PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING
|
|
- Shinta Salim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING Dinda Novitasari 1, Arista Welasari 2, W. Lisa Yunita 3, Nur Alfiyah 4, dan Chasandra P. 5 Program Studi Informatika, PTIIK, Universitas Brawijaya dindanovz@gmail.com 1, aristawelasari@gmail.com 2, wilda_lisa@yahoo.com 3, phi.nuralfi@gmail.com 4, dan chasandra1d@gmail.com 5 ABSTRACT Travelling Salesman Problem (TSP) merupakan permasalahan pencarian rute perjalanan terpendek atau jarak minimum oleh seorang salesman untuk melewati sejumlah kota dengan jalur tertentu sehingga setiap kota hanya terlewati satu kali dan perjalanan diakhiri dengan kembali ke kota semula. Banyak algoritma telah dikembangkan dalam menyelesaikan permasalahan TSP, namun ada beberapa algoritma yang dirasa kurang dalam hal performasinya. Salah satu algoritma yang mampu menyelesaikan permasalahan TSP adalah Simple Hill Climbing. Simple Hill Climbing merupakan algoritna yang didasarkan pada pemilihan new state secara langsung yang memiliki jalur yang lebih baik ( curam ) daripada jalur-jalur sebelumnya tanpa memperhitungkan jalur-jalur lain yang lebih curam. Pendekatan menggunakan algoritma Simple Hill Climbing ini diharapkan mampu memberikan solusi atau penyelesaian dalam perhitungan waktu yang lebih singkat dibandingkan dengan sejumlah algoritma lain yang diterapkan pada komputer dalam bentuk program. Tujuan yang ingin dicapai adalah mengaplikasikan metode heuristik Simple Hill Climbing untuk mensimulasikan dan menyelesaikan permasalahan Travelling Salesman Problem dengan baik untuk mendapatkan rute terpendek. Kata kunci: Travelling Salesman Problem, Simple Hill Climbing, algorima, rute terpendek I. Pendahuluan 1.1 Latar Belakang Traveling Salesman Problem (TSP) pertama kali diperkenalkan oleh Rand pada tahun 1948, reputasi Rand membuat TSP dikenal dengan baik dan menjadi masalah yang populer. TSP merupakan sebuah permasalan optimasi yang dapat diterapkan pada berbagai kegiatan seperti routing dan penjadwalan produksi. Masalah optimasi TSP terkenal dan telah menjadi standar untuk mencoba algoritma yang komputasional. Pokok permasalahan dari TSP adalah seorang salesman harus mengunjungi sejumlah kota yang diketahui jaraknya satu dengan yang lainnya. Semua kota yang ada harus dikunjungi oleh salesman tersebut dan kota tersebut hanya boleh dikunjungi tepat satu kali. Permasalahannya adalah bagaimana salesman tersebut dapat mengatur rute perjalanannya sehingga jarak yang ditempuhnya merupakan jarak minimum. 1.2 Rumusan Masalah Untuk merencanakan dan membangun suatu sistem pencarian jalur terpendek yang akan dibuat pada Proyek Akhir ini, terdapat permasalahan yang dihadapi yaitu: Pemrograman Algoritma Simple Hill Climbing yang digunakan sebagai metode untuk pencarian jalur terpendek. 1.3 Batasan Masalah Adapun batasan-batasan permasalahan dari Proyek Akhir ini adalah sebagai berikut: a. Pencarian jalur terpendek hanya menggunakan jarak saja, tanpa menghiraukan adanya beban dari tiap jalan. b. Data yang dipakai di dalam sistem ini adalah data yang diolah secara random oleh komputer, sehingga bukan berdasarkan peta daerah tertentu. 1.4 Tujuan Tujuan dari sistem yang dibuat adalah menemukan jalur atau rute manakah yang memiliki total jarak terdekat yang ditempuh oleh salesman dalam simulasi perjalanan. Sehingga diharapkan mampu memberikan informasi kepada salesman tentang jalur manakah yang paling dekat untuk menuju suatu tempat yang diwakili oleh suatu titik asal dan titik tujuan. II. Landasan Teori 2.1 Hill Climbing Algoritma: 1. Mulai dari keadaan awal, lakukan pengujian: jika merupakan tujuan, maka berhenti; dan jika tidak, lanjutkan dengan keadaan sekarang sebagai keadaan awal.
2 2. Kerjakan langkah-langkah berikut sampai solusinya ditemukan, atau sampai tidak ada operator baru yang akan diaplikasikan pada keadaan sekarang: (a) Cari operator yang belum pernah digunakan; gunakan operator ini untuk mendapatkan keadaan yang baru. (b) Evaluasi keadaan baru tersebut. (i) Jika keadaan baru merupakan tujuan, keluar. (ii) Jika bukan tujuan, namun nilainya lebih baik daripada keadaan sekarang, maka jadikan keadaan baru tersebut menjadi keadaan sekarang. (iii) Jika keadaan baru tidak lebih baik daripada keadaan sekarang, maka lanjutkan iterasi. Masalah yangakan timbul pada prosedur Hill Climbing: Local optimum : adalah suatu keadaan yang lebih baik daripada semua tetangganya namun masih belum lebih baik dari suatu keadaan lain yang jauh letaknya darinya. Sering muncul ketika sudah mendekati solusi. Gambar 1 Hill Climbing Plateau(Daratan) : adalah suatu daerah datar dari ruang pencarian (search) dimana keadaan semua tetangga sama dengann keadaan dirinya Ridengane (Punggung) : local optimum yang lebih disebabkan karena ketidak mampuan untuk menggunakan 2 operator sekaligus. Solusinya: 1. Melakukan langkah balik (backtracking) ke simpul yang lebih awal dan mencoba bergerak ke arah yang lain. 2. Melakukan lompatan besar ke suatu arah untuk mencoba bagian ruang pencarian yang baru. 3. Menerapkan dua atau lebih aturan sebelum melakukan uji coba. Ini bersesuaian dengan bergerak ke beberapa arah sekaligus. 2.2 Simple Hill Climbing Contoh kasus: Seorang salesman ingin mengunjungi n kota. Jarak tiap kota sudah diketahui seperti terlihat pada gambar 2. Bantu salesman untuk menentukan rute terpendek, dimana setiap kota hanya boleh dikunjungi 1 kali. Misal ada 4 kota dengan jarak sebagai berikut: Gambar 2 Operator yang digunakan adalah operator yang bisa menghasilkan kombinasi lintasan kota yang berbeda, yaitu dengan menukar urutan posisi 2 kota dalam suatu lintasan. Bila ada n kota, maka kombinasi lintasan : Sehingga kalau ada 4 kota, menjadi: kombinasi. Keenam kombinasi ini akan dipakai semuanya sebagai operator, yaitu: 1. (1,2) tukar urutan posisi kota ke-1 dengan kota ke-2 2. (2,3) tukar urutan posisi kota ke-2 dengan kota ke-3 3. (3,4) tukar urutan posisi kota ke-3 dengan kota ke-4 4. (4,1) tukar urutan posisi kota ke-4 dengan kota ke-1 5. (2,4) tukar urutan posisi kota ke-2 dengan kota ke-4 6. (1,3) tukar urutan posisi kota ke-1 dengan kota ke-3 Pencarian dilihat dari anak kiri, bila nilai heuristik anak kiri lebih baik maka dibuka untuk pencarian selanjutnya, bila tidak baru melihat tetangga dari anak kiri tersebut. Pada pencarian ini, penggunaan urutan dari kombinasi harus konsisten, misalnya pada penyelesaian ini urutan sesuai no. 1 sampai dengan 6 seperti yang ada di atas. Urutan kombinasi yang lain juga diperkenankan, yang penting konsisten untuk semua level. Untuk lebih jelasnya bisa dilihat seperti pada Gambar 3. Gambar 3 Metode Simple Hill Climbing dengan 6 operator Keterangan Gambar 3: Pada Gambar 4.2 terlihat bahwa, pada keadaan awal, lintasan terpilih adalah ABCD (=19).
3 Pada level pertama, hill climbing akan mengunjungi BACD (=17), BACD memiliki nilai heuristik lebih kecil dibandingkan dengan ABCD (17<19), sehingga BACD menjadi pilihan selanjutnya dengan operator Tukar1,2. Pada level kedua, hill climbing akan mengunjungi ABCD. Karena operator Tukar1,2 sudah digunakan oleh BACD, maka dipilih node yang lain yaitu BCAD (=15). Karena nilai heuristik BCAD lebih kecil dibanding dengan BACD (15<17), maka node BCAD akan menjadi pilihan selanjutnya dengan operator Tukar2,3. Kemudian hill climbing akan mengunjungi CBAD (=20). Karena nilai heuristik CBAD lebih besar jika dibanding dengan BCAD (20>17), maka dipilih node lain. Pencarian menuju ke node BACD, karena operator Tukar2,3 sudah pernah digunakan oleh BCAD, maka dipilih node lain. Kunjungan berikutnya ke node BCDA (=18). Nilai inipun masih lebih besar dari nilai heuristic BCAD, sehingga dipilih node lain. Node yang dikunjungi berikutnya adalah DCAB (=19). Nilai heuristik DCAB ternyata juga lebih besar dibanding dengan BCAD, sehingga pencarian dilanjuntukan di node lainnya lagi, yaitu BDAC (=14). Nilai heuristik ini sudah lebih kecil daripada nilai heuristik node BCAD (14<15), maka sekarang node ini yang akan diekplorasi. Pencarian pertama ditemukan node DBAC (=21), yang lebih besar daripada nilai BDAC. Nilai heuristik yang lebih kecil diperoleh pada node BDCA (=13). Sehingga node BDCA ini akan diekplorasi. Pencarian pertama sudah mendapatkan node dengan nilai heuristik yang kebih kecil, yaitu DBCA (=12). Sehingga node ini diekplorasi juga. Dari hasil ekplorasi dengan pemakaian semua operator, ternyata sudah tidak ada node yang memiliki nilai heuristik yang lebih kecil dibanding dengan nilai heuristik DBCA, sehingga sebenarnya node DBCA (=12) inilah lintasan terpendek yang kita cari (SOLUSI). Misalkan tidak dipergunakan semua operator, melainkan hanya dipergunakan 4 operator pertama saja, yaitu: (a) Tukar 1,2 (menukar urutan posisi kota ke-1 dengan kota ke-2). (b) Tukar 2,3 (menukar urutan posisi kota ke-2 dengan kota ke-3). (c) Tukar 3,4 (menukar urutan posisi kota ke-3 dengan kota ke-4). (d) Tukar 4,1 (menukar urutan posisi kota ke-4 dengan kota ke-1). terpendek yang diperoleh adalah B-C-A-D yaitu sepanjang 15. Di sini kita akan terjebak pada nilai minimum lokal yang disebabkan oleh kurangnya operator yang kita gunakan. Kita tidak dapat memperoleh nilai minimum globalnya yaitu sebesar 12. Gambar 4 Metode Simple Hill Climbing dengan 4 operator Kelemahan Simple Hill Climbing : 1. tidak semua solusi dapat ditemukan seperti pada metode generate and test. 2. pembatasan kombinasi operator penemuan solusi yang tidak maksimal. III. Pembahasan 3.1 Algoritma Hill climbing search 3.2 Implementasi a. Mencari panjang lintasan Hamiltonian (panjang rute minimum/terpendek) Maka pencarian dengan simple hill climbing ini dapat dilihat pada Gambar 4. Lintasan
4 3.2 Interface a. Rute awal sebelum diacak b. Merubah (random) rute perjalanan b. Rute 2 setelah diacak c. Rute 3 setelah diacak c. Hill Climbing d. Rute 4 setelah diacak d. Inisialisasi jumlah Node (Kota) e. Rute 5 setelah diacak
5 f. Rute 6 setelah diacak k. Solusi TSP dengan Simple Hill Climb (Rute terpendek yang didapat) g. Rute 7 setelah diacak h. Rute 8 setelah diacak i. Rute 9 setelah diacak j. Rute 10 setelah diacak IV. PENUTUP a. Kesimpulan 1. Persoalan Travelling Salesman Problem (TSP) dapat diselesaikan dengan menggunakan prinsip array serta algoritma Simple Hill Climbing yang telah divariasikan dengan pemrograman PHP. 2. Seperti pada implementasi di atas, terbukti bahwa algoritma Simple Hill Climbing yang digunakan dapat menyelesaikan permasalahan TSP dengan baik, dengan ditemukannya jarak/ lintasan node minimum (titik yang diumpamakan sebagai kota-kota), yaitu 921 pada 5 kota yang diteliti. 3. Implementasi pada program ini dapat digunakan untuk menyelesaikan kasus TSP dengan node (kota) maksimum mencapai 100. b. Saran 1. Perlu adanya percobaan lebih lanjut untuk penerapan Simple Hill Climbing pada materi graph selain Travelling Salesman Problem. 2. Penggantian metode untuk pembentukan rute agar hasil yang diperoleh lebih baik dan mengurangi jumlah iterasi yang ada. 3. Setiap node (kota) diberi nama, misalnya kota A dan diberi perhitungan jarak antara satu node ke node yang lain agar diketahui perhitungan riil jarak rutenya. DAFTAR PUSTAKA Amin, Aulia A.,Ikhsan, Mukhamad., Wibisono, Lastiko Travelling Salesman Problem. ITB. Eka, Dian R., dkk Modul Bahan Ajar Kecerdasan Buatan. PTIIK UB. Firman, Rendra., dkk Penyelesaian Travelling Salesman Problem dengan Menggunakan Artificial Bee Colony. UM. Hill Climbing. (Online). ( wiki/hill_climbing diakses pada tanggal 09 Januari 2014 pukul WIB). Algoritma Simple Hill Climbing. (Online). ( diakses pada tanggal 09 Januari 2014 pukul WIB).
KECERDASAN BUATAN. Simple Hill Climbing. Disusun Oleh:
KECERDASAN BUATAN Simple Hill Climbing Disusun Oleh: 1. Lutvi Maulida Al H. (081112006) 2. Nurul Fauziah (081112021) 3. Anggraeni Susanti (081112055) 4. Syahrul Bahar Hamdani (081211232012) Departemen
Lebih terperinciSISTEM PENENTUAN LINTASAN TERPENDEK TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING
SISTEM PENENTUAN LINTASAN TERPENDEK TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING Abdul Mukthi Chifdhi 1, Dwi Puspitasari 2 Teknik Informatika, Teknologi Informasi, Politeknik Negeri
Lebih terperinciBAB III METODE PELACAKAN/PENCARIAN
BAB III METODE PELACAKAN/PENCARIAN Hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian. Pencarian = suatu proses mencari solusi dari suatu permasalahan melalui sekumpulan,
Lebih terperinciHEURISTIC SEARCH. Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc
HEURISTIC SEARCH Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc Jurusan Informatika Universitas Syiah Kuala http://informatika.unsyiah.ac.id/irvanizam Travelling Salesmen Problem Seorang salesman
Lebih terperinciKECERDASAN BUATAN METODE HEURISTIK / HEURISTIC SEARCH ERWIEN TJIPTA WIJAYA, ST., M.KOM
KECERDASAN BUATAN METODE HEURISTIK / HEURISTIC SEARCH ERWIEN TJIPTA WIJAYA, ST., M.KOM KERANGKA MASALAH Generate And Test Hill Climbing Best First Search PENCARIAN HEURISTIK Kelemahan blind search : 1.
Lebih terperinciPENCARIAN RUTE TERPENDEK ARENA KONTES ROBOT PEMADAM API INDONESIA (KRPAI) MENGGUNAKAN ALGORITMA HILL CLIMBING
ABSTRAK PENCARIAN RUTE TERPENDEK ARENA KONTES ROBOT PEMADAM API INDONESIA (KRPAI) MENGGUNAKAN ALGORITMA HILL CLIMBING Pamor Gunoto Dosen Tetap Program Studi Teknik Elektro Universitas Riau Kepulauan (UNRIKA)
Lebih terperinciPendakian Bukit (Hill Climbing)
Pendakian Bukit (Hill Climbing) Metde ini hampir sama dengan metde pembangkitan & pengujian, hanya saja prses pengujian dilakukan dengan menggunakan fungsi heuristik. Pembangkitan keadaan berikutnya sangat
Lebih terperinciPencarian. Kecerdasan Buatan Pertemuan 3 Yudianto Sujana
Pencarian Kecerdasan Buatan Pertemuan 3 Yudianto Sujana Metode Pencarian dan Pelacakan Hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian. Pencarian = suatu proses
Lebih terperinciBAB IV TEKNIK PELACAKAN
BAB IV TEKNIK PELACAKAN A. Teknik Pelacakan Pelacakan adalah teknik untuk pencarian :sesuatu. Didalam pencarian ada dua kemungkinan hasil yang didapat yaitu menemukan dan tidak menemukan. Sehingga pencarian
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
5 BAB 2 TINJAUAN PUSTAKA Pada bab ini akan dibahas landasan teori, penelitian terdahulu, kerangka berpikir, dan hipotesis yang mendasari penyelesaian Traveling Salesman Problem dalam menentukan lintasan
Lebih terperinciTeknik Pencarian Heuristik
Teknik Pencarian Heuristik Generate and Test Hill Climbing Best First Search Problem Reduction Constraint Satisfaction Means End Analysis Referensi Sri Kusumadewi - bab 2 Rich & Knight bab 3 Teknik Pencarian
Lebih terperinciMetode Pencarian & Pelacakan dengan Heuristik
Metode Pencarian & Pelacakan dengan Heuristik Pencarian Buta (Blind Search) Breadth-First Search Depth-First Search Pencarian Terbimbing (Heuristics Search) Generate & Test Hill Climbing Best-First Search
Lebih terperincimemberikan output berupa solusi kumpulan pengetahuan yang ada.
MASALAH DAN METODE PEMECAHAN MASALAH (Minggu 2) Pendahuluan Sistem yang menggunakan kecerdasan buatan akan memberikan output berupa solusi dari suatu masalah berdasarkan kumpulan pengetahuan yang ada.
Lebih terperinciMETODE PENCARIAN DAN PELACAKAN
METODE PENCARIAN DAN PELACAKAN SISTEM INTELEGENSIA Pertemuan 4 Diema Hernyka S, M.Kom Materi Bahasan Metode Pencarian & Pelacakan 1. Pencarian buta (blind search) a. Pencarian melebar pertama (Breadth
Lebih terperinciCase Study : Search Algorithm
Case Study : Search Algorithm INF-303 Kecerdasan Buatan Jurusan Informatika FMIPA UNSYIAH Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc Website: http://informatika.unsyiah.ac.id/irvanizam Contoh
Lebih terperinciContoh 4/7/ HEURISTIC METHOD. Pencarian Heuristik
07/04/2016 3. HEURISTI METHO KEERASAN BUATAN Pertemuan : 05-06 INFORMATIKA FASILKOM UNIVERSITAS IGM Pencarian Heuristik Kelemahan blind search : Waktu akses lama Memori yang dibutuhkan besar Ruang masalah
Lebih terperinciBAB II TINJAUAN PUSTAKA. ditentukan oleh pemilik kos sedangkan lama waktu penyewaan ditentukan sendiri
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Studi Tentang Kos-kos Kos merupakan salah satu tempat penyedia jasa penginapan atau tempat tinggal sementara yang terdiri dari beberapa kamar dan setiap
Lebih terperinciPencarian Rute Terpendek pada Tempat Wisata di Kota Bogor Menggunakan Metode Heuristik
Pencarian Rute Terpendek pada Tempat Wisata di Kota Bogor Menggunakan Metode Heuristik Irwansyah Saputra Jurusan Ilmu Komputer, STMIK Nusa Mandiri Jakarta Irwansyah9205@gmail.com Abstrak: Pencarian rute
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 0, No. (2015), hal 17 180. PENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING Kristina Karunianti Nana, Bayu Prihandono,
Lebih terperinciArtificial Intelegence/ P_3 EKA YUNIAR
Artificial Intelegence/ P_3 EKA YUNIAR Pokok Bahasan Teknik Pencarian Heuristik Generate And Test Hill Climbing Best First Searching Problem Reduction Constrait Satisfaction Means End Analysis Teknik Pencarian
Lebih terperinciSearch Strategy. Search Strategy
Search Strategy Search Strategy Salah satu hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian (search) Pada dasarnya ada 2 Teknik pencarian : 1. Metode Buta (Uninformed
Lebih terperinciAPLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 1 (2015), hal 25 32. APLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM Edi Samana, Bayu Prihandono, Evi Noviani
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM ( TSP ) DENGAN MENGGUNAKAN ARTIFICIAL BEE COLONY
PENYELESAIAN TRAVELLING SALESMAN PROBLEM ( TSP ) DENGAN MENGGUNAKAN ARTIFICIAL BEE COLONY Rendra Firman Pratama, Purwanto, dan Mohammad Yasin e-mail: Ren_mr07@yahoo.com Universitas Negeri Malang ABSTRAK:
Lebih terperinciHEURISTIC SEARCH UTHIE
HEURISTIC SEARCH Pendahuluan Pencarian buta biasanya tidak efisien karena waktu akses memori yang dibutuhkan cukup besar. Untuk mengatasi hal ini maka perlu ditambahkan suatu informasi pada domain yang
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH
Buletin Ilmiah Mat. Stat. Dan Terapannya (Bimaster) Volume 04, No. 1 (2015), hal 17 24. PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH Fatmawati, Bayu Prihandono, Evi Noviani INTISARI
Lebih terperinciANALISA KEBUTUHAN WAKTU PADA PROSES PENYELESAIAN TRAVELING SALESMAN PROBLEM
ANALISA KEBUTUHAN WAKTU PADA PROSES PENYELESAIAN TRAVELING SALESMAN PROBLEM Hari Murti 1, R. Soelistijadi 2, Sugiyamto 3 Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank
Lebih terperinciSistem Kecerdasan Buatan. Masalah, Ruang Masalah dan Pencarian Solusi. Masalah. Masalah Sebagai Ruang Keadaan 10/7/2015
Sistem Kecerdasan Buatan Masalah, Ruang Masalah dan Pencarian Solusi Bahan Bacaan : Sri Kusumadewi, Artificial Intelligence. Russel, Artificial Intelligence Modern Approach 2 bagian utama kecerdasan buatan
Lebih terperinciINTELEGENSI BUATAN. Pertemuan 2,3 Problem, Space, Search. M. Miftakul Amin, M. Eng. website :
INTELEGENSI BUATAN Pertemuan 2,3 Problem, Space, Search M. Miftakul Amin, M. Eng. e-mail: mmiftakulamin@gmail.com website : http://mafisamin.web.ugm.ac.id Jurusan Teknik Komputer Jurusan Teknik Komputer
Lebih terperinciANALISA ALGORITMA GENETIKA DALAM TRAVELLING SALESMAN PROBLEM SIMETRI. Lindawati Syam M.P.Siallagan 1 S.Novani 2
ANALISA ALGORITMA GENETIKA DALAM TRAVELLING SALESMAN PROBLEM SIMETRI Lindawati Syam M.P.Siallagan 1 S.Novani 2 Jurusan Teknik Informatika, FT, Jl. Dipati Ukur Bandung ABSTRAK Masalah Travelling Salesman
Lebih terperinciALGORITMA PENCARIAN (HEURISTIC)
ALGORITMA PENCARIAN (HEURISTIC) Farah Zakiyah Rahmanti, M.T Diperbarui 2016 Overview Pengertian Pencarian Heuristik Generate and Test Hill Climbing Best First Searching Latihan Pencarian Heuristik Merupakan
Lebih terperinci03/03/2015. Agenda Teknik Dasar Pencarian Teknik Pemecahan Masalah Strategi Pencarian Mendalam Pencarian Heuristik
Prio Handoko, S. Kom., M.T.I. Program Studi Teknik Informatika Universitas Pembangunan Jaya Jl. oulevard - intaro Jaya Sektor VII Tangerang Selatan anten 154 Kompetensi asar Mahasiswa mendapatkan pemahaman
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari hari, selalu dilakukan perjalanan dari satu titik atau lokasi ke lokasi yang lain dengan mempertimbangkan efisiensi waktu dan biaya sehingga
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 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 terperinciBAB 1 PENDAHULUAN. tempat tujuan berikutnya dari sebuah kendaraan pengangkut baik pengiriman melalui
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam masalah pengiriman barang, sebuah rute diperlukan untuk menentukan tempat tujuan berikutnya dari sebuah kendaraan pengangkut baik pengiriman melalui darat, air,
Lebih terperinciBAB I PENDAHULUAN. wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat
BAB I PENDAHULUAN A. Latar Belakang Masalah Objek pariwisata di Yogyakarta sudah semakin beragam mulai dari wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat wisatawan dapat dibuat
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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pekanbaru adalah ibukota Provinsi Riau dan kota terbesar di Provinsi Riau. Kebanyakan orang hanya mengenal Pekanbaru sebagai penghasil minyak dan gas saja.
Lebih terperinci1.4. Batasan Masalah Batasan-batasan masalah dalam pembuatan tugas akhir ini adalah sebagai berikut :
BAB 1 PENDAHULUAN 1.1. Pengantar Perkembangan jaman yang diiringi dengan kemajuan teknologi sekarang ini menyebabkan perubahan hampir di segala bidang. Salah satu aspeknya ialah teknologi komputerisasi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sistem Informasi Geografis (Geographic Information Systems) merupakan sistem informasi berbasis komputer digunakan untuk menyajikan secara digital dan menganalisa penampakan
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI Pada bab ini akan dibahas beberapa konsep dasar dan beberapa definisi yang akan digunakan sebagai landasan berpikir dalam melakukan penelitian ini sehingga mempermudah penulis untuk
Lebih terperinciJURNAL IT STMIK HANDAYANI
Nurilmiyanti Wardhani Teknik Informatika, STMIK Handayani Makassar ilmyangel@yahoo.com Abstrak Algoritma semut atau Ant Colony Optimization merupakan sebuah algoritma yang berasal dari alam. Algoritma
Lebih terperinciPENYELESAIAN MASALAH 8 PUZZLE DENGAN ALGORITMA HILL CLIMBING STEPEST ASCENT LOGLIST HEURISTIK BERBASIS JAVA
Seminar Nasional Teknologi Informasi dan Komunikasi 2012 (SENTIKA 2012) ISSN: 209-915 PENYELESAIAN MASALAH PUZZLE DENGAN ALGORITMA HILL CLIMBING STEPEST ASCENT LOGLIST HEURISTIK BERBASIS JAVA Azizah Zakiah
Lebih terperinciIMPLEMENTASI ALGORITMA GREEDY PADA LAYANAN TAKSI WISATA BERBASIS WEB
IMPLEMENTASI ALGORITMA GREEDY PADA LAYANAN TAKSI WISATA BERBASIS WEB Adi Cahyo Purnomo 1, Mike Yuliana, ST. MT. 1, Ira Prasetyaningrum, S.Si. MT. 1 Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciMasalah, Ruang Masalah dan Pencarian
Masalah, Ruang Masalah dan Pencarian Review : Sistem yang menggunakan AI Komputer Input Masalah Pertanyaan dll Basis Pengetahuan Motor Inferensi Output Jawaban Solusi Untuk membangun sistem yang mampu
Lebih terperinciPenerapan Metode Hill Climbing Pada Sistem Informasi Geografis Untuk Mencari Lintasan Terpendek
Jurnal Sistem Informasi Bisnis 01(2015) On-line : http://ejournal.undip.ac.id/index.php/jsinbis 19 Penerapan Metode Hill Climbing Pada Sistem Informasi Geografis Untuk Mencari Lintasan Terpendek Eka Vickraien
Lebih terperinciTUGAS AKHIR PERENCANAAN SISTEM DITRIBUSI HASIL PRODUKSI BUKU PADA PT. BINA PUTRA MANDIRI
TUGAS AKHIR PERENCANAAN SISTEM DITRIBUSI HASIL PRODUKSI BUKU PADA PT. BINA PUTRA MANDIRI Diajukan Sebagai Syarat Memperoleh Gelar Sarjana Teknik Jurusan Teknik Industri Fakultas Teknik Universitas Muhammadiyah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan
BAB 1 PENDAHULUAN 1.1 Pendahuluan Dewasa ini fungsi komputer semakin dibutuhkan, baik bagi perusahaan besar maupun kecil. Adapun fungsi dari komputer itu sendiri adalah mengolah data-data yang ada menjadi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Traveling Salesman Problem (TSP) adalah permasalahan dimana seorang salesman harus mengunjungi semua kota yang ada dan kota tersebut hanya boleh dikunjungi tepat satu
Lebih terperinciKATA PENGANTAR. DAFTAR TABEL.. xviii. 1.1 Latar Belakang Masalah 1
DAFTAR ISI Halaman HALAMANJUDUL LEMBAR PENGESAHAN PEMBIMBING LEMBAR PERNYATAAN KEASLIAN HASIL TUGAS AKHIR LEMBAR PENGESAHAN PENGUJI HALAMAN PERSEMBAHAN HALAMAN MOTTO KATA PENGANTAR ABSTRAKSI DAFTAR ISI
Lebih terperinciALGORITMA OPTIMASI UNTUK PENYELESAIAN TRAVELLING SALESMAN PROBLEM (Optimization Algorithm for Solving Travelling Salesman Problem)
ALGORITMA OPTIMASI UNTUK PENYELESAIAN TRAVELLING SALESMAN PROBLEM (Optimization Algorithm for Solving Travelling Salesman Problem) Dian Tri Wiyanti Program Studi Teknik Informatika, Jurusan Teknologi Informasi
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 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 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Travelling Salesman Problem (TSP) Travelling Salesmen Problem (TSP) termasuk ke dalam kelas NP hard yang pada umumnya menggunakan pendekatan heuristik untuk mencari solusinya.
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP)
PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) Mohamad Subchan STMIK Muhammadiyah Banten e-mail: moh.subhan@gmail.com ABSTRAK: Permasalahan pencarian rute terpendek dapat
Lebih terperinciMETODE PROGRAM DINAMIS PADA PENYELESAIAN TRAVELING SALESMAN PROBLEM
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 329 336. METODE PROGRAM DINAMIS PADA PENYELESAIAN TRAVELING SALESMAN PROBLEM Hermianus Yunus, Helmi, Shantika Martha INTISARI
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 terperinciPENDAHULUAN BAB Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perjalanan dari tempat satu ke tempat yang lain merupakan kegiatan yang sehari hari kita lakukan. Perjalanan ini memiliki rute tertentu dengan jarak tertentu
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM
PERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM Nico Saputro dan Suryandi Wijaya Jurusan Ilmu Komputer Universitas Katolik Parahyangan nico@home.unpar.ac.id
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Defenisi Graf Graf G didefenisikan sebagai pasangan himpunan (V,E), ditulis dengan notasi G = (V,E), yang dalam hal ini V adalah himpunan tidak kosong dari simpul-simpul
Lebih terperinciLESSON 6 : INFORMED SEARCH Part II
LESSON 6 : INFORMED SEARCH Part II 3.3 Itterative deepening A* search 3.3.1 Algoritma IDA* Itterative deepening search atau IDA* serupa dengan iterative deepening depth first, namun dengan modifikasi sebagai
Lebih terperinciGENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR
MULTI TRAVELING SALESMAN PROBLEM (MTSP) DENGAN ALGORITMA Abstrak GENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR Oleh : Fitriana Yuli Saptaningtyas,M.Si. Jurusan Pendidikan Matematika FMIPA
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 terperinciPROTOTIPE IMPLEMENATSI ALGORITHMA HILLCLIMBING UNTUK MEMBUAT JADWAL PRODUKSI GARMENT DI PT XX
PROTOTIPE IMPLEMENATSI ALGORITHMA HILLCLIMBING UNTUK MEMBUAT JADWAL PRODUKSI GARMENT DI PT XX Heribertus Himawan1), Dwi Setyawan2) 1), 2) Teknik Informatika Udinus Semarang Jl Nakula I No 5-11, Semarang
Lebih terperinciPRESENTASI TUGAS AKHIR
PRESENTASI TUGAS AKHIR Travelling Salesman Problem menggunakan Algoritma Genetika Via GPS berbasis Android (kata kunci : android,gps,google Maps, Algoritma Genetika, TSP) Penyusun Tugas Akhir : Azmi Baharudin
Lebih terperinciBAB II KAJIAN PUSTAKA. Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi
BAB II KAJIAN PUSTAKA Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi graf, permasalahan optimasi, model matematika dari objek wisata di Yogyakarta, dan algoritma genetika
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 terperinciSTUDI KOMPARATIF ALGORITMA ANT DAN ALGORITMA GENETIK PADA TRAVELLING SALESMAN PROBLEM
Jurnal Computech & Bisnis, Vol. 3, No. 1, Juni 2009, 30-36 ISSN Studi 1978-9629 Komparatif Algoritma Ant...(Bambang Siswoyo & Andrianto) STUDI KOMPARATIF ALGORITMA ANT DAN ALGORITMA GENETIK PADA TRAVELLING
Lebih terperinciUJI KINERJA DAN SIMULASI PENENTUAN JARAK TERPENDEK DENGAN SIMULATED ANNEALING PADA SUHU TETAP DAN SUHU BERUBAH
UJI KINERJA DAN SIMULASI PENENTUAN JARAK TERPENDEK DENGAN SIMULATED ANNEALING PADA SUHU TETAP DAN SUHU BERUBAH Dian Savitri, S.Si, M.Si Jurusan Teknik Sipil Fakultas Teknik Unesa dee_11januari@yahoo.com
Lebih terperinciBAB I PENDAHULUAN. Alat transportasi merupakan salah satu faktor yang mendukung berjalannya
BAB I PENDAHULUAN A. Latar Belakang Masalah Alat transportasi merupakan salah satu faktor yang mendukung berjalannya kegiatan atau aktivitas manusia dalam kehidupan sehari-hari. Salah satu kegiatan manusia
Lebih terperinciDAFTAR ISI. Tim Redaksi... i Kata Pengantar... ii Daftar Isi... iii
DAFTAR ISI Tim Redaksi... i Kata Pengantar... ii Daftar Isi... iii Faiz Rafdh Ch SISTEM INFORMASI ZAKAT BERBASIS WEB MENGGUNAKAN PHP DAN MYSQL PADA RUMAH ZAKATINDONESIA 1-7 Abdul Jamil Syamsul Bachtiar
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Persoalan rute terpendek merupakan suatu jaringan pengarahan rute perjalanan di mana seseorang pengarah jalan ingin menentukan rute terpendek antara dua kota berdasarkan
Lebih terperinciAlgoritma Branch & Bound untuk Optimasi Pengiriman Surat antar Himpunan di ITB
Algoritma Branch & Bound untuk Optimasi Pengiriman Surat antar Himpunan di ITB Mohamad Ray Rizaldy - 13505073 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciPENERAPAN ALGORITMA ANT COLONY UNTUK TRAVELLING SALESMAN PROBLEM PADA PERANGKAT BERGERAK
PENERAPAN ALGORITMA ANT COLONY UNTUK TRAVELLING SALESMAN PROBLEM PADA PERANGKAT BERGERAK PRIYANKA GEMET ARISMOYO NRP 5109100178 Dosen Pembimbing I Henning Titi Ciptanigntyas S.Kom., M.Kom. Dosen Pembimbing
Lebih terperinciPENDISTRIBUSIAN BARANG FARMASI MENGGUNAKAN ALGORITMA DIJKSTRA (STUDI KASUS : PT. AIR MAS CHEMICAL)
PENDISTRIBUSIAN BARANG FARMASI MENGGUNAKAN ALGORITMA DIJKSTRA (STUDI KASUS : PT. AIR MAS CHEMICAL) Sulindawaty 1, Trinanda Syahputra 2 1 Program Studi Teknik Informatika, STMIK Pelita Nusantara Medan AMIK
Lebih terperinciIMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK
IMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK Selvy Welianto (1) R. Gunawan Santosa (2) Antonius Rachmat C. (3) selvywelianto@yahoo.com gunawan@ukdw.ac.id anton@ukdw.ac.id Abstraksi
Lebih terperinciPENERAPAN METODE STEEPEST ASCENT HILL CLIMBING PADA MODEL PENCARIAN RUTE TERDEKAT FASILITAS PELAYANAN DARURAT DI KOTA BOGOR BERBASIS ANDROID
PENERAPAN METODE STEEPEST ASCENT HILL CLIMBING PADA MODEL PENCARIAN RUTE TERDEKAT FASILITAS PELAYANAN DARURAT DI KOTA BOGOR BERBASIS ANDROID Lipian Alfha Zemma, Herfina, Arie Qur ania Program Studi Ilmu
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA BRANCH AND BOUND
PENYEESAIAN TRAVEING SAESMAN PROBEM DENGAN AGORITMA BRANCH AND BOND Yogo Dwi Prasetyo Pendidikan Matematika, niversitas Asahan e-mail: abdullah.prasetyo@gmail.com Abstract The shortest route search by
Lebih terperinciTEKNIK PENCARIAN HEURISTIK (HEURISTIC SEARCHING)
TEKNIK PENCRIN HEURISTIK (HEURISTIC SERCHING) Teknik pencarian heuristik (heuristic searching) merupakan suatu strategi untuk melakukan proses pencarian ruang keadaan (state space) suatu problema secara
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 terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004 Perbandingan Metode-Metode dalam Algoritma Genetika untuk Travelling Salesman Problem Irving Vitra P. Jurusan Teknik Informatika,
Lebih terperinciBAB 1 PENDAHULUAN. transportasi yang harus dikeluarkan dalam proses pendistribusian.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Proses pendistribusian barang adalah kegiatan yang tidak pernah lepas dari kehidupan. Jarak yang jauh serta penyebaran masyarakat yang meluas menjadi salah satu alasan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Perkembangan dunia usaha mengalami persaingan yang begitu ketat dan peningkatan permintaan pelayanan lebih dari pelanggan. Dalam memenangkan persaingan tersebut
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan Kecerdasan Buatan atau Artificial Intelligence mengalami kemajuan yang sangat pesat. Saat ini Artificial Intelligence banyak digunakan dalam berbagai
Lebih terperinciCourse Note Graph Hamilton
Course Note Graph Hamilton Pada catatan sebelumnya telah dijelaskan tentang definisi graph Hamilton. Suatu graph terhubung adalah graph Hamilton jika graph tersebut memuat sikel yang mencakup semua titik
Lebih terperinciBAB I PENDAHULUAN. generasi pertama pada tahun 1972 dikenal dengan game konsol yang dikeluarkan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan game dari masa ke masa dibagi menjadi 9 generasi, dari generasi pertama pada tahun 1972 dikenal dengan game konsol yang dikeluarkan oleh perusahaan
Lebih terperinciPENENTUAN ARAH TUJUAN OBJEK DENGAN TABU SEARCH
PENENTUAN ARAH TUJUAN OBJEK DENGAN TABU SEARCH Kampami Kelimay Fitri 1,Suriati 2 Jurusan Sistem Informasi Sekolah Tinggi Teknik Harapan Medan Jl. HM Jhoni No 70 Medan, Indonesia 1 Kelimayammii@gmail.com
Lebih terperinciPENGGUNAAN ALGORITMA GENETIKA UNTUK MENENTUKAN LINTASAN TERPENDEK STUDI KASUS : LINTASAN BRT (BUS RAPID TRANSIT) MAKASSAR
PENGGUNAAN ALGORITMA GENETIKA UNTUK MENENTUKAN LINTASAN TERPENDEK STUDI KASUS : LINTASAN BRT (BUS RAPID TRANSIT) MAKASSAR Karels, Rheeza Effrains 1), Jusmawati 2), Nurdin 3) karelsrheezaeffrains@gmail.com
Lebih terperinciALGORITMA PENCARIAN. 1. Iterative-Deepening Depth-First Search (IDS) Nama : Gede Noverdi Indra Wirawan Nim : Kelas : VI A
Nama : Gede Noverdi Indra Wirawan Nim : 0915051050 Kelas : VI A ALGORITMA PENCARIAN Algoritma pencarian (searching algorithm) adalah algoritma yang menerima sebuah argumen kunci dan dengan langkah-langkah
Lebih terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinciBAB 2 LANDASAN TEORI Visualisasi
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan tentang landasan dari konsep dan teori yang digunakan untuk mendukung pembuatan aplikasi yang dibuat. Landasan teori serta konsep yang akan dijelaskan
Lebih terperinciPERANCANGAN DAN SIMULASI PENCARIAN JALUR TERAMAN PADA PERUTEAN KENDARAN
PERANCANGAN DAN SIMULASI PENCARIAN JALUR TERAMAN PADA PERUTEAN KENDARAN SUHARDIMAN USMAN NRP : 1204 100 027 Dosen Pembimbing : Subchan, Ph.D 1 PENDAHULUAN Latar Belakang Penentuan rute kendaraan merupakan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Clustering Analysis Clustering analysis merupakan metode pengelompokkan setiap objek ke dalam satu atau lebih dari satu kelompok,sehingga tiap objek yang berada dalam satu kelompok
Lebih terperinciUpdate 2012 DESAIN DAN ANALISIS ALGORITMA SEARCHING
SEARCHING MENDEFINISIKAN MASALAH SEBAGAI SUATU RUANG KEADAAN Secara umum, untuk mendeskripsikan suatu permasalahan dengan baik harus: 1 Mendefinisikan suatu ruang keadaan. 2 Menerapkan satu atau lebih
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam setiap hari, masyarakat tidak akan luput dari kegiatan distribusi barang. Dari rakyat kecil sampai pada perusahaan besar sangat memperhatikan masalah distribusi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori graf 2.1.1 Defenisi graf Graf G adalah pasangan {,} dengan adalah himpunan terhingga yang tidak kosong dari objek-objek yang disebut titik (vertex) dan adalah himpunan pasangan
Lebih terperinciIMPLEMENTASI GRAF DENGAN MENGGUNAKAN STRATEGI GREEDY
IMPLEMENTASI GRAF DENGAN MENGGUNAKAN STRATEGI GREEDY Arief Latu Suseno NIM : 13505019 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung E-mail : Abstrak Graf merupakan
Lebih terperinciPENGGUNAAN METODE CODEQ UNTUK MENYELESAIKAN PERMASALAHAN CAPACITATED VEHICLE ROUTING PROBLEM
PENGGUNAAN METODE CODEQ UNTUK MENYELESAIKAN PERMASALAHAN CAPACITATED VEHICLE ROUTING PROBLEM Dosen Pembimbing: Ir. Budi Santosa, M.Sc., Ph.D Y Giri N (2503 100 061) Latar Belakang Metode CODEQ merupakan
Lebih terperinciGambar 1.1 Contoh Ilustrasi Kasus CVRP 13
BAB I PENDAHULUAN 1.1. Latar Belakang Vehicle Routing Problem (VRP) merupakan konsep umum yang digunakan untuk semua permasalahan yang melibatkan perancangan rute optimal untuk armada kendaraan yang melayani
Lebih terperinci