KLASTER 1

Exhaustive Search Method Pencarian solusi terbaik dari objek-objek dengan kriteria tertentu dengan menggunakan algoritma
Exhaustive Search adalah dengan mencari semua kombinasi dan permutasi dari objek-objek yang ada. Semakin banyak objek,
semakin banyak juga kemungkinan solusinya. Untuk mempercepat pencarian solusi dengan Exhaustive Search dapat
digunakan suatu teknik yang disebut teknik heuristik (heuristic). Teknik ini meliputi salah satunya adalah mengeliminasi
kemungkinan solusi yang tidak mungkin menjadi solusi terbaik, Exhaustive search adalah teknik pencarian solusi secara solusi
brute force untuk masalah yang melibatkan pencarian elemen dengan sifat khusus, biasanya di antara objek-objek kombinatorik
seperti permutasi, kombinasi, atau himpunan bagian dari sebuah himpunan.
Langkah langkah Exhaustive Search :
•Enumerasi (list) setiap solusi yang mungkin dengan cara yang sistematis.Evaluasi setiap kemungkinan solusi satu per satu,
mungkin saja beberapa kemungkinan solusi yang tidak layak dikeluarkan, dan simpan solusi terbaik yang ditemukan sampai
sejauh ini (the best solusi found so far).Bila pencarian berakhir, umumkan solusi terbaik (the winner)Meskipun algoritma
exhaustive secara teoritis menghasilkan solusi, namun waktu atau sumberdaya yang dibutuhkan dalam pencarian solusinya
sangat besar.
Metode Biseks i merupakan salah satu metode tertutup untuk menentukan solusi akar dari persamaan non linier. Metode Bidang
Bebas ’atau lebih spesifik lagi ‘MetodeBidangParuh’(Bisection).
Prinsip dari metode ini adalah “pemaruhan” (nilairata-rata) dari nilai estimasi akar satu Persamaan Aljabar Non-Linier
Tunggal. Metode ini pada umumnya memerlukan 2 (dua) buah tebakan untuk harga-harga x-awal (x0 dan x1).
PRINSIP UTAMA BISECTION METHOD
1)Menggunakan dua buah nilai awal untuk mengurungsalahsatu/lebih akar persamaan nun-linier.
2)Nilai akarnya diduga melalui nilai tengah antara dua nilai awal yangada.
Two Point Equal interval search
•Bentuk sederhana dari algoritma optimasi untuk di implementasikan, dimana setiap parameter bervariasi, hingga pada
akhirnya tercapai hasil yang tidak dapat ditingkatkan lagi.
•Pencarian interval dua titik yang sama mempartisi interval tertutup dan terikat menjadi tiga sub interval tertutup.
Pencarian interval dua titik yang sama ditunjukkan pada gambar 2.3. di sini nilai merit pertama kali dihitung pada titik akhir s
dan kemudian pada dua titik (a dan b) yang membagi wilayah desain ke dalam interval yang sama. dengan membandingkan
hasil langkah ini pencarian dipandu, untuk contoh yang diberikan, ke wilayah antara a dan 1.0.
Three Point Equal Interval Search
Metode ini menggunakan prinsip menghilangkan setengah dari interval pada setiap tahap.
Ini bekerja dengan tiga titik uji coba yang berjarak sama dalam interval pencarian
Algoritma GSS (Golden Section Search) adalah salah satu algoritma optimasi yang dapat digunakan untuk pengambilan
keputusan. Contoh yang dibahas kali ini adalah mengenai pencarian posisi dengan pengembalian nilai fungsi minimal.
Algoritma pencarian ini menggunakan teori Golden Ratio, dimana 2 buah garis / bidang (misalkan a dan b) dikatakan sebagai
Golden Ratio apabila rasio ((a + b) / a) sama dengan (a / b). Teori ini akan digunakan dalam algoritma ini, dimana dalam setiap
perulangan, akan selalu titik-titik baru yang selalu memenuhi teori Golden Ratio sambil mencari nilai yang paling minimal.

KLASTER 2
Program linear ialah satu program yang digunakan sebagai metode yang umumnya digunakan untuk memecahkan
suatumasalah seperti pengalokasian sumber daya dengan tujuan akhirnya itu menentukan nilai minimum atau maksimum
Linear Programming merupakan satu model umum yang dapat digunakan dalam pemecahan masalah pengalokasian sumber-
sumber yang terbatas secara optimal
Model yang digunakan dalam memecahkan masalah alokasi sumber daya perusahaan adalah model matematis
Semua fungsi matematis yang disajikan dalam model haruslah dalam bentuk fungsi linear. Model Linear Programming
merupakan bentuk dan susunan dalam menyajikan masalah-masalah yang akan dipecahkan dengan teknikLP
Dalam model Linear Programmingdikenal2 (dua) macam “fungsi”, yaitu fungsitujuan(ObjectiveFunction)
danfungsibatasan(constraintfunction)
FungsiTujuan:fungsi yang menggambarkan tujuan/sasaran di dalam permasalahan Linear Programming
yangberkaitandenganpengaturansecaraoptimalsumberdayasumberdaya,untukmemperolehkeuntunganmaksimalataubiayamini
mal.NilaiyangakandioptimalkandinyatakansebagaiZ Fungsi Batasan : merupakan bentuk penyajian secara matematis batasan-
batasan kapas itasyangt serse dayang akan dialokasikan secara optimal keberbagai kegiatan.
Penyelesaianmasalahmengarahpadapencapaiantujuanmaksimalisasiatauminimalisasi
2.Kendalayangadamembatasitingkatpencapaiantujuan
3.Hubunganmatematisbersifatlinear
Linear Programming Scheduling Problem
Jadi,linearprogrammingschedulingproblemadalahsuatusistemyangdigunakanuntukmengaturmasalahpenjadwalanagardimanati
apsumberpadasuatusisemtersebutdapatdimaksimalkanefisiensinya. Contohnya MenentukanJumlahKaryawanyang
HarusDiperkerjakan SesuaiDenganKebutuhanPerusahaan
Linear Progamming Assignment Problem
(Masalah Penugasan Pemrograman Linier)
• Masalah penugasan adalah jenis khusus dari masalah pemrograman linier yang berkaitan dengan alokasi berbagai sumber
daya untuk berbagai kegiatan atas dasar satu ke satu. Itu dilakukan sedemikian rupa sehingga biaya atau waktu yang terlibat
dalam proses adalah minimum dan keuntungan atau penjualan maksimum.
The Transportation Model
Meminimalisir cost untuk mengirim suatu barang dari Supply Location menuju Demand Location sesuai dengan jumlah demam

KLASTER 3
Dynamic programming adalah masalah multi tahap (multistage) dimana keputusan dibuat secara berurutan (in sequence).
Pemrograman dinamis (dynamic programming) adalah metode pemecahan masalah dengan cara menguraikan solusi menjadi
sekumpulan langkah (step) atau tahapan (stage) sedemikian rupa sehingga solusi dari permasalahan ini dapat dipandang dari
serangkaian keputusan-keputusan kecil yang saling berkaitan satu dengan yang lain.
Karakteristik Persoalan yang dimiliki oleh Program Dinamis :
•Persoalan dapat dibagi menjadi beberapa tahap (stage), yang pada setiap tahap hanya dapat diambil satu keputusan.
•Masing-masing tahap terdiri dari sejumlah status (state) yang berhubungan dengan tahap tersebut. Secara umum, status
merupakan bermacam kemungkinan masukan yang ada pada tahap tersebut. Jumlahnya bisa berhingga atau tak berhingga.
•Hasil dari keputusan yang diambil pada setiap tahap ditransformasikan dari status yang bersangkutan ke status berikutnya
pada tahap berikutnya.
Kelebihan Sistem Dynamic Programming:
•Mengoptimalkan penyelesaian suatu masalah tertentu yang diuraikan menjadi sub-submasalah yang lebih kecil yang terkait
satu sama lain dengan tetap memperhatikan kondisi dan batasan permasalahan tersebu .
•Proses pemecahan suatu masalah yang kompleks menjadi sub-sub masalah yang lebih kecil membuat sumber permasalahan
dalam rangkaian proses masalah tersebut menjadi lebih jelas untuk diketahui.
Kelemahan Sistem Dynamic Programming:
•Penggunaan dynamic programming jika tidak dilakukan secara tepat, akan mengakibatkan ketidakefisienan biaya maupun
waktu. Karena dalam menggunakan dynamic programming diperlukan keahlian, pengetahuan, dan seni untuk
merumuskansuatu masalah yang kompleks, terutama yang berkaitan dengan penetapan fungsi transformasi dari permasalahan
tersebut.
Dynamic programming SHORTEST PATH :
Shortestpathataulintasanterpendekdidefinisikansebagaijarakminimaldaribeberapalintasan.Sehinggapermasalahanpencarianlint
asanterpendekdalamgrafmerupakansalahsatupermasalahoptimasiyangdimanagrafyangdigunakandalamlintasanterpendekadala
hgrafberlabelataugrafyangsetiapsisinyadiberikansuatudata.
Dynamic Programming Knapsack Problem
Solusi untuk masalah knapsack yang diberikan dicapai dalam pemrograman dinamis dengan menemukan hubungan perulangan
yang mengekspresikan solusi untuk sebuah instance dari masalah knapsack dalam hal solusi untuk sub-instance yang lebih
kecil.
•Masalah Knapsack adalah masalah dalam optimasi kombinatorial, di mana kami menemukan solusi optimal dari masalah
yang diberikan sehingga memenuhi kendala yang diberikan.
LONGEST COMMON SUBSEQUENCE PROBLEM
Masalahurutanterpanjangadalahsuatucaracaradimanakitaakanmenemukanurutandalamsatuseturutan.Cara
inidioperasikandenganmengoptimasibeberapakodedalamsuatuurutan.Kemudianmembandingkandengansubstring
urutanlainnya
MATRIX CHAIN MULPLICATION
DYNAMIC PROGRAMING Steps
1.Mengkarakterisasikanstruktursolusioptimal 2.Secararekursifmendefinisikannilaisolusioptimal 3.Hitungnilaisolusioptimal
dalammode bottom-up 4.Membangunsolusioptimal dariinformasiyang dihitung
•Input: Rantaimatriksakandikalikan
•Output: Tandakurungrantai
•Tujuan: Meminimalkanjumlahlangkahyang diperlukanuntukperkalian

KLASTER 4
Non Linear Progamming
Pemrogramannonlinearmerupakansalahsatuteknikrisetoperasiuntukmemecahkanpermasalahanoptimasidenganmenggunakanp
ersamaandanpertidaksamaannonlinearuntukmencarihasil(output)yangoptimumdenganmemperhatikansumber-
sumber(input)yangpersediaannyaterbataspadanilaitertentu.Jikasuatupermasalahanoptimasiyangfungsitujuandankendalanyabe
rbentuknonlinearpadasalahsatuataukeduanya,makapermasalahantersebutdisebutnonlinear.
digunakanuntukpencariantitikoptimumdarisuatufungsiberkendala.MetodeKarushKuhnTuckerinidapatdipergunakanuntukmen
carisolusiyangoptimumdarisuatufungsitanpamemandangsifatdarifungsitersebutapakahlinierataunonlinier
GOAL PROGRAMMING
Goa Programming merupakanperluasandarimodelLinearProgramming.
GoalProgrammingbertujuanmeninumumkanpenyimpanganantaratujuanyangditetapkandenganapayangsesungguhnyadapatdic
apai
SEPARABLE PROGRAMMING
Separableprogramming merupakan suatu pendekatan yang digunakan dalam masalah pemrogramannonlinear dengan
mentransformasi bentuk nonlinear menjadi bentuk linear yang hanya memuat satu variabel. Selanjutnya, masalah separable
programming diselesaikan dengan hampiran fungsi linear sepotong-sepotong (piecewise linear function) menggunakan
formulasi delta (δ)atau formulasi lambda (λ).