CATATAN KULIAH RISET OPERASIONAL
|
|
- Sri Budiman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 CATATAN KULIAH RISET OPERASIONAL
2
3 Pertemuan minggu pertama ( x 50 menit) Pemrograman Bulat Linear (Integer Linear Programming - ILP) Tuuan Instrusional Umum : Mahasiswa dapat menggunaan algoritma yang ada pada metode pemrograman bulat untu mendapatan solusi optimal permasalahan pemrograman linier, sehingga diharapan dapat membuat program apliasinya Tuuan Instrusional Khusus : Mahasiswa mengerti pentingnya penggunaan pemrograman bulat Mahasiswa dapat memahami algoritma metode Branch and Bound Apa itu Pemrograman Bulat Metode simples (OR) solusi optimal mungin tida integer Bayangan misalnya ia ita tertari untu menentuan solusi optimal dari satu lini peraitan televisi, yang memprodusi beberapa tipe televisi Pembulatan matematis? Mengganggu batasan ILP Metode Branch and bound Algoritma: Asumsian permasalahan masimisasi Berian z sebagai batas bawah solusi optimum ILP Fathoming/Bounding Pilih LP i sebagai subproblem untu dibulatan Selesaian untu LP i dan usahaan athom Fathom dipenuhi ia salah satu ondisi ini dipenuhi: subproblem menghasilan solusi integer laya permasalahan ILP subproblem tida dapat menghasilan solusi yang lebih bai dari solusi batas bawah terbai yang ada (z) permasalahan ILP yang ada a Jia LP i athomed, perbaharui batas bawah z ia solusi ILP lebih bai Jia tida, pilih subproblem yang baru dan ulangi ulangi langah ia
4 semua subproblem sudah diselidii, stop Solusi optimum ILP adalah z batas bawah terahir, ia ada Jia tida ada : b Jia LP i belum athomed, terusan e langah Branching (pencabangan) Pilih satu variabel x yang nilai optimumnya tida * * memenuhi batasan integer Hilangan daerah x x x, (dimana [A] menunuan integer terbesar sedemiian shg A) dengan membuat dua subproblem LP yang sesuai dengan pembatas mutually exclusive : Kembali e langah x * * x dan x x Contoh : Mas z 5x 4x Sub to : x x 5 0x 6x 45 x, x 0danint eger Dengan simples, solusi optimal untu asus tersebut ditunuan tabel beriut: VB X X S S NK Z 0 0 5/ ¼ 35 X 0 5/ -/4 5 X 0-3/ ¼ 35 Batasan integer untu varaibe x dan x tida dipenuhi, dimana nilai optimal masing-masing secara berturut-turut adalah 35 dan 5 Solusi ini ita sebut sebagai LP0 Penyelesaian dengan ILP : LP Branching : pilih x, maa batasan baru x 3 dan x 3+ (atau x 4) Pilih batasan x 3 (ini aan menadi LP), maa model matemati menadi : Mas z 5x 4x Sub to : x x 5 0x 6x 45 x 3 x, x 0 Selesaian dengan simples, maa didapat tabel optimal: VB X X S S S 3 NK Z X 0 -
5 S X solusinya memenuhi batasan integer (x = 3, x = dan z = 3), sehingga diataan LP sudah athomed Solusi ini adalah batas bawah LP Branching : Pilih batasan x 4, maa model matemati menadi : Mas z 5x 4x Sub to : x x 5 0x 6x 45 x 4 x, x 0 Selesaian dengan dual simples, maa didapat tabel optimal: VB X X S S S 3 NK Z /3 5/ S 0 -/6 -/3 /6 X 0 0 /6 5/3 5/6 X solusinya belum memenuhi batasan integer (x = 4, x = 5/6 dan z = 3333), sehingga harus dibuat pencabangan Dari LP, terbentu cabang x dan x 0, demiian seterusnya sampai semua cabang-cabangnya sudah ditelusuri Secara lengap, cabang-cabang penyelesaian dari LP0 dengan memilih X untu memulai pencabangan LP dan seterusnya ditunuan oleh gambar di bawah: Maa solusi optimal ILP adalah solusi LP
6 LP X = 4; X = 08333; Z = 3333 X LP 4 Tida ada solusi Gambar Pohon penyelesaian ILP Pertemuan minggu edua ( x 50 menit) Metode Cutting-Plane Tuuan Instrusional Khusus : Mahasiswa dapat memahami algoritma metode Cutting-Plane dengan pure dan mixed integer Perhatian tabel simples beriut: LP X = 35; X = 0 5; Z = 35 X 4 X 0 LP 3 X = 45; X = 0; Z = 5 LP X 5 6 Tida ada solusi LP X = 3; X = ; Z = VB X X i X m W W W n NK Z c c cn 0 X 0 0 n 0 X i 0 0 i n i i i X m 0 0 m m n m m 3 X 4 LP X = 4; X 5 = 0; Z = 0 X 3 Pure Integer Digunaan ia semua variabel eputusan harus integer Algoritma Pure integer : Input : solusi optimal primal simples
7 Tentuan baris sumber baris variabel eputusan yang aan dibulatan Jia lebih dari satu, boleh dipilih sembarang n xi i i w, i tida integer buat e dalam bentu ractional cut penambahan endala baru n Si i w i atau n Si iw i VB X X i X m W W W n S i NK Z c c cn 0 0 X 0 0 n 0 0 X i 0 0 i n i i 0 i X m 0 0 m m n m 0 m S i i - i - in - i 3 selesaian dengan dual simples Contoh Kasus : Mas z x 9x Sub to : x 3x 6 x x 35 x, x positi dan bulat Solusi optimalnya dengan simples adalah : VB X X S S NK Z 0 0 8/ 5/ 63 X 0 / / / X 0 -/ 3/ 9/ Ambil baris X sebagai baris sumber : s s x s s x atau Maa ractional cutnya adalah :
8 s3 s s Dan tabel simplesnya adalah : VB X X S S S 3 NK Z 0 0 8/ 5/ 0 63 X 0 / / 0 / X 0 -/ 3/ 0 9/ S / -/ -/ 3 Dengan dual simples, solusi optimalnya adalah : VB X X S S S 3 NK Z X X 0 0 / -/ 4 4 S 0 0 / -/ 4 Solusi belum bulat, sehingga baris sumber dan ractional cut baru harus dibentu X sebagai baris sumber : s 4 s 3 4 x s s x atau Maa ractional cutnya adalah : 6 4 s4 s s3 Dan tabel simplesnya adalah : VB X X S S S 3 S 4 NK Z X X 0 0 / -/ S / -/ 0 4 S / -6/ -4/ 3 Dengan dual simples, solusi optimalnya adalah : VB X X S S S 3 S 4 NK
9 Z X X S S Maa solusi optimal ILPnya adalah : X = 4, X = 3 dan Z = 55 Mixed Integer Digunaan ia tida semua variabel eputusan harus integer Algoritma mixed integer : Tentuan baris sumber dengan memilih salah satu varaibel yang aan dibulatan dari tabel optimal simples : n n w w x supaya x integer, maa x atau x harus dipenuhi, dengan demiian : n w n w deinisian J himpunan subscript dimana 0 J = himpunan subscript dimana 0 J J w dan J J w 3 mixed cut : J J J J w w s 4 Masuan e tabel simples sebelumnya dan selesaian dengan dual simples Mas 9 x x z Sub to : x x x x, x x positi x bulat Solusi optimalnya dengan simples adalah :
10 VB X X S S NK Z 0 0 8/ 5/ 63 X 0 / / / X 0 -/ 3/ 9/ Baris sumber (baris x, arena hanya x yang aan dibulatan) : 3 x s s 4 J 3, J 4, Mixed cut : 3 S 3 S s atau 3 S3 S S Tabel simples : VB X X S S S 3 NK Z 0 0 8/ 5/ 0 63 X 0 / / 0 / X 0 -/ 3/ 0 9/ S / -3/ -/ Solusi optimalnya : VB X X S S S 3 NK Z 0 0 3/ X 0 0/33 0 -/3 0/3 X 0 -/ 0 4 S 0 0 /3 -/3 /3 Pertemuan minggu Ketiga ( x 50 menit) Model Jaringan Tuuan Instrusional Umum : Mahasiswa dapat menggunaan algoritma yang ada pada model aringan untu mendapatan solusi optimal permasalahan pemrograman linier, sehingga diharapan dapat membuat program apliasinya
11 Tuuan Instrusional Khusus : Mahasiswa dapat memahami dan menggunaan algoritma minimum spanning tree Mahasiswa dapat memahami dan menggunaan algoritma rute terpende Apa itu Model Jaringan? Perhatian situasi beriut: Disain aringan pipa gas alam yang menghubungan Arun Aceh dengan tangi penampungan Pertamina di salah satu ota dengan tuuan minimisasi biaya pemasangan pipa penentuan rute terpende yang menghubungan dua ota pada aringan alan yang sudah ada 3 penentuan apasitas masimum tahunan (dalam ton) aringan pipa coal slurry yang menghubungan pertambangan dengan daerah pusat pembangit energi 4 penentuan adwal aliran biaya-minimum dari pertambangan e ilang pemurnia dan ahirnya e pusat pendistribusian minya Jaringan adalah himpunan simpul yang dihubungan oleh garis atau urva Notasi standar aringan G : G = (N,A) Predecessor adalah ativitas yang mendahului suatu ativitas tertentu Successor adalah ativitas yang mengiuti suatu ativitas tertentu Algoritma Minimum Spanning Tree Asumsian himpunan C sebagai himpunan simpul yang terhubung dan C sebagai himpunan simpul yang tida terhubung Solusi Awal : C = { } dan C beranggotaan semua simpul Pilih sembarang simpul sebagai titi awal, maa C searang memilii satu anggota dan C berurang satu Hubungan simpul itu dengan simpul terdeat C bertambah satu dan C berurang satu Hubungan salah satu dari edua simpul yang ada pada C dengan simpul terdeat, maa C bertambah satu lagi dan C berurang satu Demiian seterusnya sampai C ={ } dan setiap simpul sudah terhubung Contoh : Seorang petugas lapangan di The National Par Service setiap hari harus berendaraan menggunaan mobil untu memantau empat loasi yang ada di taman Setiap area harus dia unungi seali, berangat dari dan berahir di pintu masu Area-area tersebut beserta ara alan yang sudah dibangun ( dalam mil) antara satu area dengan area lainnya ditunuan tabel di bawah Tanda strip (-) menunuan bahwa edua area tida dihubungan dengan alan raya yang bisa dilalui mobil Pintu air terun Batu Sunset The
12 Masu Rasasa Point Meadow Pintu Masu Air Terun Batu Rasasa Sunset Point The Meadow Penyelesaian : Jaringan dari asus di atas adalah: 8 PM 9 6 SP AT 3 BR 5 TM Solusi Awal : C = { PM} C = {AT, BR, SP, TM} Iterasi : C = {PM, AT} C = {BR, SP, TM}, Total ara = Iterasi : C = {PM, AT, BR} C ={SP, TM}, Total ara = 54 Iterasi 3 : C = {PM, AT, BR, TM} C = { SP}, Total ara = 06 Iterasi 4 : C = {PM, AT, BR, TM, SP} C ={ }, Total ara = 368 Solusi Optimum : PM 6 SP 83 AT BR 5 TM Rute Terpende Acyclic Jaringan asili alau tida memuat loop Algoritma : Berian u = ara terpende dari simpul e simpul, maa u = 0 Hitung u untu =, 3, secara reursi dengan rumus beriut:
13 u u min i i di u i = ara terpende u i e simpul yang langsung mendahului d i = ara antara simpul dengan semua predecessor i Contoh : Tentuan rute terpende!!! Penyelesaian : Simpu l Perhitungan u u = 0 u = u +d = 0+ =, dari u 3 = u +d 3 = 0+4 = 4, dari u 4 = min {u +d 4, u +d 4, u 3 +d 34 }= min {0+0, +, 4+3} =, dari 3 u 5 = min { u +d 5, u 4 +d 45 }= min {+5, +8} =, dari u 6 = min {u 3 +d 36, u 4 +d 46 }= min {4+, +} = 5, dari 3 u = min {u 5 +d 5, u 6 +d 6 }= min {+6, 5+9} = 3, dari 5 Label [0, -] [, ] [4, ] [, 3] [, ] [5, 3] [3, 5] Pertemuan minggu Keempat ( x 50 menit) Teori Keputusan Tuuan Instrusional Umum : Mahasiswa dapat menelasan enis-enis pengambilan eputusan berdasaran siat datanya dan menggunaan riteria pengambilan eputusan sehingga diharapan dapat membuat program apliasinya Tuuan Instrusional Khusus : Mahasiswa dapat menggunaan riteria Laplace untu pengambilan eputusan
14 Mahasiswa dapat menggunaan riteria minimas dan masimin untu pengambilan eputusan 3 Mahasiswa dapat menggunaan riteria Savage regret untu pengambilan eputusan 4 Mahasiswa dapat menggunaan riteria Hurwicz untu pengambilan eputusan Pengertian Metode Keputusan Tida Pasti Data yang digunaan dalam pengambilan eputusan bersiat tida pasti dan etidapastian tersebut tida dapat dihitung dalam bentu peluang Lawan (opponen) pengambil eputusan adalah alam Kriteria Laplace Setiap riteria eputusan dianggap mempunyai peluang yang sama untu teradi Contoh Diberian tabel perolehan dalam bentu biaya beriut : Kategori customer 3 4 Suplai a level a a 3 8 a Penyelesaian : E{a } = (/4)( ) = 45 E{a } = (/4)(8++8+3) = 5 E{a 3 } = (/4)(+8++) = 80 E{a 4 } = (/4)( ) = 5 Kriteria Minimas dan Masimin Biasanya digunaan oleh pengambil eputusan yang bersiat pesimis Memilih yang terbai dari antara yang terburu Minimas tabel perolehan dalam bentu biaya (erugian) Masimin tabel perolehan dalam bentu euntungan Contoh Diberian tabel perolehan dalam bentu biaya beriut : Kategori customer 3 4 Suplai a level a a 3 8 a Penyelesaian : Kategori customer Masimum
15 Suplai level 3 4 a a a 3 8 a Minimas Jia tabel di atas dianggap perolehan dalam bentu euntungan, maa penyelesaiannya adalah: Kategori customer Minimum 3 4 Suplai a level a a 3 8 Masimin a Kriteria Savage Regret Perbaian dari Minimas dan Masimin Contoh : Diberian tabel perolehan dalam bentu biaya beriut: Suplai level Kategori customer Masimum a a a a Minimas Dengan Savage regret Bentu tabel savage regret, lalu gunaan riteria minimas Kategori Masimum customer Suplai level a Minimas a a a Kriteria Hurwicz Contoh Diberian tabel perolehan dalam bentu biaya beriut Misalan = 04 Kategori customer
16 Suplai level 3 4 a a a 3 8 a Penyelesaian : Suplai level Kategori customer Masimum Minimum 3 4 a a a 3 8 a E{a } = (04*5)+(06*5) = E{a } = (04*)(06*3) = 66 E{a 3 } = (04*)(06*) = 4 E{a 4 } = (04*5)(06*30) = 4
Model Jaringan. Asumsikan himpunan C sebagai himpunan simpul yang terhubung dan C sebagai himpunan simpul yang tidak terhubung.
Model Jaringan Apa itu Model Jaringan? Perhatikan situasi berikut:. Disain jaringan pipa gas alam yang menghubungkan Arun Aceh dengan tangki penampungan Pertamina di salah satu kota dengan tujuan minimisasi
Lebih terperinciSTUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT
TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperinci12/15/2014. Apa yang dimaksud dengan Pemrograman Bulat? Solusi yang didapat optimal, tetapi mungkin tidak integer.
1 PEMROGRAMAN LINEAR BULAT (INTEGER LINEAR PROGRAMMING - ILP) Apa yang dimaksud dengan Pemrograman Bulat? METODE SIMPLEKS Solusi yang didapat optimal, tetapi mungkin tidak integer. 2 1 INTEGER LINEAR PROGRAMMING
Lebih terperinciBAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA
BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan
Lebih terperinciBAB 3 PRINSIP SANGKAR BURUNG MERPATI
BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana
Lebih terperinciBAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya
Lebih terperinciOSN 2014 Matematika SMA/MA
Soal 5. Suatu barisan bilangan asli a 1, a 2, a 3,... memenuhi a + a l = a m + a n untu setiap bilangan asli, l, m, n dengan l = mn. Jia m membagi n, butian bahwa a m a n. Solusi. Andaian terdapat bilangan
Lebih terperinciIII DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT
III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT 3.1 Studi Literatur tentang Pengelolaan Sampah di Beberapa Kota di Dunia Kaian ilmiah dengan metode riset operasi tentang masalah
Lebih terperinciMateri. Menggambar Garis. Menggambar Garis 9/26/2008. Menggambar garis Algoritma DDA Algoritma Bressenham
Materi IF37325P - Grafia Komputer Geometri Primitive Menggambar garis Irfan Malii Jurusan Teni Informatia FTIK - UNIKOM IF27325P Grafia Komputer 2008 IF27325P Grafia Komputer 2008 Halaman 2 Garis adalah
Lebih terperinciInteger Programming (Pemrograman Bulat)
Integer Programming (Pemrograman Bulat) Pemrograman bulat dibutuhkan ketika keputusan harus dilakukan dalam bentuk bilangan bulat (bukan pecahan yang sering terjadi bila kita gunakan metode simpleks).
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1 Linear Programming Linear Programming (LP) merupakan metode yang digunakan untuk mencapai hasil terbaik (optimal) seperti keuntungan maksimum atau biaya minimum dalam model matematika
Lebih terperinciPENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT
Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium
Lebih terperinciNeural Network menyerupai otak manusia dalam dua hal, yaitu:
2.4 Artificial Neural Networ 2.4.1 Konsep dasar Neural Networ Neural Networ (Jaringan Saraf Tiruan) merupaan prosesor yang sangat besar dan memilii ecenderungan untu menyimpan pengetahuan yang bersifat
Lebih terperinciKegiatan Belajar 4. Fungsi Trigonometri
Page o Kegiatan Belajar A. Tujuan Pembelajaran Setelah mempelajari egiatan belajar, diharapan siswa dapat a. Menentuan nilai ungsi trigonometri b. Menentuan persamaan grai ungsi trigonometri c. Menggambar
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA. Riset Operasi Masalah pengoptimalan timbul sejak adanya usaha untuk menggunakan pendekatan ilmiah dalam memecahkan masalah manajemen suatu organisasi. Sebenarnya kegiatan yang
Lebih terperinciModul 8. PENELITIAN OPERASIONAL INTEGER PROGRAMMING. Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI
Modul 8. PENELITIAN OPERASIONAL INTEGER PROGRAMMING Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS MERCU BUANA JAKARTA 2007 2 PENDAHULUAN Salah
Lebih terperinciSoal-Jawab Fisika OSN x dan = min. Abaikan gesekan udara. v R Tentukan: a) besar kelajuan pelemparan v sebagai fungsi h. b) besar h maks.
Soal-Jawab Fisia OSN - ( poin) Sebuah pipa silinder yang sangat besar (dengan penampang lintang berbentu lingaran berjarijari R) terleta di atas tanah. Seorang ana ingin melempar sebuah bola tenis dari
Lebih terperinciII LANDASAN TEORI. suatu fungsi dalam variabel-variabel. adalah suatu fungsi linear jika dan hanya jika untuk himpunan konstanta,.
II LANDASAN TEORI Pada pembuatan model penjadwalan pertandingan sepak bola babak kualifikasi Piala Dunia FIFA 2014 Zona Amerika Selatan, diperlukan pemahaman beberapa teori yang digunakan di dalam penyelesaiannya,
Lebih terperinciPENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )
PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,
Lebih terperinciTENTUKAN MODEL MATEMATISNYA!
INTEGER PROGRAMING CONTOH SOAL! Sebuah perusahaan jus buah curah JASJUS TAMBUNAN memproduksi 2 jenis produk, yaitu jus jeruk dan jus jambu. Masing-masing produk tersebut membutuhkan 2 tahapan produksi,
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
1 I PENDAHULUAN 1.1 Latar Belakang Kamar darurat (Emergency Room/ER) adalah tempat yang sangat penting peranannya pada rumah sakit. Aktivitas yang cukup padat mengharuskan kamar darurat selalu dijaga oleh
Lebih terperinciBAB 2 KAJIAN PUSTAKA
BAB 2 KAJIAN PUSTAKA 2.1 Program Linier Penyelesaian program linear dengan algoritma interior point dapat merupakan sebuah penyelesaian persoalan yang kompleks. Permasalahan dalam program linier mungkin
Lebih terperinciMATA KULIAH MATEMATIKA TEKNIK 2 [KODE/SKS : KD / 2 SKS] Ruang Vektor
MATA KULIAH MATEMATIKA TEKNIK [KODE/SKS : KD4 / SKS] Ruang Vetor FIELD: Ruang vetor V atas field salar K adalah himpunan ta osong dengan operasi penjumlahan vetor dan peralian salar. Himpunan ta osong
Lebih terperinciPENERAPAN METODE BRANCH AND BOUND DALAM PENYELESAIAN MASALAH PADA INTEGER PROGRAMMING
Jurnal Manajemen Informatika dan Teknik Komputer Volume, Nomor, Oktober 05 PENERAPAN METODE BRANCH AND BOUND DALAM PENYELESAIAN MASALAH PADA INTEGER PROGRAMMING Havid Syafwan Program Studi Manajemen Informatika
Lebih terperinciPENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN
PENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN Amethis Otaorora 1, Bilqis Amaliah 2, Ahmad Saihu 3 Teni Informatia, Faultas Tenologi
Lebih terperinciBAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain
8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan
Lebih terperinciDAFTAR ISI... HALAMAN JUDUL... HALAMAN PERSETUJUAN... LEMBAR PERNYATAAN... HALAMAN PERSEMBAHAN... HALAMAN MOTTO... KATA PENGANTAR... DAFTAR TABEL...
DAFTAR ISI Halaman HALAMAN JUDUL... HALAMAN PERSETUJUAN... LEMBAR PERNYATAAN... HALAMAN PERSEMBAHAN... HALAMAN MOTTO... KATA PENGANTAR... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... INTISARI... ABSTRACT...
Lebih terperinciSolusi Pengayaan Matematika Edisi 16 April Pekan Ke-4, 2005 Nomor Soal:
Solusi Pengayaan Matematia Edisi 6 pril Pean Ke-4, 00 Nomor Soal: -60. Jia. sin cos tan 00 00, maa nilai adalah... cos sin 00 00. 40 Solusi: [] sin cos tan 00 00 cos sin 00 00 sin sin 00 00 cos sin 00
Lebih terperinciDeret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII
Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam
Lebih terperinciBAB II KONSEP DAN DEFINISI
6 BAB II KONSEP DAN DEFINISI Pada bab ini aan dijelasan onsep dan definisi-definisi yang digunaan dalam metode pada penelitian ini. 2.1 DATA TRANSAKSI isalan = { 1, 2, 3,..., } adalah himpunan semua produ
Lebih terperinciPELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.
JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses
Lebih terperinciPEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER
PEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER Tantri Windarti Program Studi Sistem Informasi STMIK Surabaya Jl Raya Kedung Baru 98, Surabaya
Lebih terperinciPengenalan Pola. Klasifikasi Linear Discriminant Analysis
Pengenalan Pola Klasifiasi Linear Discriminant Analysis PTIIK - 2014 Course Contents 1 Analisis Disriminan 2 Linear Classification 3 Linear Discriminant Analysis (LDA 4 Studi Kasus dan Latihan Analisis
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 1.1 Latar Belakang Semakin tingginya mobilitas penduduk di suatu negara terutama di kota besar tentulah memiliki banyak permasalahan, mulai dari kemacetan yang tak terselesaikan hingga moda
Lebih terperinciANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Program Linier Program linier adalah suatu cara untuk menyelesaikan persoalan pengalokasian sumber-sumber yang terbatas di antara beberapa aktivitas yang bersaing, dengan cara
Lebih terperincimungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing
. DISTRIUSI INOMIL pabila sebuah oin mata uang yang memilii dua sisi bertulisan ambar () dan nga () dilempar satu ali, maa peluang untu mendapatan sisi ambar adalah,5 atau. pabila oin tersebut dilempar
Lebih terperinciSOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK (STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS)
Prosiding Semirata15 bidang MIPA BKS-PTN Barat Hal 357-36 SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS) Budi Rudianto 1, Narwen Jurusan
Lebih terperinciAplikasi diagonalisasi matriks pada rantai Markov
J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN. Latar Belakang Masalah penentuan rute bus karyawan mendapat perhatian dari para peneliti selama lebih kurang 30 tahun belakangan ini. Masalah optimisasi rute bus karyawan secara matematis
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan
Lebih terperinciProses Keputusan Markovian
Proses Keputusan Marovian 1 Pengantar Proses eputusan Marovian adalah proses eputusan stoasti/probabilistidimana banyanya state adalah hingga (finit). Melibatan dua buah matris: matris transisi (P) dan
Lebih terperinciPENYELESAIAN MASALAH PENGAMBILAN DAN PENGIRIMAN DENGAN KENDALA WAKTU MENGGUNAKAN TEKNIK PEMBANGKITAN KOLOM. Oleh: FAJAR DELLI WIHARTIKO G
PENYELESAIAN MASALAH PENGAMBILAN DAN PENGIRIMAN DENGAN KENDALA WAKU MENGGUNAKAN EKNIK PEMBANGKIAN KOLOM Oleh: FAJAR DELLI WIHARIKO G540035 DEPAREMEN MAEMAIKA FAKULAS MAEMAIKA DAN ILMU PENGEAHUAN ALAM INSIU
Lebih terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperinciBAB 2 TEORI PENUNJANG
BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan
Lebih terperinciUJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure
8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher
Lebih terperinciBAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.
BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas
Lebih terperinciII TINJAUAN PUSTAKA 2.1 Graf Definisi 1 (Graf, Graf Berarah dan Graf Takberarah) 2.2 Linear Programming
4 II TINJAUAN PUSTAKA Untuk memahami permasalahan yang berhubungan dengan penentuan rute optimal kendaraan dalam mendistribusikan barang serta menentukan solusinya maka diperlukan beberapa konsep teori
Lebih terperinci( ) terdapat sedemikian sehingga
LATIHAN.. Misalan A R, : A R, c R adala titi cluster dari A (c, ). Maa pernyataan beriut equivalen : a. lim b. Barisan ( ) yan onveren e c seina dan >., maa barisan ( ) onveren e. Buti : lim ( ) Berarti
Lebih terperinciPenempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming
JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul
Lebih terperinciPenggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler
Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,
Lebih terperinciModel Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009
Model Pembelaaran Off-Line Menggunaan Jaringan Syaraf Tiruan Untu Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teni Eletronia PENS 2009 Arie Setya Wulandari#, Eru Puspita S.T., M.Kom#2 # Jurusan
Lebih terperinciBahan Minggu II, III dan IV Tema : Kerangka acuan inersial dan Transformasi Lorentz Materi :
Bahan Minggu II, III dan IV Tema : Keranga auan inersial dan Transformasi Lorent Materi : Terdaat dua endeatan ang digunaan untu menelusuri aedah transformasi antara besaran besaran fisis (transformasi
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1 Program Linear Menurut Sitorus, Parlin (1997), Program Linier merupakan suatu teknik penyelesaian optimal atas suatu problema keputusan dengan cara menentukan terlebih dahulu suatu
Lebih terperinciMata Kuliah Penelitian Operasional II OPERATIONS RESEARCH AN INTRODUCTION SEVENTH EDITION BY HAMDY A. TAHA BAB 6.
Mata Kuliah Penelitian Operasional II OPERATIONS RESEARCH AN INTRODUCTION SEVENTH EDITION BY HAMDY A. TAHA BAB 6 Analisis Jaringan Dipresentasikan oleh: Herman R. Suwarman, S.Si Pendahuluan- Ilustrasi
Lebih terperinciKumpulan soal-soal level seleksi Kabupaten: Solusi: a a k
Kumpulan soal-soal level selesi Kabupaten: 1. Sebuah heliopter berusaha menolong seorang orban banjir. Dari suatu etinggian L, heliopter ini menurunan tangga tali bagi sang orban banjir. Karena etautan,
Lebih terperinciPada perkembangannya ternyata model transportasi ini dapat juga digambarkan dan diselesaikan dalam suatu bentuk jaringan
MODEL ARUS JARINGAN DEFINISI Jaringan (network) = (N, A); N=node, A=arc = sisi=busur. Arc (sisi) terarah mempunyai arah. Jaringan terarah mempunyai semua sisi yang terarah. Path (lintasan) = sekumpulan
Lebih terperinciAPLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK
APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK Novhirtamely Kahar, ST. 1, Nova Fitri, S.Kom. 2 1&2 Program Studi Teni Informatia, STMIK
Lebih terperinciSATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
Mata Kuliah Kode SKS Program Studi Fakultas : Teknik Riset Operasional : AK012221 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Pendahuluan Mahasiswa memahami falsafah RO dan hubungannya
Lebih terperinciAnalisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network
Analisa Drop Tegangan dan Susut Daya pada Jaringan Listri Penyulang Renon Menggunaan Metode Artificial Neural Networ I Gede Dyana Arana Jurusan Teni Eletro Faultas Teni, Universitas Udayana Denpasar, Bali,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciPROPOSAL PROGRAM HIBAH PENULISAN BUKU AJAR TAHUN 2017
DI KTI 2017 PROPOSAL PROGRAM HIBAH PENULISAN BUKU AJAR TAHUN 2017 MANAJEMEN SAINS: Pemanfaatan Matematika untuk Optimasi Bisnis SUSANA LIMANTO, S.T., M.SI (0706117203) ENDAH ASMAWATI, S.SI., M.SI. (0714057602)
Lebih terperinciMETODE FUNGSI PENALTI EKSTERIOR. Skripsi. Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Sains Program Studi Matematika
METODE FUNGSI PENALTI EKSTERIOR Sripsi Diajuan untu Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Sains Program Studi Matematia Disusun Oleh : Maria Martini Leto Kurniawan NIM : 03409 PROGRAM STUDI
Lebih terperinciBAB 2 LANDASAN TEORI 2.1 Perencanaan Produksi
BAB 2 LANDASAN TEORI 21 Perencanaan Produksi Produksi yang dalam bahasa inggris disebut production adalah keseluruhan proses yang dilakukan untuk menghasilkan produk atau jasa Produk yang dihasilkan sebagai
Lebih terperinciRINGKASAN SKRIPSI MODUL PERKALIAN
RINGKASAN SKRIPSI MODUL PERKALIAN SAMSUL ARIFIN 04/177414/PA/09899 DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS GADJAH MADA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM YOGYAKARTA 2008 HALAMAN PENGESAHAN
Lebih terperinciBAB III DIMENSI PARTISI GRAF KIPAS DAN GRAF KINCIR
BAB III DIMENSI PARTISI GRAF KIPAS DAN GRAF KINCIR 3. Dimensi Partisi Graf Kipas (F n ) Berdasaran Proposisi dan Proposisi, semua graf G selain graf P n dan K n memilii 3 pd(g) n -. Lebih husus, graf Kipas
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini disampaian beberapa pengertian dasar yang diperluan pada bab selanutnya. Selain definisi, diberian pula lemma dan teorema dengan atau tanpa buti. Untu beberapa teorema
Lebih terperinciBEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman
JMP : Volume 4 Nomor 2, Desember 2012, hal. 271-278 BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE Triyani dan Irham Taufiq Universitas Jenderal Soedirman trianisr@yahoo.com.au ABSTRACT.
Lebih terperinciMANAJEMEN DISTRIBUSI MULTI PRODUK BERDASARKAN BOBOT PROSENTASE PENJUALAN DAN EFISIENSI BIAYA DISTRIBUSI (STUDI KASUS DI PT THAMRIN BROTHERS)
Seminar Nasional Apliasi Tenologi Informasi 2011 (SNATI 2011) ISSN: 1907-5022 Yogyaarta, 17-18 Juni 2011 MANAJEMEN DISTRIBUSI MULTI PRODUK BERDASARKAN BOBOT PROSENTASE PENJUALAN DAN EFISIENSI BIAYA DISTRIBUSI
Lebih terperinciINTEGER PROGRAMMING. Oleh: Dimas Rahadian AM, S.TP. M.Sc.
INTEGER PROGRAMMING Oleh: Dimas Rahadian AM, S.TP. M.Sc Email: rahadiandimas@yahoo.com JURUSAN ILMU DAN TEKNOLOGI PANGAN UNIVERSITAS SEBELAS MARET SURAKARTA CONTOH SOAL! Sebuah perusahaan jus buah curah
Lebih terperinciMODEL SISTEM ANTRIAN
BB V MODEL SISTEM TRI ada teori antrian, suatu model antrian digunaan untu memperiraan suatu situasi antrian sesungguhnya, sehingga elauan antrian dapat dianalisa secara matemati. Dengan model sistem antrian
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciRuang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya
J. Math. and Its Appl. ISSN: 1829-605X Vol. 2, No. 1, May. 2005, 37 45 Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya Sadjidon Jurusan Matematia Institut Tenologi Sepuluh Nopember,
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah : Pemrograman Linier Kode/ss : MAS 4141/3 Semester : III Status (Wajib/Pilihan) : Wajib (W) Prasyarat : MAS
Lebih terperinciKLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE
KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108
Lebih terperinciVI. PEMILIHAN MODA (Modal Split/Choice)
VI. PEMILIHAN MODA (Modal Split/Choice) 6.. UMUM Tujuan: Mengetahui proporsi pengaloasian perjalanan e berbagai moda transportasi. Ada dua emunginan situasi yang dihadapi dalam meramal pemilihan moda:
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR
1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN POLA GEOMETRI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Muhamad Tonovan *, Achmad Hidayatno **, R. Rizal Isnanto ** Abstra - Pengenalan waah adalah
Lebih terperinciBAB IV APLIKASI PADA MATRIKS STOKASTIK
BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Program Linier Menurut Aminudin (2005), program linier merupakan suatu model matematika untuk mendapatkan alternatif penggunaan terbaik atas sumber-sumber yang tersedia. Kata linier
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti
Lebih terperinciAgar Xn berperilaku acak yang dapat dipertanggungjawabkan :
ara memperoleh data Zaman dahulu, dgn cara : 1. Melempar dadu 2. Mengoco artu Zaman modern (>1940), dgn cara membentu bilangan aca secara numeri/ aritmati(menggunaan omputer), disebut Pseudo Random Number
Lebih terperinciALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP)
ALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP) Igusta Wibis Vidi Abar Purwanto 2 FMIPA Universitas Negeri Malang E-mail: wibis.roccity@gmail.com Abstra: Multi Depot Vehicle Routing
Lebih terperinciPENYELESAIAN MASALAH DESAIN NETWORK TAKBERKAPASITAS DENGAN DEKOMPOSISI BENDERS DAN METODE BRANCH-AND- BOUND PUTI PARAMITA ROSLIYANTI
PENYELESAIAN MASALAH DESAIN NETWORK TAKBERKAPASITAS DENGAN DEKOMPOSISI BENDERS DAN METODE BRANCH-AND- BOUND PUTI PARAMITA ROSLIYANTI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciI. PENDAHULUAN. Teori graf merupakan salah satu bagian ilmu dari matematika dan merupakan
I. PENDAHULUAN. Latar Belaang Teori graf merupaan salah satu bagian ilmu dari matematia dan merupaan poo bahasan yang relatif muda jia dibandingan dengan cabang ilmu matematia yang lain seperti aljabar
Lebih terperinciKORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK
Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas
Lebih terperinciKumpulan soal-soal level seleksi provinsi: solusi:
Kumpulan soal-soal level selesi provinsi: 1. Sebuah bola A berjari-jari r menggelinding tanpa slip e bawah dari punca sebuah bola B berjarijari R. Anggap bola bawah tida bergera sama seali. Hitung ecepatan
Lebih terperinciPenentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway
Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Program Linier Program linier merupakan suatu model matematika untuk mendapatkan alternatif penggunaan terbaik atas sumber-sumber yang tersedia. Kata linier digunakan untuk menunjukkan
Lebih terperinciPENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL
PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL Reisha Humaira NIM 13505047 Program Studi Teni Informatia Institut Tenologi Bandung Jl. Ganesha 10, Bandung E-mail : if15047@students.if.itb.ac.id
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,
Lebih terperinciBAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING
Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan
Lebih terperinciPENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Wahyudi, Sorihi, dan Iwan Setiawan. Jurusan Teni Eletro Faultas Teni Universitas Diponegoro Semarang e-mail : wahyuditinom@yahoo.com.
Lebih terperinciVariasi Spline Kubik untuk Animasi Model Wajah 3D
Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciOLIMPIADE SAINS NASIONAL 2012 BIDANG ILMU FISIKA
OLIMPIADE SAINS NASIONAL 2012 BIDANG ILMU FISIKA SELEKSI TIM INDONESIA untu IPhO 2013 SOAL TES TEORI KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN DIREKTORAT JENDERAL PENDIDIKAN MENENGAH DIREKTORAT PEMBINAAN SEKOLAH
Lebih terperinci2.1 Bilangan prima dan faktorisasi prima
BAB 2 BILANGAN PRIMA 2.1 Bilangan prima dan fatorisasi prima Definisi 2.1.1. Bilangan bulat p > 1 diataan prima jia ia hanya mempunyai pembagi p dan 1. Dengan ata lain bilangan prima tida mempunyai pembagi
Lebih terperinciBAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN
BAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN Kompetensi : 1. Mahasiswa memahami onsep pembelaaran dalam JST Sub Kompetensi : 1. Dapat mengetahui prinsip algoritma Perceptron 2. Dapat mengetahui
Lebih terperinci