Aplikasi Algoritma Genetika Untuk Merancang Fungsi Keanggotaan Pada Kendali Logika Fuzzy
|
|
- Johan Kurnia
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Aplikasi Algoritma Genetika Untuk Merancang Fungsi Keanggotaan Pada Kendali Logika Fuzzy Hendry Setiawan, Thiang, Hany Ferdinando Jurusan Teknik Elektro, Universitas Kristen Petra Siwalankerto , Surabaya 60236, Indonesia {thiang,hanyf}@petra.ac.id Abstract Dalam Sistem Kendali Logika Fuzzy, tidak mudah untuk mendapatkan fungsi membership dan rule yang dapat menghasilkan respon sistem yang optimal. Selama ini cara yang dipakai adalah trial dan error. Karena itu diterapkan Algoritma Genetika untuk mendapatkan membership function yang optimal. Plant yang dipilih adalah water level control. Parameter fungsi membership dari water level control yaitu level, rate, dan valve akan membentuk gen-gen dalam Algoritma Genetika. Fungsi fitness dari sistem ini diambil dari overshoot dan risetime. Pengujian ini dilakukan dengan program Matlab 5.1 dan dilakukan dalam 25 generasi, dimana setiap generasi terdiri dari 10 chromosome. Hasil yang didapatkan menunjukkan bahwa dengan bantuan Algoritma Genetika penentuan fungsi membership pada kendali logika fuzzy akan memberikan respon sistem yang optimal untuk water level control system. Respon sistem yang optimal tersebut bervariasi sesuai dengan penentuan probabilitas crossover dan probabilitas mutasi. Dalam sistem ini fungsi membership terbaik diperoleh dengan menseting probabilitas crosover pada 0,6 dan probabilitas mutasi pada 0,3. KATA KUNCI : Algoritma Genetika, Kendali Logika Fuzzy 1. Pendahuluan Kendali Logika Fuzzy banyak dipakai dalam aplikasi dalam bidang kontrol. Secara umum, langkah yang dilakukan adalah menetapkan input dan output, merancang bentuk fungsi keanggotaan dan aturannya. Lalu untuk mendapatkan hasil yang baik, orang memodifikasi bentuk fungsi keanggotaan dan aturannya dengan coba-coba, sampai diperoleh hasil yang baik. Dari permasalahan ini maka diperlukan bantuan dari Algoritma Genetika untuk mengoptimasi penentuan parameter dari membership itu. 2. Algoritma Genetika Algoritma Genetika adalah suatu algoritma pencarian yang meniru mekanisme dari genetika alam. Algoritma Genetika ini banyak dipakai pada aplikasi bisnis, teknik maupun pada bidang keilmuan.algoritma ini dapat dipakai untuk mendapatkan solusi yang tepat untuk masalah optimal dari satu variabel atau multi variabel. Sebelum Algoritma ini dijalankan, masalah apa yang ingin dioptimalkan itu harus dinyatakan dalam fungsi tujuan, yang dikenal dengan fungsi fitness. Jika nilai fitness semakin besar, maka sistem yang dihasilkan semakin baik. Operasi yang dilakukan adalah reproduksi, crossover, dan mutasi untuk mendapatkan sebuah solusi menurut nilai fitnessnya. Selanjutnya konstruksi dasar dari Algoritma Genetika adalah sebagai berikut: Pendefinisian Chromosome Pendefinisian Fungsi Fitness Membangkitkan Sebuah Populasi Awal Reproduksi Crossover Mutasi 3. Desain Kendali Logika Fuzzy Dengan Algoritma Genetika Pada bagian ini Algoritma Genetika akan dipakai mendapatkan optimasi dari kendali logika fuzzy untuk suatu model simulasi yaitu pada water level control. Gambar simulasi water level control tampak di berikut ini zin To Workspace1 Step error Mux Mux1 Fuzzy Logic Controller change scope change du/dt Derivative VALVE Subsystem Gambar 1. Simulasi Water Level Control 0.5 tank max inflow WATER TANK tank 2 Scope2 Mux Mux2 Scope4 Clock animtank S-Function zout Scope1 To Workspace waktu To Workspace2
2 Pada water level control tersebut bagian yang ingin dioptimasi berada di blok Fuzzy Logic Controller. Blok ini memuat file yang sumbernya dari tank.fis kemudian juga dimodifikasi sehingga menjadi file tanksave.fis. Algoritma Genetika itu sendiri bekerja pada bagian yang menentukan parameter dari fungsi membership level,rate, dan valve. Sedangkan untuk rule pada bagian ini dibuat tetap. Tabel 1. Rule Water Level Control Rate Level HL HS OK LS LL NL CS NC OF OF OF NS CS CS OS OF OF NO CF CS NC OS OF PS CF CF CS OS OS PL CF CF CF NC OS Dimana: HL = High Large, HS = High Small, OK = Okay, LS = Low Small, LL = Low Large, NL = Negative Large, NS = Negative Small, NO = None, PS = Positive Small, PL = Positive Large, CF = Close Fast, CS = Close Small, NC = No Change, OS = Open Slow, OF = Open Fast besarnya fitness maka setelah selesai menjalankan sltank4, kemudian kita dapat mengambil harga outputnya yaitu dengan menjalankan program perhitungan nilai fitnessnya. Besarnya fitness diperoleh dari perhitungan: 1 fitness1 = (1) 100 ( overshoot+ risetime) 4. Hasil Pengujian Sistem mula-mula diset dengan bilangan random, baru kemudian proses optimasi dilakukan. Pada gambar 4, 5, dan 6 akan dapat dilihat bentuk membership function yang dirancang dengan menggunakan Alogirtma Genetika. Sistem dijalankan sampai dengan 25 generasi, dan 10 kromosom untuk tiap generasi. Kenaikan nilai fitness dapat dilihat pada gambar 7. Untuk tiap membership function (2 input dan 1 output) memerlukan satu nilai, sehingga bentuknya simetris (lihat gambar 2). -2-2x -x 0 x 2x 2 Gambar 2. Membership Level Gambar 4. Membership Level Dengan Fitness1 Pada Generasi Akhir =0,6 Dan Sehingga dengan mencari nilai x saja, bentuk membership function tersebut dapat dibuat. Sebagai hasil akhirnya didapatlah bentuk membership function yang simetris. Kromosom dibuat berdasarkan satu nilai, sehingga didapat tiga nilai, x, y, dan z. Ketiga nilai membentuk kromosom float seperti pada gambar 3. chromosome x y z (level) (rate)(valve) Gambar 3. Struktur Chromosome Water level control yang menjadi plant dalam menjalankan Algoritma Genetika ini mengambil fungsi fitnessnya yaitu berupa overshoot dan risetime. Bentuk overshoot dan risetime dapat dilihat pada scope pada simulasi sltank4 dan untuk mencari Gambar 5. Membership Rate Dengan Fitness1 Pada Generasi Akhir =0,6 Dan Tabel 2 menunjukkan hasil percobaan dengan berbagai nilai probabilitas crossover dan mutasi. Dari
3 tabel 2 ini dapat dilihat perbandingan antara fitnes yang memiliki probalitas yang berbeda-beda. Tabel 2. Perbandingan Semua Fitness1 Gen erasi =0,9 Fitnes =0,05 =0,5 =0,05 =0,6 1 0,1749 0,1565 0,0617 0,1285 0,1474 0,1474 0, ,1749 0,1565 0,1649 0,1285 0,1888 0,1889 0, ,1749 0,1565 0,1649 0,1285 0,1888 0,1889 0, ,1749 0,1565 0,1649 0,1300 0,1888 0,1889 0, ,1749 0,1565 0,1649 0,1300 0,1888 0,1905 0, ,1749 0,1565 0,1649 0,1300 0,1888 0,1908 0, ,1749 0,1650 0,1806 0,1300 0,1888 0,1908 0, ,1770 0,1714 0,1806 0,1300 0,1888 0,1908 0,1879 Gambar 6. Membership Valve Dengan Fitness1 Pada Generasi Akhir =0,6 Dan 5. Kesimpulan Dengan bantuan Algoritma Genetika penentuan parameter fungsi membership pada kendali logika fuzzy akan memberikan respon sistem yang optimal untuk water level control sistem. Algoritma Genetika ini akan selalu menunjukkan kenaikan fitness atau dengan kata lain generasi selanjutnya lebih baik atau minimal sama dengan generasi sebelumnya dan tidak akan dibawah generasi sebelumnya bila seleksi Roulette Wheel digabungkan dengan metode Elitist. Perubahan pada parameter-parameter Algoritma Genetika dengan menaikkan probabilitas crossover akan menyebabkan banyaknya parent terpilih untuk masuk ke dalam proses crossover, sedangkan penurunan probabilitas crossover akan menyebabkan makin sedikitnya parent yang terpilih untuk mengalami proses crossover. Perubahan pada probabilitas mutasi yaitu dengan menaikkan nilai probabilitas mutasi itu akan menyebabkan banyaknya gen yang terpilih, sedangkan untuk penurunan probabilitas mutasi akan menyebabkan gen yang terpilih untuk dimutasi makin sedikit. Penentuan probabilitas crossover maupun probabilitas mutasi tidak membawa pengaruh pada kecepatan Algoritma Genetika dalam melakukan pencarian nilai optimal, tetapi berpengaruh pada hasil akhir yang dicapai pada akhir generasi. Pada sistem water level control ini Probabilitas crossover yang paling baik dipakai adalah 0,6 sedangkan untuk probabilitas mutasi yang paling baik dipakai adalah 0,3 akan memberikan respon sistem yang paling optimal. 9 0,1770 0,1714 0,1806 0,1300 0,1888 0,1908 0, ,1770 0,1714 0,1806 0,1300 0,1909 0,1908 0, ,1770 0,1714 0,1806 0,1300 0,1909 0,1908 0, ,1778 0,1714 0,1806 0,1300 0,1909 0,1908 0, ,1781 0,1714 0,1806 0,1300 0,1909 0,1908 0, ,1781 0,1714 0,1806 0,1905 0,1909 0,1908 0, ,1781 0,1714 0,1828 0,1905 0,1938 0,1908 0, ,1781 0,1714 0,1887 0,1905 0,1938 0,1908 0, ,1781 0,1714 0,1887 0,1905 0,1938 0,1908 0, ,1781 0,1714 0,1887 0,1905 0,1938 0,1908 0, ,1781 0,1714 0,1887 0,1905 0,1962 0,1908 0, ,1781 0,1714 0,1887 0,1905 0,1962 0,1908 0, ,1781 0,1722 0,1887 0,1942 0,1962 0,1908 0, ,1781 0,1722 0,1887 0,1942 0,1962 0,1908 0, ,1781 0,1722 0,1896 0,1946 0,1962 0,1908 0, ,1781 0,1722 0,1896 0,1946 0,1962 0,1910 0, ,1781 0,1722 0,1896 0,1946 0,1962 0,1910 0,2096 fitness generasi Gambar 7. Fitness1 Terbaik Tiap Generasi Dengan =0,6 Dan
4 Proceeding, Seminar of Intelligent Technology and Its Applications (SITIA 1) Referensi [1]. Davis, Lawrence. Handbook Of Genetic Algorithms. New York: Van Nostrand Reinhold,1991. [2]. Gen, Mitsuo,and Cheng, Runwei. Genetic Algorithms And EngineeringDesign.Edited by Hamid R.Parsaei. United States Of America: John Wiley and Sons,1997. [3]. Goldberg, David Edward. Genetic Algorithms in Search, Optimization, and Machine Learning. United States of America: Addison- Westley,1989. [4]. "IEEE Transactions On Industry Applications". January/February 2000.vol.36.no.1. [5]. Man,K.F, et al. Genetic Algorithms For Control And Signal Processing.London: Springer,1997.
5 Proceeding, Seminar of Intelligent Technology and Its Applications (SITIA 200 1)
IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM
IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM Anies Hannawati, Thiang, Eleazar Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas Kristen Petra Jl. Siwalankerto 121-131,
Lebih terperinciPencarian Rute Optimum Menggunakan Algoritma Genetika
Jurnal Teknik Elektro Vol. 2, No. 2, September 2002: 78-83 Pencarian Rute Optimum Menggunakan Algoritma Genetika Anies Hannawati, Thiang, Eleazar Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas
Lebih terperinciPERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN
PERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN Eva Desiana, M.Kom Pascasarjana Teknik Informatika Universitas Sumatera Utara, SMP Negeri 5 Pematangsianta Jl. Universitas Medan, Jl.
Lebih terperinciPendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner
Vol. 7, 2, 108-117, Januari 2011 Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner Jusmawati Massalesse Abstrak Tulisan ini dimaksudkan untuk memperlihatkan proses
Lebih terperinciDenny Hermawanto
Algoritma Genetika dan Contoh Aplikasinya Denny Hermawanto d_3_nny@yahoo.com http://dennyhermawanto.webhop.org Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih terperinciMEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB
MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB Syafiul Muzid 1, Sri Kusumadewi 2 1 Sekolah Pascasarjana Magister Ilmu Komputer, Universitas Gadjah Mada, Yogyakarta e-mail: aakzid@yahoo.com 2 Jurusan
Lebih terperinciALGORITMA GENETIKA. Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Disusun oleh: Achmad Basuki Politeknik Elektronika Negeri Surabaya, PENS ITS Surabaya 2003 Algoritma
Lebih terperinciGenetic Algorithme. Perbedaan GA
Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari
Lebih terperinciKeywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN
Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com
Lebih terperinciOptimasi Gerakan Mesin Bor Otomatis dengan Menggunakan Algoritma Genetika
JURNAL TEKNIK MESIN Vol. 5, No. 2, Oktober 23: 56 63 Optimasi Gerakan Mesin Bor Otomatis dengan Menggunakan Algoritma Genetika Thiang, Anies Hannawati Dosen Fakultas Teknologi Industri, Jurusan Teknik
Lebih terperinciCrossover Probability = 0.5 Mutation Probability = 0.1 Stall Generation = 5
oleh pengguna sistem adalah node awal dan node tujuan pengguna. Lingkungan Pengembangan Sistem Implementasi Algoritme Genetika dalam bentuk web client menggunakan bahasa pemrograman PHP dan DBMS MySQL.
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
Lebih terperinciSIMULASI PENGENDALIAN KECEPATAN MOBIL OTOMATIS MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA
SIMULASI PENGENDALIAN KECEPATAN MOBIL OTOMATIS MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA Helmy Thendean, M.Kom 1) Albert, S.Kom 2) Dra.Chairisni Lubis, M.Kom 3) 1) Program Studi Teknik Informatika,Universitas
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Konsep Umum Optimasi Optimasi merupakan suatu cara untuk menghasilkan suatu bentuk struktur yang aman dalam segi perencanaan dan menghasilkan struktur yang
Lebih terperinciOptimasi Penjadwalan Ujian Menggunakan Algoritma Genetika
Optimasi Penjadwalan Ujian Menggunakan Algoritma Genetika Nia Kurnia Mawaddah Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Jurusan Matematika, FMIPA Universitas Brawijaya, Malang 65145 Abstrak Penjadwalan
Lebih terperinciUSULAN PENERAPAN PENJADWALAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA DI PD BLESSING
USULAN PENERAPAN PENJADWALAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA DI PD BLESSING Santoso 1*, Eldad Dufan Sopater Subito 2 1,2 Jurusan Teknik Industri, Fakultas Teknik, Universitas Kristen Maranatha
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI SKRIPSI
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN
APLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN Eva Haryanty, S.Kom. ABSTRAK Komputer adalah salah satu peralatan yang pada saat ini banyak pula digunakan
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA DALAM OPTIMASI JALUR PENDISTRIBUSIAN KERAMIK PADA PT. CHANG JUI FANG
IMPLEMENTASI ALGORITMA GENETIKA DALAM OPTIMASI JALUR PENDISTRIBUSIAN KERAMIK PADA PT. CHANG JUI FANG Adnan Buyung Nasution 1 1,2 Sistem Infomasi, Tehnik dan Ilmu Komputer, Universitas Potensi Utama 3 Universitas
Lebih terperinciPENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 1 9 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL MULIA AFRIANI KARTIKA
Lebih terperinciALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 03(2016), hal 265 274. ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR Abdul Azis, Bayu Prihandono, Ilhamsyah INTISARI Optimasi
Lebih terperinciMetode Algoritma Genetika dengan Sistem Fuzzy Logic untuk Penentuan Parameter Pengendali PID
32 Jurnal Rekayasa Elektrika Vol. 10, No. 1, April 2012 Metode Algoritma Genetika dengan Sistem Fuzzy Logic untuk Penentuan Parameter Pengendali PID Bhakti Yudho Suprapto dan Sariman Jurusan Teknik Elektro
Lebih terperinciPEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM
PEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM Syafiul Muzid Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia, Yogyakarta E-mail:
Lebih terperinciPENGENALAN ALGORITMA GENETIK
PENGENALAN ALGORITMA GENETIK Aries Syamsuddin ariesmipa@psyon.org Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
Lebih terperinciPerbandingan Algoritma Exhaustive, Algoritma Genetika Dan Algoritma Jaringan Syaraf Tiruan Hopfield Untuk Pencarian Rute Terpendek
Perbandingan Algoritma Exhaustive, Algoritma Genetika Dan Algoritma Jaringan Syaraf Tiruan Hopfield Untuk Pencarian Rute Terpendek Rudy Adipranata 1, Felicia Soedjianto 2, Wahyudi Tjondro Teknik Informatika,
Lebih terperinciALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS Surabaya 2003 Algoritma Genetika Algoritma
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION
PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION Samuel Lukas 1, Toni Anwar 1, Willi Yuliani 2 1) Dosen Teknik Informatika,
Lebih terperinciKNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA
LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka (Samuel, Toni & Willi 2005) dalam penelitian yang berjudul Penerapan Algoritma Genetika untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover
Lebih terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciPEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 3 No. 1 Hal. 98 106 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL YOSI PUTRI, NARWEN
Lebih terperinciAlgoritma Evolusi Real-Coded GA (RCGA)
Algoritma Evolusi Real-Coded GA (RCGA) Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Siklus RCGA 2. Alternatif Operator Reproduksi pada Pengkodean Real 3. Alternatif Operator Seleksi 4.
Lebih terperinciRancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika
1 Rancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika Annisti Nurul Fajriyah Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciPERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP)
PERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP) Rezki Susan Ardyati dan Dida D. Damayanti Program Studi Teknik Industri Institut Teknologi
Lebih terperinciOPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK
OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK Usulan Skripsi S-1 Jurusan Matematika Diajukan oleh 1. Novandry Widyastuti M0105013 2. Astika Ratnawati M0105025 3. Rahma Nur Cahyani
Lebih terperinciPENJADWALAN MESIN BERTIPE JOB SHOP UNTUK MEMINIMALKAN MAKESPAN DENGAN METODE ALGORITMA GENETIKA (STUDI KASUS PT X)
PENJADWALAN MESIN BERTIPE JOB SHOP UNTUK MEMINIMALKAN MAKESPAN DENGAN METODE ALGORITMA GENETIKA (STUDI KASUS PT X) Ria Krisnanti 1, Andi Sudiarso 2 1 Jurusan Teknik Mesin dan Industri, Fakultas Teknik,
Lebih terperinciOptimasi Routing Berbasis Algoritma Genetika Pada Sistem Komunikasi Bergerak
18 Optimasi Routing Berbasis Algoritma Genetika Pada Sistem Komunikasi Bergerak Devi Rahmayanti Abstrak -Komunikasi bergerak selular adalah suatu komunikasi antara dua terminal di mana salah satu atau
Lebih terperinciPenjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Jurnal Telematika, vol.9 no.1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-251 Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Lebih terperinciPERBANDINGAN ALGORITMA EXHAUSTIVE, ALGORITMA GENETIKA DAN ALGORITMA JARINGAN SYARAF TIRUAN HOPFIELD UNTUK PENCARIAN RUTE TERPENDEK
PERBANDINGAN ALGORITMA EXHAUSTIVE, ALGORITMA GENETIKA DAN ALGORITMA JARINGAN SYARAF TIRUAN HOPFIELD UNTUK PENCARIAN RUTE TERPENDEK Rudy Adipranata 1) Felicia Soedjianto 2) Wahyudi Tjondro Teknik Informatika,
Lebih terperinciSATUAN ACARA PERKULIAHAN
Topik bahasan : Pendahuluan Mahasiswa dapat memahami konsep cerdasan buatan dan aplikasinya dalam bidang rekayasa 1 Setelah mempelajari materi ini, diharapkan mahasiswa : 1.Mampu mengenal permbangan teknologi
Lebih terperinciSTUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA
STUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA (Agustinus N., et al. STUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA Agustinus Noertjahyana
Lebih terperinciAnalisis Komparasi Genetic Algorithm dan Firefly Algorithm pada Permasalahan Bin Packing Problem
Analisis Komparasi Genetic Algorithm dan Firefly Algorithm pada Permasalahan Bin Packing Problem Adidtya Perdana Sekolah Tinggi Teknik Harapan Medan Jl. H.M. Jhoni No. 70 C Medan adid.dana@gmail.com Abstrak
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP)
Abstrak PENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP) Aulia Fitrah 1, Achmad Zaky 2, Fitrasani 3 Program Studi Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi
Lebih terperinciDETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA
DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA Akmal Hidayat 1) & Entin Martiana 2) 1) Teknik Elektro Politeknik Bengkalis Jl.
Lebih terperinciOPTIMASI POLA PENYUSUNAN BARANG DALAM RUANG TIGA DIMENSI MENGGUNAKAN METODE GENETIC ALGORITHMS
OPTIMASI POLA PENYUSUNAN BARANG DALAM RUANG TIGA DIMENSI MENGGUNAKAN METODE GENETIC ALGORITHMS Kartika Gunadi, Irwan Kristanto Julistiono Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas
Lebih terperinciBAB III METODE PENELITIAN. Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika
BAB III METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Waktu penelitian dilaksanakan
Lebih terperinciTingkat Vaksinasi Optimal dalam Model Epidemik Deterministik dengan Metode Algoritma Genetik
Jurnal Matematika Integratif ISSN 1412-6184 Volume 10 No 2, Oktober 2014, pp 95-105 Tingkat Vaksinasi Optimal dalam Model Epidemik Deterministik dengan Metode Algoritma Genetik M. Iqbal, A. K. Supriatna,
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 terperinciPemaksimalan Papan Sirkuit Di Pandang Sebagai Masalah Planarisasi Graf 2-Layer Menggunakan Algoritma Genetika
Vol. 14, No. 1, 19-27, Juli 2017 Pemaksimalan Papan Sirkuit Di Pandang Sebagai Masalah Planarisasi Graf 2-Layer Menggunakan Algoritma Genetika Jusmawati Massalesse dan Muh. Ali Imran Abstrak Tulisan ini
Lebih terperinciBAB I PENDAHULUAN. kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta
BAB I PENDAHULUAN A. Latar Belakang Matematika adalah cabang ilmu pengetahuan yang dapat digunakan dalam kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta tidak merupakan
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka. Penelitian serupa mengenai penjadwalan matakuliah pernah dilakukan oleh penelliti yang sebelumnya dengan metode yang berbeda-neda. Berikut
Lebih terperinciAPLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN TATA LETAK MESIN
APLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN TATA LETAK MESIN Hari Purnomo, Sri Kusumadewi Teknik Industri, Teknik Informatika Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyakarta ha_purnomo@fti.uii.ac.id,
Lebih terperinciISSN VOL. 12, NO. 2, OKTOBER 2011
ANALISIS OPTIMASI PENJADWALAN JAGA DOKTER RESIDEN PENYAKIT DALAM PADA RUMAH SAKIT PENDIDIKAN Erlanie Sufarnap 1, Sudarto 2 STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 airlanee@yahoo.com 1,
Lebih terperinciPENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA
LOGO PENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA Oleh : Aris Saputro 1206100714 Pembimbing : Dr. M. Isa
Lebih terperinciPenerapan Algoritma Genetika pada Peringkasan Teks Dokumen Bahasa Indonesia
Penerapan Algoritma Genetika pada Peringkasan Teks Dokumen Bahasa Indonesia Aristoteles Jurusan Ilmu Komputer FMIPA Universitas Lampung aristoteles@unila.ac.id Abstrak.Tujuan penelitian ini adalah meringkas
Lebih terperinciSISTEM TUTORIAL CERDAS BERBASIS FUZZY GENETIK
SISTEM TUTORIAL CERDAS BERBASIS FUZZY GENETIK Mewati Ayub 1,The Houw Liong 2, Inggriani Liem 3, Achmad Hinduan 4 1 Jurusan Teknik Informatika, Sekolah Tinggi Teknologi Indonesia, Bandung 40116 e-mail :
Lebih terperinciBab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
Lebih terperinciGenerator Jadwal Perkuliahan Menggunakan Algoritma Genetika
Generator Jadwal Perkuliahan Menggunakan Algoritma Genetika Zainal Akbar 1), Muh. Fajri Raharjo 2), Eddy Tungadi 3) CAIR, Politeknik Negeri Ujung Pandang Jl. Perintis Kemerdekaan km. 10, Tamalanrea Makassar,
Lebih terperinciA. ADHA. Program Studi Teknik Sipil, Fakultas Teknik,Universitas Islam Riau, Pekanbaru, Indonesia Corresponding author:
Institut Teknologi Padang, 27 Juli 217 ISBN: 978-62-757-6-7 http://eproceeding.itp.ac.id/index.php/spi217 Optimasi Bentuk Struktur dan Penampang pada Struktur Rangka Baja Terhadap Kendala Kehandalan Material
Lebih terperinciAbstrak. Kata Kunci : Penyeimbangan Lintasan, Algoritma Genetika, Efisiensi
Usulan Perbaikan Lintasan Produksi Produk Kemeja Lengan Panjang Dewasa Dalam Upaya Mencapai Target Produksi Dengan Menggunakan Algoritma Genetika (Studi Kasus Di CV Mitra Abadi Sejahtera Bandung) Proposed
Lebih terperinciERWIEN TJIPTA WIJAYA, ST.,M.KOM
ERWIEN TJIPTA WIJAYA, ST.,M.KOM DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk
Lebih terperinciMETODA GENETIC ALGORITMA SEBAGAI PERENCANAAN LINTASAN ROBOT UNTUK APLIKASI PENGEBORAN PADA PCB ABSTRAK
METODA GENETIC ALGORITMA SEBAGAI PERENCANAAN LINTASAN ROBOT UNTUK APLIKASI PENGEBORAN PADA PCB 1)Adam Ridiantho M, 2 Djoko Purwanto 1,2) Program Studi Teknik Elektro, Program Pasca Sarjana, ITS Ruang B205,
Lebih terperinciOptimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi
Optimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi Rahman Aulia Universitas Sumatera Utara Pasca sarjana Fakultas Ilmu Komputer Medan, Indonesia Rahmanaulia50@gmail.com Abstract
Lebih terperinciRancang Bangun Robot PANTILT: Pendeteksian Posisi Kepala Manusia Menggunakan Algoritma Genetika
Rancang Bangun Robot PANTILT: Pendeteksian Posisi Kepala Manusia Menggunakan Algoritma Genetika Ferman Hakiki 1, Indra Adji Sulistijono 2 1 Jurusan Teknik Elektornika, Politeknik Elekronika Negeri Surabaya
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih terperinciOPTIMASI PUSAT KLASTER MENGGUNAKAN ALGORITMA FAST GENETIC KMEAN PADA DATA BERDISTRIBUSI NORMAL
OPTIMASI PUSAT KLASTER MENGGUNAKAN ALGORITMA FAST GENETIC KMEAN PADA DATA BERDISTRIBUSI NORMAL Budi Nur Iman, Entin Martiana K, Umi Sa adah Politeknik Elektronika Negeri Surabaya (PENS), ITS Surabaya,
Lebih terperinciImplementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah
Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah Leonard Tambunan AMIK Mitra Gama Jl. Kayangan No. 99, Duri-Riau e-mail : leo.itcom@gmail.com Abstrak Pada saat ini proses penjadwalan kuliah
Lebih terperinciOPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
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 terperinciBAB III. Metode Penelitian
BAB III Metode Penelitian 3.1 Diagram Alir Penelitian Secara umum diagram alir algoritma genetika dalam penelitian ini terlihat pada Gambar 3.1. pada Algoritma genetik memberikan suatu pilihan bagi penentuan
Lebih terperinciBAB II LANDASAN TEORI. Suatu graph merupakan suatu pasangan { E(G), V(G) } dimana :
BAB II LANDASAN TEORI 2.1 Defenisi Graph Suatu graph merupakan suatu pasangan { E(G), V(G) } dimana : V(G) adalah sebuah himpunan terhingga yang tidak kosong ( non empty finite set) yang elemennya disebut
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Penjadwalan Perkuliahan Penjadwalan memiliki pengertian durasi dari waktu kerja yang dibutuhkan untuk melakukan serangkaian untuk melakukan aktivitas kerja[10]. Penjadwalan juga
Lebih terperinciAlgoritma Evolusi Dasar-Dasar Algoritma Genetika
Algoritma Evolusi Dasar-Dasar Algoritma Genetika Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Pengantar 2. Struktur Algoritma Genetika 3. Studi Kasus: Maksimasi Fungsi Sederhana 4. Studi
Lebih terperinciPENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA
PENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA Bagus Priambodo Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Mercu Buana e- mail : bagus.priambodo@mercubuana.ac.id
Lebih terperinciOPTIMASI QUERY DATABASE MENGGUNAKAN ALGORITMA GENETIK
Seminar Nasional Aplikasi Teknologi Informasi 2008 (SNATI 2008) ISSN 1907-5022 OPTIMASI QUERY DATABASE MENGGUNAKAN ALGORITMA GENETIK Manahan Siallagan, Mira Kania Sabariah, Malanita Sontya Jurusan Teknik
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Algoritma
13 BAB 2 LANDASAN TEORI 2.1 Algoritma Dalam matematika dan komputasi, algoritma merupakan kumpulan perintah untuk menyelesaikan suatu masalah. Perintah-perintah ini dapat diterjemahkan secara bertahap
Lebih terperinciFuzzy Associative Memory (FAM) Logika Fuzzy
Fuzzy Associative Memory (FAM) Logika Fuzzy 1 Misalkan suatu sistem fuzzy dengan n input dan satu output. Setiap input X 1, X 2,, X n dipartisi menjadi k partisi fuzzy. Maka menggunakan aturan fuzzy IF
Lebih terperinciPengaturan Kecepatan Motor DC Menggunakan Kendali Hybrid PID-Fuzzy
ABSTRAK Pengaturan Kecepatan Motor DC Menggunakan Kendali Hybrid PID-Fuzzy Felix Pasila, Thiang, Oscar Finaldi Jurusan Teknik Elektro Universitas Kristen Petra Jl. Siwalankerto 121-131 Surabaya - Indonesia
Lebih terperinci4. BAB IV PENGUJIAN DAN ANALISIS. pengujian simulasi open loop juga digunakan untuk mengamati respon motor DC
4. BAB IV PENGUJIAN DAN ANALISIS 4.1 Pengujian Open Loop Motor DC Pengujian simulasi open loop berfungsi untuk mengamati model motor DC apakah memiliki dinamik sama dengan motor DC yang sesungguhnya. Selain
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Penjadwalan Penjadwalan adalah penempatan sumber daya (resource) dalam satu waktu. Penjadwalan mata kuliah merupakan persoalan penjadwalan yang umum dan sulit dimana tujuannya
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 terperinciIMPLEMENTASI ALGORITMA GENETIKA PADA KNAPSACK PROBLEM UNTUK OPTIMASI PEMILIHAN BUAH KEMASAN KOTAK
IMPLEMENTASI ALGORITMA GENETIKA PADA KNAPSACK PROBLEM UNTUK OPTIMASI PEMILIHAN BUAH KEMASAN KOTAK Komang Setemen Jurusan Manajemen Informatika, Fakultas Teknik Kejuruan, Universitas Pendidikan Ganesha
Lebih terperinciZbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag.
Zbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag. 12/11/2009 1 Ditemukan oleh Holland pada tahun 1975. Didasari oleh fenomena evolusi darwin. 4 kondisi yg mempengaruhi
Lebih terperinciPENERAPAN ALGORITMA GENETIKA DALAM OPTIMASI PENDISTRIBUSIAN PUPUK DI PT PUPUK ISKANDAR MUDA ACEH UTARA
TECHSI ~ Jurnal Penelitian Teknik Informatika Universitas Malikussaleh, Lhokseumawe Aceh Penelitian ini membahas tentang Implementasi Persoalan Optimasi Rute Terpendek Pendistribusia n Pupuk pada PT. Sayed
Lebih terperinciOPTIMASI PENJADWALAN PROYEK DENGAN PENYEIMBANGAN BIAYA MENGGUNAKAN KOMBINASI CPM DAN ALGORITMA GENETIKA. Riza Arifudin
Riza Arifudin OPTIMASI PENJADWALAN PROYEK DENGAN PENYEIMBANGAN BIAYA MENGGUNAKAN KOMBINASI CPM DAN ALGORITMA GENETIKA Riza Arifudin Jurusan Matematika FMIPA Universitas Negeri Semarang email: riza_wsb@yahoo.com
Lebih terperinciOptimasi Pemilihan Pekerja Bangunan Proyek Pada PT. Citra Anggun Pratama Menggunakan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 2, Februari 2017, hlm. 80-84 http://j-ptiik.ub.ac.id Optimasi Pemilihan Pekerja Bangunan Proyek Pada PT. Citra Anggun
Lebih terperinciPENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA
PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA Kartina Diah KW1), Mardhiah Fadhli2), Charly Sutanto3) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1 Rumbai-Pekanbaru-Riau
Lebih terperinciKONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN
Jurnal Teknik dan Ilmu Komputer KONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN (Binary Genetic Algorithm Concept to Optimize Course Timetabling) Iwan Aang Soenandi
Lebih terperinciAPLIKASI PEMBAGIAN KELOMPOK KELAS MENGGUNAKAN ALGORITMA GENETIK PADA SMA BUDI MULIA TANGERANG
APLIKASI PEMBAGIAN KELOMPOK KELAS MENGGUNAKAN ALGORITMA GENETIK PADA SMA BUDI MULIA TANGERANG Windarto 1) Fajrianto Burhan 2) Fakultas Teknologi Informasi, Universitas Budi Luhur, Jakarta windarto@ymail.com
Lebih terperinciBAB IV SISTEM KENDALI DENGAN FUZZY LOGIC
BAB IV SISTEM KENDALI DENGAN FUZZY LOGIC Salah satu penerapan logika fuzzy adalah sebagai pengendali pada sistem pengendali umpan balik negatif (Negative Feedback Control System). Secara blok diagram,
Lebih terperinciImplementasi Metode Simulated Annealing pada Robot Mobil untuk Mencari Rute Terpendek
Implementasi Metode Simulated Annealing pada Robot Mobil untuk Mencari Rute Terpendek Thiang, Dhany Indrawan Jurusan Teknik Elektro, Universitas Kristen Petra Surabaya 60236, Indonesia e-mail: thiang@petra.ac.id
Lebih terperinciPENYELESAIAN MINIMUM SPANNING TREE (MST) PADA GRAF LENGKAP DENGAN ALGORITMA GENETIKA MENGGUNAKAN TEKNIK PRUFER SEQUENCES
J~ICON, Vol. 2 No. 2, Oktober 2014, pp. 84 ~ 91 84 PENYELESAIAN MINIMUM SPANNING TREE (MST) PADA GRAF LENGKAP DENGAN ALGORITMA GENETIKA MENGGUNAKAN TEKNIK PRUFER SEQUENCES Emsi M. Y. Monifani 1, Adriana
Lebih terperinciOptimasi Cluster Pada Fuzzy C-Means Menggunakan Algoritma Genetika Untuk Menentukan Nilai Akhir
IJCCS, Vol.6, No.1, January 2012, pp. 101~110 ISSN: 1978-1520 101 Optimasi Cluster Pada Fuzzy C-Means Menggunakan Algoritma Genetika Untuk Menentukan Nilai Akhir Putri Elfa Mas`udia* 1, Retantyo Wardoyo
Lebih terperinciOptimasi Penempatan Load Break Switch (LBS) pada Penyulang Karpan 2 Ambon menggunakan Metode Algoritma Genetika
1 Optimasi Penempatan Load Break Switch (LBS) pada Penyulang Karpan 2 Ambon menggunakan Metode Algoritma Genetika Hendrik Kenedy Tupan 1) Abstrak Seringnya pemadaman listrik di Kota Ambon mengakibatkan
Lebih terperinciPenerapan Algoritma Genetika dalam Job Shop Scheduling Problem
Penerapan Algoritma Genetika dalam Job Shop Scheduling Problem Haris Sriwindono Program Studi Ilmu Komputer Universitas Sanata Dharma Paingan, Maguwoharjo, Depok Sleman Yogyakarta, Telp. 0274-883037 haris@staff.usd.ac.id
Lebih terperinciALGORITMA GENETIK UNTUK MENYELESAIKAN MASALAH OPTIMASI FUNGSI BERKENDALA DENGAN PENGKODEAN BILANGAN BULAT
ALGORITMA GENETIK UNTUK MENYELESAIKAN MASALAH OPTIMASI FUNGSI BERKENDALA DENGAN PENGKODEAN BILANGAN BULAT Oleh : Yuliani Indrianingsih Jurusan Teknik Informatika Sekolah Tinggi Teknologi Adisutjipto (STTA)
Lebih terperinciAPLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS
APLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS Hafid Hazaki 1, Joko Lianto Buliali 2, Anny Yuniarti 2
Lebih terperinciAPLIKASI PENYUSUNAN JADWAL DENGAN ALGORITMA GENETIK PADA SEKOLAH MENENGAH KEJURUAN BUDI MULIA TANGERANG
APLIKASI PENYUSUNAN JADWAL DENGAN ALGORITMA GENETIK PADA SEKOLAH MENENGAH KEJURUAN BUDI MULIA TANGERANG Windarto 1, Bima Sukma Wijaya 2 12 Fakultas Teknologi Informasi Universitas Budi Luhur, Jakarta,
Lebih terperinciKata kunci: Penjadwalan Ekonomis, Fuzzy Logic, Algoritma Genetika
ABSTRAK Penjadwalan Ekonomis bertujuan untuk mengatur pengoperasian unit pembangkit dengan biaya seekonomis mungkin, namun tetap dapat memenuhi kebutuhan daya untuk beban. Pengoperasian pembangkit secara
Lebih terperinci