OPTIMASI HASIL PANEN PADI MENGGUNAKAN SINGULAR VALUE DECOMPOSITION (SVD) DAN ANT COLONY OPTIMIZATION (ACO) Abstrak
|
|
- Ari Kusumo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 OPTIMASI HASIL PANEN PADI MENGGUNAKAN SINGULAR VALUE DECOMPOSITION (SVD) DAN ANT COLONY OPTIMIZATION (ACO) Vina Puspita Dewi 1), Hanna Arini Parhusip 2), Lilik Linawati 3) 1) Mahasiswa Program Studi Matematika FSM UKSW 2), 3) Dosen Program Studi Matematika FSM UKSW Fakultas Sains dan Matematika, Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga ), 2), 3) Abstrak Hasil panen padi di Kota Surakarta pada tahun akan ditentukan periode tanam yang optimal. Untuk mendapatkan periode tanam yang optimal maka perlu menyusun fungsi tujuan. Fungsi tujuan yang dipilih adalah berbentuk kuadratik yang parameter-parameternya ditentukan menggunakan Singular Value Decomposition (SVD). Ant Colony Optimization (ACO) ACO merupakan algoritma optimasi yang menggunakan perilaku semut. ACO menghasilkan periode III (September Desember) sebagai periode yang optimal. Hasil gabah per hektar yang diperoleh adalah 43.8 ton Kata Kunci: Ant Colony Optimization (ACO), Singuler Value Decomposition (SVD) 1 PENDAHULUAN Kajian optimasi hasil panen padi di kota Surakarta berdasarkan data BPS Surakarta untuk mencari periode tanam optimal (maksimal) pernah dilakukan menggunakan pemrograman kuadratik. Ada tiga periode tanam dalam satu tahun yaitu periode I (Januari-April), periode II (Mei-Agustus), dan periode III (September-Desember). Kajian didasarkan pada data hasil panen padi tahun Analisis dilakukan untuk setiap periode tanam, sehingga pada masingmasing periode tanam dibuat fungsi tujuan yang berbentuk kuadratik. Parameter-parameter fungsi tujuan ditentukan menggunakan metode kuadrat terkecil dan diperoleh periode tanam yang optimal (maksimal) adalah periode tanam III. Jadi hampir setiap tahun periode yang optimal adalah pada periode III (Dewi, dkk, 2013). Terdapat beberapa metode optimasi non linear modern diantaranya Simulated Annealing, algoritma genetik, Ant colony optimization (ACO), dan Particle Swarm Optimization (PSO). Pada penelitian ini akan digunakan ACO untuk menentukan periode tanam optimal dan diharapkan akan memberikan hasil yang sama dengan hasil penelitian menggunakan pemrograman kuadratik. ACO dibuat berdasarkan perilaku kooperatif dari koloni semut di alam yang dapat menemukan lintasan terpendek dari sarang semut ke suatu sumber makanan. Metode ini dikembangkan oleh Dorigo pada awal 1990-an (Rao, 2009). Untuk fungsi tujuan disusun menggunakan Singuler Value Decomposition (SDV) dan diharapkan nilai error terhadap parameter-parameter fungsi tujuan yang diperoleh lebih kecil. Penelitian mengenai Ant Colony Optimiation (ACO) sudah pernah dilakukan oleh beberapa peneliti diantaranya untuk menyelesaikan permasalahan penjadwalan mesin pararel (Chang, dkk,
2 2008), menyelesaikan permasalahan job shop dengan menggunakan ACO (Seo & Kim, 2008), dan untuk mengoptimalkan reduksi warna pada sirup stevioside (Parhusip & Martono, 2012). DASAR TEORI Ant Colony Optimization (ACO) Menurut Rao (2009) ACO dapat dijelaskan dengan menampilkan masalah optimasi dalam grafik multilayer sebagaimana ditunjukkan pada Gambar 1 dengan banyaknya variabel sama dengan banyaknya layer. Sedangkan banyaknya titik/node pada tiap layer sama dengan banyaknya titik diskrit yang diijinkan berkaitan dengan variabel keputusan. rumah Layer 1(x 1 ) x 11 x 12 x 13 x 14 x 15 Layer 2 (x 2 ) x 21 x 22 x 23 x 24 x 25 Layer 3 (x 3 ) x 31 x 32 x 33 x 34 x 35 Layer 4 (x 4 ) x 41 x 42 x 43 x 44 x 45 Tujuan (makanan) Gambar 1. Grafik multilayer untuk Ant Colony Optimization (ACO) x i = variabel ke-i. i=1,2,...,n x ij = lintasan pada node ke-i dan posisi ke-j. j=1,2,...,m 2 Berikut ini model cara semut berjalan dari rumah/sarang menuju ke node tujuan dan kembali lagi ke rumah/ sarangnya:
3 1. Sifat Perilaku Semut dalam Perjalanan Menuju Tujuan Seekor semut berjalan dari titik awal yaitu rumah menuju ke layer pertama sampai ke layer terakhir dan akan berhenti sampai ke node tujuan (makanan). Semut ke-k pada lokasi node i untuk menuju posisi ke-j sebagai posisi selanjutnya menggunakan jejak feromon ij pada probabilitas (k) ρ ij = α τ ij α (k) τ j N ij i, jika j N i (k) 0, jika j N i (k) (1) dimana menyatakan derajat kepentingan dari feromon dan N i (k) menyatakan himpunan node-node pada persekitaran semut ke-k pada posisi i, kecuali node predesesor ( yaitu node terakhir yang dikunjungi sebelum i). Hal ini akan menjaga semut ke-k kembali ke node yang sama. 2. Lintasan Kembali dan Memperbaharui Feromon Sebelum ke node rumah (arah mundur), semut ke-k menyimpan (k ) feromon pada lintasan yang telah dikunjungi. Nilai feromon ij pada lintasan (i,j) diperbarui dengan τ ij τ ij + τ (k) (2) Karena ada peningkatan pada feromon, probabilitas lintasan tersebut akan dipilih semut lain juga akan semakin meningkat. 3. Penguapan Jejak Feromon Ketika seekor semut ke-k bergerak ke node berikutnya, feromon yang dapat dinyatakan sebagai τ ij 1 ρ τ ij ; i, j εa (3) dimana ρ (0,1 ] adalah laju penguapan (yang dikenal juga sebagai faktor penurunan 3 feromon) dan A menyatakan segmen atau lintasan yang dilalui oleh semut ke-k dari rumah ke tujuan. Penurunan intensitas feromon menyebabkan eksplorasi pada lintasan yang berbeda-beda selama proses pencarian. Hal ini menyebabkan adanya eliminasi dari pemilihan lintasan yang buruk sehingga jejak feromon dapat menghasilkan nilai yang maksimum. Suatu iterasi dikatakan lengkap jika meliputi pergerakan semut, penguapan feromon dan penyimpanan feromon. Setelah semua semut ke-k kembali ke titik sarang (rumah), informasi feromon diperbaharui berdasarkan hubungan τ ij = 1 ρ τ ij + N (k) k=1 τ ij (4)
4 dimana (k ) ij adalah banyaknya feromon yang disimpan pada lintasan ij oleh semut ke-k. Tujuan feromon diperbaharui adalah untuk meningkatkan nilai feromon yang berkaitan dengan baik atau tidaknya lintasan. Feromon disimpan pada lintasan ij terbaik dalam bentuk dimana Q menyatakan suatu konstan dan τ ij (k) = Q L k (5) L k adalah panjang lintasan yang dilalui oleh semut ke-k (seperti dari 1 kota ke kota lain). Persamaan (5) dapat diimplementasikan sebagai ςf terbaik (k) ; jika i, j perjalanan global terbaik τ ij = f terburuk 0; untuk yang lain f terbaik = nilai terbaik fungsi tujuan f terburuk = nilai terburuk fungsi tujuan = parameter yang digunakan untuk mengkontrol pembaharuan feromon (6) Fungsi Tujuan ACO Menggunakan Singular Value Decomposition (SVD) Pada penelitian ini digunakan fungsi tujuan kuadratik dengan parameter-parameternya dicari menggunakan Singuler Value Decomposition (SDV). Parameter-parameter fungsi tujuan yang akan dicari adalah S i = α 1 x 2 i + α 2 y 2 i + α 3 x i y i + α 4 x i + α 5 y i + α 6 (7) Persamaan (7) dalam bentuk matriks dapat ditulis: dimana 2 2 x 1 y 1 x 1 y 1 x 1 y A= x 2 y 2 x 2 y 2 x 2 y x n y n x n y n x n y n 1 Av α = S (8) (8a) x = data ke- i variabel 1 i y = data ke- i variabel 2 i S = S i = data ke- i variabel 3 v α = α 1 α 2 α 3 α 4 α 5 α 6 i = 1,2,...,n; n= banyaknya data 4 α j = parameter fungsi tujuan j = 1,2,...,6 A = UΣV T (9)
5 Menurut Watkins (1991) pada persamaan (9) jika matriks Aϵ R nxm mempunyai rank r, maka terdapat matriks dengan kolom-kolom dari nilai eigen AA T U ϵ R nxn, Σ adalah matriks diagonal dari akar nilai eigen AA T Σ ϵ R nxm, dan V adalah matriks dengan kolom-kolom dari vektor eigen AA T V ϵ R mxm. Dari persamaan (8) dan (9) diperoleh: UΣV T v α = S atau ΣV T v α = U T S (10) Misal c = U T S dan y = V T v α, maka Σy = c sehingga y = Σ T c Persamaan (8) diselesaikan dengan: v α = Vy (11) Untuk error : Error= E = S pendekatan S data S data. 100% Selain itu dengan menghitung Conditional Number: κ A A 1 A jika A nonsinguler jika A singuler Menurut Anderson, dkk, (1999) jika Conditional Number dibawah maka error invers dinyatakan baik. Sebaliknya dikatakan tidak baik (ill condition) Setelah mendapatkan fungsi tujuan, agar fungsi tujuan menjadi tidak berkendala maka perlu disusun fungsi Lagrange untuk menyelesaikannya dengan ACO yaitu m L( x, ) f ( x) i gi ( x) untuk x C dan 0 (12) i 1 Kondisi Karush Kuhn Tucker (KKT) pada persamaan (13) dapat digunakan untuk menemukan titik kritis dengan menyelesaikan sistem persamaan yang diperoleh dari L 0. Artinya mencari * pemaksimal x dan parameter optimal * yang memenuhi (1).λ i 0 (2). λ i ( x*) 0 g i untuk i = 1,2,,m. (13) m (3). f ( x*) i * g i 1 i ( x*) 0 5 Fungsi tujuan mempunyai titik pemaksimal jika bersifat concave (cekung). Menurut Perresini, dkk, (1998) ada beberapa cara untuk menunjukkan fungsi tujuan yang diperoleh concave:
6 1. Jika matriks Hessian fungsi tujuan negative semi definite (setiap nilai eigen 0) maka x merupakan pemaksimal. 2. Sebuah fungsi f(x) adalah cembung pada sebuah selang (berhingga atau tak berhingga). Jika untuk setiap dua titik x dan y didalam dimana x dan y ϵ R n dan untuk semua 0 λ 1berlaku f λx + 1 λ y λf x + 1 λ f(y) (14) Jika pernyataan diatas berlaku dengan tanda pertidaksamaan yang terbalik, maka f(x) adalah cekung. METODE PENELITIAN Tahap 1. Penelitian ini didasarkan pada data sekunder yang diperoleh dari BPS kota Surakarta untuk data hasil panen padi tahun Tahap 2. Data hasil panen padi akan dioptimalkan dengan menggunakan algoritma ACO, dengan parameter fungsi tujuan ditentukan dengan menggunakan SVD. Tahap 3. Menyusun dan menyelesaikan model a. Menyusun fungsi tujuan dengan menggunakan SVD b. Menyusun fungsi Lagrange seperti persamaan (12). c. Mengoptimalkan fungsi Lagrange sesuai dengan algoritma ACO. Tahap 4. Menganalisis hasil dan pembahasan Tahap 5. Membuat kesimpulan. HASIL PENELITIAN DAN PEMBAHASAN Penyusunan fungsi tujuan dengan menggunakan SVD menghasilkan fungsi tujuan untuk masing-masing periode tanam sebagai berikut: S I = x xy 0.681x y (15) S II = x y xy x y (16) S III = x y xy x y (17) Pada Gambar 1 disajikan data aktual yang dibandingkan dengan data pendekatan untuk setiap periode tanam. Nilai error dari parameter setiap fungsi tujuan menggunakan metode kuadrat terkecil maupun dengan SVD diperlihatkan pada Tabel 1. 6
7 fungsi tujuan fungsi tujuan fungsi tujuan hasil pendekatan hasil pendekatan hasil pendekatan indeks indeks indeks Periode I Periode II Periode III Gambar 2. Grafik hasil panen padi menurut data aktual dan hasil pendekatan fungsi kuadratik pada setiap periode tanam. Number. Tabel 1. Nilai error berdasarkan metode kuadrat terkecil dan SVD serta nilai Conditional Error Conditional number Metode yang Periode I Periode II Periode III digunakan Kuadrat terkecil 9.4% % % SVD 7.27% 11.89% 8.43% Kuadrat terkecil SVD Metode SVD memberikan nilai error dan Conditional Number yang lebih kecil jika dibandingkan dengan metode kuadrat terkecil. Begitu juga dengan Conditional Number yang diperoleh. Hal ini dapat disimpulkan bahwa parameter-parameter fungsi tujuan yang diperoleh menggunakan SVD lebih baik jika dibandingkan dengan metode kuadrat terkecil. Perlu dibuat persamaan Lagrange seperti persamaan (12) dengan kendala yaitu x x maks dan y x. Sehingga persamaan (15) sampai (17) menjadi: L x, λ = x y xy 0.681x y λ 1 x 1 + λ 2 y x λ 3 x λ 4 y (18) L x, λ = x y xy x y λ 1 x 1 + λ 2 (y x) λ 3 x λ 4 y (19) L x, λ = x y xy x y λ 1 x 1 + λ 2 (y x) λ 3 x λ 4 y (20) Masing-masing fungsi tujuan diselesaikan berdasarkan algoritma ACO, dan diperoleh penyelesaian seperti pada Tabel 2.
8 Tabel 2. Penyelesaian optimal berdasarkan ACO untuk ketiga periode tanam. Periode I Periode II Periode III x * y * S * λ λ λ λ Tabel 3. Kondisi KKT untuk setiap periode tanam. Periode Periode II Periode III I Kondisi I Terpenuhi Terpenuhi Terpenuhi Kondisi II Kondisi III Kondisi KKT pada Tabel 3 tidak terpenuhi sehingga x bukan merupakan pemaksimal dan 8 parameter λ tidak optimal. Selain itu dengan mencari niai eigen dari matriks Hessian fungsi Lagrange. Diperoleh nilai eigen untuk setiap periode tanam yaitu: Periode I: [-1.47; -1.01; 0; 0; 1.14; 2.95] Periode II: [-9.24; -0.65; 0; 0; 0.29; 2.81] Periode III: [-0.98; -0.48; 0; 0; 2.27; 4.61] Dari ketiga periode tanam diatas nilai eigen untuk masing-masing periode tanam tidak ada yang bersifat negative semi definite, sehingga x bukan merupakan pemaksimal.
9 Cara selanjutnya yaitu menguji persamaan (14), dari Gambar 3 dapat disimpulkan bahwa untuk setiap periode tidak terlihat secara signifikan bersifat convex atau concave ruas kiri ruas kanan 0.5 ruas kiri ruas kanan ruas kiri ruas kanan Periode I Periode II Periode III Ket: *: ruas kiri o: ruas kanan Gambar 3. Fungsi tujuan convex atau concave. Tabel 4. Penyelesaian optimal untuk ketiga periode tanam dalam bentuk data berdimensi. Luas Tanam Akhir (ha) Luas Panen (ha) Hasil gabah (ton) Metode yang digunakan Periode I Periode II Periode III Pemrograman Kuadratik ACO Pemrograman Kuadratik ACO Pemrograman Kuadratik ACO Dapat dijelaskan dari Tabel 4 bahwa periode tanam yang optimal adalah periode III, dimana hasil gabah yang didapat dalam satu hektar sawah adalah 43.8 ton. Pada penelitian yang pernah dilakukan menggunakan pemrograman kuadratik periode optimal adalah periode III. Secara informal (dari data) periode III merupakan periode yang maksimal hampir di setiap tahunnya. Pada dasarnya ACO tidak baik karena L 0 tidak terpenuhi, untuk itu menggunakan fungsi tujuan seperti persamaan (18) sampai (20) diselesaikan dengan pemrograman kuadratik menurut dewi,dkk, (2013). Hasil untuk pemrograman kuadratik diperoleh pada Tabel 5. 9 Tabel 5. Penyelesaian fungsi tujuan SVD dengan pemrograman kuadratik Periode I Periode II Periode III Luas Tanam Akhir Luas Panen Hasil gabah
10 Menggunakan pemrograman kuadratik diperoleh hasil yang lebih optimal dibandingkan dengan ACO. Hasil optimasinya juga menunjukkan periode III merupakan periode optimal. SIMPULAN DAN SARAN Analisis hasil panen padi berdasarkan ACO yang parameternya ditentukan menggunakan SVD memberikan hasil bahwa periode III merupakan periode optimal. Hal ini mendukung hasil penelitian pada data yang sama dengan analisis menggunakan pemrograman kuadratik dan parameter ditentukan berdasarkan metode kuadrat terkecil bahwa periode III merupakan periode optimal. Menggunakan fungsi tujuan yang diperoleh dari SVD dan mengoptimasi dengan pemrograman kuadratik periode III merupakan periode yang optimal. Hasil ACO jika dibandingkan dengan pemrograman kuadratik lebih optimal pemrograman kuadratik. 10 DAFTAR PUSTAKA Anderson, E. dkk.(1999). LAPACK User's Guide Third Edition, SIAM, Philadelphia. ( Chang, P.T. dkk. (2008). Ant colony optimization system for a multi-quantitative and qualitative objective job-shop parallel-machine-scheduling problem. International Journal of Production Research,Vol. 46, No. 20, 15 October 2008, Dewi, V.P. Parhusip, H.A. & Linawati, L. (2013). Analisis hasil panen padi menggunakan pemodelan kuadratik. Prosiding (dalam proses), Seminar Nasional Matematika VII yang diselenggarakan oleh jurusan Matematika FMIPA dan Prodi Pendidikan Matematika Program Pasca Sarjana UNNES tanggal 26 Oktober 2013.Semarang: Universitas Negeri Semarang. Parhusip, H.A. &Martono, Y.(2012). Optimization Of Colour Reduction For Producing Stevioside Syrup Using Ant Colony Algorithm Of Logistic Function, proceeding of The Fifth International Symposium on Computational Science,ISSN: ,Vol1, pp91-101, GMU. Peressini, A.L. Sullivan, F.E. & Uhl, J. (1998). The Mathematics of Nonlinear Programing, Springer Verlag, New York,Inc. Rao, S.S. (2009). Engineering Optimization, Theory and Practice, John Wiley & Sons, Inc., Hoboken, New Jersey. Seo, M. & Kim, D. (2010). Ant colony optimisation with parameterised search space for the job shop scheduling problem. International Journal of Production Research.Vol. 48, No. 4, 15 February 2010, Watkins, D.S. (1991). Fundamentals of Matrix Computations, John Wiley & Sons, New York.
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika PENCARIAN PROPORSI PENAMBAHAN BEKATUL PADA MO- CORIN YANG BAIK DIKONSUMSI OLEH PENDERITA KOLES- TEROL DENGAN MENGGUNAKAN ALGORITMA GENETIK
Lebih terperinciANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK
ANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK Kharisma Yusea Kristaksa ) Hanna Arini Parhusip ), dan Bambang Susanto 3) ) Mahasiswa Program Studi Matematika ) 3) Dosen Program Studi Matematika
Lebih terperinciDISAIN AWAL PROTOTYPE G2A UNTUK ANALISA DATA PERTANIAN DAN PEDESAAN
DISAIN AWAL PROTOTYPE G2A UNTUK ANALISA DATA PERTANIAN DAN PEDESAAN Hanna Arini Parhusip 1 dan Ramos Somnya 2 Pusat Studi Simitro, Fakultas Teknologi Informasi Universitas Kristen Satya Wacana ABSTRAK.
Lebih terperinciANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK
Salatiga, 5 Juni 23, Vol 4, No., ISSN:287 922 ANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK Kharisma Yusea Kristaksa ) Hanna Arini Parhusip 2), dan Bambang Susanto 3) ) Mahasiswa Program Studi
Lebih terperinciOPTIMASI TANAMAN PANGAN DI KOTA MAGELANG DENGAN PEMROGRAMAN KUADRATIK DAN METODE FUNGSI PENALTI EKSTERIOR
40 Jurnal Matematika Vol 6 No 2 Tahun 2017 OPTIMASI TANAMAN PANGAN DI KOTA MAGELANG DENGAN PEMROGRAMAN KUADRATIK DAN METODE FUNGSI PENALTI EKSTERIOR OPTIMIZATION OF FOOD CROPS IN MAGELANG WITH QUADRATIC
Lebih terperinciPenerapan Pemrograman Kuadratik Metode Wolfe untuk Optimasi Rata-Rata Produksi Padi dan Ketela Pohon di Kota Magelang
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 T - 13 Penerapan Pemrograman Kuadratik Metode Wolfe untuk Optimasi Rata-Rata Produksi Padi dan Ketela Pohon di Kota Magelang Sativa Nurin
Lebih terperinciPENDAHULUAN Rumusan Masalah
PENDAHULUAN Mocorin yang merupakan hasil fermentasi dari jagung dengan penambahan bekatul dibuat dalam upaya pemenuhan kebutuhan makanan pokok khususnya untuk orang Indonesia dalam mengurangi ketergantungan
Lebih terperinciOPTIMASI (Pemrograman Non Linear)
OPTIMASI (Pemrograman Non Linear) 3 SKS PILIHAN Arrival Rince Putri, 013 1 Silabus I. Pendahuluan 1. Perkuliahan: Silabus, Referensi, Penilaian. Pengantar Optimasi 3. Riview Differential Calculus II. Dasar-Dasar
Lebih terperinciANALISA SAHAM MENGGUNAKAN TRANSFORMASI FOURIER STOKASTIK
PROSIDING SEINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VIII UKSW ANALISA SAHA ENGGUNAKAN RANSFORASI FOURIER SOKASIK Kharisma Yusea Kristaksa ) Hanna Arini Parhusip ), dan Bambang Susanto 3) ) ahasiswa Program
Lebih terperinciIMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS)
IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) Devie Rosa Anamisa, S.Kom, M.Kom Jurusan D3 Teknik Multimedia Dan Jaringan-Fakultas Teknik Universitas Trunojoyo
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA A. Efektivitas Efektivitas berasal dari kata efektif, yang merupakan kata serapan dari bahasa Inggris yaitu effective yang artinya berhasil. Menurut kamus ilmiah popular, efektivitas
Lebih terperinciLEMBAR PENGESAHAN LEMBAR PERNYATAAN HAK CIPTA ABSTRAK...
DAFTAR ISI Halaman LEMBAR PENGESAHAN LEMBAR PERNYATAAN HAK CIPTA ABSTRAK... i KATA PENGANTAR... iii DAFTAR ISI... v DAFTAR TABEL... vii DAFTAR GAMBAR... viii DAFTAR SIMBOL... ix BAB I PENDAHULUAN... 1
Lebih terperinciBAB II KAJIAN PUSTAKA. pemrograman nonlinear, fungsi konveks dan konkaf, pengali lagrange, dan
BAB II KAJIAN PUSTAKA Kajian pustaka pada bab ini akan membahas tentang pengertian dan penjelasan yang berkaitan dengan fungsi, turunan parsial, pemrograman linear, pemrograman nonlinear, fungsi konveks
Lebih terperinciALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP
Media Informatika, Vol. 2, No. 2, Desember 2004, 75-81 ISSN: 0854-4743 ALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP Zainudin Zukhri, Shidiq Alhakim Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas
Lebih terperinciLANDASAN TEORI. Bab Konsep Dasar Graf. Definisi Graf
Bab 2 LANDASAN TEORI 2.1. Konsep Dasar Graf Definisi Graf Suatu graf G terdiri atas himpunan yang tidak kosong dari elemen elemen yang disebut titik atau simpul (vertex), dan suatu daftar pasangan vertex
Lebih terperinciBAB II MAKALAH Makalah 1 :
BAB II MAKALAH Makalah 1 : Analisis penilaian kinerja karyawan menggunakan Fuzzy Linear Programming (FLP). Dipresentasikan dalam Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA 2013 yang diselenggarakan
Lebih terperinciBAB II KAJIAN PUSTAKA. Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan,
BAB II KAJIAN PUSTAKA Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan, pemrograman linear, metode simpleks, teorema dualitas, pemrograman nonlinear, persyaratan karush kuhn
Lebih terperinciPemanfaatan Algoritma Semut untuk Penyelesaian Masalah Pewarnaan Graf
Pemanfaatan Algoritma Semut untuk Penyelesaian Masalah Pewarnaan Graf Anugrah Adeputra - 13505093 Program Studi Informatika, Sekolah Teknik Elektro & Informatika ITB Jl. Ganesha No.10 If15093@students.if.itb.ac.id
Lebih terperinciBAB III PEMBAHASAN. digunakan untuk membentuk fungsi tujuan dari masalah pemrograman nonlinear
BAB III PEMBAHASAN Pada bab ini akan dijelaskan tentang konsep dasar metode kuadrat terkecil yang digunakan untuk membentuk fungsi tujuan dari masalah pemrograman nonlinear dan langkah-langkah penyelesaiannya
Lebih terperinciPENGGUNAAN ALGORITMA GENETIK DALAM MENGOPTIMALKAN KANDUNGAN KARBOHIDRAT DAN PROTEIN PADA MOCORIN
PROSIDING Nov,2013 : Seminar Nasional Matematika dan Pendidikan Matematika UNY,9 ISBN:978-979-16353-9-4, hal. MT 207-214 PENGGUNAAN ALGORITMA GENETIK DALAM MENGOPTIMALKAN KANDUNGAN KARBOHIDRAT DAN PROTEIN
Lebih terperinciFUZZY LINEAR PROGRAMMING DENGAN FUNGSI KEANGGOTAAN KURVA-S UNTUK PENILAIAN KINERJA KARYAWAN
FUZZY LINEAR PROGRAMMING DENGAN FUNGSI KEANGGOTAAN KURVA-S UNTUK PENILAIAN KINERJA KARYAWAN Astuti Irma Suryani ), Lilik Linawati 2) dan Hanna A. Parhusip 2) ) Mahasiswa Program Studi Matematika FSM UKSW
Lebih terperinciKOMBINASI PERSYARATAN KARUSH KUHN TUCKER DAN METODE BRANCH AND BOUND PADA PEMROGRAMAN KUADRATIK KONVEKS BILANGAN BULAT MURNI
Jurnal LOG!K@ Jilid 7 No 1 2017 Hal 52-60 ISSN 1978 8568 KOMBINASI PERSYARATAN KARUSH KUHN TUCKER DAN METODE BRANCH AND BOUND PADA PEMROGRAMAN KUADRATIK KONVEKS BILANGAN BULAT MURNI Khoerunisa dan Muhaza
Lebih terperinciANALISIS ALGORITMA SEMUT UNTUK PEMECAHAN MASALAH PENUGASAN
ANALISIS ALGORITMA SEMUT UNTUK PEMECAHAN MASALAH PENUGASAN Zainudin Zukhri Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia Kampus Terpadu UII Jl Kaliurang Km 14.5 Yogyakarta
Lebih terperinciANT COLONY OPTIMIZATION
ANT COLONY OPTIMIZATION WIDHAPRASA EKAMATRA WALIPRANA - 13508080 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung e-mail: w3w_stay@yahoo.com ABSTRAK The Ant Colony Optimization
Lebih terperinciPENCARIAN RUTE TERPENDEK OBJEK WISATA DI MAGELANG MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO)
PENCARIAN RUTE TERPENDEK OBJEK WISATA DI MAGELANG MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO) Bagus Fatkhurrozi *, Ika Setyowati Jurusan Teknik Elektro, Fakultas Teknik, Universitas Tidar Jl. Kapten Suparman
Lebih terperinciPenyelesaian Traveling Salesperson Problem dengan Menggunakan Algoritma Semut
Penyelesaian Traveling Salesperson Problem dengan Menggunakan Algoritma Semut Irfan Afif (13507099) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. ini sehingga dapat dijadikan sebagai landasan berpikir dan akan mempermudah. dalam hal pembahasan hasil utama berikutnya.
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan dijelaskan mengenai teori-teori yang berhubungan dengan pembahasan ini sehingga dapat dijadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Traveling Salesperson Problem selanjutnya dalam tulisan ini disingkat menjadi TSP, digambarkan sebagai seorang penjual yang harus melewati sejumlah kota selama perjalanannya,
Lebih terperinciBAB III ALGORITMA ANT DISPERSION ROUTING (ADR)
BAB III ALGORITMA ANT DISPERSION ROUTING (ADR) Pada permasalahan pencarian rute optimal dalam rangka penyebaran rute lalu lintas untuk mencapai keseimbangan jaringan lalu lintas sebagai upaya untuk mengurangi
Lebih terperinciPENGOPTIMALAN KADAR PROKSIMAT PADA MOCORIN DENGAN MENGGUNAKAN ALGORITMA GENETIK (AG)
PENGOPTIMALAN KADAR PROKSIMAT PADA MOCORIN DENGAN MENGGUNAKAN ALGORITMA GENETIK (AG) Oleh, RUTH KRISTIANINGSIH NIM : 662010008 TUGAS AKHIR Diajukan kepada Program Studi Matematika, Fakultas Sains dan Matematika
Lebih terperinciSISTEM ALOKASI PENYIMPANAN BARANG PADA GUDANG
SISTEM ALOKASI PENYIMPANAN BARANG PADA GUDANG Achmad Hambali Jurusan Teknik Informatika PENS-ITS Kampus PENS-ITS Keputih Sukolilo Surabaya 60 Telp (+6)3-59780, 596, Fax. (+6)3-596 Email : lo7thdrag@ymail.co.id
Lebih terperinciOPTIMASI TANAMAN PANGAN DI KOTA MAGELANG DENGAN PEMROGRAMAN KUADRATIK DAN METODE FUNGSI PENALTI EKSTERIOR SKRIPSI
OPTIMASI TANAMAN PANGAN DI KOTA MAGELANG DENGAN PEMROGRAMAN KUADRATIK DAN METODE FUNGSI PENALTI EKSTERIOR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta
Lebih terperinciKONTROL OPTIMAL PADA PENGADAAN BAHAN MENTAH DENGAN KEBIJAKAN PENGADAAN TEPAT WAKTU, PERGUDANGAN, DAN PENUNDAAN
LAPORAN TUGAS AKHIR 01 WINTER Template KONTROL OPTIMAL PADA PENGADAAN BAHAN MENTAH DENGAN KEBIJAKAN PENGADAAN TEPAT WAKTU, PERGUDANGAN, DAN PENUNDAAN Oleh: Darsih Idayani 1206 100 040 Pembimbing: Subchan,
Lebih terperinciSYARAT FRITZ JOHN PADA MASALAH OPTIMASI BERKENDALA KETAKSAMAAN. Caturiyati 1 Himmawati Puji Lestari 2. Abstrak
Syarat Fritz John... (Caturiyati) SYARAT FRITZ JOHN PADA MASALAH OPTIMASI BERKENDALA KETAKSAMAAN Caturiyati 1 Himmawati Puji Lestari 2 1,2 Jurusan Pendidikan Matematika FMIPA UNY 1 wcaturiyati@yahoo.com
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Zaman yang semakin berkembang membuat persoalan semakin kompleks, tidak terkecuali persoalan yang melibatkan persoalan matematika. Dalam pemecahannya, matematika memegang
Lebih terperinciBAB II TINJAUAN PUSTAKA. operasi yang mampu menyelesaikan masalah optimasi sejak diperkenalkan di
BAB II TINJAUAN PUSTAKA 2.1 Pemrograman Linier (Linear Programming) Pemrograman linier (linear programming) merupakan salah satu teknik riset operasi yang mampu menyelesaikan masalah optimasi sejak diperkenalkan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada awalnya komputer hanya digunakan untuk alat hitung saja tetapi seiring dengan perkembangan teknologi, komputer diharapkan mampu melakukan semua yang dapat
Lebih terperinciPenyelesaian Masalah Travelling Salesman Problem Menggunakan Ant Colony Optimization (ACO)
Penyelesaian Masalah Travelling Salesman Problem Menggunakan Ant Colony Optimization (ACO) Anna Maria 1, Elfira Yolanda Sinaga 2, Maria Helena Iwo 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen
Lebih terperinciPENENTUAN KEUNTUNGAN MAKSIMUM PADA PENJUALAN OLAHAN TAPE DENGAN MENGGUNAKAN METODE LAGRANGE (Studi Kasus: UD. Sari Madu)
PENENTUAN KEUNTUNGAN MAKSIMUM PADA PENJUALAN OLAHAN TAPE DENGAN MENGGUNAKAN METODE LAGRANGE (Studi Kasus: UD. Sari Madu) FEMY AYU ASTITI 1, NI MADE ASIH 2, I NYOMAN WIDANA 3 1, 2, 3 Jurusan Matematika
Lebih terperinciTINJAUAN PUSTAKA. Model Linier dengan n pengamatan dan p variable penjelas biasa ditulis sebagai
II. TINJAUAN PUSTAKA 2.1. Model Linear Model Linier dengan n pengamatan dan p variable penjelas biasa ditulis sebagai berikut : Y i = β 0 + X i1 β 1 + X i2 β 2 + + X ip β p +ε i ; i = 1,2,, n bila dirinci
Lebih terperinciPENEMUAN JALUR TERPENDEK DENGAN ALGORITMA ANT COLONY. Budi Triandi
Budi, Penemuan Jalur Terpendek Dengan 73 PENEMUAN JALUR TERPENDEK DENGAN ALGORITMA ANT COLONY Budi Triandi Dosen Teknik Informatika STMIK Potensi Utama STMIK Potensi Utama, Jl.K.L Yos Sudarso Km 6,5 No.3-A
Lebih terperinciISSN: Vol. 2 No. 1 Januari 2013
ISSN: 2303-1751 Vol. 2 No. 1 Januari 2013 e-jurnal Matematika Vol. 2, No. 1, Januari 2013, 19-23 ISSN: 2303-1751 PENENTUAN KEUNTUNGAN MAKSIMUM PADA PENJUALAN OLAHAN TAPE DENGAN MENGGUNAKAN METODE LAGRANGE
Lebih terperinciPERBANDINGAN METODE TRUST-REGION DENGAN METODE NEWTON-RAPHSON PADA OPTIMASI FUNGSI NON LINIER TANPA KENDALA
PERBANDINGAN METODE TRUST-REGION DENGAN METODE NEWTON-RAPHSON PADA OPTIMASI FUNGSI NON LINIER TANPA KENDALA Yully Estiningsih 1, Farikhin, Nikken Prima Puspita 3 1,,3 Jurusan Matematika FSM Universitas
Lebih terperinciOptimasi pada Rute Truk Peti Kemas dengan Algoritma Optimasi Koloni Semut
E-journal Teknik Elektro dan Komputer (tahun), ISSN : 20-8402 7 Optimasi pada Rute Truk Peti Kemas dengan Algoritma Optimasi Koloni Semut Feisy D. Kambey feisy.kambey@yahoo.co.id Abstrak Perdagangan global
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Penjadwalan Definisi Penjadwalan Kegiatan Belajar Mengajar
BAB II LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Definisi Penjadwalan Kegiatan Belajar Mengajar Penjadwalan terkait pada aktivitas dalam hal untuk membuat sebuah jadwal. Sebuah jadwal adalah sebuah tabel dari
Lebih terperinciALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB-SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI
ALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB-SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI Nama Mahasiswa : Rahmawati Erma.S. NRP : 1208100030 Jurusan : Matematika Dosen Pembimbing : 1. Subchan, M.Sc, Ph.D
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan mengenai teori teori yang berhubungan dengan pembahasan ini sehingga dapat dijadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1. Analisis Sistem yang Berjalan Analisa sistem yang berjalan bertujuan untuk mengidentifikasi persoalanpersoalan yang muncul dalam pembuatan sistem, hal ini dilakukan
Lebih terperinciPENJADWALAN PROSES PRODUKSI MENGGUNAKAN ANT COLONY ALGORITHM
PENJADWALAN PROSES PRODUKSI MENGGUNAKAN ANT COLONY ALGORITHM Dedy Kurniadi 1), Sam Farisa Chaerul Haviana 2) 1,2 Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Sultan Agung
Lebih terperinciBAB IV ANALISIS MASALAH
BAB IV ANALISIS MASALAH 4.1 Tampilan Program Persoalan TSP yang dibahas pada tugas akhir ini memiliki kompleksitas atau ruang solusi yang jauh lebih besar dari TSP biasa yakni TSP asimetris dan simetris.
Lebih terperinciPENYELESAIAN PEMROGRAMAN KUADRATIK (QUADRATIC PROGRAMMING) DENGAN METODE FRANK DAN WOLFE SKRIPSI. Untuk memenuhi sebagian persyaratan guna
PENYELESAIAN PEMROGRAMAN KUADRATIK (QUADRATIC PROGRAMMING) DENGAN METODE FRANK DAN WOLFE SKRIPSI Untuk memenuhi sebagian persyaratan guna memperoleh derajat sarjana S-1 Program Studi Matematika Disusun
Lebih terperinciPENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL
PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL Vania Mutiarani 1, Adi Setiawan, Hanna Arini Parhusip 3 1 Mahasiswa Program Studi Matematika FSM UKSW, 3 Dosen
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Berikut ini adalah beberapa definisi dan teorema yang menjadi landasan dalam penentuan harga premi, fungsi permintaan, dan kesetimbangannya pada portfolio heterogen. 2.1 Percobaan
Lebih terperinciBAB IV PEMBAHASAN. optimasi biaya produksi pada home industry susu kedelai Pak Ahmadi
BAB IV PEMBAHASAN Pada bab ini akan dipaparkan tentang penerapan model nonlinear untuk optimasi biaya produksi pada home industry susu kedelai Pak Ahmadi menggunakan pendekatan pengali lagrange dan pemrograman
Lebih terperinciMatematika dan Statistika
ISSN 1411-6669 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Majalah Ilmiah Matematika dan Statistika APLIKASI ALGORITMA SEMUT DAN ALGORITMA CHEAPEST
Lebih terperinciSyarat Fritz John pada Masalah Optimasi Berkendala Ketaksamaan. Caturiyati 1 Himmawati Puji Lestari 2. Abstrak
Syarat Fritz John pada Masalah Optimasi Berkendala Ketaksamaan Caturiyati 1 Himmawati Puji Lestari 2 1,2 Jurusan Pendidikan Matematika FMIPA UNY 1 wcaturiyati@yahoo.com 2 himmawatipl@yahoo.com Abstrak
Lebih terperinciBAB 2 LANDASAN TEORI. Perancangan sistem merupakan penguraian suatu sistem informasi
BAB 2 LANDASAN TEORI 2.1 Teori Umum 2.1.1 Perancangan Sistem Perancangan sistem merupakan penguraian suatu sistem informasi yang utuh ke dalam bagian komputerisasi yang dimaksud, mengidentifikasi dan mengevaluasi
Lebih terperinciBAB 1 PENDAHULUAN. bagian dalam pekerjaan. Dalam melakukan pemasangan kabel perlu
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bagi perusahaan kontraktor perumahan, pemasangan kabel menjadi bagian dalam pekerjaan. Dalam melakukan pemasangan kabel perlu dilakukan perencanaan urutan rumah yang
Lebih terperinciBAB I PENDAHULUAN. dinaikkkan tegangannya untuk meminimalisir rugi-rugi daya, kemudian energi listrik
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem tenaga listrik secara umum dapat di kelompokkan menjadi empat bagian, yaitu : pembangkit, transmisi, distribusi, dan beban. Pembangkit tenaga listrik adalah
Lebih terperinciBAB 2 KAJIAN PUSTAKA. Menurut Asghar (2000), secara garis besar masalah optimisasi terbagi dalam beberapa tipe berikut:
BAB 2 KAJIAN PUSTAKA 2.1 Masalah Optimisasi dan Program Non Linier Menurut Asghar (2000), secara garis besar masalah optimisasi terbagi dalam beberapa tipe berikut: 1. Masalah optimisasi tanpa kendala.
Lebih terperinciBAB II TINJAUAN PUSTAKA. Job shop scheduling problem (JSSP) adalah permasalahan optimasi
BAB II TINJAUAN PUSTAKA 2.1 Job Shop Scheduling Problem (JSSP) Job shop scheduling problem (JSSP) adalah permasalahan optimasi kombinatorial. Misalkan terdapat n buah job atau pekerjaan, yaitu J 1, J 2,,
Lebih terperinciPENCARIAN SOLUSI PEMROGRAMAN NON LINIER MENGGUNAKAN ALGORITMA BRANCH-AND-BOUND
Seminar Nasional Aplikasi Teknologi Informasi 009 (SNATI 009) Yogyakarta, 0 Juni 009 ISSN:1907-50 PENCARIAN SOLUSI PEMROGRAMAN NON LINIER MENGGUNAKAN ALGORITMA BRANCH-AND-BOUND Victor Hariadi Jurusan Teknik
Lebih terperinciArtikel Ilmiah oleh Siti Hasanah ini telah diperiksa dan disetujui oleh pembimbing.
Artikel Ilmiah oleh Siti Hasanah ini telah diperiksa dan disetujui oleh pembimbing. Malang, 1 Agustus 2013 Pembimbing Dra. Sapti Wahyuningsih,M.Si NIP 1962121 1198812 2 001 Penulis Siti Hasanah NIP 309312426746
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 TEORI GRAF 2.1.1 Definisi Definisi 2.1 (Munir, 2009, p356) Secara matematis, graf G didefinisikan sebagai pasangan himpunan (V,E), ditulis dengan notasi G = (V,E), yang dalam hal
Lebih terperinciMETODE ITERASI BARU BERTIPE SECANT DENGAN KEKONVERGENAN SUPER-LINEAR. Rino Martino 1 ABSTRACT
METODE ITERASI BARU BERTIPE SECANT DENGAN KEKONVERGENAN SUPER-LINEAR Rino Martino 1 1 Mahasiswa Program Studi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Binawidya
Lebih terperinciPemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Pemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok Sucia Mentari, Retno Subekti, Nikenasih
Lebih terperinciOPTIMISASI POLA DISTRIBUSI DENGAN LOGIKAFUZZY DAN ALGORITMA SEMUT PADA PT. SRI ANEKA PANGAN NUSANTARA TUGAS AKHIR SKRIPSI
OPTIMISASI POLA DISTRIBUSI DENGAN LOGIKAFUZZY DAN ALGORITMA SEMUT PADA PT. SRI ANEKA PANGAN NUSANTARA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Negeri
Lebih terperinciAnalisa Pencarian Jarak Terpendek Lokasi Wisata di Provinsi Sumatera Utara Menggunakan Algoritma Ant Colony Optimization (ACO)
Analisa Pencarian Jarak Terpendek Lokasi Wisata di Provinsi Sumatera Utara Menggunakan Algoritma Ant Colony Optimization (ACO) Juanda Hakim Lubis Prorgram Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciSISTEM PERSAMAAN LINEAR ( BAGIAN II )
SISTEM PERSAMAAN LINEAR ( BAGIAN II ) D. FAKTORISASI MATRIKS D2 2. METODE ITERASI UNTUK MENYELESAIKAN SPL D3 3. NILAI EIGEN DAN VEKTOR EIGEN D4 4. POWER METHOD Beserta contoh soal untuk setiap subbab 2
Lebih terperinciPenerapan Algoritma Ant System dalam Menemukan Jalur Optimal pada Traveling Salesman Problem (TSP) dengan Kekangan Kondisi Jalan
JNTETI, Vol. 1, No. 3, November 2012 43 Penerapan Algoritma Ant System dalam Menemukan Jalur Optimal pada Traveling Salesman Problem (TSP) dengan Kekangan Kondisi Jalan Andhi Akhmad Ismail 1, Samiadji
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Fokus dalam bidang teknologi saat ini tidak hanya berada pada proses pengembangan yang disesuaikan dengan permasalahan yang dapat membantu manusia
Lebih terperinciVEHICLE ROUTING PROBLEM UNTUK DISTRIBUSI BARANG MENGGUNAKAN ALGORITMA SEMUT
VEHICLE ROUTING PROBLEM UNTUK DISTRIBUSI BARANG MENGGUNAKAN ALGORITMA SEMUT Agung Hadhiatma 1*, Alexander Purbo 2* 1,2 Program Studi Informatika, Fakultas Sains dan Teknologi, Universitas Sanata Dharma
Lebih terperinciAnalisis dan Implementasi Ant Colony Algorithm untuk Clustering
Analisis dan Implementasi Ant Colony Algorithm untuk Clustering Kurniawan Nur Ramadhani Program Studi Manajemen Informatika Politeknik Telkom, Bandung andiess26@yahoo.co.id Abstrak Paper ini memaparkan
Lebih terperinciTUGAS AKHIR ALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB- SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI
TUGAS AKHIR ALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB- SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI (ALGORITHM OF MODIFIED BROYDEN-FLETCHER-GOLDFARB- SHANNO (MBFGS ) FOR OPTIMIZATION PROBLEM ) Oleh:
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Teori Graf 2.1.1 Definisi Graf Graf G adalah pasangan (V(G),E(G)) dengan (V(G)) adalah himpunan tidak kosong dan berhingga dari objek-objek yang disebut titik, (E(G)) adalah
Lebih terperinciENUMERASI DIGRAF TIDAK ISOMORFIK
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 ENUMERASI DIGRAF TIDAK ISOMORFIK Mulyono Jurusan Matematika FMIPA UNNES Email:
Lebih terperinciLampiran 1: Data padi sawah tahun dari BPS kota Surakarta
LAMPIRAN Lampiran 1: Data padi sawah tahun 1992-2012 dari BPS kota Surakarta No Tahun LTA I Periode I Periode II Periode III LP LTA LP HH LTA I HH I II II II III LP III 1 1992 125 91 62,41 112 114 55,44
Lebih terperinciANALISIS ALGORITMA ANT SYSTEM (AS) PADA KASUS TRAVELLING SALESMAN PROBLEM (TSP)
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 201 210. ANALISIS ALGORITMA ANT SYSTEM (AS) PADA KASUS TRAVELLING SALESMAN PROBLEM (TSP) Cindy Cipta Sari, Bayu Prihandono,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pemrograman Non Linier Pemrograman Non linier merupakan pemrograman dengan fungsi tujuannya saja atau bersama dengan fungsi kendala berbentuk non linier yaitu pangkat dari variabelnya
Lebih terperinciPERBANDINGAN ANALISIS BIPLOT KLASIK DAN ROBUST BIPLOT PADA PEMETAAN PERGURUAN TINGGI SWASTA DI JAWA TIMUR
Jur. Ris. & Apl. Mat. I (207), no., xx-xx Jurnal Riset dan Aplikasi Matematika e-issn: 258-054 URL: journal.unesa.ac.id/index.php/jram PERBANDINGAN ANALISIS BIPLOT KLASIK DAN ROBUST BIPLOT PADA PEMETAAN
Lebih terperinciPersamaan dan Pertidaksamaan Linear
MATERI POKOK Persamaan dan Pertidaksamaan Linear MATERI BAHASAN : A. Persamaan Linear B. Pertidaksamaan Linear Modul.MTK X 0 Kalimat terbuka adalah kalimat matematika yang belum dapat ditentukan nilai
Lebih terperinciOPTIMALISASI TRAVELLING SALESMAN WITH TIME WINDOWS (TSPTW) DENGAN ALGORITMA SEMUT
OPTIMALISASI TRAVELLING SALESMAN WITH TIME WINDOWS (TSPTW) DENGAN ALGORITMA SEMUT Budi Prasetyo Wibowo, Purwanto, dansusy Kuspambudi Andaini Universitas Negeri Malang ABSTRAK: Travelling Salesman Problem
Lebih terperinciANALISA DATA IKLIM BOYOLALI DENGAN REGRESI KLASIK DAN METODE GSTAR
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika Tuban, 4 Mei 14 ANALISA DATA IKLIM BOYOLALI DENGAN REGRESI KLASIK DAN METODE GSTAR H.A Parhusip 1) dan Winarso, M.E ) Pusat Penelitian SIMITRO
Lebih terperinciS 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)
PROSIDING ISBN : 978 979 6353 6 3 S 0 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) Wirayanti ), Adi Setiawan ), Bambang Susanto
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Tsunami Tsunami adalah gelombang laut yang terjadi karena adanya gangguan impulsif pada laut. Gangguan impulsif tersebut terjadi akibat adanya perubahan bentuk dasar laut secara tiba-tiba
Lebih terperinciOPTIMALISASI PENJUALAN KAIN ENDEK DENGAN METODE KARUSH-KUHN-TUCKER (KKT)
OPTIMALISASI PENJUALAN KAIN ENDEK DENGAN METODE KARUSH-KUHN-TUCKER (KKT) I Gede Aris Janova Putra 1, Ni Made Asih 2, I Nyoman Widana 3 1 Jurusan Matematika, FMIPA Universitas Udayana [Email: igajputra@gmail.com]
Lebih terperinciOPTIMASI RUTE ARMADA KEBERSIHAN KOTA GORONTALO MENGGUNAKAN ANT COLONY OPTIMIZATION. Zulfikar Hasan, Novianita Achmad, Nurwan
OPTIMASI RUTE ARMADA KEBERSIHAN KOTA GORONTALO MENGGUNAKAN ANT COLONY OPTIMIZATION Zulfikar Hasan, Novianita Achmad, Nurwan ABSTRAK Secara umum, penentuan rute terpendek dapat dibagi menjadi dua metode,
Lebih terperinciBAB I PENDAHULUAN. Riset Operasi, dalam artian sempit merupakan penerapan dari model-model
BAB I PENDAHULUAN A. LATAR BELAKANG Riset Operasi, dalam artian sempit merupakan penerapan dari model-model ilmiah khususnya dalam bidang matematika dan statistika (Kandiller, 2007 : 1). Riset Operasi
Lebih terperinciTrihastuti Agustinah
TE 9467 Teknik Numerik Sistem Linear Trihastuti Agustinah Bidang Studi Teknik Sistem Pengaturan Jurusan Teknik Elektro - FTI Institut Teknologi Sepuluh Nopember O U T L I N E OBJEKTIF TEORI CONTOH 4 SIMPULAN
Lebih terperinciUsulan Rute Distribusi Tabung Gas Menggunakan Algoritma Ant Colony Systems di PT. Limas Raga Inti
Prosiding Seminar Nasional Teknoin 2012 ISBN No. 978-979-96964-3-9 Usulan Rute Distribusi Tabung Gas Menggunakan Algoritma Ant Colony Systems di PT. Limas Raga Inti Fifi Herni Mustofa 1), Hari Adianto
Lebih terperinciOleh: Dimas Avian Maulana Dosen Pembimbing: Subchan, Ph.D
Oleh: Dimas Avian Maulana-1207100045 Dosen Pembimbing: Subchan, Ph.D Robot mobil adalah salah satu contoh dari wahana nir awak (WaNA) yang dapat dikendalikan dari jauh atau memiliki sistem pengendali otomatis
Lebih terperinciAplikasi Metode Simpleks pada Produksi Padi di Kabupaten Ogan Ilir Serta Analisis Kelayakan Produksi Secara Sensitivitas
Jurnal Penelitian Sains Volume 15 Nomor 2A April 2012 Aplikasi Metode Simpleks pada Produksi Padi di Kabupaten Ogan Ilir Serta Analisis Kelayakan Produksi Secara Sensitivitas Indrawati, Sisca Octarina,
Lebih terperinciBAB 2 PROGRAM LINIER DAN TAK LINIER. Program linier (Linear programming) adalah suatu masalah matematika
BAB 2 PROGRAM LINIER DAN TAK LINIER 2.1 Program Linier Program linier (Linear programming) adalah suatu masalah matematika yang mempunyai fungsi objektif dan kendala berbentuk linier untuk meminimalkan
Lebih terperinciPROGRAM FRAKSIONAL LINIER DENGAN KOEFISIEN INTERVAL. Annisa Ratna Sari 1, Sunarsih 2, Suryoto 3. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang
PROGRAM FRAKSIONAL LINIER DENGAN KOEFISIEN INTERVAL Annisa Ratna Sari 1, Sunarsih 2, Suryoto 3 1,2,3 Jurusan Matematika FSM Universitas Diponegoro Jl. Prof. H. Soedarto, S.H. Tembalang Semarang Abstract.
Lebih terperinciIMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS
IMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS Yudis Anggara Putra Chastine Fatichah Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciJurnal Edukasi dan Penelitian Informatika (JEPIN) Vol. 1, No. 2, (2015) 1 Rancangan Sistem Penjadwalan Akademik Menggunakan Algoritma Max Min Ant System (Studi Kasus: STMIK Atma Luhur Pangkalpinang) Delpiah
Lebih terperinciBAB 1 PENDAHULUAN. Saat ini perkembangan industri semakin meningkat, dengan munculnya alatalat
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini perkembangan industri semakin meningkat, dengan munculnya alatalat bantu untuk pekerjaan manusia berupa mesin. Dan dengan adanya mesin-mesin ini maka jumlah
Lebih terperinciBAB I PENDAHULUAN. Inggris dan Amerika bahu- membahu mengupayakan optimum-alokasi bahanbahan
BAB I PENDAHULUAN A. LATAR BELAKANG Operations Research (Riset Operasi) merupakan suatu bagian dari ilmu pengetahuan yang mulai berkembang pada tahun 1945, yaitu pada saat Perang Dunia II (Siswanto, 2007
Lebih terperinciPERENCANAAN SUMBER DAYA PADA PROYEK DENGAN MENGGUNAKAN METODE ANT COLONY
PERENCANAAN SUMBER DAYA PADA PROYEK DENGAN MENGGUNAKAN METODE ANT COLONY Niken A. Savitri, I Nyoman Pujawan, Budi Santosa Jurusan Teknik Industri, Fakultas Teknologi Industri Institut Teknologi Sepuluh
Lebih terperinciBAB I PENDAHULUAN. Traveling Salesman Problem (TSP) dikenal sebagai salah satu masalah
BAB I PENDAHULUAN I.1. Latar Belakang Traveling Salesman Problem (TSP) dikenal sebagai salah satu masalah optimasi yang banyak menarik perhatian para peneliti sejak beberapa dekade terdahulu. Pada mulanya,
Lebih terperinci