PRESENTASI TUGAS AKHIR – KI091391
OPTIMASI PERMASALAHAN PENUGASAN DOKTER MENGGUNAKAN REPRESENTASI GRAF BIPATIT BERBOBOT
Penyusun Tugas Akhir : Laili Rochmah (NRP : 5109 100 707)
Dosen Pembimbing : Ahmad Saikhu, S.Si., M.T. Rully Soelaiman S.Kom., M.Kom. 16 Juli 2013
Tugas Akhir – KI091391
1
.:AGENDA:. Kesimpulan
7. Ujicoba
Data Masukan
1.
6.
2.
5.
Penugasan Dokter pada Rumah Sakit
3.
4.
Proses untuk menentukan dokter yang ditugaskan dengan model Integer programming 16 Juli 2013
• Latar belakang • Permasalahan • Batasan Masalah • Tujuan
Proses untuk menentukan dokter yang memenuhi kondisi dengan model Graf Bipartite
Tugas Akhir – KI091391
2
.: LATAR BELAKANG :. 1. Pelayanan kesehatan merupakan salah satu bentuk pelayanan yang
paling banyak dibutuhkan masyarakat. Berbagai rumah sakit berupaya memberikan pelayanan yang terbaik bagi pasien. 2. Perbaikan terhadap mutu rumah sakit layanan medis sangat dibutuhkan. Salah satunya layanan panggilan dokter bagi masyarakat yang membutuhkan secara real time. 3. Sehingga rumah sakit membutuhkan struktur pengambilan keputusan untuk penugasan dokter agar dapat menanggulangi situasi gawat darurat korban secepat mungkin. 4. Model Graf Bipartite (GB) dan Integer Programming (IP) diharapkan mampu mengoptimalkan hasil penugasan dokter yang tepat serta mampu mengatasi semua masalah pengambilan keputusan yang berkaitan dengan penugasan dokter. 16 Juli 2013
Tugas Akhir – KI091391
3
.: 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?
16 Juli 2013
Tugas Akhir – KI091391
4
.: BATASAN MASALAH:. 1. Model dalam struktur pengambilan keputusan yang 2. 3. 4. 5. 6. 7.
diimplementasikan hanya untuk model GB dan IP. Permasalahan penugasan dokter terjadi dalam satu waktu. Penugasan untuk tiap dokter ditugaskan untuk satu kondisi. Penugasan untuk tiap kondisi ditugaskan untuk satu dokter. Data kondisi dalam bentuk postfix. Data pertama terdiri dari 7 dokter dan 5 kondisi karena data tersebut dapat mewakili permasalahan penugasan dokter. Data diambil dari paper karya Yuqing Sun [1]. Data kedua terdiri dari 40 dokter dan 18 kondisi yang didalamnya dilakukan perubahan tertentu dengan harapan dapat memperoleh hasil yang diinginkan. Data diambil dari paper karya Mehran Hojati [11].
16 Juli 2013
Tugas Akhir – KI091391
5
.: 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.
16 Juli 2013
Tugas Akhir – KI091391
6
.: PENUGASAN DOKTER PADA RUMAH SAKIT:. 1. Penugasan untuk dokter dimana dokter akan diberi tugas untuk 2. 3. 4. 5. 6.
pergi ke suatu tempat untuk melakukan perawatan medis. Kualifikasi dokter yang ditugaskan disebut kondisi. Kondisi berisi keahlian dokter yang dibutuhkan. Satu dokter bisa memiliki banyak keahlian. Contoh: Dokter A memiliki keahlian dokter kulit dan kandungan. Satu kondisi bisa berisi banyak keahlian dan dihubungkan dengan ‘dan’ ‘atau’. Contoh: suatu daerah membutuhkan dokter jantung dan bedah Terdapat jarak yang menghubungkan dokter dan lokasi kondisi. Keputusan-keputusan yang terkait dengan masalah penugasan dokter antara lain dokter siapa yang memenuhi kondisi dan dokter siapa yang ditugaskan.
16 Juli 2013
Tugas Akhir – KI091391
7
.:ILUSTRASI PENUGASAN DOKTER(1) :. Model penugasan dokter yang digunakan pada tugas akhir ini meliputi: • 7 dokter (D1 sampai D7) • 5 kondisi (C1 sampai C5)
16 Juli 2013
Tugas Akhir – KI091391
8
.:ILUSTRASI PENUGASAN DOKTER(2) :. Gambar konfigurasi penugasan dokter yang belum dilakukan optimasi
16 Juli 2013
Tugas Akhir – KI091391
9
.: PROSES UNTUK MENENTUKAN DOKTER YANG MEMENUHI KONDISI DENGAN MODEL GB:. • Model GB yang digunakan adalah: 1. 𝑉1 himpunan node yang mewakili keahlian. 2. 𝑉2
himpunan node yang mewakili dokter
3. 𝐸
himpunan edge yang menghubungkan node di 𝑉1 dengan node di 𝑉2 atau menghubungkan sebuah keahlian dengan seorang dokter yang cocok.
16 Juli 2013
Tugas Akhir – KI091391
10
.: PROSES UNTUK MENENTUKAN DOKTER YANG DITUGASKAN DENGAN MODEL IP :.
• 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)
16 Juli 2013
Tugas Akhir – KI091391
11
.: PROSES UNTUK MENENTUKAN DOKTER YANG DITUGASKAN DENGAN MODEL IP :. • Variabel Kontinyu
Dij
Jarak dokter i ke lokasi kondisi j Menunjukkan jarak dari masing-masing dokter i dalam ke kondisi j
• Variabel Binari
X ij
16 Juli 2013
Bernilai 1 jika dokter i ditugaskan ke kondisi j, 0 jika selainnya
Tugas Akhir – KI091391
12
.: PROSES UNTUK MENENTUKAN DOKTER YANG DITUGASKAN DENGAN MODEL IP :.
• Tujuan : Meminimalkan
D .X ij
ij
i, j
• Batasan penugasan 1.
X
2.
X
ij
1
ij
1
i
j
16 Juli 2013
Tugas Akhir – KI091391
13
.: PROSES UNTUK MENENTUKAN DOKTER YANG DITUGASKAN DENGAN MODEL IP :.
• Tujuan : Meminimalkan
D .X ij
ij
i, j
Jarak dokter Jarak ini menunjukkan bahwa jarak dokter dengan lokasi kondisi
Dij
= Jarak dokter i ke lokasi kondisi j
= Dokter i ditugaskan ke kondisi j i = Dokter J = Kondisi
X ij
• Batasan penugasan 1.
X
2.
X
ij
1
ij
1
i
j
16 Juli 2013
Tugas Akhir – KI091391
14
.: PROSES UNTUK MENENTUKAN DOKTER YANG DITUGASKAN DENGAN MODEL IP :.
• Tujuan : Meminimalkan
D .X ij
ij
i, j
• Batasan penugasan 1.
X
2.
X
ij
1
tiap-tiap dokter i ditugaskan dengan tepat satu kondisi j
ij
1
tiap-tiap kondisi j ditugaskan dengan tepat satu dokter i
i
j
16 Juli 2013
Tugas Akhir – KI091391
15
.: DATA MASUKAN:. 1. 2. 3. 4.
Data Data Data Data
16 Juli 2013
keahlian dokter dan keahliannya kondisi jarak dokter ke lokasi kondisi
Tugas Akhir – KI091391
16
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 o Permasalahan 2
16 Juli 2013
Tugas Akhir – KI091391
17
.: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. 16 Juli 2013
Tugas Akhir – KI091391
18
.:KESIMPULAN(2):. 4. Jumlah kemungkinan dokter yang memenuhi kondisi tidak
berpengaruh secara signifikan terhadap performa dari model GB dan IP.
16 Juli 2013
Tugas Akhir – KI091391
19
.:DAFTAR PUSTAKA (1):. 1) Yuqing Sun, Dickson K.W. Chiu, Bin Gong, Xiangxu Meng, and Peng
2) 3) 4) 5)
Zhang, "Scheduling mobile collaborating workforce for multiple urgent events," Journal of Network and Computer Applications, pp. 156–163, 2012. Frederick S Hillier and Gerald J Lieberman, Introduction to Operations Research,Seventh Edition. New York: Thomas Casson, 2001. Hamdy A Tamha, Operations Research an Introduction Eight Edition. London: Pearson Education, Inc, 2007. K., Goran, A.O.,Edvall, M.M. Holmstrom, User's Guide For Tomlab 5.9, Tomlab Optimization., 2007. Kenneth H. Rosen, Discrete Mathematics and Its Applications,Sixth Edition. New York: McGraw-Hill, 2007.
16 Juli 2013
Tugas Akhir – KI091391
20
.:DAFTAR PUSTAKA (2):. 6) Thomas H. Cormen, Introduction to Algorithms, Second Edition.
London: The MIT Press, 2001. 7) Richard Johnsonbaugh, Discrete Mathematics. New Jersey: Prentice Hall Inc, 1997. 8) Yuqing Sun and Dickson K.W., "Context-Aware Scheduling of Workforce 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 Applied Mathematics , pp. 581 – 599, 2003. 11) Mehran Hojati, "An Integer Linear Programming-Based Heuristic For Weekly Scheduling of Fast Food Restaurant Employees," Business, 2009. 16 Juli 2013
Tugas Akhir – KI091391
21
.: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 – 302, 2002. 15) P. K. De and Bharti Yadav, "An Algorithm to Solve Multi-Objective Assignment Problem Using Interactive Fuzzy Goal Programming Approach," Math. Sciences, pp. 1651 - 1662, 2011. 16) S.R. Agnihothri and P.F. Taylor, "Staffing a centralized appointment scheduling," Interfaces, pp. 1-11, 1991.
16 Juli 2013
Tugas Akhir – KI091391
22
TERIMA KASIH
16 Juli 2013
Tugas Akhir – KI091391
23
.: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: •
8 macam keahlian
•
7 dokter (D1 sampai D7)
•
5 kondisi (C1 sampai C5)
•
jarak 7 dokter ke 5 lokasi kondisi
16 Juli 2013
Tugas Akhir – KI091391
24
.:Permasalahan 1:. • Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. 2.
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
bipartite 3.
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
Ford Fulkerson 4.
5.
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection jarak baru ditentukan
16 Juli 2013
Tugas Akhir – KI091391
25
.:Permasalahan 1:. • Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. 2.
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
Data Data Data Data
bipartite 3.
4.
5.
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
8 keahlian 7 dokter dan keahliannya 5 kondisi jarak Tabel data keahlian
No 1
Keahlian Bedah
2
Jantung
3
Kandungan
Ford Fulkerson
4
Kulit
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection
5
Koordinator
6
Asisten
7
DokterUtama
jarak baru ditentukan
8
PembantuDokter
16 Juli 2013
Tugas Akhir – KI091391
26
.:Permasalahan 1:. • Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. 2.
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
bipartite 3.
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
Ford Fulkerson 4.
5.
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection jarak baru ditentukan
16 Juli 2013
Data Data Data Data
8 keahlian 7 dokter dan keahliannya 5 kondisi jarak
Tabel data dokter dan keahliannya
Dktr D1
Keahlian Jantung, bedah, pembantu dokter
D2
D3
Kulit, kandungan, asisten dokter utama Kandungan, bedah, dokter utama
D4
Jantung, pembantu dokter
D5
Jantung, kulit, dokter utama
D6
Jantung, kandungan, koord. dokter utama Kandungan, bedah, pembantu dokter
D7 Tugas Akhir – KI091391
27
.:Permasalahan 1:. • Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. 2.
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
bipartite 3.
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
Ford Fulkerson 4.
5.
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection jarak baru ditentukan
16 Juli 2013
Data Data Data Data
8 keahlian 7 dokter dan keahliannya 5 kondisi jarak
Tabel data kondisi
KonKeahlian yang dibutuhkan disi C1 Jantung dan Kulit C2 Kandungan atau (Bedah dan DokterUtama ) C3 (Bedah dan DokterUtama ) atau (Kandungan dan Asisten) C4 Jantung dan DokterUtama C5 Kandungan
Tugas Akhir – KI091391
28
.:Permasalahan 1:. • Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. 2.
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
bipartite 3.
Data Data Data Data
Tabel data jarak
Dokter
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
Ford Fulkerson 4.
5.
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection jarak baru ditentukan
16 Juli 2013
8 keahlian 7 dokter dan keahliannya 5 kondisi jarak
Tugas Akhir – KI091391
D1 D2 D3 D4 D5 D6 D7
C1 10 12 24 2 3 12 12
Kondisi C2 C3 C4 12 14 5 40 6 9 2 14 10 12 15 9 14 4 20 24 4 10 15 6 16
C5 40 19 15 9 10 36 8 29
.:Permasalahan 1:. • Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. 2.
3.
4.
5.
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
Keahlian
Dktr
Bedah
D1
Jantung
D2
Kandungan
bipartite
Kulit
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
Koordinator
Ford Fulkerson
Asisten
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection
DokterUtama PembantuDokter
D3 D4 D5 D6 D7
jarak baru ditentukan
16 Juli 2013
Tugas Akhir – KI091391
30
.:Permasalahan 1:. • Proses untuk menentukan dokter
Keahlian
yang memenuhi kondisi dengan model GB 1. 2.
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
bipartite 3.
5.
D1
Jantung
D2 Kandungan
D3 Kulit
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
Ford Fulkerson 4.
Bedah
Dokter
Koordinator
D4
Asisten
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection jarak baru ditentukan
D5 Dktr Utama
D6 Pmbntu Dktr
D7
16 Juli 2013
Tugas Akhir – KI091391
31
.:Permasalahan 1:. • Proses untuk menentukan dokter
Keahlian
yang memenuhi kondisi dengan model GB 1. 2.
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
bipartite 3.
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
Ford Fulkerson 4.
5.
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection
Bedah
Dokter D1
DktrJantung Keahlian D2 D1 Jantung, bedah, pembantu dokter D2 D3 D4 D5 D6
Kandungan
Kulit
Koordinator
Kulit, kandungan, asisten dokter utama D3 Kandungan, bedah, dokter utama Jantung, pembantu dokter
D4
Jantung, kulit, dokter utama
Jantung, kandungan, koord. dokter D5 utama Dktr D7 Utama Kandungan, bedah, pembantu dokter
jarak baru ditentukan
Asisten
D6 Pmbntu Dktr
D7
16 Juli 2013
Tugas Akhir – KI091391
32
.:Permasalahan 1:. • Proses untuk menentukan dokter
Keahlian
yang memenuhi kondisi dengan model GB 1. 2.
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
bipartite 3.
5.
D1
Jantung
D2 Kandungan
D3 Kulit
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
Ford Fulkerson 4.
Bedah
Dokter
Koordinator
D4
Asisten
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection jarak baru ditentukan
D5 Dktr Utama
D6 Pmbntu Dktr
D7
16 Juli 2013
Tugas Akhir – KI091391
33
.:Permasalahan 1:. • Proses untuk menentukan dokter
Keahlian
yang memenuhi kondisi dengan model GB 1. 2.
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
bipartite 3.
5.
D1
Jantung
D2 Kandungan
D3 Kulit
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
Ford Fulkerson 4.
Bedah
Dokter
Koordinator
D4
Asisten
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection jarak baru ditentukan
D5 Dktr Utama
D6 Pmbntu Dktr
D7
16 Juli 2013
Tugas Akhir – KI091391
34
.:Permasalahan 1:. • Proses untuk menentukan dokter
Keahlian
yang memenuhi kondisi dengan model GB 1. 2.
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
bipartite 3.
5.
D1
Jantung
D2 Kandungan
D3 Kulit
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
Ford Fulkerson 4.
Bedah
Dokter
Koordinator
D4
Asisten
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection jarak baru ditentukan
D5 Dktr Utama
D6 Pmbntu Dktr
D7
16 Juli 2013
Tugas Akhir – KI091391
35
.:Permasalahan 1:. • Proses untuk menentukan dokter
Keahlian
yang memenuhi kondisi dengan model GB 1. 2.
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
Bedah
D2 Kandungan
D3 Kulit
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
Ford Fulkerson 4.
5.
16 Juli 2013
Koordinator
D4
Asisten
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection jarak baru ditentukan
D1
Jantung
bipartite 3.
Dokter
D5 Dktr Utama
D6 Pmbntu Dktr
D7
Tugas Akhir – KI091391
36
.:Permasalahan 1:. • Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. 2.
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
bipartite 3.
5.
Keahlian Bedah
Dokter D1,D3,D7
Jantung
D1,D4,D5,D6
Kandungan
D2,D3,D6,D7
Kulit
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
Koordinator
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection
Pembantu Dokter
Ford Fulkerson 4.
Tabel hasil pengelompokkan dokter Berdasarkan keahlian
Asisten Dokter utama
D2,D5 D6 D2 D2,D3,D5,D6
D1,D4,D7
jarak baru ditentukan
16 Juli 2013
Tugas Akhir – KI091391
37
.:Permasalahan 1:. • Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. 2.
3.
Tabel data kondisi
Kondisi Keahlian yang dibutuhkan C1 Jantung dan Kulit C2
bipartite
C4
Kandungan atau (Bedah dan DokterUtama ) (Bedah dan DokterUtama ) atau (Kandungan dan Asisten) Jantung dan DokterUtama
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
C5
Kandungan
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
C3
Ford Fulkerson 4.
5.
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection jarak baru ditentukan
16 Juli 2013
Tugas Akhir – KI091391
38
.:Permasalahan 1:. • Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. 2.
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
bipartite 3.
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
Ford Fulkerson 4.
5.
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection jarak baru ditentukan
16 Juli 2013
Tabel data kondisi
Kondisi Keahlian yang dibutuhkan C1 Jantung dan Kulit C2
Kandungan atau (Bedah dan DokterUtama ) Tabel hasil pengelompokkan dokter C3 (Bedah dan DokterUtama ) Berdasarkan keahlian atau (Kandungan dan Asisten) Dokter C4Keahlian Jantung dan DokterUtama Bedah C5
Jantung
Kandungan
Kandungan Kulit Koordinator Asisten Dokter utama Pembantu Dokter
Tugas Akhir – KI091391
D1,D3,D7
D1,D4,D5,D6 D2,D3,D6,D7 D2,D5 D6 D2 D2,D3,D5,D6 D1,D4,D7 39
.:Permasalahan 1:. • Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. 2.
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
bipartite 3.
5.
Kondisi Keahlian yang dibutuhkan C1 Jantung dan Kulit C2 C3 C4
Kandungan atau (Bedah dan DokterUtama ) (Bedah dan DokterUtama ) atau (Kandungan dan Asisten) Jantung dan DokterUtama
C5 Kandungan dokter dikelompokkan berdasarkan keahliannya menggunakan algortima Kondisi C1
Ford Fulkerson 4.
Tabel data kondisi
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection
= Jantung dan Kulit = {D1,D4,D5,D6} ∩ {D2,D5} = {D5}
jarak baru ditentukan
16 Juli 2013
Tugas Akhir – KI091391
40
.:Permasalahan 1:. • Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. 2.
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
Tabel dokter yang memenuhi kondisi
Kondisi C1 C2 C3 C4 C5
Dokter yang memenuhi
D5 D2,D3,D6,D7 D2,D3 D5,D6 D2,D3,D6,D7
bipartite 3.
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
Ford Fulkerson 4.
5.
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection jarak baru ditentukan
16 Juli 2013
Tugas Akhir – KI091391
41
.:Permasalahan 1:. • Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. 2.
3.
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
Tabel dokter yang memenuhi kondisi
Kondisi C1 C2 C3 C4 C5
5.
D5 D2,D3,D6,D7 D2,D3 D5,D6 D2,D3,D6,D7
bipartite
Tabel data jarak
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
Dokter
Ford Fulkerson 4.
Dokter yang memenuhi
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection jarak baru ditentukan
16 Juli 2013
Tugas Akhir – KI091391
D1 D2 D3 D4 D5 D6 D7
Kondisi C1 10 12 24 2 3 12 12
C2 12 40 2 12 14 24 15
C3 14 6 14 15 4 4 6
C4 5 9 10 9 20 10 16
C5 40 19 15 9 10 36 8 42
.:Permasalahan 1:. • Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. 2.
3.
• Jarak dokter yang tidak memenuhi kondisi di-set maksimal, yaitu 100
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
bipartite
Tabel data jarak
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
Dokter
Ford Fulkerson 4.
5.
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection jarak baru ditentukan
16 Juli 2013
Tugas Akhir – KI091391
D1 D2 D3 D4 D5 D6 D7
Kondisi C1 10 12 24 2 3 12 12
C2 12 40 2 12 14 24 15
C3 14 6 14 15 4 4 6
C4 5 9 10 9 20 10 16
C5 40 19 15 9 10 36 8 43
.:Permasalahan 1:. • Proses untuk menentukan dokter yang memenuhi kondisi dengan model GB 1. 2.
3.
• Jarak dokter yang tidak memenuhi kondisi di-set maksimal, yaitu 100
inisialisasi data keahlian dan dokter direpresentasikan sebagai graf
bipartite
Tabel data jarak
dokter dikelompokkan berdasarkan keahliannya menggunakan algortima
Dokter
Ford Fulkerson 4.
5.
dokter yang memenuhi kondisi ditentukan menggunakan operasi himpunan union dan intersection jarak baru ditentukan
16 Juli 2013
Tugas Akhir – KI091391
D1 D2 D3 D4 D5 D6 D7
Kondisi C1 100 100 100 100 3 100 100
C2 100 40 2 100 100 24 15
C3 100 6 14 100 100 100 100
C4 C5 100 100 100 19 100 15 100 100 20 100 10 36 100 8 44
.:Permasalahan 1:. • Proses untuk menentukan dokter
yang ditugaskan dengan model IP 1. 2.
3. 4. 5.
inisialisasi data fungsi tujuan, seluruh batasan, dan variabel keputusan digunakan pada model inisialisasi nilai b_L dan b_U inisialisasi nilai x_L dan x_U inisialisasi IntVars
16 Juli 2013
Tabel data jarak
Dokter D1 D2 D3 D4 D5 D6 D7
Tugas Akhir – KI091391
Kondisi C1 100 100 100 100 3 100 100
C2 100 40 2 100 100 24 15
C3 100 6 14 100 100 100 100
C4 C5 100 100 100 19 100 15 100 100 20 100 10 36 100 8
45
.:Permasalahan 1:. • Proses untuk menentukan dokter
Tabel data jarak
yang ditugaskan dengan model IP 1. 2.
3. 4. 5.
inisialisasi data fungsi tujuan, seluruh batasan, dan variabel keputusan digunakan pada model inisialisasi nilai b_L dan b_U inisialisasi nilai x_L dan x_U inisialisasi IntVars
16 Juli 2013
Dokter D1 D2 D3 D4 D5 D6 D7
•
Kondisi C1 100 100 100 100 3 100 100
C2 100 40 2 100 100 24 15
C3 100 6 14 100 100 100 100
C4 C5 100 100 100 19 100 15 100 100 20 100 10 36 100 8
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
Tugas Akhir – KI091391
46
.:Permasalahan 1:. • Proses untuk menentukan dokter
yang ditugaskan dengan model IP 1. 2.
3. 4. 5.
inisialisasi data fungsi tujuan, seluruh batasan, dan variabel keputusan digunakan pada model inisialisasi nilai b_L dan b_U inisialisasi nilai x_L dan x_U inisialisasi IntVars
16 Juli 2013
•
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 xD6C1+xD6C2+xD6C3+xD6C4+xD6C5 =1 Dokter D7 xD7C1+xD7C2+xD7C3+xD7C4+xD7C5 =1
Tugas Akhir – KI091391
47
.:Permasalahan 1:. • Proses untuk menentukan dokter
yang ditugaskan dengan model IP 1. 2.
3. 4. 5.
inisialisasi data fungsi tujuan, seluruh batasan, dan variabel keputusan digunakan pada model inisialisasi nilai b_L dan b_U inisialisasi nilai x_L dan x_U inisialisasi IntVars
16 Juli 2013
•
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
Tugas Akhir – KI091391
48
.:Permasalahan 1:. • Proses untuk menentukan dokter
yang ditugaskan dengan model IP 1. 2.
3. 4. 5.
inisialisasi data fungsi tujuan, seluruh batasan, dan variabel keputusan digunakan pada model inisialisasi nilai b_L dan b_U inisialisasi nilai x_L dan x_U inisialisasi IntVars
16 Juli 2013
b_L = 1 b_U = 1 x_L = 0 x_U =1 IntVars = 1
Tugas Akhir – KI091391
49
.:Permasalahan 1:. • Proses untuk menentukan dokter
yang ditugaskan dengan model IP 1. 2.
3. 4. 5.
inisialisasi data fungsi tujuan, seluruh batasan, dan variabel keputusan digunakan pada model inisialisasi nilai b_L dan b_U inisialisasi nilai x_L dan x_U inisialisasi IntVars
• Tujuan meminimalkan total jarak Tabel data jarak
Dokter D1 D2 D3 D4 D5 D6 D7
Kondisi C1 100 100 100 100 3 100 100
C2 100 40 2 100 100 24 15
C3 100 6 14 100 100 100 100
C4 C5 100 100 100 19 100 15 100 100 20 100 10 36 100 8
Hasil optimal permasalahan 1, dengan total jarak = 29 16 Juli 2013
Tugas Akhir – KI091391
50
.:Permasalahan 1:. Tabel Dokter yang ditugaskan
Kondisi Dokter C1 D5 C2 D3 C3 D2 C4 D6 C5 D7 Total jarak
Jarak 3 2 6 10 8 29
Gambar Penugasan dokter untuk permasalahan 1
analisa
simpulan
16 Juli 2013
beda Tugas Akhir – KI091391
51
.:Beda konfigurasi:.
Setelah dilakukan optimasi
16 Juli 2013
Tugas Akhir – KI091391
52
.: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.
16 Juli 2013
Tugas Akhir – KI091391
53
.:Permasalahan 2:. •
Langkah-langkah yang dilakukan seperti permasalahan 1.
•
Data yang digunakan setiap percobaan: •
5 macam keahlian
•
40 dokter
•
18 kondisi
•
jarak 40 dokter ke 18 lokasi kondisi
16 Juli 2013
Tugas Akhir – KI091391
54
.:Permasalahan 2:. •
Hasil optimal permasalahan 2 Tabel hasil optimal permasalahan 2
Percobaan
Jarak
1
715
2
530
3
116
4
119
5
219
6
142
7
129
16 Juli 2013
Tugas Akhir – KI091391
55
.:Permasalahan 2:. •
Estimasi running time Grafik running time permasalahan 2 Jumlah kemungkinan dokter yang memenuhi kondisi
Total rata-rata running time pada uji coba 2 0.120
Percobaan 1 = Percobaan 2 = Percobaan 3 = Percobaan 4 = Percobaan 5 = Percobaan 6 = Percobaan 7 =
0.100
Waktu (detik)
0.080 0.060 0.040
170 309 430 420 387 391 381
0.020 0.000 Waktu proses 1 Waktu proses 2 Waktu total
analisa
1 0.017 0.088 0.105
2 0.020 0.089 0.109
3 0.020 0.083 0.103
4 0.020 0.085 0.105
5 0.015 0.087 0.102
6 0.016 0.086 0.102
7 0.016 0.092 0.108
simpulan
16 Juli 2013
Tugas Akhir – KI091391
56
.: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.
16 Juli 2013
Tugas Akhir – KI091391
57
.:Analisa Permasalahan(2):. • 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. Grafik running time permasalahan 2 Total rata-rata running time pada uji coba 2 0.120 0.100
Jumlah dokter yang memenuhi kondisi
Waktu (detik)
0.080 0.060 0.040 0.020 0.000 Waktu proses 1 Waktu proses 2 Waktu total
16 Juli 2013
1 0.017 0.088 0.105
2 0.020 0.089 0.109
3 0.020 0.083 0.103
4 0.020 0.085 0.105
5 0.015 0.087 0.102
6 0.016 0.086 0.102
7 0.016 0.092 0.108
Tugas Akhir – KI091391
Percobaan 1 = Percobaan 2 = Percobaan 3 = Percobaan 4 = Percobaan 5 = Percobaan 6 = Percobaan 7 =
170 309 430 420 387 391 381
58
.:Analisa Permasalahan(2):. • 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. Grafik running time permasalahan 2 Total rata-rata running time pada uji coba 2 0.120 0.100
Jumlah dokter yang memenuhi kondisi
Waktu (detik)
0.080 0.060 0.040 0.020 0.000 Waktu proses 1 Waktu proses 2 Waktu total
16 Juli 2013
1 0.017 0.088 0.105
2 0.020 0.089 0.109
3 0.020 0.083 0.103
4 0.020 0.085 0.105
5 0.015 0.087 0.102
6 0.016 0.086 0.102
7 0.016 0.092 0.108
Tugas Akhir – KI091391
Percobaan 1 = Percobaan 2 = Percobaan 3 = Percobaan 4 = Percobaan 5 = Percobaan 6 = Percobaan 7 =
170 309 430 420 387 391 381
59
.:Analisa Permasalahan(2):. • 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. Grafik running time permasalahan 2 Total rata-rata running time pada uji coba 2 0.120 0.100
Jumlah dokter yang memenuhi kondisi
Waktu (detik)
0.080 0.060 0.040 0.020 0.000 Waktu proses 1 Waktu proses 2 Waktu total
16 Juli 2013
1 0.017 0.088 0.105
2 0.020 0.089 0.109
3 0.020 0.083 0.103
4 0.020 0.085 0.105
5 0.015 0.087 0.102
6 0.016 0.086 0.102
7 0.016 0.092 0.108
Tugas Akhir – KI091391
Percobaan 1 = Percobaan 2 = Percobaan 3 = Percobaan 4 = Percobaan 5 = Percobaan 6 = Percobaan 7 =
170 309 430 420 387 391 381
60
.:Analisa Permasalahan(2):. • 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. Grafik running time permasalahan 2 Total rata-rata running time pada uji coba 2 0.120 0.100
Jumlah dokter yang memenuhi kondisi
Waktu (detik)
0.080 0.060 0.040 0.020 0.000 Waktu proses 1 Waktu proses 2 Waktu total
16 Juli 2013
1 0.017 0.088 0.105
2 0.020 0.089 0.109
3 0.020 0.083 0.103
4 0.020 0.085 0.105
5 0.015 0.087 0.102
6 0.016 0.086 0.102
7 0.016 0.092 0.108
Tugas Akhir – KI091391
Percobaan 1 = Percobaan 2 = Percobaan 3 = Percobaan 4 = Percobaan 5 = Percobaan 6 = Percobaan 7 =
170 309 430 420 387 391 381
61
.:BackUp:.
16 Juli 2013
Tugas Akhir – KI091391
62
Graf Bipartite (GB) • Graf bipartite adalah graf 𝐺(𝑉, 𝐸) yang himpunan atau node 𝑉nya dapat dipartisi menjadi dua subhimpunan 𝑉1 dan 𝑉2 sedemikian sehingga setiap edge dalam 𝐸 insiden pada satu vertek di 𝑉1 dan satu vertek di 𝑉2 . v1
v4 v2
v5 v3
Contoh graf bipartite
16 Juli 2013
Tugas Akhir – KI091391
63
Graf Bipartite (GB) • Menurut Thomas H. et all [6], dalam suatu permasalahan pemasangan maksimal dalam graf bipartite dapat menggunakan metode Ford Fulkerson. • Oleh karena itu permasalahan pemasangan dimodelkan sebagai suatu jaringan karena Metode Ford Fulkerson digunakan untuk menyelesaikan permasalahan network flow. v1
v1
v4 v2
Contoh graf bipartite yang dibentuk sebagai
v4 s
v2 t
jaringan
v5
v5 v3
v3
16 Juli 2013
Tugas Akhir – KI091391
64
Algoritma Ford Fulkerson 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 2. Perulangan selama terdapat sebuah aliran 𝑝 dari 𝑠 menuju 𝑡, di mana kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ] o
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝 f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣
16 Juli 2013
Tugas Akhir – KI091391
65
Algoritma Ford Fulkerson 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 2. Perulangan selama terdapat sebuah aliran 𝑝 dari 𝑠 menuju 𝑡, di mana kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ] o
2
0/12
4
0/16 0/100/4
1
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝
0/20 0/9
6
0/7
0/13
0/4 3
0/14
5
Contoh graf awal yang akan diselesaikan dengan
algoritma Ford Fulkerson
f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣
16 Juli 2013
Tugas Akhir – KI091391
66
Algoritma Ford Fulkerson 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 2. Perulangan selama terdapat sebuah aliran 𝑝 dari 𝑠 menuju 𝑡, di mana kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ] o
2
0/12
4
0/16 0/100/4
1
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝
0/20 0/9
6
0/7
0/13
0/4 3
0/14
5
Contoh graf awal yang akan diselesaikan dengan
algoritma Ford Fulkerson
f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣
16 Juli 2013
Tugas Akhir – KI091391
67
Algoritma Ford Fulkerson 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 2. Perulangan selama terdapat sebuah aliran 𝑝 dari 𝑠 menuju 𝑡, di mana kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ] o
Lintasan 1-2-4-3-5-6 2
12
4
16 1
20 10 4
9
6
7
13
4 3
14
5
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝 f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣 𝒄𝒇 𝒑 = 4
16 Juli 2013
Tugas Akhir – KI091391
68
Algoritma Ford Fulkerson 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 2. Perulangan selama terdapat sebuah aliran 𝑝 dari 𝑠 menuju 𝑡, di mana kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ] o
Lintasan 1-2-4-3-5-6 2
4
16 1
20 10 4
9
4 3
2
14
4/12
5
4
4/16 1
20 10 4
4/9
4/4 3
Tugas Akhir – KI091391
6
7
13
16 Juli 2013
6
7
13
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝 f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣
12
4/14
5
69
Algoritma Ford Fulkerson 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 2. Perulangan selama terdapat sebuah aliran 𝑝 dari 𝑠 menuju 𝑡, di mana kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ] o
Lintasan 1-2-3-5-4-6
2
8 4
4
12 4 1
20 10 4
4 5
6
7
13
4 3
10 4
5
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝 f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣 𝒄𝒇 𝒑 = 7
16 Juli 2013
Tugas Akhir – KI091391
70
Algoritma Ford Fulkerson 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 2. Perulangan selama terdapat sebuah aliran 𝑝 dari 𝑠 menuju 𝑡, di mana kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ] o
Lintasan 1-2-3-5-4-6
2
4
12 4 1
20 10 4
4 5
4 3
10 4
5
2
4/12
4
11/16 1
7/20 7/10 4
4/9
4/4 3
Tugas Akhir – KI091391
6
7/7
13
16 Juli 2013
6
7
13
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝 f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣
8 4
11/14
5
71
Algoritma Ford Fulkerson 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 2. Perulangan selama terdapat sebuah
Lintasan 1-3-2-4-6
2
aliran 𝑝 dari 𝑠 menuju 𝑡, di mana kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ] o
8 4
4
4 5
7
13 7
5 11 1
3 11 13
6 4
3
3 11
5
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝 f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣 𝒄𝒇 𝒑 = 8
16 Juli 2013
Tugas Akhir – KI091391
72
Algoritma Ford Fulkerson 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 2. Perulangan selama terdapat sebuah
Lintasan 1-3-2-4-6
2
aliran 𝑝 dari 𝑠 menuju 𝑡, di mana kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ] o
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝
4
4 5
7
13 7
5 11 1
3 11 13
2
3 11
12/12
5
4
11/16 1
15/20 10 1/4
4/9
6
7/7
8/13
4/4 3
Tugas Akhir – KI091391
6 4
3
f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣
16 Juli 2013
8 4
11/14
5
73
Algoritma Ford Fulkerson 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 2. Perulangan selama terdapat sebuah
Lintasan 1-3-4-6 2
aliran 𝑝 dari 𝑠 menuju 𝑡, di mana kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ] o
12
4 5 15
5 11 1
11 3
4 5
6
7
5 8
4 3
3 11
5
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝 f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣 𝒄𝒇 𝒑 = 4
16 Juli 2013
Tugas Akhir – KI091391
74
Algoritma Ford Fulkerson 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 2. Perulangan selama terdapat sebuah aliran 𝑝 dari 𝑠 menuju 𝑡, di mana kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ] o
Lintasan 1-3-4-6 2
4 5 15
5 11 1
11 3
4 5
6
7
5 8
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝 f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣
12
4 3
3 11
2
12/12
5
4
11/16 1
19/20 10 1/4
9
12/13
4/4 3
16 Juli 2013
Tugas Akhir – KI091391
6
7/7
11/14
5
75
Algoritma Ford Fulkerson • Setelah tidak ditemukan lagi lintasan augmenting, maka pencarian berhenti. • 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
16 Juli 2013
Tugas Akhir – KI091391
76
Operasi Himpunan Union • Union merupakan gabungan dari dua himpunan 𝐴 dan 𝐵 atau himpunan yang terdiri dari semua elemen yang menjadi anggota 𝐴 atau menjadi anggota 𝐵. • Definisi formal dari union 𝑨 ∪ 𝑩 = *𝒙|𝒙 ∈ 𝑨 ∨ 𝒙 ∈ 𝑩+ • Contoh union dari himpunan {1,3,5} dan {1,2,3} adalah {1,2,3,5}
16 Juli 2013
Tugas Akhir – KI091391
77
Operasi Himpunan Intersection • intersection merupakan irisan dari dua himpunan 𝐴 dan 𝐵
adalah himpunan yang terdiri dari semua elemen persekutuan dari himpunan 𝐴 dan 𝐵. • Definisi formal dari intersection 𝑨 ∩ 𝑩 = *𝒙|𝒙 ∈ 𝑨 ∧ 𝒙 ∈ 𝑩+ • Contoh intersection dari himpunan {1,3,5} dan {1,2,3} adalah {1,3}
16 Juli 2013
Tugas Akhir – KI091391
78
Langkah-langkah yang digunakan untuk merubah ke model GB menjadi bentuk jaringan dalam penugasan dokter
Langkah-langkah yang digunakan untuk merubah ke model GB menjadi bentuk jaringan dalam penugasan dokter
1. Jika setiap edge-nya dimulai dari 𝑢
ke 𝑣 dan 𝑐(𝑢, 𝑣) adalah kapasitas maka 𝑐 𝑢, 𝑣 ditandai dengan angka 1. 2. Sebuah source dan edge-edge dari source ke masing-masing node yang mewakili keahlian dokter dengan 𝑐 𝑢, 𝑣 = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑑𝑜𝑘𝑡𝑒𝑟 ditambahkan. 3. Sebuah sink dan edge-edge dari masing-masing node yang mewakili dokter ke sink dengan 𝑐 𝑢, 𝑣 = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑎ℎ𝑙𝑖𝑎𝑛 ditambahkan.
16 Juli 2013
Keahlian
Tugas Akhir – KI091391
Dokter
79
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Keahlian 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 1 2. Perulangan selama terdapat sebuah aliran 𝑝 dari 𝑠 menuju 𝑡, di mana 2 kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk 3 semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 0 4 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ]
Dokter
O/1
O/1
O/1 O/1
O/7
O/1 O/1
O/7
O/7
f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣
O/7
O/8
O/8
O/1
O/7
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝
10
O/1 O/1
O/7
o
9
5
O/1 O/1 O/1 O/1 O/1 O/1 O/1
11
O/8
16
O/8
12
O/8
O/7 O/7
6
O/1 O/1 O/1 O/1
7
O/1
8
O/1
O/8
13
O/8
14
15
16 Juli 2013
Tugas Akhir – KI091391
80
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Keahlian 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 1 2. Perulangan selama terdapat sebuah aliran 𝑝 dari 𝑠 menuju 𝑡, di mana 2 kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk 3 semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 0 4 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ]
Dokter
O/1
O/1
O/1 O/1
O/7
O/1 O/1
O/7
O/7
O/7
O/8
O/8
O/1
O/7
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝
10
O/1 O/1
O/7
o
9
5
O/1 O/1 O/1 O/1 O/1 O/1 O/1
11
O/8
16
O/8
12
O/8
O/7 O/7
f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣
6
O/1 O/1 O/1 O/1
7
O/1
8
O/1
O/8
13
O/8
14
Lintasan 0-1-9-16 𝒄𝒇 𝒑 = 1
16 Juli 2013
Tugas Akhir – KI091391
15
81
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Keahlian 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 1/1 1 2. Perulangan selama terdapat sebuah aliran 𝑝 dari 𝑠 menuju 𝑡, di mana 2 kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk 1/7 3 semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 0 4 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ] O/1
O/1 O/1
O/1 O/1
O/7
O/7
O/7
10
1/8 O/8
O/1
O/7
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝
9
O/1 O/1
O/7
o
Dokter
5
O/1 O/1 O/1 O/1 O/1 O/1 O/1
11
O/8
16
O/8
12
O/8
O/7 O/7
f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣
6
O/1 O/1 O/1 O/1
7
O/1
8
O/1
O/8
13
O/8
14
Lintasan 0-1-9-16
16 Juli 2013
Tugas Akhir – KI091391
15
82
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Keahlian 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 1/1 1 2. Perulangan selama terdapat sebuah aliran 𝑝 dari 𝑠 menuju 𝑡, di mana 2 kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk 1/7 3 semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 0 4 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ] O/1
O/1 O/1
O/1 O/1
O/7
O/7
f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣
O/7
10
1/8 O/8
O/1
O/7
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝
9
O/1 O/1
O/7
o
Dokter
5
O/1 O/1 O/1 O/1 O/1 O/1 O/1
11
O/8
16
O/8
12
O/8
O/7 O/7
6
O/1 O/1 O/1 O/1
7
O/1
8
O/1
O/8
13
O/8
14
Lintasan 0-1-11-16 𝒄𝒇 𝒑 = 1
16 Juli 2013
Tugas Akhir – KI091391
15
83
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Keahlian 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 1/1 1 2. Perulangan selama terdapat sebuah aliran 𝑝 dari 𝑠 menuju 𝑡, di mana 2 1/1 kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk 2/7 3 semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 0 4 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ] O/1
O/1
O/1 O/1
O/7
O/7
f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣
O/7
10
1/8 O/8
O/1
O/7
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝
9
O/1 O/1
O/7
o
Dokter
5
O/1 O/1 O/1 O/1 O/1 O/1 O/1
11
1/8
16
O/8
12
O/8
O/7 O/7
6
O/1 O/1 O/1 O/1
7
O/1
8
O/1
O/8
13
O/8
14
Lintasan 0-1-11-16
16 Juli 2013
Tugas Akhir – KI091391
15
84
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Keahlian 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 1/1 1 2. Perulangan selama terdapat sebuah aliran 𝑝 dari 𝑠 menuju 𝑡, di mana 2 1/1 kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk 2/7 3 semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 0 4 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ] O/1
O/1
O/1 O/1
O/7
O/7
f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣
O/7
10
1/8 O/8
O/1
O/7
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝
9
O/1 O/1
O/7
o
Dokter
5
O/1 O/1 O/1 O/1 O/1 O/1 O/1
11
1/8
16
O/8
12
O/8
O/7 O/7
6
O/1 O/1 O/1 O/1
7
O/1
8
O/1
O/8
13
O/8
14
Lintasan 0-1-15-16 𝒄𝒇 𝒑 = 1
16 Juli 2013
Tugas Akhir – KI091391
15
85
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson Keahlian 1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 1/1 1 2. Perulangan selama terdapat sebuah aliran 𝑝 dari 𝑠 menuju 𝑡, di mana 2 1/1 kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk 3/7 3 semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 0 4 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ] O/1
O/1
f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣
O/7
O/1 O/1
O/7
O/1 O/1 O/1
O/7
10
1/8 O/8
O/1
O/7
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝
9
O/1 O/1
O/7
o
Dokter
5
11
1/8
16
O/8
1/1
O/1 O/1 O/1
12
O/8
O/7 O/7
6
O/1 O/1 O/1 O/1
7
O/1
8
O/1
O/8
13
1/8
14
Lintasan 0-1-15-16
16 Juli 2013
Tugas Akhir – KI091391
15
86
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
Langkah-langkah yang digunakan untuk mengelompokkan dokter berdasarkan keahliannya dengan algoritma Ford Fulkerson
1. Set 𝑓 𝑢, 𝑣 ← 0 dan 𝑓 𝑣, 𝑢 ← 0 untuk semua edge 𝑢, 𝑣 2. Perulangan selama terdapat sebuah
aliran 𝑝 dari 𝑠 menuju 𝑡, di mana kapasitas tersisa 𝑐𝑓 𝑢, 𝑣 > 0 untuk semua 𝑢, 𝑣 ∈ 𝑝: o Temukan 𝑐𝑓 𝑝 = min 𝑐𝑓 𝑢, 𝑣 𝑢, 𝑣 ∈ 𝑝 ] o
Untuk setiap edge 𝑢, 𝑣 ∈ 𝑝 f 𝑢, 𝑣 ← 𝑓 𝑢, 𝑣 + 𝑐𝑓 𝑝 f 𝑣, 𝑢 ← −𝑓 𝑢, 𝑣
Tabel hasil pengelompokkan dokter Berdasarkan keahlian
Keahlian Bedah Jantung
D1,D4,D5,D6
Kandungan
D2,D3,D6,D7
Kulit Koordinator Asisten Dokter utama Pembantu Dokter
16 Juli 2013
Dokter D1,D3,D7
Tugas Akhir – KI091391
D2,D5 D6 D2 D2,D3,D5,D6 D1,D4,D7
87