matching
DESCRIPTION
UNIVERSITAS NEGERI MALANGFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAMPROGRAM STUDI MATEMATIKATRANSCRIPT
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 (409312417669)
Rizqi Tri Ramadhayanti (409312417669)
Anisak Heritin (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 sehari-
hari 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 masing-
masing 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 EM dari pasangan sisi
yang tidak terhubung langsung (Rosen dkk, 2000;641)
Contoh:
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
a
b c d
e f g h
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 :
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.
Graph G dengan matching M={ ae, bf, cg, dh } merupakan perfect
matching di G.
a
b c d
e f g h
a
b c d
e f g h
G
a
c d
e f g h
b
H
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:
Pengertian Matching Maksimum
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
Graph G dengan M={ae, bf, cg, dh} merupakan matching maksimum
di G.
a
b c d
e f g h
G
a
b c d
e f g h
G
a
c d
e f g h
b
H
Ukuran Matching M = |M| = 4
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 MEe dan Me .
Contoh :
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
a
b c d
e f g h
G
Lintasan (a-e-b-f-c-g-d-h) merupakan
M- alternating path.
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
( ) {
( )
( )
( )
(Perhatikan bahwa ( ) ) kemudian ganti
𝓁 dengan Î dan G dengan G𝓁
3. Pilih suatu titik y di ( ) . Jika y M-saturated dengan
,maka ganti S dengan * + dan T dengan * +, dan
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 en, ulangi dari langkah 2 dengan Mn=Mn+1 dan
Mn+1=Mn+2.
4. Jika Mn+1 Mn en, berhenti. Jadi Mn adalah matching
maksimal.
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 Boyer-
Moore 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.
2. 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.
3. 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
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 pada matching/ laporan PKL.Malang:Universitas
Negeri Malang.
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
Pendidikan
Terakhir
Pengalaman
Kerja
Ketrampilan Posisi
1. Ghanis
Candra Dewi
SMK
(Jurusan
Tata Boga)
1 tahun 4 bulan Memasak Waiters
2. Eky Septian SMK
(Jurusan
1 tahun 2 bulan Bahasa
Asing
Recepsionist
Akutansi)
3. Rika Rindra SMK
(Jurusan
Tata Boga)
6 bulan Memasak Waiters
4. Eko Prayogo SMK
(Jurusan
Tehnik)
1 tahun 10
bulan
Bela Diri Security
5. Alvin
Widiantoro
SMK
(Jurusan
Info dan
Komunikasi)
Tidak
Berpengalaman
Bahasa
Asing
Room Boy
6. Yani
Mahardika
SMK
(Jurusan
Akomodasi
Perhotelan)
1 tahun 8 bulan Tidak
Mempunyai
Ketrampilan
House
Keeping
7. Anesti
Adiratna
SMK
(Jurusan
Akutansi)
2 tahun 2 bulan Bahasa
Asing
Recepsionist
8. Putri
Diyanita
SMK
(Jurusan
Akutansi)
2 tahun 8 bulan Bahasa
Asing
Resepsionist
9. Dwi
Sujatmiko
SMK
(Jurusan
Info dan
Komunikasi)
3 tahun Bela Diri Room Boy
10. Johan Edi SMK
(Jurusan
Akomodasi
Perhotelan)
2 tahun 7 bulan Bela Diri House
Keeping
Inisialisasi Nama:
A : Ghanis Candra Dewi F : Yani Mahardika
B : Eky Septian G : Anesti Adiratna
C : Rika Rindra H : Putri Diyanita
D : Eko Prayogo I : Dwi Sujatmiko
E : Alvin Widiantoro 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. Nama 1 2 3 4 5
1. A 8 11 9 9 8
2. B 12 12 13 15 12
3. C 7 10 8 8 7
4. D 13 10 11 10 12
5. E 8 7 10 7 9
6. F 7 6 9 6 8
7. G 14 15 14 17 14
8. H 15 16 15 18 15
9. I 11 10 13 10 12
10. J 12 11 14 11 13
Model Graph:
F
A
B
C
D
E
G
H
I
J
1
2
3
4
5
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 :
1
2
3
4
5
A
B
C
D
E
F
G
H
I
J
1
2
3
4
5
A
B
C
D
E
F
G
H
I
J
atau
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
. Nama Karyawan
Pendidikan
Terakhir Ketrampilan Posisi
Pengalaman
kerja
1. Masitah Hendriano S1 Akutansi Bahasa Inggris Accounting 3 Tahun
2. Wijanarko S1 Akutansi Bahasa Inggris Front Office 3 Tahun
3. Dwi Susanto S1 Manajemen Bahasa Inggris Front Office 2,5 Tahun
4. Farid S1 Pariwisata Bahasa Inggris Front Office 2 Tahun
5. Samsul S1 Pariwisata Bahsa Inggris Front Office Tidak
berpengalaman
6. Roby S SMK Bela diri House
Keeping 6 bulan
7. Sugeng SMK Bela diri House
Keeping 1 Tahun
8. Firman SMK Memasak House
Keeping 6 Bulan
9. Piani SD Memasak Loundry Tidak
berpengalaman
10. Wiwik D1 Pariwisata Tidak
memiliki Service 1 tahun
11. Suria D1 Pariwisata Memasak Kitchen 6 Bulan
12. Sulasmi D1 Pariwisata Memasak Kitchen 6 Bulan
13. Purwadi SMK Bela diri Security Tidk
berpengalaman
14. Eko S SMK Bela diri Security 5 Bulan
15. Fauzi SMP Bela diri General a
fair
Tidak
berpengalaman
16. Suroto SMP Bela diri General a
fair 1 tahun
4.2 MODEL GRAPH
Total pembobotan:
A B C D E F G H
1 20 20
2 21 19 18
3 19 19 17
4 17 16
5 15 13
6 11 13
7 12 14
8 9 13
9 8 10
10 7 11 9
11 14 12
12 14 12
13 11 11
14 12 12
15 11 9
16 12 10
Dengan Inisialisasi Nama:
1 : Masitah 6 : Robby S 11 : Suria 16 : Suroto
2 : Wijanarko 7 : Sugeng 12 : Sulasmi
3 : Dwi Susanto 8 : Firman 13 : Purwadi
4 : Farid 9: Piani 14 :Eko S
5 : Samsul 10 Wiwik 15 : Fauzi
Inisialisasi Posisi Kerja:
A : Accounting F : Kitchen
B : Front Office G : Security
C : House Keeping H : General a Fair
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
A
B
H
G
F
E
D
C
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
H
G
F
E
D
C
Penyelesaian dengan menggunakan algoritma Greedy
ITERASI I
Anggap M1={ (1,B),(2,A)} dengan
( ) ( )
Maka
ITERASI II
( ) ( ) ( ) 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
H
G
F
E
D
C
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
A
B
H
G
F
E
D
C
ITERASI III
( ) ( ) ( ) dengan ( )
Maka ( )
ITERASI IV
( ) ( ) ( ) dengan ( )
Maka ( )
1
2
3
4 5
6
7
8
9
1
0 1
1 1
2 1
3 1
4 1
5 1
6
A
B
H
G
F
E
D
C
1
2
3
4
5
6
7
8
9
10
1
1 1
2 1
3 1
4 1
5 1
6
A
B
H
G
F
E
D
C
ITERASI V
( ) ( ) ( ) dengan ( )
Maka ( )
ITERASI VI
( ) ( ) ( ) dengan ( )
Maka ( )
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
A
B
H
G
F
E
D
C
1
2
3
4 5
6
7
8
9
10
1
1 1
2 1
3 1
4 1
5 1
6
A
B
H
G
F
E
D
C
ITERASI VII
( ) ( ) ( ) dengan ( )
Maka ( )
Jadi, dari hasil penyelesaian dengan menggunakan algoritma
greedy diperoleh
*( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )+
dengan nilai maksimum hasil penilaian terhadap pencocokan
karyawan adalah 116.
1
2
3
4
5
6
7
8
9
10
11
1
2 1
3 1
4 1
5 1
6
A
B
H
G
F
E
D
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 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
Algoritma Greedy Win QSB
Accounting Wijanarko Wijanarko Wijanarko
Front Office Masitah Masitah Masitah
House Keeping Roby Sugeng Sugeng
Loundry Piani Piani Piani
Service Dwi S Dwi S Dwi S
Kitchen Firman Firman Firman
Security Sugeng Robby Robby
General afair Eko Eko Eko
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 data-
data 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 gambar-
gambar tiap sudut hotel juga mengambil gambar saat pengunjung datang ke hotel
tersebut.