16 Juli 2013 1
OPTIMASI PERMASALAHAN PENUGASAN DOKTER
MENGGUNAKAN REPRESENTASI GRAF BIPATIT
BERBOBOT
PRESENTASI TUGAS AKHIR β KI091391
Penyusun Tugas Akhir :
Laili Rochmah
(NRP : 5109 100 707)
Dosen Pembimbing :
Ahmad Saikhu, S.Si., M.T.
Rully Soelaiman S.Kom., M.Kom.
Tugas Akhir β KI091391 2
.:AGENDA:.
16 Juli 20131.
2.
3.
4.
5.
6.
7.
β’
β’
Latar belakang
Permasalahan
β’
Batasan Masalah
β’
Tujuan
Penugasan Dokter
pada Rumah Sakit
Proses untuk menentukan
dokter yang memenuhi kondisi
dengan model Graf
Bipartite
Data Masukan
Ujicoba
Kesimpulan
Proses untuk menentukan
dokter yang ditugaskan dengan
model
Integer
programming
Tugas Akhir β KI091391 3
.: LATAR BELAKANG :.
1.
Pelayanan kesehatan merupakan salah satu bentuk pelayanan yangpaling banyak dibutuhkan masyarakat. Berbagai rumah sakit berupaya memberikan pelayanan yang terbaik bagi pasien.
2.
Perbaikan terhadap mutu rumah sakit layanan medis sangatdibutuhkan. Salah satunya layanan panggilan dokter bagi
masyarakat yang membutuhkan secara real time.
3.
Sehingga rumah sakit membutuhkan struktur pengambilankeputusan untuk penugasan dokter agar dapat menanggulangi situasi gawat darurat korban secepat mungkin.
4.
Model Graf Bipartite (GB) dan Integer Programming (IP) diharapkanmampu mengoptimalkan hasil penugasan dokter yang tepat serta mampu mengatasi semua masalah pengambilan keputusan yang berkaitan dengan penugasan dokter.
4
.: PERMASALAHAN:.
Permasalahan yang diangkat dalam tugas akhir ini adalah:
1.
Bagaimana model GB dan IP dalam struktur pengambilan
keputusan dapat menghasilkan solusi yang optimal untuk
penugasan dokter?
2.
Bagaimana mengimplementasikan model GB dan IP dalam
struktur pengambilan keputusan untuk penugasan dokter?
3.
Bagaimana pengaruh jumlah kemungkinan dokter yang
memenuhi kondisi terhadap performa dari model GB dan IP?
4.
Bagaimana uji coba terhadap implementasi dari contoh
percobaan yang dilakukan?
5
.: BATASAN MASALAH:.
1.
Model dalam struktur pengambilan keputusan yangdiimplementasikan hanya untuk model GB dan IP.
2.
Permasalahan penugasan dokter terjadi dalam satu waktu.3.
Penugasan untuk tiap dokter ditugaskan untuk satu kondisi.4.
Penugasan untuk tiap kondisi ditugaskan untuk satu dokter.5.
Data kondisi dalam bentuk postfix.6.
Data pertama terdiri dari 7 dokter dan 5 kondisi karena data tersebutdapat mewakili permasalahan penugasan dokter. Data diambil dari paper karya Yuqing Sun [1].
7.
Data kedua terdiri dari 40 dokter dan 18 kondisi yang didalamnyadilakukan perubahan tertentu dengan harapan dapat memperoleh hasil yang diinginkan. Data diambil dari paper karya Mehran Hojati [11].
6
.: TUJUAN:.
1.
Melakukan verifikasi solusi optimal dalam penugasan dokter
berdasarkan implementasi model yang diajukan.
2.
Mengimplementasikan model
Graf Bipartite
(GB) dan
Integer
Programming
(IP) pada permasalahan penugasan dokter.
3.
Melakukan uji coba terhadap implementasi dari contoh
percobaan yang dilakukan.
.: PENUGASAN DOKTER PADA RUMAH SAKIT
:.
1.
Penugasan untuk dokter dimana dokter akan diberi tugas untukpergi ke suatu tempat untuk melakukan perawatan medis.
2.
Kualifikasi dokter yang ditugaskan disebut kondisi. Kondisi berisikeahlian dokter yang dibutuhkan.
3.
Satu dokter bisa memiliki banyak keahlian. Contoh: Dokter Amemiliki keahlian dokter kulit dan kandungan.
4.
Satu kondisi bisa berisi banyak keahlian dan dihubungkan denganβdanβ βatauβ. Contoh: suatu daerah membutuhkan dokter jantung dan
bedah
5.
Terdapat jarak yang menghubungkan dokter dan lokasi kondisi.6.
Keputusan-keputusan yang terkait dengan masalah penugasandokter antara lain dokter siapa yang memenuhi kondisi dan dokter siapa yang ditugaskan.
7 16 Juli 2013 Tugas Akhir β KI091391
.:ILUSTRASI PENUGASAN DOKTER(1) :.
Model penugasan dokter yang digunakan pada tugas akhir ini
meliputi:
β’
7 dokter (D1 sampai D7)
β’
5 kondisi (C1 sampai C5)
8 16 Juli 2013 Tugas Akhir β KI091391
9
Gambar konfigurasi penugasan dokter yang belum
dilakukan optimasi
.:ILUSTRASI PENUGASAN DOKTER(2) :.
10
.: PROSES UNTUK MENENTUKAN DOKTER YANG
MEMENUHI KONDISI DENGAN MODEL GB
:.
β’
Model GB yang digunakan adalah:1.
π12.
π23.
πΈ
himpunan node yang mewakili keahlian.
himpunan node yang mewakili dokter
himpunan edge yang menghubungkan node di π1 dengan
node di π2 atau menghubungkan sebuah keahlian dengan
seorang dokter yang cocok.
.: PROSES UNTUK MENENTUKAN DOKTER YANG
DITUGASKAN DENGAN MODEL IP
:.
β’
Variabel keputusan
Variabel keputusan pada model optimasi ini meliputi dua tipe: 1. Variabel kontinyu (hasil tidak harus integer)
2. Variabel binari (nilai 1 atau 0)
11 16 Juli 2013 Tugas Akhir β KI091391
.: PROSES UNTUK MENENTUKAN DOKTER YANG
DITUGASKAN DENGAN MODEL IP
:.
12 Jarak dokter i ke lokasi kondisi j
Menunjukkan jarak dari masing-masing dokter i dalam ke kondisi j
Bernilai 1 jika dokter i ditugaskan ke kondisi j, 0 jika
selainnya
16 Juli 2013 Tugas Akhir β KI091391
β’
Variabel Kontinyuβ’
Variabel Binari ijD
ijX
13
β’
Tujuan : Meminimalkan
.: PROSES UNTUK MENENTUKAN DOKTER YANG
DITUGASKAN DENGAN MODEL IP
:.
16 Juli 2013 Tugas Akhir β KI091391
ο₯
j i ij ijX
D
,.
β’
Batasan penugasan
1.
2.
ο₯
ο½ i ij X 1ο₯
ο½ j ij X 114
β’
Tujuan : Meminimalkan
.: PROSES UNTUK MENENTUKAN DOKTER YANG
DITUGASKAN DENGAN MODEL IP
:.
16 Juli 2013 Tugas Akhir β KI091391 Jarak dokter
Jarak ini menunjukkan bahwa jarak dokter dengan lokasi kondisi
= Jarak dokter i ke lokasi kondisi j = Dokter i ditugaskan ke kondisi j
i = Dokter J = Kondisi
ο₯
j i ij ijX
D
,.
ij D ij Xβ’
Batasan penugasan
1.
2.
ο₯
ο½ i ij X 1ο₯
ο½ j ij X 115
β’
Tujuan : Meminimalkan
.: PROSES UNTUK MENENTUKAN DOKTER YANG
DITUGASKAN DENGAN MODEL IP
:.
16 Juli 2013 Tugas Akhir β KI091391
ο₯
j i ij ijX
D
,.
tiap-tiap kondisi j ditugaskan dengan tepat satu dokter i
tiap-tiap dokter i ditugaskan dengan tepat satu kondisi j
β’
Batasan penugasan
1.
2.
ο₯
ο½ i ij X 1ο₯
ο½ j ij X 1.: DATA MASUKAN
:.
1.
Data keahlian2.
Data dokter dan keahliannya3.
Data kondisi4.
Data jarak dokter ke lokasi kondisi16 16 Juli 2013 Tugas Akhir β KI091391
UJI COBA
1.
Model GB diimplementasikan pada sistem operasi windows
dengan aplikasi Dev C++
2.
Model IP diimplementasikan pada sistem operasi windows
dengan aplikasi MATLAB dibantu solver TOMLAB
3.
Uji coba dilakukan untuk menyelesaikan permasalahan yang
berbeda
o
Permasalahan 1
oPermasalahan 2
17 16 Juli 2013 Tugas Akhir β KI091391
.:KESIMPULAN(1):.
1.
Model GB dapat memberikan hasil yang akurat berupa dokter
yang memenuhi kondisi. Hal ini dapat membantu pihak rumah
sakit dalam mengambil keputusan perihal pemilihan dokter
yang memenuhi kondisi secara tepat.
2.
Model IP dapat menghasilkan suatu hasil optimal berupa total
jarak dokter dengan lokasi kondisi. Hal ini dapat membantu
rumah sakit dalam mengambil keputusan yang optimal perihal
pemilihan kombinasi dokter yang ditugaskan.
3.
Dalam kaitannya dengan struktur pengambilan keputusan hasil
dari model IP sangatlah bergantung pada faktor dokter yang
memenuhi kondisi. Di mana faktor dokter yang memenuhi
kondisi ditentukan dengan model GB.
18 16 Juli 2013 Tugas Akhir β KI091391
.:KESIMPULAN(2):.
4.
Jumlah kemungkinan dokter yang memenuhi kondisi tidak
berpengaruh secara signifikan terhadap performa dari model
GB dan IP.
19 16 Juli 2013 Tugas Akhir β KI091391
.:DAFTAR PUSTAKA (1):.
1)
Yuqing Sun, Dickson K.W. Chiu, Bin Gong, Xiangxu Meng, and PengZhang, "Scheduling mobile collaborating workforce for multiple
urgent events," Journal of Network and Computer Applications, pp.
156β163, 2012.
2)
Frederick S Hillier and Gerald J Lieberman, Introduction toOperations Research,Seventh Edition. New York: Thomas Casson, 2001.
3)
Hamdy A Tamha, Operations Research an Introduction Eight Edition.London: Pearson Education, Inc, 2007.
4)
K., Goran, A.O.,Edvall, M.M. Holmstrom, User's Guide For Tomlab5.9, Tomlab Optimization., 2007.
5)
Kenneth H. Rosen, Discrete Mathematics and Its Applications,SixthEdition. New York: McGraw-Hill, 2007.
20 16 Juli 2013 Tugas Akhir β KI091391
.:DAFTAR PUSTAKA (2):.
6)
Thomas H. Cormen, Introduction to Algorithms, Second Edition.London: The MIT Press, 2001.
7)
Richard Johnsonbaugh, Discrete Mathematics. New Jersey: PrenticeHall Inc, 1997.
8)
Yuqing Sun and Dickson K.W., "Context-Aware Scheduling ofWorkforce for Multiple Urgent Events," 2010.
9)
Robert Sedgewick and Kevin Wayne, Algorithms,Four Edition.Boston: Pearson Education, Inc, 2011.
10)
Van Bang Le, "Bipartite-perfect graphs," Discrete AppliedMathematics , pp. 581 β 599, 2003.
11)
Mehran Hojati, "An Integer Linear Programming-Based Heuristic ForWeekly Scheduling of Fast Food Restaurant Employees," Business,
2009.
21 16 Juli 2013 Tugas Akhir β KI091391
.:DAFTAR PUSTAKA (3):.
12)
Eddy Herjanto, Managemen Operasi Edisi Ketiga. Jakarta: PT.Gramedia Widiasarana Indonesia, 2007.
13)
Anders O. Goran and Marcus M. Edvall, TOmlab Instalation Guide.,2009.
14)
Rainer E.Burkard, "Selected topics on assignment problems,"Discrete Applied Mathematics , pp. 257 β 302, 2002.
15)
P. K. De and Bharti Yadav, "An Algorithm to Solve Multi-ObjectiveAssignment Problem Using Interactive Fuzzy Goal Programming
Approach," Math. Sciences, pp. 1651 - 1662, 2011.
16)
S.R. Agnihothri and P.F. Taylor, "Stafο¬ng a centralized appointmentscheduling," Interfaces, pp. 1-11, 1991.
22 16 Juli 2013 Tugas Akhir β KI091391
23
TERIMA KASIH
24
.:Permasalahan 1:.
Pada permasalahan ini, akan dilakukan optimasi penugasan dokter yang menunjukkan semua keputusan tentang dokter yang memenuhi kondisi dan dokter yang ditugaskan.
Data percobaan yang dilakukan meliputi:
β’ 8 macam keahlian
β’ 7 dokter (D1 sampai D7)
β’ 5 kondisi (C1 sampai C5)
β’ jarak 7 dokter ke 5 lokasi kondisi
.:Permasalahan 1:.
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
5. jarak baru ditentukan
25 Tugas Akhir β KI091391
.:Permasalahan 1:.
26 Tugas Akhir β KI091391
16 Juli 2013
ο Data 8 keahlian
ο Data 7 dokter dan keahliannya
ο Data 5 kondisi ο Data jarak No Keahlian 1 Bedah 2 Jantung 3 Kandungan 4 Kulit 5 Koordinator 6 Asisten 7 DokterUtama 8 PembantuDokter
Tabel data keahlian
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
.:Permasalahan 1:.
27 Tugas Akhir β KI091391
16 Juli 2013
ο Data 8 keahlian
ο Data 7 dokter dan keahliannya
ο Data 5 kondisi
ο Data jarak
Dktr Keahlian
D1 Jantung, bedah, pembantu dokter
D2 Kulit, kandungan, asisten dokter utama
D3 Kandungan, bedah, dokter utama
D4 Jantung, pembantu dokter
D5 Jantung, kulit, dokter utama
D6 Jantung, kandungan, koord. dokter utama
D7 Kandungan, bedah, pembantu dokter
Tabel data dokter dan keahliannya
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
.:Permasalahan 1:.
28 Tugas Akhir β KI091391
16 Juli 2013
ο Data 8 keahlian
ο Data 7 dokter dan keahliannya
ο Data 5 kondisi
ο Data jarak
Kon-disi Keahlian yang dibutuhkan C1 Jantung dan Kulit
C2 Kandungan atau (Bedah dan DokterUtama )
C3 (Bedah dan DokterUtama ) atau (Kandungan dan Asisten)
C4 Jantung dan DokterUtama
C5 Kandungan
Tabel data kondisi
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
.:Permasalahan 1:.
29 Tugas Akhir β KI091391
16 Juli 2013
ο Data 8 keahlian
ο Data 7 dokter dan keahliannya
ο Data 5 kondisi ο Data jarak Dokter Kondisi C1 C2 C3 C4 C5 D1 10 12 14 5 40 D2 12 40 6 9 19 D3 24 2 14 10 15 D4 2 12 15 9 9 D5 3 14 4 20 10 D6 12 24 4 10 36 D7 12 15 6 16 8
Tabel data jarak
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
.:Permasalahan 1:.
30 Tugas Akhir β KI091391
16 Juli 2013 Keahlian Bedah Jantung Kandungan Kulit Koordinator Asisten DokterUtama PembantuDokter Dktr D1 D2 D3 D4 D5 D6 D7
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
.:Permasalahan 1:.
31 Tugas Akhir β KI091391
16 Juli 2013 D1 D2 D3 D7 D6 D5 D4 Bedah Jantung Kandu-ngan Kulit Koordi-nator Asisten Dktr Utama Pmbntu Dktr Keahlian Dokter
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
.:Permasalahan 1:.
32 Tugas Akhir β KI091391
16 Juli 2013
Keahlian Dokter
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
5. jarak baru ditentukan
D1 D2 D3 D7 D6 D5 D4 Bedah Jantung Kandu-ngan Kulit Koordi-nator Asisten Dktr Utama Pmbntu Dktr Dktr Keahlian
D1 Jantung, bedah, pembantu dokter
D2 Kulit, kandungan, asisten dokter utama
D3 Kandungan, bedah, dokter utama
D4 Jantung, pembantu dokter
D5 Jantung, kulit, dokter utama
D6 Jantung, kandungan, koord. dokter utama
.:Permasalahan 1:.
33 Tugas Akhir β KI091391
16 Juli 2013 D1 D2 D3 D7 D6 D5 D4 Bedah Jantung Kandu-ngan Kulit Koordi-nator Asisten Dktr Utama Pmbntu Dktr Keahlian Dokter
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
.:Permasalahan 1:.
34 Tugas Akhir β KI091391
16 Juli 2013 D1 D2 D3 D7 D6 D5 D4 Bedah Jantung Kandu-ngan Kulit Koordi-nator Asisten Dktr Utama Pmbntu Dktr Keahlian Dokter
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
.:Permasalahan 1:.
35 Tugas Akhir β KI091391
16 Juli 2013 D1 D2 D3 D7 D6 D5 D4 Bedah Jantung Kandu-ngan Kulit Koordi-nator Asisten Dktr Utama Pmbntu Dktr Keahlian Dokter
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
.:Permasalahan 1:.
36 Tugas Akhir β KI091391
16 Juli 2013 D1 D2 D3 D7 D6 D5 D4 Bedah Jantung Kandu-ngan Kulit Koordi-nator Asisten Dktr Utama Pmbntu Dktr Keahlian Dokter
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
.:Permasalahan 1:.
37 Tugas Akhir β KI091391
16 Juli 2013 Keahlian Dokter Bedah D1,D3,D7 Jantung D1,D4,D5,D6 Kandungan D2,D3,D6,D7 Kulit D2,D5 Koordinator D6 Asisten D2 Dokter utama D2,D3,D5,D6 Pembantu Dokter D1,D4,D7
Tabel hasil pengelompokkan dokter Berdasarkan keahlian
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
.:Permasalahan 1:.
38 Tugas Akhir β KI091391
16 Juli 2013
Kondisi Keahlian yang dibutuhkan C1 Jantung dan Kulit
C2 Kandungan atau (Bedah dan DokterUtama )
C3 (Bedah dan DokterUtama ) atau (Kandungan dan Asisten)
C4 Jantung dan DokterUtama
C5 Kandungan
Tabel data kondisi
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
.:Permasalahan 1:.
39 Tugas Akhir β KI091391
16 Juli 2013
Kondisi Keahlian yang dibutuhkan
C1 Jantung dan Kulit
C2 Kandungan atau (Bedah dan DokterUtama )
C3 (Bedah dan DokterUtama ) atau (Kandungan dan Asisten)
C4 Jantung dan DokterUtama
C5 Kandungan
Tabel data kondisi
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
5. jarak baru ditentukan
Keahlian Dokter Bedah D1,D3,D7 Jantung D1,D4,D5,D6 Kandungan D2,D3,D6,D7 Kulit D2,D5 Koordinator D6 Asisten D2 Dokter utama D2,D3,D5,D6 Pembantu Dokter D1,D4,D7
Tabel hasil pengelompokkan dokter Berdasarkan keahlian
Kondisi C1
= Jantung dan Kulit
= {D1,D4,D5,D6} β© {D2,D5}
= {D5}
.:Permasalahan 1:.
40 Tugas Akhir β KI091391
16 Juli 2013
Kondisi Keahlian yang dibutuhkan
C1 Jantung dan Kulit
C2 Kandungan atau (Bedah dan DokterUtama )
C3 (Bedah dan DokterUtama ) atau (Kandungan dan Asisten)
C4 Jantung dan DokterUtama
C5 Kandungan
Tabel data kondisi
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
.:Permasalahan 1:.
41 Tugas Akhir β KI091391
16 Juli 2013
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
5. jarak baru ditentukan
Kondisi Dokter yang memenuhi
C1 D5
C2 D2,D3,D6,D7
C3 D2,D3
C4 D5,D6
C5 D2,D3,D6,D7
.:Permasalahan 1:.
42 Tugas Akhir β KI091391
16 Juli 2013
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
5. jarak baru ditentukan
Kondisi Dokter yang memenuhi
C1 D5
C2 D2,D3,D6,D7
C3 D2,D3
C4 D5,D6
C5 D2,D3,D6,D7
Tabel dokter yang memenuhi kondisi
Dokter Kondisi C1 C2 C3 C4 C5 D1 10 12 14 5 40 D2 12 40 6 9 19 D3 24 2 14 10 15 D4 2 12 15 9 9 D5 3 14 4 20 10 D6 12 24 4 10 36 D7 12 15 6 16 8
β’ Jarak dokter yang tidak memenuhi kondisi di-set maksimal, yaitu 100
.:Permasalahan 1:.
43 Tugas Akhir β KI091391
16 Juli 2013
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
5. jarak baru ditentukan
Dokter Kondisi C1 C2 C3 C4 C5 D1 10 12 14 5 40 D2 12 40 6 9 19 D3 24 2 14 10 15 D4 2 12 15 9 9 D5 3 14 4 20 10 D6 12 24 4 10 36 D7 12 15 6 16 8
β’ Jarak dokter yang tidak memenuhi kondisi di-set maksimal, yaitu 100
.:Permasalahan 1:.
44 Tugas Akhir β KI091391
16 Juli 2013
β’
Proses untuk menentukan dokter
yang memenuhi kondisi dengan
model GB
1. inisialisasi data
2. keahlian dan dokter
direpresentasikan sebagai graf
bipartite
3. dokter dikelompokkan berdasarkan
keahliannya menggunakan algortima Ford Fulkerson
4. dokter yang memenuhi kondisi
ditentukan menggunakan operasi himpunan union dan intersection
5. jarak baru ditentukan
Dokter Kondisi C1 C2 C3 C4 C5 D1 100 100 100 100 100 D2 100 40 6 100 19 D3 100 2 14 100 15 D4 100 100 100 100 100 D5 3 100 100 20 100 D6 100 24 100 10 36 D7 100 15 100 100 8
.:Permasalahan 1:.
45 Tugas Akhir β KI091391
16 Juli 2013
β’
Proses untuk menentukan dokter
yang ditugaskan dengan model IP
1. inisialisasi data
2. fungsi tujuan, seluruh batasan,
dan variabel keputusan digunakan pada model
3. inisialisasi nilai b_L dan b_U
4. inisialisasi nilai x_L dan x_U
5. inisialisasi IntVars Dokter Kondisi C1 C2 C3 C4 C5 D1 100 100 100 100 100 D2 100 40 6 100 19 D3 100 2 14 100 15 D4 100 100 100 100 100 D5 3 100 100 20 100 D6 100 24 100 10 36 D7 100 15 100 100 8
β’ Fungsi tujuan: Z= 100xD1C1+100xD1C2+100xD1C3+100xD1C4+100xD1C5 +100xD2C1+40xD2C2+6xD2C3+100xD2C4+19xD2C5 +100xD3C1+2xD3C2+14xD3C3+100xD3C4+15xD3C5 +100xD4C1+100xD4C2+100xD4C3+100xD4C4+100xD4C5 +3xD5C1+100xD5C2+100xD5C3+20xD5C4+100xD5C5 +100xD6C1+24xD6C2+100xD6C3+10xD6C4+36xD6C5 +100xD7C1+15xD7C2+100xD7C3+100xD7C4+8xD7C5
.:Permasalahan 1:.
46 Tugas Akhir β KI09139116 Juli 2013
β’
Proses untuk menentukan dokter
yang ditugaskan dengan model IP
1. inisialisasi data
2. fungsi tujuan, seluruh batasan,
dan variabel keputusan digunakan pada model
3. inisialisasi nilai b_L dan b_U
4. inisialisasi nilai x_L dan x_U
5. inisialisasi IntVars Dokter Kondisi C1 C2 C3 C4 C5 D1 100 100 100 100 100 D2 100 40 6 100 19 D3 100 2 14 100 15 D4 100 100 100 100 100 D5 3 100 100 20 100 D6 100 24 100 10 36 D7 100 15 100 100 8
β’ Batasan 1:
- tiap-tiap dokter ditugaskan dengan tepat satu kondisi Dokter D1: xD1C1+xD1C2+xD1C3+xD1C4+xD1C5 =1 Dokter D2: xD2C1+xD2C2+xD2C3+xD2C4+xD2C5 =1 Dokter D3: xD3C1+xD3C2+xD3C3+xD3C4+xD3C5 =1 Dokter D4: xD4C1+xD4C2+D4C3+xD4C4+xD4C5 =1 Dokter D5: xD5C1+xD5C2+xD5C3+xD5C4+xD5C5 =1 Dokter D6 ο xD6C1+xD6C2+xD6C3+xD6C4+xD6C5 =1 Dokter D7 ο xD7C1+xD7C2+xD7C3+xD7C4+xD7C5 =1
.:Permasalahan 1:.
47 Tugas Akhir β KI09139116 Juli 2013
β’
Proses untuk menentukan dokter
yang ditugaskan dengan model IP
1. inisialisasi data
2. fungsi tujuan, seluruh batasan,
dan variabel keputusan digunakan pada model
3. inisialisasi nilai b_L dan b_U
4. inisialisasi nilai x_L dan x_U
β’ Batasan 2:
- tiap-tiap kondisi ditugaskan dengan tepat satu dokter Kondisi C1: xD1C1+xD2C1+xD3C1+xD4C1+xD5C1+xD6C1+xD7C1=1 Kondisi C2: xD1C2+xD2C2+xD3C2+xD4C2+xD5C2+xD6C2+xD7C2=1 Kondisi C3: xD1C3+xD2C3+xD3C3+xD4C3+xD5C3+xD6C3+xD7C3=1 Kondisi C4: xD1C4+xD2C4+xD3C4+xD4C4+xD5C4+xD6C4+xD7C4=1 Kondisi C5: xD1C5+xD2C5+xD3C5+xD4C5+xD5C5+xD6C5+xD7C5=1
.:Permasalahan 1:.
48 Tugas Akhir β KI09139116 Juli 2013
β’
Proses untuk menentukan dokter
yang ditugaskan dengan model IP
1. inisialisasi data
2. fungsi tujuan, seluruh batasan,
dan variabel keputusan digunakan pada model
3. inisialisasi nilai b_L dan b_U
4. inisialisasi nilai x_L dan x_U
b_L = 1 b_U = 1 x_L = 0 x_U =1 IntVars = 1
.:Permasalahan 1:.
49 Tugas Akhir β KI09139116 Juli 2013
β’
Proses untuk menentukan dokter
yang ditugaskan dengan model IP
1. inisialisasi data
2. fungsi tujuan, seluruh batasan,
dan variabel keputusan digunakan pada model
3. inisialisasi nilai b_L dan b_U 4. inisialisasi nilai x_L dan x_U 5. inisialisasi IntVars
β’ Tujuan meminimalkan total jarak
Hasil optimal permasalahan 1, dengan total jarak = 29
.:Permasalahan 1:.
50 Tugas Akhir β KI091391
16 Juli 2013
β’
Proses untuk menentukan dokter
yang ditugaskan dengan model IP
1. inisialisasi data
2. fungsi tujuan, seluruh batasan,
dan variabel keputusan digunakan pada model
3. inisialisasi nilai b_L dan b_U
4. inisialisasi nilai x_L dan x_U
5. inisialisasi IntVars Dokter Kondisi C1 C2 C3 C4 C5 D1 100 100 100 100 100 D2 100 40 6 100 19 D3 100 2 14 100 15 D4 100 100 100 100 100 D5 3 100 100 20 100 D6 100 24 100 10 36 D7 100 15 100 100 8
.:Permasalahan 1:.
Kondisi Dokter Jarak
C1 D5 3 C2 D3 2 C3 D2 6 C4 D6 10 C5 D7 8 Total jarak 29 51
Tabel Dokter yang ditugaskan
Gambar Penugasan dokter untuk permasalahan 1
Tugas Akhir β KI091391 16 Juli 2013
analisa simpulan
.:Beda konfigurasi:.
52
Setelah dilakukan optimasi
Tugas Akhir β KI091391 16 Juli 2013
53
.:Permasalahan 2:.
Pada permasalahan ini, akan dilakukan untuk mengamati jumlah kemungkinan dokter yang memenuhi kondisi berpengaruh terhadap performa model.
Percobaan dilakukan sebanyak 7 kali dengan data yang berbeda-beda.
54
.:Permasalahan 2:.
β’ Langkah-langkah yang dilakukan seperti permasalahan 1.
β’ Data yang digunakan setiap percobaan:
β’ 5 macam keahlian
β’ 40 dokter
β’ 18 kondisi
β’ jarak 40 dokter ke 18 lokasi kondisi
55
.:Permasalahan 2:.
β’ Hasil optimal permasalahan 2
16 Juli 2013 Tugas Akhir β KI091391 Percobaan Jarak 1 715 2 530 3 116 4 119 5 219 6 142 7 129
56
.:Permasalahan 2:.
16 Juli 2013 Tugas Akhir β KI091391
Grafik runningtime permasalahan 2
β’ Estimasi running time
analisa simpulan 170 309 430 420 387 391 381 1 2 3 4 5 6 7 Waktu proses 1 0.017 0.020 0.020 0.020 0.015 0.016 0.016 Waktu proses 2 0.088 0.089 0.083 0.085 0.087 0.086 0.092 Waktu total 0.105 0.109 0.103 0.105 0.102 0.102 0.108 0.000 0.020 0.040 0.060 0.080 0.100 0.120 W akt u (de tik )
Total rata-rata running time pada uji coba 2 Jumlah kemungkinan dokter yang
memenuhi kondisi Percobaan 1 = Percobaan 2 = Percobaan 3 = Percobaan 4 = Percobaan 5 = Percobaan 6 = Percobaan 7 =
.:Analisa Permasalahan(1):.
1.
Pada permasalahan 1, menunjukkan bahwa model GB dapat
digunakan dalam proses menentukan dokter yang memenuhi
kondisi karena memberikan hasil yang akurat.
2.
Selain itu, model IP dapat digunakan dalam proses
menentukan dokter yang ditugaskan karena menghasilkan
suatu hasil optimal berupa total jarak.
3.
Data keluaran dari model GB menjadi data masukan dari
model IP sehingga model IP bergantung model GB. Penentuan
dokter yang ditugaskan, bergantung pada faktor dokter yang
memenuhi kondisi.
58
.:Analisa Permasalahan(2):.
16 Juli 2013 Tugas Akhir β KI091391
Grafik runningtime permasalahan 2
β’ Pada percobaan 3 menunjukkan bahwa jumlah kemungkinan dokter yang memenuhi kondisi paling banyak, yaitu 430 dan total running time-nya tidak menunjukkan waktu yang tertinggi, yaitu 0.103 detik.
170 309 430 420 387 391 381 1 2 3 4 5 6 7 Waktu proses 1 0.017 0.020 0.020 0.020 0.015 0.016 0.016 Waktu proses 2 0.088 0.089 0.083 0.085 0.087 0.086 0.092 Waktu total 0.105 0.109 0.103 0.105 0.102 0.102 0.108 0.000 0.020 0.040 0.060 0.080 0.100 0.120 W akt u (de tik)
Total rata-rata running time pada uji coba 2
Jumlah dokter yang memenuhi kondisi Percobaan 1 = Percobaan 2 = Percobaan 3 = Percobaan 4 = Percobaan 5 = Percobaan 6 = Percobaan 7 =
59
.:Analisa Permasalahan(2):.
16 Juli 2013 Tugas Akhir β KI091391
Grafik runningtime permasalahan 2
β’ Pada percobaan 1 menunjukkan bahwa jumlah kemungkinan dokter yang memenuhi kondisi paling sedikit, yaitu 170 namun total running time-nya tidak menunjukkan waktu yang terendah, yaitu 0.105 detik.
170 309 430 420 387 391 381 1 2 3 4 5 6 7 Waktu proses 1 0.017 0.020 0.020 0.020 0.015 0.016 0.016 Waktu proses 2 0.088 0.089 0.083 0.085 0.087 0.086 0.092 Waktu total 0.105 0.109 0.103 0.105 0.102 0.102 0.108 0.000 0.020 0.040 0.060 0.080 0.100 0.120 W akt u (de tik)
Total rata-rata running time pada uji coba 2
Jumlah dokter yang memenuhi kondisi Percobaan 1 = Percobaan 2 = Percobaan 3 = Percobaan 4 = Percobaan 5 = Percobaan 6 = Percobaan 7 =
60
.:Analisa Permasalahan(2):.
16 Juli 2013 Tugas Akhir β KI091391
Grafik runningtime permasalahan 2
β’ Pada percobaan 2 menunjukkan bahwa total running time-nya menunjukkan waktu yang tertinggi, yaitu 0.109 detik namun jumlah kemungkinan dokter yang memenuhi kondisi adalah 309.
170 309 430 420 387 391 381 1 2 3 4 5 6 7 Waktu proses 1 0.017 0.020 0.020 0.020 0.015 0.016 0.016 Waktu proses 2 0.088 0.089 0.083 0.085 0.087 0.086 0.092 Waktu total 0.105 0.109 0.103 0.105 0.102 0.102 0.108 0.000 0.020 0.040 0.060 0.080 0.100 0.120 W akt u (de tik)
Total rata-rata running time pada uji coba 2
Jumlah dokter yang memenuhi kondisi Percobaan 1 = Percobaan 2 = Percobaan 3 = Percobaan 4 = Percobaan 5 = Percobaan 6 = Percobaan 7 =
61
.:Analisa Permasalahan(2):.
16 Juli 2013 Tugas Akhir β KI091391
Grafik runningtime permasalahan 2
β’ Pada percobaan 6 menunjukkan bahwa total running time-nya menunjukkan waktu yang terrendah, yaitu 0.102 detik namun jumlah kemungkinan dokter yang memenuhi kondisi tidak menunjukkan jumlah yang terendah adalah 391.
170 309 430 420 387 391 381 1 2 3 4 5 6 7 Waktu proses 1 0.017 0.020 0.020 0.020 0.015 0.016 0.016 Waktu proses 2 0.088 0.089 0.083 0.085 0.087 0.086 0.092 Waktu total 0.105 0.109 0.103 0.105 0.102 0.102 0.108 0.000 0.020 0.040 0.060 0.080 0.100 0.120 W akt u (de tik)
Total rata-rata running time pada uji coba 2
Jumlah dokter yang memenuhi kondisi Percobaan 1 = Percobaan 2 = Percobaan 3 = Percobaan 4 = Percobaan 5 = Percobaan 6 = Percobaan 7 =
.:BackUp:.
Graf Bipartite (GB)
β’
Graf
bipartite
adalah graf
πΊ(π, πΈ)
yang himpunan atau
node
π
-nya dapat dipartisi menjadi dua subhimpunan
π
1dan
π
2sedemikian sehingga setiap
edge
dalam
πΈ
insiden pada satu
vertek
di
π
1dan satu
vertek
di
π
2.
16 Juli 2013 Tugas Akhir β KI091391 63
v1
v2
v3
v4
v5
Graf Bipartite (GB)
β’
Menurut Thomas H. et all [6], dalam suatu permasalahanpemasangan maksimal dalam graf bipartite dapat menggunakan
metode Ford Fulkerson.
β’
Oleh karena itu permasalahan pemasangan dimodelkan sebagai suatujaringan karena Metode Ford Fulkerson digunakan untuk
menyelesaikan permasalahan network flow.
16 Juli 2013 Tugas Akhir β KI091391 64
v1 v2 v3 v4 v5 v1 v2 v3 v4 v5 s t
Contoh graf bipartite
yang dibentuk sebagai jaringan
Algoritma Ford Fulkerson
1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π: o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ] o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
Algoritma Ford Fulkerson
1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π: o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ] o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 66
1 3 2 6 5 4 0/16 0/13 0/12 0/10 0/14 0/4 0/9 0/7 0/20 0/4
Contoh graf awal yang akan diselesaikan dengan
Algoritma Ford Fulkerson
1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π: o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ] o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 67
1 3 2 6 5 4 0/16 0/13 0/12 0/10 0/14 0/4 0/9 0/7 0/20 0/4
Contoh graf awal yang akan diselesaikan dengan
Algoritma Ford Fulkerson
1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π:
o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ]
o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 68
Lintasan 1-2-4-3-5-6 1 3 2 6 5 4 16 13 12 10 14 4 9 7 20 4 ππ π = 4
Algoritma Ford Fulkerson
1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π:
o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ]
o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 69
Lintasan 1-2-4-3-5-6 1 3 2 6 5 4 16 13 12 10 14 4 9 7 20 4 1 3 2 6 5 4 4/16 13 4/12 10 4/14 4 4/9 7 20 4/4
Algoritma Ford Fulkerson
1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π:
o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ]
o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 70
Lintasan 1-2-3-5-4-6 1 3 2 6 5 4 13 8 10 10 4 7 20 4 4 12 4 4 5 4 ππ π = 7
Algoritma Ford Fulkerson
1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π:
o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ]
o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 71
Lintasan 1-2-3-5-4-6 1 3 2 6 5 4 13 8 10 10 4 7 20 4 4 12 4 4 5 4 1 3 2 6 5 4 11/16 13 4/12 7/10 11/14 4 4/9 7/7 7/20 4/4
Algoritma Ford Fulkerson
1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π:
o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ]
o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 72
Lintasan 1-3-2-4-6 ππ π = 8 1 3 2 6 5 4 13 8 3 3 11 7 13 4 5 4 4 5 11 11 7
Algoritma Ford Fulkerson
1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π:
o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ]
o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 73
Lintasan 1-3-2-4-6 1 3 2 6 5 4 13 8 3 3 11 7 13 4 5 4 4 5 11 11 7 1 3 2 6 5 4 11/16 8/13 12/12 10 11/14 1/4 4/9 7/7 15/20 4/4
Algoritma Ford Fulkerson
1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π:
o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ]
o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 74
Lintasan 1-3-4-6 ππ π = 4 1 3 2 6 5 4 5 11 3 3 7 5 4 5 12 4 5 11 11 15 8
Algoritma Ford Fulkerson
1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π:
o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ]
o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 75
Lintasan 1-3-4-6 1 3 2 6 5 4 5 11 3 3 7 5 4 5 12 4 5 11 11 15 8 1 3 2 5 4 11/16 12/13 12/12 10 11/14 1/4 9 7/7 19/20 4/4 6
Algoritma Ford Fulkerson
β’ Setelah tidak ditemukan lagi lintasan augmenting, maka pencarian berhenti.β’ Graf tersebut memiliki 4 jalur yaitu:
o 1-2-4-3-5-6 dengan maksimal flow 4,
o 1-2-3-5-4-6 dengan maksimal flow 7,
o 1-3-2-4-6 dengan maksimal flow 8, dan
o 1-3-4-6 dengan maksimal flow 4
Operasi Himpunan Union
β’
Union
merupakan gabungan dari dua himpunan
π΄
dan
π΅
atau
himpunan yang terdiri dari semua elemen yang menjadi
anggota
π΄
atau menjadi anggota
π΅.
β’
Definisi formal dari
union
π¨ βͺ π© = *π|π β π¨ β¨ π β π©+
β’
Contoh
union
dari himpunan {1,3,5} dan {1,2,3} adalah
{1,2,3,5}
Operasi Himpunan Intersection
β’
intersection
merupakan irisan dari dua himpunan
π΄
dan
π΅
adalah himpunan yang terdiri dari semua elemen persekutuan
dari himpunan
π΄
dan
π΅
.
β’
Definisi formal dari
intersection
π¨ β© π© = *π|π β π¨ β§ π β π©+
β’
Contoh
intersection
dari himpunan {1,3,5} dan {1,2,3} adalah
{1,3}
Langkah-langkah yang digunakan untuk merubah ke model GB menjadi bentuk jaringan dalam penugasan dokter
1. Jika setiap edge-nya dimulai dari π’
ke π£ dan π(π’, π£) adalah kapasitas
maka π π’, π£ ditandai dengan
angka 1.
2. Sebuah source dan edge-edge dari
source ke masing-masing node
yang mewakili keahlian dokter
dengan π π’, π£ = ππ’πππβ ππππ‘ππ
ditambahkan.
3. Sebuah sink dan edge-edge dari
masing-masing node yang mewakili
dokter ke sink dengan π π’, π£ =
ππ’πππβ πππβππππ ditambahkan.
16 Juli 2013 Tugas Akhir β KI091391 79
Langkah-langkah yang digunakan untuk merubah ke model GB menjadi bentuk jaringan dalam penugasan dokter
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah
aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π:
o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ]
o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 80
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
Keahlian Dokter 9 10 11 15 14 13 12 1 2 3 4 5 6 7 8 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 0 16 O/7 O/7 O/7 O/7 O/7 O/7 O/7 O/7 O/8 O/8 O/8 O/8 O/8 O/8 O/8
1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π:
o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ]
o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 81
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
Keahlian Dokter Lintasan 0-1-9-16 ππ π = 1 9 10 11 15 14 13 12 1 2 3 4 5 6 7 8 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 0 16 O/7 O/7 O/7 O/7 O/7 O/7 O/7 O/7 O/8 O/8 O/8 O/8 O/8 O/8 O/8
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah
aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π:
o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ]
o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 82
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
Keahlian Dokter Lintasan 0-1-9-16 9 10 11 15 14 13 12 1 2 3 4 5 6 7 8 1/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 0 16 1/7 O/7 O/7 O/7 O/7 O/7 O/7 O/7 1/8 O/8 O/8 O/8 O/8 O/8 O/8
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
9 10 11 15 14 13 12 1 2 3 4 5 6 7 8 1/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 0 16 1/7 O/7 O/7 O/7 O/7 O/7 O/7 O/7 1/8 O/8 O/8 O/8 O/8 O/8 O/8 1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π:
o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ]
o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 83
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
Keahlian Dokter
Lintasan 0-1-11-16
ππ π = 1
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
9 10 11 15 14 13 12 1 2 3 4 5 6 7 8 1/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 1/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 0 16 2/7 O/7 O/7 O/7 O/7 O/7 O/7 O/7 1/8 O/8 1/8 O/8 O/8 O/8 O/8 1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah
aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π:
o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ]
o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 84
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
Keahlian Dokter
Lintasan 0-1-11-16
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
9 10 11 15 14 13 12 1 2 3 4 5 6 7 8 1/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 1/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 0 16 2/7 O/7 O/7 O/7 O/7 O/7 O/7 O/7 1/8 O/8 1/8 O/8 O/8 O/8 O/8 1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π:
o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ]
o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 85
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
Keahlian Dokter
Lintasan 0-1-15-16
ππ π = 1
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
9 10 11 15 14 13 12 1 2 3 4 5 6 7 8 1/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 1/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 O/1 1/1 O/1 0 16 3/7 O/7 O/7 O/7 O/7 O/7 O/7 O/7 1/8 O/8 1/8 O/8 O/8 O/8 1/8 1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah
aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π:
o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ]
o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 86
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
Keahlian Dokter
Lintasan 0-1-15-16
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
1. Set π π’, π£ β 0 dan π π£, π’ β 0
untuk semua edge π’, π£
2. Perulangan selama terdapat sebuah
aliran π dari π menuju π‘, di mana
kapasitas tersisa ππ π’, π£ > 0 untuk
semua π’, π£ β π:
o Temukan
ππ π = min ππ π’, π£ π’, π£ β π ]
o Untuk setiap edge π’, π£ β π
f π’, π£ β π π’, π£ + ππ π
f π£, π’ β βπ π’, π£
16 Juli 2013 Tugas Akhir β KI091391 87
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
Keahlian Dokter Bedah D1,D3,D7 Jantung D1,D4,D5,D6 Kandungan D2,D3,D6,D7 Kulit D2,D5 Koordinator D6 Asisten D2 Dokter utama D2,D3,D5,D6 Pembantu Dokter D1,D4,D7
Tabel hasil pengelompokkan dokter Berdasarkan keahlian
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson