OPTIMASI PARAMETER DALAM ANALISIS CREEP DAN FATIQUE TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA
|
|
- Glenna Tanudjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Optimalisasi Parameter alam Analisis Creep an Fatique Terhaap Material Menggunakan Algoritma Genetika OPTIMASI PARAMETER DALAM ANALISIS CREEP DAN FATIQUE TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA ABSTRAK Mike Susmikanti Pusat Pengembangan Informatika Nuklir (PPIN) - BATAN Kawasan Puspiptek, Serpong 1514, Tangerang Selatan mike@batan.go.i OPTIMASI PARAMETER DALAM ANALISIS CREEP DAN FATIQUE TERHADAPMATERIAL MENGGUNAKAN ALGORITMA GENETIKA. Dalam inustri, khususnya fasilitas nuklir, sifat an karakteristik material penting untuk ipelajari sehingga kualitas yang ipersyaratkan apat itingkatkan. Jenis kegagalan material antara lain meliputi creep an fatique. Pemoelan an simulasi merupakan penekatan untuk mengetahui sifat kekuatan material an apat iuji menggunakan analisis creep an fatique. Analisis ini merupakan faktor yang saling berkaitan alam stui sifat material. Penelitian ini meliputi penugaan optimasi parameter yang apat ipergunakan alam analisis creep an fatique terhaap material menggunakan penekatan algoritma genetika yang termasuk alam uji tak merusak. Algoritma genetika merupakan salah satu penekatan pencarian optimasi yang iasarkan mekanisme evolusi biologis. Teknik pencarian ilakukan terhaap sejumlah solusi yang mungkin terhaap fungsi tujuan optimal an sesuai engan batasan yang iberikan. Simulasi an pemoelan ini ipanang lebih efisien jika ibaningkan engan percobaan yang sulit ilakukan, engan waktu yang lama an biaya yang mahal. Selain itu kelebihan ari simulasi engan penekatan algoritma genetika apat iseliiki paa nilai-nilai parameter yang kontinyu alam suatu jangkauan jika ibaningkan alam percobaan yang ilakukan secara iskrit. Dari hasil pemoelan an simulasi yang ilakukan, iperoleh nilai parameter optimal stress an strain yang menekati hasil percobaan. Selanjutnya nilai parameter stress an strain yang optimal igunakan alam analisis creep an fatique untuk mengetahui sifat kekuatan material. Kata kunci: Algoritma Genetika, Creep, Fatique, Optimasi ABSTRACT PARAMETER OPTIMIZATION IN CREEPAND FATIGUE ANALYSIS OF MATERIAL USING GENETIC ALGORITHM. In the inustry, especially in nuclear facility, it is important to learn the require quality an characteristics of the material. The type of material failure inclue creep an fatigue. The analysis of creep an fatigue is interrelate factors in the stuy of material properties. In the analysis of creep an fatigue, the moeling an simulation can be use to etermine an teste, the nature an strength of the material. This research inclues optimization parameter estimation that can be use in the analysis of creep an fatigue of the material using a genetic algorithm approach which is inclue in non-estructive testing. Genetic algorithm is one approach to optimization base search mechanisms of biological evolution. This techniques one on a number of possible solutions to the optimal objective function an accoring to the given constraints. Simulation an moeling is consiere more efficient when compare to the experiments that may be ifficult, with long times an high cost. The avantages of the simulation approach in the genetic algorithm can be investigate parameter values in a continuous range rather than in experiments conucte iscrete. From the results of moeling an simulation, the estimates optimal parameter values of stress an strain were obtaine as experimental results. Furthermore, values of the optimal stress an strain parameters are use in the analysis to etermine the creep an fatigue strength properties of the material. Keywors: Genetic Algorithms, Creep, Fatique, Optimization PENDAHULUAN Dalam biang teknik nuklir, sifat an karakteristik material penting untuk ipelajari sehingga kualitas material apat terjamin mutunya. Dalam penelitian baik untuk bahan bakar nuklir, kelongsong bahan bakar nuklir an bejana reaktor, ilakukan pengkajian untuk mengetahui kekuatan material yang igunakan. Jenis kegagalan material antara lain meliputi creep an fatique selain korosi. Pemoelan an simulasi merupakan penekatan untuk mengetahui sifat kekuatan material an apat membantu pengujian terhaap analisis creep 151
2 Prosiing Pertemuan Ilmiah Ilmu Pengetahuan an Teknologi Bahan 2012 Serpong, Oktober 2012 ISSN an fatique. Analisis creep an fatique merupakan faktor yang saling berkaitan alam stui sifat material. Penelitian ini meliputi penugaan optimasi parameter yang apat ipergunakan alam analisis creep an fatique terhaap material menggunakan penekatan algoritma genetika yang termasuk alam uji tak merusak (Non Destructive Texture). Sistem kecerasan buatan untuk optimasi saat ini telah banyak iterapkan alam berbagai biang antara lain alam sistem esain, sistem manajemen mutu an sistem pengawasan yang menggunakan algoritma genetika. Algoritma genetika merupakan salah satu penekatan pencarian nilai optimasi baik nilai maksimum ataupun minimum yang iasarkan mekanisme evolusi biologis. Teknik pencarian alam algoritma genetika ilakukan terhaap sejumlah penyelesaian yang mungkin terhaap fungsi tujuan yang optimal an sesuai engan batasan yang iberikan. Simulasi an pemoelan ini ipanang lebih efisien jika ibaningkan engan percobaan yang mungkin sulit ilakukan, engan waktu yang lama an biaya yang mahal. Selain itu kelebihan ari simulasi engan penekatan algoritma genetika apat iseliiki untuk nilai-nilai parameter yang berkesinambungan alam suatu jangkauan tertentu jika ibaningkan alam eksperimen yang ilakukan secara iskrit. Pemilihan metoe seleksi alam algoritma genetika untuk optimasi terhaap fungsi tujuan an penugaan parameter stress an strain alam analisis creep an fatique, ilakukan engan metoe seleksi yang merupakan bagian rangkaian langkah-langkah yang ilakukan alam algoritma genetika. Dalam proses persilangan iniviu igunakan persilangan banyak titik. Dalam penelitian ini terlebih ahulu ilakukan penugaan parameter optimasi nilai stress an strain yang apat iberikan terhaap material sesuai engan fungsi tujuan an batasan yang iberikan. Simulasi menggunakan algoritma genetika iharapkan akan lebih efisien alam menentukan stress an strain optimal yang apat iberikan. Hasil pemoelan an simulasi yang ilakukan, igunakan sebagai penugaan hasil percobaan. Nilai parameter stress an strain yang telah iperoleh, igunakan alam analisis creep an fatique untuk mengetahui sifat kekuatan atau ketahanan material yang akan igunakan. Dari hasil pemoelan an simulasi yang ilakukan, iperoleh nilai stress an strain yang optimal yang nilainya menekati hasil percobaan, sesuai engan fungsi tujuan an batasan yang iberikan. Berikutnya iperoleh analisis perhitungan creep an fatique. Metoologi penelitian ini meliputi kajian permasalahan, pembuatan program menggunakan MATLAB serta penerapan pemoelan an simulasi terhaap material tertentu. TEORI Algoritma Genetika Algoritma genetika merupakan salah satu penekatan pencarian optimasi secara heuristik yang iasarkan mekanisme evolusi biologis secara menyeluruh. Teknik pencarian ilakukan terhaap sejumlah solusi yang mungkin yang isebut engan populasi. Nilai yang terapat alam satu populasi isebut engan istilah kromosom. Populasi awal ibangun secara acak, seangkan populasi berikutnya merupakan hasil evolusi kromosom-kromosom melalui iterasi yang isebut generasi. Paa setiap generasi, kromosom akan melalui proses evaluasi melalui fungsi kesesuaian (fitness). Nilai fitness kromosom menunjukkan kualitas kromosom alam populasi. Generasi berikutnya terbentuk ari proses penyilangan (crossover). Selain proses penyilangan, operasi kromosom apat juga menggunakan proses mutasi. Populasi generasi baru ibentuk engan cara memilih nilai fungsi kesesuaian kromosom inuk an anak, serta menolak kromosom lain yang tiak memenuhi syarat, sehingga ukuran populasi (jumlah kromosom) konstan. Setelah melalui beberapa generasi atau iterasi, maka algoritma ini akan konvergen ke kromosom terbaik [1]. Analisis Stress an Strain Dalam percobaan, pengujian kekuatan material, umumnya ilakukan uji-tarik (tensile-test). Pengujian stress (tegangan) ilakukan terhaap penampang lintang spesimen material apabila ikenakan suatu gaya atau beban. Seangkan pengujian strain (regangan) ilakukan terhaap material engan panjang awal tertentu sehingga iperoleh perubahan panjang material tersebut. Tegangan (stress) an regangan (strain) iefinisikan sebagai Persamaan (1) an Persamaan (2) [2], F... (1) A 0 l... (2) l 0 A 0 = Luas penampang lintang awal spesimen material sebelum imulainya pengujian l 0 = Panjang awal ari material yang iamati l Perubahan panjang sesuah iberikan gaya atau beban sebesar F Melalui analisis strain an stress apat iketahui nilai beban maksimal yang apat iberikan an seberapa besar perubahan panjang yang terjai, untuk mencegah terjainya patahan (fracture). 152
3 Optimalisasi Parameter alam Analisis Creep an Fatique Terhaap Material Menggunakan Algoritma Genetika Analisis Creep an Fatique Fatique merupakan kerusakan struktural progresif an lokal yang terjai ketika material ibebani oleh beban siklik. Nilai maksimum nominal stress harus kurang ari batas tegangan tarik, an mungkin i bawah batas tegangan luluh material. Jika beban beraa i atas ambang tersebut iatas, maka retak (crack) mikroskopik akan mulai terbentuk i permukaan. Akhirnya retak akan mencapai ukuran kritis an struktur akan patah. Kekuatan fatique merupakan maksimum stress alam suatu siklus inyatakan alam Persamaan () an Persamaan (4) [2], max min a... () 2 max min m 2... (4) a = Stress sebenarnya m = Stress rata-rata max = Stress maksimum min = Stress minimum Rancangan ketahanan fatique untuk pelat, inyatakan alam Persamaan (5), sehingga nilai iameter apat ihitung untuk esain suatu spesimen, FL... (5) = Stress sebenarnya F = Beban L = Panjang spesimen = Diameter Paa umumnya, spesimen iuji paa penerapan stress yang berbea. Hasilnya inyatakan alam kurva S-N (kurva Wohler) paa Gambar 1 untuk alat baja an campuran alumunium [, 4]. Creep merupakan kecenerungan bahan paat bergerak perlahan secara permanen i bawah pengaruh tekanan. Hal ini terjai sebagai akibat ari paparan jangka panjang untuk tingkat stress yang tinggi yang beraa i bawah kekuatan luluh material. Stress Terapan (kilopsi) Alat Baja Umur fatigue 00 siklus paa stress terapan psi Campuran aluminum 00 Jumlah Siklus Gambar 1. Kurva S-N (Kurva Wohler) Enurance limit = psi 000 Stress (psi) Gambar 2. Parameter Larson-Miller Creep akan lebih parah paa bahan yang terkena panas untuk waktu yang lama, an ekat titik lebur. Creep selalu meningkat terhaap suhu. Tingkat eformasi ini aalah akibat ari sifat material, waktu pemaparan, paparan suhu an beban struktural yang iberikan. Kurva creep alam keaaan steay-state inyatakan alam Persamaan (7) [2], strain Creep rate = time... (7) Parameter Larson-Miller (L.M.) seperti paa Gambar 2 igunakan untuk hubungan stress, suhu an elta-waktu alam satu kurva. Salah satu kurva parameter L.M. inyatakan alam Persamaan (8) [, 4], T L. M. ( )( A log t)... (8) T = Kelvin t = Waktu (jam) A = Konstanta material tertentu METODE PERCOBAAN 2 4 Parameter Larson-Miller Tahapan algoritma genetika yang itempuh meliputi tahapan sebagai berikut [5]: 1. Teknik pengkoean gen kromosom yang merupakan bagian kromosom, irepresentasikan alam bentuk kumpulan bit (binary igit), bilangan riel atau lainnya untuk operator genetika. Dalam hal ini igunakan seeretan bit. 2. Proseur Inisialisasi. Ukuran populasi tergantung masalah yang ipecahkan an jenis operator genetika yang iterapkan. Setelah ukuran populasi itentukan, ilakukan inisialisasi kromosom secara acak, engan memperhatikan aerah penyelesaian an batasan permasalahan yang iberikan.. Fungsi Evaluasi. Dalam melakukan evaluasi kromosom aa ua hal yaitu evaluasi fungsi tujuan an konversi kealam fungsi fitness (penekatan terbaik). 4. Seleksi, bertujuan memberikan kesempatan reprouksi lebih besar bagi anggota populasi terbaik. 15
4 Prosiing Pertemuan Ilmiah Ilmu Pengetahuan an Teknologi Bahan 2012 Serpong, Oktober 2012 ISSN Aa beberapa metoa seleksi, ipilih metoe pengambilan sampel secara stokastik engan pengembalian. Seleksi menentukan iniviu mana yang ipilih untuk rekombinasi an bagaimana anak terbentuk ari iniviu terpilih. Bertujuan memberi kesempatan reprouksi lebih besar bagi anggota populasi yang memiliki fitness tinggi. Langkah yang ilakukan aalah pencarian nilai fitness. Masingmasing iniviu alam waah seleksi akan menerima probabilitas reprouksi yang tergantung ari nilai obyektif irinya terhaap nilai obyektif semua iniviu alam seleksi tersebut. Nilai fitness igunakan paa tahap seleksi berikutnya. 5. Proses Penyilangan (Cross over). Terapat beberapa operator genetika untuk melakukan penyilangan, alam hal ini ilakukan penyilangan banyak titik. Paa penyilangan ini, m posisi penyilangan k i (k = 1, 2,,N-1, i =1, 2,,m)engan N= panjangkromosom iseleksi secara ranom an tiak iperbolehkan aa posisi yang sama, serta iurutkan naik. Variabel itukar antar kromosom paa titik tersebut untuk menghasilkan anak. 6. Mutasi. Setelah mengalami proses penyilangan, paa offspring (anak) apat ilakukan mutasi. Variabel offspring imutasi engan menambahkan nilai ranom yang sangat kecil (ukuran langkah mutasi), engan probabilitas yang sangat renah. Peluang mutasi (pm) iefinisikan sebagai presentasi ari jumlah total gen paa populasi yang mengalami mutasi. Dalam hal ini igunakan mutasi biner yaitu mengganti satu atau beberapa nilai gen ari kromosom. Aapun langkah mutasi sebagai berikut : - Hitung jumlah gen paa populasi (panjang kromosom ikalikan engan ukuran populasi) - Pilih secara acak gen yang akan imutasi - Tentukan kromosom ari gen yang terpilih untuk imutasi - Ganti nilai gen ( 0 ke 1, atau 1 ke 0) ari kromosom yang akan imutasi tersebut 7. Penentuan parameter kontrol algoritma genetika meliputi ukuran populasi (popsize), peluang crossover (pc) an peluang mutasi (pm). Nilai parameter itentukan berasarkan permasalahan yang akan iselesaikan. Digunakan rekomenasi Grefenstette yang merekomenasi rata-rata fitness setiap generasi yaitu popsize = 0, pm = 0,01 akan tetapi iambil pc = 0,25 ikarenakan untuk mengantisipasi agar iperoleh aanya sejumlah penyilangan. HASIL DAN PEMBAHASAN Dengan program yang ibuat menggunakan MATLAB [2,6], tahap pertama ilakukan simulasi optimasi analisis stress an strain terhaap campuran aluminium yang mempunyai panjang awal sebesar 2,0 in engan iameter 0,505 inch. Beban yang iberikan berkisar antara 0 lb hingga 0 lb. Penentuan parameter kontrol alam algoritma genetika meliputi ukuran populasi (popsize) sebesar 0, peluang crossover (pc) sebesar 0,25 an peluang mutasi (pm) sebesar 0,01. Perubahan panjang iasumsikan antara 0 inch hingga 0, inch. Simulasi ilakukan terhaap fungsi tujuan stress an strain seperti paa Persamaan (1) an Persamaan (2) engan batasan jangkauan beban yang iberikan an perubahan panjang yang iamati. Simulasi ilakukan sampai iperoleh nilai optimal melalui pengulangan sebanyak 50 generasi. Diperoleh nilai stress an strain sehingga fungsi tujuan optimal yaitu mencapai nilai maksimum yang inyatakan alam nilai fitness untuk stress an strain tersebut. Dari hasil simulasi, iperoleh beban optimal alam statistik tiap generasi yang sesuai engan fungsi tujuan an nilai batasan yang iberikan menuju nilai konvergen inyatakan alam Tabel 1. Terlihat bahwa variabel beban F fitness, konvergen atau stabil paa nilai 9572 lb an variabel stress fitness, konvergen paa psi. Seangkan variabel perubahan panjang konvergen paa nilai 0,2976 in an variabel strain fitness konvergen paa 0,1488 [7]. Hal ini menekati nilai percobaan [2]. Selanjutnya ilakukan analisis fatique, untuk jangka waktu 1 tahun, engan nilai siklus per tahun, N = (1 siklus/menit)(60 menit/jam) (24 jam/hari) (65 hari/tahun) = 5,256 x 10 5 siklus per tahun. Dari kurva S-N (kurva Wohler) [, 4], iperoleh bahwa stress tiak boleh melebihi Psi. Minimal iameter paa stress maksimal sesuai Persamaan (9): 40000psi (9) iperoleh = 0,54 inch an minimal iameter hasil simulasi stress optimal Psi, sesuai Persamaan (10) Tabel 1. Statistik Optimasi stress an strain Generasi F fitness fitness l fitness fitness ,2976 0, ,2976 0, ,2976 0, ,2976 0, ,2976 0, ,2976 0, ,2976 0, ,2976 0, ,2976 0, ,2976 0,1488 Tabel 2. Hasil optimasi analisis fatique alumunium jangka waktu 1 tahun Maksimum Stress (psi) (in) , , ,51 154
5 Optimalisasi Parameter alam Analisis Creep an Fatique Terhaap Material Menggunakan Algoritma Genetika Tabel. Hasil Optimasi Analisis Creep Alumunium selama 5 tahun paa 00 o C Waktu (jam) Maks. Stress (psi) LM (in) <0 0 14,12 0,55 > ,1 0, psi (10) iperoleh iameter = 0,51 inch. Jika iasumsikan faktor aman sama aalah 2 [2], maka maksimum stress yang iizinkan menjai 40000/2 = Psi, sesuai Persamaan (11) psi (11) iperoleh minimum iameter = 0,67 inch, untuk mencegah terjainya kegagalan atau patahan material yang inyatakan paa Tabel 2. Dalam analisis creep, jika campuran alumunium igunakan (tanpa memperhatikan waktu-pecah), selama 5 tahun paa 00 o C (steay state) an beban 0 lb, maka waktu t = (24 jam/hari)(65 hari/tahun)(5 tahun) = 4800 jam. Nilai parameter Larson-Miller untuk waktu < 0 jam iperoleh, sesuai Persamaan (12) L. M. ( )(20 log 4800) =14,12... (12) Sesuai kurva Larson-Miller, stress tiak boleh melebihi psi an iasumsikan faktor aman aalah 2, maka tingkat maksimum stress yang iizinkan menjai 20000/2 = 0 psi. Penampang minimal A = F/= 9572 /0 = 1,914 in 2. 2 = A/= 1,914(0.17) = 0,608 an iperoleh minimum iameter = 0,7799 inch, Nilai parameter Larson-Miller untuk waktu > 0 jam yaitu 4800 jam iperoleh, sesuai Persamann (1) L. M. ( )(50 log 4800) = 1,1... (1) Sesuai kurva Larson-Miller, stress tiak boleh melebihi 0 psi. Jika iasumsikan faktor aman aalah 2, maka tingkat maksimum stress yang iizinkan menjai 0/2 = 5000 psi, maka penampang minimal A = F/= 9572 lb/0psi = 0,9572 in 2. 2 = A/ = 0,9572(0.17) = 0,04. Diperoleh minimum iameter = 0,5508 in. Hasil analisis creep inyatakan paa Tabel, KESIMPULAN Simulasi menggunakan algoritma genetika telah ilakukan alam analisis creep an fatique terhaap campuran aluminium. Diperoleh nilai stress an strain terbaik sesuai fungsi tujuan an batasan yang iberikan. Selanjutnya ilakukan analisis creep an fatique untuk jangka waktu tertentu terhaap material agar iperoleh minimal iameter untuk mencegah terjainya kegagalan atau patahan material. Simulasi ini apat ikembangkan untuk optimisasi parameter campuran terhaap sifat material an analisis kegagalan material lainnya. DAFTAR ACUAN [1] ASKELAND, DONALD R., PRADEEP, PHULE P., The Science an Engineering of Materials, Nelson, A Division of Thomson, Canaa, (2006) [2] KUSUMADEWI, SRI, Artificial Intelligence (Teknik an Aplikasinya), Penerbit Graha Ilmu, Yogyakarta, (200) []. JOHN GILBERT KAUFMAN, Parametric Analyses of High Temperature Data for Aluminum Alloys, ASM International, (2012) [4]. GEORGE J. HEIMERL, Time Temperature Parameters an an Aplication to Rupture an Creep of Aluminium Alloys, National Avisory Commitee for Aeronautics Technical Note 915, Langley, (2012) [5]. KUSWADI, SON., Kenali Ceras (Teori an Aplikasi Praktisnya), Penerbit ANDI, Yogyakarta, (2007) [6]. CAO, Y. J., WU, Q. H., Int. J. Elect. Enging. Euc., 6 (1999) 19-15, [7]. MIKE SUSMIKANTI, Optimasi Penugaan Parameter alam Analisis Stress an Strain Terhaap Material Menggunakan Algoritma Genetika, Seminar Nasional Aplikasi Teknologi Informasi (SNATI), Yogyakarta, (2012) 155
OPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA Mike Susmikanti Pusat Pengembangan Informatika Nuklir, Badan Tenaga Nuklir Nasional Kawasan
Lebih terperinciPREDIKSI PROSES PENDINGINAN BAHAN DI PLTN DENGAN JARINGAN SYARAF DAN ALGORIMA GENETIKA
PREDIKSI PROSES PENDINGINAN BAHAN DI PLTN DENGAN JARINGAN SARAF DAN ALGORIMA GENETIKA Mike Susmikanti, Ghofir Pusat Pengembangan Informatika Nuklir-BATAN Kawasan PUSPIPTEK, Tangerang Selatan Email untuk
Lebih terperinciBAB III LANDASAN TEORI. Beton bertulang merupakan kombinasi antara beton dan baja. Kombinasi
16 BAB III LANDASAN TEORI 3.1. Umum Beton bertulang merupakan kombinasi antara beton an baja. Kombinasi keuanya membentuk suatu elemen struktur imana ua macam komponen saling bekerjasama alam menahan beban
Lebih terperinciKombinasi Gaya Tekan dan Lentur
Mata Kuliah Koe SKS : Perancangan Struktur Beton : CIV-204 : 3 SKS Kombinasi Gaya Tekan an Lentur Pertemuan 9,10,11 Sub Pokok Bahasan : Analisis an Desain Kolom Penek Kolom aalah salah satu komponen struktur
Lebih terperinciMETODE PENELITIAN Data Langkah-Langkah Penelitian
METODE PENELITIAN Data Inonesia merupakan salah satu negara yang tiak mempunyai ata vital statistik yang lengkap. Dengan memperhatikan hal tersebut, sangat tepat menggunakan Moel CPA untuk mengukur tingkat
Lebih terperinciAPLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN TATA LETAK MESIN
APLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN TATA LETAK MESIN Hari Purnomo, Sri Kusumadewi Teknik Industri, Teknik Informatika Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyakarta ha_purnomo@fti.uii.ac.id,
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih terperinciMETODE PERSAMAAN DIOPHANTINE LINEAR DALAM PENENTUAN SOLUSI PROGRAM LINEAR INTEGER
METODE PERSAMAAN DIOPHANTINE LINEAR DALAM PENENTUAN SOLUSI PROGRAM LINEAR INTEGER Asrul Syam Program Stui Teknik Informatika, STMIK Dipanegara, Makassar e-mail: assyams03@gmail.com Abstrak Masalah optimasi
Lebih terperinciPERENCANAAN PENULANGAN LENTUR DAN GESER BALOK PERSEGI MENURUT SNI 03-847-00 Slamet Wioo Staf Pengajar Peniikan Teknik Sipil an Perenanaan FT UNY Balok merupakan elemen struktur yang menanggung beban layan
Lebih terperinciAx b Cx d dan dua persamaan linier yang dapat ditentukan solusinya x Ax b dan Ax b. Pada sistem Ax b Cx d solusi akan
SOLUSI SISTEM PERSAMAAN LINIER PADA ALJABAR MAX-PLUS Bui Cahyono Peniikan Matematika, FSAINSTEK, Universitas Walisongo Semarang bui_oplang@yahoo.com Abstrak Dalam kehiupan sehari-hari seringkali kita menapatkan
Lebih terperinciOptimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi
Optimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi Rahman Aulia Universitas Sumatera Utara Pasca sarjana Fakultas Ilmu Komputer Medan, Indonesia Rahmanaulia50@gmail.com Abstract
Lebih terperinciALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 03(2016), hal 265 274. ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR Abdul Azis, Bayu Prihandono, Ilhamsyah INTISARI Optimasi
Lebih terperinciPengantar Kecerdasan Buatan (AK045218) Algoritma Genetika
Algoritma Genetika Pendahuluan Struktur Umum Komponen Utama Seleksi Rekombinasi Mutasi Algoritma Genetika Sederhana Referensi Sri Kusumadewi bab 9 Luger & Subblefield bab 12.8 Algoritma Genetika 1/35 Pendahuluan
Lebih terperinciBAB 3 MODEL DASAR DINAMIKA VIRUS HIV DALAM TUBUH
BAB 3 MODEL DASA DINAMIKA VIUS HIV DALAM TUBUH 3.1 Moel Dasar Moel asar inamika virus HIV alam tubuh menggunakan beberapa asumsi sebagai berikut: Mula-mula tubuh alam keaaan tiak terinfeksi virus atau
Lebih terperinciERWIEN TJIPTA WIJAYA, ST.,M.KOM
ERWIEN TJIPTA WIJAYA, ST.,M.KOM DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Dalam beberapa tahun terakhir ini, peranan algoritma genetika terutama untuk masalah optimisasi, berkembang dengan pesat. Masalah optimisasi ini beraneka ragam tergantung dari bidangnya. Dalam
Lebih terperinciPraktikum Total Quality Management
Moul ke: 09 Dr. Fakultas Praktikum Total Quality Management Aries Susanty, ST. MT Program Stui Acceptance Sampling Abstract Memberikan pemahaman tentang rencana penerimaan sampel, baik satu tingkat atau
Lebih terperinciF = M a Oleh karena diameter pipa adalah konstan, maka kecepatan aliran di sepanjang pipa adalah konstan, sehingga percepatan adalah nol, d dr.
Hukum Newton II : F = M a Oleh karena iameter pipa aalah konstan, maka kecepatan aliran i sepanjang pipa aalah konstan, sehingga percepatan aalah nol, rr rr( s) rs rs( r r) rrs sin o Bentuk tersebut apat
Lebih terperinciMEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB
MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB Syafiul Muzid 1, Sri Kusumadewi 2 1 Sekolah Pascasarjana Magister Ilmu Komputer, Universitas Gadjah Mada, Yogyakarta e-mail: aakzid@yahoo.com 2 Jurusan
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Konsep Umum Optimasi Optimasi merupakan suatu cara untuk menghasilkan suatu bentuk struktur yang aman dalam segi perencanaan dan menghasilkan struktur yang
Lebih terperinciESTIMASI WAKTU DAN SUDUT PEMUTUS KRITIS PADA SISTEM TENAGA LISTRIK DENGAN METODE LUAS SAMA
Vol. 9 No. 1 Juni 1 : 53 6 ISSN 1978-365 ESTIMASI WAKTU DAN SUDUT PEMUTUS KRITIS PADA SISTEM TENAGA LISTRIK DENGAN METODE LUAS SAMA Slamet Pusat Penelitian an Pengembangan Teknologi Ketenagalistrikan an
Lebih terperinciBAB III PROSES PERANCANGAN DAN PERHITUNGAN
BB III PROSES PERNCNGN DN PERHITUNGN 3.1 Diagram alir penelitian MULI material ie an material aluminium yang iekstrusi Perancangan ie Proses pembuatan ie : 1. Pemotongan bahan 2. Pembuatan lubang port
Lebih terperinciPENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA
PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA Kartina Diah KW1), Mardhiah Fadhli2), Charly Sutanto3) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1 Rumbai-Pekanbaru-Riau
Lebih terperinciDIFERENSIAL FUNGSI SEDERHANA
DIFERENSIAL FUNGSI SEDERHANA Salah satu metoe yang cukup penting alam matematika aalah turunan (iferensial). Sejalan engan perkembangannya aplikasi turunan telah banyak igunakan untuk biang-biang rekayasa
Lebih terperinciRANCANG BANGUN SISTEM PENENTUAN KOMPOSISI BAHAN PANGAN HARIAN MENGGUNAKAN ALGORITMA GENETIKA
ABSTRAKSI RANCANG BANGUN SISTEM PENENTUAN KOMPOSISI BAHAN PANGAN HARIAN MENGGUNAKAN ALGORITMA GENETIKA Tedy Rismawan, Sri Kusumadewi Jurusan Teknik Informatika, Fakultas Teknologi Industri Universitas
Lebih terperinciVIII. ALIRAN MELALUI LUBANG DAN PELUAP
VIII. ALIRAN MELALUI LUBANG DAN PELUAP 8.. Penahuluan Lubang aalah bukaan paa ining atau asar tangki imana zat cair mengalir melaluinya. Lubang tersebut bisa berbentuk segi empat, segi tiga, ataupun lingkaran.
Lebih terperinciOptimasi Penjadwalan Ujian Menggunakan Algoritma Genetika
Optimasi Penjadwalan Ujian Menggunakan Algoritma Genetika Nia Kurnia Mawaddah Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Jurusan Matematika, FMIPA Universitas Brawijaya, Malang 65145 Abstrak Penjadwalan
Lebih terperinciANALISAPERHITUNGANWAKTU PENGALIRAN AIR DAN SOLAR PADA TANGKI
ANALISAPERITUNGANWAKTU PENGALIRAN AIR DAN SOLAR PADA TANGKI Nurnilam Oemiati Staf Pengajar Jurusan Sipil Fakultas Teknik Universitas Muhammaiyah Palembang Email: nurnilamoemiatie@yahoo.com Abstrak paa
Lebih terperinciBab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
Lebih terperinciAlgoritma Evolusi Dasar-Dasar Algoritma Genetika
Algoritma Evolusi Dasar-Dasar Algoritma Genetika Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Pengantar 2. Struktur Algoritma Genetika 3. Studi Kasus: Maksimasi Fungsi Sederhana 4. Studi
Lebih terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciANALISA DAN PERANCANGAN SISTEM INFORMASI PENJADWALAN PRODUKSI DENGAN METODE SIMULASI DISKRIT PADA PT. BIOPLAST UNGGUL
ANALISA DAN PERANCANGAN SISTEM INFORMASI PENJADWALAN PRODUKSI DENGAN METODE SIMULASI DISKRIT PADA PT. BIOPLAST UNGGUL Jeefry Sutrisman Binus University, Jakarta, DKI Jakarta, Inonesia Abstrak PT. Bioplast
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION
PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION Samuel Lukas 1, Toni Anwar 1, Willi Yuliani 2 1) Dosen Teknik Informatika,
Lebih terperinciIV. ANALISA RANCANGAN
IV. ANALISA RANCANGAN A. Rancangan Fungsional Dalam penelitian ini, telah irancang suatu perontok pai yang mempunyai bentuk an konstruksi seerhana an igerakkan engan menggunakan tenaga manusia. Secara
Lebih terperinciPENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA. Abstraksi
PENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA I Dewa Made Adi Baskara Joni 1, Vivine Nurcahyawati 2 1 STMIK STIKOM Indonesia, 2 STMIK STIKOM
Lebih terperinciMAKALAH TUGAS AKHIR DIMENSI METRIK PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 + mk n
MAKALAH TUGAS AKHIR DIMENSI METRIK PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 + mk n Oleh : JOHANES ARIF PURWONO 105 100 00 Pembimbing : Drs. Suhu Wahyui, MSi 131 651 47 ABSTRAK Graph aalah suatu sistem
Lebih terperinciKONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN
Jurnal Teknik dan Ilmu Komputer KONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN (Binary Genetic Algorithm Concept to Optimize Course Timetabling) Iwan Aang Soenandi
Lebih terperinciGenetic Algorithme. Perbedaan GA
Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari
Lebih terperinciBAB III INTERFERENSI SEL
BAB NTEFEENS SEL Kinerja sistem raio seluler sangat ipengaruhi oleh faktor interferensi. Sumber-sumber interferensi apat berasal ari ponsel lainya ialam sel yang sama an percakapan yang seang berlangsung
Lebih terperinciPENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 1 9 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL MULIA AFRIANI KARTIKA
Lebih terperinciBAB III PERENCANAAN PEMILIHAN TALI BAJA PADA ELEVATOR BARANG. Q = Beban kapasitas muatan dalam perencanaan ( 1 Ton )
BAB III PERENCANAAN PEMILIHAN TALI BAJA PADA ELEVATOR BARANG 3.1 Perencanaan Beban Total Paa Elevator Barang Q total = Q + WM + WO ( Persamaan 2.1.10 ) Q = Beban kapasitas muatan alam perencanaan ( 1 Ton
Lebih terperinciPENGENALAN ANGKA DENGAN MENGGUNAKAN ALGORITMA GENETIK. Fakultas Teknik dan Ilmu Komputer, Jurusan Teknik Informatika Universitas Komputer Indonesia
PENGENALAN ANGKA DENGAN MENGGUNAKAN ALGORITMA GENETIK Frengki Agus f124nk_85@yahoo.com Pembimbing I : Linda Salma, S.Si., M.T. Pembimbing II : Khusnul Novianingsih,M.Si Fakultas Teknik dan Ilmu Komputer,
Lebih terperinciPEMODELAN PENJADWALAN LINIER DENGAN ALOKASI SUMBER DAYA MANUSIA PADA PROYEK PERUMAHAN. Hedwig A Tan 1, Ratna S Alifen 2
PEMODELAN PENJADWALAN LINIER DENGAN ALOKASI SUMBER DAYA MANUSIA PADA PROYEK PERUMAHAN Hewig A Tan, Ratna S Alifen ABSTRAK: Metoe penjawalan linier cocok untuk proyek engan aktivitas seerhana, an repetitif
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Fuzzy Local Binary Pattern (FLBP) Fuzzifikasi pada pendekatan LBP meliputi transformasi variabel input menjadi variabel fuzzy, berdasarkan pada sekumpulan fuzzy rule. Dalam
Lebih terperinciDETEKSI API REAL-TIME DENGAN METODE THRESHOLDING RERATA RGB
ISSN: 1693-6930 17 DETEKSI API REAL-TIME DENGAN METODE THRESHOLDING RERATA RGB Kartika Firausy, Yusron Saui, Tole Sutikno Program Stui Teknik Elektro, Fakultas Teknologi Inustri, Universitas Ahma Dahlan
Lebih terperinciPENALAAN KENDALI PID UNTUK PENGENDALI PROSES
PENALAAN KENDALI PID UNTUK PENGENDALI PROSES Raita.Arinya Universitas Satyagama Jakarta Email: raitatech@yahoo.com Abstrak Penalaan parameter kontroller PID selalu iasari atas tinjauan terhaap karakteristik
Lebih terperinciA. ADHA. Program Studi Teknik Sipil, Fakultas Teknik,Universitas Islam Riau, Pekanbaru, Indonesia Corresponding author:
Institut Teknologi Padang, 27 Juli 217 ISBN: 978-62-757-6-7 http://eproceeding.itp.ac.id/index.php/spi217 Optimasi Bentuk Struktur dan Penampang pada Struktur Rangka Baja Terhadap Kendala Kehandalan Material
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih terperinciSTUDI PERBANDINGAN ANTARA ALGORITMA BIVARIATE MARGINAL DISTRIBUTION DENGAN ALGORITMA GENETIKA
STUDI PERBANDINN ANTARA ALGORITMA BIVARIATE MARGINAL DISTRIBUTION DENN ALGORITMA GENETIKA Chastine Fatichah, Imam Artha Kusuma, Yudhi Purwananto Jurusan Teknik Informatika, Fakultas Teknologi Informasi
Lebih terperinciJurnal Teknika ISSN : Fakultas Teknik Universitas Islam Lamongan Volume 2 No.2 Tahun 201
akultas Teknik Universitas Islam Lamongan Volume 2 No.2 Tahun 20 PEMBUATAN APLIKASI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DALAM PENGEMBANGAN INDUSTRI POTENSIAL DENGAN METODE PROMETHEE II Ahma Jalaluin )
Lebih terperinciPERANCANGAN APLIKASI PENJADWALAN TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA GENETIKA
PERANCANGAN APLIKASI PENJADWALAN TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA GENETIKA Hendy Tannady; Andrew Verrayo Limas Industrial Engineering Department, Faculty of Engineering, Binus University Jl.
Lebih terperinciPENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA
LOGO PENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA Oleh : Aris Saputro 1206100714 Pembimbing : Dr. M. Isa
Lebih terperinciPEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 3 No. 1 Hal. 98 106 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL YOSI PUTRI, NARWEN
Lebih terperinciPendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner
Vol. 7, 2, 108-117, Januari 2011 Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner Jusmawati Massalesse Abstrak Tulisan ini dimaksudkan untuk memperlihatkan proses
Lebih terperinciAnalisis Stabilitas Lereng
Analisis Stabilitas Lereng Lereng Slope Stability Dr.Eng.. Agus Setyo Muntohar, S.T.,M.Eng.Sc. Faktor Keamanan (Factor of Safety) Faktor aman (FS): nilai baning antara gaya yang menahan an gaya yang menggerakkan.
Lebih terperinciPEMODELAN EMPIRIS COST 231-WALFISCH IKEGAMI GUNA ESTIMASI RUGI-RUGI LINTASAN ANTENA RADAR DI PERUM LPPNPI INDONESIA
PROSIDING SEMINAR NASIONA MUTI DISIPIN IMU &CA FOR PAPERS UNISBANK KE-3(SENDI_U 3) 217 PEMODEAN EMPIRIS COST 231-WAFISCH IKEGAMI GUNA ESTIMASI RUGI-RUGI INTASAN ANTENA RADAR DI PERUM PPNPI INDONESIA Ria
Lebih terperinciKeywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN
Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com
Lebih terperinciPenggunaan Metode Multi-criteria Decision Aid dalam Proses Pemilihan Supplier
Performa (24) Vol. 3, No.2: 62-7 Penggunaan Metoe Multi-criteria Decision Ai alam Proses Pemilihan Supplier Inra Cahyai Jurusan Teknik an Manajemen Inustri, Universitas Trunojoyo Maura Abstract Noways,
Lebih terperinciPenjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Jurnal Telematika, vol.9 no.1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-251 Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Lebih terperinciOptimasi Fungsi Tanpa Kendala Menggunakan Algoritma Genetika Dengan Kromosom Biner dan Perbaikan Kromosom Hill-Climbing
Optimasi Fungsi Tanpa Kendala Menggunakan Algoritma Genetika Dengan Kromosom Biner dan Perbaikan Kromosom Hill-Climbing Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas
Lebih terperinciOPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA andra Aditya 1), Wayan Firdaus Mahmudy 2) 1) Program Studi Teknik Informatika, Fakultas Ilmu Komputer Malang Jl. Veteran, Malang 65145, Indonesia
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada awal diciptakan, komputer hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan zaman, maka peran komputer semakin mendominasi kehidupan.
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Konsep Dasar Sistem dan Informasi 2.1.1 Sistem Menurut Sutabri (2004), bahwa sistem adalah sekelompok unsur yang erat hubungannya satu dengan yang lainnya berfungsi untuk mencapai
Lebih terperinciPenerapan Aljabar Max-Plus Pada Sistem Produksi Meubel Rotan
Jurnal Graien Vol 8 No 1 Januari 2012:775-779 Penerapan Aljabar Max-Plus Paa Sistem Prouksi Meubel Rotan Ulfasari Rafflesia Jurusan Matematika, Fakultas Matematika an Ilmu Pengetahuan Alam, Universitas
Lebih terperinciTEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT
TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh Dian Sari Reski, Asrul Sani 2, Norma Muhtar 3 ABSTRACT Scheduling problem is one type of allocating resources problem that exist to
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Penjadwalan Penjadwalan kegiatan belajar mengajar pada suatu lembaga pendidikan biasanya merupakan salah satu pekerjaan yang tidak mudah dan menyita waktu. Pada lembaga pendidikan
Lebih terperinciKNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA
LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu
Lebih terperinciZbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag.
Zbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag. 12/11/2009 1 Ditemukan oleh Holland pada tahun 1975. Didasari oleh fenomena evolusi darwin. 4 kondisi yg mempengaruhi
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA BARU DENGAN METODE PROMETHEE (STUDI KASUS SD PLUS NURUL HIKMAH PAMEKASAN)
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA BARU DENGAN METODE PROMETHEE (STUDI KASUS SD PLUS NURUL HIKMAH PAMEKASAN) Ubaii Teknik Informatika Universitas Maura ube_gvc@yahoo.com ABSTRAK Penelitian ini
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Algoritma Genetika Algoritma genetika merupakan algoritma pencarian heuristik ysng didasarkan atas mekanisme seleksi alami dan genetika alami (Suyanto, 2014). Adapun konsep dasar
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan tugas akhir ini. Teori-teori yang dibahas mengenai pengertian penjadwalan, algoritma
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
Lebih terperinciPENJADWALAN MESIN BERTIPE JOB SHOP UNTUK MEMINIMALKAN MAKESPAN DENGAN METODE ALGORITMA GENETIKA (STUDI KASUS PT X)
PENJADWALAN MESIN BERTIPE JOB SHOP UNTUK MEMINIMALKAN MAKESPAN DENGAN METODE ALGORITMA GENETIKA (STUDI KASUS PT X) Ria Krisnanti 1, Andi Sudiarso 2 1 Jurusan Teknik Mesin dan Industri, Fakultas Teknik,
Lebih terperinciOPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM
OPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM Poetri Lestari Lokapitasari Belluano poe3.setiawan@gmail.com Universitas Muslim Indonesia Abstrak Non Dominated Sorting pada
Lebih terperinciBAB 2 LANDASAN TEORI
18 BAB 2 LANDASAN TEORI 2.1 Pengertian Optimasi Optimasi adalah salah satu ilmu dalam matematika yang fokus untuk mendapatkan nilai minimum atau maksimum secara sistematis dari suatu fungsi, peluang maupun
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Algoritma Genetika
6 BAB 2 LANDASAN TEORI 2.1 Algoritma Genetika Algoritma genetika merupakan metode pencarian yang disesuaikan dengan proses genetika dari organisme-organisme biologi yang berdasarkan pada teori evolusi
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI SKRIPSI
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI
Lebih terperinciPENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI DENGAN MENGUNAKAN PENYELEKStAN RODA ROULETTE
PENERAPAN ALGORTMA GENETK UNTUK OPTMAS DENGAN MENGUNAKAN PENYELEKStAN RODA ROULETTE Samuel Lukas, M.Tech." Abstract The purpose of this paper is to introducing genetic algorithm. This algorithm is one
Lebih terperinciOPTIMASI QUERY DATABASE MENGGUNAKAN ALGORITMA GENETIK
Seminar Nasional Aplikasi Teknologi Informasi 2008 (SNATI 2008) ISSN 1907-5022 OPTIMASI QUERY DATABASE MENGGUNAKAN ALGORITMA GENETIK Manahan Siallagan, Mira Kania Sabariah, Malanita Sontya Jurusan Teknik
Lebih terperinciBAB 7 P A S A K. Gambar 1. Jenis-Jenis Pasak
BAB 7 P A S A K Pasak atau keys merupakan elemen mesin yang igunakan untuk menetapkan atau mengunci bagian-bagian mesin seperti : roa gigi, puli, kopling an sprocket paa poros, sehingga bagian-bagian tersebut
Lebih terperinciPEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM
PEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM Syafiul Muzid Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia, Yogyakarta E-mail:
Lebih terperinciOTOMASI PENJADWALAN KEGIATAN PRKULIAHAN DI PERGURUAN TINGGI MENGGUNAKAN METODE ALGORITMA GENETIKA ( STUDI KASUS STIKI )
OTOMASI PENJADWALAN KEGIATAN PRKULIAHAN DI PERGURUAN TINGGI MENGGUNAKAN METODE ALGORITMA GENETIKA ( STUDI KASUS STIKI ) Siska Diatinari Andarawarih 1) 1) Program Studi Teknik Informatika, Sekolah Tinggi
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi an Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 9, september 2018, hlm. 2760-2769 http://j-ptiik.ub.ac.i Pemoelan Regresi Linear Untuk Preiksi Konsumsi Energi Primer
Lebih terperinciBAB II DASAR TEORI. II.1 Saham
BAB II DASAR TEORI Paa bab ini akan ijelaskan asar teori yang igunakan selama pelaksanaan Tugas Akhir ini: saham, analisis funamental, analisis teknis, moving average, oscillator, an metoe Relative Strength
Lebih terperinciData Mining. Metode Klasterisasi K-Means
Data Mining Metoe Klasterisasi K-Means Pokok Pembahasan. Konsep Dasar Clustering. Tahapan Clustering. K-Means Clustering Algoritma K-Means Rumus Umum K-Means 4. Case Stu Konsep Dasar Klusterisasi Data,
Lebih terperinciPerbandingan Model Pembelajaran Kooperatif Berbasis Multiple Intelligences dengan Kooperatif Tipe STAD
Perbaningan Moel Pembelajaran Kooperatif Berbasis Multiple Intelligences engan Kooperatif Tipe STAD Perbaningan Moel Pembelajaran Kooperatif Berbasis Multiple Intelligences engan Kooperatif Tipe STAD terhaap
Lebih terperinciOPTIMASI PARAMETER LAS BUSUR LISTRIK ARUS SEARAH TIPE LEGS 225 DENGAN MENGGUNAKAN METODE OPTIMASI ALGORITMA GENETIKA
OPTIMASI PARAMETER LAS BUSUR LISTRIK ARUS SEARAH TIPE LEGS 225 DENGAN MENGGUNAKAN METODE OPTIMASI ALGORITMA GENETIKA Rudi Martin 1, Alfian Hamsi 2 1,2 Departemen Teknik Mesin, Universitas Sumatera Utara,
Lebih terperinciAvailable online at TRANSMISI Website TRANSMISI, 13 (1), 2011,
Available online at TRANSMISI Website http://ejournal.unip.ac.i/inex.php/transmisi TRANSMISI, 13 (1), 2011, 33-38 Research Article Deteksi Konisi Organ Pankreas Melalui Iris Mata Menggunakan Jaringan Syaraf
Lebih terperinciPENGGUNAAN GENETIC ALGORITHMS DALAM MENGOPTIMALKAN AKURASI PENILAIAN SCL UNTUK MENINGKATKAN MOTIVASI DAN HASIL BELAJAR
PENGGUNAAN GENETIC ALGORITHMS DALAM MENGOPTIMALKAN AKURASI PENILAIAN SCL UNTUK MENINGKATKAN MOTIVASI DAN HASIL BELAJAR Deny Jollyta, M. Kom Sekolah Tinggi Ilmu Komputer (STIKOM) Pelita Indonesia Telp.
Lebih terperinciMetode Taguchi dan Optimasi Multi Respons
Metode Taguchi dan Optimasi Multi Respons Dr. Ir. Eko Pujiyanto, S.Si.,M.T. Materi Taguchi Multi Response Metode PCR-TOPSIS Metode Algoritma-Genetika Taguchi Multi Respon Dalam dunia nyata produk memiliki
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 Edisi... Volume..., Bulan 20.. ISSN :
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENJADWALAN MATA PELAJARAN DI SMAN 1 CIWIDEY Rismayanti 1, Tati Harihayati 2 Teknik Informatika Universitas Komputer
Lebih terperinciBAB I PENDAHULUAN. bangunan seperti pada frames ataupun truss. Hal ini dikarenakan penggunaan
BAB I PENDAHULUAN 1.1 Latar Belakang Pengunaan optimasi dalam rekayasa konstruksi di dunia ketekniksipilan semakin banyak digunakan untuk diaplikasikan pada komponen struktural suatu bangunan seperti pada
Lebih terperinciAplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)
JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak
Lebih terperinciTURUNAN FUNGSI (DIFERENSIAL)
TURUNAN FUNGSI (DIFERENSIAL) A. Pengertian Derivatif (turunan) suatu fungsi. Perhatikan grafik fungsi f( (pengertian secara geometri) ang melalui garis singgung. f( f( f(+ Q [( +, f ( + ] f( P (, f ( )
Lebih terperinciBAB I PENDAHULUAN. telah diadopsi untuk mengurangi getaran pada gedung-gedung tinggi dan struktur
BAB I PENDAHULUAN 1.1 Latar Belakang Tuned mass damper (TMD) telah banyak digunakan untuk mengendalikan getaran dalam sistem teknik mesin. Dalam beberapa tahun terakhir teori TMD telah diadopsi untuk mengurangi
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN
APLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN Eva Haryanty, S.Kom. ABSTRAK Komputer adalah salah satu peralatan yang pada saat ini banyak pula digunakan
Lebih terperinciANALISIS MODEL SIR PENYEBARAN DEMAM BERDARAH DENGUE MENGGUNAKAN KRITERIA ROUTH-HURWITZ ABSTRACT
ANALISIS MODEL SIR PENYEBARAN DEMAM BERDARAH DENGUE MENGGUNAKAN KRITERIA ROUTH-HURWITZ Chintari Nurul Hananti 1 Khozin Mu tamar 2 12 Program Stui S1 Matematika Jurusan Matematika Fakultas Matematika an
Lebih terperinciMODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER
MODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER Amiluddin Zahri Dosen Universtas Bina Darma Jalan Ahmad Yani No.3 Palembang Sur-el: amiluddin@binadarma.ac.id
Lebih terperinciPROGRAM KOMPUTER UNTUK PEMODELAN SEBARAN PERGERAKAN. Abstrak
PROGRAM KOMPUTER UNTUK PEMODELAN SEBARAN PERGERAKAN Ruy Setiawan, ST., MT. Sukanto Tejokusuma, Ir., M.Sc. Jenny Purwonegoro, ST. Staf Pengajar Fakultas Staf Pengajar Fakultas Alumni Fakultas Teknik Sipil
Lebih terperinciImplementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah
Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah Leonard Tambunan AMIK Mitra Gama Jl. Kayangan No. 99, Duri-Riau e-mail : leo.itcom@gmail.com Abstrak Pada saat ini proses penjadwalan kuliah
Lebih terperinci