P. 1
Matching

Matching

|Views: 1,554|Likes:
UNIVERSITAS NEGERI MALANG
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
PROGRAM STUDI MATEMATIKA
UNIVERSITAS NEGERI MALANG
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
PROGRAM STUDI MATEMATIKA

More info:

Published by: Aldila Sakinah Putri on Aug 24, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/05/2013

pdf

text

original

LAPORAN SURVEI Optimalisasi Reshuffle Karyawan dengan Menggunakan Graf Matching Guna Mendapat Pelayanan Terbaik di Hotel Pelangi

Dua Malang

Untuk memenuhi tugas matakuliah Penerapan Graph yang dibimbing oleh Ibu Dra. Sapti Wahyuningsih, M. Si

Oleh: Siti Muyasaroh Rizqi Tri Ramadhayanti Anisak Heritin (409312417669) (409312417669) (409312417683)

S

UNIVERSITAS NEGERI MALANG FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA Februari 2012

BAB I PENDAHULUAN

A. Latar Belakang Suatu masalah akan lebih mudah dipahami serta lebih mudah dianalisa dengan menggunakan model atau rumusan teori graph yang sesuai. Salah satu penerapan graph dalam bidang bisnis, ekonomi, sosial maupun bidang lainnya adalah matching. Dimana, matching tentunya dapat digunakan dalam menyelesaikan masalah yang ada dalam kehidupan seharihari dengan ketentuan berpasangan tepat satu-satu. Misalnya, masalah penugasan, yakni penugasan tentor pada suatu LBB, pemilihan tenaga kerja dengan jenis pekerjaan yang tersedia, serta penjodohan pada biro jodoh. . Contoh aplikasi matching yang sudah pernah dilakukan antara lain: skripsi Irawati Dwi Anggraeni, tahun 2007 dengan judul ”Penentuan Matching Maksimal dan Matching Maksimum Pada Graph Sederhana” dan Mutia Fatmawati, tahun 2006 dengan judul,”Algoritma Matching Maksimum untuk Graph Bipartisi”. Dalam contoh lain yaitu laporan PKL dengan judul ,” optimalisasi penugasan wartawan PT.Malang Post Tbk menggunakan algoritma pada matching” yang di tulis oleh Ameita dkk dan “optimalisasi pemilihan crew dan kasir untuk mendapatkan promosi kenaikan jenjang karir pada cv. fantasindo citra abadi cabang kediri 2 (game fantasia kediri 2) dengan menggunakan algoritma path aughmenting pada matching graph”, yang ditulis oleh Ayu Sadika,tahun 2011. Hotel Pelangi dua merupakan salah satu hotel yang dekat dengan pusat perbelanjaan dan pusat studi Mahasiswa.Sehingga ketika ada acara wisuda ataupun kegiatan – kegiatan kampus lainnya serta hari-hari libur nasional, hotel tersebut ramai pengunjung.Sebagai hotel yang ramai pengunjung, Hotel pelangi dua harus tetap menghadapi permasalahan yaitu harus mempersiapkan setiap karyawannya sesuai kemampuan individualnya sehingga akan dapat secara tanggap mengerjakan tugasnya sesuai dengan job deskripsinya masing-masing. Untuk menyelesaikan permasalahan tersebut

dalam laporan survey ini akan menggunakan algoritma path augmenting dan algoritma greedy. Untuk mempermudah dalam pencarian matching maksimum serta nilai optimalnya maka digunakan suatu algoritma, yakni algoritma path aughmenting dan alat bantu program WinQSB. Oleh karena itulah dalam Survey ini kami mengambil permasalahan “Optimalisasi Reshuffle karyawan dengan menggunakan Matching guna mendapat pelayanan terbaik di Hotel Pelangi Dua ”. Dengan penelitian ini diharapkan Hotel Pelangi Dua dapat mengoptimalkan setiap karyawannya berdasarkan skill dan kemampuan individualnya sehingga mendapatkan pelayanan hotel terbaik dan memuaskan pada setiap pelanggannya dengan menggunakan matching graph. Dengan demikian diharapkan karyawan-karyawan tersebut dapat bekerja secara optimal dan nantinya dapat memberikan dampak positif bagi hotel tersebut.

B. Tujuan 1. Mengidentifikasi permasalahan-permasalahan yang terdapat pada Hotel Pelangi Dua. 2. Menerapkan algoritma path augmenting dan Greedy untuk menyelesaikan permasalahan reshuffle karyawan agar mendapatkan pelayanan terbaik dan memuaskan pada setiap pelanggannya. 3. Menyelesaikan permasalahan reshuffle karyawan dengan alat bantu program WinQSB. 4. Menganalisa hasil penyelesaian menggunakan algoritma dan alat bantu program WinQSB dengan keadaan sebenarnya di lapangan.

C. Manfaat 1. Bagi Instansi a). Menentukan karyawan yang berdasarkan job deskripsi dan kemampuan individualnya. b). Memberikan alternatif reshuffle karyawan demi kelancaran regenerasi dan perkembangan Hotel tersebut. 2. Bagi Mahasiswa a). Menerapkan ilmu yang diperoleh di bangku kuliah pada kehidupan nyata. b). Memberikan saran penugasan setiap karyawan guna mendapatkan promosi hotel dengan pelayanan terbaik serta memuaskan bagi setiap pelanggannya dengan penelitian yang dilakukan. E. Batasan Masalah Dalam proposal ini,graf yang digunakan adalah graf bipartisi. Dengan ketentuan titik merupakan nama karyawan dan jobnya sedangkan sisinya merupakan relasi antara karyawan dengan jobnya. Selain itu,dalam menentuakan kriteria penugasan kami juga membatasi hanya sebatas kriteria umum saja tidak secara mendetail.

BAB II KAJIAN PUSTAKA

2.1 Teori Dasar  Pengertian Graph Suatu graph terdiri dari suatu himpunan tak kosong yang masingmasing unsurnya disebut titik (vertex) dan suatu himpunan pasangan tak berurutan dari titik-titik tersebut yang disebut sisi (edge).  Pengertian Graph Bipartisi Graph Bipartisi adalah graph yang himpunan titiknya dapt dipisah menjadi dua himpunan tak kosong X dan Y sehingga masing-masing sisi di graph tersebut menghubngkan satu titik di X dan satu titik di Y.  Pengertian Matching Matching di G=(V,E) adalah himpunan M  E dari pasangan sisi yang tidak terhubung langsung (Rosen dkk, 2000;641)

Contoh:

a

b

c

d

e

f

g

h

M = {ae, bf , cg, dh } adalah matching di G, sedangkan M* = { af, bg , ch } adalah bukan matching di G karena ada sisi di M* yang terhubung langsung yaitu af dan bf. 

Pengertian M-saturated

Misal M adalah matching di G. M dikatakan mengsaturate titik v jika titik v tersebut terkait dengan sisi-sisi dari M. Lebih lanjut, titik v tersebut disebut sebagai M-saturated. Sebaliknya, jika titik v tersebut tidak terkait dengan sisi-sisi dari M maka titik v disebut sebagai M-unsaturated.

Contoh :

a

b

c

d

e

f

g

h

Titik b, c, d, f, g dan h adalah M-saturated, sedangkan titik a dan e adalah M-unsaturated.  Pengertian Perfect Matching Perfect Matching di G=(V,E) adalah matching M dengan setiap titik di V terkait dengan tepat satu sisi di M.

a

b

c

d

a

b

c

d

e

f G

g

h

e

f H

g

h

Graph G dengan matching M={ ae, bf, cg, dh } merupakan perfect matching di G.

Graph H dengan matching M*={ab, cf, dh} bukan merupakan perfect matching di graph H karena titik e dan g tidak terkait dengan matching yang ada di H.  Pengertian Ukuran Matching Ukuran (kardinalitas) matching M adalah jumlah sisi-sisi di M, yang biasa ditulis dengan |M|. Contoh graph G:
Ukuran Matching M = |M| = 4

a

b

c

d

e
 Pengertian Matching Maksimum

f G

g

h

Matching berukuran maksimum di G adalah matching M yang mempunyai ukuran terbesar (Rosen, 2000:64)  Pengertian Matching Maksimal Matching M adalah matching maksimal di G jika dan hanya jika tidak ada matching lain yang jumlah anggotanya lebih dari matching M atau matching M memiliki ukuran terbesar. Contoh  a      e

b

c

d

a

b

c

d

f G

g

h

e

f H

g

h

Graph G dengan M={ae, bf, cg, dh} merupakan matching maksimum di G.

Graph H dengan M={ab, cf, dh} bukan merupakan matching maksimum untuk H. 

M-Alternating path adalah path(lintasan) yang mempunyai sisi-sisi alternatif yaitu e  E M dan Contoh :

eM .
d

a

b

c

Lintasan (a-e-b-f-c-g-d-h) merupakan M- alternating path.

e

f G

g

h

Pengertian M- Augmenting Path M-Augmenting path adalah M-Alternating path yang titik awal dan titik akhirnya merupakan M-unsaturated.

2.2 Algoritma-algoritma pada matching

a) Algoritma Path Aughmenting 1. Cari vertex-vertex bebas, kemudian tentukan P (aughmenting path) yang melalui vertex-vertex tersebut. 2. Lakukan “Symmetric Difference”, 3. Gambar Graph yang baru dengan matching yang baru 4. Cek apakah masih ada vertex yang bebas. Jika ya kembali ke langkah 1. Jika tidak tidak ditemukan lagi aughmenting path P, sehingga matching yang terakhir ditemukan adalah matching maksimum

b) Algoritma Edmonds 1. Beri tanda genap untuk semua vertex bebas

2. Beri tanda unreached yang matched 3. Beri tanda examined edge bebas 4. Ketika ada sisi (v,w) tak examined dan aughmenting path tidak ditemukan lagi maka tandai (v,w) sebagai examined 5. Bagi menjadi 3 kasus 6. Kasus pertama jika v genap dan w unreached maka tandai w sebagai ood, dan belahannya z genap. Perluas hutan dengan (u,v) dan sisi yang matched 7. Kasus dua v,w genap dan v,w Є sub pohon yang berbeda (yang awalnya tidak terhubung), maka lintasan aughmenting ditemukan. 8. Kasus tiga jika v,w genap dan Є subtree yang sama maka blossom (sikel) B ditemukan kerutkan B menjadi vertex b (genap).

c) Algoritma Hungaria d) Langkah I o Pilih bilangan terbesar dalam setiap baris dan kurangkan bilangan terbesar itu dengan setiap bilangan dalam baris itu. o Pilih bilangan terkecil dalam setiap kolom pada tabel yang diperoleh dari langkah sebelumnya. Kurangkan setiap bilangan pada setiap kolom dengan bilangan terkecil pada kolom tersebut. e) Langkah II (uji keoptimalan) o Untuk menguji keoptimalan dengan menggunakan teknik garis penutup nol yaitu dengan membuat garis tegak/mendatar untuk menutup semua nol tetapi dengan banyak garis seminimum mungkin. o Jika banyak garis penutup nol sama dengan n (ukuran matriks n x n), maka tabel sudah optimal. Bila ini terjadi, harus ke langkah IV. o Jika banyak garis penutup nol kurang dari n (ukuran matriks n x n), maka matriks belum optimal dan bila ini terjadi, harus ke langkah III.

f) Langkah III Tinjau bilangan yang sama sekali belum tertutup garis penutup nol. Pilih bilangan terkecil dalam kelompok tersebut. Kurangkan setiap bilangan yang tidak tertutup garis penutup nol dengan bilangan terkecil tersebut dan tambahkan setiap bilangan yang terletak pada perpotongan garis penutup nol dengan bilangan terkecil tadi. Selanjutnya langkah II. g) Langkah IV Mencari angka-angka nol yang menyusun pola optimal yaitu dengan cara: o pilih angka nol yang sendirian dalam baris atau kolom o coret baris dan kolom yang memuat nol yang terpilih tadi o ulangi lagi kerja di atas terhadap sisa angka-angka nol yang belum terpilih o bila masih terdapat lebih dari satu angka nol pada baris/kolom, pilih salah satu diantara mereka. Kemudian ulangi langkah III.

d) ALGORITMA KUHN-MUNKERS Dimulai dengan sembarang feasible vertex labeling 𝓁, tentukan G𝓁 dan pilih sembarang matching M di G 1. Jika X adalah M-saturated, maka M adalah perfect matching (karena |x|=|Y|) dan karena itu, berdasarkan teorema 3.2.1 maka M matching optimal. Dalam kasus ini, algoritma berhenti. Jika tidak, misal u suatu titik M-unsaturated. Bentuk S = {u} dan T= ᴓ 2. Jika ( ) lanjutkan ke langkah 3, jika tidak, *| | | | ( )+ ( )

. Hitung

Dan feasible vertex labeling l diperoleh dari

( )

( ) ( ) { ( ) ( ) ) kemudian ganti

(Perhatikan bahwa 𝓁 dengan Î dan G dengan G𝓁 ( )

3. Pilih suatu titik y di

. Jika y M-saturated dengan * + dan T dengan * +, dan ( )

,maka ganti S dengan

kembali ke langkah 2. Jika y M-unsaturated, maka misalkan P suatu M-augmenting (u,y) di G𝓁.Ganti Mk dengan dan kembali ke langkah 1.

e) ALGORITMA GREEDY Langkah-langkah menentukan matching maksimal dengan menggunakan algoritma Greedy adalah sebagai berikut : 1. Ambil sebarang Mn= dengan n=1,2,3,… 2. Pilih sisi en yang tidak mempunyai sisi yang sama dengan sisi di Mn. 3. Jika Mn+1 = Mn Mn+1=Mn+2. 4. Jika Mn+1 maksimal. Mn en, berhenti. Jadi Mn adalah matching en, ulangi dari langkah 2 dengan Mn=Mn+1 dan

Langkah-langkah menentukan matching maksimum dengan menggunakan algoritma Greedy adalah sebagai berikut : 1. Ambil sebarang matching M di G. 2. Konstruksi suatu alternating tree pada graph G. 3. Temukan blossom pada alternating tree, kemudian susutkan blossom tersebut untuk mendapatkan graph baru G/B. 4. Temukan path augmenting yang melalui b ke akar r.

5. Perbesar matching M dengan menggunakan path P yang menghasilkan matching maksimum.

Algoritma-Algoritma terbaru pada matching yang belum diterapkan pada PKL ataupun Skripsi :

1.

Algoritma pencarian string Pencocokan string (string matching) menurut Dictionary of Algorithms and Data Structures, National Institute of Standards and Technology (NIST), diartikan sebagai sebuah permasalahan untuk menemukan pola susunan karakter string di dalam string lain atau bagian dari isi teks. Ada beberapa macam algoritma string: a. Algoritma Knuth-Morris-Pratt b. Algoritma Colussi

Algoritma Colussi merupakan suatu pengembangan dari algoritma Knuth-Morris-Pratt. Pada algoritma Colussi sendiri, himpunan dari posisi pola dibagi menjadi dua subhimpunan terpisah. c. Algoritma Boyer-Moore Algoritma Boyer-Moore adalah salah satu algoritma pencarian string. Algoritma ini dianggap sebagai algoritma yang paling efisien pada aplikasi umum. Tidak seperti algoritma pencarian string yang ditemukan sebelumnya, algoritma BoyerMoore mulai mencocokkan karakter dari sebelah kanan pattern. Ide dibalik algoritma ini adalah bahwa dengan memulai pencocokkan karakter dari kanan, dan bukan dari kiri, maka akan lebih banyak informasi yang didapat.

d.

Algoritma Brute Force String Match

Algoritma brute force string match adalah algoritma yang paling sederhana untuk memecahkan masalah string match. Cara kerja algoritma ini adalah dengan mencoba setiap posisi pattern(kata yang akan dicocokkan) terhadap teks, kemudian dilakukan proses pencocokan setiap katakter dan teks pada posisi tersebut.

e. Algoritma Genetika

Algoritma genetika bertujuan untuk mencari individu dengan nilai fitness yang paling tinggi. Nilai fitness adalah nilai yang menyatakan baik tidaknya suatu solusi(individu). Nilai fitness ini yang dijadikan acuan dalam mencapai nilai optimal algoritma genetika

2.

Algoritma phonetic string matching

Pencocokan string berdasarkan kemiripan ucapan (phonetic string matching) merupakan pencocokan string dengan dasar kemiripan dari segi pengucapannya meskipun ada perbedaan penulisan dua string yang dibandingkan tersebut.

Algoritma phonetic string matching meliputi algoritma soundex, metaphone, dan caverphone.

1.

Algoritma soundex merupakan algoritma yang paling banyak digunakan. Algoritma soundex menghasilkan kode fonetik dengan panjang empat karakter untuk semua panjang string masukan

2. Algoritma metaphone merupakan algoritma yang melakukan penanganan secara khusus terhadap setiap fonem (satuan bunyi bahasa) dalam kata. 3. Algoritma caverphone merupakan algoritma yang masih baru dan berusaha menyempurnakan algoritma-algoritma terdahulu. 4. Ketiga algoritma memiliki langkah umum yang sama dalam mencocokkan kata.

2.3 Hasil penelitian yang sudah di lakukan

1.

Makalah ini merujuk pada skripsi yang ditulis oleh Irawati Dwi Anggraeni yang berjudul ” Penentuan Matching Maksimal dan Matching Maksimum Pada Graph Sederhana” yang membahas tentang teori-teori serta contoh aplikasi matching baik dengan menggunakan algoritma matching maksimum untuk graph sederhana maupun masalah penugasan yang diselesaikan dengan menggunakan algoritma Greedy dan Algoritma Edmonds. Laporan PKL dengan judul ” Optimalisasi Pemilihan Crew dan Kasir untuk Mendapatkan Promosi Kenaikan Jenjang Karir pada CV.FANTASINDO CITRA ABADI Cabang Kediri 2(Game Fantasia Kediri 2) dengan Menggunakan Algoritma Path Aughmenting pada Matching Graph”, yang ditulis oleh Ayu Sadika, yang hasilnya dapat memberikan solusi pemilihan crew dan kasir sesuai dengan skill dan kemampuan individual.Dimana permasalahan tersebut dapat dipresentasikan dalam bentuk graph bipartisi, yakni banyaknya crew & kasir dan posisi kerja yang akan ditempati sebagai titik serta nilai dari pembobotan masa kerja, pendidikan terakhir, penilaian etos kerja oleh store manager, kedisiplinan, kesesuaian posisi kerja, rekomendasi dari store manager sebagai bobot sisi. Laporan PKL dengan judul ” optimalisasi penugasan wartawan PT.Malang Post Tbk menggunakan algoritma pada matching” yang di tulis oleh Ameita dkk, yang hasilnya dapat memberikan solusi

2.

3.

penempatan wartawan pada bagian berbeda sesuai dengan skill kemampuan individual serta satu posisi hanya boleh diisi oleh satu wartawan saja. 4. Skripsi yang di tulis oleh Andrieanto dengan judul “ pencarian perfect Macthing optimal dengan menggunakan algoritma khunmunkers” tahun 2008 yang membahas tetang graf bipartisi yang berbobot dan tak berbobot. Pada graf bipartisi berbobot digunakan sebuah algoritma untuk mencari perfect matching dengan bobot maksimal yaitu algoritma khunmunkres dengan menggunakan bahasa pemrogaman Delphi. 5. Skripsi yang ditulis oleh Evira dengan judul “Penentuan Matching Maksimum dan Matching Maksimal pada Graf Sederhana dengan menggunakan Algoritma Greedy dan Algoritma Edmons” tahun 2009 yang membahas tentang pencarian matching maksimum dan matching maksimal pada graf sederhana dengan menggunakan menggunakan algoritma greedy dan algoritma edmons.

DAFTAR PUSTAKA

Rosen, H.Kenneth dkk.2000.Handbook of Discreate and Combinatorial Mathematics.Florida:CRC Press LLC. Wilson, R.J and Watkins, JJ.1990.Graph and Introductory Approach A First Course in Discreate Mathematics.John Willy and Sons.Inc.Canada Fatmawati, Mutia. 2006. Algoritma Matching Maximal untuk graph bipartisi/ skripsi. Malang : FMIPA Universitas Negeri Malang.

Sadika ,Ayu. 2011. Optimalisasi Pemilihan Crew dan Kasir untuk Mendapatkan Promosi Kenaikan Jenjang Karir pada CV.FANTASINDO CITRA ABADI Cabang Kediri 2(Game Fantasia Kediri 2) dengan Menggunakan Algoritma Path Aughmenting pada Matching Graph/ laporan PKL.Malang:Universitas Negeri Malang.

Evira. 2009. Penentuan Matching Maksimum dan Matching Maksimal pada Graf Sederhana dengan menggunakan Algoritma Greedy dan Algoritma Edmons/skripsi. Malang: FMIPA Universitas Negeri Malang.

Andrianto. 2008. pencarian perfect Macthing optimal dengan menggunakan algoritma khunmunkers/skripsi. Malang: FMIPA Universitas Negeri Malang.

Ameita dkk. optimalisasi penugasan wartawan PT.Malang Post Tbk menggunakan algoritma Negeri Malang. pada matching/ laporan PKL.Malang:Universitas

Anggraeni, Irawati. Penentuan Matching Maksimal dan Matching Maksimum Pada Graph Sederhana/Skripsi. Malang:FMIPA Universitas Negeri Malang.

BAB III METODOLOGI

3.1 Data-data yang kami peroleh dari survey di Hotel Pelagi Dua Malang, diantaranya :  Nama Karyawan     Pendidikan karyawan Pengalaman kerja karyawan Keterampilan karyawan Pekerjaan yang ada di Hotel Pelangi Dua Malang.

3.2 Analisis Data Dalam matching penugasan menempatkan seorang karyawan tepat pada satu pekerjaan, hal ini bersesuaian dengan cara kerja matching yang menghubungkan setiap titik himpunan pertama dengan tepat satu titik pada himpunan kedua. Titik-titik pada himpunan pertama diilustrasikan sebagai nama karyawan dan titik-titik pada himpunan kedua diilustrasikan sebagai jenis pekerjaan. Kemudian lulusan, keterampilan, dan pengalaman kerja karyawan akan dijadikan bobot dari sisi graph.

Algoritma yang dipilih adalah Algoritma Path Aughmenting serta Algoritma Greedy. Alasan pemilihan Algoritma tersebut karena dapat diselesaikan secara manual dan juga bisa diselesaikan dengan program yaitu WINQSB. Hal ini yang mendasari pemilihan Algoritma Path Aughmenting dan algoritma Greedy yang merupakan salah satu algoritma pada teori graph. Sehingga pemilihan Algoritma tersebut diharapkan dapat saling menjadi pembanding .

3.3 Alat bantu yang digunakan Alat bantu program yang dapat digunakan adalah WINQSB. Cara menggunakan program WinQSB: a. Buka program WinQSB. b. Pilih shortcut network modeling. c. Pilih ikon Net Problem Specification untuk memilih tipe network yang akan digunakan. d. Pilih Assignment Problem pada kolom Problem Type dan Maximization pada Objective Criterion. Hal ini menunjukkan bahwa tipe network yang dipilih adalah masalah penugasan dengan hasil maksimum. e. Isikan jumlah baris dan kolom dan click botton OK. f. Setelah muncul tabel,isikan bobot dari setiap baris dan kolom. g. Untuk mendapatkan solusi dari suatu contoh pilih Solve dan Analyze. h. Kemudian piih Solve the Problem. i. Sehingga diperoleh penyelesaian permasalahan tersebut.

3.4

Contoh Permasalahan Berikut merupakan data dari Hotel Pelangi Dua, terdapat data nama karyawan, pendidikan terakhir, pengalaman kerja, ketrampilan serta posisi karyawan tersebut. Untuk lebih lengkapnya data di tampilkan sebagai berikut :

No. Nama Karyawan 1. Ghanis

Pendidikan Terakhir SMK

Pengalaman Kerja

Ketrampilan Posisi

1 tahun 4 bulan Memasak

Waiters

Candra Dewi (Jurusan Tata Boga) 2. Eky Septian SMK (Jurusan 1 tahun 2 bulan Bahasa Asing Recepsionist

Akutansi) 3. Rika Rindra SMK (Jurusan Tata Boga) 4. Eko Prayogo SMK (Jurusan Tehnik) 5. Alvin Widiantoro SMK (Jurusan Info dan Komunikasi) 6. Yani Mahardika SMK (Jurusan Akomodasi Perhotelan) 7. Anesti Adiratna SMK (Jurusan Akutansi) 8. Putri Diyanita SMK (Jurusan Akutansi) 9. Dwi Sujatmiko SMK (Jurusan Info dan Komunikasi) 10. Johan Edi SMK (Jurusan Akomodasi Perhotelan) 2 tahun 7 bulan Bela Diri House Keeping 3 tahun Bela Diri Room Boy 2 tahun 8 bulan Bahasa Asing Resepsionist 2 tahun 2 bulan Bahasa Asing Recepsionist 1 tahun 8 bulan Tidak Mempunyai Ketrampilan House Keeping Tidak Bahasa Room Boy 1 tahun 10 bulan Bela Diri Security 6 bulan Memasak Waiters

Berpengalaman Asing

Inisialisasi Nama: A : Ghanis Candra Dewi B : Eky Septian C : Rika Rindra D : Eko Prayogo E : Alvin Widiantoro F : Yani Mahardika G : Anesti Adiratna H : Putri Diyanita I : Dwi Sujatmiko J : Johan Edi

Inisialisasi Posisi Kerja: 1 : Recepsionist 2 : Waitres 3 : Security 4 : Room Boy 5 : House Keeping Pembobotan: a. Pendidikan Terakhir: 2 : Jurusan Info dan Komunikasi 3 : Jurusan Tata Boga 3 : Jurusan Akomodasi Perhotelan 4 : Jurusan Tehnik 5 : Jurusan Akutansi b. Pengalaman Kerja: 1 : Berpengalaman 0 – 1 tahun 2 : Berpengalaman 1 – 1,5 tahun 3 : Berpengalaman 1,5 – 2 tahun 4 : Berpengalaman 2 – 2,5 tahun 5 : Berpengalaman 2,5 – 3 tahun

c. Ketrampilan 0 : Tidak Mempunyai Ketrampilan 3 : Memasak 3 : Bela Diri 5 : Bahasa Asing d. Kecocokan dengan bidang kerjanya 0 : Tidak Cocok 1 : Kurang Cocok 2 : Cocok 3 : Sangat Cocok Total Dari Pembobotan No. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. Nama A B C D E F G H I J 1 8 12 7 13 8 7 14 15 11 12 2 11 12 10 10 7 6 15 16 10 11 3 9 13 8 11 10 9 14 15 13 14 4 9 15 8 10 7 6 17 18 10 11 5 8 12 7 12 9 8 14 15 12 13

A
Model Graph:

B C D E F 3 G H I J 4 5 2 1

 Penyelesaian Menggunakan Algoritma Path augmenting Pada algoritma path augmenting terdapat beberapa simbol penulisan sebagai berikut : : menunjukkan matching ke-i : menunjukkan path augmenting ke-i : menunjukkan matching ke-i ( ) ( ) : menunjukkan bobot (nilai) path augmenting ke-i : menunjukkan bobot (nilai maksimum) matching ke-i

Untuk selanjutnya, langkah-langkah penyelesaian dengan menggunakan algoritma path augmenting adalah sebagai berikut :  Iterasi 1

*( ( )

)+

*( ( )

)+ ( ) ( ) ( )

Karena masih terdapat titik bebas, maka kita lakukan iterasi selanjutnya.  Iterasi 2 *( *( ( ) *( ( ) )( ( ) )+ ( ) ( ) )+ )+

Karena masih terdapat titik bebas, maka kita lakukan iterasi selanjutnya.  Iterasi 3 *( *( ( ) *( ( ) )( ( ) )( ( ) )+ ( ) )( )+ )+

Karena masih terdapat titik bebas, maka kita lakukan iterasi selanjutnya.  Iterasi 4 *( *( ( ) *( ( ) )( ( ) )( ( )( ) )+ ( ) )( )+ )( )+

 Iterasi 5 *( *( ( ) *( )( *( )( )( )( )( )( )( )+ )( )+ atau )( )( )( *( )+ )+

)+ atau

(

)

( )

(

)

(

)

Bila kita perhatikan semua titik pada himpunan titik yang menunjukkan posisi kerja yang akan ditempati sudah dipasangkan semua dengan titik. Hal ini berarti sudah tidak ditemukan titik bebas lagi yaitu semua titik sudah terhubung dengan matching, maka adalah matching maksimum, dan pencarian berakhir.

Dari hasil penyelesaian dengan menggunakan algoritma path augmenting terdapat 2 pilihan solusi matching maksimum yaitu *( *( )( )( )( )( )( )( )( )( )+ atau )+ dengan nilai maksimum

hasil penilaian terhadap pencocokan karyawan adalah 72. Jika digambarkan maka graphnya seperti berikut :
A 1 B C 2 D 3 E 3 F 4 G 5 H I J 5 4 G H I J 2 D E F 1 atau A B C

 Penyelesaian Graph dengan WinQSB  Pertama kita pilih program kemudian pilih Win QSB lalu pilih Network Modeling maka akan muncul tampilan berikut ini :

Setelah muncul layar seperti dibawah ini, kita pilih file lalu pilih new problem

Sehingga diperoleh bagan seperti dibawah ini, lalu pilih assignment problem, maximize, dan isikan judul serta jumlah karyawan dan jumlah jabatan.

Isikan data pada tabel sebagai berikut :

Kemudian pilih solve the problem pada solve and analyze, akan muncul tampilan berikut

Dari table diatas dapat dilihat nilai maksimum dari permaslahan tersebut adalah 72, nilai yang sama didapat saat menggunakan cara manual. Bila dilihat dari graph akan diperoleh sebagai berikut :

BAB IV HASIL SURVEY 4.1 Hasil Data Hotel Pelangi Dua Malang merupakan salah satu hotel yang dekat dengan pusat perbelanjaan dan pusat studi Mahasiswa.Sehingga ketika ada acara wisuda ataupun kegiatan – kegiatan kampus lainnya serta hari-hari libur nasional, hotel tersebut ramai pengunjung.Sebagai hotel yang ramai pengunjung, Hotel pelangi dua harus tetap menghadapi permasalahan

yaitu harus mempersiapkan setiap karyawannya sesuai kemampuan individualnya sehingga akan dapat secara tanggap mengerjakan tugasnya sesuai dengan job deskripsinya masing-masing. Pekerjaan yang ada di sana diantaranya adalah direksi, accounting, front office, housekeeping, laundry, service, security, kitchen, dan general afair. Dari masing- masing job yang ada itulah, para karyawan bekerja sesuai dengan skillnya agar diperoleh pelayanan yang memuaskan. Hotel ini mengutamakan mutu sehingga diperlukan orang-orang yang tepat untuk melaksanakan visi dan misi dari hotel tersebut. Dan demi menaikkan mutu inilah, hotel ini biasanya setiap 3 tahun sekali mengadakan reshuffle karyawan yang mana tujuan reshuffle ini adalah agar dapat memperoleh karyawan- karyawan yang mempunyai potensi berkualitas sesuai bidangnya. Namun kegiatan reshuffle itu tidaklah mudah karena harus mencari karyawan- karyawan yang mampu memenuhi criteria- criteria yang ditentukan oleh hotel tersebut. Dalam makalah ini kami akan merumuskan reshuffle kepada 8 karyawan dari 16 karyawan yang ada di Hotel Pelangi Dua Malang untuk ditempatkan pada 8 posisi atau bagian yang tepat. Setiap karyawan ditempatkan hanya ke satu bagian dengan syarat poin maksimum, dengan kata lain antara karyawan dengan bagiannya bersifat satu-satu. Dengan ini diharapkan metode yang digunakan dapat menjadi alternatif dalam penyelesaian masalah pencocokan.

Data yang diperoleh adalah 16 karyawan dan 8 pekerjaan yang keduanya akan dicocokan berdasarkan pembobotan yang akan diberikan pada masing-masing sisi yang terhubung. Pembobotan tersebut berdasarkan kriteria sebagai berikut : Pembobotan: e. Pendidikan Terakhir:        Jika lulusan S1 Akutansi diberikan bobot 6 Jika lulusan S1 Manajemen diberikan bobot 6 Jika lulusan S1 Pariwisata diberikan bobot 5 Jika lulusan D1 Pariwisata diberikan bobot 4 Jika lulusan SMK diberikan bobot 3 Jika lulusan SMP diberikan bobot 2 Jika lulusan SD diberikan bobot 1

f. Pengalaman Kerja: Jika pengalaman kerja < 1 tahun diberikan bobot 1 Jika pengalaman kerja 1tahun-1 tahun 11 bulan diberikan bobot 2 Jika pengalaman kerja 2tahun-2tahun11bulan diberikan bobot 3 Jika pengalaman kerja antara 3- 4 tahun diberikan bobot 4 Jika pengalaman kerja > 4 tahun diberikan bobot 5 Jika tidak berpengalaman diberikan bobot 0

g. Ketrampilan     Jika mempunyai keterampilan memasak diberi bobot 3 Jika mempunyai keterampilan beladiri diberi bobot 3 Jika mempunyai keterampilan bahasa asing diberi bobot 5 Jika tidak mempunyai keterampilan diberi bobot 0

h. Status jabatan

 

Belum pernah menjabat 1 Sudah pernah dijabat 0

i. Kecocokan dengan bidang kerjanya     Jika pendidikan dan keterampilannya sangat sesuai dengan bidang kerjanya diberikan bobot 5 Jika pendidikan dan keterampilannya sesuai dengan bidang kerjanya diberikan bobot 4 Jika pendidikan dan keterampilannya kurang sesuai dengan bidang kerjanya diberikan bobot 2 Jika pendidikan dan keterampilannya tidak sesuai dengan bidang kerjanya diberikan bobot 0

Adapun data 16 karyawan adalah sebagai berikut No . 1. 2. 3. 4. 5. 6. Pendidikan Nama Karyawan Terakhir Masitah Hendriano Wijanarko Dwi Susanto Farid Samsul Roby S S1 Akutansi S1 Akutansi S1 Manajemen S1 Pariwisata S1 Pariwisata SMK Bahasa Inggris Bahasa Inggris Bahasa Inggris Bahasa Inggris Bahsa Inggris Bela diri Accounting Front Office Front Office Front Office Front Office House Keeping House Keeping House Keeping Loundry Ketrampilan Posisi kerja 3 Tahun 3 Tahun 2,5 Tahun 2 Tahun Tidak berpengalaman 6 bulan Pengalaman

7.

Sugeng

SMK

Bela diri

1 Tahun

8. 9.

Firman Piani

SMK SD

Memasak Memasak

6 Bulan Tidak berpengalaman

10. 11. 12. 13. 14. 15.

Wiwik Suria Sulasmi Purwadi Eko S Fauzi

D1 Pariwisata D1 Pariwisata D1 Pariwisata SMK SMK SMP

Tidak memiliki Memasak Memasak Bela diri Bela diri Bela diri

Service Kitchen Kitchen Security Security General a fair General a fair

1 tahun 6 Bulan 6 Bulan Tidk berpengalaman 5 Bulan Tidak berpengalaman 1 tahun

16.

Suroto

SMP

Bela diri

4.2 MODEL GRAPH

Total pembobotan:

A 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 20 21 19

B 20 19 19 17 15

C

D

E

F

G

H

18 17 16 13 11 12 9 8 7 11 14 14 13 10 9 12 12 11 12 11 12 11 12 9 10 13 14

Dengan Inisialisasi Nama: 1 : Masitah 2 : Wijanarko 3 : Dwi Susanto 4 : Farid 6 : Robby S 7 : Sugeng 8 : Firman 9: Piani 11 : Suria 12 : Sulasmi 13 : Purwadi 14 :Eko S 16 : Suroto

5 : Samsul

10 Wiwik

15 : Fauzi

Inisialisasi Posisi Kerja: A : Accounting B : Front Office C : House Keeping D : Loundry E : Service Sehingga diperoleh model graph,
1 2 3 4 5 6 7 8 9 10 11 1 2 1 3 14 15 16 H F E D B A

F : Kitchen G : Security H : General a Fair

C

G

4.3 Hasil Perhitungan Permasalahan diatas dapat diselesaikan dengan dua cara yaitu Algoritma Path augmenting dan Algoritma Greedy.

 Penyelesaian Menggunakan Algoritma Path augmenting Pada algoritma path augmenting terdapat beberapa simbol penulisan sebagai berikut : : menunjukkan matching ke-i : menunjukkan path augmenting ke-i : menunjukkan matching ke-i ( ) ( ) : menunjukkan bobot (nilai) path augmenting ke-i : menunjukkan bobot (nilai maksimum) matching ke-i

Untuk selanjutnya, langkah-langkah penyelesaian dengan menggunakan algoritma path augmenting adalah sebagai berikut :  Iterasi 1

*( ( )

)+

*( ( )

)+ ( ) ( ) ( )

Karena masih terdapat titik bebas, maka kita lakukan iterasi selanjutnya.  Iterasi 2 *( *( )+ )+

( ) *( ( ) )( ( ) )+ ( ) ( )

Karena masih terdapat titik bebas, maka kita lakukan iterasi selanjutnya.  Iterasi 3 *( *( ( ) *( ( ) )( ( ) )( ( ) )+ ( ) )( )+ )+

Karena masih terdapat titik bebas, maka kita lakukan iterasi selanjutnya.  Iterasi 4 *( *( ( ) *( ( ) )( ( ) )( ( ) )( )+ ( ) )( )+ )( )+

Karena masih terdapat titik bebas, maka kita lakukan iterasi selanjutnya.  Iterasi 5 *( *( ( ) *( ( ) )( ( ) )( ( )( ) )( ( )+ ) )( )+ )( )( )+

Karena masih terdapat titik bebas, maka kita lakukan iterasi selanjutnya.  Iterasi 6 *( *( ( ) *( ( ) )( ( ) )( ( ) )( )( ( )( ) )+ )( )+ )( )( )( )+

Karena masih terdapat titik bebas, maka kita lakukan iterasi selanjutnya.  Iterasi 7 *( *( ( ) )( )+ )( )( )( )( )+

*(

)(

)(

)(

)(

)(

)(

)+

(

)

( )

(

)

(

)

Karena masih terdapat titik bebas, maka kita lakukan iterasi selanjutnya.  Iterasi 8 *( *( ( ) )( )+ )( )( )( )( )( )+

*( (

)( )

)( ( )

)( (

)( )

)( (

)( )

)(

)+

Karena masih terdapat titik bebas, maka kita lakukan iterasi selanjutnya. Bila kita perhatikan semua titik pada himpunan titik yang menunjukkan posisi kerja yang akan ditempati sudah dipasangkan semua dengan titik. Hal ini berarti sudah tidak ditemukan titik bebas lagi yaitu semua titik sudah terhubung dengan matching, maka adalah matching maksimum, dan pencarian berakhir.

Dari hasil penyelesaian dengan menggunakan algoritma path augmenting terdapat 2 pilihan solusi matching maksimum yaitu *( )( )( )( )( )( )( )( )+

dengan nilai maksimum hasil penilaian terhadap pencocokan karyawan adalah 116. Jika digambarkan maka graphnya seperti berikut :

1 2 3 4 5 6 7 8 9 10 1 1 1 2 1 3 1 4 1 5 1 6

A

B

C

D

E

F

G

H

 Penyelesaian dengan menggunakan algoritma Greedy ITERASI I Anggap M1={ (1,B),(2,A)} dengan
( ) ( )

1 2 3 4 5 6 7 8 9 10 11 1 2 1 3 1 4 1 5 1 6

A

B

Maka

C

D

E

F

G

H

ITERASI II
( ) ( )

(

) dengan
( )

(

)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

A

Maka

B

C

D

E

F

G

H

ITERASI III
( ) ( )

1

A B C D

(

) dengan
( )

2
( )

3 4 5 6 7 8 9 1 0 1 1 1 2 1 3 1 4 1 5 1 6

Maka

E

F

G

H

ITERASI IV
( ) ( )

(

) dengan
( )

(

)

1 2 3 4 5 6 7 8 9 10 1 1 1 2 1 3 1 4 1 5 1 6

A B

Maka

C

D

E

F

G

H

ITERASI V
( ) ( )

1

A

(

) dengan
( )

(

)

2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 H G F E D C B

Maka

ITERASI VI
( ) ( )

(

) dengan
( )

(

)

1 2 3 4 5 6 7 8 9 10 1 1 1 2 1 3 1 4 1 5 1 6

A B C D

Maka

E

F

G

H

ITERASI VII
( ) ( )

(

) dengan
( )

(

)

Maka

1 2 3 4 5 6 7 8 9 10 11 1 2 1 3 1 4 1 5 1 6

A B

C

D

E

F

G

H

Jadi, dari hasil penyelesaian dengan menggunakan algoritma greedy diperoleh *( )( )( )( )( )( )( )( )+

dengan nilai maksimum hasil penilaian terhadap pencocokan karyawan adalah 116.

 Penyelesaian Graph dengan WinQSB  Pertama kita pilih program kemudian pilih Win QSB lalu pilih Network Modeling maka akan muncul tampilan berikut ini :

Setelah muncul layar seperti dibawah ini, kita pilih file lalu pilih new problem

Sehingga diperoleh bagan seperti dibawah ini, lalu pilih assignment problem, maximize, dan isikan judul serta jumlah karyawan dan jumlah jabatan.

Isikan data pada tabel sebagai berikut :

Kemudian pilih solve the problem pada solve and analyze, akan uncul tampilan berikut

Dari table diatas dapat dilihat nilai maksimum dari permaslahan tersebut adalah 116, nilai yang sama didapat saat menggunakan cara manual. Bila dilihat dari graph akan diperoleh sebagai berikut :

4.4 Analisa Hasil Dengan menggunakan Algoritma Path Augmenting dan Algoritma Greedy di dapat 2 solusi yang berbeda namun nilai yang diperoleh sama. Hal ini, juga berlaku bila kedua algoritma tersebut dibandingkan dengan alat bantu WINQSB. Ternyata menghasilkan nilai optimal yang sama yakni sebesar 116 . Algoritma Path Augmenting Wijanarko Masitah Roby Piani Dwi S Firman Sugeng Eko Algoritma Greedy Win QSB Wijanarko Masitah Sugeng Piani Dwi S Firman Robby Eko Wijanarko Masitah Sugeng Piani Dwi S Firman Robby Eko

Accounting Front Office House Keeping Loundry Service Kitchen Security General afair

BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Bagi hotel diharapkan hasil penelitian ini dapat dijadikan alternative dalam masalah reshuffle di hotel yang bersangkutan. Bagi Pembaca diharapkan dapat menjadi sumber data untuk pembelajaran khususnya dalam matching pada penerapan teori graph. 5.2 Saran Diharapkan bagi hotel merekrut tidak hanya dari pengalaman kerja dan lulusannya saja melainkan dari hasil kerja dan keuletan.

PENGALAMAN SURVEY

Sebelum kami melakukan survey, kami mendaftar berbagai alternatif tempat terlebih dahulu. Karena tempat yang akan kami tuju tersebut harus sesuai dengan data yang kami inginkan, yaitu data tentang Matching. Akhirnya kami memilih survey di Hotel Pelangi Dua yang terletak tidak jauh dari UM. Dimana Hotel Pelangi Dua Malang merupakan salah satu hotel yang mempunyai nilai sejarah tinggi di kota Malang. bangunan hotel yang eksotis ini berbaur budaya kuno kolonial dengan akal Jawa terletak di jantung kota Malang. Hotel pelangi Malang adalah contoh kemegahan arsitektur kolonial di tahun yang dibangun di tahun 1915 dengan nama “Palace Hotel”. Kemudian berubah nama menjadi “Asoma Hotel” pada tahun 1925. Pada saat kemerdekaan pada tahun 1945 nama Asoma Hotel berubah kembali menjadi “Palace Hotel”. Akhirnya di tahun 1953 sampai sekarang nama Asoma Hotel berubah kembali menjadi “Hotel Pelangi”. Letak yang strategis membuat hotel ini mudah dijangkau dari arah manapun,dekat dengan pusat perbelanjaan, perkantoran, universitas, stadion olah raga, masjid, toko cindera mata, dan pusat oleh-oleh khas Malang . Dari uraian sejarah hotel tersebut lah akhirnya kami memutuskan untuk observasi pada hotel tersebut dengan mengambil sasaran penelitian adalah karyawan pada hotel tersebut. Tujuan dari observasi adalah mencari kecocokan setiap karyawan dengan job yang ada pada hotel tersebut agar pelayanan pada hotel tersebut tetap terjaga dengan promosi pelayanan hotel terbaik di malang. Tapi,Sebelum kami melakukan survey,kami meminta izin terlebih dahulu pada pihak hotel apakah menerima mahasiswa yang akan melakukan observasi pada hotel tersebut.ternyata selang beberapa menit pihak hotel menyetujui permintaan kami. Dua hari kemudian kami melakukan observasi di hotel tersebu t sekaligus membawa surat pengantar survey,dari observasi tersebut kami memperoleh datadata yang kami inginkan. Awalnya kami mengalami beberapa kesulitan karena pada hari itu kami tidak menemui orang yang sama pada bagian office boy dengan hari pertama kali kami kesana. Sehingga terdapat missing communication antar

pihak hotel. Dan setelah di bicarakan dengan pihak hotel bagian tertinggi akhirnya semua menjadi clear dan kami di sambut dengan baik oleh pihak hotel. Setelah itu, kami mengambil foto bersama dengan pihak hotel di halaman depan office, selain foto dengan pihak hotel, kami juga mengambil gambargambar tiap sudut hotel juga mengambil gambar saat pengunjung datang ke hotel tersebut.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->