Claim Missing Document
Check
Articles

Found 22 Documents
Search

Optimasi Delay Lampu Hijau Lalu Lintas Menggunakan Fuzzy Metode Mamdani dan Metode Sugeno Reka Septiani; Khusnul Novianingsih; Entit Puspita
Jurnal EurekaMatika Vol 8, No 1 (2020): Jurnal EurekaMatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v8i1.25748

Abstract

Penelitian ini membahas tentang optimisasi penjadwalan delay lampu hijau pada persimpangan Jalan P.H.H. Mustofa dan Jalan Jend. Ahmad Yani Bandung dengan menggunakan logika fuzzy metode Mamdani dan Sugeno. Optimisasi penjadwalan delay lampu hijau dilakukan agar penumpukan kendaraan berkurang saat lampu merah menyala. Penjadwalan delay lampu hijau yang optimal adalah runtunan siklus delay lampu hijau terpendek dengan kendala tertentu. Dalam penelitian ini, logika fuzzy metode Mamdani dan Sugeno digunakan untuk memperoleh delay lampu hijau yang optimal. Logika fuzzy adalah kaidah berpikir samar yang memiliki penalaran cukup adil. Sedangkan metode Mamdani dan Sugeno adalah metode yang bekerja berdasarkan aturan-aturan fuzzy yang ditetapkan peneliti. Hasil implementasi menunjukkan bahwa metode Sugeno lebih optimal dibandingkan metode Mamdani dengan rata-rata satu siklus delay lampu hijau selama 234 detik pada metode Sugeno dan 239 detik pada metode Mamdani.
Penyelesaian Masalah Perencanaan Produksi Dengan Pendekatan Fuzzy Goal Programming Novelia Tria Ashar; Khusnul Novianingsih; Asep Syarif Hidayat
Jurnal EurekaMatika Vol 9, No 1 (2021): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (524.434 KB) | DOI: 10.17509/jem.v9i1.33442

Abstract

Masalah perencanaan produksi yang dialami oleh sebuah perusahaan biasanya disebabkan oleh sistem perencanaan produksi yang kurang baik. Sistem perencanaan produksi yang baik akan memberikan kepuasan terhadap perusahaan dengan target yang diinginkan dan juga dengan bahan baku yang tersedia. Pada penelitian ini, masalah perencanaan produksi akan diselesaikan dengan model fuzzy goal programming. Model  fuzzy goal programming mencari solusi optimal berdasarkan target yang diinginkan perusahaan. Hasil implementasi model fuzzy goal programming pada masalah perencanaan produksi kaos kaki di sebuah perusahaan di Kabupaten Majalengka menunjukkan bahwa dengan menggunakan model fuzzy goal programming hasil yang diperoleh lebih optimal dibandingkan dengan menggunakan model goal programming.
Art Gallery Problem Untuk 1-Guarded Guards Dan 2-Guarded Guards Pada Poligon Orthogonal Elisabet Ivanna Grace Handayani; Kartika Yulianti; Khusnul Novianingsih
Jurnal EurekaMatika Vol 8, No 1 (2020): Jurnal EurekaMatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (268.622 KB) | DOI: 10.17509/jem.v8i2.30720

Abstract

Art Gallery Problem for k-guarded guards adalah masalah penentuan jumlah minimal penjaga yang dapat melihat k penjaga lainnya (k-guarded guards) dan dapat mengawasi seluruh bagian poligon dengan  simpul. Penempatan k-guarded guards diperlukan untuk meningkatkan pengawasan suatu ruangan dari pencurian yang bukan hanya berasal dari pengunjung luar, tetapi juga dari penjaga. Penelitian ini membahas art gallery problem for k-guarded guards pada poligon orthogonal untuk  dan . Untuk  yang dikenal dengan art gallery problem for 1-guarded guards, masalah telah diselesaikan melalui konsep pewarnaan graf. Pada penelitian ini dikontruksi teorema baru melalui konsep yang sama sebagai penyelesaian untuk . Selanjutnya, penempatan 1-guarded guards diimplementasikan pada suatu toserba di kota Bandung.
Optimisasi Pendistribusian Dana Bantuan Operasional Sekolah (BOS) dengan Pendekatan Fuzzy Goal Programming Mia Kusmiati; Khusnul Novianingsih; Fitriani Agustina
Jurnal EurekaMatika Vol 10, No 1 (2022): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1144.271 KB) | DOI: 10.17509/jem.v9i1.33356

Abstract

Distributing School Operational Assistance (BOS) fund is a problem encountered by the Government to distribute the BOS fund to each school. The amount of BOS fund is calculated based on the number of students with the distribution of BOS fund each quarter varying. In practice, the distribution of BOS fund did not follow the government regulations because the amount of funds received by schools often did not match with the number of students. In this paper, we optimize the distribution of BOS fund to obtain the distribution of BOS funds that accordance with BOS technical guidelines. The problem of distributing BOS funds is solved using the Fuzzy Goal Programming (FGP) approach. The FGP model gives the value of goals for each objective and finds a solution that satisfies all constraints. The computational results show that the FGP model can solve the multi-objective problem in the distribution of BOS funds and the model gives good solutions.Keywords: BOS Fund Distribution, Fuzzy-Crisp Method, Fuzzy Goal Programming, Goal Programming, Multi-Objective, Optimal Solution. AbstrakPendistribusian dana Bantuan Operasional Sekolah (BOS) adalah suatu permasalahan yang dihadapi Pemerintah dalam pembagian dana BOS untuk tiap sekolah. Besaran dana BOS untuk setiap sekolah ditentukan berdasarkan jumlah siswa dengan pendistribusian yang nilainya berubah setiap triwulan. Namun pada prakteknya, pendistribusian dana BOS itu tidak megikuti ketentuan pemerintah karena jumlah dana yang diterima sekolah sering kali tidak sesuai dengan jumlah siswanya. Tujuan optimalisasi pendistribusian dana BOS yaitu untuk memperoleh hasil pendistribusian dana BOS yang sesuai dengan petunjuk teknis BOS. Pada penelitian ini, masalah pendistribusian dana BOS akan diselesaikan menggunakan pendekatan model Fuzzy Goal Programming (FGP). Model FGP membentuk nilai goals untuk setiap tujuan dan mencari sebuah solusi yang memberi pencapaian pada semua kendala. Hasil implementasi model FGP untuk masalah pendistribusian dana BOS pada tiap SMKN di Kota Bandung menunjukkan bahwa model FGP yang dibangun mampu menyelesaikan masalah multi objektif pada pendistribusian dana BOS dan mampu memberikan solusi yang baik.
Penyelesaian Colored Traveling Salesman Problem Menggunakan Algoritma Genetika Hill-Climbing Fakhrana Nadhilah; Khusnul Novianingsih; Kartika Yulianti
Jurnal EurekaMatika Vol 8, No 2 (2020): Jurnal Eurekamatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (447.074 KB) | DOI: 10.17509/jem.v8i2.30742

Abstract

Colored Traveling Salesman Problem (CTSP) adalah pengembangan dari MTSP dimana terdapat dua wilayah kerja yaitu wilayah umum yang dapat dikunjungi oleh setiap pekerja, dan wilayah pribadi yang berlaku hanya untuk pekerja yang ditugaskan di wilayah tersebut. Pada CTSP rute dari beberapa pekerja akan dibagi dengan mempertimbangkan wilayah umum dan wilayah pribadinya. Pada kajian ini, CTSP diselesaikan dengan Algoritma Genetika Hill-Climbing, yang merupakan penggabungan dari Algoritma Genetika dengan Algoritma Hill-Climbing dengan tujuan menghasilkan solusi yang lebih baik. Selanjutnya, model CTSP menggunakan Algoritma Genetika Hill-Climbing diimplementasikan pada kasus pengumpulan paket suatu perusahaan ekspedisi di Kota Bandung. Hasil dari kajian ini yaitu diperoleh rute terpendek untuk kasus pengumpulan paket suatu perusahaaan ekspedisi. Selain itu, dengan membandingkan Algoritma Genetika Hill-Climbing dengan Algoritma Genetika Klasik, diperoleh hasil bahwa Algoritma Genetika Hill-Climbing memberikan solusi dengan jarak yang lebih pendek meskipun membutuhkan waktu komputasi yang lebih lama.
Penyelesaian Capacitated Vehicle Routing Problem dengan Menggunakan Gabungan Algoritma Genetika dan Simulated Annealing Yusup Syarif Firmansyah; Khusnul Novianingsih; Husty Serviana Husain
Jurnal EurekaMatika Vol 9, No 2 (2021): Jurnal EurekaMatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (285.649 KB) | DOI: 10.17509/jem.v9i2.40080

Abstract

The capacitated vehicle routing problem (CVRP) is a problem of distributing a number of goods using vehicles with limited carrying capacity that needed to pick up or deliver items at various locations, such as round trips from a store to customers. The goal of CVRP is to obtain a route with shortest travel distance. This research proposed the combination of genetics algorithm with simulated annealing (GASA) to solve CVRP. The first step in GASA is to represent customer as chromosomes, calculate fitness values, selection, crossover, and mutation. After that we continue to optimize the problem using SA algorithm by modifying the best solution produced by GA algorithm, comparing the fitness of modified best solution with the best solution of GA, and return to GA algorithm until maximum iteration achieved. Thus, GASA has greater chance to obtain global optimal solution. To simulate the algorithm, GASA was used for CVRP of an ice cream company in Bandung City and was able to solve it well.Keywords: Capacitated Vehicle Routing Problem (CVRP), Genetic Algorithm (GA), Optimization, Simulated Annealing (SA). AbstrakCapacitated Vehicle Routing Problem (CVRP) adalah permasalahan pendistribusian sejumlah barang oleh kendaraan yang tersedia dengan kapasitas tertentu dari suatu depot ke sejumlah pelanggan lalu kembali ke depot. Tujuan penyelesaian CVRP adalah untuk menentukan rute pendistribusian dengan total jarak terpendek. Pada penelitian ini, digunakan gabungan algoritma genetika dan simulated annealing (GASA) untuk menyelesaikan permasalahan CVRP. Algoritma GASA bekerja dengan cara melakukan tahapan-tahapan pada Algoritma GA yaitu merepresentasikan kromosom, menghitung nilai fitness, seleksi, crossover, dan mutasi, kemudian dilanjutkan ke tahapan-tahapan Algoritma SA yaitu memodifikasi solusi terbaik yang diperoleh dari Algoritma GA sebelumnya, membandingkan nilai fitness solusi hasil modifikasi dengan solusi terbaik pada Algoritma GA, setelah itu melakukan kembali tahapan-tahapan Algoritma GA sampai iterasi maksimum tercapai. Dengan demikian gabungan GA dan SA mempunyai peluang besar untuk memberikan solusi optimal global. Hasil implementasi model CVRP dan Algoritma GASA pada masalah pendistribusian es krim suatu perusahaan di Kota Bandung diperoleh kesimpulan bahwa Algoritma GASA dapat menyelesaikan masalah tersebut dengan baik.
Upaya Meningkatkan Keterampilan Berhitung Cepat Menggunakan Jarimatika pada Anak-Anak Yayasan Yatim dan Dhuafa Daarul Husna Parompong Kabupaten Bandung Barat Nurhuda Teapon; Muhammad Fajar Anugrah; Dika Faiz Himmawan; Rekha Bestari Martista; Rizky Rosjanuardi; Khusnul Novianingsih
BERDAYA: Jurnal Pendidikan dan Pengabdian Kepada Masyarakat Vol 5 No 2 (2023)
Publisher : LPMP Imperium

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36407/berdaya.v5i2.1005

Abstract

Kegiatan ini bertujuan untuk menambah pemahaman dan pengetahuan serta untuk memfasilitasi anak-anak Yayasan untuk melatih kreativitas dan kemampuan hitung cepat khususnya pada penjumlahan dan perkalian. Kegiatan pengabdian kepada masyarakat ini dilaksananakan di Yayasan Daarul Husna Parompong Kabupaten Banding Barat pada hari Minggu 19 maret 2023 dimulai dari pukul 08.00 sampai dengan 13.00 WIB. Peserta kegiatan ini berjumlah 35 anak yang terdiri dari siswa ditingkat SD dan SMP. Kegiatan ini berlangsung dengan baik dan peserta yang mengikuti rangkaian kegiatan dengan antusias. Berdasarkan hasil pengamatan soal dan kuis yang diberikan terlihat bahwa siswa mampu memahami keterampilan hitungan cepat dengan menggunakan jarimatika dengan sangat baik.
Penjadwalan Dokter dan Perawat IGD Menggunakan Algoritma Kunang-Kunang Hulliyatul Khoiriyyah; Khusnul Novianingsih; Al Azhary Masta Masta
Jurnal Matematika, Statistika dan Komputasi Vol. 21 No. 1 (2024): SEPTEMBER 2024
Publisher : Department of Mathematics, Hasanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20956/j.v21i1.36294

Abstract

The Emergency Room (ER) is a part of the hospital responsible for providing initial treatment to patients with life-threatening conditions. The operational hours of the ER follow the schedule set by the hospital. ER must be ready to serve emergency patients 24 hours a day and 7 days a week. Therefore, the scheduling of doctors and nurses in the ER needs to be well-managed to enhance the efficiency of doctors and nurses in responding emergency patients quickly and effectively. In this study, the problem of doctors and nurses scheduling in the ER is solved using the Firefly Algorithm, in which doctors and nurses represented as fireflies. This algorithm is chosen since its ability to find optimal solutions for complex optimization problems. In this research, doctors and nurses can submit schedule requests to improve job satisfaction. The optimization model is constructed by a number of constraints including the availability of doctors and nurses, schedule requests, and the operational needs of the ER. The Firefly Algorithm is applied to find the optimal solution for the model. Simulation results show that this algorithm can produce an optimal schedule, in which 70.6% of doctors' schedule requests and 98.2% of nurses' schedule requests are being fulfilled.              
Penyelesaian Multi Depot Vehicle Routing Problem with Time Windows Menggunakan Particle Swarm Optimization Algorithm Azzahra, Khairunnisa Aulia; Novianingsih, Khusnul; Rachmatin, Dewi
Jurnal EurekaMatika Vol 12, No 1 (2024): Jurnal EurekaMatika
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jem.v12i1.69199

Abstract

AbstractThis research addresses the Multi Depot Vehicle Routing Problem with Time Windows (MDVRPTW), the problem of determining vehicle routes from several depots to multiple customers while considering time window constraints for each route. The goal of solving MDVRPTW is to obtain optimal routes with the shortest total travel time without exceeding their respective time windows. The Particle Swarm Optimization (PSO) algorithm is used to solve MDVRPTW, adapted from the social behavior of a flock of birds in search of food. The algorithm operates through initialization, evaluation, route construction, and route updates to achieve optimality. The research was tested on a case study involving raw material pickup for a company with 2 storage depots and 169 agents. The implementation of PSO successfully generated an average travel time of 7.83 hours for each route, indicating adherence to time windows and fulfillment of vehicle capacity.Keywords:Multi Depot Vehicle Routing Problem, Particle Swarm Optimization, Route, Time WindowsAbstrakPenelitian ini membahas Multi Depot Vehicle Routing Problem with Time Windows (MDVRPTW), masalah penentuan rute kendaraan dari sejumlah depot ke beberapa pelanggan dengan mempertimbangkan batasan time windows dalam setiap rutenya. Tujuan penyelesaian MDVRPTW adalah mendapatkan rute optimal dengan total travel time terkecil dan tidak melebihi time windows-nya. Algoritma Particle Swarm Optimization (PSO) digunakan untuk menyelesaikan MDVRPTW. Cara kerja PSO diadaptasi dari perilaku sosial dari sekawanan burung dalam mencari makan. Algoritma ini bekerja dengan cara melakukan inisialisasi, mengevaluasi, mengonstruksi rute, dan memperbaharui rute hingga optimal. Penelitian diuji pada studi kasus pengambilan bahan baku suatu perusahaan dengan 2 depot penyimpanan dan 169 agen. Implementasi PSO berhasil membentuk rata-rata travel time setiap rute adalah 7,83 jam yang artinya time windows tidak dilanggar dan kapasitas kendaraan terpenuhi.
Implementasi Model Goal Programming untuk Menganalisis Kinerja Keuangan Perusahaan Marsyanda, Meifa Putri; Novianingsih, Khusnul; Kustiawan, Cece
Diophantine Journal of Mathematics and Its Applications Vol. 3 No. 1 (2024)
Publisher : UNIB Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/diophantine.v3i1.33146

Abstract

Company financial reports can be used to analyze a company's financial performance. This research discusses financial performance analysis to determine the company's financial weaknesses and strengths. Using the analysis results, the company can be determined financial policies for the next period, so the company can achieve the optimal financial performance. The financial performing model can be modelled as a multi-objective problem. The model is solved by converting the multi-objective model into a goal programming model. Then, it is solved using the Modified Simplex Method. We implemented the model to analyze the financial report of a big company. The results show that the company has a good financial performance.