ALGORITMA OPTIMASI UNTUK MEMINIMALKAN SISA PEMOTONGAN BAR STEEL PADA PERUSAHAAN KONSTRUKSI
|
|
- Ridwan Sasmita
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ALGORITMA OPTIMASI UNTUK MEMINIMALKAN SISA PEMOTONGAN BAR STEEL PADA PERUSAHAAN KONSTRUKSI Ahmad Juniar Program Studi Sistem Informasi, STMI Jakarta ABSTRAK Ukuran bar steel yang dihasilkan oleh pabrik baja tidak selalu sesuai dengan ukuran yang dibutuhkan oleh perusahaan konstruksi sehingga bar steel harus dipotong-potong sesuai kebutuhan. Penyusunan pola pemotongan sangat penting karena perbedaan pola pemotongan dapat menghasilkan sisa bar steel terbuang yang berbeda-beda. Beberapa algoritma optimasi dapat menyelesaikan permasalahan pola pemotongan bar steel. Dalam penelitian ini, dibuat sebuah perangkat lunak yang mengimplementasikan algoritma optimasi tersebut. Perangkat lunak ini mengimplementasikan algoritma optimasi brute force, greedy, dan program dinamis untuk mencari solusi dalam rangka meminimalkan sisa bar steel yang terbuang. Setelah diuji, perangkat lunak menunjukkan bahwa algoritma brute force selalu menghasilkan solusi optimal, namun paling lambat dalam proses pencarian solusi. Algoritma greedy selalu paling cepat dalam proses pencarian solusi, dan algoritma program dinamis adalah algoritma terbaik secara keseluruhan karena algoritma ini menghasilkan solusi yang mendekati optimal dengan proses yang cepat untuk tipe persoalan yang mirip dengan dunia nyata. Metode brute force tidak muncul sebagai algoritma paling optimal karena kecepatan prosesnya yang bisa mencapai lebih dari 1 hari untuk persoalan kompleks yang biasa dihadapi di dunia nyata. Kata kunci: Pemotongan bar steel, optimasi, brute force, program dinamis. 1. PENDAHULUAN Urbanisasi menyebabkan perkembangan kota-kota di Indonesia menjadi semakin pesat. Kota-kota besar Indonesia banyak sekali melakukan pembangunan, baik gedung perkantoran, pusat perbelanjaan dan sebagainya. Seiring dengan pesatnya pembangunan, perusahaan jasa konstruksi juga semakin bertambah. Banyaknya perusahaan jasa konstruksi yang berdiri di Indonesia membuat persaingan dalam memenangkan tender proyek konstruksi menjadi semakin berat. Perusahaan konstruksi yang mengikuti tender harus mampu menyusun anggaran yang minimal tanpa mengabaikan standar kualitas agar dapat memenangkan tender dan memperoleh keuntungan yang besar. Salah satu optimasi yang dilakukan adalah pada penggunaan bahan baku yaitu bar steel. Menurut Brady, dkk (2002), Bar steel adalah salah satu bahan baku utama pembentuk bangunan saat ini. Bar steel dipakai untuk penopang suatu bangunan. Bar steel yang digunakan untuk mendirikan bangunan terdiri dari berbagai macam panjang, sedangkan bar steel yang disediakan oleh pabrik baja, memiliki panjang standar. Untuk menyesuaikan kebutuhan perusahaan konstruksi, bar steel yang telah dibeli harus dipotong sesuai dengan kebutuhan bangunan. Pemotongan bar steel pasti menyisakan bar steel berukuran pendek yang tidak dapat digunakan lagi. Untuk itu, perusahaan konstruksi harus mengoptimalkan pola pemotongan bar steel untuk meminimalkan sisa bar steel yang tidak dapat digunakan lagi. Dalam penelitian ini, beberapa algoritma digunakan akan dikaji yaitu: algoritma brute force, greedy, dan program dinamis untuk mencari pola pemotongan bar steel yang paling optimal, kemudian dibuat perangkat lunak untuk analisis lebih lanjut. 2. LANDASAN TEORI 2.1 Bar Steel Bar steel merupakan salah satu bahan dasar bangunan yang memiliki peranan penting dalam berdirinya suatu bangunan. Bar steel menjadi dasar dari berdirinya bangunan karena hampir dipakai di seluruh bagian bangunan. Pada tahap awal konstruksi, bentuk bangunan dibuat dari bermacam-macam bar steel, sesuai dengan kebutuhan bangunan. Bar steel dibuat oleh pabrik baja dengan panjang standar. Satu batang bar steel yang dihasilkan oleh pabrik dengan panjang standar tersebut biasanya dihitung sebagai satu rol 1
2 bar steel. Oleh karena itu, bar steel dipotongpotong sesuai dengan kebutuhan bentuk bangunan. Saat perancangan, arsitek yang merancang bangunan telah memilki perhitungan mengenai panjang-panjang bar steel yang digunakan, sehingga dapat ditentukan kebutuhan panjang bar steel untuk konstruksi. maka algoritma optimasi adalah metode yang digunakan untuk menemukan nilai x, misalnya menemukan kemungkinan yang terbesar (atau terkecil) dari suatu fungsi f dengan constraint yang diberikan oleh variabel (Horowitz, & Sartaj, 1978). Menurut Neapolitan & Richrad (1996), nilai x, dapat berupa nilai skalar atau vektor dari nilai yang kontinu atau nilai diskrit. 2.3 Algoritma brute force Brute force adalah sebuah pendekatan yang lempang (straightforward) untuk memecahkan masalah, biasanya didasarkan pula pada pernyataan masalah (problem statement) dan definisi konsep yang dilibatkan. Menurut Munir (2006), Algoritma brute force memecahkan masalah dengan sangat sederhana, langsung dan dengan cara yang jelas. 2.3 Algoritma greedy Gambar 1 Pola pemotongan bar steel Pabrik memproduksi bar steel dengan panjang standar l. Perusahaan konstruksi mengerjakan proyek sehubungan dengan pembangunan gedung yang memerlukan panjang bar steel yang bermacam-macam. Secara khusus, panjang bar steel untuk kebutuhan proyek sebanyak m buah dengan panjang li untuk i= 1, 2,..., m seperti ditunjukkan pada Gambar 1. Perusahaan konstruksi berkeinginan untuk memotong rol standar sedemikian sehingga memenuhi order dan meminimalkan sisanya. Karena potongan sisa tidak berguna bagi perusahaan konstruksi, maka fungsi tujuan adalah untuk meminimalkan jumlah bar steel standar yang diperlukan untuk memenuhi order. Diketahui lembaran standar dengan panjang l, memiliki banyak cara memotongnya. Cara yang demikian disebut dengan pola pemotongan. 2.2 Algoritma optimasi Jika diberikan suatu permasalahan yang solusinya dapat diselesaikan dengan menggunakan fungsi f dan solusi optimal yang diinginkan adalah f(x), Algoritma greedy membentuk solusi langkah per langkah (step by step). Terdapat banyak pilihan yang perlu dieksplorasi pada setiap langkah solusi. Oleh karena itu, pada setiap langkah harus dibuat keputusan yang terbaik dalam menentukan pilihan. Keputusan yang telah diambil pada suatu langkah tidak bisa diubah lagi pada langkah selanjutnya (Dimayati, dkk, 1996). Contoh, jika menggunakan algoritma greedy untuk menempatkan komponen diatas sirkuit, sekali sebuah komponen telah ditetapkan posisinya, komponen tersebut tidak dapat dipindahkan lagi. Pendekatan yang digunakan di dalam algoritma greedy adalah membuat pilihan yang tampaknya memberikan perolehan terbaik, yaitu dengan membuat pilihan local optimum pada setiap langkah dengan harapan bahwa sisanya mengarah ke solusi global optimum (Munir, 2006). 2.3 Algoritma program dinamis Program dinamis adalah metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan langkah (step) atau tahapan (stage) sedemikian sehingga solusi dari persoalan dapat dipandang dari serangkaian keputusan yang saling berkaitan. Menurut Munir (2006), penyelesaian persoalan dengan program dinamis terdapat sejumlah berhingga pilihan yang mungkin, solusi pada setiap tahap dibangun dari hasil solusi tahap sebelumnya, dan kita menggunakan persyaratan 2
3 optimasi dan kendala untuk membatasi sejumlah pilihan yang harus dipertimbangkan pada suatu tahap. 3. METODOLOGI PENELITIAN Langkah langkah yang digunakan dalam melakukan penelitian ini adalah sebagai berikut: 1. Merumuskan permasalahan pemotongan bar steel pada perusahaan konstruksi 2. Melakukan pengumpulan data. Pengumpulan data yang dilakukan dengan cara mencatat beberapa ukuran bar steel standar yang disediakan oleh pabrik baja. Pengumpulan data selanjutnya adalah mencatat ukuran bar steel yang dibutuhkan oleh perusahaan konstruksi beserta jumlahnya. 3. Selanjutkan adalah memodelkan permasalahan untuk dapat diselesaikan dengan algoritma brute force, greedy dan program dinamis. 4. Data masukan diuji pada setiap model sehingga diperoleh data keluaran untuk dianalisis. 5. Analisis dilakukan untuk memperoleh algoritma yang optimal dan waktu yang dibutuhkan untuk menyelesaikan permasalahan. Selanjutnya dipilih algoritma yang paling sesuai dengan kasus pemotongan bar steel di dunia nyata. 6. Hasil analisis dijadikan dasar untuk menarik kesimpulan dari penelitian ini. 4. PEMODELAN 4.1 Algoritma Brute Force Algoritma brute force memecahkan masalah dengan sangat sederhana, langsung dan dengan cara yang jelas. Metode penyelesaian dengan brute force ini pasti menghasilkan solusi yang paling baik karena metode ini menelusuri dan membandingkan seluruh kemungkinan yang ada, sehingga solusi yang muncul pasti yang terbaik dari semua metode. Untuk lebih jelasnya, langkah-langkah penyelesaian persoalan pemotongan bar steel menggunakan algoritma brute force adalah sebagai berikut: 1) Buat list daftar_solusi dan solusi, kemudian diinisialisasi kosong. 2) Buat variabel sisa untuk menghitung jumlah sisa yang telah dihasilkan oleh pola pemotongan. Buat juga variabel sisamin untuk membandingkan pola mana yang menghasilkan pola minimal. Inisisalisasi sisa adalah 0 dan sisamin adalah ) Inisialisasi i=0. 4) Masukkan pola[i] kedalam daftar_solusi. Kurangi problem dengan pattern[i], lalu tambah sisa dengan sisapola[i]. 5) Lakukan tahap 6 hingga terdapat minimal satu nilai negatif pada problem. Nilai i bertambah 1. 6) Kembali ke tahap 6 hingga semua nilai pada problem adalah 0. Hitung nilai sisa kemudian bandingkan dengan sisamin, jika sisa lebih kecil maka nilai sisamin diganti dengan sisa, kosongkan solusi kemudian copy daftar_solusi ke solusi. 7) Hapus pattern[i] dari daftar_solusi dan tambahkan nilai sisa dengan nilai sisapola[i]. Nilai i bertambah 1. Kembali ke tahap 8. 8) Lakukan tahap 9 hingga nilai i sama dengan jumlah pola hingga akhirnya seluruh tahap pernah ditempati oleh semua pola. 9) Tampilkan daftar_solusi yang berisi langkah-langkah pemilihan pola pemotongan ke layar. Penyelesaian persoalan menggunakan algoritma brute force memiliki kompleksitas dengan n adalah jumlah pattern yang digunakan dari sebuah permasalahan pemotongan dan k adalah jumlah tahap pencarian hingga selesai. 4.2 Algoritma Greedy Penyelesaian untuk persoalan diatas dengan menggunakan algoritma greedy adalah dengan memilih langkah yang terlihat paling mendekati solusi, yaitu dengan memilih pola yang memiliki sisa terkecil terlebih dahulu. Pada implementasi algoritma greedy, yang dilakukan hanya memilih pattern yang memiliki sisa yang paling kecil dan menghasilkan bar steel paling panjang dari kumpulan pattern yang masih mungkin diterapkan. Berikut ini langkah-langkah penyelesaian persoalan pemotongan bar steel menggunakan algoritma greedy: 1) Masukkan simpul awal ke dalam Open List. 2) Open List berisi simpul awal dan Closed List masih kosong. 3) Masukkan simpul awal ke Closed List dan suksesornya pada Open List. 3
4 4) Ulangi langkah berikut sampai simpul tujuan ditemukan dan tidak ada lagi simpul yang akan dikembangkan. 5) Hitung nilai f simpul-simpul yang ada pada Open List, ambil simpul terbaik (f paling kecil). 6) Jika simpul tersebut sama dengan simpul tujuan, maka sukses. 7) Jika tidak, masukkan simpul tersebut ke dalam Closed List. 8) Bangkitkan semua suksesor dari simpul tersebut. 9) Untuk setiap suksesor, kerjakan: a. Jika suksesor tersebut belum pernah dibangkitkan, evaluasi suksesor tersebut, tambahkan ke open list dan catat simpul parentnya. b. Jika suksesor tersebut sudah pernah dibangkitkan, ubah parentnya jika jalur melalui parent saat ini lebih baik daripada jalur melalui parent yang sebelumnya. Selanjutnya perbaharui nilai untuk suksesor selanjutnya. Keterangan: 1) Simpul (node) merupakan representasi dari area pencarian 2) Start node adalah posisi awal pencarian 3) Current node adalah simpul yang sedang dijalankan. 4) Suksesor adalah simpul-simpul yang berajasen dengan current node yang merupakan simpul-simpul yang akan diperiksa berikutnya. 5) Open list adalah tempat menyimpan data simpul yang mungkin diakses dari starting node maupun simpul yang sedang dijalankan. 6) Closed list adalah tempat menyimpan data simpul yang juga merupakan bagian dari jalur terpendek yang telah berhasil didapatkan. 7) Parent adalah current node dari suatu suksesor. 4.3 Algoritma Program Dinamis Penyelesaian dengan algoritma program dinamis adalah dengan memilih langkah yang memenuhi prinsip optimalitas. Dengan prinsip optimalitas ini dijamin bahwa setiap keputusan yang diambil pada suatu tahap adalah keputusan yang benar untuk tahap-tahap selanjutnya juga, tidak hanya benar untuk tahap itu saja. Secara matematis, penyelesaian masalah ini dengan program dinamis dapat dituliskan sebagai berikut: k adalah tahap (level) pencarian, s adalah status yang berhubungan dengan masing-masing tahap (level) yang merupakan simpul-simpul dalam graf (x 1, x 2, x 3,, x n ), c xks menyatakan bobot sisi dari x k ke s, f k (x k,s) menyatakan total bobot lintasan dari x k ke s, f k (s) adalah nilai minimal dari f k (x k,s), dan n adalah jumlah tahap pencarian yang dilakukan. Implementasi algoritma program dinamis menggunakan tabel-tabel pembandingan pada setiap tahap pencarian. Kompleksitas yang dimiliki algoritma program dinamis dalam menyelesaikan masalah optimasi pemotongan adalah O(k) dengan k adalah jumlah level yang dijalankan oleh algoritma untuk menyelesaikan sebuah permasalahan pemotongan. 5. ANALISIS DAN PEMBAHASAN Jika diasumsikan perusahaan membutuhkan bar steel untuk proyek konstruksi dengan panjang 5 meter sebanyak 3 buah, panjang 7 meter sebanyak 2 buah dan 8 meter sebanyak 2 buah sedangkan panjang bar steel yang tersedia di pasar adalah berukuran 10 meter dan 12 meter, maka Tabel 1 merupakan hasil performansi 3 algoritma optimasi pemotongan bar steel. Tabel 1: Perbandingan 3 algoritma optimasi Algoritma Kompleksitas (T (n, k)) Sisa bar steel minimal yang tidak terpakai Brute force 7 meter Greedy Program dinamis 9 meter 7 meter Dengan berbagai data masukan yang telah dilakukan pada saat pengujian perangkat lunak dapat dilihat bahwa penyelesaian menggunakan metode brute force selalu menghasilkan sususan pola pemotongan yang menghasilkan sisa paling 4
5 sedikit. Hal itu terjadi karena algoritma brute force membandingkan seluruh kemungkinan solusi. Namun, ada konsekuensi dari hal metode tersebut, yaitu waktu proses pencarian solusi yang sangat lama. Hal ini dapat dilihat dari catatan waktu proses yang dihasilkan brute force meningkat tajam seiring bertambahnya data masukan. Buruknya catatan waktu yang dihasilkan algoritma brute force dalam menyelesaikan masalah, membuat pencarian algoritma lain yang lebih efisien menjadi penting. Pada beberapa kasus algoritma greedy lebih baik dibanding program dinamis, pada kasus lain terjadi sebaliknya. Namun, catatan penting yang harus diperhatikan adalah kecepatan performansi yang dibuat oleh algoritma greedy. Hampir pada semua kasus, baik yang kompleks ataupun sederhana, waktu yang diperlukan oleh greedy untuk menyelesaikan masalah tidak lebih dari 1 milidetik. Hal ini menjadi poin tersendiri bagi algoritma greedy. Pada kasus dimana program dinamis lebih baik dibanding greedy, data masukan lebih masuk akal dan mirip dengan dunia nyata. Data yang digunakan merupakan data yang biasa digunakan perusahaan konstruksi. Ciriciri data tersebut adalah ukuran panjang yang diinginkan tidak berurut, tetapi dengan berselisih lebih dari 1. Untuk persoalan dengan data ukuran bar steel yang dibutuhkan dimana antar ukuran hanya berselisih 1 meter, greedy mengungguli program dinamis dengan selisih yang tidak terlalu besar. 6. KESIMPULAN DAN SARAN Penelitian ini menghasilkan kesimpulan sebagai berikut: 1. Algoritma brute force selalu menghasilkan solusi optimal yaitu sisa pemotongan bar steel yang paling minimal. Hal ini dapat dilihat dari hasil pengujian menggunakan beberapa tipe persoalan, dimana algoritma brute force selalu menghasilkan solusi optimal. Namun demikian algoritma brute force mempunyai sisis kelemahan yaitu sangat lambat dalam menyelesaikan permasalahan dengan data yang kompleks. 2. Algoritma greedy adalah algoritma paling efisien dalam menyelesaikan persoalan pemotongan bar steel jika dibandingkan dengan algoritma brute force dan program dinamis, namun solusi yang dihasilkan tidak global optimal. 3. Algoritma program dinamis merupakan algoritma yang terbaik untuk menyelesaikan tipe persoalan pemotongan bar steel di dunia nyata karena mampu menyelesaikan permasalahan dengan cepat dan solusinya mendekati optimal meskipun menggunakan data yang sangat kompleks. 7. DAFTAR PUSTAKA Brady, G. S., Clauser, H. R., & Vaccari, J. A. (2002). Materials Handbook (15 edition). McGraw-Hill. Dimayati, T. T., & Dimyati, A. (1992). Operation Research: Model- Model Pengambilan Keputusan. Bandung: Sinar Baru. Horowitz, E., & Sartaj, S. (1978). Fundamental of Computer Algorithms. Pitman Publishing Limited. Munir, R. (2006). Strategi Algoritmik, Program Studi Teknik Informatika, Bandung: STEI, Institut Teknologi Bandung. Neapolitan, & Richrad, R. (1996). Foundations of Algorithms. D.C. Heath and Company. 5
Sudi dan Implementasi Algoritma Optimasi Pemotongan Bar Steel
Sudi dan Implementasi Algoritma Optimasi Pemotongan Bar Steel Odit Ekwardo - 13504079 1) 1) Program Studi Teknik Informatika ITB, Bandung 40132, email: if14079@students.if.itb.ac.id Abstract Pada tugas
Lebih terperinciBAB III ANALISIS MASALAH
BAB III ANALISIS MASALAH Bab ini berisi analisis perbandingan performansi dan hasil akhir penyelesaian masalah pemotongan bar steel dengan algoritma brute force, algoritma greedy, dan algoritma program
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini berisi landasan dan dasar teori yang akan digunakan dalam melakukan analisis, perancangan, dan implementasi tugas akhir yang dilakukan pada bab-bab selanjutnya. 2.1 Bar Steel
Lebih terperinciBAB V IMPLEMENTASI DAN PENGUJIAN
BAB V IMPLEMENTASI DAN PENGUJIAN Bab ini berisi implementasi dari kelas-kelas yang telah dibuat pada tahap perancangan ke dalam bahasa pemrograman C# Microsoft Visual Studio 2005. Sealin itu juga terdapat
Lebih terperinciEksplorasi Algoritma Brute Force, Greedy, dan Dynamic Programming untuk Persoalan Integer Knapsack
Eksplorasi Algoritma Brute Force, Greedy, dan Dynamic Programming untuk Persoalan Integer Knapsack Muhamad Pramana Baharsyah, Sulistyo Unggul Wicaksono 2, Teguh Pamuji 3, Rinaldi Munir 4 Abstrak Laboratorium
Lebih terperinciDAFTAR REFERENSI. xii
DAFTAR REFERENSI [CEN07] [DIM97] [HOR78] [MUN06] [NEA96] [WIK07-a] [WIK07-b] http://www.centralsteel.com Dimyati T.T., & Dimyati A., Operation Research: Model-Model Pengambilan Keputusan, Sinar Baru, Bandung,
Lebih terperinciBAB III ALGORITMA GREEDY DAN ALGORITMA A* membangkitkan simpul dari sebuah simpul sebelumnya (yang sejauh ini terbaik di
BAB III ALGORITMA GREEDY DAN ALGORITMA A* 3.1 Best First Search Sesuai dengan namanya, best-first search merupakan sebuah metode yang membangkitkan simpul dari sebuah simpul sebelumnya (yang sejauh ini
Lebih terperinciProgram Dinamis (Dynamic Programming)
Program Dinamis (Dynamic Programming) Program Dinamis Program Dinamis (dynamic programming): metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan langkah (step) atau tahapan (stage)
Lebih terperinciPencarian Jalur Terpendek Pada Sistem Jaringan Komputer Menggunakan Algoritma Program Dinamis
Pencarian Jalur Terpendek Pada Sistem Jaringan Komputer Menggunakan Algoritma Program Dinamis Fadli Demitra (13511047) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciEKSPLORASI ALGORITMA BRUTE FORCE, GREEDY DAN PEMROGRAMAN DINAMIS PADA PENYELESAIAN MASALAH 0/1 KNAPSACK
EKSPLORASI ALGORITMA BRUTE FORCE, GREEDY DAN PEMROGRAMAN DINAMIS PADA PENYELESAIAN MASALAH / KNAPSACK Prasetyo Andy Wicaksono - 55 Program Studi T. Inormatika, STEI, Institut Teknologi Bandung Jl. Ganesha
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Algoritma Algoritma merupakan urutan langkah langkah untuk menyelesaikan masalah yang disusun secara sistematis, algoritma dibuat dengan tanpa memperhatikan bentuk
Lebih terperinciDeteksi Wajah Menggunakan Program Dinamis
Deteksi Wajah Menggunakan Program Dinamis Dandun Satyanuraga 13515601 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia
Lebih terperinciPertemuan-07 INFORMATIKA FASILKOM UNIVERSITAS IGM
07/04/2016 3. HEURISTIC METHOD Algoritma yang menggunakan Metode Best-First Search, yaitu: 1 Literatur Review KECERDASAN BUATAN Pertemuan-07 INFORMATIKA FASILKOM UNIVERSITAS IGM a. Greedy Best-First Greedy
Lebih terperinciALGORITMA MENCARI LINTASAN TERPENDEK
Abstrak ALGORITMA MENCARI LINTASAN TERPENDEK Indra Fajar 1, Gustian Siregar 2, Dede Tarwidi 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha
Lebih terperinciProgram Dinamis (Dynamic Programming)
Program Dinamis (Dynamic Programming) Bahan Kuliah IF2211 Strategi Algoritma Oleh: Rinaldi Munir Program Studi Teknik Informatika STEI-ITB 1 2 Program Dinamis Program Dinamis (dynamic programming): - metode
Lebih terperinciBAB III ALGORITMA GREEDY DAN PROGRAM DINAMIS
BAB III ALGORITMA GREEDY DAN PROGRAM DINAMIS 3.1 Algoritma Greedy Algoritma Greedy merupakan metode yang paling populer dalam memecahkan persoalan optimasi. Hanya ada dua macam persoalan optimasi, yaitu
Lebih terperinciAnalisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek
Analisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek Hugo Toni Seputro Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Jl. Ganesha 10 Bandung Jawa Barat Indonesia
Lebih terperinciProgram Dinamis. Oleh: Fitri Yulianti
Program Dinamis Oleh: Fitri Yulianti 1 Program Dinamis Program Dinamis (dynamic programming): - metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan tahapan (stage) - sedemikian sehingga
Lebih terperinciBAB IV ANALISIS DAN PERANCANGAN PERANGKAT LUNAK
BAB IV ANALISIS DAN PERANCANGAN PERANGKAT LUNAK Bab ini berisi analisis dan perancangan terhadap perangkat lunak yang akan dibangun. Analisis dan perancangan tersebut diantaranya adalah pembuatan diagram
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
9 BAB 1 PENDAHULUAN 1.1 Latar Belakang Travelling Salesman Problem (TSP) merupakan salah satu permasalahan yang penting dalam dunia matematika dan informatika. TSP dapat diilustrasikan sebagai perjalanan
Lebih terperinciAPLIKASI ALGORITMA GREEDY PADA PERSOALAN PEWARNAAN GRAF
APLIKASI ALGORITMA GREEDY PADA PERSOALAN PEWARNAAN GRAF Fitriana Passa (13508036) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jalan Ganeca 10 Bandung
Lebih terperinciPembahasan Pencarian Lintasan Terpendek Menggunakan Algoritma Dijkstra dan A*
Pembahasan Pencarian Lintasan Terpendek Menggunakan Algoritma Dijkstra dan A* Willy Setiawan - 13508043 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciSOLUSI PERMAINAN CHEMICALS DENGAN ALGORITMA RUNUT BALIK
SOLUSI PERMAINAN CHEMICALS DENGAN ALGORITMA RUNUT BALIK Irma Juniati Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Jalan Ganesha 10, Bandung e-mail:
Lebih terperinciProgram Dinamis (dynamic programming):
Materi #0 Ganjil 0/05 (Materi Tambahan) Program Dinamis (Dynamic Programming) Program Dinamis Program Dinamis (dynamic programming): metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan
Lebih terperinciAplikasi Algoritma Branch and Bound dalam Pencarian Solusi Optimum Job Assignment Problem
Aplikasi Algoritma Branch and Bound dalam Pencarian Solusi Optimum Job Assignment Problem Calvin Aditya Jonathan 13513077 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciPenyelesaian Sum of Subset Problem dengan Dynamic Programming
Penyelesaian Sum of Subset Problem dengan Dynamic Programming Devina Ekawati 13513088 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10
Lebih terperinciPerbandingan Algoritma Dijkstra dan Algoritma Floyd-Warshall dalam Penentuan Lintasan Terpendek (Single Pair Shortest Path)
Perbandingan Algoritma Dijkstra dan Algoritma Floyd-Warshall dalam Penentuan Lintasan Terpendek (Single Pair Shortest Path) Raden Aprian Diaz Novandi Program Studi Teknik Informatika, Sekolah Teknik Elektro
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Metode Transportasi dikemukakan pertama kali oleh FL.Hitch Cock pada tahun 1941. Ia menyajikannya dalam suatu studi mengenai The Distribution of a Product From Several
Lebih terperinciImplementasi Pencocokan String Tidak Eksak dengan Algoritma Program Dinamis
Implementasi Pencocokan String Tidak Eksak dengan Algoritma Program Dinamis Samudra Harapan Bekti 13508075 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPenerapan Algoritma Greedy untuk Memecahkan Masalah Pohon Merentang Minimum
Penerapan Algoritma Greedy untuk Memecahkan Masalah Pohon Merentang Minimum Bramianha Adiwazsha - NIM: 13507106 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciPenyelesaian Berbagai Permasalahan Algoritma dengan Kombinasi Algoritma Brute Force dan Greedy
Penyelesaian Berbagai Permasalahan Algoritma dengan Kombinasi Algoritma Brute Force dan Greedy Anggriawan Sugianto 1, David Susanto 2, Zakka Fauzan Muhammad 3 Laboratorium Ilmu dan Rekayasa Komputasi Program
Lebih terperinciPERMASALAHAN OPTIMASI 0-1 KNAPSACK DAN PERBANDINGAN BEBERAPA ALGORITMA PEMECAHANNYA
PERMASALAHAN OPTIMASI 0-1 KNAPSACK DAN PERBANDINGAN BEBERAPA ALGORITMA PEMECAHANNYA Fitriana Passa (13508036) Program Studi Teknik Informatika Institut Teknologi Bandungg Jl. Ganesha 10 Bandung Email:
Lebih terperinciPROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO. Oky Dwi Nurhayati, ST, MT
PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO Oky Dwi Nurhayati, ST, MT email: okydn@undip.ac.id 1 Program Dinamis (dynamic programming): - metode pemecahan masalah dengan cara menguraikan solusi
Lebih terperinciPENERAPAN ALGORITMA A* PADA PERMASALAHAN OPTIMALISASI PENCARIAN SOLUSI DYNAMIC WATER JUG
PENERAPAN ALGORITMA A* PADA PERMASALAHAN OPTIMALISASI PENCARIAN SOLUSI DYNAMIC WATER JUG Firman Harianja (0911519) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih terperinciOleh : CAHYA GUNAWAN JURUSAN SISTEM INFORMASI FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS KOMPUTER INDONESIA BANDUNG 2012
Oleh : CAHYA GUNAWAN 1.05.08.215 JURUSAN SISTEM INFORMASI FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS KOMPUTER INDONESIA BANDUNG 2012 PENDAHULUAN Dalam kehidupan sehari-hari sering dilakukan perjalanan
Lebih terperinciPenerapan Algoritma A* Untuk Pencarian Rute Terdekat Pada Permainan Berbasis Ubin (Tile Based Game)
Penerapan Algoritma A* Untuk Pencarian Rute Terdekat Pada Permainan Berbasis Ubin (Tile Based Game) Febriana Santi Wahyuni 1,*, Sandy Nataly Mantja 1 1 T.Informatika Fakultas Teknologi Industri Institut
Lebih terperinciIka Zulhidayati (1), Kartika Yulianti (2) ABSTRAK
APLIKASI ALGORITMA GREEDY DAN PROGRAM DINAMIS (DYNAMIC PROGRAMMING) PADA PERMAINAN GREEDY SPIDERS Ika Zulhidayati (1), Kartika Yulianti (2) ABSTRAK Semakin pesatnya perkembangan teknologi, perkembangan
Lebih terperinciPenerapan Algoritma Brute force dan Greedy pada Penjadwalan Disk
Penerapan Algoritma Brute force dan Greedy pada Penjadwalan Disk Abraham Krisnanda Santoso 13510033 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciTUGAS RESUME MATERI KULIAH ALGORITMA DAN STRUKTUR DATA STRATEGI ALGORITMA : H
TUGAS RESUME MATERI KULIAH ALGORITMA DAN STRUKTUR DATA STRATEGI ALGORITMA NAMA NIM : HERIANTI : H12111003 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA PROGRAM STUDI STATISTIKA UNIVERSITAS
Lebih terperinciDesign and Analysis Algorithm. Ahmad Afif Supianto, S.Si., M.Kom. Pertemuan 09
Design and Analysis Algorithm Ahmad Afif Supianto, S.Si., M.Kom Pertemuan 09 Contents 1 2 5 Algoritma Program Dinamis Lintasan Terpendek (Shortest Path) Penganggaran Modal (Capital Budgeting) 1/0 Knapsack
Lebih terperinciPenerapan Program Dinamis dalam Menentukan Rute Terbaik Transportasi Umum
Penerapan Program Dinamis dalam Menentukan Rute Terbaik Transportasi Umum Indam Muhammad / 13512026 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciPenerapan Algoritma A* (A Star) Sebagai Solusi Pencarian Rute Terpendek Pada Maze
Penerapan Algoritma A* (A Star) Sebagai Solusi Pencarian Rute Terpendek Pada Maze 1 Rakhmat Kurniawan. R., ST, M.Kom, 2 Yusuf Ramadhan Nasution, M.Kom Program Studi Ilmu Komputer, Fakultas Sains dan Teknologi
Lebih terperinciStudi dan Implementasi Algoritma Optimasi Pemotongan Bar Steel
Studi dan Implementasi Algoritma Optimasi Pemotongan Bar Steel LAPORAN TUGAS AKHIR Disusun sebagai syarat kelulusan tingkat sarjana oleh : Odit Ekwardo / 135 04 079 PROGRAM STUDI INFORMATIKA SEKOLAH TEKNIK
Lebih terperinciTIN102 - Pengantar Teknik Industri Materi #10 Ganjil 2015/2016 TIN102 PENGANTAR TEKNIK INDUSTRI
Materi #10 TIN102 PENGANTAR TEKNIK INDUSTRI Pendahuluan 2 Permasalahan pemrograman dinamis secara umum memiliki proses keputusan yang bersifat multi tahapan (multi-stage). I1 D1 I2 D2 In Dn R1 R2 Rn 6623
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang demikian pesatnya saat ini, telah membawa dunia memasuki era informasi yang lebih cepat dan lebih efisien. Hal ini tidak terlepas dari pemanfaatan
Lebih terperinciParadigma Pemrograman Dinamis dalam Menentukan Rute Distribusi Bahan Bakar Minyak Berdasarkan Kebutuhan Penduduk di Suatu Daerah
Paradigma Pemrograman Dinamis dalam Menentukan Rute Distribusi Bahan Bakar Minyak Berdasarkan Kebutuhan Penduduk di Suatu Daerah Aditya Agung Putra (13510010) 1 Program Studi Teknik Informatika Sekolah
Lebih terperinciImplementasi Algoritma Greedy pada Permainan Ludo
Implementasi Algoritma Greedy pada Permainan Ludo Sylvia Juliana, 13515070 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl, Ganesha 10 Bandung 40132,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Graf adalah salah satu metode yang sering digunakan untuk mencari solusi dari permasalahan diskrit dalam dunia nyata. Dalam kehidupan sehari-hari, graf digunakan untuk
Lebih terperinciPERBANDINGAN APLIKASI ALGORITMA BRUTE-FORCE DAN KOMBINASI ALGORITMA BREADTH FIRST SEARCH DAN GREEDY DALAM PENCARIAN SOLUSI PERMAINAN TREASURE HUNT
PERBANDINGAN APLIKASI ALGORITMA BRUTE-FORCE DAN KOMBINASI ALGORITMA BREADTH FIRST SEARCH DAN GREEDY DALAM PENCARIAN SOLUSI PERMAINAN TREASURE HUNT Adi Purwanto Sujarwadi (13506010) Program Studi Teknik
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah dalam menentukan lintasan terpendek di antara titik tertentu dalam suatu graph telah banyak menarik perhatian. Persoalan dirumuskan sebagai kasus khusus dan
Lebih terperinciPenggunaan Algoritma Dijkstra dalam Penentuan Lintasan Terpendek Graf
Penggunaan Algoritma Dijkstra dalam Penentuan Lintasan Terpendek Graf Rahadian Dimas Prayudha - 13509009 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciAlgoritma Branch & Bound
Algoritma Branch & Bound Bahan Kuliah IF2211 Strategi Algoritma Program Studi Informatika STEI ITB 2018 Overview Pembentukan pohon ruang status (state space tree) dinamis untuk mencari solusi persoalan
Lebih terperinciProgram Dinamis Sebagai Algoritma Dalam Link State Routing Protocol
Program Dinamis Sebagai Algoritma Dalam Link State Routing Protocol Biyan Satyanegara / 13508057 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciPenggunaan Algoritma Backtracking Untuk Menentukan Keisomorfikan Graf
Abstrak Penggunaan Algoritma Backtracking Untuk Menentukan Keisomorfikan Graf Neni Adiningsih, Dewi Pramudi Ismi, Ratih Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut
Lebih terperinciPenentuan Rute Terbaik pada Permainan Taxi Rider
Penentuan Rute Terbaik pada Permainan Taxi Rider Perbandingan antara Algoritma Greedy dan Pemrograman Dinamis Ezra Hizkia Nathanael - 13510076 Program Studi Teknik Informatika Sekolah Teknik Elektro dan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
21 2 TINJUN PUSTK 2.1. lgoritma lgoritma merupakan suatu langkah langkah untuk menyelesaikan masalah yang disusun secara sistematis, tanpa memperhatikan bentuk yang akan digunakan sebagai implementasinya,
Lebih terperinciCreate PDF with GO2PDF for free, if you wish to remove this line, click here to buy Virtual PDF Printer
Membangun Pohon Merentang Minimum Dari Algoritma Prim dengan Strategi Greedy Doni Arzinal 1 Jursan Teknik Informatika, Institut Teknologi Bandung Labtek V, Jl. Ganesha 10 Bandung 1 if15109@students.if.itb.ac.id,
Lebih terperinciPenggunaan Algoritma Greedy Untuk Menyelesaikan Permainan Cluedo
Penggunaan Algoritma Greedy Untuk Menyelesaikan Permainan Cluedo Adriano Milyardi - 13509010 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciPendeteksian Deadlock dengan Algoritma Runut-balik
Pendeteksian Deadlock dengan Algoritma Runut-balik Rita Wijaya - 13509098 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Simulasi Sistem didefinisikan sebagai sekumpulan entitas baik manusia ataupun mesin yang yang saling berinteraksi untuk mencapai tujuan tertentu. Dalam prakteknya,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu permasalahan optimasi kombinatorial yang terkenal dan sering dibahas adalah traveling salesman problem. Sejak diperkenalkan oleh William Rowan Hamilton
Lebih terperinciPENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) MENGGUNAKAN ALGORITMA RECURSIVE BEST FIRST SEARCH (RBFS)
PENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) MENGGUNAKAN ALGORITMA RECURSIVE BEST FIRST SEARCH (RBFS) Hari Santoso 146060300111019 haripinter@gmail.com Prodi Sistem Komunikasi dan Infromatika Teknik Elektro
Lebih terperinciPenggabungan Algoritma Brute Force dan Backtracking dalam Travelling Thief Problem
Penggabungan Algoritma Brute Force dan Backtracking dalam Travelling Thief Problem Jessica Handayani (13513069) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciPencarian Solusi Optimal dalam Permainan Congklak dengan Program Dinamis
Pencarian Solusi Optimal dalam Permainan Congklak dengan Program Dinamis Muchamad Surya Prasetyo Program Studi Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Jl. Ganesha
Lebih terperinciPenerapan Program Dinamis untuk Optimisasi Taktik Pit Stop F1
Penerapan Program Dinamis untuk Optimisasi Taktik Pit Stop F1 Marchy Tio Pandapotan 1 13509026 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Graf Definisi 2.1.1 Sebuah graf didefinisikan sebagai pasangan terurut himpunan dimana: 1. adalah sebuah himpunan tidak kosong yang berhingga yang anggotaanggotanya
Lebih terperinciAnalisis Permainan FLIP Menggunakan Algoritma Program Dinamis
Analisis Permainan FLIP Menggunakan Algoritma Program Dinamis Tina Yuliani Ayuningsih Program studi Teknik Informatika Institut Teknologi Bandung Jl Ganesha 10 Bandung e-mail: if15057@studentsifitbacid
Lebih terperinciAplikasi Graf pada Persoalan Lintasan Terpendek dengan Algoritma Dijkstra
Aplikasi Graf pada Persoalan Lintasan Terpendek dengan Algoritma Dijkstra Adriansyah Ekaputra 13503021 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung Abstraksi Makalah
Lebih terperinciPenentuan Lintasan Terbaik Dengan Algoritma Dynamic Programming Pada Fitur Get Driving Directions Google Maps
Penentuan Lintasan Terbaik Dengan Algoritma Dynamic Programming Pada Fitur Get Driving Directions Google Maps Michael Ingga Gunawan 13511053 Program Studi Teknik Informatika Sekolah Teknik Elektro dan
Lebih terperinciPenerapan Pohon dengan Algoritma Branch and Bound dalam Menyelesaikan N-Queen Problem
Penerapan Pohon dengan Algoritma Branch and Bound dalam Menyelesaikan N-Queen Problem Arie Tando (13510018) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciBAB 1 PENDAHULUAN. Permasalahan pemotongan bahan baku menjadi beberapa bagian untuk diproses
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Setiap manusia menginginkan keuntungan sebanyak-banyaknya dengan mengefisiensikan sumber daya yang dimiliki terhadap batasan-batasan yang ditemui pada suatu
Lebih terperinciPenggunaan Algoritma Greedy dalam Membangun Pohon Merentang Minimum
Penggunaan Algoritma Greedy dalam Membangun Pohon Merentang Minimum Gerard Edwin Theodorus - 13507079 Jurusan Teknik Informatika ITB, Bandung, email: if17079@students.if.itb.ac.id Abstract Makalah ini
Lebih terperinciSTUDI PERBANDINGAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN ANT COLONY SYSTEM DALAM PEMECAHAN TRAVELLING SALESMAN PROBLEM
Seminar Nasional Aplikasi Teknologi Informasi (SNATI ) ISSN: `1907-5022 Yogyakarta, 19 Juni STUDI PERBANDINGAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN ANT COLONY SYSTEM DALAM PEMECAHAN TRAVELLING SALESMAN
Lebih terperinciPenerapan Algoritma A* Sebagai Algoritma Pencari Jalan Dalam Game
ABSTRAK Penerapan Algoritma A* Sebagai Algoritma Pencari Jalan Dalam Game Makalah ini membahas tentang bagaimana suatu entitas di dalam game mampu mencari jalan terpendek dari titik koordinatnya sekarang
Lebih terperinciPenerapan Algoritma Greedy pada Permainan Tower Defense
Penerapan Algoritma Greedy pada Permainan Tower Defense Tasya - 13515064 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Dewasa ini game semakin canggih dan kompleks. Tidak hanya dari sisi tampilannya, tetapi juga kecerdasan dari agen-agen yang ada didalam game tersebut. Sering kita temui
Lebih terperinciTujuan Instruksional
Pertemuan 4 P E N C A R I A N T A N P A I N F O R M A S I B F S D F S U N I F O R M S E A R C H I T E R A T I V E D E E P E N I N G B I D I R E C T I O N A L S E A R C H Tujuan Instruksional Mahasiswa
Lebih terperinciAlgoritma Greedy untuk AI dalam Permainan DotA
Algoritma Greedy untuk AI dalam Permainan DotA Kevin Leonardo Handoyo/13509019 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciPencarian Solusi Permainan Fig-Jig Menggunakan Algoritma Runut-Balik
Pencarian Solusi Permainan Fig-Jig Menggunakan Algoritma Runut-Balik Edward Hendrata (13505111) Program Studi Teknik Informatika, Institut Teknologi Bandung Jl Ganesha 10, Bandung E-mail: if15111@students.if.itb.ac.id
Lebih terperinciMODUL I PROGRAM DINAMIS
MODUL I PROGRAM DINAMIS 1.1 Tujuan Praktikum Program dinamis merupakan modul pertama yang dipelajari dalam Praktikum Stokastik. Adapun yang menjadi tujuan praktikum dalam modul program dinamis adalah sebagai
Lebih terperinciPenyelesaian Persoalan Penukaran Uang dengan Program Dinamis
Penyelesaian Persoalan Penukaran Uang dengan Program Dinamis Albert Logianto - 13514046 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10
Lebih terperinciPENEMPATAN KANTOR POS DENGAN ALGORITMA PROGRAM DINAMIS
PENEMPATAN KANTOR POS DENGAN ALGORITMA PROGRAM DINAMIS Hanson Prihantoro Putro (13505045) Sekolah Teknik Elektro dan Informatika ITB Jl. Ganesha 10 Bandung 40135 if15045@students.if.itb.ac.id ABSTRAK Makalah
Lebih terperinciPenyelesaian Permainan Sliding Puzzle 3x3 Menggunakan Algoritma Greedy Dengan Dua Fungsi Heuristik
Penyelesaian Permainan Sliding Puzzle 3x3 Menggunakan Algoritma Greedy Dengan Dua Fungsi Heuristik Akbar Gumbira - 13508106 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciAlgoritma Prim dengan Algoritma Greedy dalam Pohon Merentang Minimum
Algoritma Prim dengan Algoritma Greedy dalam Pohon Merentang Minimum Made Mahendra Adyatman 13505015 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung
Lebih terperinciPenerapan Algoritma Backtracking pada Game The Lonely Knight
Penerapan Algoritma Backtracking pada Game The Lonely Knight Ananda Kurniawan Pramudiono - 13511052 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciAlgoritma Greedy pada Board Game Saboteur
Algoritma Greedy pada Board Game Saboteur Lathifah Nurrahmah - 13515046 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciOptimalisasi Susunan Tempat Duduk Kereta Api Menggunakan Algoritma Greedy dan Program Dinamis
Optimalisasi Susunan Tempat Duduk Kereta Api Menggunakan Algoritma Greedy dan Program Dinamis Fildah Ananda Amalia - 13515127 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciPenentuan Rute Belanja dengan TSP dan Algoritma Greedy
Penentuan Rute Belanja dengan TSP dan Algoritma Greedy Megariza 13507076 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciPenerapan Algoritma Greedy dalam Algoritma Penjadwalan Prosesor Tunggal Shortest Job First
Penerapan Algoritma Greedy dalam Algoritma Penjadwalan or Tunggal Shortest Job First Girvandi Ilyas, 13515051 Program Studi Teknik Informatika Sekolah Teknik Elekro dan Informatika Insitut Teknologi Bandung,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Transportasi atau pengangkutan adalah suatu kegiatan yang penting bagi kegiatan kita pada umumnya, dan pada kegiatan industri pada khususnya. Transportasi atau pengangkutan
Lebih terperinciImplementasi Pemrograman Dinamis dalam Pencarian Solusi Permainan Menara Hanoi
Implementasi Pemrograman Dinamis dalam Pencarian Solusi Permainan Menara Hanoi Jonathan Ery Pradana / 13508007 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciPenentuan Keputusan dalam Permainan Gomoku dengan Program Dinamis dan Algoritma Greedy
Penentuan Keputusan dalam Permainan Gomoku dengan Program Dinamis dan Algoritma Greedy Atika Yusuf 135055 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPenentuan Menu Makan dengan Pemrograman Dinamis
Penentuan Menu Makan dengan Pemrograman Dinamis Jordhy Fernando 13515004 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciPerbandingan Algoritma Brute Force dan Breadth First Search dalam Permainan Onet
Perbandingan Algoritma Brute Force dan Breadth First Search dalam Permainan Onet Dininta Annisa / 13513066 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPencarian Lintasan Terpendek Pada Aplikasi Navigasi Menggunakan Algoritma A*
Pencarian Lintasan Terpendek Pada Aplikasi Navigasi Menggunakan Algoritma A* Erfandi Suryo Putra 13515145 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPenerapan Search Tree pada Penyelesaian Masalah Penentuan Jalur Kota Terpendek.
Penerapan Search Tree pada Penyelesaian Masalah Penentuan Jalur Kota Terpendek. Arnold Nugroho Sutanto - 13507102 1) 1) Jurusan Teknik Informatika ITB, Bandung 40132, email: if17102@students.if.itb.ac.id
Lebih terperinciPENERAPAN ALGORITMA GREEDY DALAM PENGISIAN RENCANA STUDI SEMESTER DI ITB SEBAGAI PERSOALAN BINARY KNAPSACK
PENERAPAN ALGORITMA GREEDY DALAM PENGISIAN RENCANA STUDI SEMESTER DI ITB SEBAGAI PERSOALAN BINARY KNAPSACK Penerapan Algoritma Greedy dalam Pengisian Rencana Studi Semester di ITB sebagai Persoalan Binary
Lebih terperinciPenerapan Algoritma Greedy dalam Pencarian Rantai Penjumlahan Terpendek
Penerapan Algoritma Greedy dalam Pencarian Rantai Penjumlahan Terpendek Irwan Kurniawan 135 06 090 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl Ganesha 10, Bandung e-mail: if16090@students.if.itb.ac.id
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 I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Pembuatan Web Sistem Informasi Geografis (SIG) salah satunya didorong karena penggunaan internet yang sangat luas dimasyarakat dan pemerintah, karena internet maka
Lebih terperinci