Articles
<![CDATA[Solusi Optimal Masalah Penugasan Menggunakan Metode Alternatif Hungarian ]]>
<![CDATA[Fahrudin Muhtarulloh]]>;
<![CDATA[Annisa Dea Novita]]>
<![CDATA[ Jurnal Sains Matematika dan Statistika Vol 8, No 2 (2022): JSMS Juli 2022 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/jsms.v8i2.19188
<![CDATA[Masalah penugasan membahas pengalokasian sejumlah sumber ke sejumlah tujuan, dengan tujuan memaksimalkan suatu keuntungan. Penelitian studi literatur ini membahas tentang penyelesaian masalah penugasan kasus minimasi dengan menggunakan metode baru yaitu Metode Alternatif. Metode yang dibentuk dengan bantuan metode Hungarian ini diselesaikan dengan ukuran data 5x5 yang bertujuan untuk meminimalkan total biaya yang dikeluarkan oleh suatu perusahaan. Penyelesaian dengan metode Alternatif dimulai dengan cara mengurangi setiap baris dan kolom dengan elemen terkecilnya, kemudian tinjau posisi nol setelah itu reduksi matriks dengan reduksi baris dan kolom yang sudah ditugaskan, ulangi reduksi baris dan kolom sampai menemukan solusi optimal agar setiap pekerja mempunyai pekerjaan masing-masing. Berdasarkan hasil penelitian ini diperoleh bahwa, pekerja I ditugaskan melakukan pekerjaan A, pekerja II ditugaskan melakukan pekerjaan D, pekerja III ditugaskan melakukan pekerjaan C, pekerja IV ditugaskan melakukan pekerjaan B, dan pekerja V ditugaskan melakukan pekerjaan E. Maka penugasannya adalah: I→ A, II→ D, III→ C, IV→ B, V→ E. Dari hasil penugasannya, maka didapat solusi optimal untuk biaya minimumnya adalah 1+1+3+1+4= $10. Pada artikel ini didapatkan hasil solusi optimal menggunakan metode alternatif sama dengan hasil solusi optimal menggunakan metode Hungarian.]]>
<![CDATA[Penyelesaian Masalah Penugasan dengan Metode Rafi Aziz Uddin Bhuiyan (RAUB), Hungarian Method, dan Heuristic Method ]]>
<![CDATA[Antikah Antikah]]>;
<![CDATA[Elis Ratna Wulan]]>;
<![CDATA[Fahrudin Muhtarulloh]]>
<![CDATA[ Jurnal EurekaMatika Vol 10, No 2 (2022): Jurnal Eurekamatika ]]>
Publisher : <![CDATA[Universitas Pendidikan Indonesia (UPI) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.17509/jem.v10i2.45391
<![CDATA[This study discusses the implementation of the Rafi Aziz Uddin Bhuiyan (RAUB) Method, Hungarian Method, and Heuristic Method in solving assignment problems for both minimization case and maximization case in balanced and unbalanced conditions. To determine the better method in solving the assignment problem, we then compared the three methods. Based on the analysis conducted, the Hungarian Method produces a better optimal solution with fewer number of iterations than the RAUB Method and the Heuristic Method. So, it can be concluded that the assignment problem can be solved better by using the Hungarian Method than the RAUB Method and the Heuristic Method.Keywords: Assignment Problem, Heuristic Method, Hungarian Method, Rafi Aziz Uddin Bhuiyan (RAUB) Method.AbstrakPenelitian ini membahas tentang penerapan Rafi Aziz Uddin Bhuiyan (RAUB) Method, Hungarian Method, dan Heuristic Method dalam menyelesaikan masalah penugasan untuk kasus minimasi dan kasus maksimasi baik dalam keadaan seimbang maupun tidak seimbang. Selanjutnya, untuk menentukan metode yang lebih baik dalam menyelesaikan masalah penugasan, ketiga metode tersebut dibandingkan. Berdasarkan analisis yang dilakukan, Hungarian Method menghasilkan solusi optimal yang lebih baik dengan jumlah iterasi yang lebih sedikit dibandingkan dengan RAUB Method dan Heuristic Method. Sehingga dapat disimpulkan bahwa masalah penugasan dapat diselesaikan dengan lebih baik menggunakan Hungarian Method daripada RAUB Method dan Heuristic Method.]]>
<![CDATA[Metode Pendekatan Zero Suffix untuk Menentukan Solusi Optimal pada Masalah Penugasan ]]>
<![CDATA[Lestari Handayani]]>;
<![CDATA[Fahrudin Muhtarulloh]]>;
<![CDATA[Elis Ratna Wulan]]>
<![CDATA[ Jurnal EurekaMatika Vol 9, No 2 (2021): Jurnal EurekaMatika ]]>
Publisher : <![CDATA[Universitas Pendidikan Indonesia (UPI) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.17509/jem.v9i2.45490
<![CDATA[In this research, the Zero suffix approach method was used to determine the optimal solution to the assignment problem, both minimization and maximization cases. The Zero suffix approach method has a clear calculation and conditioning of the suffix value when there is the same value. This can minimize the error of determining the optimal solution. Because it has clear and detailed steps, the work can be done manually or using a python programming. The data used consists of secondary data and random data with varying data sizes. The simulation of the secondary d or is done using a python programming and manually. Both produce the same optimal solution, meaning that python programming can be used for larger cases. For random data simulation with a fairly large data size, the calculation uses a python programming. Using python programming is more efficient for working on company data that has a fairly large data size because it saves time and simplifies calculations process to get the optimal solution.Keywords: Approach Zero Suffix Method, Assignment Problem, Optimal Solution, Python Programming.AbstrakPada penelitian ini, metode pendekatan zero suffix digunakan untuk menentukan solusi optimal pada masalah penugasan kasus minimasi dan kasus maksimasi. Metode pendekatan zero suffix ini memiliki perhitungan dan pengkondisian suffix value yang jelas ketika terdapat nilai yang sama sehingga dapat meminimalkan kesalahan penentuan solusi optimal yang dapat dikerjakan secara manual maupun python programming. Karena memiliki langkah yang jelas dan terperinci, pengerjaannya dapat dilakukan secara manual maupun python programming. Data yang digunakan terdiri dari data sekunder dan data random dengan ukuran data yang bervariasi. Pada data sekunder, dikerjakan secara manual dan menggunakan python programing. Dari keduanya mendapatkan solusi optimal yang sama, artinya program python dapat digunakan untuk kasus yang lebih besar, namun pengerjaan secara manual membutuhkan waktu yang lebih lama karena proses pengalokasian dilakukan secara satu – satu dengan mereduksi baris dan kolom. Pada data random, perhitungan menggunakan python programming dengan ukuran data yang cukup besar. Metode pendekatan zero suffix dapat dikerjakan secara manual dan menggunakan Python Programming serta keduanya menghasilkan solusi optimal yang sama. Namun penggunaan python programming akan lebih efektif untuk mengerjakan data perusahaan yang memiliki ukuran data yang cukup besar karena lebih menghemat waktu dan mempermudah perhitungan untuk mendapatkan solusi optimal.]]>
<![CDATA[Solusi Layak Awal Masalah Transportasi Menggunakan Total Opportunity Cost Matrix-Modified Extemum Difference Method ]]>
<![CDATA[Fahrudin Muhtarulloh]]>;
<![CDATA[Sahira Nabila Juliana]]>;
<![CDATA[Elis Ratna Wulan]]>
<![CDATA[ Jurnal Sains Matematika dan Statistika Vol 9, No 1 (2023): JSMS Januari 2023 ]]>
Publisher : <![CDATA[Universitas Islam Negeri Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24014/jsms.v9i1.20506
<![CDATA[The transportation problem here is allocating goods from a place (source) to the destination (demand) optimally by considering minimal costs, effective allocation, and scheduling. To get this initial feasible solution using the Total Opportunity Cost Matrix-Modified Extremum Difference Method (TOCM-MEDM) approach. This method is a new method, which begins by making a case into the initial transportation problem table and then converting it into a TOCM (Total Opportunity Cost Matrix) matrix by calculating the difference between rows and columns. Then the entries turn into a TOCM matrix, the next step is to determine the row pointers and column pointers by subtracting the largest value from the smallest value in either row or column. This method is an approach from MEDM (Modified Extremum Difference Method). From these results, it can be continued to determine the maximum pointer cost by looking at the largest pointer. Then just calculate the minimum allocation of each row and column until supply and demand are met. The results of the analysis show that the results of solving the transportation problem to determine the initial feasible solution using the TOCM-MEDM method get the minimum yield costs of 410.]]>
<![CDATA[PENERAPAN PEMBELAJARAN INKUIRI DENGAN ETNOMATEMATIK PADA MATERI BIDANG DATAR TERHADAP KEMAMPUAN PEMAHAMAN MATEMATIS SISWA ]]>
<![CDATA[Sri Asnawati]]>;
<![CDATA[Irmawati Liliana K.D.]]>;
<![CDATA[Fahrudin Muhtarulloh]]>
<![CDATA[ Euclid Vol 2, No 2 (2015): EDISI JULI ]]>
Publisher : <![CDATA[Universitas Swadaya Gunung Jati. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (359.784 KB)
|
DOI: 10.33603/e.v2i2.363
<![CDATA[AbstrakTujuan dari penelitian ini adalah menelaah peningkatan kemampuan pemahamanmatematis siswa yang memperoleh pembelajaran inkuiri dengan etnomatematik dansiswa yang memperoleh pembelajaran konvensional pada materi bidang datar. Penelitianini merupakan penelitian kuantitatif. Subjek penelitian adalah siswa SMP Kelas VIIsebanyak 2 kelas yang terdiri dari 70 siswa. Metode pengumpulan data yang digunakanmeliputi: (1) tes kemampuan pemahaman matematis, (2) observasi, (4) dokumentasi. Datadianalisis menggunakan uji-t atau uji mann whitney. Hasil temuan penelitianin adalah:(1) Peningkatan kemampuan pemahaman matematis siswa yang memperolehpembelajaran inkuiri dengan etnomatematik lebih baik daripada peningkatankemampuan pemahaman matematis siswa yang memperoleh pembelajaran konvensionalnamun, keduanya masih berkualifikasi sedang. (2) kualifikasi peningkatan pemahamanmatematis yang menggunakan pembelajaran inkuiri dengan etnomatematika masihdalam kategori sedang (3) peningkatan pemahaman instrumental antara kelas ekspermendan kontrol adalah sama, namun peningkatan pemahaman relasional pada kelaseksperimen lebih baik dibandingkan dengan kelas kontrol (4) Pencapaian pemahamanmatematis siswa kelas eksperimen adalah 19,44 dan kelas kontrol adalah 17,16. Capaianrerata postes keduanya tidak berbeda jauh.Kata kunci: Pembelajaran Inkuiri, Etnomatematika, Pemahaman Matematis.]]>
<![CDATA[Peramalan Data Runtun Waktu Menggunakan Metode Box – Jenkins ]]>
<![CDATA[Fahrudin Muhtarulloh]]>
<![CDATA[ Euclid Vol 2, No 1 (2015): EDISI JANUARI ]]>
Publisher : <![CDATA[Universitas Swadaya Gunung Jati. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (430.872 KB)
|
DOI: 10.33603/e.v2i1.356
<![CDATA[Abstrak Peramalan merupakan hal yang sangat diperlukan oleh manusia modern.Berdasarkan data yang digunakan, peramalan dibagi dalam dua hal yaitu peramalan dengan menggunakan data sekarang dan peramalan menggunakan data masa lalu (runtun waktu/ time series).Peramalan yang pertama menggunakan metode regresi sedangkan peramalan yang terakhir menggunakan model – model time series.Pemodelan data runtun waktu bertujuan untuk menghasilkan sebuah formula yang dapat digunakan untuk peramalan data dimasa yang akan datang. Adapun data yang digunakan dalam makalah ini adalah data runtun waktu (data masa lalu) dengan menggunakan metode Box – Jenkins.Metode Box – Jenkins adalah seuatu metode peramalan data runtun waktu yang menggunakan fungsi autokorelasi (fak) dan fungsi autokerelasi parsial (fakp) dalam tahan identifikasi model. Kata kunci: Metode Box – Jenkins, Fungsi Autokorelasi (fak), Fungsi Autokorelasi Parsial (fakp)]]>
<![CDATA[Solution Optimal Transportation Problems Using the Sirisha Viola Modification Method Python assisted programming ]]>
<![CDATA[Fahrudin Muhtarulloh]]>;
<![CDATA[Aisyah Maulidina]]>;
<![CDATA[Arief Fatchul Huda]]>
<![CDATA[ JINAV: Journal of Information and Visualization Vol. 4 No. 1 (2023) ]]>
Publisher : <![CDATA[PT Mattawang Mediatama Solution ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35877/454RI.jinav1660
<![CDATA[One of the problems that exist in operations research is the problem of transportation. This study proposes the completion of the optimal solution in the transportation problem using the Modified Method of the Sirisha Viola method. The method proposed hereinafter is called the Sirisha Viola Modified Method . The algorithm in this method is the same as in the Sirisha Viola method but differs in the allocation step, where the allocation is made to the minimum demand first, then compared with the corresponding supply value. The data used in this study consisted of secondary data and simulated data (random data). The results of numerical calculations or using the help of the Python program for secondary data obtained an optimal solution of 12,100 cost units. Whereas for random data consisting of 4 0 balanced data and 40 unbalanced data with sizes 10 x 10, 13 x 17, 25 x 27, and 50 x 50 the optimal solution results are obtained. It is concluded that the Sirisha Viol a Modification Method in solving transportation problems can produce optimal solutions directly without the need to determine the initial feasible solution.]]>
<![CDATA[ANALISIS DAMPAK DANA OTONOMI KHUSUS PAPUA DAN PAPUA BARAT TERHADAP IPM ]]>
<![CDATA[Fahrudin Muhtarulloh]]>
<![CDATA[ Jurnal Budget : Isu dan Masalah Keuangan Negara Vol 6 No 1 (2021): Jurnal Budget: Isu dan Masalah Keuangan Negara ]]>
Publisher : <![CDATA[Pusat Kajian Anggaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22122/jurnalbudget.v6i1.76
<![CDATA[The Papua Special Autonomy Fund (otsus) has been given to the provinces of Papua for the period 2002-2020 and West Papua for the period 2009-2021. The granting of these funds aims to catch up with development in Papua and West Papua from other regions. The formulation of the problem in this study is how the impact of the Papua and West Papua special autonomy funds on the HDI. While the purpose of this study is to determine the impact of the Papua and West Papua special autonomy funds on the HDI. Based on the results of the study, several conclusions were obtained, namely, first, the special autonomy fund had a positive and significant impact on HDI in Papua and West Papua. Second, the increase in Papua's HDI for the 2002-2010 period by a percentage of 1.11 percent to 1.05 percent in the 2010-2020 period. Meanwhile, West Papua was 1.38 percent to 0.89 percent. Third, the HDI disparity between districts/cities has increased, the Papua HDI disparity for the 2002-2010 period with a percentage of 24.14 percent to 62.07 in the 2010-2020 period. Meanwhile, West Papua was 44.44 percent to 53.85 percent. Efforts that need to be made by the government to increase the benefits of special autonomy are first, the government/DPR RI in revising the Special Autonomy Law for Papua and West Papua must regulate the measurement of the success of otsus. Second, the measurement of the success of special autonomy using the interval category. Third, the government/DPR RI in revising the Special Autonomy Law for Papua and West Papua must regulate the authorized institution to evaluate the implementation of otsus.]]>
<![CDATA[Optimasi Masalah Penugasan Menggunakan Maximum Range Column Method (MRCM) ]]>
<![CDATA[Muhtarulloh, Fahrudin]]>;
<![CDATA[Nurhakim, Resa Aida]]>;
<![CDATA[Wulan, Elis Ratna]]>;
<![CDATA[Sukaesih, Esih]]>;
<![CDATA[Khumaeroh, Mia Siti]]>
<![CDATA[ Teorema: Teori dan Riset Matematika Vol 9, No 1 (2024): Maret ]]>
Publisher : <![CDATA[Universitas Galuh ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25157/teorema.v9i1.12724
<![CDATA[Penelitian ini bertujuan untuk mendapatkan biaya yang minimum dalam kasus masalah transportasi seimbang dan tidak seimbang. Metode yang digunakan adalah Maximum Range Column Method (MRCM) yang diperkenalkan oleh Huzooe Bux Kalhoro dkk tahun 2021. Metode ini hanya mendapatkan solusi layak awal sehingga untuk mendapatkan solusi optimal dilanjutkan dengan uji optimal menggunakan Metode Modified Distribution (MODI). Langkah penyelesaian menggunakan Maximum Range Column Method (MRCM) dimulai dengan mencari range biaya dengan mengambil selisih terbesar dan terkecil setiap kolom. Selanjutnya pilih sel biaya terkecil dan alokasikan sejumlah supply dan demand. Ulangi langkah-langkah yang disebutkan diawal sampai diperoleh solusi layak awal dan dilanjutkan dengan metode MODI sampai diperoleh solusi optimal. Hasil dari masalah transportasi seimbang diperoleh solusi optimal sebesar $ 2,202 dan untuk kasus masalah transportasi tidak seimbang diperoleh solusi optimal sebesar $ 11,500. Diperoleh kesimpulan bahwa MRCM yang dilanjut dengan MODI dapat mencari biaya minimum untuk masalah transportasi seimbang dan tidak seimbang.bstrak ditulis dalam Bahasa Indonesia dan Bahasa Inggris dengan jenis huruf Arial Narrow, ukuran 10 pt, spasi tunggal. Abstrak bukanlah penggabungan beberapa paragraf, tetapi merupakan ringkasan yang utuh dan lengkap yang menggambarkan isi tulisan. Abstrak secara eksplisit mengandung latar belakang, tujuan penelitian/artikel, metode penelitian/kajian, temuan hasil penelitian dan simpulan, implikasi (jika ada). Abstrak harus memberikan informasi yang singkat kepada pembaca tentang konten artikel. Jangan mencantumkan nomor tabel, nomor gambar, dan referensi pada abstrak. Abstrak terdiri dari satu paragraf dengan banyak kata maksimal 250 kata.]]>
<![CDATA[Penyelesaian Masalah Transportasi dengan Degenerasi dan Siklus Berulang Menggunakan Minimum Demand Method dan Maximum Difference Extreme Difference Method ]]>
<![CDATA[Muhtarulloh, Fahrudin]]>;
<![CDATA[Mardiah, Evi Wardah]]>;
<![CDATA[Huda, Arief Fatchul]]>;
<![CDATA[Zulkarnaen, Diny]]>
<![CDATA[ KUBIK Vol 8, No 1 (2023): KUBIK: Jurnal Publikasi Ilmiah Matematika ]]>
Publisher : <![CDATA[Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/kubik.v8i1.30024
<![CDATA[The transportation problem is a linear programming model that can be used to regulate distribution from a source (product supply) to a destination that requires the product optimally with minimum costs. However, when carring out optimality tests, sometimes the optimal value cannot be determined due to degeneration and repeated cycles. The aim of this research is to overcome the problem of degeneration and repeated cycles that occur in optimization problems. The methods used in this research are Minimum Demand Method (MDM) and Maximum Difference Extreme Difference Method (MDEDM) as well as the optimality test, namely Modified Distribution (MODI). The results of data analysis show that analysis show that the Minimum Demand Method has more degeneration problems, namely 132 data in the balanced case and 137 data in the unbalanced case. The Maximum Difference Extreme Difference Method has more repeated cycle problems, namely 8 data in the balanced case and 9 data in the unbalanced case. From the calculation results it can be concluded that the Maximum Difference Extreme Difference Method is more optimal than the Minimum Demand Method.]]>
