OPTIMASI NURSE SCHEDULING PROBLEM
|
|
- Sonny Indradjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 OPTIMASI NURSE SCHEDULING PROBLEM Disusun Oleh Aditya Pratama H ( ) Pembimbing Prof. Ir. Budi Santosa, M.S., Ph.D
2 Pendahuluan Latar Belakang Perumusan Masalah Batasan & Asumsi Penjadwalan Proses pengorganisasian, pemilihan, dan penentuan waktu penggunaan sumber-sumber untuk mengerjakan semua aktivitas yang diperlukan yang memenuhi kendala aktivitas dan sumber daya Tujuan Manfaat 1. Perlengkapan 2. Peralatan 3. Fasilitas 4. Tenaga Kerja NSP
3 Pendahuluan Latar Belakang Perumusan Masalah Batasan & Asumsi Tujuan Manfaat NSP (Nurse Scheduling Problem) Membuat suatu penjadwalan secara periodik, apakah itu mingguan atau bulanan untuk setiap n perawat dengan menugaskan atau menempatkan salah satu dari tiap shift yang mungkin untuk setiap perawat dengan mempertimbangkan constraint yang ada baik hard atau soft constraints
4 Pendahuluan Latar Belakang Perumusan Masalah Batasan & Asumsi Tujuan Jika NSP buruk 1. Kelelahan fisik 2. Stres yang tidak semestinya 3. Rentan melakukan kesalahan pada pekerjaan Akibatnya Manfaat Performansi Citra
5 Pendahuluan Latar Belakang Perumusan Masalah Batasan & Asumsi RSUD Dr. Soetomo Rumah sakit terbesar di Jawa Timur dan menjadi rumah sakit rujukan dari kota-kota lain dengan jumlah pasien lebih dari per tahunnya NSP Buruk Tujuan Manfaat Metode konvensional Fleksibel Tidak teratur Rentan terjadi pelanggaran Terjadi kekosongan shift Perbaikan NSP
6 Pendahuluan Latar Belakang Metode Optimasi Perumusan Masalah Batasan & Asumsi Tujuan Manfaat Metode Eksak Solusi global optimal Waktu yang lama Metode Pendekatan / Metaheuristik Waktu yang sebentar Solusi hanya mendekati optimal
7 Pendahuluan Latar Belakang Perumusan Masalah Batasan & Asumsi Tujuan Manfaat Simulated Annealing Merupakan salah satu metode metaheuristik yang meniru perilaku alam, yaitu pendinginan baja yang mendidih secara perlahan Kemampuan untuk menghidari jebakan lokal optimal dengan menerima solusi yang lebih buruk untuk sementara
8 Pendahuluan Latar Belakang Perumusan Masalah Batasan & Asumsi Tujuan Penyelesaian Nurse Scheduling Problem dengan Optimasi Manfaat
9 Pendahuluan Latar Belakang Perumusan Masalah Batasan & Asumsi Tujuan Manfaat Batasan 1. Menggunakan data uji dari data penjadwalan perawat pada RSUD Dr. Soetomo Surabaya 2. Data berasal dari data perawat IRNA Medik 3. Data perawat yang digunakan merupakan perawat tetap di RSUD Dr. Soetomo Surabaya Asumsi 1. Tidak ada waktu transisi dari shift awal dengan shift selanjutnya 2. Perawat di shift tersebut melakukan pekerjaannya secara continuous 3. Kebutuhan perawat dengan jumlah pasien yang ada adalah sama 4. Tidak ada perawat yang mengambil cuti
10 Pendahuluan Latar Belakang Perumusan Masalah Batasan & Asumsi Tujuan Manfaat Penyelesaian nurse scheduling problem dengan metode optimasi Mendapatkan hasil NSP dengan tujuan minimasi deviasi terhadap aturan penjadwalan dari rumah sakit
11 Pendahuluan Latar Belakang Perumusan Masalah Batasan & Asumsi Tujuan Mendapatkan penjadwalan perawat yang lebih optimal dengan menggunakan metode optimasi dan dapat digunakan sebagai dasar pengembangan pada sistem pendukung rumah sakit tersebut dalam melakukan proses penjadwalan perawat Manfaat
12 Metodologi Flowchart Model Matematis Simulated Annealing
13 Metodologi Flowchart Model Matematis Simulated Annealing Parameter n=jumlah hari penjadwalan m=jumlah perawat yang tersedia i=indeks hari j=indeks perawat a= Total workload shift pagi tiap perawat b= Total workload shift sore tiap perawat c= Total workload shift malam tiap perawat d= Jumlah libur perawat p i = Kebutuhan minimal perawat pada shift pagi pada hari ke i q i = Kebutuhan minimal perawat pada shift sore pada hari ke i r i = Kebutuhan minimal perawat pada shift malam pada hari ke i
14 Metodologi Flowchart Decision Variabel Model Matematis Simulated Annealing
15 Metodologi Flowchart Model Matematis Hard Constraint Jumlah minimal perawat tiap shift harus dipenuhi Simulated Annealing
16 Metodologi Flowchart Model Matematis Simulated Annealing Hard Constraint Tiap perawat mendapatkan 1 kali shift tiap hari Xp i,j + Xq i,j + Xr i,j + Xo i,j = 1, i = 1,2,.. n dan j = 1,2,.. m Consecutive day : dimana tiap perawat mendapatkan 2 shift malam berturut-turut dan diikuti 1 hari libur Xr i,j Xr i+1,j 1 Xr i,j 9999 (1 Xr i+1,j ) Xr i+1,j Xo i+2,j Xr i,j + Xr i,j = 2 Xo i+2,j Dimana i=1,3,...n-3 dan j=1,2,3...m Xr i,j Xr i+1,j 1 Xr i,j 9999 (1 Xr i+1,j ) Dimana i=29 dan j=1,2,3...m
17 Metodologi Flowchart Model Matematis Soft Constraint Workload perawat per shift selama 1 bulan Simulated Annealing Jumlah libur perawat tiap bulan
18 Metodologi Flowchart Model Matematis Simulated Annealing Soft Constraint Menghindari shift kerja off-on-off Dimana i=1,2,3...n-2 dan j=1,2,3...m Menghindari setelah shift sore diikuti shift pagi Menghindari setelah shift pagi diikuti shift malam
19 Metodologi Flowchart Model Matematis Simulated Annealing Goal Workload perawat per shift selama 1 bulan n xp i,j i=1 n + u1 i,j e1 i,j = a j = 1,2,3 m xq i,j + u2 i,j e2 i,j = b j = 1,2,3 m i=1 n xr i,j i=1 + u3 i,j e3 i,j = c j = 1,2,3 m Jumlah libur perawat tiap bulan n i=1 xo i,j + u4 i,j e4 i,j = d j = 1,2,3 m
20 Metodologi Flowchart Model Matematis Simulated Annealing Goal Menghindari shift kerja off-on-off xo i,j + xp i+1,j + xq i+1,j + xr i+1,j + xo i+2,j + u5 i,j e5 i,j = 2 Dimana i=1,2,3...n-2 dan j=1,2,3...m Menghindari setelah shift sore diikuti shift pagi xq i,j + xp i+1,j + u6 i,j e6 i,j = 1 i = 1,2,3 n 1 dan j = 1,2,3,4, m Menghindari setelah shift pagi diikuti shift malam xp i,j + xr i+1,j + u7 i,j e7 i,j = 1 i = 1,2,3 n 1 dan j = 1,2,3,4, m
21 Metodologi Flowchart Model Matematis Simulated Annealing Non Preemtive / Pembobotan Pemberian bobot ini dilakukan untuk mendapatkan tingkat kepentingan dari fungsi dari goal dimana tidak semua fungsi goal ini mempunyai tingkat kepentingan yang sama 1. W 1 = 3, yaitu bobot untuk meminimalkan deviasi workload perawat per shift tiap bulannya. 2. W 2 = 3, yaitu bobot untuk meminimalkan deviasi jumlah libur perawat tiap bulannya. 3. W 3 = 2, yaitu bobot untuk meminimalkan deviasi perawat yang mempunya shift kerja off-on-off 4. W 4 = 4, yaitu bobot untuk meminimalkan deviasi perawat yang ditugaskan setelah shift sore diikuti shift pagi 5. W 5 = 2, yaitu bobot untuk meminimalkan deviasi perawat yang ditugaskan setelah shift pagi diikuti shift malam
22 Metodologi Flowchart Fungsi Tujuan Model Matematis Simulated Annealing
23 Flowchart Metodologi Start Parameter : Temperatur awal (To) Faktor pereduksi temperatur (c) Siklus penurunan temperatur (n) Iterasi siklus (p) Bangkitkan solusi awal (xo) A Solusi baru lebih baik dari solusi awal tidak Membangkitkan kriteria metropolis Bangkitkan bilangan random (0,1) Model Matematis Simulated Annealing Hitung fungsi tujuan solusi awal (f(xo)) Update iterasi i=i+1 Dan siklus p=p+1 B Ya Kriteria metropolis > bilangan random? Set X=x1 tidak Set X=xo Apakah siklus = n? Tidak Bangkitkan solusi baru (x1) Ya Update temperatur Temp=temp*c Siklus p=0 B Tidak Stopping criteria tercapai? Hitung fungsi tujuan solusi baru (f(x1)) X menjadi solusi akhir Selesai A
24 Pengujian Verifikasi dan Model Langkah SA Verifikasi dan Verifikasi Dilakukan dengan meng generate model di LINGO dan mengevaluasi struktur model apakah sudah sesuai atau tidak Membandingkan antara hasil dan model apakah sudah sama dengan menggunakan contoh kasus kecil Menggunakan 4 perawat dan 8 hari kerja dengan data sebagai berikut : Data Jumlah Minimal jumlah perawat shift pagi 1 Minimal jumlah perawat shift sore 1 Minimal jumlah perawat shift malam 1 Workload jumlah shift libur 1 workload shift pagi 2 workload shift sore 2 workload shift malam 2
25 Verifikasi dan Model Langkah SA Verifikasi dan Pengujian Hasilnya 12 Pelanggaran Hari Perawat 1 Perawat 2 Perawat 3 Perawat 4 1 p s p m 2 s l p m 3 m p s l 4 m p s p 5 l s m p 6 p l m s 7 p m l s 8 s m p s Hard Constraint 1. Jumlah minimal perawat tiap shift terpenuhi 2. Tiap perawat mendapatkan 1 shift per hari terpenuhi 3. Pola 2 malam diikuti 1 hari libur terpenuhi
26 Pengujian Verifikasi dan Model Langkah SA Verifikasi dan Soft Constraint 1. Pelanggaran pada workload perawat pershift, yaitu perawat 1 pada shift pagi, perawat 3 pada shift pagi, dan perawat 4 pada shift sore 2. Pelanggaran pada jumlah libur perawat, yaitu perawat 2 3. Tidak terjadi pola shift kerja off-on-off 4. Tidak terjadi pola sore-pagi 5. Tidak terjadi pola pagi-malam
27 Pengujian Verifikasi dan Model Langkah SA Verifikasi dan Perawat ke- Hari M M L P P S P 2 S S M M L P S 3 P S P S M M L... Gambaran Struktur Solusi Dengan data uji menggunakan 4 perawat dan 8 hari kerja Data Jumlah Minimal jumlah perawat shift pagi 1 Minimal jumlah perawat shift sore 1 Minimal jumlah perawat shift malam 1 Workload jumlah shift libur 1 workload shift pagi 2 workload shift sore 2 workload shift malam 2
28 Pengujian Verifikasi dan Model Langkah SA Verifikasi dan Langkah- Langkah SA 1 Inisiasi Parameter Awal Temperatur Awal (To) = 8000 Faktor Pereduksi Temperatur (Cr) = 0,8 Siklus Penurunan Temperatur = 5
29 Pengujian Verifikasi dan Model Langkah SA Verifikasi dan 2 Pembangkitan Solusi Awal Jumlah perawat tiap shift secara random Cek batas jumlah perawat tiap shift Pembangkitan solusi shift malam Hari Perawat 1 Perawat 2 Perawat 3 Perawat m m 3 - m - l 4 - m l m m - 7 m - l - 8 m - - -
30 Pengujian Verifikasi dan Model Langkah SA Verifikasi dan 2 Pembangkitan Solusi Awal Pembangkitan solusi shift pagi, sore, libur 1. Shift pagi rand < Shift sore < rand < Shift libur rand > Hari Perawat 1 Perawat 2 Perawat 3 Perawat 4 1 p s p m 2 p s l m 3 s m p l 4 p m s p 5 s l m p 6 p s m s 7 m p l s 8 m s p p
31 Pengujian Verifikasi dan Model Langkah SA Verifikasi dan 3 Menghitung Fungsi Tujuan Solusi Awal n m n m min = 3 (u1 i,k + e1 i,j ) + 3 (u2 i,k + e2 i,j ) + i=1 j =1 i=1 j =1 n m n m 3 (u3 i,k + e3 i,j ) + 3 (u4 i,k + e4 i,j ) + i=1 j =1 i=1 j =1 n m n m n m 2 e5 i,k + 4 e6 i,j + 2 i=1 k=1 i=1 j =1 i=1 j =1 e7 i,j Deviasi Pelanggaran 54
32 Pengujian Verifikasi dan Model Langkah SA Verifikasi dan 3 Pembangkitan Solusi Baru Bangkitkan bilangan random hari yang akan dicari solusi baru Bangkitkan bilangan random untuk mengacak urutan shift ke=ceil(hari*rand); 1. Metode flip rand < Metode swap < rand < Metode slide rand > 0.667
33 Pengujian Verifikasi dan Model Langkah SA Verifikasi dan 3 Pembangkitan Solusi Baru Ke = 3 Rand = 0.5 Hari ketiga yang dilakukan pencarian solusi baru Digunakan metode swap pada perawat 1 dan 3 Hari Perawat 1 Perawat 2 Perawat 3 Perawat 4 1 p s p m 2 p s l m 3 p m s l 4 p m s p 5 s l m p 6 p s m s 7 m p l s 8 m s p p Deviasi Pelanggaran 50
34 Pengujian Verifikasi dan Model Langkah SA 4 Membandingkan Solusi Baru dan Lama Misalkan : Deviasi pelanggaran lama = 30 Deviasi pelanggaran baru = 40 Verifikasi dan Update iterasi, siklus, dan temperatur Deltaf = 10 Cek Kriteria Metropolis T = 50 P(E) = e -ΔE/kT P(E) = e -10/50 P(E) = Terima Solusi baru Rand = 0.5
35 Pengujian Verifikasi dan Model Langkah SA 5 Stopping Criteria T = Verifikasi dan
36 Pengujian Verifikasi dan Model Langkah SA Verifikasi dan dilakukan dengan membandingkan hasil dari metode eksak dan simulated annealing Metode Eksak Hari Perawat 1 Perawat 2 Perawat 3 Perawat 4 1 p s p m 2 s l p m 3 m p s l 4 m p s p 5 l s m p 6 p l m s 7 p m l s 8 s m p s Deviasi Pelanggaran = 12
37 Pengujian Verifikasi dan Model Simulated Annealing Langkah SA Verifikasi dan Deviasi Pelanggaran = 12 Karena deviasi pelanggaran yang didapatkan sama maka algoritma SA sudah valid
38 Eksperimen dan Analisis Deskripsi Data Uji 85 perawat dan 30 hari kerja Data Jumlah Minimal jumlah perawat shift pagi 25 Minimal jumlah perawat shift sore 17 Minimal jumlah perawat shift malam 15 Data Jumlah Jumlah workload shift libur 7 Jumlah workload shift pagi 9 Jumlah workload shift sore 8 Jumlah workload shift malam 6
39 Eksperimen dan Analisis Uji Parameter Faktor Pereduksi Temperatur (Cr) To=500, N=5, Cr=0.5 Replikasi Ke Jumlah Iterasi Deviasi Pelanggaran Waktu Komputasi , , , , ,2496 Rata-Rata ,2 0,26208 To=500, N=5, Cr=0,9 Replikasi Ke Jumlah Iterasi Deviasi Pelanggaran Waktu Komputasi , , , , ,4352 Rata-Rata ,4 1,44144 To=500, N=5,Cr=0.7 Replikasi Ke Jumlah Iterasi Deviasi Pelanggaran Waktu Komputasi , , , , ,4524 Rata-Rata ,6 0,46488 To=500, N=5, Cr=0,95 Replikasi Ke Jumlah Iterasi Deviasi Pelanggaran Waktu Komputasi , , , , ,8704 Rata-Rata ,2 2,87664 Hasil terbaik menggunakan Cr 0,95
40 Eksperimen dan Analisis Uji Parameter Siklus Penurunan Temperatur (N) To=500, N=5, Cr=0,95 Replikasi Ke Jumlah Iterasi Deviasi Pelanggaran Waktu Komputasi , , , , ,8704 Rata-Rata ,2 2,87664 To=500, Cr=0.95, N=10 Replikasi Ke Jumlah Iterasi Deviasi Pelanggaran Waktu Komputasi , , , , ,7252 Rata-Rata ,74704 To=500, Cr=0,95, N=15 Replikasi Ke Jumlah Iterasi Deviasi Pelanggaran Waktu Komputasi , , , , ,5645 Rata-Rata ,4 8,61442 Hasil terbaik menggunakan N = 15
41 Eksperimen dan Analisis Uji Parameter Temperatur Awal (To) To=2000, Cr=0.95, N=15 Replikasi Ke Jumlah Iterasi Deviasi Pelanggaran Waktu Komputasi , , , , ,1261 Rata-Rata ,6 9,11016 To=5000, Cr=0.95, N=15 Replikasi Ke Jumlah Iterasi Deviasi Pelanggaran Waktu Komputasi , , , , ,3757 Rata-Rata ,39754 To=15000, Cr=0.95, N=15 Replikasi Ke Jumlah Iterasi Deviasi Pelanggaran Waktu Komputasi , , , , ,8281 Rata-Rata ,78442 Hasil terbaik menggunakan To = 15000
42 Eksperimen dan Analisis Eksperimen Simulated Annealing Replikasi Ke- Waktu (detik) Jumlah Workload Shift Pagi Jumlah Workload Shift Sore Jumlah Workload Shift Malam Jumlah Workload Shift Libur Pola Sore- Pagi Pola Pagi- Malam Pola Off- On-Off Total 1 9, , , , , , , , , , To = N = 15 Cr = 0,95 Stopping Criteria T =
43 Eksperimen dan Analisis Eksperimen Simulated Annealing Replikasi Ke- Waktu (detik) Jumlah Workload Shift Pagi Jumlah Workload Shift Sore Jumlah Workload Shift Malam Jumlah Workload Shift Libur Pola Sore- Pagi Pola Pagi- Malam Pola Off- On-Off Total 1 61, , , , , , , , , , Stopping Criteria it = 50000
44 Eksperimen dan Analisis Eksperimen Metode Eksak Waktu (jam) Jumlah Workload Shift Pagi Jumlah Workload Shift Sore Jumlah Workload Shift Malam Jumlah Workload Shift Libur Pola Sore- Pagi Pola Pagi- Malam Pola Off- On-Off Total
45 Eksperimen dan Analisis Perbandingan Kondisi Eksisting dan Simulated Annealing Shift Pagi Shift Sore Shift Malam Rep Ke Simulated Annealing Kondisi Eksisting GAP (%) , , , , , , , , , ,79 Rep Ke Simulated Annealing Kondisi Eksisting GAP (%) , , , , , , , , , ,88 Rep Ke Simulated Annealing Kondisi Eksisting GAP (%) , , , , , , , , , ,29
46 Eksperimen dan Analisis Perbandingan Kondisi Eksisting dan Simulated Annealing Shift Libur Pola Sore Pagi Pola Pagi Malam Rep Ke Simulated Annealing Kondisi Eksisting GAP (%) , , , , , , , , , ,58 Rep Ke Simulated Annealing Kondisi Eksisting GAP (%) , , , , , , , , , ,33 Rep Ke Simulated Annealing Kondisi Eksisting GAP (%) , , , , , , , , , ,89
47 Eksperimen dan Analisis Perbandingan Kondisi Eksisting dan Metode Eksak Jenis Pelanggaran Metode Eksak Kondisi Eksisting GAP (%) Jumlah Workload Shift Pagi ,39 Jumlah Workload Shift Sore ,52 Jumlah Workload Shift Malam ,35 Jumlah Workload Shift Libur ,54 Pola Sore-Pagi ,33 Pola Pagi-Malam Pola Off-On-Off ,08 Total ,21
48 Eksperimen dan Analisis Perbandingan Metode Eksak dan Simulated Annealing Rep Ke Simulated Annealing Shift Pagi Metode Eksak GAP (%) , , , , , , , , , ,00 Rep Ke Simulated Annealing Shift Sore Metode Eksak GAP (%) , , , , , , , , , ,00 Rep Ke Shift Malam Simulated Annealing Metode Eksak GAP (%) , , , , , , , , , ,00
49 Eksperimen dan Analisis Perbandingan Metode Eksak dan Simulated Annealing Shift Libur Pola Sore Pagi Pola Pagi Malam Rep Ke Simulated Annealing Metode Eksak GAP (%) , , , , , , , , , ,93 Rep Simulated Metode Ke Annealing Eksak GAP (%) , , , , , , , , , ,56 Rep Ke Simulated Annealing Metode Eksak GAP (%) , , , , , , , , , ,56
50 Eksperimen dan Analisis Perbandingan Metode Eksak dan Simulated Annealing Shift off-on-off Waktu Komputasi Total Pelanggaran Rep Ke Simulated Annealing Metode Eksak GAP (%) , , , , , , , , , ,02 Rep Ke Simulated Annealing (jam) Metode Eksak (jam) GAP (%) 1 0, , , , , , , , , , , , , , , , , , , ,9763 Rep ke Simulated Annealing Metode Eksak GAP , , , , , , , , , ,91
51 Kesimpulan dan Saran Kesimpulan Saran 1. Dalam penelitian ini dilakukan penyelesaian nurse scheduling problem dengan metode eksak dan metaheuristik. Dimana hasil yang didapat sudah dapat dilakukan perbaikan terhadap kondisi eksisting sendiri. Tetapi kedua metode tersebut mempunyai kelebihan dan kekurangan sendiri dalam penyelesaian NSP 2. Dari penelitian ini didapatkan hasil NSP dengan jumlah deviasi pelanggaran yang terjadi sebesar 1140 pelanggaran dengan menggunakan metaheuristik dan sebesar 275 dengan menggunakan metode eksak. Jika dibandingkan dengan kondisi eksisting yang terdapat pada rumah sakit, maka dengan hasil NSP dari kedua metode tersebut sudah dapat dijadikan perbaikan dalam penjadwalan pada rumah sakit tersebut.
52 Kesimpulan dan Saran Kesimpulan Saran 1. Menggunakan algoritma metaheuristik lain untuk membandingkan performansi algoritma yang terbaik yang bisa digunakan dalam penyelesaian nurse scheduling problem. 2. Untuk pengembangan permasalahan ini, mempertimbangkan level dari perawat dan tenaga kerja lain seperti pembantu perawat dan petugas laboratorium.
53 DAFTAR PUSTAKA A.T. Ernst, H. J Staff scheduling and rostering: A review of applications, methods and models. European Journal of Operational Research, Asmadi Konsep Dasar Keperawatan. Jakarta: Buku Kedokteran EGC Husen, A Manajemen Proyek. Yogyakarta : C.V Andi Offset Ko, Y.-W An improvemen technique for simulated annealing and its application to nurse scheduling problem. international Journal, 7. Kundu, S Comparative performance of simulated annealing ang genetic algorithm in solving nurse scheduling problem. international Journal, I. Morton, T. E. & Pentico, D. W Heuristic Scheduling Systems: With Application in Manufacturing and Services, New York. Santosan, B & Willy, P Metoda Metaheuristik : Konsep dan Implementasi. Surabaya: Guna Widya M'Hallah, Rym & Alkhabbaz, Amina Scheduling of nurses : A case study of a Kuwaiti health care unit Blochliger, Ivo Modelling staff scheduling. A tutorial. European Journal of Operational Research Jenal,Ruzzakiah et al A Cyclical Nurse Schedule Using Goal Programming Ismail, W.R., Jenal, R., Hamdan, N.A goal programming based master plan for cyclical nurse scheduling problem. Journal of theoretical and applied information technology
54
TUGAS AKHIR Pengembangan Algoritma Simulated Annealing pada Permasalahan Hybrid Flowshop Scheduling untuk Minimasi Makespan
SIDANG TUGAS AKHIR Pengembangan Algoritma Simulated Annealing pada Permasalahan Hybrid Flowshop Scheduling untuk Minimasi Makespan dan Total Tardiness Peneliti Pembimbing : Ainur Rofiq : Prof. Ir. Budi
Lebih terperinciAlgoritma Modified Simulated Annealing untuk Menyelesaikan Airport Gate Assignment Problem (Studi Kasus Bandara Soekarno-Hatta)
Disusun Oleh : Siti Dwi Rahmawati NRP 2510100144 Pembimbing : Prof. Ir. Budi Santosa, M.S., Ph.D NIP 19690512 199402 1001 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH
Lebih terperinciALGORITMA MODIFIED SIMULATED ANNEALING UNTUK MENYELESAIKAN AIRPORT GATE ASSIGNMENT PROBLEM STUDI KASUS BANDARA SOEKARNO-HATTA
1 ALGORITMA MODIFIED SIMULATED ANNEALING UNTUK MENYELESAIKAN AIRPORT GATE ASSIGNMENT PROBLEM STUDI KASUS BANDARA SOEKARNO-HATTA Siti Dwi Rahmawati, Prof. Ir. Budi Santosa, M.S., Ph.D Jurusan Teknik Industri,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari, penjadwalan merupakan masalah klasik yang paling sering ditemui. Berbagai instansi atau perusahaan dihadapkan dengan masalah penjadwalan
Lebih terperinciPENJADWALAN PERAWAT UNIT GAWAT DARURAT DENGAN MENGGUNAKAN GOAL PROGRAMMING
Company LOGO PENJADWALAN PERAWAT UNIT GAWAT DARURAT DENGAN MENGGUNAKAN GOAL PROGRAMMING Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember 2010 PENDAHULUAN
Lebih terperinciPENJADWALAN JOB SHOP STATIK DENGAN METODE SIMULATED ANNEALING UNTUK MEMINIMASI WAKTU MAKESPAN
PENJADWALAN JOB SHOP STATIK DENGAN METODE SIMULATED ANNEALING UNTUK MEMINIMASI WAKTU MAKESPAN Moh.Husen, Ilyas Masudin, Dana Marsetiya Utama Jurusan Teknik Industri - Universitas Muhammadiyah Malang Muhammad.husen12@yahoo.com
Lebih terperinciMODEL GOAL PROGRAMMING UNTUK OPTIMISASI PENJADWALAN PERAWAT DI RUMAH SAKIT GRHASIA
Model Goal Programming... (Dimas Pamungkas) 1 MODEL GOAL PROGRAMMING UNTUK OPTIMISASI PENJADWALAN PERAWAT DI RUMAH SAKIT GRHASIA A GOAL PROGRAMMING MODEL FOR OPTIMIZING NURSE SCHEDULLING AT GRHASIA HOSPITAL
Lebih terperinciPENYUSUNAN JADWAL PETUGAS SEKURITI DENGAN PROGRAM GOL ABSTRACT
PENYUSUNAN JADWAL PETUGAS SEKURITI DENGAN PROGRAM GOL Herlina Marbun 1, Endang Lily 2, M. D. H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika FMIPA Universitas Riau 2 Dosen Jurusan Matematika Fakultas
Lebih terperinciBAB 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 terperinciBAB I PENDAHULUAN. masyarakat umum. Di dalam rumah sakit, terdapat bagian-bagian pelayanan yang
BAB I PENDAHULUAN A. Latar Belakang Kesehatan sangat penting bagi semua penduduk di Indonesia. Pemerintah menyediakan rumah sakit sebagai salah satu bentuk pelayanan kesehatan untuk masyarakat umum. Di
Lebih terperinciPENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION
PENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION Fiqihesa Putamawa 1), Budi Santosa 2) dan Nurhadi Siswanto 3) 1) Program Pascasarjana
Lebih terperinciPENJADWALAN PERAWAT DI IRD DR. SOETOMO MENGGUNAKAN MODEL GOAL PROGRAMMING
PENJADWALAN PERAWAT DI IRD DR. SOETOMO MENGGUNAKAN MODEL GOAL PROGRAMMING Abstrak Arina Pramudita Lestari 1, Wiwik Anggraeni 2, Retno Aulia Vinarti Jurusan Sistem Informasi, Fakultas Teknologi Informasi,
Lebih terperinciOPTIMISASI JADWAL PERAWAT DENGAN MEMPERTIMBANGKAN TINGKAT KEMAMPUAN DAN KEBUTUHAN DAY OFF PERAWAT (Studi Kasus di Rumah Sakit Pelabuhan Surabaya)
OPTIMISASI JADWAL PERAWAT DENGAN MEMPERTIMBANGKAN TINGKAT KEMAMPUAN DAN KEBUTUHAN DAY OFF PERAWAT (Studi Kasus di Rumah Sakit Pelabuhan Surabaya) Hardian Sufi, Ahmad Rusdiansyah, Nurhadi Siswanto Program
Lebih terperinciPENERAPAN ALGORITMA HARMONY SEARCH DALAM PENYELESAIAN RESOURCE-CONSTRAINED PROJECT SCHEDULING PROBLEM
PENERAPAN ALGORITMA HARMONY SEARCH DALAM PENYELESAIAN RESOURCE-CONSTRAINED PROJECT SCHEDULING PROBLEM Peneliti Dosen Pembimbing : Achmad Setiawan NRP. 2506100136 : Ir. Budi Santosa, M.Sc., Ph.D NIP. 132
Lebih terperinciPENJADWALAN FLOWSHOP DENGAN MENGGUNAKAN SIMULATED ANNEALING
PENJADWALAN FLOWSHOP DENGAN MENGGUNAKAN SIMULATED ANNEALING Muhammad Firdaus, Ilyas Masudin, Dana Marsetya Utama Jurusan Teknik Industri - Universitas Muhammadiyah Malang masudin@umm.ac.id ABSTRACT This
Lebih terperinciPENJADWALAN TRUK PADA SISTEM CROSS DOCKING DENGAN PENYIMPANAN SEMENTARA DENGAN ALGORITMA HYBRID CROSS ENTROPY GENETIC ALGORITHM
PENJADWALAN TRUK PADA SISTEM CROSS DOCKING DENGAN PENYIMPANAN SEMENTARA DENGAN ALGORITMA HYBRID CROSS ENTROPY GENETIC ALGORITHM PENELITI : Pristi Dwi Puspitasari 2507 100 003 DOSEN PEMBIMBING : Ir. Budi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Instalasi Gawat Darurat (IGD) merupakan unit yang sangat penting dan paling sibuk di rumah sakit. Sebagai unit pertama yang menangani pasien dalam keadaan darurat,
Lebih terperinciAplikasi Penjadwalan Perawat dengan Metode Pewarnaan Graph (Studi Kasus: RSUD Arifin Achmad Pekanbaru)
Vol. 3, No. 2, Tahun 2014 46 Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Website : https://jurnal.pcr.ac.id/index.php/jakt/about/index Email : pustaka@pcr.ac.id Aplikasi Penjadwalan Perawat dengan
Lebih terperinciDosen Pembimbing : Ir. Budi Santosa, M.S., Ph.D Oleh : Sas Wahid Hamzah
Artificial Immune System untuk Penyelesaian Vehicle Routing Problem with Time Windows Dosen Pembimbing : Ir. Budi Santosa, M.S., Ph.D Oleh : Sas Wahid Hamzah 2507100054 Pendahuluan Pendahuluan Fungsi Objektif
Lebih terperinciPENELITI : Fiqihesa Putamawa
PENGEMBANGAN ALGORITMA BEE SWARM OPTIMIZATION UNTUK PENYELESAIAN CONTAINER STOWAGE PROBLEM PENELITI : Fiqihesa Putamawa 2507 100 064 DOSEN PEMBIMBING : Ir. Budi Santosa, M.S., Ph.D Contents PENDAHULUAN
Lebih terperinciMENGOPTIMALKAN PENJADWALAN SEKURITI DENGAN MODEL GOAL PROGRAMMING ABSTRACT ABSTRAK
MENGOPTIMALKAN PENJADWALAN SEKURITI DENGAN MODEL GOAL PROGRAMMING Said Almuhajir 1, T. P. Nababan 2, M. D. H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika
Lebih terperinciJURNAL REKAYASA DAN MANAJEMEN SISTEM INDUSTRI VOL. 3 NO. 1 TEKNIK INDUSTRI UNIVERSITAS BRAWIJAYA
IMPLEMENTASI ALGORITMA SIMULATED ANNEALING PADA PENJADWALAN PRODUKSI UNTUK MEMINIMASI MAKESPAN (Studi Kasus di PT. Gatra Mapan, Karang Ploso, Malang) SIMULATED ANNEALING ALGORITHM IMPLEMENTATION IN PRODUCTION
Lebih terperinciBAB I PENDAHULUAN 1.2 Latar Belakang
BAB I PENDAHULUAN 1.2 Latar Belakang Program kepaniteraan klinik merupakan suatu bagian penting dalam sistem pendidikan kedokteran, program kepaniteraan klinik yaitu suatu periode pendidikan kedokteran
Lebih terperinciPENJADWALAN KELAS MATAKULIAH MENGGUNAKAN VERTEX GRAPH COLORING DAN SIMULATED ANNEALING
PENJADWALAN KELAS MATAKULIAH MENGGUNAKAN VERTEX GRAPH COLORING DAN SIMULATED ANNEALING Mariana 1) Lely Hiryanto 2) 1)2) Teknik Informatika Universitas Tarumanagara Jl. Letjen S. Parman No.1, Jakarta Barat
Lebih terperinciMODEL LINEAR GOAL PROGRAMMING PADA PENJADWALAN PERAWAT UGD RUMAH SAKIT UMUM DAERAH KOTA SEMARANG Nur Ichsan, Dwijanto, Riza Arifudin
UJM 5 (1) (2016) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm MODEL LINEAR GOAL PROGRAMMING PADA PENJADWALAN PERAWAT UGD RUMAH SAKIT UMUM DAERAH KOTA SEMARANG Nur Ichsan, Dwijanto,
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY
PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY Arief Kelik Nugroho Fakultas Teknik, Universitas PGR Yogyakarta e-mail : ariefkeliknugroho@gmail.com Abstrak
Lebih terperinciMERANCANG MODEL PENJADWALAN SHIFT KERJA RESEPSIONIS HOTEL DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING (Studi Kasus: Swiss BelHotel Palu)
JIMT Vol. 10 No. 1 Juni 201 (Hal. 55 64) Jurnal Ilmiah Matematika dan Terapan ISSN : 2450 766X MERANCANG MODEL PENJADWALAN SHIFT KERJA RESEPSIONIS HOTEL DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING (Studi
Lebih terperinciPENGEMBANGAN ALGORITMA SIMULATED ANNEALING PADA PERMASALAHAN HYBRID FLOWSHOP SCHEDULING UNTUK MINIMASI MAKESPAN DAN TOTAL TARDINESS
PENGEMBANGAN ALGORITMA SIMULATED ANNEALING PADA PERMASALAHAN HYBRID FLOWSHOP SCHEDULING UNTUK MINIMASI MAKESPAN DAN TOTAL TARDINESS Ainur Rofiq, Budi Santosa Jurusan Teknik Industri Institut Teknologi
Lebih terperinciPERENCANAAN SUMBER DAYA PADA PROYEK DENGAN MENGGUNAKAN METODE ANT COLONY
PERENCANAAN SUMBER DAYA PADA PROYEK DENGAN MENGGUNAKAN METODE ANT COLONY Niken A. Savitri, I Nyoman Pujawan, Budi Santosa Jurusan Teknik Industri, Fakultas Teknologi Industri Institut Teknologi Sepuluh
Lebih terperinciPENYELESAIAN NURSE ROSTERING PROBLEM (NRP) MENGGUNAKAN CUCKOO SEARCH (CS)
PENYELESAIAN NURSE ROSTERING PROBLEM (NRP) MENGGUNAKAN CUCKOO SEARCH (CS) Andi Hutami Endang Dosen Jurusan Teknik Informatika Fakultas Sains & Teknologi UIN Alauddin Makassar Email : hutamiendang@gmail.com
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu permasalahan optimasi kombinatorial yang terkenal dan sering dibahas adalah traveling salesman problem. Sejak diperkenalkan oleh William Rowan Hamilton
Lebih terperinciIMPLEMENTASI METODE HEURISTIK DAN SIMULASI UNTUK MENYEIMBANGKAN LINI PERAKITAN LAMPU
IMPLEMENTASI METODE HEURISTIK DAN SIMULASI UNTUK MENYEIMBANGKAN LINI PERAKITAN LAMPU Septian Andrew Susanto 1) dan Nurhadi Siswanto 2) 1) Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember, Surabaya,
Lebih terperinciKOMBINASI ALGORITMA DIFFERENTIAL EVOLUTION DENGAN ITERATED GREEDY UNTUK PERMASALAHAN TRAVELING SALESMAN PROBLEM (TSP)
KOMBINASI ALGORITMA DIFFERENTIAL EVOLUTION DENGAN ITERATED GREEDY UNTUK PERMASALAHAN TRAVELING SALESMAN PROBLEM (TSP) Ong Andre Wahju Riyanto * ABSTRAKSI Penelitian ini ditujukan untuk memperbaiki kelemahan
Lebih terperinciTABU SEARCH SEBAGAI LOCAL SEARCH PADA ALGORITMA ANT COLONY UNTUK PENJADWALAN FLOWSHOP
Jurnal Teknik Industri, Vol. 11, o. 2, Desember 2009, pp. 188-194 ISS 1411-2485 TABU SEARCH SEBAGAI LOCAL SEARCH PADA ALGORITMA AT COLO UTUK PEJADWALA FLOWSHOP Iwan Halim Sahputra, Tanti Octavia, Agus
Lebih terperinciPEMODELAN PENJADWALAN PERAWAT MENGGUNAKAN NONPREEMPTIVE GOAL PROGRAMMING: STUDI KASUS DI RUMAH SAKIT PERMATA BEKASI IHSAN CAISARIO
PEMODELAN PENJADWALAN PERAWAT MENGGUNAKAN NONPREEMPTIVE GOAL PROGRAMMING: STUDI KASUS DI RUMAH SAKIT PERMATA BEKASI IHSAN CAISARIO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPENGGUNAAN ALGORITMA GENETIK DENGAN PEMODELAN DUA TINGKAT DALAM PERMASALAHAN PENJADWALAN PERAWAT PADA UNIT GAWAT DARURAT RUMAH SAKIT UMUM XYZ SURABAYA
PENGGUNAAN ALGORITMA GENETIK DENGAN PEMODELAN DUA TINGKAT DALAM PERMASALAHAN PENJADWALAN PERAWAT PADA UNIT GAWAT DARURAT RUMAH SAKIT UMUM XYZ SURABAYA Mahendrawathi Er, Ph.D, Danu Pranantha, ST, M.Sc,
Lebih terperinciPENJADWALAN KERJA PERAWAT DENGAN MEMPERHITUNGKAN SKILL LEVEL DAN KEBUTUHAN DAY OFF (Studi Kasus di RS Dr. Haryoto Kabupaten Lumajang)
PENJADWALAN KERJA PERAWAT DENGAN MEMPERHITUNGKAN SKILL LEVEL DAN KEBUTUHAN DAY OFF (Studi Kasus di RS Dr. Haryoto Kabupaten Lumajang) Eksi Murnianty, I Nyoman Pujawan Program Studi Magister Manajemen Teknologi
Lebih terperinciPenjadwalan Job Shop Fleksibel dengan Mempertimbangkan Saat Siap dan Saat Tenggat
Petunjuk Sitasi: Putawara, R., Aribowo, W., & Ma'ruf, A. (2017). Penjadwalan Job Shop Fleksibel dengan Mempertimbangkan Saat Siap dan Saat Tenggat. Prosiding SNTI dan SATELIT 2017 (pp. E41-47). Malang:
Lebih terperinciPenggunaan Algoritma Genetik dengan Pemodelan Dua Tingkat dalam Permasalahan Penjadwalan Perawat pada Unit Gawat Darurat Rumah Sakit Umum XYZ Surabaya
Penggunaan Algoritma Genetik dengan Pemodelan Dua Tingkat dalam Permasalahan Penjadwalan Perawat pada Unit Gawat Darurat Rumah Sakit Umum XYZ Surabaya Oleh: Anisa Ulya 5206 100 101 Dosen pembimbing 1:
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB I PENDAHULUAN. manufaktur yang bergerak dibidang pembuatan spring bed yang berlokasi di kota
BAB I PENDAHULUAN 1.1 Latar Belakang PT. Bella Agung Citra Mandiri Sidoarjo merupakan perusahaan manufaktur yang bergerak dibidang pembuatan spring bed yang berlokasi di kota Sidoarjo dan memiliki cabang
Lebih terperinciBAB 3 LINEAR PROGRAMMING
BAB 3 LINEAR PROGRAMMING Teori-teori yang dijelaskan pada bab ini sebagai landasan berpikir untuk melakukan penelitian ini dan mempermudah pembahasan hasil utama pada bab selanjutnya. 3.1 Linear Programming
Lebih terperinciPENGEMBANGAN ALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENJADWALAN FLOW SHOP MULTI OBYEKTIF DENGAN BANYAK MESIN ABSTRAK
PENGEMBANGAN ALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENJADWALAN FLOW SHOP MULTI OBYEKTIF DENGAN BANYAK MESIN Rudi Nurdiansyah Jurusan Teknik Industri, Fakultas Teknologi Industri, Institut Teknologi Sepuluh
Lebih terperinciPENJADWALAN FLOW SHOP DENGAN PENDEKATAN CROSS ENTROPY-GENETIC ALGORITHM UNTUK MENURUNKAN MAKESPAN PADA PEMBUATAN RODA GIGI
PENJADWALAN FLOW SHOP DENGAN PENDEKATAN CROSS ENTROPY-GENETIC ALGORITHM UNTUK MENURUNKAN MAKESPAN PADA PEMBUATAN RODA GIGI Dian Setiya Widodo, Mario Sarisky Dwi Ellianto Politeknik 17 Agustus 1945 Surabaya
Lebih terperinciOPTIMASI SCHEDULING WELL SERVICE & WORKOVER DENGAN KRITERIA MINIMAL PRODUCTION LOSS DAN MAKSIMAL POTENSI GAIN DARI SUMUR MINYAK
OPTIMASI SCHEDULING WELL SERVICE & WORKOVER DENGAN KRITERIA MINIMAL PRODUCTION LOSS DAN MAKSIMAL POTENSI GAIN DARI SUMUR MINYAK Dosen Pembimbing: Ir. Sudiyono Kromodihardjo, MSc, PhD Oleh: Ergo Swasono
Lebih terperinciPembimbing I : Wiwik Anggraeni, S.Si, M.Kom Pembimbing II : Amalia Utamima, S.Kom, MBA KHAIRIL JUHDI SIREGAR
Pembimbing I : Wiwik Anggraeni, S.Si, M.Kom Pembimbing II : Amalia Utamima, S.Kom, MBA KHAIRIL JUHDI SIREGAR 5209100710 Optimasi Penjadwalan Proyek Menggunakan Metode Algoritma Genetika Abstrak Penjadwalan
Lebih terperinciPENGEMBANGAN ALGORITMA CROSS ENTROPY- GENETIC ALGORITHM UNTUK MENYELESAIKAN CAPACITATED LOCATION- ROUTING PROBLEM
PENGEMBANGAN ALGORITMA CROSS ENTROPY- GENETIC ALGORITHM UNTUK MENYELESAIKAN CAPACITATED LOCATION- ROUTING PROBLEM M. Firdias Aulia Baskoro W. 1, *), Budi Santosa 2), Yudha Prasetyawan 3) 1) Pasca Sarjana
Lebih terperinciPenjadwalan Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) A-127 Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS Wiga Ayu Puspaningrum, Arif Djunaidy, dan Retno
Lebih terperinciOPTIMALISASI JADWAL KUNJUNGAN EKSEKUTIF PEMASARAN DENGAN GOAL PROGRAMMING
OPTIMALISASI JADWAL KUNJUNGAN EKSEKUTIF PEMASARAN DENGAN GOAL PROGRAMMING Oleh : Sintha Yuli Puspandari 1206 100 054 Dosen Pembimbing : Drs. Sulistiyo, M. T Jurusan Matematika Fakultas Matematika dan Ilmu
Lebih terperinciPENYELESAIAN PERMASALAHAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN ALGORITMA DIFFERENTIAL EVOLUTION
PENYELESAIAN PERMASALAHAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN ALGORITMA DIFFERENTIAL EVOLUTION Heri Awalul Ilhamsah Jurusan Teknik Industri Universitas Trunojoyo Email: hilhamsah@gmail.com ABSTRAK
Lebih terperinciPENGEMBANGAN MODEL AIRLINE ROSTERING SYSTEM MENGGUNAKAN METODE DIFFERENTIAL EVOLUTION
PENGEMBANGAN MODEL AIRLINE ROSTERING SYSTEM MENGGUNAKAN METODE DIFFERENTIAL EVOLUTION Andiek Sunarto 1), Budi Santosa 2), dan Arief Rahman 3) 1,2,3) Jurusan Teknik Industri, Institut Teknologi Sepuluh
Lebih terperinciPENJADWALAN FLOW SHOP DENGAN PENERAPAN CROSS ENTROPY-GENETIC ALGORITHM (CEGA) UNTUK MEMINIMASI MAKESPAN
PENJADWALAN FLOW SHOP DENGAN PENERAPAN CROSS ENTROPY-GENETIC ALGORITHM (CEGA) UNTUK MEMINIMASI MAKESPAN Hasan Bashori 1, Pratikto 2, Sugiono 3 1,2,3 Universitas Brawijaya, Fakultas Teknik Mesin, Malang
Lebih terperinciIMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS)
IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) Devie Rosa Anamisa, S.Kom, M.Kom Jurusan D3 Teknik Multimedia Dan Jaringan-Fakultas Teknik Universitas Trunojoyo
Lebih terperinciOPTIMALISASI JADWAL KUNJUNGAN EKSEKUTIF PEMASARAN DENGAN GOAL PROGRAMMING
OPTIMALISASI JADWAL KUNJUNGAN EKSEKUTIF PEMASARAN DENGAN GOAL PROGRAMMING Abstrak Oleh : Sintha Yuli Puspandari 1206 100 054 Dosen Pembimbing : Drs. Sulistiyo, M.T Jurusan Matematika Fakultas Matematika
Lebih terperinciPerbandingan Algoritma Simulated Annealing dan Harmony Search dalam Penerapan Picking Order Sequence
Jurnal Teknik Industri, Vol. 19, o. 2, December 2017, 125-132 ISS 1411-2485 print / ISS 2087-7439 online DOI: 10.9744/jti.19.2.125-132 Perbandingan Algoritma Simulated Annealing dan Harmony Search dalam
Lebih terperinciOPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
Lebih terperinciPENJADWALAN PERAWAT UNIT GAWAT DARURAT DENGAN MENGGUNAKAN GOAL PROGRAMMING. Nama Mahasiswa : ATMASARI NRP :
PENJADWALAN PERAWAT UNIT GAWAT DARURAT DENGAN MENGGUNAKAN GOAL PROGRAMMING Nama Mahasiswa : ATMASARI NRP : 1206 100 064 Jurusan : Matematika Dosen Pembimbing : Drs. Sulistiyo, MT Abstrak Penjadwalan perawat
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Sektor kesehatan yang sedang mendapat perhatian besar dari pemerintah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sektor kesehatan yang sedang mendapat perhatian besar dari pemerintah merupakan salah satu sektor pembangunan yang sangat potensial untuk dapat diintegrasikan dengan
Lebih terperinciPENDEKATAN ALGORITMA CROSS ENTROPY- GENETIC ALGORITHM UNTUK MENURUNKAN MAKESPAN PADA PENJADWALAN FLOW SHOP
PENDEKATAN ALGORITMA CROSS ENTROPY- GENETIC ALGORITHM UNTUK MENURUNKAN MAKESPAN PADA PENJADWALAN FLOW SHOP Dian Setiya Widodo 1*, Purnomo Budi Santoso 2, Eko Siswanto 3 1,2,3 Universitas Brawijaya, Fakultas
Lebih terperinciBAB 2 LANDASAN TEORI
17 BAB 2 LANDASAN TEORI 2.1 Permasalahan Optimasi Optimasi adalah proses memaksimasi atau meminimasi suatu fungsi tujuan dengan tetap memperhatikan pembatas yang ada. Optimasi memegang peranan penting
Lebih terperinciKONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN
Jurnal Teknik dan Ilmu Komputer KONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN (Binary Genetic Algorithm Concept to Optimize Course Timetabling) Iwan Aang Soenandi
Lebih terperinciPENJADWALAN PERAWAT MENGGUNAKAN GOAL PROGRAMMING: STUDI KASUS DI RUMAH SAKIT HASANAH GRAHA AFIAH DEPOK RUSTIANA IMALA PUTRI
PENJADWALAN PERAWAT MENGGUNAKAN GOAL PROGRAMMING: STUDI KASUS DI RUMAH SAKIT HASANAH GRAHA AFIAH DEPOK RUSTIANA IMALA PUTRI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciTEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT
TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh Dian Sari Reski, Asrul Sani 2, Norma Muhtar 3 ABSTRACT Scheduling problem is one type of allocating resources problem that exist to
Lebih terperinciBAB 3 METODOLOGI Metode Penelitian. Dalam melakukan penelitian akan permasalahan ini, penulis menggunakan metode
BAB 3 METODOLOGI 3.1. Metode Penelitian Dalam melakukan penelitian akan permasalahan ini, penulis menggunakan metode rapid application development (RAD), dengan alur pengerjaan sebagai berikut: Gambar
Lebih terperinciPENGGUNAAN METODE CODEQ UNTUK MENYELESAIKAN PERMASALAHAN CAPACITATED VEHICLE ROUTING PROBLEM
PENGGUNAAN METODE CODEQ UNTUK MENYELESAIKAN PERMASALAHAN CAPACITATED VEHICLE ROUTING PROBLEM Dosen Pembimbing: Ir. Budi Santosa, M.Sc., Ph.D Y Giri N (2503 100 061) Latar Belakang Metode CODEQ merupakan
Lebih terperinciAPLIKASI PENJADWALAN RUANG KULIAH DENGAN METODE INTEGER LINEAR PROGRAMMING PADA FTIF ITATS
APLIKASI PENJADWALAN RUANG KULIAH DENGAN METODE INTEGER LINEAR PROGRAMMING PADA FTIF ITATS Anita T. Kurniawati 1 dan Maskur Teknik Informatika ITATS, Jl. Arief Rahman Hakim 100 Surabaya Email 1 : anitateku@yahoo.com
Lebih terperinciPENJADWALAN TENAGA KERJA TIGA SHIFT BERKENDALA LIBUR HARI MINGGU DAN SATU HARI SETELAH SHIFT TIGA
PENJADWALAN TENAGA KERJA TGA SHFT BERKENDALA LBUR HAR MNGGU DAN SATU HAR SETELAH SHFT TGA THREE SHFT LABOR SCHEDULNG CONSTRANED BY HOLDAY N SUNDAY AND ONE DAY AFTER THREE SHFT Erika Firdauzy Aminia 1),
Lebih terperinciAPLIKASI 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 terperinciPerancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali) I Made Budi Adnyana
Lebih terperinciPENJADWALAN TRUK PADA SISTEM CROSS DOCKING DENGAN PENYIMPANAN SEMENTARA DENGAN ALGORITMA HYBRID CROSS ENTROPY-GENETIC ALGORITHM
PENJADWALAN TRUK PADA SISTEM CROSS DOCKING DENGAN PENYIMPANAN SEMENTARA DENGAN ALGORITMA HYBRID CROSS ENTROPY-GENETIC ALGORITHM Pristi Dwi Puspitasari, Budi Santosa Jurusan Teknik Industri Institut Teknologi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Jasa pelayanan kesehatan dituntut untuk terus memperbaiki performa dan kualitas layanan kepada masyarakat. Salah satu jasa pelayanan kesehatan adalah rumah sakit. Seiring
Lebih terperinciBAB I PENDAHULUAN. yang dikerjakan pada beberapa buah mesin (Rosnani Ginting, 2009). Pekerjaan
BAB I PENDAHULUAN 1.1. Latar Belakang Penjadwalan adalah pengurutan pengerjaan produk secara menyeluruh yang dikerjakan pada beberapa buah mesin (Rosnani Ginting, 2009). Pekerjaan yang akan diselesaikan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pembangunan daerah perkotaan atau city development memiliki beberapa aspek penting salah satunya adalah logistik perkotaan atau city logistics. Alasan mengapa city
Lebih terperinciPENERAPAN METODE SIMULATED ANNEALING UNTUK PENJADWALAN JOB SHOP PADA MESIN PABRIK
PENERAPAN METODE SIMULATED ANNEALING UNTUK PENJADWALAN JOB SHOP PADA MESIN PABRIK Hanafi Agam 1, Arna Fariza 2, Ira Prasetyaningrum 2 Mahasiswa Jurusan Teknik Informatika 1, Dosen Pembimbing 2 Politeknik
Lebih terperinciPENERAPAN METODE ALGORITMA GENETIKA UNTUK PERMASALAHAN PENJADWALAN PERAWAT (Nurse Schedulling Problem)
INFO TEKNIK Volume 16 No. 1 Juli 2015 (61-74) PENERAPAN METODE ALGORITMA GENETIKA UNTUK PERMASALAHAN PENJADWALAN PERAWAT (Nurse Schedulling Problem) Nadiya Hijriana Program Studi Teknik Informatika Universitas
Lebih terperinciSWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm
Lebih terperinciJURNAL TEKNIK NDUSTRI ITS Vol. 1, No. 1, (2013) 1-6 1
JURNAL TEKNIK NDUSTRI ITS Vol. 1, No. 1, (2013) 1-6 1 PENGEMBANGAN ALGORITMA HYBRID CROSS ENTROPY-GENETIC ALGORITHM DALAM PENYELESAIAN MULTI-PRODUCT INVENTORY SHIP ROUTING PROBLEM DENGAN HETEROGENEOUS
Lebih terperinciUJI KINERJA DAN SIMULASI PENENTUAN JARAK TERPENDEK DENGAN SIMULATED ANNEALING PADA SUHU TETAP DAN SUHU BERUBAH
UJI KINERJA DAN SIMULASI PENENTUAN JARAK TERPENDEK DENGAN SIMULATED ANNEALING PADA SUHU TETAP DAN SUHU BERUBAH Dian Savitri, S.Si, M.Si Jurusan Teknik Sipil Fakultas Teknik Unesa dee_11januari@yahoo.com
Lebih terperinciOPTIMASI DISTRIBUSI BARANG BERDASARKAN RUTE DAN DAYA TAMPUNG MENGGUNAKAN METODE SIMULATED ANNEALING
OPTIMASI DISTRIBUSI BARANG BERDASARKAN RUTE DAN DAYA TAMPUNG MENGGUNAKAN METODE SIMULATED ANNEALING Susilo Dwi Juniarto, Entin Martiana K., S.Kom., M.Kom., Arna Fariza, S.Kom., M.Kom., Ira Prasetyaningrum
Lebih terperinciOptimasi Masalah Pemuatan Peti Kemas Pada PT. Trias Sentosa
Optimasi Masalah Pemuatan Peti Kemas Pada PT. Trias Sentosa Hans Marsha 1, I Gede Agus Widyadana 2 Abstract: PT. Trias Sentosa is a flexible packaging film manufacturing company. Customers who buy from
Lebih terperinciMODEL NONPREEMPTIVE GOAL PROGRAMMING DAN PENGOPTIMUMAN TAKLINEAR PADA PENJADWALAN PERAWAT RSUD KOTA BOGOR LUKMAN HAKIM
MODEL NONPREEMPTIVE GOAL PROGRAMMING DAN PENGOPTIMUMAN TAKLINEAR PADA PENJADWALAN PERAWAT RSUD KOTA BOGOR LUKMAN HAKIM SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2016 PERNYATAAN MENGENAI TESIS
Lebih terperinci5.5.4 Rekapitulasi Hari Kerja di Unit Perawatan Rekapitulasi Hari Kerja di Unit Perawatan Rekapitulasi Hari Kerja di
ABSTRAK Rumah Sakit Kebonjati berlokasi di Jalan Kebonjati no. 152, Bandung. Dalam rangka menata kembali jadwal kerja shift bagi para perawatnya agar sesuai dengan Peraturan Kepegawaian yang ditetapkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Fakultas Kedokteran Universitas Gadjah Mada (FK UGM) merupakan Fakultas Kedokteran tertua di Indonesia yang berdiri pada tanggal 5 maret 1946. Memiliki visi dan misi
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
1 I PENDAHULUAN 1.1 Latar Belakang Salah satu tujuan dari industri atau perusahaan adalah menciptakan laba yang maksimal. Salah satu bentuk usahanya adalah dengan memaksimumkan hasil produksi atau meminimumkan
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK P.T. Gistex Textile Division adalah sebuah perusahaan yang bergerak dibidang textile yang mengolah polyester (bahan baku) menjadi kain. Perusahaan memproduksi barang sesuai dengan pesanan konsumen
Lebih terperinciLOGO PENGEMBANGAN METODE HYBRID TABU SEARCH-CROSS ENTROPY UNTUK PENJADWALAN FLOWSHOP
LOGO PENGEMBANGAN METODE HYBRID TABU SEARCH-CROSS ENTROPY UNTUK PENJADWALAN FLOWSHOP Oleh : Muhammad Fahmi L. 2506 100 080 Pembimbing : Ir. Budi Santosa, M.Sc., Ph.D Ko-Pembimbing : Stefanus Eko Wiratno,
Lebih terperinciJURNAL REKAYASA DAN MANAJEMEN SISTEM INDUSTRI VOL. 2 NO. 6 TEKNIK INDUSTRI UNIVERSITAS BRAWIJAYA
PENJADWALAN TENAGA KERJA ROOM BOY DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING ROOM BOY SCHEDULING IN HKG HOTEL USING GOAL PROGRAMMING METHOD Auriiga Yuzi Eradipa 1), Arif Rahman 2), Ceria Farela Mada Tantrika
Lebih terperinciPENJADWALAN PRODUKSI DENGAN MENGGUNAKAN ALGORITMA SIMULATED ANNEALING
PENJADWALAN PRODUKSI DENGAN MENGGUNAKAN ALGORITMA SIMULATED ANNEALING Leo Willyanto Santoso [1], Jonathan Guntara [2], Iwan Njoto Sandjaja [3] Jurusan Teknik Informatika, Fakultas Teknologi Industri Universitas
Lebih terperinciPENERAPAN EVOLUTIONARY ALGORITHM PADA PENJADWALAN PRODUKSI (Studi Kasus di PT Brother Silver Product Indonesia)
PENERAPAN EVOLUTIONARY ALGORITHM PADA PENJADWALAN PRODUKSI (Studi Kasus di PT Brother Silver Product Indonesia) I Gede Agus Widyadana Dosen Fakultas Teknologi Industri, Jurusan Teknik Industri Universitas
Lebih terperinciAnalisis Penyelesaian Masalah Penjadwalan Kuliah Menggunakan Teknik Pewarnaan Graph Dengan Algoritma Koloni Lebah
Analisis Penyelesaian Masalah Penjadwalan Kuliah Menggunakan Teknik Pewarnaan Graph Dengan Algoritma Koloni Lebah Oleh : Heni Rachmawati 2209206810 Prof.Dr.Ir.Mauridhi Hery Purnomo,M.Eng Dr.I Ketut Eddy
Lebih terperinciArtificial Intelligence. uthie 1
Artificial Intelligence uthie 1 Cabang-cabang AI 1. Logical AI Logika (matematis) yang merepresentasikan sekumpulan fakta dan tujuan ---> RUANG KEADAAN: Graph Tree uthie 2 Cabang-cabang AI 2. Search Pencarian
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. genetik yang dibuat. Dalam mengimplementasi program aplikasi diperlukan syarat
BAB 4 IMPLEMENTASI DAN EVALUASI Pada bab ini, penulis akan menguraikan hasil implementasi dan evaluasi terhadap program aplikasi optimasi penjadwalan penggunaan ruang menggunakan teori algoritma genetik
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini, aspek manajemen untuk menyediakan pelayanan kesehatan terbaik untuk pasien di rumah sakit semakin diperhitungkan. Rumah sakit ingin mengoptimalkan level kepuasan
Lebih terperinciPenentuan Jadwal dan Rute Perjalanan Kapal dengan Batasan Waktu dan Jumlah Kunjungan
Jurnal Teknik Industri, Vol. 18, No. 2, Desember 2016, 123-128 ISSN 1411-2485 print / ISSN 2087-7439 online DOI: 10.9744/jti.18.2.123-128 Penentuan Jadwal Rute Perjalanan Kapal dengan Batasan Waktu Jumlah
Lebih terperinciPENGEMBANGAN ALGORITMA HYBRID CROSS ENTROPY- TABU SEARCH UNTUK PENYELESAIAN TRAVELLING REPAIRMAN PROBLEM
PENGEMBANGAN ALGORITMA HYBRID CROSS ENTROPY- TABU SEARCH UNTUK PENYELESAIAN TRAVELLING REPAIRMAN PROBLEM Pembimbing : Ir. Budi Santosa, M.S., Ph.D NIP. 196905121994021001 LOGO Peneliti : Muchammad Aminuddin
Lebih terperinciOPTIMASI POLA DISTRIBUSI BBM PERTAMINA MENGGUNAKAN ALGORITMA HEURISTIK
OPTIMASI POLA DISTRIBUSI BBM PERTAMINA MENGGUNAKAN ALGORITMA HEURISTIK Oleh: Rif atul Khusniah 1209201715 Dosen Pembimbing: Subchan, M.Sc, Ph.D Dr. Imam Mukhlas, MT SPBU 1 Order Daily DEPO SPBU 2 SPBU
Lebih terperinciAplikasi Algoritma Differential Evolution Untuk Permasalahan Kompleks Pemilihan Portofolio
Aplikasi Algoritma Differential Evolution Untuk Permasalahan Kompleks Pemilihan Portofolio Disusun Oleh: Irmaduta Fahmiari 2506 100 077 Dosen Pembimbing: Ir. Budi Santosa, M.S., Ph.D INVESTASI ALOKASI
Lebih terperinciJurnal Edukasi dan Penelitian Informatika (JEPIN) Vol. 1, No. 2, (2015) 1 Rancangan Sistem Penjadwalan Akademik Menggunakan Algoritma Max Min Ant System (Studi Kasus: STMIK Atma Luhur Pangkalpinang) Delpiah
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
digilib.uns.ac.id BAB I PENDAHULUAN 1.1 Latar Belakang Jadwal merupakan daftar atau tabel kegiatan atau rencana kegiatan dengan pembagian waktu pelaksanaan yang terperinci. Universitas menggunakan tabel
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Manajemen Proyek Konstruksi Suatu proyek konstruksi merupakan suatu rangkaian kegiatan yang hanya satu kali dilaksanakan dan umumnya berjangka waktu pendek. Selain itu, suatu
Lebih terperinciAlgoritma Cross Entropy Untuk Optimalisasi Penjadwalan Pertandingan Kompetisi Liga Super Indonesia. Andhika Eko Prasetyo
Algoritma Cross Entropy Untuk Optimalisasi Penjadwalan Pertandingan Kompetisi Liga Super Indonesia Andhika Eko Prasetyo Latar Belakang 1. Struktur dari Kompetisi Liga Super. 2. Geografis Indonesia yang
Lebih terperinci