LAMPIRAN A KUISIONER PEMBOBOTAN

dokumen-dokumen yang mirip
BAB VI Program Linear Bilangan Bulat

Dasar-dasar Optimasi

SOAL LATIHAN. Kerjakan soal-soal berikut ini dengan singkat dan jelas!

LINDO. Lindo dapat digunakan sampai dengan 150 kendala dan 300 variabel

Formulasi dengan Lindo. Dasar-dasar Optimasi. Hasil dengan Lindo 1. Hasil dengan Lindo 2. Interpretasi Hasil. Interpretasi Hasil.

Lampiran 1 Syntax Program LINGO 11.0 untuk Menyelesaikan Masalah Pemrograman Linear dengan Metode Branch-and-Bound beserta Hasil yang Diperoleh

Bagaimana cara menyelesaikan persoalan Linier Programming and Integer Programming dengan

Tabel 1. Soal Lapres. Benang Pewarna Harga Jual Permasalahan tersebut dimodelkan sebagai berikut : X2 = Sarung Anak

BAB 3 PEMBAHASAN. 3.1 Pengumpulan Data

2. Metode MODI (Modified Distribution) / Faktor Pengali (Multiplier)

Modul 8. PENELITIAN OPERASIONAL INTEGER PROGRAMMING. Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI

BAB IV ANALISIS DAN PEMBAHASAN. dari UD. Wingko Babat Pak Moel sebagai berikut: a. Data permintaan wingko pada tahun 2016.

Daerah fisibel untuk masalah IP di atas diberikan pada gambar berikut :

Pengolahan Data Merubah variabel linguistik menjadi bilangan fuzzy

a. Menyelesaikan Masalah Penugasan dengan Algoritma Hungaria

Dualitas Dalam Model Linear Programing

MAKSIMALISASI PROFIT DALAM PERENCANAAN PRODUKSI

LAMPIRAN PENENTUAN KRITERIA PENGEMBAGAN SEKTOR PERDAGANGAN DAN JASA SEBAGAI PENUNJANG INDUSTRI KREATIF DI KECAMATAN MAJALAYA

Bab 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

Lampiran 1 Gambar rancang bangun alat penangkap ikan tuna longline. Sumber: 30 Desember 2010

Global optimal solution found. Objective value: Infeasibilities: Total solver iterations: 1

PANDUAN WAWANCARA PENELITIAN OPTIMASI PENGADAAN SAYURAN ORGANIK. : Optimasi Pengadaan Sayuran Organik

Metode Simpleks dengan Big M dan 2 Phase

PENYELESAIAN MODEL LINEAR PROGRAMMING SECARA MATEMATIK (METODE SIMPLEKS)

BAB 2 LANDASAN TEORI

Lampiran 1. Peta Lokasi Peneliti. Peta Teluk Levun Kabupaten Maluku Tenggara

Metode Simpleks M U H L I S T A H I R

Fakultas Pertanian Unlam ABSTRACT

PERTEMUAN 9 JARINGAN KERJA (NETWORK)

RISET OPERASIONAL MINGGU KE-2. Disusun oleh: Nur Azifah., SE., M.Si. Linier Programming: Formulasi Masalah dan Model

Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c

PERBANDINGAN ANALISIS SENSITIVITAS MENGGUNAKAN PARTISI OPTIMAL DAN BASIS OPTIMAL PADA OPTIMASI LINEAR MIRNA SARI DEWI

PROPOSAL PROGRAM HIBAH PENULISAN BUKU AJAR TAHUN 2017

TUGAS BESAR RISET OPERASI PROGRAM QM

Analisis Sensitifitas DALAM LINEAR PROGRAMING

Analisis Sensitifitas. Analsis sensitifitas

III. METODE PENELITIAN

BAB III METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN

PRAKTIKUM II PEMROGRAMAN LINIER (METODE SIMPLEKS)

PENELITIAN OPERASIONAL I (TIN 4109)

BAB III ANP DAN TOPSIS

OPTIMALISASI ALOKASI DISTRIBUSI PESTISIDA DENGAN MENGGUNAKAN METODE LINEAR PROGRAMMING (Study Kasus CV. Jayanty Banyumas )

BAB III METODE PENELITIAN. 1. Konsep dan Variabel Penelitian Metode yang digunakan dalam penelitian ini adalah metode kualitatif

III. METODE PENELITIAN

BAB IV HASIL DAN PEMBAHASAN

UNIVERSITAS MERCU BUANA PROGRAM PASKA SARJANA PROGRAM STUDI MAGISTER MANAJEMEN

METODE SIMPLEKS (MS)

METODE PENELITIAN. Kata Kunci analytical hierarchy process, analytic network process, multi criteria decision making, zero one goal programming.

PENGALOKASIAN PESANAN BAHAN BAKU YANG OPTIMUM PADA PT. GOLD COIN INDONESIA DENGAN METODE ANALYTIC NETWORK PROCESS (ANP) DAN GOAL PROGRAMMING

MATEMATIKA SISTEM INFORMASI 2 [KODE/SKS : IT / 2 SKS]

LAMPIRAN: Daftar Kuesioner & Hasil Olah Data. Analisis keberadaan..., Marthin Hadi Juliansah, FE UI, 2010.

Bab 2 LANDASAN TEORI

PENELITIAN OPERASIONAL I (TIN 4109)

BAB 2 LANDASAN TEORI 2.1 Perencanaan Produksi

12/15/2014. Apa yang dimaksud dengan Pemrograman Bulat? Solusi yang didapat optimal, tetapi mungkin tidak integer.

KUESIONER PENELITIAN

BAB 3 METODOLOGI PENELITIAN. BPK-RI Perwakilan Provinsi Lampung didirikan pada tanggal 7 Juni 2006, berdasarkan Surat

BAB VI KESIMPULAN DAN SARAN

Penerapan Analytical Hierarchy Process (AHP) Dalam Evaluasi Agen Pangkalan LPG 3 kg

Matematika Bisnis (Linear Programming-Metode Grafik Minimisasi) Dosen Febriyanto, SE, MM.

UJM 3 (2) (2014) UNNES Journal of Mathematics.

Pertemuan 2 Metode Simplex

BAB 6 KESIMPULAN DAN SARAN

DAFTAR ISI... HALAMAN JUDUL... HALAMAN PERSETUJUAN... LEMBAR PERNYATAAN... HALAMAN PERSEMBAHAN... HALAMAN MOTTO... KATA PENGANTAR... DAFTAR TABEL...

VII. KESIMPULAN DAN SARAN

Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Studi Agribisnis Fakultas Pertanian Universitas Jambi

Diajukan Oleh: Sadiq Ardo Wibowo

BAB 2 LANDASAN TEORI

PEMILIHAN KONTRAKTOR PERBAIKAN ROTOR DI PEMBANGKIT LISTRIK PT XYZ DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS DAN GOAL PROGRAMMING

Integer Programming (Pemrograman Bulat)

MDH Gamal, Zaiful Bahri

Pemilihan Supplier Menggunakan Metode Fuzzy Analytic Network Process (FANP) pada PT Putra Gunung Kidul

MASALAH PENUGASAN METODE KUANTITATIF MANAJEMEN

BAB III Transportasi

Dualitas Dalam Model Linear Programing

PENENTUAN STRATEGI UNTUK MENINGKATKAN KAPASITAS PRODUKSI KOPI ORGANIK (Studi Kasus di PT. Aries Kencana International)

BAB II TINJAUAN PUSTAKA

DECISION SUPPORT DALAM PEMILIHAN STAF TERBAIK DENGAN METODE ANP

PEMILIHAN SUPPLIER ALUMINIUM OLEH MAIN KONTRAKTOR DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS

BAB III METODE PENELITIAN. Lokasi penelitian ini adalah Pamella Swalayan 1. Jl. Kusumanegara

BAB 3 METODE PENELITIAN

BAB III METODE FUZZY ANP DAN TOPSIS

Prosiding Seminar Nasional Manajemen Teknologi XX Program Studi MMT-ITS, Surabaya 1 Februari 2014

BAB IV. METODE SIMPLEKS

PEMILIHAN SUPPLIER DENGAN MENGINTEGRASIKAN CLUSTER ANALYSIS, ANP DAN TOPSIS SERTA ALOKASI ORDER DENGAN BEBERAPA FUNGSI TUJUAN

Pemodelan dalam RO. Sesi XIV PEMODELAN. (Modeling)

PENERAPAN PERBANDINGAN METODE AHP-TOPSIS DAN ANP-TOPSIS MENGUKUR KINERJA SUMBER DAYA MANUSIA DI GORONTALO

IMPLEMENTASI METODE AHP UNTUK REKOMENDASI TEMPAT KOST PADA APLIKASI KOST ONLINE

Lampiran 1. Denah Pabrik MT KPBS Pangalengan

RIWAYAT HIDUP ABSTRAK ABSTRACK KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN

DECISION SUPPORT DALAM PEMILIHAN STAF TERBAIK DENGAN METODE ANP

PEMILIHAN ALTERNATIF PENYEDIAAN BBK DI PT X DENGAN METODE ANP (ANALYTIC NETWORK PROCESS)-BOCR (BENEFIT, OPPORTUNITY, COST DAN RISK)

Bab 2 LANDASAN TEORI

PENERAPAN METODE ANP DALAM MELAKUKAN PENILAIAN KINERJA KEPALA BAGIAN PRODUKSI (STUDI KASUS : PT. MAS PUTIH BELITUNG)

Transkripsi:

91 LAMPIRAN A KUISIONER PEMBOBOTAN PENGANTAR Kuisioner berikut merupakan kuisioner metode Analytic Network Process (ANP) untuk menentukan nilai bobot indikator kinerja kunci klaster yang telah teridentifikasi dari pengelolaan data penilitian sebelumnya. Kuisioner ini terdiri dari pairwise comparison (perbandingan berpasangan) antar kelompok kinerja dan indikator penilaiannya. Kuisioner ini adalah media yang digunakan oleh peneliti kepada pihak ahli atau expert dalam hal penilaian untuk pemilihan alternatif strategi revitalisasi Pasar Tradisional Tambah Rejo Surabaya dengan kriteria. Adapun pihak yang terlibat pada penelitian tugas akhir ini adalah pihak eks R&D PD. Pasar Surya, Kepala Pasar Tambah Rejo Surabaya, Ketua Paguyuban Pedagang Tambah Rejo Surabaya. Nilai bobot prioritas yang dihasilkan akan digunakan untuk menentukan alternatif pemilihan strategi revitalisasi dan juga sebagai inputan dalam pengolahan metode ZOGP (zero-one goal programming). Semoga hasil penelitian tugas akhir ini dapat membantu memberikan masukan dalam pemilihan strategi revitalisasi Pasar Tradisionla Tambah Rejo Surabaya. Segala aktivitas wawancara dan data yang diperoleh murni digunakan untuk kepentingan pendidikan dan penelitian. Atas partisipasinya diucapkan terima kasih. Surabaya, Juni 2010 PENELITI

92 Identitas Responden Nama :. Profesi/Posisi :... Alamat :... No. Telepon :... Petunjuk pengisian: Beri tanda silang (X) nilai perbandingan yang paling sesuai menurut anda, berdasarkan kategori serta skala perbandingan yang telah diberikan untuk setiap aspek/kriteria terhadap goal/objectif, aspek/kriteria terhadap aspek/kriteria lainnya serta alternatif tehadap aspek/kriteria. Pemberian nilai yang semakin besar ke kanan berarti aspek/kriteria bagian kanan lebih dipentingkan daripada aspek/kriteria bagian kiri, begitupun sebaliknya. Skala perbandingan berpasangan ANP: 1. Equal (sama) 2. Equal moderate (nilai antara sama sampai sedang) 3. Moderate (sedang) 4. Moderate strong (nilai antara sedang sampai kuat) 5. Strong (kuat) 6. Strong very strong (nilai antara kuat sampai sangat kuat) 7. Very strong (sangat kuat) 8. Very strong extreme (nilai antara sangat kuatsampai ekstrim) 9. Extreme (Ekstrim)

93 A.1. Sub Network (Benefit)With respect to Peningkatan Kenyamanan Pasar A.2. Sub Network (Benefit)With respect to Peningkatan Kenyamanan Pasar A.3. Sub Network (Cost)With respect to Biaya Operasional Per Tahun

94 A.4. Sub Network (Cost)With respect to Penggunaan Resource Pasar A.5. Sub Network (Opportunity) With respect to Ketertarikan Investor A.6. Sub Network (Opportunity) With respect to Pencitraan Pasar

95 A.7. Sub Network (Opportunity) With respect to Ketertarikan Pengunjung A.8. Sub Network (Opportunity) With respect to Opportunity Kriteria A.9. Sub Network (Risk) With respect to Durasi Proyek

96 A.10. Sub Network (Risk) With respect to Stabilitas Lingkungan Sekitar A.11. Sub Network (Risk) With respect to Konflik Pedagang Pasar-PKL Demikian hasil pengisian kuisioner ini, adapun seluruh pengisian dalam setiap poin di kuisioner ini adalah benar-banar diisikan oleh pihak respoden yang tertulis pada halaman sebelumnya dan tidak dengan paksaan macam apapun. Tertanda, Surabaya.Juni 2010 Responden Kuisioner (.)

97 LAMPIRAN B RATA-RATA GEOMETRIS B.1 Rata-Rata Geometris Subnet Benefit Kenyamanan Pasar B.2 Rata-Rata Geometris Subnet Benefit Transaksi Penjualan

98 B.3 Rata-Rata Geometris Subnet Opportunity Pencitraan Pasar B.4 Rata-Rata Geometris Subnet Opportunity Ketertarikan Investor

99 B.5 Rata-Rata Geometris Subnet Opportunity Ketertarikan Pengunjung B.6 Rata-Rata Geometris Subnet Opportunity Alternatif

100 B.7 Rata-Rata Geometris Subnet Cost Biaya Operasional Per Tahun B.8 Rata-Rata Geometris Subnet Cost Penggunaan Resource Pasar

101 B.9 Rata-Rata Geometris Subnet Risk Durasi Proyek B.10 Rata-Rata Geometris Subnet Risk Stabilitas Lingkungan

102 B.11 Rata-Rata Geometris Subnet Risk Konflik Pedagang-PKL

103 LAMPIRAN C INKONSISTENSI PERBANDINGAN BERPASANGAN C.1 Grafik Inkonsistensi Node Kenyamanan Pasar C.2 Grafik Inkonsistensi Node Transaksi Penjualan

104 C.3 Grafik Inkonsistensi Node Ketertarikan Investor C.4 Grafik Inkonsistensi Node Ketertarikan Pengunjung

105 C.4 Grafik Inkonsistensi Node Pencitraan Pasar C.5 Grafik Inkonsistensi Node Pencitraan Pasar

106 C.6 Grafik Inkonsistensi Node Biaya Operasional Per Tahun C.7 Grafik Inkonsistensi Node Penggunaan Resource

107 C.7 Grafik Inkonsistensi Node Durasi Proyek C.8 Grafik Inkonsistensi Node Konflik Pedagang-PKL

108 C.9 Grafik Inkonsistensi Node Stabilitas Lingkungan

109 LAMPIRAN D SUPERMATRIKS D.1 Benefit Unweighted SuperMatriks D.2 Benefit Weighted SuperMatriks

110 D.3 Benefit Limiting SuperMatriks D.4 Opportunity Unweighted SuperMatriks

111 D.5 Opportunity Weighted SuperMatriks D.6 Opportunity Limiting SuperMatriks

112 D.7 Cost Unweighted Supermatriks D.8 Cost Weighted Supermatriks

113 D.9 Cost Limiting Supermatriks D.10 Risk Unweighted Supermatriks

114 D.11 Risk Weighted Supermatriks D.12 Risk Limiting Supermatriks

115 LAMPIRAN E OUTPUT LINDO E.1 Output Formulasi ZOGP LP OPTIMUM FOUND AT STEP 20 OBJECTIVE VALUE = 0.390409641E-01 FIX ALL VARS.( 3) WITH RC > 0.000000E+00 NEW INTEGER SOLUTION OF 0.750000030E-01 AT BRANCH 0 PIVOT 29 BOUND ON OPTIMUM: 0.7500000E-01 ENUMERATION COMPLETE. BRANCHES= 0 PIVOTS= 29 LAST INTEGER SOLUTION IS THE BEST FOUND RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE 1) 0.7500000E-01 VARIABLE VALUE REDUCED COST X1 1.000000-0.643000 X2 1.000000-0.059000 X3 0.000000-0.075000 X4 1.000000 0.000000 X5 1.000000 0.000000 N1 0.000000 1.000000 N2 0.000000 0.000000 N3 0.000000 0.000000 N4 1.000000 0.000000 N5 0.000000 0.000000 N6 0.000000 0.000000 P1 66.243996 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 0.000000

116 3) 0.000000-0.643000 4) 0.000000-0.059000 5) 0.000000-0.075000 6) 0.000000 0.000000 7) 0.000000 0.000000 8) 0.000000 0.000000 9) 66.243996 0.000000 10) 0.000000 0.000000 11) 0.000000 0.000000 12) 1.000000 0.000000 13) 0.000000-0.026000 14) 0.000000-0.194000 NO. ITERATIONS= 31 BRANCHES= 0 DETERM.= 1.000E 0 E.2 Output Sensitivity (Penurunan Budget 10%) LP OPTIMUM FOUND AT STEP 5 OBJECTIVE VALUE = 0.545314997E-01 FIX ALL VARS.( 3) WITH RC > 0.000000E+00 NEW INTEGER SOLUTION OF 0.750000030E-01 AT BRANCH 0 PIVOT 15 BOUND ON OPTIMUM: 0.7500000E-01 ENUMERATION COMPLETE. BRANCHES= 0 PIVOTS= 15 LAST INTEGER SOLUTION IS THE BEST FOUND RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE 1) 0.7500000E-01 VARIABLE VALUE REDUCED COST X1 1.000000-0.643000 X2 1.000000-0.059000

117 X3 0.000000-0.075000 X4 1.000000 0.000000 X5 1.000000 0.000000 N1 0.000000 1.000000 N2 0.000000 0.000000 N3 0.000000 0.000000 N4 1.000000 0.000000 N5 0.000000 0.000000 N6 0.000000 0.000000 P1 36.243996 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 0.000000 3) 0.000000-0.643000 4) 0.000000-0.059000 5) 0.000000-0.075000 6) 0.000000 0.000000 7) 0.000000 0.000000 8) 0.000000 0.000000 9) 36.243996 0.000000 10) 0.000000 0.000000 11) 0.000000 0.000000 12) 1.000000 0.000000 13) 0.000000-0.026000 14) 0.000000-0.194000 NO. ITERATIONS= 16 BRANCHES= 0 DETERM.= 1.000E 0 E.3 Output Sensitivity (Penurunan Budget 20%) LP OPTIMUM FOUND AT STEP 5 OBJECTIVE VALUE = 0.700220317E-01 FIX ALL VARS.( 3) WITH RC > 0.000000E+00 NEW INTEGER SOLUTION OF 0.750000030E-01 AT BRANCH 0 PIVOT 15

118 BOUND ON OPTIMUM: 0.7500000E-01 ENUMERATION COMPLETE. BRANCHES= 15 0 PIVOTS= LAST INTEGER SOLUTION IS THE BEST FOUND RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE 1) 0.7500000E-01 VARIABLE VALUE REDUCED COST X1 1.000000-0.643000 X2 1.000000-0.059000 X3 0.000000-0.075000 X4 1.000000 0.000000 X5 1.000000 0.000000 N1 0.000000 1.000000 N2 0.000000 0.000000 N3 0.000000 0.000000 N4 1.000000 0.000000 N5 0.000000 0.000000 N6 0.000000 0.000000 P1 6.243997 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 0.000000 3) 0.000000-0.643000 4) 0.000000-0.059000 5) 0.000000-0.075000 6) 0.000000 0.000000 7) 0.000000 0.000000 8) 0.000000 0.000000 9) 6.243997 0.000000 10) 0.000000 0.000000 11) 0.000000 0.000000 12) 1.000000 0.000000 13) 0.000000-0.026000 14) 0.000000-0.194000

119 NO. ITERATIONS= 16 BRANCHES= 0 DETERM.= 1.000E 0 E.4 Output Sensitivity (Penurunan Budget 30%) LP OPTIMUM FOUND AT STEP 5 OBJECTIVE VALUE = 0.855125710E-01 FIX ALL VARS.( 1) WITH RC > 0.350072E-01 NEW INTEGER SOLUTION OF 0.101000004 AT BRANCH 0 PIVOT 15 BOUND ON OPTIMUM: 0.1010000 ENUMERATION COMPLETE. BRANCHES= 0 PIVOTS= 15 LAST INTEGER SOLUTION IS THE BEST FOUND RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE 1) 0.1010000 VARIABLE VALUE REDUCED COST X1 1.000000-0.643000 X2 1.000000-0.059000 X3 0.000000-0.075000 X4 0.000000-0.026000 X5 1.000000 0.000000 N1 0.000000 1.000000 N2 0.000000 0.000000 N3 0.000000 0.000000 N4 1.000000 0.000000 N5 1.000000 0.000000 N6 0.000000 0.000000 P1 29.993996 0.000000 ROW SLACK OR SURPLUS DUAL PRICES

120 2) 0.000000 0.000000 3) 0.000000-0.643000 4) 0.000000-0.059000 5) 0.000000-0.075000 6) 0.000000-0.026000 7) 0.000000 0.000000 8) 0.000000 0.000000 9) 29.993996 0.000000 10) 0.000000 0.000000 11) 0.000000 0.000000 12) 1.000000 0.000000 13) 1.000000 0.000000 14) 0.000000-0.194000 NO. ITERATIONS= 18 BRANCHES= 0 DETERM.= 1.000E 0 E.5 Output Sensitivity (Penurunan Budget 40%) LP OPTIMUM FOUND AT STEP 6 OBJECTIVE VALUE = 0.101025760 FIX ALL VARS.( 2) WITH RC > 0.204670 SET X2 TO >= 1 AT 1, BND= -0.1010 TWIN=-0.1600 19 SET X1 TO >= 1 AT 2, BND= -0.1010 TWIN=-0.7440 21 SET X5 TO >= 1 AT 3, BND= -0.1070 TWIN=-0.2950 23 NEW INTEGER SOLUTION OF 0.107003383 AT BRANCH 3 PIVOT 23 BOUND ON OPTIMUM: 0.1070034 DELETE X5 AT LEVEL 3 DELETE X1 AT LEVEL 2 DELETE X2 AT LEVEL 1 ENUMERATION COMPLETE. BRANCHES= 3 PIVOTS= 23 LAST INTEGER SOLUTION IS THE BEST FOUND

121 RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE 1) 0.1070034 VARIABLE VALUE REDUCED COST X1 1.000000 131.464996 X2 1.000000 13.689000 X3 0.000000 145.175003 X4 0.000000 53.723999 X5 1.000000 34.150002 N1 0.006003 0.000000 N2 0.000000 0.000000 N3 0.000000 0.000000 N4 1.000000 0.000000 N5 1.000000 0.000000 N6 0.000000 0.000000 P1 0.000000 1.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 1.000000 3) 0.000000-0.643000 4) 0.000000-0.059000 5) 0.000000-0.075000 6) 0.000000-0.026000 7) 0.000000 0.000000 8) 0.006003 0.000000 9) 0.000000 0.000000 10) 0.000000 0.000000 11) 0.000000 0.000000 12) 1.000000 0.000000 13) 1.000000 0.000000 14) 0.000000-0.194000 NO. ITERATIONS= 26 BRANCHES= 3 DETERM.= 1.000E 0

122 E.6 Output Sensitivity (Penurunan Budget 50%) LP OPTIMUM FOUND AT STEP 4 OBJECTIVE VALUE = 0.239131436 FIX ALL VARS.( 1) WITH RC > 0.444870E-01 NEW INTEGER SOLUTION OF 0.295000017 AT BRANCH 0 PIVOT 19 BOUND ON OPTIMUM: 0.2950000 ENUMERATION COMPLETE. BRANCHES= 0 PIVOTS= 19 LAST INTEGER SOLUTION IS THE BEST FOUND RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE 1) 0.2950000 VARIABLE VALUE REDUCED COST X1 1.000000-0.643000 X2 1.000000-0.059000 X3 0.000000-0.075000 X4 0.000000-0.026000 X5 0.000000-0.194000 N1 0.000000 1.000000 N2 0.000000 0.000000 N3 0.000000 0.000000 N4 1.000000 0.000000 N5 1.000000 0.000000 N6 1.000000 0.000000 P1 4.143998 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 0.000000 3) 0.000000-0.643000 4) 0.000000-0.059000 5) 0.000000-0.075000

123 6) 0.000000-0.026000 7) 0.000000-0.194000 8) 0.000000 0.000000 9) 4.143998 0.000000 10) 0.000000 0.000000 11) 0.000000 0.000000 12) 1.000000 0.000000 13) 1.000000 0.000000 14) 1.000000 0.000000 NO. ITERATIONS= 22 BRANCHES= 0 DETERM.= 1.000E 0

124 LAMPIRAN F RANCANGAN STRATEGI REVITALISASI F1. Perombakan Layout Blok Y

F1. Perombakan Layout Blok C 125

126 F3. Peletakan Signage Pada Lantai 1

F4. Peletakan Signage Pada Lantai 2 127

128 F5. Desaign Signage Informasi Berdiri

F6. Desain Signage Informasi Berdiri Prespektif Samping 129

130 F7. Desain Signage Informasi Tempel

F8 Desain Informasi Gantung 131

132 Halaman ini sengaja dikosongkan