Terapan Teori Graf: Dr. Ernastuti Dr. Nola Marina Dr. Aini Suri Talita

TERAPAN Dr.
Ernastuti
TEORI GRAF Dr. Nola Marina
Dr. Aini Suri Talita
G raf G(V,E)
Adalah struktur diskrit yang terdiri atas
himpunan simpul (V) dan himpunan
ruas (E), di mana setiap ruas di dalam E
menghubungkan simpul-simpul di V.
Gambarkan GRAF G(V,E) 1
1. Berapa jumlah simpul di dalam graf G?

Graf G(V,E):
𝑽 = {𝟏, 𝟐 𝟑, 𝟒}
𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , (𝟐, 𝟒), 𝟑, 𝟒 }
2. Berapa jumlah ruas di dalam graf G?
Graf G

Graf G(V,E):
𝑽 = {𝟏, 𝟐 𝟑, 𝟒}
𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , (𝟐, 𝟒), 𝟑, 𝟒 }
Graf G

Graf G(V,E):
𝑽 = {𝟏, 𝟐 𝟑, 𝟒}
𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , (𝟐, 𝟒), 𝟑, 𝟒 }
Graf G

Graf G(V,E):
𝑽 = {𝟏, 𝟐 𝟑, 𝟒}
𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , (𝟐, 𝟒), 𝟑, 𝟒 }
Graf G

Graf G(V,E):
𝑽 = {𝟏, 𝟐 𝟑, 𝟒}
𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , (𝟐, 𝟒), 𝟑, 𝟒 }
Graf G

Graf G(V,E):
𝑽 = {𝟏, 𝟐 𝟑, 𝟒}
𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , (𝟐, 𝟒), 𝟑, 𝟒 }
Graf G
Gambar GRAF G(V,E) selesai dibuat 7

Graf G(V,E):
𝑽 = {𝟏, 𝟐 𝟑, 𝟒}
𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , (𝟐, 𝟒), 𝟑, 𝟒 } Jumlah simpul = 4
Jumlah ruas = 5
Graf G
LINGKUP MATERI
1 PENYAJIAN GRAF TAK BERARAH
2 GRAF ISOMORFIS
3 LINTASAN DAN SIRKUIT EULER
4 LINTASAN DAN SIRKUIT HAMILTONIAN
5 GRAF BERBOBOT
6 SHORTEST PATH PROBLEMS

LINGKUP MATERI Penyajian Graf Tidak Berarah:
Adjacency Matrices
Shortest Path Problem: Incidence Matrices
Algoritma Dijkstra 6 1 Adjacency List
Traveling Salesman Problem
2
Weighted Graphs 5 Graf Isomorfis &
Graf Berbobot/Graf Berlabel Sifat invariantnya
3
4
Lintasan & Sirkuit
Lintasan & Sirkuit
Hamiltonian
Euler
DEFINISI:
MATRIKS
Kumpulan Bilangan yang 3 1 10 0 5

disusun secara baris (𝒎) 1 0 12 1 3
dan kolom (𝒏 ). 𝑨𝟒×𝟓 =
1 7 3 1 1
Notasi: 0 1 4 0 2
𝐴𝑚×𝑛 =[𝑎𝑖𝑗 ] 𝒏=𝟓
𝒎=𝟒
𝒊 = 𝟏, 𝟐, . . 𝒎 𝒋 = 𝟏, 𝟐, . . 𝒏
DEFINISI: 𝑎23 =12
MATRIKS
3 1 10 0 5
Kumpulan Bilangan yang
disusun secara baris (𝒎) 𝑨𝟒×𝟓 = 1 0 12 1 3
dan kolom (𝒏 ). 1 7 3 1 1
Notasi: 0 1 4 0 2
𝐴𝑚×𝑛 =[𝑎𝑖𝑗 ]
𝒊 = 𝟏, 𝟐, . . 𝒎 𝒋 = 𝟏, 𝟐, . . 𝒏
DEFINISI: 𝑎23 =12 𝑎45 =2
MATRIKS
3 1 10 0 5
Kumpulan Bilangan
yang disusun secara 𝑨𝟒×𝟓 = 1 0 12 1 3
baris (𝒎) dan kolom (n) 1 7 3 1 1
Notasi: 0 1 4 0 2
𝒊 = 𝟏, 𝟐, . . 𝒎 𝒋 = 𝟏, 𝟐, . . 𝒏
DEFINISI:
MATRIKS
𝑎23 =12 𝑎45 =2
3 1 10 0 5
Kumpulan Bilangan yang
disusun secara baris (𝒎) 𝑨𝟒×𝟓 = 1 0 12 1 3
dan kolom (𝒏 ). 1 7 3 1 1
Notasi: 0 1 4 0 2
𝒊 = 𝟏, 𝟐, . . 𝒎 𝒋 = 𝟏, 𝟐, . . 𝒏
𝑎31 =1
𝑎𝑟𝑖𝑠 𝑛𝑖𝑎 𝑎𝑑𝑖
DEFINISI: 𝑢𝑚𝑖 𝑖𝑐ℎ𝑎 𝑗𝑜𝑛
ARRAY (SENARAI/ LIST) A[3,3] =
𝑘𝑎𝑙 𝑡𝑖𝑎 𝑎𝑏𝑖
Kumpulan elemen Homogen
yang disusun secara baris (𝒎)
dan kolom (𝒏 ). 3 1 10 0 5
Notasi:
B[4,5] = 1 0 12 1 3
S[1. . 𝒎,1. . 𝒏]=[𝑠𝑖𝑗 ]
1 7 3 1 1
0 1 4 0 2
𝒊 = 𝟏, 𝟐, . . 𝒎 𝒋 = 𝟏, 𝟐, . . 𝒏
dan kolom (𝒏 ). 3 1 10 0 5
Notasi:
B[4,5] = 1 0 12 1 3
S[1. . 𝒎,1. . 𝒏]=[𝑠𝑖𝑗 ]
1 7 3 1 1
0 1 4 0 2
𝒊 = 𝟏, 𝟐, . . 𝒎 𝒋 = 𝟏, 𝟐, . . 𝒏
𝑎23 = ′𝑗𝑜𝑛′
dan kolom (𝒏 ). 3 1 10 0 5
Notasi:
B[4,5] = 1 0 12 1 3
S[𝒎,𝒏]=[𝑠𝑖𝑗 ]
1 7 3 1 1
0 1 4 0 2
𝒊 = 𝟏, 𝟐, . . 𝒎 𝒋 = 𝟏, 𝟐, . . 𝒏 𝑏23 = 12
1
1 Penyajian Graf Tidak Berarah
1.1 MATRIKS KETETANGGAAN (adjacency matrices)
1.2 MATRIKS BERSISIAN (incidency matrices)
1.3 SENARAI KETETANGGAAN (adjacency list)

1.1 Penyajian Graf Tidak Berarah
1.1 Matriks Ketetanggaan (adjacency matrix)
𝐴𝑛×𝑛 =[𝑎𝑖𝑗 ]
𝒊 = 𝟏, 𝟐, . . 𝒏 Simpul
𝒋 = 𝟏, 𝟐, . . 𝒏 Simpul
1, jika simpul 𝒊 dan simpul 𝒋 bertetangga

𝑎𝑖𝑗=
0, jika simpul 𝒊 dan simpul 𝒋 tidak bertetangga
PPT模板下载：www.1ppt.com/moban/ 行业PPT模板：www.1ppt.com/hangy e/
节日PPT模板：www.1ppt.com/jieri/ PPT素材：www.1ppt.com/sucai/
PPT背景图片：www.1ppt.com/beijing/ PPT图表：www.1ppt.com/tubiao/
精美PPT下载：www.1ppt.com/xiazai/ PPT教程： www.1ppt.com/powerpoint/
PPT课件：www.1ppt.com/kejian/ 字体下载：www.1ppt.com/ziti/
工作总结PPT：www.1ppt.com/xiazai/z ongjie/ 工作计划：www.1ppt.com/xiazai/jihua/
商务PPT模板：www.1ppt.com/moban/ shangw u/ 个人简历PPT：www.1ppt.com/xiazai/jia nli/
毕业答辩PPT：www.1ppt.com/xiazai/dabian/ 工作汇报PPT：www.1ppt.com/xiaza i/huiba o/
1.1
• Matriks Ketetanggaan (adjacency matrix)
Contoh 1:
Matriks Ketetanggaan
G1 𝑽 = {𝟏, 𝟐, 𝟑, 𝟒}
G1 𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , 𝟐, 𝟒 , 𝟑, 𝟒 } 𝐴4×4 =
1 2 3 4
1 0 1 1 0
1 0 1 1
2 
3 1 1 0 1
 
Graf G1
4 0 1 1 0
1.1
Contoh 1:
G1 𝑽 = {𝟏, 𝟐, 𝟑, 𝟒}
Matriks Ketetanggaan
G1 𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , 𝟐, 𝟒 , 𝟑, 𝟒 } 𝐴4×4 =
𝑎12 1 2 3 4
1 0 1 1 0
𝑎21 1 0 1 1
2 
3 1 1 0 1
 
Graf G1
4 0 1 1 0
Derajat tiap simpul Vi :
Untuk graf tak-berarah:
❑ Derajat simpul adalah banyaknya ruas yang terhubung ke

simpul tersebut.
n
❑ d(vi ) = a
j =1
ij
Derajat tiap simpul d(vi)
Graph • Matriks Ketetanggaan
1 2 3 4 +
1 0 1 1 0  2
1 0 1 1 3
2  
3 1 1 0 1 3
4 0 1 1 0 2
Derajat simpul d(1) = 2 Derajat simpul d(1) = 0+1+1+0 = 2

1.1
Contoh 2:
G2 𝑽 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓} Matriks Ketetanggaan
G2 𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟑 , 𝟐, 𝟑 , 𝟑, 𝟒 }
𝐴5×5 =
1 2 3 4 5
1 0 1 1 0 0
2 1 0 1 0 0
3 1 1 0 1 0
4 0 0 1 0 0
Graf G2
5 0 0 0 0 0
1.2 Matriks Bersisian (incidency matrix)
𝐴𝑛×𝑚 =[𝑎𝑖𝑗 ]
𝒊 = 𝟏, 𝟐, . . 𝒏 Simpul
𝒋 = 𝟏, 𝟐, . . 𝒎 Sisi /Ruas
1, jika simpul 𝒊 bersisian dengan 𝐫𝐮𝐚𝐬 𝒋

𝑎𝑖𝑗=
0, jika simpul 𝒊 tidak bersisian dengan 𝐫𝐮𝐚𝐬 𝒋
PPT模板下载：www.1ppt.com/moban/ 行业PPT模板：www.1ppt.com/hangy e/
节日PPT模板：www.1ppt.com/jieri/ PPT素材：www.1ppt.com/sucai/
PPT背景图片：www.1ppt.com/beijing/ PPT图表：www.1ppt.com/tubiao/
精美PPT下载：www.1ppt.com/xiazai/ PPT教程： www.1ppt.com/powerpoint/
PPT课件：www.1ppt.com/kejian/ 字体下载：www.1ppt.com/ziti/
工作总结PPT：www.1ppt.com/xiazai/z ongjie/ 工作计划：www.1ppt.com/xiazai/jihua/
商务PPT模板：www.1ppt.com/moban/ shangw u/ 个人简历PPT：www.1ppt.com/xiazai/jia nli/
毕业答辩PPT：www.1ppt.com/xiazai/dabian/ 工作汇报PPT：www.1ppt.com/xiaza i/huiba o/
1.
•
Contoh 3: Matriks Bersisian

G3 𝑽 = {𝟏, 𝟐, 𝟑, 𝟒 }
G3 𝑬 = {𝒆𝟏 , 𝒆𝟐 , 𝒆𝟑 , 𝒆𝟒 , 𝒆𝟓 , 𝒆𝟔 } 𝐴4×6 =
e1
e1 e2 e3 e4 e5
1 2
e2 1 1 1 0 1 0
e4 e3
2 1 1 1 0 0
3
e5 3 0 0 1 1 1
Graf G3
4 4 0 0 0 0 1
•
Contoh 3: Matriks Bersisian

G5 𝑽 = {𝒗𝟏, 𝒗𝟐, 𝒗𝟑, 𝒗𝟒, 𝒗𝟓 }
G5 𝑬 = {𝒆𝟏 , 𝒆𝟐 , 𝒆𝟑 , 𝒆𝟒 , 𝒆𝟓 , 𝒆𝟔 , , 𝒆𝟕 , 𝒆𝟖 } 𝐴5×8 =
Graf G5
1.3 • Senarai Ketetanggaan (adjacency list)
Contoh 4:
Senarai Ketetanggaan
G4 𝑽 = {𝟏, 𝟐, 𝟑, 𝟒}
G4 𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟑 , 𝟐, 𝟑 , 𝟐, 𝟒 , 𝟑, 𝟒 }
Simpul Simpul Tetangga

1 2, 3
2 1, 3, 4
3 1, 2, 4
4 2, 3
Graf G4
•
1.3 Senarai Ketetanggaan (adjacency list)
Contoh 5: Senarai Ketetanggaan

G2 𝑽 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓}
G2 𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟑 , 𝟐, 𝟑 , 𝟑, 𝟒 } Simpul Simpul Tetangga
1 2, 3
2 1, 3
3 1, 2, 4
4 3
Graf G2
5 -
1
MATRIKS KETETANGGAAN (adjacency matrices)
1.1 CIRI: a. Matriks adalah Bujur Sangkar (n x n) → n = jumlah simpul
b. Jumlah Ruas = (Jumlah semua nilai baris dan kolom)/2
c. Nilai-nilai elemen matriks segitiga atas simetri dengan segitiga bawah
1.2
MATRIKS BERSISIAN (incidency matrices)
a. Matriks adalah Persegi Empat (m x n) → m = jumlah simpul, n = jumlah sisi
b. Jumlah Ruas = (Jumlah semua nilai baris dan kolom)/2
1.3
SENARAI KETETANGGAAN (adjacency list)
a. Array (m x n) → m = jumlah simpul, n < m
b. Jumlah Ruas = (Jumlah semua elemen pada semua baris )/2
3. Senarai Ketetanggaan
Simpul Simpul Tetangga
Graf
1 2, 3
e2
2 1, 4 e1
e5
3 1, 2, 3
4 3,4
e4 e3
2. Matriks Bersisian
1. Matriks Ketetanggan
𝐴4×5 e1 e2 e3 e4 e5
1 2 3 4
1 1 1 0 0 0 1 0 1 1 0
2 0 1 1 0 1 2
1 0 1 1
𝐴4×4

3 1 0 0 1 1 3 1 1 0 1
 
4 0 0 1 1 1 4 0 1 1 0
CONTOH SOAL (1)
Diketahui Graf G(V,E): Jawab:
G 𝑽 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓}
G 𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟑 , 𝟐, 𝟑 , 𝟑, 𝟒 }
Pertanyaan:
1. Berapa jumlah simpul pada Graf G? 1. Jumlah simpul = 5

2. Berapa jumlah ruas pada Graf G?
2. Jumlah ruas = 4
CONTOH SOAL (2)
Diketahui Graf G1(V,E) Jawab: 𝟏 𝟐 𝟑 𝟒
G1 𝑽 = {𝟏, 𝟐, 𝟑, 𝟒} 1 0 1 0 1
G1 𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , 𝟐, 𝟒 , 𝟑, 𝟒 } 2 1 0 1 1
3 0 1 0 1
Pertanyaan: 4 1 1 1 0
1. Berapa jumlah simpul pada graf G1?
2. Berapa jumlah ruas pada graf G1?
1. Jumlah simpul = 4
Pada Matriks Adjacency 𝐴4×4 dari graf G1 2. Jumlah ruas = 5
3. Berapa Nilai 𝑎12 =? dan 𝑎24 =? 3. 𝑎12 =1 dan 𝑎24 =1
4. Berapa Nilai 𝑎13 =? dan 𝑎34 =? 4. 𝑎41 =0 dan 𝑎34 =1
CONTOH SOAL (3) Jawab:
1. 𝟎 𝟏 𝟎 𝟏
Diketahui 𝟏 𝟎 𝟏 𝟏
𝟎 𝟏 𝟎 𝟏
Matriks Adjacency 𝐴4×4 dari graf G2: 𝟏 𝟏 𝟏 𝟎
𝑎11 =0; 𝑎12 =1; 𝑎13 =0; 𝑎14 =1
𝑎21 =1; 𝑎22 =0; 𝑎23 =1; 𝑎24 =1 Jumlah simpul = 4
𝑎31 =0; 𝑎32 =1; 𝑎33 =0; 𝑎34 =1
+
𝑎41 =1; 𝑎42 =1; 𝑎43 =1; 𝑎44 =0 2. 𝟎 𝟏 𝟎 𝟏 2
𝟏 𝟎 𝟏 𝟏 3
Pertanyaan: 𝟎 𝟏 𝟎 𝟏 2
1. Berapa jumlah simpul pada graf G2? 𝟏 𝟏 𝟏 𝟎 3
+
10
2. Berapa jumlah ruas pada graf G2?
Jumlah ruas = 10/2 = 5
2 Graf Isomorfis (Isomorphic Graph)
Dua buah graf yang sama tetapi secara geometri berbeda disebut graf
yang saling isomorfis.
Dua buah graf, G1 dan G2 dikatakan isomorfis jika terdapat

korespondensi satu-satu antara simpul-simpul keduanya dan antara
ruas-ruas keduanya sedemikian sehingga hubungan kebersisian tetap
terjaga.
2 Graf Isomorfis (Isomorphic Graph)
Dengan kata lain, misalkan ruas e bersisian dengan simpul u dan v di
G1, maka ruas e’ yang berkoresponden di G2 harus bersisian dengan
simpul u’ dan v’ yang di G2.
Dua buah graf yang isomorfis adalah graf yang sama, kecuali penamaan
simpul dan ruasnya saja yang berbeda. Ini benar karena sebuah graf
dapat digambarkan dalam banyak cara.
1 Graf ISOMORFISMenurut DEO74, dua buah graf
2
Dua buah graf G dan G* disebut isomorfik jika memenuhi 3 syarat,
isomorfis jika terdapat korespondensi mempunyai:
satu-satu antar simpul-simpul dan 1. jumlah simpul yang sama
2. jumlah ruas yang sama
ruas-ruasnya
3. jumlah simpul berderajat tertentu yg
Jika G(V,E) dan G*(V*,E*) adalah 2 buah sama
Graf.
f: V → V* suatu fungsi satu-satu dan
pada, sedemikian sehingga (u,v) adalah
ruas dari G jika dan hanya jika (f(u),f(v)) Menurut ROS99, dua buah graf
adalah ruas dari G*. isomorfik jika matrik adjacency-
Maka f disebut fungsi yang isomorfisma nya sama.
dan G& G* adalah graf yang isomorfis.
1 Graf ISOMORFIS
2
Graf A dan R
Dua buah graf G dan G* disebut
isomorfis jika terdapat korespondensi
satu-satu antar simpul-simpul dan
ruas-ruasnya
G(V,E) dan G*(V*,E*) adalah 2 buah Graf. Graf X dan K
f: V → V* suatu fungsi satu-satu dan pada,
sedemikian sehingga (u,v) adalah ruas dari G
jika dan hanya jika (f(u),f(v)) adalah ruas dari
G*.
Maka f disebut fungsi yang isomorfisma dan Graf F dan T
G& G* adalah graf yang isomorfis.
21 Graf ISOMORFIS Graf A dan R
Dua buah graf G dan G* disebut

isomorfis jika terdapat korespondensi
satu-satu antar simpul-simpul dan
ruas-ruasnya
Graf X dan K
Graf F dan T
Graf V dan T
2 1 Graf ISOMORFIS
Menurut DEO74, dua buah graf isomorfis Dari kelima graf S,T, V,
jika memenuhi 3 syarat, mempunyai: X, Z graf mana yang
1. jumlah simpul yang sama isomorfis?
3. jumlah simpul berderajat tertentu yg sama
Graf S Graf T Graf V Graf X Graf Z

2 1 Graf ISOMORFIS
1. Jumlah Simpul = 5
Menurut DEO74, dua buah graf isomorfik 2. Jumlah Ruas = 4
3. 2 simpul berderajat 1
jika memenuhi 3 syarat, mempunyai: 3 simpul berderajat 2
1. jumlah simpul yang sama
3. jumlah simpul berderajat tertentu yg sama
Graf S, V &
T
saling
Graf S Graf T Graf V Graf X Graf Z isomorfis
2 1 Graf ISOMORFIS 1. Jumlah Simpul = 5
2. Jumlah Ruas = 4
3 simpul berderajat 2
Menurut DEO74, dua buah graf isomorfik
jika memenuhi 3 syarat, mempunyai: Graf S, V &
1. jumlah simpul yang sama T
2. jumlah ruas yang sama saling
3. jumlah simpul berderajat tertentu yg sama isomorfis
2. Jumlah Ruas = 4
1.Jumlah Simpul = 5
2.Jumlah Ruas = 4
Graf S Graf T Graf V Graf X Graf Z 1 simpul berderajat 1
1 Graf ISOMORFIS
2 Graf A dan R
saling
2. Jumlah Ruas = 5 isomorfis
1. Jumlah Simpul = 5 Graf X dan K

2. Jumlah Ruas = 4 saling
3. 1 simpul berderajat 4 isomorfis
1.Jumlah Simpul = 5
2. Jumlah Ruas = 4 Graf F dan T
3. 1 simpul berderajat 3 saling
1 simpul berderajat 2 isomorfis
2 1 Graf ISOMORFIS
Menurut ROS99, dua buah graf isomorfik
jika matrik adjacency-nya sama.
Graf S, V &
T
saling
Graf S Graf T Graf V Graf X Graf Z isomorfis
2 1 Graf ISOMORFIS
Menurut ROS99, dua buah graf isomorfik
jika matriks adjacency-nya sama.
Graf S, V &
T
saling
isomorfis
Graf S Graf T Graf V Graf X Graf Z

1 Graf ISOMORFIS
2 Graf A dan R
saling
isomorfis
Graf X dan K
saling
isomorfis
Graf F dan T
saling
isomorfis
1 Graf ISOMORFIS
2
3 d c v w
1 2 a b x y
Graf G1 Graf G2 Graf G3
G1 isomorfis dengan G2,

tetapi G1 tidak isomorfis dengan G3
1 Graf ISOMORFIS
2
z
a v w
e
c
b d
Graf G1 x Graf G2 y
Graf G1 dan Graf G2 isomorfis

a b c d e x y w v z
a 0 1 1 1 0 x 0 1 1 1 0
1 0 1 0 0 y 1 0 1 0 0
b    
c 1 1 0 1 0 w 1 1 0 1 0
  v  
d 1 0 1 0 1 1 0 1 0 1
e 0 0 0 1 0 z 0 0 0 1 0
1 Graf ISOMORFIS
2
Dua buah graf isomorfis

1 Graf ISOMORFIS
2
Tiga buah graf isomorfis

1 Graf ISOMORFIS
2
Dari definisi graf isomorfis dapat dikemukakan bahwa

dua buah graf isomorfis memenuhi ketiga syarat berikut
[DEO74]:
1. Mempunyai jumlah simpul yang sama.

2. Mempunyai jumlah ruas yang sama
3. Mempunyai jumlah simpul yang sama berderajat tertentu
1 Graf ISOMORFIS
2
✓Ketiga syarat [DEO74] ternyata belum cukup menjamin.
✓Pemeriksaan secara visual perlu dilakukan.
w
u
x
y
1. Jumlah Simpul = 6 v 1. Jumlah Simpul = 6

2. Jumlah Ruas = 5 2. Jumlah Ruas = 5
3. 3 simpul berderajat 1 3. 3 simpul berderajat 1
2 simpul berderajat 2 2 simpul berderajat 2
1 simpul berderajat 3 1 simpul berderajat 3
3 Lintasan dan Sirkuit Euler
✓ Lintasan Euler ialah lintasan yang melalui masing-masing ruas
di dalam graf tepat satu kali.
✓ Sirkuit Euler ialah sirkuit yang melewati masing-masing ruas

tepat satu kali.
✓ Graf yang mempunyai sirkuit Euler disebut graf Euler (Eulerian

graph). Graf yang mempunyai lintasan Euler dinamakan juga
graf semi-Euler (semi-Eulerian graph).
✓ Lintasan Euler pada graf (a) : 3, 1, 2, 3, 4, 1
✓ Lintasan Euler pada graf (b) : 1, 2, 4, 6, 2, 3, 6, 5, 1, 3
✓ Sirkuit Euler pada graf (c) : 1, 2, 3, 4, 7, 3, 5, 7, 6, 5, 2, 6,1
2 2 2 3
1 1
(a) (b) (c) 5

3
4 1 4
3 4 5 6 6 7
Lintasan Euler pada graf (a): 3, 1, 2, 3, 4, 1
2 2 2 3
1 1
(a) (b) (c) 5

3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
(a) (b) (c) 5

3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
(a) (b) (c) 5

3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
(a) (b) (c) 5

3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
Lintasan Euler pada graf (b): 1, 2, 4, 6, 2, 3, 6, 5, 3, 1, 5
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
Lintasan Euler pada graf (b): 1, 2, 4, 6, 2, 3, 6, 5, 3, 1,5
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
FINISH
Sirkuit Euler pada graf (c) : 1, 2, 3, 4, 7, 3, 5, 7, 6, 5, 2, 6,1
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
Sirkuit Euler pada graf (c) : 1, 2, 3, 4, 7, 3, 5, 7, 6, 5, 2, 6, 1
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
FINISH
START 3 4 5 6 6 7
FINISH
❑ Lintasan Euler pada graf (a): 3, 1, 2, 3, 4, 1
❑ Lintasan Euler pada graf (b): 1, 2, 4, 6, 2, 3, 6, 5, 3, 1, 5
❑ Sirkuit Euler pada graf (c) : 1, 2, 3, 4, 7, 3, 5, 7, 6, 5, 2, 6, 1
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
FINISH
START 3 4 5 6 6 7
FINISH
TEOREMA 1
Graf tidak berarah memiliki lintasan Euler jika dan hanya jika
terhubung dan memiliki dua buah simpul berderajat ganjil
atau tidak ada simpul berderajat ganjil sama sekali
Graf tidak berarah memiliki lintasan Euler jika
dan hanya jika terhubung dan memiliki dua
TEOREMA 1 buah simpul berderajat ganjil atau tidak ada
simpul berderajat ganjil sama sekali
2 1 2 2 3
1
Graf (a),(b) & (c) 5

memiliki lintasan Euler
3
4 1 4
5 6 6 7
= simpul berderajat ganjil 3
(a)
4
(b) (c)
Graf (a) dan (b) mempunyai Graf (c) tidak mempunyai
2 simpul berderajat ganjil simpul berderajat ganjil sama
sekali
TEOREMA 2
❑ Graf tidak berarah G adalah graf Euler (memiliki sirkuit Euler) jika dan
hanya jika setiap simpul berderajat genap.
❑ Catatan:
Graf yang memiliki sirkuit Euler pasti mempunyai lintasan Euler, tetapi tidak
sebaliknya)
Graf Bulan sabit Muhammad = ???
a t
d g
f
c k
e h
s
b
Graf Bulan sabit Muhammad = ??? Setiap simpul berderajat
genap
d(a)= 2
a t d(b)= 2
d(c)= 4
d g
d(d)= 4
f d(e)= 4
c k
d(f)= 4
d(g)= 4
e h
d(h)= 4
s d(k)= 4
b
d(t)= 2
d(s)= 2
Graf tidak berarah G adalah graf Euler (memiliki sirkuit Euler) jika dan
Graf Bulan sabit Muhammad adalah Graf Euler Setiap simpul berderajat
❑ Memiliki Sirkuit dan Lintasn Euler genap
d(a)= 2
t d(b)= 2
a d(c)= 4
d g
d(d)= 4
f d(e)= 4
c k
d(f)= 4
d(g)= 4
e h
d(h)= 4
s d(k)= 4
b
d(t)= 2
d(s)= 2
Graf tidak berarah G adalah graf Euler (memiliki sirkuit Euler) jika dan
Sirkuit Euler pada graf G1 : a, c, f, e, c, b, d, e, a, d, f, b, a
Graf G2 dan G3 tidak mempunyai lintasan maupun sirkuit Euler
G2 dan G3 mempunyai >2
simpul berderajat Ganjil
Semua simpul pada a
G1 berderajat Genap d b 1 2 a b
e c 4 5 c d e
f
G1 G2 G3
(a) dan (b) graf semi-Euler (a) dan (b) mempunyai 2
(c) dan (d) graf Euler simpul berderajat Ganjil
(e) dan (f) bukan graf semi-Euler atau graf Euler

2 1 1 2 2 3
(a)
(a) (b)
(b)
3 (c)
(c)
5
4 1 4
3 4 5 6 6 7
Semua simpul
(e) dan (f) mempunyai >2
pada (c) dan (d) a
simpul berderajat Ganjil
berderajat Genap(d)
d b (e) 1 2 (f) a b
3
(d) (e) (f)
e c 4 5 c d e
f
LINTASAN DAN SIRKUIT HAMILTON (HAMILTON PATHS AND CIRCUITS)
Suatu lintasan x0, x1, …, xn-1, xn, pada suatu Suatu sirkuit x0, x1, …, xn-1, xn, x0 (dengan
Graf G = (V, E) disebut Lintasan Hamilton n > 1) pada suatu graf G = (V,E) disebut
Sirkuit Hamilton (Hamilton circuit) jika
(Hamilton path) jika V = { x0, x1, …, xn-1, xn }
x0, x1, …, xn-1, xn merupakan Lintasan
dan xi ≠ xj untuk 0 ≤ i < j ≤ n.
Hamilton.
Suatu lintasan tertutup (sirkuit)

Suatu lintasan yang melewati
yang melewati semua simpul di G
semua simpul di G tepat 1 kali
tepat 1 kali
Contoh 1 Lintasan dan Sirkuit Hamilton
a b Tentukan apakah Graf G memiliki sirkuit

Hamilton! Jika tidak, bagaimana
dengan lintasan Hamilton?
G
e c
a b
d
G
e c
d
Tentukan apakah Graf G memiliki sirkuit

a b Hamilton! Jika tidak, bagaimana
dengan lintasan Hamilton?
d c
G
a b
d c
G
b g
a
Tentukan apakah Graf G memiliki
sirkuit Hamilton! Jika tidak,
bagaimana dengan lintasan
d c e f Hamilton?
G
Tidak memiliki lintasan maupun

sirkuit Hamilton karena setiap
lintasan yang dibangun harus
melalui ruas {a,b}, {e,f}, dan {c, d}
lebih dari sekali
Beberapa Sifat Graf Berkaitan dengan Sirkuit Hamilton
• Suatu graf dengan sebuah simpul berderajat satu tidak mungkin memiliki
sirkuit Hamilton
• Jika suatu simpul pada graf memiliki derajat 2 maka semua ruas yang insiden
dengan simpul tersebut harus menjadi bagian dari sirkuit Hamilton
• Jika suatu sirkuit telah melewati suatu simpul dan 2 dari ruas yang insiden
dengan simpul tersebut telah digunakan, maka simpul tersebut dan semua
sisa ruas yang insiden dengannya tidak perlu lagi dipertimbangkan untuk
menjadi bagian dari sirkuit Hamilton
Teorema DIRAC
• Jika G adalah suatu Graf Sederhana (Simple Graph) dengan n buah simpul
dan 𝑛 ≥ 3 sedemikian sehingga derajat dari masing-masing graf
setidaknya 𝑛/2, maka G memiliki suatu sirkuit Hamilton
a b • deg (a) = 3
• deg (b) = 3
• deg (c) = 2
G • deg (d) = 2
d c • n/2 = 4/2 = 2
Graf berbobot (Weighted Graphs)
• Graf dimana pada ruasnya ditetapkan suatu nilai (bobot)
• Bobot yang dimaksud dapat bermakna berbagai hal, misalnya jarak dari suatu kota ke
kota lain, waktu tempuh penerbangan dari suatu kota ke kota lain, biaya perjalanan
dari suatu kota ke kota lain, waktu respons komputer, dsb.
Newark
Newark
G1 20
G2 $0.60
42 Woodbridge
Trenton $1.00 Woodbridge
Trenton
35
30 $0.75
60 40 Asbury Park $0.70
$0.00 Asbury Park
Camden 75 $0.00
Camden $1.25
55 Atlantic City
$1.25 Atlantic City
85 45
$0.00 $0.75
Cape May
Cape May
Masalah lintasan terpendek (shortest path)
Lintasan Terpendek Dari
Satu Tempat Ke Tempat
Lain
IP routing untuk
menentukan Open
Shortest Path First
(OSPF)
Jejaring Sosial –
Suggestion List Of Friends
Ekstrasi fitur tekstur

pada citra medis Gambar 1. Contoh
(Ghidoni et al., 2014) Microgrid (Ustun,
Ozansoy, and Zayegh,
Menentukan Relay 2011)
Hierarchy pada Microgrid
(Ustun, Ozansoy, and
Zayegh, 2011)
Algoritma DIJKSTRA
• Misal diberikan suatu Graf sederhana terhubung berbobot dimana akan ditentukan lintasan
terpendek dari simpul a ke z.
• Inisialisasi label simpul a dengan 0 dinotasikan L0 (a) = 0 dan simpul v lainnya dengan ∞, L0 (v) =
∞. Label ini bermakna “panjang” dari lintasan terpendek dari a ke v.
• Akan dibangun suatu himpunan simpul terpilih S, dengan inisialisasi pada “iterasi ke-0” S0 = ∅.
• Misalkan Sk menyatakan himpunan simpul terpilih setelah k buah iterasi. Sk dibangun dengan
menambahkan suatu simpul yang tidak ada di Sk-1 ke Sk-1 dan memiliki label terkecil.
• Misalkan v adalah suatu simpul yang tidak ada di Sk. Lk (v) yang merupakan label dari v
bermakna “panjang” dari lintasan terpendek dari a ke v dengan melalui simpul yang ada di Sk,
diperbaharui dengan :
Lk (a, v) = min { Lk-1 (a, v), Lk-1 (a,v) + w (u,v) }
dengan u adalah simpul yang ditambahkan pada Sk-1 untuk membentuk Sk.
• Proses selesai jika z telah terpilih dalam himpunan simpul S.
Contoh 1 Pengunaan Algoritma Dijkstra untuk
Menentukan Lintasan Terpendek (bag. 1)
b 5 d
6
4 Gunakan Algoritma Dijkstra untuk
8 z
a 1 2 menentukan lintasan terpendek antara
2 3 simpul a dan z pada Graf G1
c 10 e
G1
1 2 3
b ∞ d∞ b 4(a) d∞
b 5 d
4 5 6 4 5 6
4 6 8 8 z ∞
0 a 1 2 z ∞ 0 a 1 2
a 1 8 2 z
2 2 10 3 2 10 3
3
c 10 e c ∞ e ∞ c 2(a) e ∞
S0 = ∅ S1 = {a}
4 b 3 (a,c) d 10 (a,c) 5 b 3 (a,c) d 8 (a,c, b)

4 5 6 5
4 6
0 a 1 8 2 z ∞
0 a 1 8 2 z ∞
2 10 3
2 10 3
c 2 (a) e 12 (a,c)
c 2 (a) e 12 (a,c)
S2 = {a, c}
S3 = {a, c, b}
b 3 (a,c)
6 d 8 (a,c, b)
7 b 3 (a,c) d 8 (a,c, b)
4 5 6
8 4 5 6
0 a 1 2 z 14 (a, c, b, d)
0 a 1 8 2 z 13 (a, c, b, d, e)
2 10 3 2 10 3
e 10 (a,c, b, d) c 2 (a) e 10 (a,c, b, d)
c 2 (a)
S5 = {a, c, b, d,
S4 = {a, c, b, d}
e}
b 3 (a,c)
8 d 8 (a,c, b)
4 5 6 9 b d
5
0 a 1 8 2 z 13 (a, c, b, d, e) 6
4
a 1 8 2 z
2 10 3
2 3
c 2 (a) e 10 (a,c, b, d) c 10 e
S6 = {a, c, b, d, e, z}
Newark
20
Trenton
42 Woodbridge G1 merupakan graf berbobot yang
35 merepresentasikan jalan utama di New
30
60 40 Asbury Park Jersey dan jarak antar kotanya.
Camden 75 Gunakan Algoritma Dijkstra untuk
55 Atlantic City menentukan lintasan terpendek dari
85 45 Newark ke Camden.
Cape May
G1
Newark
2 Newark 0
1 20
S0 = ∅ 20
42 Woodbridge
Trenton 42 Woodbridge ∞
35 ∞ Trenton
30 35
60 40 Asbury Park
30
75 60 40 Asbury Park ∞
Camden
∞ Camden 75
55 Atlantic City
85 45 55 Atlantic City ∞
Cape May 85 45
Cape May ∞
3
Newark 0 4 Newark 0
S2 = {Newark,
S1 = {Newark} 20 20
Woodbridge}
42 Woodbridge 20 (Newark) 62 (N,W) 42 Woodbridge 20 (Newark)
∞ Trenton
Trenton
35 35
30 30
60 40 Asbury Park ∞ 40 Asbury Park 55 (N, W)
60
∞ Camden 75 75
80 (N,W)
55 Atlantic City ∞ 55 Atlantic City ∞
Camden
85 45 85 45
Cape May ∞ Cape May ∞
Contoh 2 Pengunaan Algoritma
5 Newark 0
S3 = {Newark,
Dijkstra untuk Menentukan Lintasan
Woodbridge, Asbury 20 Terpendek (bag. 4)
Park}
42 Woodbridge 20 (Newark)
62 (N,W) Trenton 6
35 Newark 0
30
40 Asbury Park 55 (N, W) S4 = {Newark,
60
Woodbridge, Asbury 20
75
Park, Trenton}
80 (N,W) Camden 55 Atlantic City 130 (N, W, AP) 42 Woodbridge 20 (Newark)
85 45 62 (N,W) Trenton
35
Cape May ∞ 30
40 Asbury Park 55 (N, W)
60
75
80 (N,W) Camden 55 Atlantic City 130 (N, W, AP)
85 45
Cape May ∞
7 Newark 0 Newark
S5 = {Newark, Woodbridge,
Asbury Park, Trenton, 8 20
Camden} 20
42 42 Woodbridge
Woodbridge 20 (Newark) Trenton
62 (N,W) Trenton
35
35 30
30 40 Asbury Park
40 60
60 Asbury Park 55 (N, W)
Camden 75
75
55 Atlantic City
80 (N,W) Camden 55 Atlantic City 130 (N, W, AP) 85 45
85 45
Cape May
Cape May 165 (N, W, C)
Newark ke Cape May? -> N, W, C, CM ; 165

TRAVELING SALESMAN PROBLEM (TSP)
TSP: Seorang salesman ingin

mengunjungi setiap n buah kota
Saginaw tepat satu kali dan kembali ke
113 kota tempat dia memulai
Grand Rapids perjalanannya. Untuk
137 142 98
meminimalkan jarak tempuh
perjalanannya, pilihan rute mana
167 147 yang harus dia pilih?
56
Detroit
135
Kalamazoo 58
133 Hamiltonian Circuit dengan bobot
total minimal pada graf berbobot,
G1 Toledo komplit dan tidak berarah
Contoh 1 Traveling Salesman Problem (bag. 1)
Saginaw
• Asumsikan salesman mulai perjalanan di
113 Detroit
Grand Rapids 137 142 98 • Periksa semua kemungkinan perjalanan
yang mungkin untuk mengunjungi 4
kota lainnya tepat 1 kali dan kembali ke
167 147 Detroit
56
Detroit • Terdapat total 24 buah circuit yang
135 mungkin yaitu (5-1)!
• Urutan yang terbalik (misal ABCDE dan
Kalamazoo 58 EDCBA) akan memberikan total bobot
133 ( jarak tempuh) yang sama, sehingga
sisa 12 circuit yang harus diperiksa
G1 Toledo
Rute Total jarak yang

ditempuh (mil)
Detroit-Toledo-Grand Rapids-Saginaw-Kalamazoo-Detroit 610
Detroit-Toledo-Grand Rapids-Kalamazoo-Saginaw-Detroit 516
Detroit-Toledo-Kalamazoo-Saginaw-Grand Rapids-Detroit 588
Detroit-Toledo-Kalamazoo-Grand Rapids-Saginaw-Detroit 458
Detroit-Toledo-Saginaw-Kalamazoo-Grand Rapids-Detroit 540
Detroit-Toledo-Saginaw-Grand Rapids-Kalamazoo-Detroit 504
Detroit-Saginaw-Toledo-Grand Rapids-Kalamazoo-Detroit 598
Detroit-Saginaw-Toledo-Kalamazoo-Grand Rapids-Detroit 576
Detroit-Saginaw-Kalamazoo-Toledo-Grand Rapids-Detroit 682
Detroit-Saginaw-Grand Rapids-Toledo-Kalamazoo-Detroit 646
Detroit-Grand Rapids-Saginaw-Toledo-Kalamazoo-Detroit 670
Detroit-Grand Rapids-Toledo-Saginaw-Kalamazoo-Detroit 728
Saginaw
113
Grand Rapids 137 98
142
167 147
56
Detroit
135
Kalamazoo 58
133
G1 Toledo
Detroit-Toledo-Kalamazoo-Grand Rapids-Saginaw-Detroit 458

Trik Mempermudah Mendaftarkan Kemungkinan Rute
1 2 3 4
2 1 2 1 4 2
3 4 3 4 3 1
3 3 1 4 2 4 3
4 2 4 2 3 4 1 4 1 3 2 1 1 2 1 2 3
4 3 4 2 3 2 4 3 4 1 3 1 4 1 4 2 1 2 1 3 1 2 3 2
Contoh 2 Traveling Salesman Problem
a
b • Selesaikan Masalah TSP pada G1
3
dengan cara menentukan bobot
5
total untuk semua Hamiltonian
2 6
circuit yang mungkin dan
4
menentukan yang menghasilkan
d 7 c bobot total paling minimal.
G1
a
b
Rute Bobot Total 3
a,b,c,d,a 18 5
a,b,d,c,a 19 2 6
a,c,b,d,a 17 4
d 7 c
G1
Daftar Pustaka
Suryadi, H.S. Teori Graf Dasar, Jakarta: Gunadarma
Discrete Mathematics and Its Applications (3rd edition). Kenneth H Rosen. McGraw-Hill Inc. Singapore,
1995
L Toscano, S Stella, and E Milotti, Using graph theory for automated electric circuit solving, [tersedia:
https://core.ac.uk/download/pdf/53745212.pdf]
Rinaldi Munir, Diktat Kuliah Matematika Diskrit Bandung:ITB

Ghidoni, S., Nanni, L., Brahnam, S., and Menegatti, E. 2014. Texture Descriptors Based on Dijkstra's
Algorithm for Medical Image Analysis. Studies in Health Technology and Informatics 207:74-82.
Ustun, T.S., Ozansoy, C., and Zayegh, A. 2011. Implementation of Dijkstra's algorithm in a dynamic
microgrid for relay hierarchy detection. DOI: 10.1109/SmartGridComm.2011.6102370
PENERAPAN TEORI GRAF
DI BIDANG TEKNIK INDUSTRI
Dr. Rakhma Oktavina

Prodi Teknik Industri Universitas Gunadarma
Teori Graf
⚫ Graf merupakan diagram yang memuat informasi
tertentu dan dilambangkan dengan suatu
keterhubungan antar titik.
⚫ Graf menggambarkan berbagai macam struktur yang
ada, misalnya: struktur organisasi, rute jalan, bagan
alir pengambilan mata kuliah, dan lain-lain.
⚫ Tujuan Graf adalah untuk menggambarkan obyek-
obyek agar lebih mudah dimengerti.
Komponen Graf
⚫ Himpunan simpul / verteks / titik / node yang dilambangkan
dengan V= V(G) = {v1, v2, ..., vn}, yang berhingga dan tidak
kosong.
⚫ Himpunan ruas / garis / edge yang dilambangkan dengan E=
E(G) = {e1, e2, ..., em}, yang berhingga dan boleh kosong.
⚫ Setiap ruas menghubungkan dua simpul.
⚫ Suatu graf dinyatakan dengan G (V, E), dimana simpul dinyatakan
dengan titik dan ruas dinyatakan dengan garis.
Jenis Graf
⚫ Graf yang tidak mempunyai ruas dinamakan graf kosong
(null graph) (f).
⚫ Graf yang mempunyai simpul yang dihubungkan dengan
lebih dari satu ruas dinamakan multiple graph
(multigraph) (e).
⚫ Graf yang semua ruasnya tidak berarah dinamakan graf
tak berarah(undirected graph) (a,b,c).
⚫ Graf yang semua ruasnyaberarah dinamakan graf
berarah(directed graph atau digraph) (d,e).
⚫ Graf yang setiap simpulnya dihubungkan ke simpul yang
lain disebut graf lengkap (complete graph) (b).
⚫ Graf yang tidak mempunyai gelang atau ruas ganda
dinamakan graf sederhana (simple
Graph) (a, b, d)
.
• Graf yang mempunyai gelang atau ruas ganda dinamakan

graf tidak sederhana (unsimple graph) (c, e)
Jalan (Walk)
• Jalan adalah urutan simpul dan ruas yang bergantian tidak kosong dan
berhingga yangdimulai dan diakhiri dengan simpul, dimana setiap ruas
menghubungkan dua simpul (sebelum dan sesudah ruas tersebut). Dalam
lintasan, simpul dan ruas bisa diulang.
• Jalan dengan panjang n dari simpul u ke w dituliskan sebagai: v1, e1, v2, e2,
..., vn-1, en-1, vn, en dengan v1 = u, vn = w, vj-i dan vi adalah simpul simpul
ujung ruas ei.
● Jalan Tertutup : Jika simpul awal = simpul akhir (v0 = vk)
● Jalan Terbuka : Jika simpul awal  simpul akhir (Vo  Vk)

Jejak/Tapak (Trail)
• Jejak/Tapak merupakan lintasan dimana semua ruasnya berlainan (tidak

diulang), sedangkan simpulnya boleh diulang.
• Jejak/Tapak dengan panjang n dari simpul u ke w dituliskan sebagai: v1, e1,
v2, e2, ..., vn-1, en-1, vn,en dengan v1 = u, vn = w, ei ≠ ej untuk i  j.
Lintasan/Jalur (Path)
• Litasan/Jalur merupakan tapak dimana semua simpulnya berlainan, kecuali

jika jalur tersebut merupakan jalur tertutup sehingga simpul awal sama dengan
simpul akhir.
• Lintasan/Jalur dengan panjang n dari simpul u ke w dituliskan sebagai: v1, e1,
v2, e2, ..., en-1, vn-1, en, vn dengan v1 = u, vn = w, ei ≠ ej untuk i  j dan vk ≠
vm untuk k  m.
● Setiap lintasan adalah jejak, tetapi jejak tidak harus berupa lintasan
Sirkuit (Circuit)
• Sirkuit adalah jalur yang tertutup.
• Sirkuit dengan panjang n dari simpul u kembali ke u lagi dituliskan sebagai: v1,
e1, v2, e2, ..., en-1, vn-1, en, vn dengan v1 = vn = u, ei  ej untuk i j dan
vkvm untuk k  m.
● Setiap siklus adalah sirkuit, tetapi sirkuit tidak harus berupa siklus
Siklus (Cycle)
⚫ Merupakan jalan (walk) tertutup dimana tidak
ada simpul lain yang diulangi selain simpul awal
dan akhir
Konsep Simpul/Titik Sisi
Jalan (Walk) Boleh berulang Boleh berulang
Jejak (Trail) Boleh berulang Boleh berulang
Lintasan (Path) Tidak berulang Tidak berulang

Contoh:
APLIKASI GRAF
⚫ Masalah Penjadualan Produksi / Proyek (Network Analysis)
⚫ Masalah Transportasi (Shortest Rute)
⚫ Masalah Penugasan (Hungarian Method)
⚫ Masalah Perencanaan Tata Letak fasilitas (Branch and Bound)
⚫ Masalah Penentuan Lokasi Pabrik (Teori Weber)
⚫ Masalah Optimasi Kejadian Deterministik dan Probabilistik
(Dynamic Programming)
⚫ dll
A. MASALAH PENJADUALAN PRODUKSI
⚫ Penjadwalan produksi merupakan proses pengalokasian sumber daya

(resource) untuk setiap proses yang akan dilakukan (Vollmann et al.,
2005).
⚫ Penjadwalan produksi merupakan proses pengambilan keputusan untuk
menghasilkan output melalui proses pengelompokan, pemilihan dan
penetuan waktu penggunaan sumber daya (resource) yang dimiliki
Penjadwalan produksi adalah proses untuk mengambil keputusan kapan
dan dimana pekerjaan akan dilakukan untuk menghasikan output tertentu.
Contoh Kasus
⚫ Kasus : Perancangan Jadual Produksi Jamu Dengan Prosedur Cara Proses Produksi Obat Yang
Baik (CPPOB) (Oktavina, R.,dan Retno M, 2011)
⚫ Metodologi : Analisis Jaringan Kerja (Network Analysis) dengan Project Evaluation and
Review (PERT ) dan Critical Path Method (CPM)
⚫ Penelitian ini bertujuan untuk (1) mengidentifikasikan tahapan proses produksi jamu yang
baik sesuai standar CPOTB, (2) mengidentifikasik dan mengumpulkan data mengenai proses
produksi, jenis aktivitas, dan informasi lain yang diperlukan dari bagian arsip di beberapa
perusahaan jamu yang telah memenuhi standar Cara Produksi Obat Tradisional yang Baik
(CPOTB) pada proses produksinya, (3) membuat algoritma penjadualan proses produksi
industri jamu yang memenuhi standar CPOTB dalam bentuk jaringan kerja.
⚫
Metodologi
METODA JARINGAN KERJA (NETWORK)
- Berdasarkan waktu kegiatan

* Metoda Critical Path Method (CPM)
* Metoda Program Evaluation and Review Technique (PERT)
- Berdasarkan alur kegiatan (lambang yang digunakan):
* Activity On Arrow (AOA) PERT DAN CPM
* Activity On Node (AON) PDM (Precedence Diagram Method)
PEMBUATAN JARINGAN KERJA (NETWORK)
1. Mengidentifikasi dan merumuskan kegiatan

- Lingkup kerja proyek
- Sasaran proyek
- Sumberdaya proyek
- Hubugan antar kegiatan/sub kegiatan
Batas/definisi yang erat hubungannya dengan analisis jaringan kerja adalah sbb:
• Kegiatan (activity) merupakan bagian dari lingkup proyek yang memiliki waktu awal dan akhir, sehingga
untuk melaksanakannya memerlukan sumberdaya (waktu, uang, tenaga, dll)
• Jaringan kerja (network) merupakan grafik yang menggambarkan urutan kegiatan-kegiatan proyek,
termasuk hubungan yang satu dengan yang lain.
• Kejadian (even) merupakan tanda selesainya satu atau lebih kegiatan
• Jalur (path) merupakan garis yang menghubungkan kegiatan pada jaringan kerja
• Jalur kritis (critical path) merupakan jalur yang terdiri dari kegiatan-kegiatan yang bila terlambat akan
mengakibatkan keterlambatan penyelesaian proyek
Data Aktivitas
Pada Proses
Produksi Jamu
Dengan
Prosedur
CPPOB
2. Estimasi Waktu Penyelesian Proyek
- Ditentukan oleh tim proyek berdasarkan konsensus bersama antar anggota tim atau pengalaman
proyek sejenis
- Dua pendekatan estimasi:
(a) Menggunakan 3 nilai : Optimistik (a), Umum (m), dan
Pesimistik (b) PERT
(b) menggunakan 1 nilai waktu, digunakan untuk proyek yang sudah ada waktu rata-rata (waktu
baku)
CPM
Penentuan Estimasi Waktu Menggunakan Program Evaluation and Review Technique (PERT)
Te = (a + 4m + b)/ 6
Dimana: Te = Taksiran waktu

V = variansi
V = ((b-a )/ 6)2 untuk 0 dan 100%
Atau
V = ((b-a) / 3,2) 2 untuk 5% (tingkat kepercayaan 95%)

Contoh:
Kode aktivitas Aktivitas pendahulu Taksiran waktu penyelesaian (bln)

Optimistik Umum Pesimistik Te
(a) (m) (b)
A - 1 2 3 2
B - 2 3 4 3
C - 3 4 5 4
D A 2 4 6 4
E A 2 3 10 4
F B 1 3 5 3
G C 1 4 7 4
H D 1 3 11 4
I B,G 4 4 4 4
J H 1 3 11 4
K E,F 5 7 15 8
L I 1 1 1 1
Network Proses Produksi Jamu Dengan Prosedur CPPOB
Identifikasi Aktivitas Kritis
Jalur kritis berkaitan dengan semua kegiatan kritis dapat ditentukan. Prosedur mendapatkan jalur kritis sama
seperti yang terdapat pada langkah ke delapan metode PERT yaitu Max. varians. Cara lain untuk mengetahui
apakah suatu kegiatan kritis atau tidak adalah dengan melihat nilai Total Folat dan Free Float (S atau Tf dan SF
atau FF ) dengan metode CPM.
Jika kegiatan (i, j) kritis maka S atau TF = 0 dan jika S atau TF = 0 maka kegiatan (i, j) kritis.
Bukti: Dari persamaan (9) TF = LC - EC , yang dapat dituliskan sebagai LC - EC + ES – ES atau dengan
persamaan (10) diperoleh TF = (LC – ES ) – FF . Berdasarkan persamaan (5), jika kegiatan (i, j) kritis maka LC =
ES , sehingga TF = – FF . Karena FF  0 maka TF = 0. Sebaliknya jika TF = 0 maka LC = EC , sehingga LC –
ES = EC – ES , ruas kiri menjadi SL dan ruas kanan = ES + D – (ES + D ) sehingga SL = 0 dengan
menambahkan ESi pada kedua ruas di persamaan LCj = EC maka dengan cara sama diperoleh SL = 0 sehingga
terbukti kegiatan (i, j) kritis.
Dari pembuktian terlihat pula jika (i, j) kritis maka SF atau FF = 0, tetapi hal sebaliknya tidak berlaku. Solusi
analisis jaringan kerja dengan metode CPM didasarkan pada kuantitas ES , LC , EC , LS , TF dan FF .
Solusi Dengan Metode PERT
● Penyusunan jadwal dengan melibatkan tiga nilai estimasi dari durasi setiap kegiatan dikenal sebagai
metode PERT (Project Evaluation and Review Technique).
● Ketidakpastian penentuan durasi setiap kegiatan dalam metode PERT dicerminkan dengan tiga nilai
estimasi yaitu waktu optimistis, waktu yang paling mungkin dan waktu pesimistis dari durasi setiap.
● Ketiga nilai ini diperoleh berdasarkan pengalaman manajer produksi dalam memperkirakan lamanya
waktu proses sebagaimana dijelaskan pada bagian sebelumnya.
● Prosedur metode PERT untuk mendapatkan solusi analisis network:
1. Representasi data network berupa pasangan (i, j) untuk setiap kegiatan yang terlibat dan
representasi grafis berupa (diagram anak panah) dari semua aktifitas dalam suatu proyek
2. Perkiraan durasi setiap kegiatan berupa waktu tercepat ( optimistis) a, waktu terlama b
(pesimistis) dan waktu yang paling mungkin terjadi (ekspektasi) m. Sehingga dengan tiga perkiraan
itu, distribusi durasi suatu kegiatan dapat diasumsikan mengikuti distribusi normal. Dengan
parameter distribusi adalah: rerata durasi dari setiap kegiatan: dan yaitu
variansi dari durasi untuk setiap kegiatan/aktivitas.
Solusi Dengan Metode CPM
Selain nilai ES di setiap simpul, nilai LF di setiap simpul sebagaimana yang terdapat pada metode
PERT diperlukan juga:
1. Nilai LS , kegiatan (i, j) dihitung dengan formula: LF = LF – D
2. Nilai EC , waktu tercepat menyelesaikan kegiatan (i, j) dihitung dengan formula EFij = ES + D
3. Nilai S atau TF , Total float dari kegiatan (i, j) dihitung dengan formula:
TF = LF – ES – D atau
TF = LF – EC atau
TF = LS – ES .
4. Nilai SF atau FF free float dari kegiatan (i ,j) dihitung dengan formula:
FF = ES – ES – D atau FF = ES -
EF .
⚫ Penggabungan Solusi CPM dan PERT : PERT TYPE SYSTEM
Metode analysis jaringan kerja PERT dan

CPM digunakan dalam satu kerangka kerja
untuk menghasilkan jadwal kegiatan sesuai
kebutuhan.
Output dari Metode PERT dijadikan input dari

metode CPM yang nantinya digunakan
kembali bersama output dari metode CPM
untuk menyusun jadwal kegiatan
.
⚫ B. Masalah Transportasi (Shortest Rute)
⚫ Metode Transportasi merupakan suatu metode yang
digunakan untuk mengatur distribusi dari sumber-
sumber yang menyediakan produk yang sama ke
tempat-tempat yang membutuhkan secara optimal
dengan biaya yang termurah.
⚫
⚫ Alokasi produk ini harus diatur sedemikian rupa

karena terdapat perbedaan biaya-biaya alokasi dari
satu sumber atau beberapa sumber ke tempat
tujuan yang berbeda.
Algoritma
⚫ Greedy
⚫ Jarak pendek / rute lokal
⚫ Dijkstra
⚫ Breadth First
⚫ Hill Climbing Rute antar kota (Traveling
⚫ Depth First Salesman problem)
⚫ Nearest neighbor Jarak dan kapasitas
⚫ Tabu Search angkut kendaraan
⚫ dll
Contoh Kasus
Kasus :
Pencarian Rute terpendek Dengan Algoritma
Greedy (Hayati, E.N. dan Antoni Y, 2014)
Tujuan :
Menentukan rute optimum dari Kecamatan
Ngaliyan ke Kecamatan Sampangan
sehingga mempunyai jarak terpendek.
Lintasan : Nama daerah dari kecamatan

Ngaliyan sampai kecamatan Sampangan
yang akan dilalui disimbolkan dengan abjad
A sampai dengan L, sedangkan daerah
disimbolkan dengan lingkaran (node)
Rute yang dilewati dari kecamatan Ngaliyan ke kecamatan Kendeng
Algoritma Greedy
Algoritma greedy adalah algoritma yang memecahkan masalah langkah demi langkah, pada setiap
langkah :
a. Mengambil pilihan yang terbaik yang dapat diperoleh saat itu
b. Berharap bahwa dengan memilih optimum local pada setiap langkah akan mencapai optimum
global. Algoritma greedy mengasumsikan bahwa optimum lokal merupakan bagian dari optimum
global.
Persoalan optimasi dalam konteks algoritma greedydisusun oleh elemen-elemen sebagai berikut:
a. Himpunan kandidat, C. Himpunan ini berisi elemen-elemen pembentuk solusi. Pada setiap
langkah, satu buah kandidat diambil dari himpunannya.
b. Himpunan solusi, S. Merupakan himpunan dari kandidat-kandidat yang terpilih sebagai solusi
persoalan. Himpunan solusi adalah himpunan bagian dari himpunan kandidat.
c. Fungsi seleksi – dinyatakan sebagai predikat SELEKSI – merupakan fungsi yang pada setiap
langkah memilih kandidat yang paling mungkin untuk mendapatkan solusi optimal. Kandidat yang
sudah dipilih pada suatu langkah tidak pernah dipertimbangkan lagi pada langkah selanjutnya.
d. Fungsi kelayakan (feasible) – dinyatakan dengan predikat LAYAK – merupakan fungsi yang
memeriksa apakah suatu kandidat yang telah dipilih dapat memberikan solusi yang layak, yakni
kandidat tersebut bersama-sama dengan himpunan solusi yang sudah terbentuk tidak melanggar
kendaara yang ada.
e. Fungsi obyektif, merupakan fungsi yang memaksimumkan atau meminimumkan nilai solusi.
Prosedur Algoritma Greedy
a. Periksa semua sisi yang langsung bersisian dengan simpul a. Pilih sisi yang
bobotnya terkecil.Sisi ini menjadi lintasan terpendek pertama, sebut saja L(1).
b. Tentukan lintasan terpendek kedua dengan cara berikut:

i. hitung: d(i) = panjang L(1) + bobot sisi dari simpul akhir L(1) ke simpul i yang
lain
ii. pilih d(i) yang terkecil
Bandingkan d(i) dengan bobot sisi (a, i). Jika bobot sisi (a, i) lebih kecil daripada
d(i), maka L(2) = L(1) U (sisi dari simpul akhir L(i) ke simpul i)
c. Dengan cara yang sama, ulangi langkah 2 untuk menentukan lintasan terpendek
berikutnya.
Graf dari node A sampai dengan node L dan bobot tiap-tiap sisi
(bobot menyatakan jarak dari setiap node satu ke node lain).
Lintasan pertama yang harus dipilih dari node A ke node B

(sisi AB) dengan bobot 2.
Memilih sisi yang berdekatan dengan sisi AB, yaitu sisi BC dengan
bobot 2 dan sisi BD dengan bobot 2. Dengan memilih sisi AB maka
bobot totalnya 4 demikian juga memilih sisi BD maka bobot totalnya 4.
Sehingga memilih sisi BC dan sisi BD.
Selanjutnya memilih sisi yang berdekatan dengan sisi BC,
yaitu sisi CE dengan bobot 0,22 sehingga bobot totalnya
4,22. Sisi yang berdekatan dengan sisi BD adalah sisi DC
dengan bobot 3, sehingga bobot totalnya 7, sisi DG juga
berdekatan dengan sisi BD dengan bobot 2,5 sehingga
bobot totalnya 6,5. Jadi memilih sisi DG karena mempunyai
bobot lebih kecil.
Selanjutnya memilih sisi yang berdekatan dengan sisi CE, yaitu
sisi EL dengan bobot 12 jadi bobot totalnya 16,22.Sisi GI dengan
bobot 2 berdekatan dengan sisi DG, jadi bobot totalnya 9.
Selanjutnya memilih sisi yang berdekatan dengan sisi GI, yaitu

sisi IK dengan bobot 2 jadi bobot totalnya 10,5.
Selanjutnya memilih sisi yang berdekatan dengan sisi IK, yaitu sisi KJ
dengan bobot 1 sehingga bobot totalnya 11,5 dan sisi KL dengan
bobot 3,5 jadi bobot totalnya 14. Sehingga memilih sisi KJ karena
mempunyai bobot lebih kecil
Selanjutnya memilih sisi yang berdekatan dengan sisi KJ, yaitu sisi
JL dengan bobot 0,5 sehingga bobot totalnya 12
Rute yang optimal dengan jarak yang paling pendek adalah :

A→ B → D → G → I → K → J → L dengan jarak 12, yaitu
Ngaliyan → SPBU Ngaliyan → Pasadena → Kalipancur →
Simongan → SPBU Jembatan Besi → Menoreh → Sampangan.
⚫ C. Masalah Tata Letak Fasilitas
Tata letak fasilitas adalah tata cara pengaturan fasilitas-fasilitas pabrik untuk menunjang proses
produksi, dengan menempatkan mesin atau fasilitas penunjang lain secara efektif dan efisien pada
area yang telah disediakan, sehingga dapat meminimasi pergerakan dari fasilitas satu kefasilitas
lainnya, dengan memperhatikan beberapa hal yaitu :
1. Luas dan bentuk bangunan
2. Area untuk penempatan mesin/fasilitas penunjang produksi lainnya
3. Ruang untuk pergerakan material
4. Area penyimpanan
5. Ruang pergerakan pekerja
Penelitian yang pernah dilakukan sebelumnya (Heragu, 2008) dinyatakan bahwa metode Graph
Theoretic Approach dapat digunakan untuk merancang tata letak pabrik dengan mengidentifikasi
Maximal Planar Adjacency Graph (PAG).
Metode Graph Theoretic Approach digunakan dengan cara trial and error dan mempertimbangkan
total momen untuk menentukan kedekatan masing-masing departemen.
Graph Theoretic Approach merupakan salah satu algoritma heuristik yang dikembangkan oleh
Stefan Hetzl dan Peter Mutzel, untuk mengidentifikasi Maximal PlanarAdjacency Graph (PAG).
Departemen-departemen yang harus saling berdekatan dapat diketahui melalui Maximal PAG
tersebut.
Contoh Kasus
⚫ Kasus : Usulan perbaikan Tata Letak Pabrik di PT. A Dengan Metode Graph Theoretic Approach (Elly
Setia Budi, Julius Mulyono, Dian Retno Sari Dewi). Jurnal I lmiah Widya Teknik Vol. 13 - No. 1 -
Tahun 2014. ISSN 1412-7350.
⚫ Deskripsi Kasus:
⚫ Tempat penelitian dilakukan pada PT. A, sebuah industri yang bergerak pada bidang manufaktur yang
memproduksi furniture dan merupakan perusahaan job shop. Beberapa macam produk yang
dihasilkan, seperti meja belajar dan meja komputer. Layout lantai produksi PT. A tidak pernah berubah
secara signifikan dari awal pendirian. Selama ini hanya dilakukan peletakan mesin baru pada area
yang kosong. Pada lantai produksi PT. A akan dilakukan perancangan tata letak yang dapat
meminimasi total momen perpindahan yang terjadi dengan menggunakan Graph Theoretic Approach.
Layout usulan didapatkan dengan membuat Maximal PAG dari beberapa iterasi, kemudian dianalisis
lebih lanjut untuk mencari solusi dari permasalahan ini.
Langkah-langkah Pembuatan Maximal PAG dengan Metode GTA
1. Tentukan pasangan mesin dalam flow matrix yang memiliki aliran perpindahan terbesar.
Letakkan node-node tersebut dalam PAG baru dan hubungkan.
2. Dari baris node-node yg terhubung tersebut pada flow matrix, carilah node yang belum ada di
PAG dan memiliki aliran perpindahan terbanyak dengan node yang telah terhubung di PAG.
3. Perbarui PAG dengan menghubungkan node terpilih dengan node-node pada PAG (yang terpilih
pd langkah ke-1). Hal iniakan membentuk triangular face pada PAG. Pilihlah permukaan ini dan
lanjutkan ke langkah ke-4.
4. Dari setiap kolom pada flow matrix, dimana node belum ada di PAG, lakukan penjumlahan dari
aliran masuk ke baris yang ada di node-node dari permukaan segitiga terpilih. Pilihlah kolom
dengan jumlahan terbesar. Perbarui PAG dengan meletakkan node di antara permukaan terpilih
dan hubungkan node tersebut dengan node-node dari permukaan terpilih tersebut. Hal ini akan
membentuk 3 permukaan segitiga baru.
5. Secara arbiter, pilihlah salah satu permukaan yang telah terbentuk dan lanjutkan ke langkah ke-
4. Kemudian ulangi langkah ke-5 sampai semua node telah masuk ke dalam PAG.
Pengumpulan Data
⚫ Data yang diperlukan meliputi data yang berkaitan dengan proses produksi, massa masing-
masing part yang akan dipindahkan, total momen perpindahan awal, luasan lantai produksi,
hingga penataan departemen yang digunakan pada lantai produksi di PT. A.
⚫ Pengumpulan data dilakukan dengan cara wawancara kepada pihak perusahaan yang
bersangkutan dan observasi langsung pada perusahaan terkait. Produk yang dijadikan objek
penelitian adalah seluruh produk yang biasanya diproduksi hingga saat penelitian dilakukan.
⚫ Produk yang menjadi obyek adalah meja komputer (GT47476, OL61611, AF85885) dan meja
belajar (P12133, H43477). Produk bersifat knockdown. Bahan baku utama yang digunakan
adalah kayu PB (Particle Board) dan pipa besi.
Data Parts Produk
Data Permintaan Produk Per Bulan Data Routing Process Masing-masing Part
Data Departemen Di Lantai Produksi A

Pengolahan Data
⚫ Pembuatan layout awal lantai produksi perusahaan
Jumlah Mesin Per Departemen
⚫ Pembuatan layout Usulan Perbaikan
1. Menghitung perpindahan Iterasi 0
massa yang terjadi antar Dari seluruh node yang tersedia, dipilih jumlah
masing-masing aliran perpindahan massa yang paling besar,
departemen. yaitu node 14 dan 16 (sebesar 15406,5 kg).
Kemudian node 14 dan 16 dihubungkan.
Iterasi 1
Dipilih busur 14–16, node 13 memiliki jumlah
aliran perpindahan terbesar dengan node 14
dan 16 (sebesar 13183,0029 kg). Kemudian
node 13 yang terpilih dan dihubungkan dengan
node 14dan 16.
Iterasi 2
Dipilih busur 13-14-16, node 1 memiliki jumlah
aliran perpindahan terbesar dengan node 13, 14,
dan 16 (11113,8876 kg). Kemudian node 1 yang
terpilih dan dihubungkan dengan node 13, 14,
dan 16.
Iterasi 3
terpilih dan dihubungkan dengan node 1, 13,
dan 14.
Iterasi 4
terpilih dan dihubungkan dengan node 1, 13, dan
16.
Iterasi 14
Dipilih busur 11-13-14, node 15 (terakhir)
memiliki jumlah aliran perpindahan terbesar
dengan node 11, 13, dan 14 (211,2668 kg).
Kemudian node 15 yang terpilih dan
dihubungkan dengan node 11, 13, dan 14.
Kemudian dibuat from to chart dan flow matrix sebagai alat bantu dalam pengerjaan
menggunakan metode GTA. Setelah itu dilakukan pembuatan maximal PAG dari
menghubungkan node-node yang terpilih.
From To Chart
Flow Matrix
Hasil Iterasi dengan Menggunakan GTA
⚫ 2. Menggambarkan dual dari maximal PAG untuk mengetahui departemen yang seharusnya berdekatan. Dari dual
maximal PAG dapat digambarkan layout usulan dengan mengikuti langkah algoritma heuristik baru yang
mempertimbangkan bobot antar masing-masing departemen. Setelah itu dilakukan perhitungan total momen
perpindahan dari layout usulan untuk dibandingkan dengan total momen perpindahan layout awal.
Step 1 : Gambarlah permukaan seluruh departemen dalam bentuk persegi
Step 2 : Carilah departemen yang paling banyak dilalui oleh aliran produksi. Depertemen (i)
tersebut akan menjadi pusat dan diletakkan di bagian tengah pada penggambaran layout
usulan. Tandai i = i* , artinya departemen yang telah terpilih tidak dapat dipilih kembali.
Step 3 : Pemilihan departemen selanjutnya dilihat dari Dual Maximal PAG. Pilih
departemen yang bersinggungan langsung dengan garis lengkung departemen sebelumnya
(i*). Akan terdapat beberapa pilihan departemen.
Step 4 : Pilih salah satu departemen baru (i) dengan melihat bobot perpindahan terbesar yang
terhubung dengan departemen sebelumnya (i*).
Step 5 : Letakkan departemen berikutnya yang terpilih pada salah satu sisi departemen pusat
tersebut. Jika bobot antar hubungan departemen adalah yang paling besar, maka usahakan
peletakkannya segaris (dilihat dari titik berat) karena perhitungan jarak menggunakan
rectilinear. Serta beri garis penghubung antar departemen yang menunjukan tingkat
kedekatan. Warna merah (tingkat 70-100% dari bobot terbesar) menunjukkan sangat dekat,
warna biru(tingkat 40-70% dari bobot terbesar) menunjukkan dekat, warna hijau (tingkat
10-40% dari bobot terbesar) menunjukkan cukup dekat, dan warna kuning (tingkat 0,5-10%
dari bobot terbesar) menunjukkan biasa. Hal inididasari oleh bobot perpindahan antar
departemen.
Step 6 : Pemilihan departemen berikutnya
mempertimbangkan bobot terbesar yang terkait pada
⚫ 3. Usulan layout yang baru disesuaikan dengan
departemen-departemen yang telah dipilih sebelumnya. keadaan luas dan jumlah mesin perusahaan. Setiap
Letakkan seluruh departemen hingga menjadi layout perpindahan yang terjadi dihitung secara rectilinear
Area Allocatiaon Diagram (AAD) yang belum memiliki
dimensi (belum menggunakan ukuran departemen yang dan diasumsikan perpindahan dimulai dan diakhiri
sesungguhnya). pada titik berat (centroid) mesin.
Step 7 : Ubah bentuk dari setiap departemen yang
berbentuk persegi, menjadi ukuran yang sebenarnya.
Perhatikan juga jika ada jarak yang ditentukan untuk
aisle.
Step 8 : Selanjutnya, perlihatkan batas ukuran luasan

bangunan atau lantai produksi yang bersangkutan. Total
panjang dan lebar dari keseluruhan departemen tidak
boleh melebihi panjang dan lebar bangunan atau lantai
produksi
Step 9 : Bila ada departemen yang berada di luar batas,

maka layout akan diatur hingga seluruh departemen
berada dalam batasan dengan tetap mengacu pada
tingkat kedekatan yang telah terlihat pada AAD tanpa
dimensi. Pengaturan dapat berupa dengan pemindahan,
penggeseran, atau merotasi departemen (menjadi
portrait atau landscape) untuk memberikan ruang bagi Layout Usulan Perbaikan
departemen lain.
Hasil
⚫ Dari hasil perhitungan yang telah dilakukan, layout usulan 1 dapat mengurangi total momen
perpindahan sejumlah 1.155.006,2603 kg.m dengan persentase minimasi 47,9323 % dari
layout awal yaitu dengan total momen perpindahan sejumlah2.409.663,0894 kg.m.
⚫ Terjadi perbedaan jumlah mesin hasil perhitungan dengan jumlah mesin yang saat ini
digunakan. Hal ini memperlihatkan bahwa pemakaian jumlah mesin seharusnya dapat
dikurangi. Jumlah mesin awal 34 unit, hasil setelah perhitungan 27 unit.

Terapan Teori Graf: Dr. Ernastuti Dr. Nola Marina Dr. Aini Suri Talita

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Terapan Teori Graf: Dr. Ernastuti Dr. Nola Marina Dr. Aini Suri Talita

Diunggah oleh

Hak Cipta:

Format Tersedia

TERAPAN Dr.

1. Berapa jumlah simpul di dalam graf G?

2. Berapa jumlah ruas di dalam graf G?

1. Berapa jumlah simpul di dalam graf G?

2. Berapa jumlah ruas di dalam graf G?

1. Berapa jumlah simpul di dalam graf G?

2. Berapa jumlah ruas di dalam graf G?

1. Berapa jumlah simpul di dalam graf G?

2. Berapa jumlah ruas di dalam graf G?

1. Berapa jumlah simpul di dalam graf G?

2. Berapa jumlah ruas di dalam graf G?

1. Berapa jumlah simpul di dalam graf G?

2. Berapa jumlah ruas di dalam graf G?

1. Berapa jumlah simpul di dalam graf G?

2. Berapa jumlah ruas di dalam graf G?

3 LINTASAN DAN SIRKUIT EULER

4 LINTASAN DAN SIRKUIT HAMILTONIAN

6 SHORTEST PATH PROBLEMS

Kumpulan Bilangan yang 3 1 10 0 5

1.1 MATRIKS KETETANGGAAN (adjacency matrices)

1.2 MATRIKS BERSISIAN (incidency matrices)

1.3 SENARAI KETETANGGAAN (adjacency list)

1, jika simpul 𝒊 dan simpul 𝒋 bertetangga

❑ Derajat simpul adalah banyaknya ruas yang terhubung ke

Derajat simpul d(1) = 2 Derajat simpul d(1) = 0+1+1+0 = 2

1, jika simpul 𝒊 bersisian dengan 𝐫𝐮𝐚𝐬 𝒋

Contoh 3: Matriks Bersisian

Contoh 3: Matriks Bersisian

Simpul Simpul Tetangga

Contoh 5: Senarai Ketetanggaan

1. Berapa jumlah simpul pada Graf G? 1. Jumlah simpul = 5

Dua buah graf, G1 dan G2 dikatakan isomorfis jika terdapat

Dua buah graf G dan G* disebut

Graf S Graf T Graf V Graf X Graf Z

1. Jumlah Simpul = 5 Graf X dan K

Graf S Graf T Graf V Graf X Graf Z

G1 isomorfis dengan G2,

Graf G1 dan Graf G2 isomorfis

Dua buah graf isomorfis

Tiga buah graf isomorfis

Dari definisi graf isomorfis dapat dikemukakan bahwa

1. Mempunyai jumlah simpul yang sama.

1. Jumlah Simpul = 6 v 1. Jumlah Simpul = 6

✓ Sirkuit Euler ialah sirkuit yang melewati masing-masing ruas

✓ Graf yang mempunyai sirkuit Euler disebut graf Euler (Eulerian

(a) (b) (c) 5

(a) (b) (c) 5

(a) (b) (c) 5

(a) (b) (c) 5

(a) (b) (c) 5

Graf (a),(b) & (c) 5

(e) dan (f) bukan graf semi-Euler atau graf Euler

Suatu lintasan tertutup (sirkuit)

a b Tentukan apakah Graf G memiliki sirkuit

Tentukan apakah Graf G memiliki sirkuit

Tidak memiliki lintasan maupun

Ekstrasi fitur tekstur

4 b 3 (a,c) d 10 (a,c) 5 b 3 (a,c) d 8 (a,c, b)

80 (N,W) Camden 55 Atlantic City 130 (N, W, AP)

Newark ke Cape May? -> N, W, C, CM ; 165

TSP: Seorang salesman ingin

Rute Total jarak yang

Detroit-Toledo-Kalamazoo-Grand Rapids-Saginaw-Detroit 458