Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Proceeding SENDI_U InPrime: Indonesian Journal Of Pure And Applied Mathematics
Setiawan, Bagus Arief
Unknown Affiliation
Computer Science & IT Education Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PERBANDINGAN CLUSTERING OPTIMALISASI STOK BARANG MENGGUNAKAN ALGORITMA K – MEANS DAN ALGORTIMA K – MEDOIDS ( STUDI KASUS : KLINIK BEN WARAS ) Setiawan, Bagus Arief; ,, Sulastri
Proceeding SENDI_U 2021: SEMINAR NASIONAL MULTI DISIPLIN ILMU DAN CALL FOR PAPERS
Publisher : Proceeding SENDI_U

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Klinik Ben waras merupakan layanan kesehatan yang menyediakan pelayanan medis. Klinik ini bukan hanya melayani pemeriksaan kesehatan melainkan juga mempunyai unit usaha berupa toko yang menjual barang – barang medis, dan berbagai barang kebutuhan non medis seperti makanan, minuman dan kebutuhan lainnya. Penimbunan stok barang terjadi ketika jumlah penjualan yang fluktuatif yang mengakibatkan stok barang yang tersedia tidak stabil sehingga berdampak langsung ke konsumen. Ketersediaan barang yang tidak dikelola dengan baik juga berdampak pada instansi ketika barang habis disaat permintaan konsumen tinggi maka yang akan terjadi adalah permintaan barang harus di undur sehingga berdampak langsung ke penjualan barang di instansi. Tujuan dari penelitian ini adalah untuk membandingkan algoritma K – Means dan algoritma K – Medoids untuk pengoptimalan stok barang pada Klinik Ben Waras. Pada penelitian ini menggunakan data stok barang Klinik Ben Waras dengan total 1.529 data menggunakan proses perhitungan manual serta software Rstudio untuk perhitungan komputasi. Pada perhitungan manual menghasilkan 3 klaster dan pada pada aplikasi rstudio menghasilkan 3 klaster. Hasil rerata barang keluar menggunakan rstudio pada algoritma K – Means adalah klaster 1 rerata barang keluar yang tertinggi terjadi pada bulan Juni sebesar 87, pada klaster 2 rerata barang keluar yang tertinggi terjadi pada bulan Januari sebesar 227, dan pada klaster 3 rerata barang keluar yang tertinggi terjadi pada bulan agustus sebesar 14,9. Hasil rerata barang keluar menggunakan rstudio pada algoritma K – Medoids adalah klaster 1 rerata barang keluar yang tertinggi terjadi pada bulan Juli sebesar 11,9 , pada klaster 2 rerata barang keluar yang tertinggi terjadi pada bulan Februari sebesar 24,5, dan pada klaster 3 rerata barang keluar yang tertinggi terjadi pada bulan Januari sebesar 227.
Application of Genetic Algorithm on Inclusive Labeling of a Graph Santoso, Kiswara Agung; Setiawan, Bagus Arief; Kusbudiono, Kusbudiono
InPrime: Indonesian Journal of Pure and Applied Mathematics Vol 4, No 1 (2022)
Publisher : Department of Mathematics, Faculty of Sciences and Technology, UIN Syarif Hidayatullah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/inprime.v4i1.24327

Abstract

As science developed, heuristic methods began to be used in graph coloring. Heuristic methods that have been used for graph coloring include Genetic Algorithm, Tabu Search, and Ant Colony Algorithm. A Genetic Algorithm is a method for solving optimization problems. In this study, the Genetic Algorithm will be used for the issue of labeling irregular vertices of inclusive distances to label any graph inclusively. We restrict an inclusive 1-distance to a simple graph using one-point crossover and mutation. The steps are a generation of random chromosomes, evaluating chromosome fitness values with tournament selection, conducting an evolutionary process consisting of one-point crossover and mutation, repeating the process until the termination criteria are met. The results of implementing the genetic algorithm on inclusive labeling can be determined by the chromatic number based on the adjacency matrix. The results of this labeling can be used as an alternative solution to the problem of inclusive labeling.Keywords: Genetic Algorithm; graph labeling; inclusive labeling. AbstrakSeiring berkembangnya ilmu pengetahuan metode heuristic mulai digunakan dalam pewarnaan graf. Metode heuristic yang telah digunakan untuk pewarnaan graf antara lain Algoritma Genetika, Tabu Search, dan Algoritma Semut (Ant Colony). Algoritma Genetika merupakan metode untuk menyelesaikan masalah optimasi. Pada penelitian ini, Algoritma Genetika digunakan untuk masalah pelabelan titik tak-teratur jarak inclusive agar dapat melabeli sebarang graf secara inclusive. Kami membatasi lingkup penelitian dengan menerapkan jarak inclusive 1 pada graf sederhana, menggunakan crossover satu titik dan mutasi. Metode yang digunakan dalam penelitian ini adalah studi literatur dengan mengkaji penggunaan Algoritma Genetika pada pelabelan titik tak-teratur jarak inclusive suatu graf. Langkah-langkah yang dilakukan adalah: pembangkitan kromosom secara acak, evaluasi nilai fitness kromosom dengan tournament selection, melakukan proses evolusi yang terdiri dari crossover satu titik dan mutasi, perulangan proses sampai kriteria pemerhentian terpenuhi. Hasil implementasi algoritma genetika pada pelabelan inclusive adalah dapat mengetahui bilangan kromatik berdasarkan matriks adjacency. Hasil pelabelan ini dapat dijadikan sebagai salah satu alternatif penyelesaian masalah pelabelan inklusif.Kata Kunci : Algoritma Genetika; pelabelan graf; pelabelan inklusif.
Co-Authors Kiswara Agung Santoso Kusbudiono Kusbudiono, Kusbudiono Sulastri ,, Sulastri