ilustrasi untu memodelan PDPW e dalam suatu graf Contoh 8 Suatu perusahaan harus mendistribusian produnya e tiga agen penjualan Misalan setiap tempat saling berhubungan sehingga membentu cycle berarah Misalan pula hanya ada satu endaraan dengan muatan masimum sebesar 70 g Kendaraan tersebut beroperasi dari puul 00 selama 4 jam Kendala watu di setiap agen diberian seperti pada abel abel R dan endala watu R q i empat Batas Watu (i) (g) Asal ujuan Pengambilan Pengiriman a 70 v v b 30 v v c 50 v 3 v d 50 v 4 v Maa masalah tersebut dapat dimodelan sebagai beriut: d,50 v v 4 a,70 c, 50 Gambar 3 Contoh 8 dalam bentu graf b, 30 Dari contoh tersebut, depot perusahaan dilambangan oleh v Kendaraan beroperasi dari puul 00 sampai puul 500 Himpunan permintaan transportasi adalah S = {a, b, c, d} Setiap endaraan yang melewati permintaan transportasi aan membawa barang dari tempat asal e tempat tujuannya Sebagai contoh, endaraan yang melewati permintaan transportasi a (R a) aan membawa barang sebesar 70 g dari tempat asal a (atau v ) e tempat tujuan a - (atau v )_ v v 3 3 Kuantitas Barang di empat Pengambilan dan Pengiriman Barang Misalan didefinisian Q i Ζ sebagai uantitas barang yang ada di tempat i W= S S, dengan Ζ adalah himpunan bilangan bulat dan W adalah himpunan seluruh

16 6 tempat pengambilan dan pengiriman tanpa adanya suatu depot erdapat tiga asus untu uantitas barang Q i Jia Q i < 0, maa barang sebanya Q i harus diangut di tempat i Jia Qi > 0, maa barang sebanya Qi harus diturunan di tempat i Jia Qi = 0, maa pada tempat i tida aan dilauan pengangutan maupun penurunan barang Misalan terdapat j tempat dalam PDP Misalan pula v i adalah suatu tempat sedemiian sehingga untu v, v,, v i- merupaan tempat asal bagi v i yang dihubungan oleh R,, i-, sedangan v i, v i,,v j adalah tempat tujuan dari v i yang dihubungan oleh R i, i,, j Setiap R memilii uantitas barang sebesar q, q,, q i-, q i, q i,, q j Masalah PDP ini dapat dimodelan dalam bentu graf beriut v v i, q i, q i v, q i-, q i- v i j, q j i, q i v i v i- v j Gambar 4 Graf dari m tempat Karena barang yang diiriman merupaan barang yang homogen, maa banyanya barang pada tempat v i dapat dimodelan sebagai beriut: i Q v i = q j n qn (0) n= n= i Hal ini berarti uantitas barang yang masu pada tempat vi harus sama dengan jumlah barang di tempat vi ditambah jumlah barang yang eluar dari vi Persamaan (0) belum tentu berlau pada suatu depot Karena uantitas barang pada saat endaraan berangat dari depot belum tentu sama dengan uantitas barang setelah perjalanan usai Ilustrasi mengenai uantitas barang di suatu tempat dapat dilihat dalam Contoh 9 Contoh 9 Perhatian masalah PDPW dalam Contoh 8 R a mengiriman 70 g barang dari v e v, sehingga pada tempat v terdapat 70 g barang Lalu barang tersebut diambil embali sebesar 30 g dan diiriman e tempat v 3 sesuai dengan R b Aibatnya uantitas barang yang diturunan pada tempat v sebesar 40 g Dengan cara yang sama dapat dicari nilai uantitas barang pada tempat v 3 dan v 4 Pada tempat v 3 dilauan pengangutan barang sebesar 0 g, sedangan pada tempat v 4 tida dilauan pengangutan maupun penurunan barang Setelah perjalanan usai, endaraan masu e depot dengan membawa barang yang aan diturunan sebesar 50 g _ Dalam PDP, uantitas barang dalam permintaan transportasi teradang harus dicari melalui uantitas barang pada tempat asal dan tempat tujuan Kuantitas barang pada R tida selalu mencerminan uantitas pada tempat pengambilan maupun tempat pengiriman arena pada dasarnya uantitas pada R adalah uantitas barang yang dibawa oleh suatu endaraan dari tempat asal e tempat tujuan Untu mencari nilai uantitas barang dalam R dari suatu PDP secara eseluruhan, dapat dimulai dengan memilih arah perjalanan Perjalanan dimulai dan diahiri dari suatu depot Kuantitas R dapat dicari dengan menggunaan Persamaan (0) Pencarian dihentian setelah semua R ditemuan

17 7 33 Rute dalam Masalah Pengambilan dan Pengiriman dengan Kendala Watu Ada banya cycle yang dapat dibuat dari PDPW Namun cycle-cycle tersebut belum tentu menjadi rute dalam PDPW Misal an didefinisian: V = S S - { } S D i D i = Himpunan R yang berpadanan dengan V = watu pengambilan/watu eberangatan endaraan tipe pada tempat i = watu pengiriman/watu tiba i himpunan permintaan transportasi dalam rute R 3 Setiap i S, jia {i, i } V maa i diunjungi terlebih dahulu dari pada i 4 Setiap tempat di V (ecuali depot ) diunjungi tepat ali 5 Setiap tempat di V (ecuali depot ) diunjungi sesuai dengan endala watuny a Ini berarti: i S, D [ e, l ] D [ e, l ] i i i i sedemiian sehingga harus memenuhi:? D i t i D i? x = x = D D i i j j i j endaraan tipe pada tempat dengan t i = t j S dan i = j i i 6 Muatan endaraan tida pernah melebihi, jia endaraan tipe Q, dengan Q adalah apasitas endaraan x i j = melewati tempat i e tempat j tipe 0, selainnya 7 Dalam rute R endaraan berhenti pada depot Rute dalam PDPW didefinisian sebagai dan tida melebihi watu tiba beriut endaraan ( l ) pada depot Contoh beriut ini adalah ilustrasi mengenai suatu rute dalam PDPW Definisi 3 (Rute Fisibel PDPW) Rute pengambilan dan pengiriman R untu endaraan tipe yang fisibel untu PDPW Contoh 0: Pencarian rute PDPW Misalan dietahui permintaan adalah cycle berarah pada V V yang transportasi (R) dari suatu perusahaan memenuhi: seperti pada abel Misalan hanya terdapat Dalam rut e R endaraan berangat dari depot satu depot dan dilambangan dengan empat dan tida berangat sebelum erdapat satu endaraan berapasitas watu pemberangatan endaraan yang ditentuan ( e masimum 00 g dari satu tipe endaraan ) yang beroperasi dalam PDPW ini Setiap i S harus memenuhi i V jia Kendaraan tersebut hanya dapat dioperasian dan hanya jia i V, dengan S adalah mulai puul 700 pagi sampai dengan puul 000 pagi abel Permintaan transportasi suatu perusahaan R qi empat Batas Watu ( i ) (g) Asal ujuan Pengambilan Pengiriman (menit) a b c d e f g h t i i i

18 8 Untu mempermudah pencarian rute, masalah pada Contoh 0 dapat dimodelan dalam suatu graf beriut a,0 b,00 h,5 g,0 Gambar 5 Graf dari Contoh 0 Dalam Gambar 5, himpunan tempat asal, tempat tujuan dan Depot adalah V = S S - {} = {,,3,4,5} erdapat empat cycle berarah yang berawal dan berahir di Simpul Cycle tersebut adalah -3-5-, , , dan Ke empat cycle tersebut belum tentu menjadi suatu rute dalam PDPW Suatu cycle dapat diataan rute PDPW jia memenuhi seluruh persyaratan dalam Definisi Rute Fisibel PDPW Perhatian cycle pertama (-3-5-) Ambil {,3,5} V Cycle tersebut memenuhi etujuh syarat dalam Definisi Rute Fisibel PDPW Dalam cycle pertama, endaraan berangat dari Depot antara puul Watu eberangatan endaraan pada Depot adalah puul 700, sehingga batas watu pengambilan tida mendahului watu pemberangatan endaraan pada Depot Untu setiap permintaan transportasi i {b,g,h} memenuhi i {,3,5} jia dan hanya jia i {,3,5} 3 Untu setiap permintaan transportasi i {b,g,h} dan {i, i } {,3,5}, berlau i diunjungi terlebih dahulu dari pada i 4 empat 3 dan 5 diunjungi tepat ali 5 em pat 3 dan 5 diunjungi sesuai dengan endala watunya Operasi penjumlahan pada langah ini merupaan penjumlahan antara watu eberangatan dengan lamanya perjalanan dalam satuan menit Cycle memenuhi: 5 c,90 e,70 d, f,70 b Untu i=b, D = 700 [700, 705] D b = 75 [75, 70]? ? x,3 = x3,5 = D D g g b 75 D Untu i = g, D = 840 [840, 845] g D = 857 [855, 900]? x,3 = x 3,5 = ? ? x = x D D 3,5 5, = g g h 857 D h Untu i = h, D = 908 [905, 90] h D = 958 [950, 000] 3,5 5, =? x = x ? Muatan barang yang dibawa oleh endaraan tida pernah melebihi 00 g, arena uantitas masimum pada R i {b,g,h} adalah sebesar 00 g 7 Rute endaraan cycle pertama berhenti pada Depot pada puul 958 Batas watu masimum edatangan endaraan pada Depot adalah puul 000 Rute tersebut tida melewati batas watu tiba endaraan di Depot Aibatnya cycle pertama merupaan rute fisibel PDPW Berbeda dengan cycle pertama, cycle edua ( ) buan merupaan rute fisibel PDPW, arena tida memenuhi syarat elima dalam Definisi Rute Fisibel PDPW Ambil {,,3,4,5} V Perhatian permintaan transportasi c dan d Pada R c, muatan sebesar 90 g aan diiriman e Simpul ( c ) dengan batas watu puul Kendaraan tersebut diharusan memenuhi R selanjutnya, yani R d Kendala watu pemberangatan pada Simpul (d ) adalah puul , yang tida mungin dipenuhi jia endala watu pada c adalah Ini berarti cycle edua buan merupaan rute fisibel PDPW Perhatian cycle etiga ( ) dan cycle eempat (--4-5-) Ambil {,,3,4,5} V untu cycle etiga dan {,,4,5} V untu cycle eempat Kedua cycle tersebut buan suatu rute fisibel dalam PDPW, arena muatan barang yang h

19 9 diiriman melalui R a melebihi apasitas endaraan _ 3 Formulasi Masalah sebagai Masalah Pemartisian Himpunan Untu memformulasian PDPW sebagai masalah pemartisian himpunan, Misalan didefinisian:? = himpunan semua rute pengambilan dan pengiriman yang fisibel untu tipe endaraan, jia i S ada dalam rute r Ω δir = 0, selainnya, jia ruter Ω digunaan x r = 0, selainnya c r = biaya dari rute r? Biaya dari rute yang fisibel dapat di definisian sebagai penjumlahan seluruh biaya pada R yang digunaan pada rute tersebut, yaitu: c r = i V j V ij c ij x ir i i i S = c δ Masalah pengambilan dan pengiriman dengan endala watu diformulasian sebagai pemrograman linear bilangan bulat (ILP) beriut: minimuman cr xr () terhadap M r Ω dir xr M r O xr m ; r Ω r 0,}; = ; M i S () (3) x { M, r Ω Fungsi objetif () menyataan bahwa aan dicari rute yang memilii biaya minimum dari semua rute yang ada pada endaraan tipe Kendala () menyataan setiap permintaan transportasi hanya dilewati oleh satu rute endaraan tipe Kendala ini disebut sebagai endala pemartisian Kendala (3) menyataan rute endaraan tipe dapat dilewati oleh masimum m endaraan Kendala (3) ini disebut sebagai endala etersediaan endaraan Kolom pada matris endala menyataan rute pengambilan dan pengiriman yang fisibel untu endaraan bertipe IV PENYELESAIAN MASALAH 4 eni Pembangitan Kolom Masalah pengambilan dan pengiriman dengan endala watu (PDPW) bersala besar sering m elibatan rute dalam jumlah yang banya Masalah seperti ini dapat diselesaian dengan algoritme simples, namun memerluan banya watu dalam pengerjaannya Alternatif lain penyelesaian masalah ini adalah teni pembangitan olom (column generation) eni pembangitan olom merupaan teni untu menyelesaian suatu pemrograman linear dengan hanya menggunaan sebagian variabel dari masalah es eluruhan Masalah PL dengan sebagian variabel tersebut diselesaian hingga mendapatan solusi yang optimal Jia ondisi tersebut belum mencapai ondisi optimal pada masalah eseluruhan, maa PL dari sebagian variabel aan ditambahan dengan variabel yang memenuhi suatu riteria tertentu, emudian diselesaian untu mendapatan solusi yang optimal bagi PL tersebut Hal ini terus dilauan hingga mencapai ondisi optimal pada masalah eseluruhan atau telah mencapai suatu riteria pemberhentian Dalam teni pembangitan olom masalah PDPW diselesaian melalui PLrelasasinya PL-relasasi dari masalah PDPW didapatan dengan cara mengganti r batasan x {0,} dengan x 0, sehingga PL-relasasi dari masalah PDPW adalah: minimuman c r xr terhadap M r Ω dir xr M r O x r m r Ω r = ; r ; M i S (4) (5) x 0 ; M, r Ω Masalah PL-relasasi disebut sebagai masalah indu (master problem/mp) Dalam teni pembangitan olom digunaan masalah indu terbatas (restricted master problem/rmp), yaitu masalah pemrograman linear dengan menggunaan sebagian variabel dari MP Misalan RMP pada langah tertentu t, dinotasian dengan RMP t, dapat dinyataan sebagai:

20 0 RMP t : minimuman terhadap c r M r Ω dir M r O x r r Ω xr x x r r = ; i S m ; M 0 ; M, r Ω' Ω Misalan masalah indu (MP) dari PDPW mempunyai solusi fisibel x Jia biaya teredus i dari masalah MP tersebut adalah tanegatif maa x merupaan solusi optimal bagi MP Biaya teredusi dari masalah PL dapat ditemuan melalui masalah dualnya Untu mencari masalah dual dari MP, misalan variabel dual u i (i S) diasosiasian dengan Kendala (4) dan variabel dual v ( M) diasosiasian dengan Kendala (5) Maa masalah dual dari MP adalah: masimuman terhadap δ u v ir i S i i i i S r u m v M c ; r Ω, M u taterbatas dan v 0 (6) Misalan didefinisian d r sebagai biaya teredusi dari masalah MP dengan dr = cr δ irui v; r Ω, M i S Keoptimalan solusi RMP untu masalah eseluruhan dapat diperisa dengan mencari nilai biaya teredusi dari seluruh rute yang fisibel Masalah pencarian biaya teredusi dari masalah eseluruhan disebut sebagai pricing problem Pricing problem untu masalah PDPW adalah sebagai beriut: r minimuman{ c δirui v i S r Ω, M } Misalan z adalah solusi dari pricing problem Misalan z adalah tipe endaraan yang berpadanan dengan z dan r z adalah rute yang berpadanan dengan z Jia z 0, tida ada lagi rute yang dapat dioptimalan, sehingga solusi optimal RMP merupaan solusi optimal untu MP Sebalinya jia z < 0, maa z x merupaan variabel yang dapat masu e dalam basis, sehingga olom (rute) r z untu endaraan tipe z ditambahan e dalam Ω Secara ringas teni pembangitan olom untu optimasi PDPW dapat ditulisan sebagai beriut: z rz Himpunan awal Ω ditentuan sehingga anggota dari himpunan tersebut mempunyai solusi fisibel untu vetor x Masalah indu terbatas diselesaian dengan menggunaan algoritme simples 3 Pricing problem diselesaian Jia z 0 maa proses berahir Jia z < 0, maa Ω = Ω { r z } dan embali e Langah z 4 Pricing Problem Pricing problem dalam PDPW dapat dideomposisi menjadi beberapa submasalah, berdasaran tipe endaraan untu mempermudah pencarian biaya teredusi jia dihadapan pada tipe endaraan yang beragam Misalan pricing problem P adalah masalah mencari biaya teredusi dari rute fisibel untu endaraan bertipe, sehingga P adalah masalah: meminimuman c δ u v r Ω r ir i S Masalah pricing problem P dapat dimodifiasi menjadi masalah pemrograman linear, dengan tujuan mempermudah pencarian biaya teredusi untu endaraaan bertipe sama dalam sala besar Misalan didefinis ian = c j j c i i = c u i i i i, c v dan biaya rute fisibel r oleh endaraan bertipe didefinisian sebagai: c r = i V j V ij c ij x ir = c δ (7) i S i i Biaya teredusi dari rute fisibel r oleh endaraan bertipe dapat ditulisan menjadi: d r = cr δ irui v = = i S c ij x i V j V c i S Karena nilai i i x ij i i i i δ ir i i S u v ir i i S δ u v x aan sama dengan nilai untu rute fisibel yang sama, maa: c u x v r d = ( i ) i i i i S = cij xij v i V j V i (8) δ ir Biaya eredusi (8) dapat digunaan untu mencari rute fisibel dengan biaya teredusi minimum, namun perlu dijamin agar R yang dipilih aan membentu suatu rute fisibel, sehingga pricing problem P dapat diformulasian sebagai beriut:

21 Minimuman terhadap: c i V j V ij xij v (9) x = (a) j V j x = (b) j V j V j i j x { 0,} = j V j i x = Yi ; i S (c) Y i ; i S (d) D D l i i = D i i t i i D i = x = D D i i j j i j e ; i S (e) x ; i S (f) x ; i = j, j S, i S (g) e D l ; i S (h) i i i i i e D l ; i S (i) i x = qi Q ; i S (j) i i { 0, } x i, j ; i j V, () Fungsi objetif P dapat disederhanaan menjadi: c x v i V j V = j V ij ij j c x cij xij v j i S S j V Karena R yang berawal dari depot menuju e seluruh tempat i V hanya dilewati satu ali ( b V x j = ), maa fungsi objetif P dapat ditulisan menjadi: ( c v ) x c ij x j V = j V j c x j i V j V j = c ij xij j i S S i S S j V c ij x j V Fungsi objetif (9) menyataan bahwa aan dicari R yang memilii biaya teredusi minimum Kendala (a) menjamin aan dipilih satu R yang berawal dari depot e tempat j V Kendala (b) menjamin menjamin aan dipilih satu R yang berawal dari tempat j e depot Kendala (c) dan (d) V menjamin endaraan berangat dari depot, satu ali melewati R i S, satu ali melewati tempat i V dan berahir pada depot yang sama Kendala (e), (f), (g), (h) dan (i) menjamin endaraan mengunjungi tempat pengambilan dan pengiriman sesuai dengan endala watu Kendala (j) menjamin endaraan melewati R sesuai dengan endala apasitas endaraan Misalan z adalah solusi dari pricing problem P Nilai biaya teredusi terecil dari seluruh pricing problem P adalah: z = min { z, z,, z }, M Nilai biaya teredusi tersebut digunaan untu memerisa eoptimalan solusi RMP untu masalah eseluruhan ij ij V CONOH KASUS Misalan permintaan transportasi (R) dari suatu perusahaan diberian dalam abel 3 Depot dilambangan oleh empat dan erdapat dua tipe endaraan yang dapat dioperasian dari puul 7 pagi hingga puul siang ipe endaraan pertama berangat dari Depot, sedangan tipe endaraan edua berangat dari Depot erdapat 4 endaraan untu setiap tipe endaraan Kendaraan tipe pertama memilii apasitas masimum sebesar 40 unit barang, sedangan endaraan tipe edua memilii apasitas masimum sebesar 00 unit barang Biaya rute fisibel didefinisian sebagai biaya R yang digunaan dalam rute tersebut Masalah PDPW ini dapat dimodelan e dalam suatu graf seperti pada Gambar 6

22 abel 3 Contoh asus masalah PDPW R q i empat Batas watu Biaya Perjalanan Kendaraan (i) (unit ) Asal ujuan Pengambilan Pengiriman (menit) ipe ipe a b c d e f g h i j l m n o p q r s t u v w x y z aa bb i t = t i

23 b,0 h, 0 c,00 5 t, 70 u, 0 g, 50 d, x 0 y, 0 s, 0 w, 40 v, 00 a,40 i, 0 6 e, 0 f, 00 r, 0 j, 0 n, 0 7, 30 q, 80 m, 70 bb, 5 z, 70 aa, l, 50 8 o, 30 p, 60 Gambar 6 Graf dari abel 3 0 erdapat 3 cycle berarah yang dapat dibentu dari Gambar 6 Namun hanya ada 0 rute yang fisibel untu masalah PDPW Pencarian rute PDPW yang fisibel dapat dilihat dalam Lampiran 3 Rute endaraan yang fisibel untu masalah PDPW adalah: R, = untu R { a,b,c,d,e} R, = untu R {n,o,p,q,r} R,3 = untu R {n,l,q,r} R,4 = untu R {s,t,u} R,5 = untu R {s,x,y} R,6 = untu R {v,w,x,y} R, = untu R {f,g,h,i} R, = untu R {j,,l,m } R,3 = untu R {j,,o,p,m} R,4 = --- untu R {z,aa,bb} Untu memformulasian PDPW sebagai masalah pemartisian himpunan, didefinisian: M = {,}? = {,,3,4,5,6}? = {,,3,4} δ ir, jia i S ada dalam rute r Ω : = 0, selainnya, jia rute r Ω digunaan x r : = 0, selainnya,3 3,4 4,5 c5,6 6, c = c c c c = = 330,9 9, 0 0,8 c 8,7 c = c c c c 7, = = 550 c = c c c c 3 4,9 9,8 8,7 = = 440,4 c 4,6 c = c c 6, = = 40 c = c c c 5 6,4 4,5 5, = = 70,3 3,4 c 4, 5 c = c c = = 60 c = c c c c,6 6,3 3,5 7, 5, = = 60 c = c c c c 3,7 7,9 9,8 8, = = 300,7 7,9 9, 0 c = c c c 4 c 5, = 60 c 0,8 c 8, = = 90, c,, c = c c = = 380 Masalah PDPW diformulasian beriut: sebagai

24 4 minimuman 330 x 550 x 440 x 3 40 x 4 70 x 5 60 x 6 60 x 300 x 90 x x 4 terhadap: a) b) c) d) e) f) g) h) i) j) ) x = x = x = x = x = x = x = x = x = x x 3 = x x 3 = l) m) n) o) p) q) r) s) t) u) v) x 3 x = x x 3 = x x 3 = x x 3 = x x 3 = x x 3 = x x 3 = x 4 x 5 = x 4 = x 4 = x 6 = w) x) y) z) aa) bb) ) ) 3) x 6 = x 5 x 6 = x 5 x 6 = x 4 = x 4 = x 4 = x x x 3 x 4 x 5 x x x 3 x4 4 x, x, x 3, x 4, x 5, x 3, 4 x {0, } x6 4 Masalah indu dari masalah PDPW variabel untu RMP 0 yang memilii solusi diperoleh dengan mengganti batasan fisibel bagi RMP 0 Variabel tersebut adalah x r {0,} dengan x r 0 ; untu =, r = x, x, x 4, x 6, x, x dan x 4 Dengan,,3,4,5,6 dan untu =, r =,,3,4 Dalam teni pembangitan olom, misalan dipilih demiian RMP0 yang terbentu adalah sebagai beriut: minimuman 330 x 550 x 40 x 4 60 x 6 60 x 300 x 380 x 4 terhadap: a) x = i) x = q) x = y) x 6 = b) x = j) x = r) x = z) x 4 = c) x = ) x = s) x 4 = aa) x 4 = d) x = l) x = t) x 4 = bb) x 4 = e) x = m) x = u) x 4 = ) x x x 4 x6 4 f) x = n) x = v) x 6 = ) x x x4 4 g) x = o) x = w) x 6 = x, x, x 4, x 6, x, x, x 4 0 h) x = p) x = x) x 6 = x 6, x, x, Dengan menggunaan LINDO 6 masalah RMP 0 menghasilan solusi beriut: x = x = x 4 = x 6 = x = x = x 4 =, dengan biaya sebesar 30 (lihat Lampiran 4) Solusi masalah dual untu RMP 0 adalah: u a = 330, u f = 60, u j = 300, u n = 550, u s = 40, u v = 60, u z = 380 dan u b = u c = u d = u e = u g = u h = u i = u = u l = u m = u o = u p = u q = u r = u t = u u = u w = u x = u y = u aa = u bb = v = v = 0 Keoptimalan solusi RMP untu MP dapat diperisa dengan menyelesaian pricing problem Karena terdapat dua tipe endaraan, maa pricing problem dapat dideomposisi berdasaran tipe endaraannya Masalah pencarian rute dengan biaya teredusi terecil untu endaraan ipe dinotasian sebagai P dan untu endaraan ipe dinotasian sebagai P Seluruh tempat dan R yang digunaan dalam P, dapat dimodelan e dalam bentu graf beriut:

25 5 4 6 b,0 c,00 3 h, 0 5 t, 70 u, 0 d, 80 x 0 5 y, 0 a,40 e, s, 0 n, 0 r, 0 7 w, 40 v, 00 q, l, 50 8 o, 30 p, 60 0 Gambar 7 Graf dari V S Pricing problem P dapat ditulisan menjadi: Minimuman (00 u a v )x,3 (90 u b ) x 3,4 (70 u c )x 4,5 (40 u d )x 5,6 (30 u e ) x 6, (80 u h )x 3,5 (90 u l ) x 9,8 (70 u n v ) x,9 (90 u o ) x 9,0 (0 u p )x 0,8 (40 u q ) x 8,7 (40 u r )x 7, (50 u s v ) x,4 (90 ut )x4,6 (00 uu ) x6, (90 uv v) x,3 (50 uw ) x3,4 (70 ux ) x4,5 (50 uy ) x5, terhadap: a) x,3 x,9 x,3 x,4 = b) x 6, x 5, x 7, x 6, = c) x,3 x,9 x,3 x,4 = x 6, x 5, x 7, x 6, = Y a c) x,3 = x 3,4 x 3,5 = Y b c3) x 3, 4 = x 4,5 = Y c c4) x 4,5 x 3,5 = x 5,6 = Y d c5) x 5,6 = x 6, = Y e c6) x 5,6 = x 6, = Y g c7) x,3 = x 3,4 x 3,5 = Y h c8) x 8,7 = x 7, = Y c9) x,9 = x 9,8 x 9,0 = Y l c0) x,3 x,9 x,3 x,4 = x 6, x 5, 40 x 7, 30 x 6, = Y n c) x,9 = x 9,0 x 9,8 = Y o c) x 9,0 = x 0,8 = Y p c3) x 9,8 x 0,8 = x 8,7 = Y q c4) x 8,7 = x 7, = Y r c5) x,3 x,9 x,3 x,4 = x 6, x 5, x 7, x 6, = Y s c6) x,4 x 3,4 = x 4,6 x 4,5 = Y t c7) x 4,6 = x 6, = Y u c8) x,3 x,9 x,3 x,4 = x6, x5, x7, x6, = Yv c9) x,3 = x3,4 = Yw c0) x,4 x 3,4 = x 4,6 x 4,5 = Y x c) x 4,5 = x 5, =Y y d) Y i { 0,} ; i = a, b, c, d, e, f, h, n, o, p, q, r, s, t, u, v, w, x, y e) 700 D i D i 00 ; i = a, b, c, d, e, f, h, n, o, p, q, r, s, t, u, v, w,x, y f) x,3 = D - a 40 D a f) x 3,4 = D - b 60 D b f3) x 4,5 = D - c 30 D c f4) x 5,6 = D - d 30 D d f5) x 6, = D - e 5 D e f6) x 3,5 = D - h 30 D h f7) x 9,8 = D - l 30 D l f8) x,9 = D - n 30 D n

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI 8 I PENDAHULUAN Latar elakang Pendistribusian suatu barang merupakan persoalan yang sering diumpai baik oleh pemerintah maupun oleh produsen Dalam pelaksanaannya sering kali dihadapkan pada berbagai masalah

Lebih terperinci

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya

Lebih terperinci

PENYELESAIAN MASALAH DESAIN NETWORK TAKBERKAPASITAS DENGAN DEKOMPOSISI BENDERS DAN METODE BRANCH-AND- BOUND PUTI PARAMITA ROSLIYANTI

PENYELESAIAN MASALAH DESAIN NETWORK TAKBERKAPASITAS DENGAN DEKOMPOSISI BENDERS DAN METODE BRANCH-AND- BOUND PUTI PARAMITA ROSLIYANTI PENYELESAIAN MASALAH DESAIN NETWORK TAKBERKAPASITAS DENGAN DEKOMPOSISI BENDERS DAN METODE BRANCH-AND- BOUND PUTI PARAMITA ROSLIYANTI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Lebih terperinci

CATATAN KULIAH RISET OPERASIONAL

CATATAN KULIAH RISET OPERASIONAL CATATAN KULIAH RISET OPERASIONAL Pertemuan minggu pertama ( x 50 menit) Pemrograman Bulat Linear (Integer Linear Programming - ILP) Tuuan Instrusional Umum : Mahasiswa dapat menggunaan algoritma yang

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I 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 terperinci

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

Aplikasi diagonalisasi matriks pada rantai Markov

Aplikasi diagonalisasi matriks pada rantai Markov J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan

Lebih terperinci

RINGKASAN SKRIPSI MODUL PERKALIAN

RINGKASAN SKRIPSI MODUL PERKALIAN RINGKASAN SKRIPSI MODUL PERKALIAN SAMSUL ARIFIN 04/177414/PA/09899 DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS GADJAH MADA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM YOGYAKARTA 2008 HALAMAN PENGESAHAN

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I 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 terperinci

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan

Lebih terperinci

BAB 3 PRINSIP SANGKAR BURUNG MERPATI

BAB 3 PRINSIP SANGKAR BURUNG MERPATI BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana

Lebih terperinci

BAB IV APLIKASI PADA MATRIKS STOKASTIK

BAB IV APLIKASI PADA MATRIKS STOKASTIK BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii

Lebih terperinci

I. PENDAHULUAN. Teori graf merupakan salah satu bagian ilmu dari matematika dan merupakan

I. PENDAHULUAN. Teori graf merupakan salah satu bagian ilmu dari matematika dan merupakan I. PENDAHULUAN. Latar Belaang Teori graf merupaan salah satu bagian ilmu dari matematia dan merupaan poo bahasan yang relatif muda jia dibandingan dengan cabang ilmu matematia yang lain seperti aljabar

Lebih terperinci

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT. BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas

Lebih terperinci

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman. JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses

Lebih terperinci

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama

Lebih terperinci

Optimasi Non-Linier. Metode Numeris

Optimasi Non-Linier. Metode Numeris Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3

Lebih terperinci

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain 8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan

Lebih terperinci

PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK

PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK Nurul Khotimah *), Farida Hanum, Toni Bahtiar Departemen Matematia FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp

Lebih terperinci

BAB III METODE SCHNABEL

BAB III METODE SCHNABEL BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan

Lebih terperinci

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

KARAKTERISTIK POHON FUZZY

KARAKTERISTIK POHON FUZZY KARAKTERISTIK POHON FUZZY Yuli Stiawati 1, Dwi Juniati 2, 1 Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan Alam, Universitas Negeri Surabaya, 60231 2 Jurusan Matematia, Faultas Matematia dan

Lebih terperinci

MATA KULIAH MATEMATIKA TEKNIK 2 [KODE/SKS : KD / 2 SKS] Ruang Vektor

MATA KULIAH MATEMATIKA TEKNIK 2 [KODE/SKS : KD / 2 SKS] Ruang Vektor MATA KULIAH MATEMATIKA TEKNIK [KODE/SKS : KD4 / SKS] Ruang Vetor FIELD: Ruang vetor V atas field salar K adalah himpunan ta osong dengan operasi penjumlahan vetor dan peralian salar. Himpunan ta osong

Lebih terperinci

MASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS

MASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS Seminar Sains Penidi Sains VI UKSW Salatiga Juni 0 MSLH VEKTOR EIGEN MTRIKS INVERS MONGE DI LJBR MX-PLUS Farida Suwaibah Subiono Mahmud Yunus Jurusan Matematia FMIP Institut Tenologi Sepuluh Nopember Surabaya

Lebih terperinci

SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA

SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA I Nengah Suparta dan I. B. Wiasa Jurusan Pendidian MatematiaUniversitas Pendidian Ganesha E-mail: isuparta@yahoo.com ABSTRAK:

Lebih terperinci

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan

Lebih terperinci

BAB IV Solusi Numerik

BAB IV Solusi Numerik BAB IV Solusi Numeri 4. Algoritma Genetia Algoritma Genetia (AG) [2] merupaan teni pencarian stoasti yang berdasaran pada meanisme selesi alam dan prinsip penurunan genetia. Algoritma genetia ditemuan

Lebih terperinci

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti

Lebih terperinci

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL Sarta Meliana 1, Mashadi 2, Sri Gemawati 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan

Lebih terperinci

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( ) PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132

Lebih terperinci

OPTIMASI PENGATURAN RUTE KENDARAAN DENGAN MUATAN KONTAINER PENUH MENGGUNAKAN METODE DEKOMPOSISI LAGRANGIAN

OPTIMASI PENGATURAN RUTE KENDARAAN DENGAN MUATAN KONTAINER PENUH MENGGUNAKAN METODE DEKOMPOSISI LAGRANGIAN OIMASI ENGAURAN RUE KENARAAN ENGAN MUAAN KONAINER ENUH MENGGUNAKAN MEOE EKOMOSISI LAGRANGIAN Ahmed ata Fardiaz Rully Soelaiman S.Kom M.Kom Jurusan eni Informatia Faultas enologi Informasi Institut enologi

Lebih terperinci

BAB 2 TEORI PENUNJANG

BAB 2 TEORI PENUNJANG BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I 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 terperinci

III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT

III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT 3.1 Studi Literatur tentang Pengelolaan Sampah di Beberapa Kota di Dunia Kaian ilmiah dengan metode riset operasi tentang masalah

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.

Lebih terperinci

OSN 2014 Matematika SMA/MA

OSN 2014 Matematika SMA/MA Soal 5. Suatu barisan bilangan asli a 1, a 2, a 3,... memenuhi a + a l = a m + a n untu setiap bilangan asli, l, m, n dengan l = mn. Jia m membagi n, butian bahwa a m a n. Solusi. Andaian terdapat bilangan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,

Lebih terperinci

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat

Lebih terperinci

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium

Lebih terperinci

GENERALISASI METODE TALI BUSUR UNTUK MENYELESAIKAN PERSAMAAN TAK LINEAR SUNARSIH

GENERALISASI METODE TALI BUSUR UNTUK MENYELESAIKAN PERSAMAAN TAK LINEAR SUNARSIH GENERALISASI METODE TALI BUSUR UNTUK MENYELESAIKAN PERSAMAAN TAK LINEAR SUNARSIH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRACT SUNARSIH.

Lebih terperinci

II TINJAUAN PUSTAKA 2.1 Graf Definisi 1 (Graf, Graf Berarah dan Graf Takberarah) 2.2 Linear Programming

II 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 terperinci

BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman

BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman JMP : Volume 4 Nomor 2, Desember 2012, hal. 271-278 BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE Triyani dan Irham Taufiq Universitas Jenderal Soedirman trianisr@yahoo.com.au ABSTRACT.

Lebih terperinci

MAT. 12. Barisan dan Deret

MAT. 12. Barisan dan Deret MAT.. Barisan dan Deret i Kode MAT. Barisan dan Deret U, U, U3,..., Un,... Un a + (n-)b U + U +..., Un +... n?? Sn? BAGIAN PROYEK PENGEMBANGAN KURIKULUM DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN DIREKTORAT

Lebih terperinci

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang

Lebih terperinci

Variasi Spline Kubik untuk Animasi Model Wajah 3D

Variasi Spline Kubik untuk Animasi Model Wajah 3D Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,

Lebih terperinci

Y = + x + x x + e, e N(0, ), Residual e=y -Yˆ

Y = + x + x x + e, e N(0, ), Residual e=y -Yˆ Yogyaarta, 26 Noember 206 ISSN : 979 9X eissn : 25 528X ANALISIS PSEUDOINVERS DAN APLIKASINYA PADA REGRESI LINEAR BERGANDA Kris Suryowati Program Studi Statistia, Faultas Sains erapan, Institut Sains dan

Lebih terperinci

METODE FUNGSI PENALTI EKSTERIOR. Skripsi. Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Sains Program Studi Matematika

METODE FUNGSI PENALTI EKSTERIOR. Skripsi. Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Sains Program Studi Matematika METODE FUNGSI PENALTI EKSTERIOR Sripsi Diajuan untu Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Sains Program Studi Matematia Disusun Oleh : Maria Martini Leto Kurniawan NIM : 03409 PROGRAM STUDI

Lebih terperinci

MODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT)

MODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT) MODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT) Asmara Iriani Tarigan (asmara@ut.ac.id) Sitta Alief Farihati Jurusan Matematia

Lebih terperinci

Makalah Seminar Tugas Akhir

Makalah Seminar Tugas Akhir Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,

Lebih terperinci

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry

Lebih terperinci

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Pada bab ini disampaian beberapa pengertian dasar yang diperluan pada bab selanutnya. Selain definisi, diberian pula lemma dan teorema dengan atau tanpa buti. Untu beberapa teorema

Lebih terperinci

ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 2892

ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 2892 ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 2892 PENENTUAN RUTE ARADA ENGGUNAKAN ALOGARITA TABU SEARCH PADA HOOGENUS FLEET VEHICLE ROUTING PROBLE WITH TIE WINDOWS DI PT.

Lebih terperinci

BAB III DIMENSI PARTISI GRAF KIPAS DAN GRAF KINCIR

BAB III DIMENSI PARTISI GRAF KIPAS DAN GRAF KINCIR BAB III DIMENSI PARTISI GRAF KIPAS DAN GRAF KINCIR 3. Dimensi Partisi Graf Kipas (F n ) Berdasaran Proposisi dan Proposisi, semua graf G selain graf P n dan K n memilii 3 pd(g) n -. Lebih husus, graf Kipas

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA 1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii

Lebih terperinci

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil

Lebih terperinci

Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya

Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya J. Math. and Its Appl. ISSN: 1829-605X Vol. 2, No. 1, May. 2005, 37 45 Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya Sadjidon Jurusan Matematia Institut Tenologi Sepuluh Nopember,

Lebih terperinci

SOLUSI BAGIAN PERTAMA

SOLUSI BAGIAN PERTAMA SOLUSI BAGIAN PERTAMA 1. 13.. 931 3. 4 9 4. 63 5. 3 13 13 6. 3996 7. 1 03 8. 3 + 9 9. 3 10. 4 11. 6 1. 9 13. 31 14. 383 8 15. 1764 16. 5 17. + 7 18. 51 19. 8 0. 360 1 SOLUSI BAGIAN PERTAMA Soal 1. Misalan

Lebih terperinci

SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK (STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS)

SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK (STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS) Prosiding Semirata15 bidang MIPA BKS-PTN Barat Hal 357-36 SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS) Budi Rudianto 1, Narwen Jurusan

Lebih terperinci

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam

Lebih terperinci

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA

Lebih terperinci

INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh

INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON Maalah Disusun guna memenuhi tugas Mata Kuliah Metode Numeri yang dibimbing oleh Dr. Nur Shofianah Disusun oleh: M. Adib Jauhari Dwi Putra 146090400111001

Lebih terperinci

PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV

PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV PERENCANAAN JUMLAH TENAGA PERAWAT DI RSUD PAMEKASAN MENGGUNAKAN RANTAI MARKOV Nama Mahasiswa : Husien Haial Fasha NRP : 1207 100 011 Jurusan : Matematia FMIPA-ITS Dosen Pembimbing : Drs. Suharmadi, Dipl.

Lebih terperinci

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id

Lebih terperinci

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR) SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi

Lebih terperinci

KORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK

KORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas

Lebih terperinci

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract

Lebih terperinci

4. 1 Spesifikasi Keadaan dari Sebuah Sistem

4. 1 Spesifikasi Keadaan dari Sebuah Sistem Dalam pembahasan terdahulu ita telah mempelajari penerapan onsep dasar probabilitas untu menggambaran sistem dengan jumlah partiel ang cuup besar (N). Pada bab ini, ita aan menggabungan antara statisti

Lebih terperinci

Modifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa

Modifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa 187 Modifiasi ACO untu Penentuan Rute Terpende e Kabupaten/Kota di Jawa Ahmad Jufri, Sunaryo, dan Purnomo Budi Santoso Abstract This research focused on modification ACO algorithm. The purpose of this

Lebih terperinci

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER Oleh: Supardi SEKOLAH PASCA SARJANA JURUSAN ILMU FISIKA UNIVERSITAS NEGERI YOGYAKARTA 2012 1 PENDAHULUAN Liquid Crystal elastomer (LCE

Lebih terperinci

Pengaruh Masuknya Penambahan Pembangkit Baru kedalam Jaringan 150 kv pada Kapasitas Circuit Breaker

Pengaruh Masuknya Penambahan Pembangkit Baru kedalam Jaringan 150 kv pada Kapasitas Circuit Breaker Pengaruh Masunya Penambahan Pembangit Baru edalam Jaringan 150 V pada Kapasitas Circuit Breaer Emelia, Dian Yayan Suma Jurusan Teni Eletro Faultas Teni Universitas Riau Kampus Binawidya Km 12,5 Simpang

Lebih terperinci

REDUKSI MODEL ALIRAN AIR SUNGAI SATU DIMENSI DENGAN METODE SINGULAR PERTURBATION APPROXIMATION

REDUKSI MODEL ALIRAN AIR SUNGAI SATU DIMENSI DENGAN METODE SINGULAR PERTURBATION APPROXIMATION TUGAS AKHIR SM141501 REDUKSI MODEL ALIRAN AIR SUNGAI SATU DIMENSI DENGAN METODE SINGULAR PERTURBATION APPROXIMATION AIRIN NUR HIDAYATI NRP 113 100 095 Dosen Pembimbing Dr. Didi Khusnul Arif, S.Si, M.Si.

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 3 LANGKAH PEMECAHAN MASALAH BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti

Lebih terperinci

PELABELAN SUPER SISI AJAIB PADA GRAF MULTI STAR

PELABELAN SUPER SISI AJAIB PADA GRAF MULTI STAR LAPORAN PENELITIAN BERSAMA DOSEN-MAHASISWA PELABELAN SUPER SISI AJAIB PADA GRAF MULTI STAR Ketua Tim: ABDUSSAKIR, M.Pd FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Gambar 2.1 Graf dengan 4 node dan 5 edge

BAB II TINJAUAN PUSTAKA. Gambar 2.1 Graf dengan 4 node dan 5 edge BAB II TINJAUAN PUSTAKA 2.1. Teori Graf Graf digunaan untu merepresentasian obje-obje disrit dan hubungan antara obje-obje tersebut (Munir, 2005). Dalam menggambar graf, simpul digambaran dengan lingaran

Lebih terperinci

PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL

PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL Reisha Humaira NIM 13505047 Program Studi Teni Informatia Institut Tenologi Bandung Jl. Ganesha 10, Bandung E-mail : if15047@students.if.itb.ac.id

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN 1.1 Latar Belakang Salah satu observasi yang berguna dalam bidang komputasi di tahun 1970 adalah observasi terhadap permasalahan relaksasi Lagrange. Josep Louis Lagrange merupakan tokoh ahli

Lebih terperinci

tidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama

tidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama BB IV PENGENDLIN TERDESENTRLISSI Untu menstabilan sistem yang tida stabil, dengan syarat sistem tersebut tida mempunyai fixed mode terdesentralisasi, dapat dilauan dengan memberian ompensator terdesentralisasi.

Lebih terperinci

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series) III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut

Lebih terperinci

pada Permasalahan Traveling Salesman Problem

pada Permasalahan Traveling Salesman Problem Studi Perbandingan Algoritma Ant Colony System dan Algoritma Ant System Leonardo Z Tomarere Laboratorium Ilmu dan Reayasa Komputasi Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Jl. Ganesa

Lebih terperinci

3.1 TEOREMA DASAR ARITMATIKA

3.1 TEOREMA DASAR ARITMATIKA 3. TEOREMA DASAR ARITMATIKA Definisi 3. Suatu bilangan bulat > disebut (bilangan) rima, jia embagi ositif bilangan tersebut hanya dan. Jia bilangan bulat lebih dari satu buan bilangan rima disebut (bilangan)

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Masalah

BAB I PENDAHULUAN Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dalam kehidupan sehari-hari, masalah yang berhubungan dengan optimisasi sering kali terjadi, misalnya dalam bidang ekonomi dan industri sering dijumpai masalah

Lebih terperinci

MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/f(x) DAN h(x)/f(x) ABSTRACT

MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/f(x) DAN h(x)/f(x) ABSTRACT MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/(x DAN h(x/(x Yuliana Saitri 1, Sri Gemawati 2, Musraini 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Tinjauan Pustaa Untu menacapai tujuan penulisan sripsi, diperluan beberapa pengertian dan teori yang relevan dengan pembahasan. Karena itu, dalam subbab ini aan diberian beberapa

Lebih terperinci

Proses Keputusan Markovian

Proses Keputusan Markovian Proses Keputusan Marovian 1 Pengantar Proses eputusan Marovian adalah proses eputusan stoasti/probabilistidimana banyanya state adalah hingga (finit). Melibatan dua buah matris: matris transisi (P) dan

Lebih terperinci

KENNETH CHRISTIAN NATHANAEL

KENNETH CHRISTIAN NATHANAEL KENNETH CHRISTIAN NATHANAEL. Sistem Bilang Real. Fungsi dan Grafi. Limit dan Keontinuan 4. Limit Ta Hingga 5. Turunan Fungsi 6. Turunan Fungsi Trigonometri 7. Teorema Rantai 8. Turunan Tingat Tinggi 9.

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA.1 Sifat Dasar Neutron Neutron yang dihasilan dari reator nulir biasanya merupaan neutron berenergi rendah. Secara umum, neutron energi rendah dapat dilasifiasian dalam tiga enis yaitu

Lebih terperinci

PENGGUNAAN METODE HEURISTIK DALAM PERMASALAHAN VEHICLE ROUTING PROBLEM DAN IMPLEMENTASINYA DI PT NIPPON INDOSARI CORPINDO AJI RADITYA

PENGGUNAAN METODE HEURISTIK DALAM PERMASALAHAN VEHICLE ROUTING PROBLEM DAN IMPLEMENTASINYA DI PT NIPPON INDOSARI CORPINDO AJI RADITYA PENGGUNAAN METODE HEURISTIK DALAM PERMASALAHAN VEHICLE ROUTING PROBLEM DAN IMPLEMENTASINYA DI PT NIPPON INDOSARI CORPINDO AJI RADITYA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Lebih terperinci

Transformasi Wavelet Diskret Untuk Data Time Series

Transformasi Wavelet Diskret Untuk Data Time Series SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 015 Transformasi Wavelet Disret Untu Data Time Series S - 11 11 Vemmie Nastiti Lestari, Subanar Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan

Lebih terperinci

II LANDASAN TEORI. suatu fungsi dalam variabel-variabel. adalah suatu fungsi linear jika dan hanya jika untuk himpunan konstanta,.

II 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 terperinci

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro

Lebih terperinci

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia

Lebih terperinci