Anda di halaman 1dari 11

1 Modul 7

JARINGAN

Pendahuluan
Pada modul 7 ini, akan membahas perasalahan khusus dari graf berarah, yaitu yang dinamakan
jaringan (network). Permasalahan jaringan yang banyak uncul dala aplikasi adalah
memaksimalkan aliran (flow) melalui sebuah jaringan. Jaringan yang sering kita jumpai dalam
kehidupan sehari-hari adalah jaringan transportasi barang, jaringan aliran air dalam pipa
distribusi, jaringan komputer tempat data mengalir, dan sebagainya.

Permasalahan pencarian aliran maksimal (maximum flow) merupakan permasalahan optimasi,


oleh karena itu, permasalahan ini sering dimasukkan kedalam kelompok riset operasi (operation
research). Dalam rangka mencari aliran maksimal dalam suatu jaringan, biasanya didapat hasil
tidak tunggal, atau ada berbagai macam kombinasi hasil. Oleh karena itu, permasalahan
pencarian aliran maksimal ini dikelompokan juga dalam kelompok optimasi kombinatorial
(combinatorial optimization). Beberapa contoh permasalahan dalam jaringan akan dibahas
disini, seperti permasalahan perjalanan penjual (traveling salesman problem) dan jaringan petri
(petri net).

Tujuan Instruksional Umum


Mahasiswa mengerti konsep jaringan, pencarian aliran maksimal, jaringan petri, dan dapat
menerapkan dalam kehidupan sehari-hari.

Tujuan Instruksional Khusus


Mahasiswa diharapkan dapat:
1. Memahami definisi graf berarah dalam bentuk jaringan, dan dapat mengaitkannya dalam
permasalahan sehari-hari.

2. Memahami pengertian aliran maksimal dalam suatu jaringan.

Bandung Arry Sanjoyo, Math ITS 1


3. Dapat mencari aliran maksimal dalam suatu jaringan berdasarkan suatu algoritma
tertentu.

4. Mampu menyelesaikan Permasalahan Perjalanan Penjual dan jaringan petri.

Bandung Arry Sanjoyo, Math ITS 2


7.1 Kegiatan Belajar I:

Model Jaringan
Suatu graf berarah pada Gambar 7.1.1 merupakan gambar dari sistem pemipaan untuk
mengalirkan minyak dari suatu lokasi a menuju lokasi z. Edge berarah (u,v) yang berlabel r
menyatakan aliran minyak dari lokasi u menuju lokasi v dengan kapasitas (daya alir maksimal)
r. Permasalahan disini adalah mencari jalan untuk memaksimalkan aliran minyak dari lokasi a
menuju lokasi z. Permasalahan distribusi minyak ini merupakan sebuah contoh permasalahan
yang dapat dinyatakan dalam model jaringan (network).

b 5 d

7 6

a 5 6 2 z

5 5
c e
4

Gambar 7.1.1 Sebuah jaringan angkut komoditi dari a ke z.


Definisi 7.1.1. Jaringan (network)

Misal N=(V,E,w) merupakan graf berbobot berarah terhubung yang tidak memuat
loop/sirkuit. Graf N disebut sebagai jaringan (network / transpot network) jika kondisi
berikut ini dipenuhi:

i. ada sebuah verteks di aV dengan derajat masuk adalah nol. Verteks demikian ini
dinamakan sumber (source).

ii. ada sebuah verteks di zV dengan derajat keluar adalah nol. Verteks demikian ini
dinamakan tujuan (sink).

iii. Bobot pada setiap edge e=(u,v) adalah bilangan nonnegatif yang disebut dengan
kapasitas e.

Contoh 7.1.1:

Bandung Arry Sanjoyo, Math ITS 3


Graf pada Gambar 7.1.1 merupakan jaringan, karena graf tersebut berarah berbobot dan
terhubung. Juga memenuhi kriteria, adanya sebuah verteks a yang derajat masuknya nol, atau
verteks a merupakan verteks sumber. Dan ada verteks z yang mempunyai derajat keluar nol,
atau z sebagai verteks tujuan. Kalau diperhatikan bahwa jumlah kapasitas yang dapat keluar dari
a adalah w(a,b) + w(a,c)=7+5=12. Oleh karena itu, maksimum aliran yang bisa dialirkan dari a
ke z adalah 12. Perhatikan juga bahwa jumlah kapasitas yang dapat masuk menunju z adalah
w(d,z) + w(e,z)=6+5=11. Oleh karena itu, maksimum aliran yang bisa dialirkan dari a ke z
adalah 11.

Dalam rangka mencari aliran masimum ini, didefinisikan beberapa definisi berikut.

Definisi 7.1.2. Aliran (flow)

Jika N=(V,E,w) merupakan sebuah jaringan , maka suatu fungsi f:E→R+ atau fungsi f
mengawankan edge e dengan sebuah biangan riil tak negatif r, dikatakan aliran (flow) bila:

i. untuk setiap edge e  E, berlaku f(e)  w(e), dan

ii. untuk setiap verteks uV, selain verteks sumber a dan selain verteks tujuan z, beraku

 f (v, u )   f (u, v). Jika tidak ada edge (u,v) maka f(u,v)=0.
vV vV

Batasan pertama pada Definisi 7.1.2 menyatakan bahwa sejumlah material yang mengalir
melalui sebuah edge e tidak boleh melebihi kapasitas edge e, kurang diperbolehkan. Sedangkan
batasan kedua menyatakan bahwa jumlah aliran masuk ke vertek v (selain sumber dan tujuan)
harus sama dengan jumlah aliran yang keluar dari verteks v tersebut.

Contoh 7.1.2:

Perhatikan jaringan pada Gambar 7.1.2. Sebuah edge e diberi label [x,y] yang berarti bahwa
bobot atau kapasitas edge adalah x=w(e), sedangkan y menyatakan suatu nilai aliran yang
melewati edge e, atau f(e). Apakah nilai f(e) yang ada pada jaringan tersebut merupakan aliran
untuk jaringan?.

Bandung Arry Sanjoyo, Math ITS 4


b 5,2 d 5,3
b d
7,5 6,5 7,5 6,4

a 5,2 6,4 2,1 z a 5,2 6,3 2,2 z

5,3 5,2 5,3 5,4


c e c e
4,1 4,2

(a) (b)
Gambar 7.1.2.

Penyelesaian:

Jaringan pada Gambar 7.1.2 (a), ’aliran’ yang menuju verteks b adalah 5 sedangkan yang keluar
dari b adalah 4. Sehingga tidak memenuhi sifat aliran sebagaimana yang didefinisikan pad
Definisi 7.1.2. Oleh karena itu pada jaringan Gambar 7.1.2 (a) bukan suatu aliran.

Untuk jaringan pada Gambar 7.1.2 (b) merupakan aliran karena memenuhi sifat aliran sesuai
dengan Definisi 7.1.2.

Definisi 7.1.3 Jika f merupakan aliran pada jaringan N=(V,E,w) , maka:

i. untuk setiap edge e  E dikatakan jenuh (saturated) jika f(e)= w(e), dan tidak jenuh
(unsaturated) jika f(e)< w(e).

ii. Jika a merupakan sumber di N, maka val(f)=  f (a , v ) dikatakan sebagai nilai aliran.
vV

Contoh 7.1.3:

Perhatikan jaringan pada Gambar 7.1.2. (b). Carilah edge-edge yang jenuh dan yang tidak
jenuh?. Carilah juga nilai aliran?.

Penyelesaian:

Edge-edge yang jenuh: (d,e)

Edge-edge yang tidak jenuh: selain edge (d,e), yaitu:


(a,b), (a,c), (b,c), (b,d), (c,d), (c,e), (d,z), (e,z).

Bandung Arry Sanjoyo, Math ITS 5


Nilai jaringan f adalah:
val(f)=  f (a ,v )  f (a, b)  f (a, c)  5  3  8 .
vV

Kalau kita perhatikan lebih jauh, aliran yang keluar dari verteks sumber a sepertinya masih
dapat diperbesar. Yang jelas bahwa aliran yang keluar dari sumber a harus sama dengan yang
masuk ke verteks tujuan z. Apakah ada nilai lain f1 >8 ?. Berikut ini adalah aliran lain.
val(f)=  f (a ,v )  f (a, b)  f (a, c)  4  4  8  f (d , z )  f (e, z )   f (v , z ) .
vV vV

Pencarian nilai aliran terbesar ini yang dinamakan dengan permasalahan aliran maksimal, dan
akan dibahas pada pembahasan berikutnya. Dalam kaitannya dengan pencarian aliran maksimal,
didefinisikan cut-set berikut ini.

Definisi 7.1.4 a–z Cut

Jika N=(V,E,w) merupakan jaringan dan C adalah himpunan bagian dari E, maka C
dinamakan Cut atau a-z Cut jika penghapusan edge-edge C dari N didapat dua buah
komponen (subgraf yang terhubung, tanpa memperatikan arah edge) P dan P’(komplemen P)
dengan komponen P memuat a dan komponen P’ memuat z.

Kapasitas dari C disimbolkan dengan c(P,P’) dan didefiniskan sebagai c( P, P' )   w(u, v)
uP
vP '

Untuk memperjelas definisi di atas, kita lihat Gambar 7.1.3 berikut ini.
N=(V,E,w)

a z

P C P’

a-z Cut

Gambar 7.1.3 Suatu a-z Cut dari sebuah jaringan.

Contoh 7.1.4:

Bandung Arry Sanjoyo, Math ITS 6


Perhatikan kembali jaringan pada Gambar 7.1.4. C1 dan C2 merupakan contoh a-z Cut untuk
jaringan tersebut. C1 membentuk komponen P={a} dan komponen P’={b,c,d,e,z} dan C2
membentuk komponen P={a,c} dan komponen P’={b,d,e,z}.

b 5 d

7 6

a 5 6 2 z

5
5
c e
4

C1
C2

Gambar 7.1.3 Beberapa a-z Cut dari sebuah jaringan.

Kapasitas dari C1 adalah c({a},{b,c,d,e,z})=w(a,b)+w(a,c)+w(a,d)+w(a,e)+w(a,z) = 7+ 5 + 0


+ 0 + 0 =12.

Kapasitas dari C2 adalah c({a,c},{b,d,e,z})=w(a,b)+w(a,d)+w(a,e)+w(a,z)+ w(c,b)+w(c,d) +


w(c,e) + w(c,z) = 7+ 0 + 0 + 0 + 0+ 6 + 4 + 0 =17.

Teorema 7.1.1 Jika f merupakan aliran pada jaringan N=(V,E,w) dan C=(P,P’) merupakan a-
z cut di N, maka val(f)  c(P,P’).

Bukti:

Misal a dan z masing-masing merupakan verteks sumber dan verteks tujuan di N. Karena
derajat masuk a adalah 0, maka untuk semua verteks v  V, f(v,a)=0. Sehingga

val ( f )   f (a ,v )   f (a ,v )   f (v ,a )
u V u V vV
(7.1.1)

Ingat bahwa untuk setiap verteks selain sumber dan tujuan, aliran masuk ke verteks sama
dengan aliran keluar dari verteks tersebut atau  f (v, u )   f (u, v).
vV vV
Kondisi ini dimasukkan

ke persamaan 7.1.1 dan didapat:

Bandung Arry Sanjoyo, Math ITS 7


 
val( f )   f (a ,u )   f (v ,a )     f (x ,u )   f (v , x )
u V vV x P u V vV
xa

val( f )   f (x ,v )   f (v , x )
x P x P
uV vV

   
val( f )   f (x ,u )   f (x, u )   f (v, x )   f (v , x )
  
 x P x P
  x P x P

uP uP '   vP vP ' 

Karena  f (x ,u )   f (v, x ) , maka:


x P x P
uP vP

val( f )   f (x, u )   f (v , x )
x P x P
(7.1.2)
uP ' vP '

Untuk semua x,uV, berlaku f(w,x)0. Sehingga  f (v , x ) 0 dan kita masukkan ke persamaan
x P
vP '

7.1.2 didapat:

val( f )   f (x, u )   w (x ,v )
x P x P
uP ' vP '

val( f )  c( P, P' )
[Terbukti]

Dari teorema ini dapat ditarik kesimpulan bahwa nilai aliran pada jaringan N tidak akan
melebihi kapasitas dari sembarang a-z cut untuk jaringan N. Nilai maksimum aliran pada suatu
network tidak akan melebihi minimum kapasitas a-z cut dari N, atau maksimum aliran 
min{ c( Pi , Pi ' )} . Dan persamaan 7.1.2 merupakan nilai aliran. Bagaimana mencari Aliran

Maksimal – Minimal Cut ?. Cara pencarian Maksimal Flow – Minimal Cut ini dikembangkan
oleh Lester R. Ford dan Delbert Ray Fulkerson dan langkah-langkah ini diberi nama algoritma
Ford-Fulkerson. Sebelum melangkah ke algoritma Ford-Fulkerson ini, kita lihat contoh berikut
ini.

Contoh 7.1.5:

Bandung Arry Sanjoyo, Math ITS 8


7.2 Kegiatan Belajar II:

Algoritma Aliran Maksimal


Suatu graf adalah himpunan benda-benda yang disebut verteks (atau node) yang terhubung oleh
edge-edge (atau arc). Biasanya graf digambarkan sebagai kumpulan titik-titik (melambangkan
verteks) yang dihubungkan oleh garis-garis (melambangkan edge). Secara fataumal, definisi
dari graf sebagaimana yang terlihat pada definisi dibawah ini.

Definisi 5.1.1. Suatu graf tak berarah (Undirected graf) G adalah suatu pasangan terurut (V,
E) dengan V merupakan himpunan verteks (node) dan E adalah himpunan dari multiset yang
terdiri dari dua elemen di V, elemen dari E dinamakan edge atau arc. Graf tak berarah ini
biasa disimbolkan dengan G=(V,E).

7.3 Kegiatan Belajar III:

Aliran Pemotongan Minimal


Suatu graf adalah himpunan benda-benda yang disebut verteks (atau node) yang terhubung oleh
edge-edge (atau arc). Biasanya graf digambarkan sebagai kumpulan titik-titik (melambangkan
verteks) yang dihubungkan oleh garis-garis (melambangkan edge). Secara fataumal, definisi
dari graf sebagaimana yang terlihat pada definisi dibawah ini.

Definisi 5.1.1. Suatu graf tak berarah (Undirected graf) G adalah suatu pasangan terurut (V,
E) dengan V merupakan himpunan verteks (node) dan E adalah himpunan dari multiset yang
terdiri dari dua elemen di V, elemen dari E dinamakan edge atau arc. Graf tak berarah ini
biasa disimbolkan dengan G=(V,E).

Bandung Arry Sanjoyo, Math ITS 9


7.4 Kegiatan Belajar IV:

Jaringan Petri
Suatu graf adalah himpunan benda-benda yang disebut verteks (atau node) yang terhubung oleh
edge-edge (atau arc). Biasanya graf digambarkan sebagai kumpulan titik-titik (melambangkan
verteks) yang dihubungkan oleh garis-garis (melambangkan edge). Secara fataumal, definisi
dari graf sebagaimana yang terlihat pada definisi dibawah ini.

Definisi 5.1.1. Suatu graf tak berarah (Undirected graf) G adalah suatu pasangan terurut (V,
E) dengan V merupakan himpunan verteks (node) dan E adalah himpunan dari multiset yang
terdiri dari dua elemen di V, elemen dari E dinamakan edge atau arc. Graf tak berarah ini
biasa disimbolkan dengan G=(V,E).

Bandung Arry Sanjoyo, Math ITS 10


DAFTAR PUSTAKA:

1. GRIMALDI, R.P., “Discrete and Combinatorial Mathematics - An Applied


Introduction”, Addison-Wesley Publishing Co., 1989.
2. Liu, C.L., “Elements Of Discrete Mathemathics”, McGraw-Hill, 1986.
3. ROBERT, F.S., “Applied Combinatorics”, Prentice-Hall Inc., 1984.
4. ROSEN, K.H., “Discrete Mathematics and Its Applications”, McGraw-Hill, 2003.
5. Seymour L., Marc L.L., “Schaum’s Outline of Theory and Problems of Discrete
Mathematics”, Second Edition. McGraw-Hill, 1997.

Bandung Arry Sanjoyo, Math ITS 11