BAB III PEMODELAN MASALAH

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB III PEMODELAN MASALAH"

Transkripsi

1 BAB III PEMODELAN MASALAH Masalah penjadwalan kereta api jalur tunggal dapat dimodelkan sebagai sebuah kasus khusus dari masalah penjadwalan Job-Shop. Hal ini dilakukan dengan menganggap perjalanan sebuah kereta api sebagai pekerjaan yang harus dijadwalkan pada sekumpulan sumber daya yang berupa petak-petak blok pada jalur kereta api [OLI00]. Sebuah perjalanan kereta api terdiri atas operasi-operasi yang harus dikerjakan secara berturutan dimana setiap operasi tersebut adalah bagian perjalanan kereta api melewati sebuah petak blok. Urutan operasi-operasi yang harus dikerjakan sama dengan urutan petak blok yang harus dilewati oleh kereta api tersebut. Hal ini dapat dilihat dari rute yang harus dilalui oleh kereta api. Tidak semua aturan-aturan atau batasan-batasan pada perjalanan kereta api jalur tunggal dapat direpresentasikan dengan baik dengan model masalah penjadwalan Job-Shop. Hal ini karena pencarian solusi masalah penjadwalan dengan batasan yang terlalu banyak membutuhkan waktu yang sangat lama. Selain itu, implementasi beberapa aturan tertentu bisa menyebabkan jadwal yang diperoleh memiliki total keterlambatan yang besar. Oleh karena itu, ada beberapa aturan yang dimodelkan dan ada beberapa yang tidak. Hal pertama yang dilakukan dalam penyelesaian masalah penjadwalan kereta api jalur tunggal dengan menggunakan pendekatan constraint programming adalah representasi masalah menjadi sebuah CSP. Dalam hal ini, harus ditentukan variabel, domain dan batasan-batasan pada CSP tersebut. Setelah representasi CSP selesai dibuat, urutan penggunaan petak-petak blok oleh operasi-operasi semua perjalanan kereta api direpresentasikan dengan model graf disjungtif. Algoritma Local Search yang akan digunakan pada Tugas Akhir ini untuk menyelesaikan masalah penjadwalan kereta api jalur tunggal adalah Hill Climbing. Dalam pencarian solusi dengan model penjadwalan Job-Shop, algoritma ini terdiri atas dua bagian utama [OLI00]. Bagian pertama adalah III-1

2 III-2 pencarian solusi awal. Solusi awal ini mungkin memiliki total keterlambatan yang cukup besar. Pencarian solusi yang memiliki total keterlambatan lebih kecil dilakukan dengan menggunakan konsep lintasan kritis dan ketetanggaan pada solusi yang telah ditemukan. Dengan konsep ketetanggaan, dimungkinkan pembangkitan sebuah solusi baru dari solusi yang telah ditemukan sebelumnya dengan cepat. Solusi baru ini kemudian dihitung total keterlambatannya, apakah lebih kecil atau lebih besar daripada solusi awal yang ditemukan sebelumnya. Proses ini dilakukan secara iteratif sampai tidak ada tetangga yang memiliki total keterlambatan yang lebih kecil. 3.1 Deskripsi Pemodelan Masalah Penjadwalan Kereta Api Jalur Tunggal dengan Model Masalah Penjadwalan Job-Shop Bagian utama pemodelan masalah penjadwalan kereta api jalur tunggal dengan model masalah penjadwalan Job-Shop telah dijelaskan sebelumnya, yaitu peran perjalanan kereta api dan petak-petak blok sebagai pekerjaan dan sumber daya pada masalah penjadwalan Job-Shop. Untuk selanjutnya, istilah pekerjaan dan perjalanan kereta api akan dianggap sama dan digunakan secara bergantian. Demikian juga dengan sumber daya dan petak-petak blok. Penggunaan istilahistilah tesebut tergantung pada representasi yang sedang digunakan. Sekarang misalkan diberikan n buah perjalanan kereta api J 1, J 2,..., J n yang harus dijadwalkan pada m buah rute. Setiap rute terdiri atas petak-petak blok dan stasiun yang berturutan. Jika sebuah perjalanan J i melewati sebuah rute yang terdiri atas k buah petak blok, maka pekerjaan yang merepresentasikan perjalanan J i tersebut terdiri atas k buah operasi o i1, o i2,..., o ik. Setiap operasi yang dilakukan dalam perjalanan J i tersebut menggunakan tepat satu sumber daya berupa satu petak blok yang ada pada rute yang dilalui, yaitu operasi o ij menggunakan petak blok ke-j pada rute yang dilalui oleh J i. Dengan demikian, urutan operasi pada pekerjaan J i ditentukan oleh urutan petak-petak blok pada rute yang dilalui oleh J i.

3 III-3 Dalam masalah penjadwalan Job-Shop secara umum, waktu penggunaan sumber daya oleh suatu operasi diberikan sebagai input. Dalam masalah penjadwalan kereta api, waktu ini sama dengan lama waktu perjalanan kereta api melewati sebuah petak blok. Hal ini dapat ditentukan dari kecepatan kereta api dan jarak petak blok dengan rumus waktu = jarak / kecepatan. Karena kecepatan hanya digunakan untuk penentuan lama penggunaan petak blok oleh suatu kereta api, maka dalam Tugas Akhir ini, kecepatan kereta api diasumasikan selalu konstan. Percepatan ketika meninggalkan stasiun maupun perlambatan ketika kereta berhenti di stasiun tidak akan diperhitungkan. Ada satu perbedaan antara masalah penjadwalan Job-Shop yang digunakan untuk memodelkan masalah penjadwalan kereta api jalur tunggal ini dengan masalah penjadwalan Job-Shop secara umum. Pada masalah penjadwalan Job-Shop secara umum, sebuah pekerjaan dapat ditunda di awal operasi manapun ketika operasi tersebut harus menunggu sebuah sumber daya yang sedang digunakan oleh pekerjaan lain. Pada masalah penjadwalan kereta api, hal ini tidak berlaku karena kereta api hanya boleh berhenti di stasiun dan tidak bisa berhenti di awal sembarang petak blok (di persinyalan). Dengan demikian, penundaan sebuah perjalanan kereta api hanya bisa dilakukan di awal operasi jika akhir dari operasi sebelumnya menggunakan petak blok yang berakhir di stasiun. Secara ringkas, pemetaan (mapping) yang dilakukan dalam pemodelan ini disajikan pada Tabel III-1 berikut. Tabel III-1 Pemetaan (Mapping) Masalah Penjadwalan Kereta Api Jalur Tunggal dengan Model Masalah Penjadwalan Job-Shop Unsur-Unsur Masalah Penjadwalan Model Masalah Penjadwalan Job-Shop Kereta Api Jalur Tunggal Perjalanan kereta api Pekerjaan PetakBlok Sumber daya atau mesin

4 III-4 Unsur-Unsur Masalah Penjadwalan Kereta Api Jalur Tunggal Bagian perjalanan melewati satu petak blok Jarak petak blok dibagi kecepatan kereta api di petak blok Rute perjalanan sebagai urutan stasiun dan petak-petak blok yang harus dilalui perjalanan tersebut Konflik terjadi jika dua perjalanan menggunakan satu petak blok yang sama Penundaan atau pemberhentian perjalanan kereta api di stasiun Waktu keberangkatan perjalanan di stasiun untuk menggunakan petak jalan di depannya Waktu tiba suatu perjalanan di stasiun tujuan jika tidak terjadi penundaan Waktu tiba suatu perjalanan di stasiun tujuan setelah terjadi penundaan (untuk mencegah terjadinya konflik) Model Masalah Penjadwalan Job-Shop Operasi Lama waktu penggunaan sumber daya oleh operasi Urutan penggunaan sumber daya oleh sutau pekerjaan Konflik terjadi jika dua operasi menggunakan sumber daya yang sama Pekerjaan menunggu beberapa waktu untuk menggunakan suatu sumber daya Waktu pelepasan pekerjaan untuk menggunakan sumber daya atau sama juga dengan waktu pelepasan operasi Waktu harapan selesai suatu pekerjaan Waktu selesai sebenarnya suatu pekerjaan Penjadwalan masalah kereta api jalur tunggal selanjutnya didefinisikan sebagai pencarian waktu keberangkatan setiap kereta api di stasiun-stasiun yang harus dilaluinya. Dengan menggunakan model masalah penjadwalan Job-Shop, penjadwalan perjalanan kereta api ini kemudian didefinisikan sebagai pencarian waktu pelepasan operasi-operasi yang membentuk perjalanan-perjalanan yang ada.

5 III CSP dari Model Masalah Setelah pemodelan masalah selesai dilakukan, hal pertama yang harus dilakukan untuk mencari solusi penjadwalan dengan pendekatan constraint programming adalah merepresentasikan model sebagai sebuah CSP [MON01]. Berikut akan diuraikan lebih jauh mengenai hal ini Variabel dan Domain CSP Masalah penjadwalan Job-Shop merupakan salah satu contoh CSP. Dengan demikian, model yang telah dibuat juga dapat direpresentasikan sebagai sebuah CSP. Misalkan d ij menyatakan waktu pelepasan setiap operasi o ij pada perjalanan kereta api J i (o ij adalah bagian perjalanan J i melewati petak blok ke-j pada rute yang dilalui). Himpunan variabel V pada CSP adalah {d ij : 1 i n dan 1 j O i }, dimana O i menyatakan himpunan operasi yang harus dijalankan pada pekerjaan J i. Hal ini karena waktu-waktu pelepasan itulah yang harus dicari dalam masalah penjadwalan kereta api. Dalam Tugas Akhir ini, satuan waktu terkecil yang digunakan dalam penjadwalan adalah satu menit dan penjadwalan kereta api dilakukan dalam satu hari. Dengan demikian, domain dari tiap variabel pada CSP tersebut adalah bilangan asli antara 1 sampai dengan 1440 (hal ini karena satu hari terdiri atas 1440 menit). Batasan-batasan dalam CSP dibuat berdasarkan aturan-aturan perjalanan kereta api seperti telah dijelaskan pada bab sebelumnya Batasan-Batasan yang Dimodelkan dalam CSP Tidak semua aturan atau batasan dalam perjalanan kereta api jalur tunggal akan dimodelkan sebagai batasan dalam CSP. Aturan-aturan yang akan dimodelkan adalah aturan persilangan, penyusulan, aturan headway, batas kecepatan maksimal petak blok dan batas waktu minimal dan maksimal penundaaan kereta api di

6 III-6 stasiun (batasan yang terakhir ini sama dengan aturan bahwa suatu kereta api harus berhenti di suatu stasiun tertentu). Batasan urutan prioritas kereta api yang menggunakan petak blok yang sama tidak akan dimodelkan. Hal ini karena urutan kereta api yang menggunakan petak blok akan ditentukan ketika penjadwalan berlangsung. Urutan ini akan diatur untuk mendapatkan total keterlambatan yang sekecil mungkin. Jika batasan ini diimplementasikan, bisa terjadi sebuah kereta api tidak mengalami penundaan sama sekali di stasiun. Selain itu, mungkin ada kereta api lain yang akan selalu ditunda ketika akan menggunakan suatu petak blok yang sama dengan kereta api lain dengan prioritas lebih tinggi. Hal ini bisa menyebabkan total keterlambatan yang besar. Batasan kapasitas maksimal stasiun juga tidak akan dimodelkan karena batasan tersebut merupakan batasan n-ary. Pencarian solusi CSP dengan batasan n-ary membutuhkan waktu lama [OLI01]. Selain itu, konflik karena batasan ini juga sangat jarang terjadi. Dan kalau terjadi, hal ini bisa diatasi secara manual dengan menambahkan satu batasan tambahan, yaitu salah satu kereta api harus berhenti di stasiun sebelumnya. Karena alasan ini, semua stasiun akan diasumsikan memiliki kapasitas tak-berhingga. Jalur ganda yang akan diimplementasikan dalam Tugas Akhir ini adalah jalur kembar. Jalur kembar akan dimodelkan sebagai jalur tunggal yang tidak memiliki aturan persilangan. Jalur ganda secara umum tidak diimplementasikan karena pada prakteknya, jarang terjadi dua kereta api berjalan beriring-iringan Representasi Intensional Batasan-Batasan CSP Batasan-batasan yang akan diimplementasikan akan direpresentasikan secara intensional dengan menggunakan rumus-rumus matematis. Notasi-notasi yang digunakan sama dengan penjelasan sebelumnya, yaitu d ij menyatakan operasi ke-j pada perjalanan J i dan p ij adalah lama waktu pemrosesan operasi tersebut menggunakan petak blok ke-j pada rute yang dilalui oleh perjalanan J i.

7 III-7 Batasan yang pertama adalah urutan operasi pada satu perjalanan kereta api. Operasi ke-(j+1) pada perjalanan J i hanya bisa dijalankan setelah operasi ke-j telah selesai dikerjakan. Dengan kata lain, waktu pelepasan operasi o i(j+1) harus lebih dari atau sama dengan waktu pelepasan operasi o ij ditambah lama waktu pemrosesan operasi tersebut. Hal ini direpresentasikan secara intensional dengan rumus [OLI01] d i(j+1) d ij + p ij. Dengan menggunakan graf disjungtif, batasan di atas akan menjadi sebuah sisi berarah konjungtif. Aturan persilangan dan aturan penyusulan pada dasarnya adalah dua batasan yang sama, yaitu dua buah kereta api tidah boleh menggunakan petak blok yang sama dalam waktu yang sama. Misalkan perjalanan J i dan perjalanan J i menggunakan petak blok yang sama, yaitu petak blok ke-j pada rute yang dilalui oleh J i dan petak blok ke-j pada rute yang dilalui oleh J i. Maka operasi o ij dan o i j akan menggunakan petak blok yang sama. Untuk itu urutan penggunakan petak blok harus ditentukan. Jika operasi o ij ingin dikerjakan lebih dulu pada petak blok tersebut, maka batasan yang harus dipenuhi direpresentasikan secara intensional sebagai d i j d ij + p ij, dan jika sebaliknya maka representasinya adalah d ij d i j + p i j. Karena urutan ini tidak diberikan ketika input (pengurutan statis), melainkan ditentukan ketika proses penjadwalan berlangsung (pengurutan dinamis), maka batasan yang harus dipenuhi menjadi [OLI01] d i j d ij + p ij atau d ij d i j + p i j. Batas kecepatan maksimal kereta api tidak perlu dimodelkan sebagai batasan dalam CSP. Hal ini karena kecepatan maksimal hanya berpengaruh pada lama waktu penggunaan petak blok oleh kereta api yang bersangkutan. Jadi, batasan ini hanya digunakan untuk perhitungan p ij saja.

8 III-8 Sekarang misalkan sebuah perjalanan J i harus berhenti di suatu stasiun antara petak blok ke-j dan petak blok ke-(j+1) pada rute yang dilaluinya. Lama waktu minimal dan maksimal perhentian kereta tersebut di stasiun berturut-turut adalah m ij dan M ij. Dengan demikian, waktu pelepasan operasi ke-(j+1) harus lebih dari atau sama dengan waktu tiba kereta api di stasiun ditambah lama waktu minimal pemberherhentian kereta api di stasiun. Representasi intensional dari batasan ini adalah d i(j+1) d ij + p ij + m ij karena d ij + p ij adalah waktu tiba kereta api di stasiun. Selain itu, waktu pelepasan operasi o i(j+1) harus kurang dari waktu tiba kereta di stasiun ditambah lama waktu maksimal pemberhentian kereta api di stasiun. Representasi intensional dari hal ini adalah d i(j+1) d ij + p ij + M ij. Jadi, batas waktu minimal dan maksimal penundaan perjalanan kereta api di stasiun dapat direpresentasikan dengan batasan d i(j+1) d ij + p ij + m ij dan d i(j+1) d ij + p ij + M ij. 3.3 Graf Disjungtif dari Model Masalah Model graf disjungtif yang digunakan untuk merepresentasikan model penjadwalan Job-Shop dari masalah penjadwalan kereta api jalur tunggal ini sama dengan graf disjungtif yang telah dijelaskan pada Bab II. Yang berbeda adalah struktur lintasan kritis dan ketetanggaan yang digunakan Struktur Lintasan Kritis Lintasan kritis dibentuk oleh beberapa operasi tertentu. Jika diberikan sebuah solusi dari masalah penjadwalan kereta api berupa jadwal yang memenuhi semua batasan yang ada, beberapa operasi yang urutan pengerjaannya tidak dapat diubah tanpa mengubah nilai fungsi objektif membentuk sebuah lintasan kritis. Definisi tersebut dapat digunakan pada masalah penjadwalan Job-Shop dengan menggunakan keterlambatan total sebagai fungsi objektifnya [OLI01].

9 III-9 Selama proses penjadwalan berlangung, operasi-operasi yang mengalami konflik karena menggunakan sumber daya yang sama harus ditentukan urutannya (urutan penggunaan sumber daya tersebut). Misalkan operasi o ij dengan operasi o i j mengalami konflik karena menggunakan sebuah sumber daya yang sama. Penentuan urutan tersebut dilakukan dengan menambahkan sebuah batasan urutan penggunaan sumber daya, misalnya o ij o i j yang berarti bahwa operasi o ij menggunakan sumber daya sebelum operasi o i j. Dalam kasus seperti ini, kedua operasi tersebut mungkin memiliki jadwal yang berturutan (adjacent schedule) pada solusi yang ditemukan, yaitu operasi o i j dilakukan tepat setelah operasi o ij selesai. Secara matematis hal ini dituliskan sebagai d i j = d ij + p ij. Himpunan semua operasi-operasi yang memiliki jadwal berturutan akan menjadi bagian dari lintasan kritis [OLI01]. Sisi pada graf disjungtif yang menghubungkan dua operasi dengan jadwal yang berturutan disebut sebagai sisi kritis. Algoritma untuk menjadwalkan operasi-operasi pada perjalanan kereta api didasarkan pada pengurutan operasi-operasi tersebut dalam penggunaan petakpetak blok yang ada sehingga tidak terjadi konflik. Kemudian pencarian jadwal layak yang lebih baik didasarkan pada pemilihan sisi-sisi kritis pada lintasan kritis yang akan diubah arahnya sehingga mengubah urutan operasi-operasi dalam penggunaan petak-petak blok Struktur Ketetanggaan Terdapat beberapa struktur ketetanggaan di literatur-literatur untuk masalah penjadwalan Job-Shop sebagaimana telah dijelaskan pada Bab II. Namun tidak banyak referensi yang menggunakan total keterlambatan sebagai fungsi objektif yang harus diminimalkan. Dalam Tugas Akhir ini, struktur ketetanggaan yang digunakan didasarkan pada struktur lintasan kritis dan sisi-sisi kritis yang dijelaskan pada bagian sebelumnya. Dengan menggunakan struktur ini, banyaknya tetangga dari sebuah solusi sama dengan banyaknya sisi-sisi kritis

10 III-10 pada solusi tersebut, yaitu banyaknya pasangan-pasangan operasi yang memiliki jadwal yang berturutan (adjacent operations). Sisi-sisi kritis ini digunakan sebagai dasar perubahan sebuah solusi yang ditemukan menjadi solusi lain (tetangga dari solusi yang telah ditemukan) dengan tujuan mencari solusi yang lebih baik (memiliki total keterlambatan yang lebih kecil). Hal ini dilakukan dengan mengubah urutan dua buah operasi yang terhubung oleh sebuah sisi kritis [OLI01]. Dengan demikian, sebuah tetangga dari suatu solusi ditentukan oleh sepasang operasi yang terhubung oleh sebuah sisi kritis. Misalkan sebuah solusi memiliki sisi kritis (o ij o i j ), yaitu operasi o i j menggunakan sumber daya yang sama dengan operasi o ij dan operasi o i j dilakukan tepat setelah operasi o ij selesai menggunakan sumber daya (kedua operasi tersebut memiliki jadwal yang berturutan atau adjacent schedule). Salah satu tetangga dari solusi tersebut adalah solusi lain yang memiliki sisi (o i j o ij ) dan sisi-sisi lainnya (baik sisi berarah konjungtif maupun disjungtif) sama dengan sisi-sisi pada solusi sebelumnya. Jadi, pengubahan urutan dua buah operasi yang terhubung oleh sebuah sisi kritis ini dapat digunakan untuk membangkitkan sebuah tetangga dari solusi asal. Hal ini mengakibatkan hilangnya beberapa sisi kritis dari solusi asal dan bisa juga menambah sisi-sisi kritis baru pada tetangga yang dibangkitkan. 3.4 Pencarian Solusi Model Masalah dengan Hill Climbing Algoritma penjadwalan kereta api jalur tunggal yang digunakan pada Tugas Akhir ini terdiri atas dua bagian utama. Bagian pertama adalah pencarian sebuah solusi awal dan bagian kedua adalah pencarian solusi lain secara progresif untuk mengurangi total keterlambatan dari solusi yang telah ditemukan sebelumnya. Dalam Tugas Akhir ini, hal tersebut dilakukan dengan menggunakan algoritma Hill Climbing. Pseudo-code dari algoritma ini adalah sebagai berikut.

11 III-11 function Find-Good-Solution () solusi Find-First-Solution () repeat himpunan tetangga Nb (solusi) kriteria penghentian True for each tetangga in himpunan tetangga do if TT (tetangga) TT (solusi) then solusi tetangga kriteria penghentian False endif endfor until kriteria penghentian = True return solusi Terdapat tiga fungsi utama pada skema di atas. Fungsi yang pertama adalah Find- First-Solution (). Fungsi ini digunakan untuk mencari satu solusi awal. Pencarian ini dilakukan secara cepat, walaupun total keterlambatan yang diperoleh masih besar. Fungsi yang kedua adalah fungsi ketetanggaan Nb yang mengembalikan himpunan tetangga dari solusi yang sudah ditemukan. Fungsi yang terakhir adalah fungsi objektif TT untuk menghitung total keterlambatan dari sebuah solusi Pencarian Solusi Pertama Implementasi fungsi Find-First-Solution () dilakukan dengan algoritma Local Search. Algoritma ini dimulai dengan pemberian nilai berupa waktu pelepasan pada operasi-operasi sedemikian hingga semua batasan urutan operasi pada satu perjalanan terpenuhi. Hal ini dapat dilakukan dengan cepat menggunakan algoritma DFS pada graf disjungtif. Pemberian nilai pertama kali ini mungkin menyebabkan terjadinya konflik, yaitu adanya dua operasi berbeda yang menggunakan petak blok yang sama. Heuristic yang digunakan dalam algoritma ini untuk menyelesaikan semua konflik yang terjadi adalah strategi kronologis (chronological strategy) dan penentuan urutan operasi yang akan menggunakan petak blok pertama kali dilakukan dengan aturan Shortest Processing Time (SPT) [OLI01].

12 III-12 Secara ringkas, langkah-langkah yang dilakukan dalam algoritma pencarian solusi pertama ini adalah sebagai berikut: 1. Jadwalkan operasi-operasi tanpa melanggar urutan pada satu perjalanan. 2. Buat senarai yang menyimpan konflik karena penggunaan petak blok yang sama. 3. Pilih konflik yang terjadi paling awal dan urutkan penggunaan petak blok berdasarkan aturan SPT. 4. Ubah waktu pelepasan operasi yang ditunda karena konflik dan juga waktu pelepasan operasi-operasi setelahnya pada satu perjalanan yang sama. 5. Ulangi langkah 2, 3 dan 4 di atas sampai senarai pada langkah dua kosong, yaitu tidak ada lagi konflik yang terjadi Strategi Kronologis dalam Penyelesaian Konflik Dalam masalah penjadwalan kereta api, penyelesaian sebuah konflik dengan cara menunda salah satu perjalanan di stasiun selalu dapat menimbulkan konflik baru. Konflik yang baru ini melibatkan operasi-operasi pada perjalanan yang ditunda. Sebagai contoh, misalkan penjadwalan dilakukan dengan menggunakan n perjalanan kereta api. Penjadwalan pertama ini menghasilkan sebuah jadwal yang hanya mengandung satu konflik saja. Pada kasus yang ekstrim (dengan kemungkinan terburuk), penyelesaian satu konflik tersebut dapat menyebabkan terjadinya n 2 konflik baru yang terjadi antara perjalanan yang ditunda dengan n 2 perjalanan lain yang pada mulanya tidak terjadi konflik. Contoh kasus terburuk dengan n = 4 disajikan dengan diagram ruang-waktu pada Gambar III-1. Pada Gambar III-1 (a), sebuah jadwal hanya mengandung satu konflik. Pada Gambar III-1 (b), sebuah jadwal baru yang diperoleh dengan menunda salah satu perjalanan mengandung 4 2 = 2 konflik baru. Oleh karena itu, diperlukan sebuah strategi penyelesaian konflik secara sistematis sehingga semua konflik selalu dapat diselesaikan. Salah satu strategi yang dapat digunakan adalah strategi kronologis (chronological strategy) [OLI01]. Strategi ini menyelesaikan semua konflik yang ada secara urut berdasarkan urutan waktu terjadinya konflik. Semua konflik baru yang terjadi karena penyelesaian sebuah

13 III-13 konflik juga selalu dapat diselesaikan dengan strategi ini. Hal ini karena dalam masalah penjadwalan kereta api, konflik baru selalu terjadi setelah konflik yang diselesaikan sebelumnya. Rute s 4 s 4 Rute r 3 r 3 s 3 s 3 r 2 r 2 s 2 s 2 r 1 r 1 s 1 s Unit-unit Waktu Unit-unit Waktu (a) (b) Gambar III-1 Contoh Kasus Terburuk Penyelesaian Konflik Aturan Shortest Processing Time (SPT) Untuk menyelesaikan sebuah konflik yang terjadi karena penggunaan petak blok yang sama, waktu pelepasan yang baru harus diberikan pada operasi yang ditunda perjalanannya. Dengan kata lain, konflik diselesaikan dengan mengurutkan operasi-operasi yang menggunakan petak blok yang sama. Untuk mendapatkan solusi awal yang baik dalam Local Search, heuristic yang digunakan untuk menentukan urutan ini adalah aturan Shortest Processing Time (SPT). Aturan ini mengurutkan dua buah operasi untuk mendapatkan total keterlambatan terkecil antara dua buah operasi tersebut. Sebagai contoh penggunaan aturan SPT tersebut, misalkan kereta A berangkat dari stasiun s 1 ke stasiun s 2 pada jam 115 dan kereta B berangkat dari stasiun s 2 ke stasiun s 1 pada jam 137. Antara kedua stasiun tersebut hanya terdapat sebuah petak blok r 1. Misalkan lama waktu penggunaan petak blok tersebut oleh kereta A adalah 35 dan oleh kereta B adalah 27. Akibatnya, akan terjadi konflik

14 III-14 penggunaan petak blok r 1 oleh kedua perjalanan tersebut. Hal ini terlihat dari diagram ruang-waktu pada Gambar III-2. s 2 kereta A kereta B s Gambar III-2 Jadwal Dua Kereta yang Bertabrakan Untuk menyelesaikan konflik yang terjadi di atas, terdapat dua pilihan cara. Cara yang pertama adalah kereta A ditunda perjalanannya di stasiun s 1 dan yang kedua adalah stasiun B ditunda perjalanannya di stasiun s 2. Dengan menggunakan aturan SPT, kereta yang harus ditunda perjalanannya adalah kereta B. Hal ini karena penundaan tersebut menimbulkan keterlambatan yang lebih kecil daripada keterlambatan yang terjadi jika kereta A ditunda. Hal ini terlihat dari diagram ruang-waktu pada Gambar III-3. s2 s 2 kereta A kereta B kereta B kereta A s 1 s Gambar III-3 Jadwal Dua Kereta dengan Penundaan di Stasiun Pencarian Solusi yang Lebih Baik Pencarian solusi yang lebih baik ini dilakukan dengan menggunakan struktur ketetanggaan yang telah dijelaskan sebelumnya. Fungsi ketetanggaan Nb dan fungsi objektif TT memiliki peran sangat penting pada bagian ini. Solusi-solusi yang lebih baik daripada solusi sebelumnya dipilih dari tetangga-tetangga yang dihasilkan oleh fungsi Nb. Fungsi TT digunakan untuk mengukur apakah sebuah tetangga memiliki total keterlambatan lebih kecil daripada solusi yang telah ditemukan sebelumnya.

15 III-15 Fungsi ketetanggaan ini didasarkan pada lintasan kritis dan struktur ketetanggaan yang telah dijelaskan sebelumnya juga. Satu hal yang harus diperhatikan dalam implementasi fungsi ini adalah tetangga yang baru mungkin memiliki lintasan kritis yang berbeda dari solusi asal. Proses pencarian tetangga baru dilakukan dengan cara mengubah arah sebuah sisi pada lintasan kritis. Hal ini juga harus diperhatikan karena dapat menyebabkan terjadinya konflik baru. Konflik baru yang mungkin terjadi di bagian ini juga diselesaikan dengan cara yang sama pada bagian sebelumnya, yaitu menggunakan aturan SPT. Setelah mengetahui tetangga-tetangga dari sebuah solusi, pencarian solusi yang lebih baik dilakukan dengan membandingkan total keterlambatan antara solusi asal dengan tetangga-tetangganya. Jika ada tetangga yang memiliki total keterlambatan lebih kecil, tetangga ini akan digunakan sebagai solusi berikutnya. Iterasi berhenti ketika tidak ada lagi tetangga yang memiliki total keterlambatan yang lebih kecil. Solusi yang terakhir ditemukan inilah yang akan menjadi solusi algoritma Hill Climbing. 3.5 Contoh Kasus Penjadwalan dengan Algoritma Hill Climbing Untuk mengilustrasikan algoritma yang digunakan dalam Tugas Akhir ini, digunakan sebuah contoh perjalanan kereta api jalur tunggal sederhana dengan menggunakan empat stasiun, tiga perjalanan dan antara satu stasiun dengan stasiun berikutnya hanya terdapat satu petak blok saja. Rute ini dapat dilihat pada Gambar III-4 berikut. Gambar III-4 Rute Perjalanan Kereta Api Sederhana

16 III-16 Selanjutnya, data perjalanan ketiga perjalanan tersebut disajikan pada Tabel III-2. Perjalanan kereta api Tabel III-2 Data Perjalanan Kereta Api Urutan petak blok Waktu berangkat 1 r 1, r 2, r , 15, 15 2 r 3, r 2, r , 17, 20 3 r 1, r , 12 Lama waktu penggunaan masing-masing petak blok Hal pertama yang dilakukan dalam algoritma Hill Climbing adalah mencari sebuah jadwal layak yang tidak melanggar aturan-aturan perjalanan kereta api. Untuk itu, langkah pertama dilakukan adalah menjadwalkan operasi-operasi setiap perjalanan kereta api tanpa melanggar urutan operasi-operasi pada satu perjalanan. Dari data perjalanan pada Tabel III-2, operasi pertama pada perjalanan 1 dijalankan sama dengan waktu perjalanan tersebut, yaitu 100. Operasi tersebut menggunakan petak blok r 1 selama 20 menit sehingga perjalanan 1 sampai di stasiun s 2 pada waktu 120. Dengan demikian, operasi kedua pada perjalanan 1 dijalankan pada waktu 120. Operasi kedua ini menggunakan petak blok r 2 selama 15 menit, sehingga perjalanan 1 sampai di stasiun s 3 pada waktu 135. Cara penjadwalan operasi-operasi seperti ini dilakukan pada setiap operasi pada setiap perjalanan yang ada. Hasilnya adalah jadwal kereta api yang mungkin mengandung konflik. Dalam contoh kasus ini, jadwal yang dihasilkan disajikan dalam diagram ruang-waktu pada Gambar III-5. Pada Gambar III-5, terlihat bahwa perjalanan 1 dan 2 mengalami konflik penggunaan petak blok r 2 dan tidak ada konflik lain yang terjadi. Secara otomatis, konflik tersebut adalah konflik paling awal yang terjadi dalam langkah pertama algoritma sehingga konflik itulah yang akan diselesaikan (jika pada langkah pertama ini terdapat lebih dari satu konflik yang terjadi, maka konflik yang diselesaikan pertama kali adalah konflik yang paling awal).

17 III-17 Rute s 4 r 3 kereta 2 s 3 r 2 s 2 r 1 kereta 1 kereta 3 s Unit-unit Waktu Gambar III-5 Diagram Ruang-Waktu dari Data pada Tabel III-1 Penyelesaian konflik ini dilakukan dengan mengurutkan penggunaan petak blok r 2 oleh perjalanan 1 dan 2. Jika perjalanan 1 dilakukan lebih dulu, maka perjalanan 2 harus ditunda di stasiun s 3 sampai perjalanan 1 selesai menggunakan petak blok r 2, yaitu pada waktu 135. Dengan demikian, perjalanan 2 harus menunda perjalanan selama = 15 menit. Sebaliknya, jika perjalanan 2 dikerjakan lebih dulu, maka perjalanan 1 harus ditunda di stasiun 2. Lama penundaan ini adalah 17 menit. Berdasarkan aturan SPT, perjalanan 1 lah yang akan dikerjakan lebih dulu. Hasil dari langkah ini adalah sebuah jadwal baru yang disajikan pada Gambar III-6. s 4 Rute r 3 kereta 2 s 3 r 2 s 2 kereta 3 r 1 kereta 1 s Unit-unit Waktu Gambar III-6 Penyelesaian Konflik Pertama pada Penjadwalan

18 III-18 Penundaan perjalanan 2 di stasiun s 2 selama 15 menit ini berarti waktu pelepasan operasi kedua dari perjalanan ini berubah dari 120 menajdi 135. Secara otomatis hal ini juga menyebabkan perubahan waktu pelepasan operasi ketiga dari perjalanan 2, yaitu dari 137 menjadi 152. Akibat lain dari penundaan ini adalah terjadinya konflik baru antara perjalanan 2 dan perjalanan 3 di petak blok r 1 seperti terlihat pada diagram ruang-waktu pada Gambar III-6. Karena konflik tersebut adalah konflik paling awal yang terjadi pada jadwal yang baru ini, maka konflik tersebut diselesaikan aturan SPT dengan menunda perjalanan 3 di stasiun s 1. Perjalanan 2 sampai di stasiun s 1 pada waktu 172, sehingga perjalanan 3 harus menunda perjalanannya selama = 12 menit. Hasilnya disajikan pada Gambar III-7. s 4 Rute r 3 kereta 2 s 3 r 2 s 2 r 1 kereta 1 kereta 3 s Unit-unit Waktu Gambar III-7 Penyelesaian Konflik Kedua pada Penjadwalan Jadwal terakhir ini sudah tidak mengandung konflik sama sekali sehingga merupakan sebuah solusi. Total keterlambatan yang terjadi adalah = 27 menit. Langkah selanjutnya adalah mencari tetangga dari solusi yang ditemukan dengan total keterlambatan yang lebih kecil. Untuk itu dilakukan identifikasi sisisisi kritis pada graf disjungtif yang merepresentasikan solusi yang telah ditemukan. Representasi graf disjungtif tersebut disajikan pada Gambar III-8 berikut.

19 III-19 Gambar III-8 Graf Disjungtif dari Solusi yang Ditemukan Pada Tugas Akhir ini, definisi sisi kritis yang digunakan adalah sisi disjungtif yang menghubungkan dua operasi yang dijadwalkan secara berurutan (adjacent schedule). Dengan demikian, pada solusi di atas, sisi kritisnya adalah sisi disjungtif yang menghubungkan operasi kedua pada perjalanan 1 dengan operasi kedua dari perjalanan 2, yaitu (o 12 o 22 ) dan juga operasi ketiga dari perjalanan 2 dan operasi petama dari perjalanan 3, yaitu (o 23 o 31 ). Dengan demikian, terdapat dua tetangga dari graf disjungtif yang dapat dilihat pada Gambar III-9. Gambar III-9 Graf Disjungtif Tetangga dari Graf pada Gambar III-8

20 III-20 Tetangga pada Gambar III-9 (a) diperoleh dengan mengubah arah sisi kritis (o 12 o 22 ) menjadi (o 22 o 12 ) dan tetangga pada Gambar III-9 (b) diperoleh dengan mengubah arah (o 23 o 31 ) menjadi (o 31 o 23 ). Representasi diagram ruangwaktu dari jadwal yang baru ini berturut-turut disajikan dalam Gambar III-10 (a) dan (b). s 4 Rute r 3 kereta 2 s 3 r 2 s 2 r 1 kereta 1 kereta 3 s Unit-unit Waktu (a) s 4 Rute r 3 kereta 2 s 3 r 2 s 2 r 1 kereta 1 kereta 3 s Unit-unit Waktu (b) Gambar III-10 Jadwal yang Diperoleh dari Graf Disjungtif Tetangga

21 III-21 Jadwal pada Gambar III-10 (a) memiliki total keterlambatan 17 menit sedangkan jadwal pada gambar III-10 (b) memiliki total keterlambatan 38 menit. Jadi, tetangga yang pertama memiliki total keterlambatan lebih kecil daripada total keterlambatan solusi yang telah ditemukan, yaitu 27 menit. Dengan demikian, tetangga tersebut dijadikan solusi berikutnya pada iterasi yang dilakukan. Algoritma ini dilanjutkan dengan menganalisa tetangga-tetangga dari solusi yang baru tersebut. Iterasi berakhir jika tetangga-tetangga dari solusi yang telah ditemukan tidak memiliki total keterlambatan yang lebih kecil. Pada contoh kasus ini, solusi yang terakhir ditemukan di atas merupakan solusi terakhir algoritma ini.

BAB II DASAR TEORI 2.1 Deskripsi Perjalanan Kereta Api Jalur Tunggal Pokok-Pokok Perjalanan Kereta Api Jalur Tunggal

BAB II DASAR TEORI 2.1 Deskripsi Perjalanan Kereta Api Jalur Tunggal Pokok-Pokok Perjalanan Kereta Api Jalur Tunggal BAB II DASAR TEORI Pada bab ini akan diuraikan mengenai deskripsi perjalanan kereta api yang terkait dengan masalah penjadwalan. Hal ini meliputi pokok-pokok perjalanan kereta api dan aturan-aturan atau

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN Pada bab pertama ini akan diuraikan mengenai latar belakang, rumusan masalah, tujuan, batasan masalah, metodologi, dan sistematika pembahasan dalam Tugas Akhir ini. 1.1 Latar Belakang

Lebih terperinci

Implementasi Model Penjadwalan Job-Shop dalam Masalah Penjadwalan Kereta Api Jalur Tunggal dengan Pendekatan Constraint Programming

Implementasi Model Penjadwalan Job-Shop dalam Masalah Penjadwalan Kereta Api Jalur Tunggal dengan Pendekatan Constraint Programming Abstrak Implementasi Model Penjadwalan Job-Shop dalam Masalah Penjadwalan Kereta Api Jalur Tunggal dengan Pendekatan Constraint Programming Fajar Yuliawan NIM: 13503022 Program Studi Teknik Informatika,

Lebih terperinci

BAB VI KESIMPULAN DAN SARAN

BAB VI KESIMPULAN DAN SARAN BAB VI KESIMPULAN DAN SARAN Bab terakhir ini akan menjelaskan kesimpulan dan saran Tugas Akhir. Kesimpulan dan saran terdiri atas dua bagian, yaitu kesimpulan dan saran mengenai pemodelan dan penyelesaian

Lebih terperinci

sejumlah variabel keputusan; fungsi yang akan dimaksimumkan atau diminimumkan disebut sebagai fungsi objektif, Ax = b, dengan = dapat

sejumlah variabel keputusan; fungsi yang akan dimaksimumkan atau diminimumkan disebut sebagai fungsi objektif, Ax = b, dengan = dapat sejumlah variabel keputusan; fungsi yang akan dimaksimumkan atau diminimumkan disebut sebagai fungsi objektif nilai variabel-variabel keputusannya memenuhi suatu himpunan kendala yang berupa persamaan

Lebih terperinci

III PEMODELAN MASALAH PENJADWALAN KERETA API DAN APLIKASINYA

III PEMODELAN MASALAH PENJADWALAN KERETA API DAN APLIKASINYA 8 sidding petak jalan petak blok Keterangan: Stasiun Sinyal Crossing Overtaking Gambar 5 Ilustrasi dari istilah perkeretaapian. III PEMODELAN MASALAH PENJADWALAN KERETA API DAN APLIKASINYA 3.1 Model Matematika

Lebih terperinci

BAB IV ANALISIS DAN PERANCANGAN

BAB IV ANALISIS DAN PERANCANGAN BAB IV ANALISIS DAN PERANCANGAN Tugas Akhir ini akan menghasilkan sebuah perangkat lunak penjadwalan kereta api jalur tunggal dengan nama Kimspoor Scheduler. Pada bab ini akan dijelaskan mengenai analisis

Lebih terperinci

IV STUDI KASUS. sebagai stasiun awal. Rute 5 meliputi stasiun. 3, 9, 13, 14, 15, 16, 17 dengan stasiun 3. 4, 10, 15, 18, 19, 22, 23 dengan stasiun 4

IV STUDI KASUS. sebagai stasiun awal. Rute 5 meliputi stasiun. 3, 9, 13, 14, 15, 16, 17 dengan stasiun 3. 4, 10, 15, 18, 19, 22, 23 dengan stasiun 4 0 IV STUDI KASUS Misalkan pada suatu daerah terdapat jaringan rel kereta. Jaringan rel kereta tersebut memiliki 3 stasiun dengan 3 edge antarstasiun. Gambar jaringan dapat dilihat pada Gambar 6. Angka

Lebih terperinci

Implementasi Model Penjadwalan Job-Shop dalam Masalah Penjadwalan Kereta Api Jalur Tunggal dengan Pendekatan Constraint Programming

Implementasi Model Penjadwalan Job-Shop dalam Masalah Penjadwalan Kereta Api Jalur Tunggal dengan Pendekatan Constraint Programming Implementasi Model Penjadwalan Job-Shop dalam Masalah Penjadwalan Kereta Api Jalur Tunggal dengan Pendekatan Constraint Programming LAPORAN TUGAS AKHIR Disusun sebagai syarat kelulusan tingkat sarjana

Lebih terperinci

Penggunaan Algoritma Greedy dalam Membangun Pohon Merentang Minimum

Penggunaan Algoritma Greedy dalam Membangun Pohon Merentang Minimum Penggunaan Algoritma Greedy dalam Membangun Pohon Merentang Minimum Gerard Edwin Theodorus - 13507079 Jurusan Teknik Informatika ITB, Bandung, email: if17079@students.if.itb.ac.id Abstract Makalah ini

Lebih terperinci

Optimisasi Penjadwalan Proses Pada Central Processing Unit Dengan Menggunakan Algoritma Greedy

Optimisasi Penjadwalan Proses Pada Central Processing Unit Dengan Menggunakan Algoritma Greedy Optimisasi Penjadwalan Proses Pada Central Processing Unit Dengan Menggunakan Algoritma Greedy Irdham Mikhail Kenjibriel (13508111) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika

Lebih terperinci

APLIKASI PEWARNAAN GRAPH PADA PEMBUATAN JADWAL

APLIKASI PEWARNAAN GRAPH PADA PEMBUATAN JADWAL APLIKASI PEWARNAAN GRAPH PADA PEMBUATAN JADWAL Aplikasi Pewarnaan Graph pada Pembuatan Jadwal Janice Laksana / 13510035 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut

Lebih terperinci

Aplikasi Pewarnaan Graph pada Pembuatan Jadwal

Aplikasi Pewarnaan Graph pada Pembuatan Jadwal Aplikasi Pewarnaan Graph pada Pembuatan Jadwal Janice Laksana / 13510035 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Teori Graph 2.1.1 Definisi Graph Menurut Dasgupta dkk (2008), graph merupakan himpunan tak kosong titik-titik yang disebut vertex (juga disebut dengan node) dan himpunan garis-garis

Lebih terperinci

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Graf adalah suatu diagram yang memuat informasi tertentu jika diinterpretasikan secara tepat. Tujuannya adalah sebagai visualisasi objek-objek agar lebih mudah

Lebih terperinci

ALGORITMA PENCARIAN SIMPUL SOLUSI DALAM GRAF

ALGORITMA PENCARIAN SIMPUL SOLUSI DALAM GRAF ALGORITMA PENCARIAN SIMPUL SOLUSI DALAM GRAF Anthony Rahmat Sunaryo NIM: 3506009 Jurusan Teknik Informatika ITB, Bandung email : if6009@students.if.itb.ac.id Abstract -- Makalah ini membahas tentang analsis

Lebih terperinci

Representasi Graf Berarah dalam Mencari Solusi Jalur Optimum Menggunakan Algoritma A*

Representasi Graf Berarah dalam Mencari Solusi Jalur Optimum Menggunakan Algoritma A* Representasi Graf Berarah dalam Mencari Solusi Jalur Optimum Menggunakan Algoritma A* Denny Nugrahadi Teknik informatika ITB, Bandung, email: d_nugrahadi@yahoo.com Abstract Makalah ini membahas mengenai

Lebih terperinci

Penerapan Algoritma Backtracking pada Pewarnaan Graf

Penerapan Algoritma Backtracking pada Pewarnaan Graf Penerapan Algoritma Backtracking pada Pewarnaan Graf Deasy Ramadiyan Sari 1, Wulan Widyasari 2, Eunice Sherta Ria 3 Laboratorium Ilmu Rekayasa dan Komputasi Departemen Teknik Informatika, Fakultas Teknologi

Lebih terperinci

ALGORITMA PENJADWALAN PRODUKSI PADA LINGKUNGAN MESIN JOB SHOP DENGAN MINIMALISASI RATAAN WAKTU TUNGGU OPERASI

ALGORITMA PENJADWALAN PRODUKSI PADA LINGKUNGAN MESIN JOB SHOP DENGAN MINIMALISASI RATAAN WAKTU TUNGGU OPERASI ALGORITMA PENJADWALAN PRODUKSI PADA LINGKUNGAN MESIN JOB SHOP DENGAN MINIMALISASI RATAAN WAKTU TUNGGU OPERASI Gamma/13502058 Abstraksi. Pada makalah ini dijelaskan mengenai pengembangan algoritma untuk

Lebih terperinci

Pembentukan Pohon Pencarian Solusi dalam Persoalan N-Ratu (The N-Queens Problem)

Pembentukan Pohon Pencarian Solusi dalam Persoalan N-Ratu (The N-Queens Problem) Pembentukan Pohon Pencarian Solusi dalam Persoalan N-Ratu (The N-ueens Problem) Pradipta Yuwono NIM 350603 Prodi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi andung, Jalan

Lebih terperinci

Analisis Pengimplementasian Algoritma Greedy untuk Memilih Rute Angkutan Umum

Analisis Pengimplementasian Algoritma Greedy untuk Memilih Rute Angkutan Umum Analisis Pengimplementasian Algoritma Greedy untuk Memilih Rute Angkutan Umum Arieza Nadya -- 13512017 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Pengertian dan Ruang Lingkup Sistem Produksi Pada sub bab ini akan dibahas mengenai pengertian sistem produksi dari beberapa teori yang sudah ada, serta ruang lingkup sistem produksi

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Pendahuluan

BAB 1 PENDAHULUAN. 1.1 Pendahuluan BAB 1 PENDAHULUAN 1.1 Pendahuluan Seiring dengan berkembangnya ilmu pengetahuan, penyelesaian suatu masalah dapat ditangani oleh suatu algoritma. Jenis masalah dapat berkisar dari masalah yang mudah sampai

Lebih terperinci

Penjadwalan Kereta Api di Daop VIII Surabaya

Penjadwalan Kereta Api di Daop VIII Surabaya Penjadwalan Kereta Api di Daop VIII Surabaya Dosen Pembimbing : Dra. Sri Mumpuni Retnaningsih, MT Rahmat Septiawan Putra 1309 106 003 Abstrak Kereta api merupakan salah satu jenis transportasi darat yang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Konsep Dasar Graph Sebelum sampai pada pendefenisian masalah lintasan terpendek, terlebih dahulu pada bagian ini akan diuraikan mengenai konsep-konsep dasar dari model graph dan

Lebih terperinci

Algoritma Runut-balik (Backtracking) Bahan Kuliah IF2251 Strategi Algoritmik Oleh: Rinaldi Munir

Algoritma Runut-balik (Backtracking) Bahan Kuliah IF2251 Strategi Algoritmik Oleh: Rinaldi Munir Algoritma Runut-balik (Backtracking) Bahan Kuliah IF2251 Strategi Algoritmik Oleh: Rinaldi Munir 1 Pendahuluan Runut-balik (backtracking) adalah algoritma yang berbasis pada DFS untuk mencari solusi persoalan

Lebih terperinci

Optimalisasi Susunan Tempat Duduk Kereta Api Menggunakan Algoritma Greedy dan Program Dinamis

Optimalisasi Susunan Tempat Duduk Kereta Api Menggunakan Algoritma Greedy dan Program Dinamis Optimalisasi Susunan Tempat Duduk Kereta Api Menggunakan Algoritma Greedy dan Program Dinamis Fildah Ananda Amalia - 13515127 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut

Lebih terperinci

Penentuan Rute Terpendek Tempat Wisata di Kota Tasikmalaya Dengan Algoritma Floyd-warshall

Penentuan Rute Terpendek Tempat Wisata di Kota Tasikmalaya Dengan Algoritma Floyd-warshall Penentuan Rute Terpendek Tempat Wisata di Kota Tasikmalaya Dengan Algoritma Floyd-warshall Muhamad Fikri Alhawarizmi - 13513009 Program Studi Informatika Sekolah Teknik Elektro dan Informatika Institut

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Defenisi Graf Graf G didefenisikan sebagai pasangan himpunan (V,E), ditulis dengan notasi G = (V,E), yang dalam hal ini V adalah himpunan tidak kosong dari simpul-simpul

Lebih terperinci

TUGAS RESUME MATERI KULIAH ALGORITMA DAN STRUKTUR DATA STRATEGI ALGORITMA : H

TUGAS RESUME MATERI KULIAH ALGORITMA DAN STRUKTUR DATA STRATEGI ALGORITMA : H TUGAS RESUME MATERI KULIAH ALGORITMA DAN STRUKTUR DATA STRATEGI ALGORITMA NAMA NIM : HERIANTI : H12111003 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA PROGRAM STUDI STATISTIKA UNIVERSITAS

Lebih terperinci

BAB I PENDAHULUAN UKDW. dalam kehidupan kita sehari-hari, terutama bagi para pengguna sarana

BAB I PENDAHULUAN UKDW. dalam kehidupan kita sehari-hari, terutama bagi para pengguna sarana BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pencarian jalur terpendek merupakan sebuah masalah yang sering muncul dalam kehidupan kita sehari-hari, terutama bagi para pengguna sarana transportasi. Para

Lebih terperinci

Studi Algoritma Optimasi dalam Graf Berbobot

Studi Algoritma Optimasi dalam Graf Berbobot Studi Algoritma Optimasi dalam Graf Berbobot Vandy Putrandika NIM : 13505001 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung E-mail : if15001@students.if.itb.ac.id

Lebih terperinci

Penjadwalan Kereta Api di Daerah Operasi 8 Surabaya

Penjadwalan Kereta Api di Daerah Operasi 8 Surabaya Penjadwalan Kereta Api di Daerah Operasi 8 Surabaya Rahmat Septiawan Putra 1, Sri Mumpuni Retnaningsih 1 Mahasiswa Jurusan Statistika Institut Teknologi Sepuluh Nopember Dosen Jurusan Statistika Institut

Lebih terperinci

Algoritma Greedy (lanjutan)

Algoritma Greedy (lanjutan) Algoritma Greedy (lanjutan) 5. Penjadwalan Job dengan Tenggang Waktu (Job Schedulling with Deadlines) Persoalan: - Ada n buah job yang akan dikerjakan oleh sebuah mesin; - tiap job diproses oleh mesin

Lebih terperinci

Pencarian Lintasan Terpendek Pada Aplikasi Navigasi Menggunakan Algoritma A*

Pencarian Lintasan Terpendek Pada Aplikasi Navigasi Menggunakan Algoritma A* Pencarian Lintasan Terpendek Pada Aplikasi Navigasi Menggunakan Algoritma A* Erfandi Suryo Putra 13515145 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,

Lebih terperinci

Penggunaan Strategi Algoritma Backtracking pada Pencarian Solusi Puzzle Pentomino

Penggunaan Strategi Algoritma Backtracking pada Pencarian Solusi Puzzle Pentomino Penggunaan Strategi Algoritma Backtracking pada Pencarian Solusi Puzzle Pentomino Muhammad Rian Fakhrusy / 13511008 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi

Lebih terperinci

BAB I PENDAHULUAN. hampir di seluruh dunia, termasuk Indonesia. Alat transportasi ini memiliki

BAB I PENDAHULUAN. hampir di seluruh dunia, termasuk Indonesia. Alat transportasi ini memiliki BAB I PENDAHULUAN 1.1 Latar Belakang Kereta api merupakan alat transportasi darat utama yang digunakan hampir di seluruh dunia, termasuk Indonesia. Alat transportasi ini memiliki multi keunggulan komparatif,

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Graf 2.1.1 Definisi Graf Graf adalah pasangan himpunan (V, E), dan ditulis dengan notasi G = (V, E), V adalah himpunan tidak kosong dari verteks-verteks {v 1, v 2,, v n } yang

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 21 2 TINJUN PUSTK 2.1. lgoritma lgoritma merupakan suatu langkah langkah untuk menyelesaikan masalah yang disusun secara sistematis, tanpa memperhatikan bentuk yang akan digunakan sebagai implementasinya,

Lebih terperinci

ALGORITMA PENCARIAN. 1. Iterative-Deepening Depth-First Search (IDS) Nama : Gede Noverdi Indra Wirawan Nim : Kelas : VI A

ALGORITMA PENCARIAN. 1. Iterative-Deepening Depth-First Search (IDS) Nama : Gede Noverdi Indra Wirawan Nim : Kelas : VI A Nama : Gede Noverdi Indra Wirawan Nim : 0915051050 Kelas : VI A ALGORITMA PENCARIAN Algoritma pencarian (searching algorithm) adalah algoritma yang menerima sebuah argumen kunci dan dengan langkah-langkah

Lebih terperinci

Algoritma Greedy (lanjutan)

Algoritma Greedy (lanjutan) Algoritma Greedy (lanjutan) 5. Penjadwalan Job dengan Tenggat Waktu (Job Schedulling with Deadlines) Persoalan: -Adan buah job yang akan dikerjakan oleh sebuah mesin; -tiapjob diproses oleh mesin selama

Lebih terperinci

Penggunaan Algoritma Dijkstra dalam Penentuan Lintasan Terpendek Graf

Penggunaan Algoritma Dijkstra dalam Penentuan Lintasan Terpendek Graf Penggunaan Algoritma Dijkstra dalam Penentuan Lintasan Terpendek Graf Rahadian Dimas Prayudha - 13509009 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,

Lebih terperinci

APLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM

APLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 1 (2015), hal 25 32. APLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM Edi Samana, Bayu Prihandono, Evi Noviani

Lebih terperinci

Pendeteksian Deadlock dengan Algoritma Runut-balik

Pendeteksian Deadlock dengan Algoritma Runut-balik Pendeteksian Deadlock dengan Algoritma Runut-balik Rita Wijaya - 13509098 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,

Lebih terperinci

Pelacakan dan Penentuan Jarak Terpendek terhadap Objek dengan BFS (Breadth First Search) dan Branch and Bound

Pelacakan dan Penentuan Jarak Terpendek terhadap Objek dengan BFS (Breadth First Search) dan Branch and Bound Pelacakan dan Penentuan Jarak Terpendek terhadap Objek dengan BFS (Breadth First Search) dan Branch and Bound Mico (13515126) Teknik Informatika Sekolah Teknik Elektro dan Informatika ITB Jl. Ganesha 10,

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kereta api merupakan salah satu jenis transportasi darat yang menjadi andalan masyarakat. Pelayanan jasa angkutan kereta api sepenuhnya dijalankan oleh manajemen

Lebih terperinci

Matematika dan Statistika

Matematika dan Statistika ISSN 1411-6669 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Majalah Ilmiah Matematika dan Statistika APLIKASI ALGORITMA SEMUT DAN ALGORITMA CHEAPEST

Lebih terperinci

MAKALAH STRATEGI ALGORITMIK (IF 2251) ALGORITMA RUNUT BALIK DALAM GAME LABIRIN

MAKALAH STRATEGI ALGORITMIK (IF 2251) ALGORITMA RUNUT BALIK DALAM GAME LABIRIN MAKALAH STRATEGI ALGORITMIK (IF 2251) ALGORITMA RUNUT BALIK DALAM GAME LABIRIN Ditujukan untuk memenuhi tugas mata kuliah Strategi Algoritmik yang diberikan oleh Bapak Rinaldi Munir Oleh : Gilang Dhaskabima

Lebih terperinci

Penerapan Algoritma Runut-Balik (Backtracking) pada Permainan Nurikabe

Penerapan Algoritma Runut-Balik (Backtracking) pada Permainan Nurikabe Penerapan Runut-Balik (Backtracking) pada Permainan Nurikabe Putri Amanda Bahraini Program Studi Teknik Informatika, Institut Teknologi Bandung Jalan Ganesha 10, Bandung e-mail: if14041@students.if.itb.ac.id

Lebih terperinci

ALGORITMA PENCARIAN (HEURISTIC)

ALGORITMA PENCARIAN (HEURISTIC) ALGORITMA PENCARIAN (HEURISTIC) Farah Zakiyah Rahmanti, M.T Diperbarui 2016 Overview Pengertian Pencarian Heuristik Generate and Test Hill Climbing Best First Searching Latihan Pencarian Heuristik Merupakan

Lebih terperinci

Algoritma Runut-balik (Backtracking)

Algoritma Runut-balik (Backtracking) Algoritma Runut-balik (Backtracking) Bahan Kuliah IF2211 Strategi Algoritma Oleh: Rinaldi Munir Program Studi Informatika STEI-ITB 1 2 Pendahuluan Backtracking dapat dipandang sebagai salah satu dari dua

Lebih terperinci

PENERAPAN PEWARNAAN GRAF DALAM PENJADWALAN

PENERAPAN PEWARNAAN GRAF DALAM PENJADWALAN PENERAPAN PEWARNAAN GRAF DALAM PENJADWALAN Adventus Wijaya Lumbantobing Program Studi Teknik Informatika, Institut Teknologi Bandung Jalan Ganesha 10, Bandung if15112@students.if.itb.ac.id ABSTRAK Graf

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Teori Graf Teori graf merupakan pokok bahasan yang sudah tua usianya namun memiliki banyak terapan sampai saat ini. Graf digunakan untuk merepresentasikan objek-objek diskrit dan hubungan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Definisi Umum Penjadwalan Produksi Untuk mengatur suatu sistem produksi agar dapat berjalan dengan baik, diperlukan adanya pengambilan keputusan yang tepat

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI.. Definisi Graf Secara matematis, graf G didefinisikan sebagai pasangan himpunan (V,E) ditulis dengan notasi G = (V, E), yang dalam hal ini: V = himpunan tidak-kosong dari simpul-simpul

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Pengertian Algoritma Algoritma merupakan urutan langkah langkah untuk menyelesaikan masalah yang disusun secara sistematis, algoritma dibuat dengan tanpa memperhatikan bentuk

Lebih terperinci

SOLUSI PERMAINAN CHEMICALS DENGAN ALGORITMA RUNUT BALIK

SOLUSI PERMAINAN CHEMICALS DENGAN ALGORITMA RUNUT BALIK SOLUSI PERMAINAN CHEMICALS DENGAN ALGORITMA RUNUT BALIK Irma Juniati Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Jalan Ganesha 10, Bandung e-mail:

Lebih terperinci

UNTUK PEMECAHAN MASALAH PADA PERMAINAN HASHIWOKAKERO

UNTUK PEMECAHAN MASALAH PADA PERMAINAN HASHIWOKAKERO PENGGUNAAN TEKNIK HEURISTIK DAN ALGORITMAA RUNUT-BALIK UNTUK PEMECAHAN MASALAH PADA PERMAINAN HASHIWOKAKERO Gisca Tamara Program Studi Teknik Informatika Sekolah Teknik Elektro dan Infromatika Institut

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Negara Indonesia adalah negara yang memiliki banyak jenis transportasi darat dari transportasi yang menggunakan mesin (bus, angkutan umum, dan kereta api) sampai

Lebih terperinci

ALGORITMA RUNUT-BALIK UNTUK MENGGANTIKAN ALGORITMA BRUTE FORCE DALAM PERSOALAN N-RATU

ALGORITMA RUNUT-BALIK UNTUK MENGGANTIKAN ALGORITMA BRUTE FORCE DALAM PERSOALAN N-RATU ALGORITMA RUNUT-BALIK UNTUK MENGGANTIKAN ALGORITMA BRUTE FORCE DALAM PERSOALAN N-RATU Nur Cahya Pribadi-NIM: 13505062 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Sistem Informasi Geografis (SIG) Sistem Informasi Geografis atau Geographic Information System (GIS) merupakan suatu sistem informasi yang berbasis komputer, dirancang untuk bekerja

Lebih terperinci

Analisis Penerapan Algoritma Backtracking Pada Pencarian Jalan Keluar di Dalam Labirin

Analisis Penerapan Algoritma Backtracking Pada Pencarian Jalan Keluar di Dalam Labirin Analisis Penerapan Algoritma Backtracking Pada Pencarian Jalan Keluar di Dalam Labirin Andika Pratama 13505048 Alamat: Jl. Dago Asri Blok C No.16 e-mail: if15048@students.if.itb.ac.id Program Studi Teknik

Lebih terperinci

PENGGUNAAN ALGORITMA GREEDY PADA MESIN PENCARI

PENGGUNAAN ALGORITMA GREEDY PADA MESIN PENCARI PENGGUNAAN ALGORITMA GREEDY PADA MESIN PENCARI WWW.WEGO.COM Gagarin Adhitama 13508089 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10

Lebih terperinci

Penerapan Algoritma Branch and Bound untuk Penentuan Jalur Wisata

Penerapan Algoritma Branch and Bound untuk Penentuan Jalur Wisata Penerapan Algoritma Branch and Bound untuk Penentuan Jalur Wisata Janice Laksana / 350035 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha

Lebih terperinci

Penggunaan Algoritma Greedy untuk menyelesaikan Permainan Othello

Penggunaan Algoritma Greedy untuk menyelesaikan Permainan Othello Penggunaan Algoritma Greedy untuk menyelesaikan Permainan Othello Annisa Muzdalifa - 13515090 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Graf Definisi 2.1.1 Sebuah graf didefinisikan sebagai pasangan terurut himpunan dimana: 1. adalah sebuah himpunan tidak kosong yang berhingga yang anggotaanggotanya

Lebih terperinci

Implementasi Algoritma Greedy pada Permainan Ludo

Implementasi Algoritma Greedy pada Permainan Ludo Implementasi Algoritma Greedy pada Permainan Ludo Sylvia Juliana, 13515070 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl, Ganesha 10 Bandung 40132,

Lebih terperinci

Design and Analysis Algorithm

Design and Analysis Algorithm Design and Analysis Algorithm Pertemuan 06 Drs. Achmad Ridok M.Kom Imam Cholissodin, S.Si., M.Kom M. Ali Fauzi S.Kom., M.Kom Ratih Kartika Dewi, ST, M.Kom Contents 31 Greedy Algorithm 2 Pendahuluan Algoritma

Lebih terperinci

4.6 Data Waktu Siap Setiap Mesin Pengerjaan Komponenkomponen Screw Conveyor Penentuan Due Date BAB 5 PENGOLAHAN DATA DAN ANALISIS

4.6 Data Waktu Siap Setiap Mesin Pengerjaan Komponenkomponen Screw Conveyor Penentuan Due Date BAB 5 PENGOLAHAN DATA DAN ANALISIS ABSTRAK PT Kerta Laksana merupakan perusahaan manufaktur berskala internasional yang membuat berbagai jenis mesin, dimana setiap pesanan dikerjakan sesuai dengan permintaan dan keinginan konsumen (job

Lebih terperinci

METODE BRANCH AND BOUND UNTUK MENEMUKAN SHORTEST PATH

METODE BRANCH AND BOUND UNTUK MENEMUKAN SHORTEST PATH METODE BRANCH AND BOUND UNTUK MENEMUKAN SHORTEST PATH Mira Muliati NIM : 35050 Program Studi Teknik Informatika Sekolah Teknik Elektro Informatika Institut Teknologi Bandung Jl. Ganesha 0, Bandung E-mail

Lebih terperinci

PENJADWALAN KERETA API JALUR GANDA: MODEL JOB-SHOP DAN APLIKASINYA. Nur Aprianti Dwiyatcita, Farida Hanum, Toni Bakhtiar

PENJADWALAN KERETA API JALUR GANDA: MODEL JOB-SHOP DAN APLIKASINYA. Nur Aprianti Dwiyatcita, Farida Hanum, Toni Bakhtiar PENJADWALAN KERETA API JALUR GANDA: MODEL JOB-SHOP DAN APLIKASINYA Nur Aprianti Dwiyatcita, Farida Hanum, Toni Bakhtiar Departemen Matemata FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga,

Lebih terperinci

BAB 3 LANDASAN TEORI

BAB 3 LANDASAN TEORI BAB 3 LANDASAN TEORI 3.1. Pengertian Penjadwalan Penjadwalan adalah aktivitas perencanaan untuk menentukan kapan dan di mana setiap operasi sebagai bagian dari pekerjaan secara keseluruhan harus dilakukan

Lebih terperinci

Permodelan Pohon Merentang Minimum Dengan Menggunakan Algoritma Prim dan Algoritma Kruskal

Permodelan Pohon Merentang Minimum Dengan Menggunakan Algoritma Prim dan Algoritma Kruskal Permodelan Pohon Merentang Minimum Dengan Menggunakan Algoritma Prim dan Algoritma Kruskal Salman Muhammad Ibadurrahman NIM : 13506106 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha

Lebih terperinci

BAB V IMPLEMENTASI DAN PENGUJIAN

BAB V IMPLEMENTASI DAN PENGUJIAN BAB V IMPLEMENTASI DAN PENGUJIAN Pada bab ini akan dijelaskan mengenai implementasi dan pengujian perangkat lunak Kimspoor Scheduler. Implementasi dilakukan berdasarkan analisis dan perancangan perangkat

Lebih terperinci

Penerapan Algoritma Greedy dan Algoritma BFS untuk AI pada Permainan Greedy Spiders

Penerapan Algoritma Greedy dan Algoritma BFS untuk AI pada Permainan Greedy Spiders Penerapan Algoritma Greedy dan Algoritma BFS untuk AI pada Permainan Greedy Spiders Rachmawaty 13509071 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 12 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah penjadwalan secara umum adalah aktifitas penugasan yang berhubungan dengan sejumlah kendala, sejumlah kejadian yang dapat terjadi pada suatu periode waktu

Lebih terperinci

PENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING

PENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 0, No. (2015), hal 17 180. PENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING Kristina Karunianti Nana, Bayu Prihandono,

Lebih terperinci

Algoritma Runut-balik (Backtracking) Bagian 1

Algoritma Runut-balik (Backtracking) Bagian 1 Algoritma Runut-balik (Backtracking) Bagian 1 Pendahuluan Algoritma Runut-balik (backtracking) adalah algoritma yang berbasis pada DFS untuk mencari solusi persoalan secara lebih mangkus. Runut-balik,

Lebih terperinci

Penggunaan Algoritma Backtracking Untuk Menentukan Keisomorfikan Graf

Penggunaan Algoritma Backtracking Untuk Menentukan Keisomorfikan Graf Abstrak Penggunaan Algoritma Backtracking Untuk Menentukan Keisomorfikan Graf Neni Adiningsih, Dewi Pramudi Ismi, Ratih Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut

Lebih terperinci

Pemanfaatan Teori Graf untuk Menguraikan Permasalahan dalam Pemodelan Persoalan Penjadwalan Kereta Api

Pemanfaatan Teori Graf untuk Menguraikan Permasalahan dalam Pemodelan Persoalan Penjadwalan Kereta Api Pemanfaatan Teori Graf untuk Menguraikan Permasalahan dalam Pemodelan Persoalan Penjadwalan Kereta Api Muhammad Dhito Prihardhanto - 13507118 Prodi Teknik Informatika, Sekolah Teknik Elektro dan Informatika

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Lintasan Terpendek Lintasan terpendek merupakan lintasan minumum yang diperlukan untuk mencapai suatu titik dari titik tertentu (Pawitri, ) disebutkan bahwa. Dalam permasalahan pencarian

Lebih terperinci

PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA BRANCH AND BOUND

PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA BRANCH AND BOUND PENYEESAIAN TRAVEING SAESMAN PROBEM DENGAN AGORITMA BRANCH AND BOND Yogo Dwi Prasetyo Pendidikan Matematika, niversitas Asahan e-mail: abdullah.prasetyo@gmail.com Abstract The shortest route search by

Lebih terperinci

Pemanfaatan Algoritma Sequential Search dalam Pewarnaan Graf untuk Alokasi Memori Komputer

Pemanfaatan Algoritma Sequential Search dalam Pewarnaan Graf untuk Alokasi Memori Komputer Pemanfaatan Algoritma Sequential Search dalam Pewarnaan Graf untuk Alokasi Memori Komputer Vivi Lieyanda - 13509073 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi

Lebih terperinci

Algoritma Greedy (Bagian 2) IF2251 Strategi Algoritmik Oleh: Rinaldi Munir

Algoritma Greedy (Bagian 2) IF2251 Strategi Algoritmik Oleh: Rinaldi Munir Algoritma Greedy (Bagian 2) IF2251 Strategi Algoritmik Oleh: Rinaldi Munir 1 5. Penjadwalan Job dengan Tenggat Waktu (Job Schedulling with Deadlines) Persoalan: - Ada n buah job yang akan dikerjakan oleh

Lebih terperinci

Bab III Metode Perancangan Sistem

Bab III Metode Perancangan Sistem 23 Bab III Metode Perancangan Sistem Perancangan sistem yang digunakan dalam membangun sistem ini adalah dengan menggunakan metode prototyping. Proses pada model prototyping yang digambarkan pada Gambar

Lebih terperinci

Penentuan Keputusan dalam Permainan Gomoku dengan Program Dinamis dan Algoritma Greedy

Penentuan Keputusan dalam Permainan Gomoku dengan Program Dinamis dan Algoritma Greedy Penentuan Keputusan dalam Permainan Gomoku dengan Program Dinamis dan Algoritma Greedy Atika Yusuf 135055 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Teori Antrian Teori antrian adalah teori yang menyangkut studi sistematis dari antrian atau baris-baris penungguan. Formasi baris-baris penungguan ini tentu saja merupakan suatu

Lebih terperinci

Penerapan Algoritma DFS pada Permainan Sudoku dengan Backtracking

Penerapan Algoritma DFS pada Permainan Sudoku dengan Backtracking Penerapan Algoritma DFS pada Permainan Sudoku dengan Backtracking Krisna Dibyo Atmojo 13510075 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Pengukuran Waktu Pengukuran waktu adalah pekerjaan mengamati dan mencatat waktuwaktu kerjanya baik setiap elemen ataupun siklus. Teknik pengukuran waktu terbagi atas dua bagian

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Peranan Penjadwalan dan Pengaruhnya Penjadwalan adalah proses pengambilan keputusan yang memainkan peranan penting dalam industri manufaktur maupun jasa.

Lebih terperinci

Mendeteksi Blob dengan Menggunakan Algoritma BFS

Mendeteksi Blob dengan Menggunakan Algoritma BFS Mendeteksi Blob dengan Menggunakan Algoritma BFS Ahmad Fajar Prasetiyo (13514053) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung

Lebih terperinci

Aplikasi Algoritma Dijkstra dalam Pencarian Lintasan Terpendek Graf

Aplikasi Algoritma Dijkstra dalam Pencarian Lintasan Terpendek Graf Aplikasi Algoritma Dijkstra dalam Pencarian Lintasan Terpendek Graf Nur Fajriah Rachmah - 0609 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan

Lebih terperinci

Pencarian Jalur Terpendek dengan Algoritma Dijkstra

Pencarian Jalur Terpendek dengan Algoritma Dijkstra Volume 2 Nomor 2, Oktober 207 e-issn : 24-20 p-issn : 24-044X Pencarian Jalur Terpendek dengan Algoritma Dijkstra Muhammad Khoiruddin Harahap Politeknik Ganesha Medan Jl.Veteran No. 4 Manunggal choir.harahap@yahoo.com

Lebih terperinci

STUDI PERBANDINGAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN ANT COLONY SYSTEM DALAM PEMECAHAN TRAVELLING SALESMAN PROBLEM

STUDI PERBANDINGAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN ANT COLONY SYSTEM DALAM PEMECAHAN TRAVELLING SALESMAN PROBLEM Seminar Nasional Aplikasi Teknologi Informasi (SNATI ) ISSN: `1907-5022 Yogyakarta, 19 Juni STUDI PERBANDINGAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN ANT COLONY SYSTEM DALAM PEMECAHAN TRAVELLING SALESMAN

Lebih terperinci

Analisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek

Analisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek Analisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek Hugo Toni Seputro Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Jl. Ganesha 10 Bandung Jawa Barat Indonesia

Lebih terperinci

BAB IV PERANCANGAN. IV.1 Evaluasi Usulan untuk Perancangan Iteratif

BAB IV PERANCANGAN. IV.1 Evaluasi Usulan untuk Perancangan Iteratif Prosedure PrefixSpan(input: a: l: integer, S: Sequence database) { Mencari Sequential Pattern pada sequence database S } Deklarasi D : Temporary Sequence Database Lst : List of Sequential Pattern Sq :

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan

BAB 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 terperinci

Pembahasan Pencarian Lintasan Terpendek Menggunakan Algoritma Dijkstra dan A*

Pembahasan Pencarian Lintasan Terpendek Menggunakan Algoritma Dijkstra dan A* Pembahasan Pencarian Lintasan Terpendek Menggunakan Algoritma Dijkstra dan A* Willy Setiawan - 13508043 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,

Lebih terperinci

Penerapan Travelling Salesman Problem dalam Penentuan Rute Pesawat

Penerapan Travelling Salesman Problem dalam Penentuan Rute Pesawat Penerapan Travelling Salesman Problem dalam Penentuan Rute Pesawat Aisyah Dzulqaidah 13510005 1 Program Sarjana Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha

Lebih terperinci

IMPLEMENTASI ALGORITMA GREEDY PADA PERMAINAN OTHELLO

IMPLEMENTASI ALGORITMA GREEDY PADA PERMAINAN OTHELLO IMPLEMENTASI ALGORITMA GREEDY PADA PERMAINAN OTHELLO Nur Fajriah Rachmah NIM 13506091 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Jalan Ganesha nomor

Lebih terperinci