PENGGABUNGAN ANT SYSTEM ALGORITHM DAN GENETIC ALGORITHM DALAM PENGATURAN JADUAL KULIAH
|
|
- Hendra Wibowo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENGGABUNGAN ANT SYSTEM ALGORITHM DAN GENETIC ALGORITHM DALAM PENGATURAN JADUAL KULIAH Djasli Djamarus Informatics Department Trisakti University Jakarta 11440, Indonesia ABSTRAK Makalah ini membahas teknik penggabungan (hibridisasi) Genetic Algorithm and Ant System Algorithm untuk dipergunakan dalam mengatur jadual perkuliahan yang memperhatikan waktu dan keahlian dosen untuk mengajar. Masalah pengaturan jadual dimodelkan sebagai masalah pencarian sejumlah tuple, masing-masing terdiri atas mata kuliah, dosen, slot waktu dan ruang yang tidak saling konflik.dalam penggabungan ini, Ant System Algorithm dipergunakan untuk menyusun populasi awal secara konstruktif, sedangkan Genetic Algorithm dipergunakan untuk mencari solusi terbaik secara iteratif. Selain itu Ant System juga dipergunakan untuk meningkatkan kualitas individu dalam proses mutasi. Kata kunci: Ant System Algorithm, Course Timetabling Problem, Genetic Algorithm, Hybrid, Meta-heuristic. I. PENDAHULUAN Berdasarkan jenisnya, penjadualan pada suatu institusi pendidikan dapat dibedakan menjadi tiga yaitu penjadualan mata pelajaran di sekolah-sekolah menengah, penjadualan ujian dan penjadualan mata kuliah di perguruan tinggi [12]. Penyusunan jadual perkuliahan merupakan kegiatan untuk menghasilkan jadual kegiatan akademik mingguan di suatu perguruan tinggi yang menggunakan sistem kredit semester (SKS). Penyusunan jadual ini dapat dibedakan menjadi dua pendekatan yaitu pendekatan yang lebih memperhatikan keinginan peserta didik untuk menjalani pendidikan dan pendekatan yang lebih memperhatikan kesediaan dosen untuk melaksanakan perkuliahan [6]. Pada pendekatan pertama terlebih dahulu disusun kelas-kelas yang akan diisi oleh mahasiswa. Selanjutnya kelas-kelas yang telah berisi mahasiswa tersebut akan dalokasikan waktu dan tempat pelaksanaan perkuliahannya, sedemikian rupa sehingga tak ada mahasiswa yang harus berada di dua kelas dalam saat yang sama. Pada pendekatan kedua disusun suatu jadual yang tak ada bentrok baik dalam penugasan dosen maupun penggunaan ruang, untuk kemudian jadual tersebut ditawarkan kepada mahasiswa Dalam hal ini mahasiswa bertanggung jawab atas rencana kegiatan yang disusunnya. Mengingat pengaturan jadual dengan pendekatan ini akan akan mengatur beban dan waktu penugasan dosen, maka pendekatan ini dapat juga dikatakan pengaturan jadual dosen [2]. Meskipun hampir setiap institusi akademik pada setiap awal periode pengajaran melakukan proses penjadualan kegiatan akademik secara berkala, namun sangat jarang pelaksanaan pekerjaan tersebut dilakukan dengan menggunakan suatu sistem yang dilengkapi program computer yang dapat menghasilkan jadual yang dapat langsung terpakai. Selain daripada masalah manajemen, yaitu belum adanya standar prosedur yang disepakati bersama, masalah penjadualan itu sendiri ternyata merupakan suatu masalah yang termasuk dalam kategori NP (Non deterministic Polynomial) complete, dimana untuk sejumlah data tertentu akan diperlukan waktu yang sangat lama untuk menghasilkan jadual akademik sebagai keluaran dari suatu program komputer. Hal ini juga berarti bahwa belum ada algoritme yang secara general dapat menyelesaikan masalah ini. Selain itu implementasi penjadualan kuliah, pada umumnya berbeda-beda antara institusi yang satu dengan institusi yang lain. Dalam makalah ini dibahas upaya penyusunan jadual matakuliah dengan pendekatan kedua, yang dalam operasionalnya banyak mempunyai kemudahan. Berdasarkan hal tersebut maka penjadualan matakuliah dapat dilihat sebagai upaya penyusunan sejumlah tuple dari empat entitas <matakuliah, dosen, waktu kuliah, ruang kuliah> yang merepresentasikan kelas dari suatu mata kuliah, untuk kemudian ditawarkan kepada mahasiswa. Masalah penjadualan kuliah dengan model ini pada prinsipnya akan mencari suatu kombinasi dari sejumlah tuple <matakuliah, dosen, waktu kuliah, ruang kuliah> yang memenuhi syarat bersifat TIF 14-1
2 keharusan (hard constrant) dan sebanyak mungkin memenuhi syarat yang bersifat keinginan (soft constrant). Dalam dunia komputasi masalah yang demikian dikelompokkan pada kelompok masalah yang disebut NP Problem. Sebagaimana masalah lain yang termasuk dalam kelompok NP Problem, permasalahan pengaturan jadual ini telah banyak dicoba untuk diselesaikan dengan algoritme yang bersifat stokastik, seperti tabu serach (TS), simulated annealing (SA), genetic algorithm (GA) dan ant system algorithm (ASA). Pada umumnya algoritme tersebut akan akan melakukan sejumlah iterasi dimana pada setiap iterasi diperlukan arahan heuristic yang berbeda pada setiap kasus untuk membawa algoritme meta-heuristic tersebut kepada solusi yang dicari. Karena hal tersebut algoritme-algoritme tersebut juga dikatakan sebagai algoritme meta-heuristic. Makalah ini merupakan laporan penelitian dalam upaya penyusunan jadual matakuliah dengan suatu algoritme gabungan yang terdiri atas GA dan ASA, yang terdiri atas kajian mengenai GA, kajian mengenai ASA, rancangan model algoritme gabungan dari algoritme yang bentuk dari kedua algoritme metaheuristic II. GENETIC ALGORITHM GA merupakan satu diantara algoritme metaheuristic yang diinspirasikan dari fenomena alam. Dengan mengikuti teori evolusi makhluk hidup, GA merepresentasikan kemungkinan solusi masalah sebagai individu yang terdiri atas sejumlah chromosome yang merepresentasikan komponen penyusun solusi Karakteristik individu (kemungkinan solusi), diukur dengan nilai kebugaran (fitness value) individu yang merepresentasikan seberapa banyak penyimpangan kemungkinan solusi tersebut terhadap solusi ideal yang diinginkan. Perubahan individu yang juga berarti munculnya kemungkinan baru solusi, dihasilkan dari serangkaian proses utama pada GA yaitu reproduksi (reproduction), persilangan (cross over) dan mutasi (mutation). Proses reproduksi akan mengubah komposisi populasi dengan individu-individu yang lebih bugar, yaitu dengan cara menduplikasikan individu yang lebih bugar dan membuang individu yang kurang bugar. Proses persilangan akan menghasilkan dua individu yang berbeda karena pertukaran silang beberapa chromosome dari dua individu asal sebelumnya. Dari proses ini diharapkan individu yang lebih bugar menjadi tambah bugar, sebaliknya yang kurang bugar menjadi semakin kurang bugar. Proses perubahan lainnya akan mengubah individu tertentu menjadi individu lain akibat perubahan chromosome yang terjadi pada individu Agar proses evolusi dapat berjalan, GA memerlukan beberapa individu awal sebagai populasi, yang terus menerus akan diperbaiki kebugarannya. Karena hal tersebut GA ini dikelompokkan sebagai algoritme yang melakukan pencarian solusi dengan cara perbaikan (improvement approach). Secara global pseudocode dari GA dapat dituliskan sebagai berikut: 01: Buat populasi random 02: Pilih kemungkinan solusi 03: Lakukan reproduksi 04: Lakukan persilangan 05: Lakukan mutasi 06: Pilih individu terbugar 07: Jika individu terbugar lebih baik dari kemungkinan solusi, ganti kemungkinan solusi dengan individu terbugar 08: Jika kriteria henti belum terpenuhi kembali ke 03 Dalam hal ini kriteria henti adalah waktu yang diberikan untuk melakukan iterasi atau kebugaran individu telah sesuai dengan yang diinginkan. GA telah banyak dipergunakan oleh peneliti untuk menyelesaiakan masalah NP Problem, dalam masalah penjadualan antara lain adalah pembuatan jadual pelatihan [5][9], pembuatan jadual kelas sekolah [3], pembuatan jadual ujian [15], maupun penjadualan kuliah [1][10][11]. III. ANT SYSTEM ALGORITHM ASA yang diperkenalkan oleh diinspirasikan oleh cara kerja sekumpulan semut bekerja sama dalam mencari jalur terpendek yang harus ditempuhnya ketika mengumpulkan makanan bagi komunitasnya [4]. Dalam melakukan kerjasamanya ini semut berkomunikasi dengan menggunakan suatu zat kimia yang disebut pheromone. Setiap kali seekor semut melalui suatu lintasan maka sepanjang lintasan itu akan ditinggalkan sejumlah pheromone yang berfungsi mengajak semut yang lain untuk mengikuti jejaknya. Bila saja ada beberapa kemungkinan lintasan yang dapat dilalui dari suatu lokasi makanan ke sarang semut tersebut, pada awalnya setiap lintasan tersebut akan dilalui oleh semut-semut tersebut bolak-balik dalam jumlah yang relative sama. Karena pada setiap gerakannya semut meninggalkan zat yang disebut pheromone sebagai tanda jejak yang akan diikuti temannya, maka dengan berjalannya waktu, lintasan terpendek akan dilalui lebih sering, sehingga semakin lama akan semakin tinggi konsentrasi yang ada pada lintasan Hal ini juga berarti lintasan tersebut semakin menarik bagi semut-semut yang lain. Pada akhirnya, karena pengaruh konsentrasi pheromone tersebut, maka hanya lintasan terpendeklah yang akan dilalui oleh semut. Gambar 1 memperlihatkan skema percobaan yang dilakukan untuk memperlihatkan cara TIF 14-2
3 kerja sekumpulan semut dalam mendapatkan jalur terpendek dari dua buah jalur yang ada. Berbeda dengan GA, pencarian solusi dengan ASA tidak memerlukan solusi awal, tetapi algoritme ini membangun kemungkinan-kemungkinan solusi dengan mengumpulkan elemen-elemen yang membangunnya berdasar jalur pheromone yang terbentuk oleh pergerakan semut. Karena hal tersebut, maka ASA dikelompokkan sebagai algoritme yang membangun solusi dengan cara pengumpulan elemennya (constructive approach). ASA telah berhasil dipergunakan oleh berbagai penelitian untuk menyelesaikan berbagai masalah dalam kelas NP, dalam domain penjadualan antara lain adalah untuk penjadualan ujian [7][8] juga penjadualan kuliah [13]. Secara global pseudocode dari ASA dapat dituliskan sebagai berikut: 01: Inisialiasi parameter dan jalur pheromone 02: Bangun solusi-solusi dengan pergerakan semut 03: Lakukan modifikasi jalur pheromone 04: Lakukan aksi global untuk pencarian solusi terbaik dan persiapan langkah berikutnya 05: Jika kriteria henti belum terpenuhi kembali ke 02 Seperti halnya pada GA, kriteria henti adalah waktu yang diberikan untuk melakukan iterasi atau solusi diusulkan telah sesuai dengan yang diinginkan. Gambar 1. Cara kerja sama semut sebagai inspirasi dari Ant System Algorithm [4] Hybridization Low Level High Level Low Level Relay Low Level Co-evolutionary High Level Relay High Level Co-evolutionary TIF 14-3
4 Gambar 2. Kategorisasi Algoritme hibrid [14] IV. RANCANGAN ALGORITME GABUNGAN Penggabungan (hibridisasi) algoritme dapat dilakukan dengan melihat level partisipasi dan kemudian cara penempatan hibridisasi algoritme tersebut [14]. Dilihat dari level partisipasinya hibridisasi algoritme dapat dibedakan menjadi level rendah dan level tinggi, sedangkan dilihat dari penempatan algoritme menjadi hibridisai relay dan ko-evolusi (co-evolutionary). Dengan demikian akan terdapat empat kemungkinan hibridisasi dari dua buah algoritme, yaitu hibridisasi relay pada level rendah, hibridisasi ko-evolusi pada level rendah, hibridisasi relay pada level tinggi dan hibridisasi relay pada level tinggi seperti terlihat pada Gambar 2. Dengan melihat masing-masing keunggulan GA yang mencari solusi dengan pendekatan perbaikan (improvement approach) yang memerlukan solusi awal dan ASA yang menyusun solusi secara bertahap (constructive approach) yang tidak memerlukan solusi awal, maka pada penelitian ini kedua algoritme akan digabungkan menjadi suatu algoritme gabungan (hybrid algorithm) yang memanfaatkan keunggulan masing-masing algoritme pembangunnya. Dengan melihat bahwa GA memerlukan solusi awal yang juga akan berpengaruh solusi akhir yang diusulkan, maka ASA yang dapat membangun usulan solusi dari elemen-elemennya dapat dipergunakan untuk membuat solusi-solusi awal yang diperlukan ASA (Construction) Inisialisasi Populasi GA (Improvement) Reproduksi Silang Mutasi (ASA) Gambar 3. Schema hibridisasi Gambar 4. Populasi sebagai kumpulan individu Selanjutnya mengingat pada proses mutasi GA juga diperlukan pencarian individu yang hanya berbeda beberapa chromosome yang menyusunnya, maka dalam proses ini ASA yang dapat mencari elemen penyusun solusi dengan heuristic tertentu, tentu dapat dipergunakan untuk proses mutasi Berdasarkan hal tersebut dalam penelitian ini dirancang suatu algoritme gabungan (hybrid TIF 14-4
5 algorithm) yang menggabungkan ASA dengan GA baik dalam bentuk relay pada level tinggi level tinggi, sebagai penyusun individu awal, maupun ko-evolusi pada level rendah dalam proses mutasi. Secara diagram algoritme hybrid yang dikembangkan dalam penelitian ini dapat dilihat pada Gambar 3. Berdasarkan hal tersebut, maka dalam algoritme gabungan ini struktur data yang digunakan adalah seperti pada Gambar 4, dimana populasi merupakan suatu array yang terdiri atas sekumpulan individu yang tersusun atas chromosome yang mempunyai mempunyai struktur seperti Gambar 5. V. PENUTUP Gambar 5. Chromomose Penggabungan antara GA denga ASA, merupakan penggabungan dua buah algoritme metaheuristic yang bersifat komplementer. Pada satu sisi kebutuhan GA untuk mendapatkan populasi awal yang baik dapat dilakukan dengan ASA, yang mempunyai rata-rata nilai kebugaran yang lebih baik. Hal ini diharapkan dapat membawa GA pada solusi yang diinginkan dalam waktu yang lebih cepat. Sifat ASA yang membangun solusi dari komponen ke komponen juga dapat dimanfaatkan oleh GA untuk memperbaiki proses mutasi, agar pada setiap mutasi yang dilakukan dapat terbentuk individu dengan nilai kebugaran yang lebih baik. Namun demikian untuk mendapatkan hasil yang diinginkan perlu diatur parameter-parameter yang dipergunakan dengan memperhatikan factor-faktor heuristic yang dapat membawa algoritme tersebut ke solusi yang diinginkan secara lebih cepat DAFTAR PUSTAKA [1] Bambrick, L. (1997). Lecture timetabling using genetic algorithms. Brisbane: The University of Queensland. [2] Bardadym, V. A. (1995). Computer-Aided School and University Timetabling: The New Wave. First International Conference on the Practice and Theory of Automated Timetabling (ICPTAT '95). [3] Colorni, A., Dorigo, M., & Maniezzo, V. (1990). A Genetic Algorithm To Solve The Timetable Problem. Milano, Italy: Politecnico di Milano, Italy. [4] Colorni, A., Dorigo, M., & Maniezzo, V. (1992). Distributed Optimization by Ant Colony. First European Conference on Artificial Life. [5] Derigs, U., & Jenal, O. (2005). A GA-based decision support system for professional course scheduling at Ford Service Organisation. OR Spectrum, 27, [6] Djamarus, D. (2009). Enhancement of Ant System Algorithm for Course Timetabling Problem. Kedah: Universiti Utara Malaysia. [7] Dowsland, K. A., & Thompson, J. M. (2005). Ant colony optimization for the examination scheduling problem. Journal of the Operational Research Society, 56, [8] Eley, M. (2006). Ant algorithms for the exam timetabling problem. International Conference on Practice and Theory of Automated Timetabling (PATAT 2006). Brno. [9] Kanoh, H., Kondo, M., & Sugimoto, M. (2002). Solving Timetabling Problems using Genetic Algorithms Based on Minimizing Conflict Heuristics. Evolutionary Methods for Design, Optimisation and Control. Barcelona. [10] Lee, H. S., & Hermosilla, A. Y. (2000). Timetabling Highly Constrained System via Genetic Algorithms. Third Asian Mathematical Conference, (pp ). Diliman, Philippines. [11] Rossi-Doria, O., & Paechter, B. (2004). A memetic algorithm for University Course Timetabling. [12] Schaerf, A. (1999). A Survey of Automated Timetabling. Artificial Intelligence Review. 13 (2), [13] Socha, K., Knowles, J., & Sampels, M. (2002). A max-min ant system for the university course timetabling problem. ANTS 2002 Third International Workshop on Ant Algorithms. [14] Talbi, E. (2002). A Taxonomy of Hybrid Metaheuristics. Journal of Heuristics, 8 (5), [15] Terashima-Marin, H., Ross, P., & Valenzuela- Rendon, M. (1999). Evolution of Constraint Satisfaction Strategies in Examination Timetabling. Genetic and Evolurionary Computation Conference (GECC099). TIF 14-5
BAB I PENDAHULUAN. sejumlah aktivitas kuliah dan batasan mata kuliah ke dalam slot ruang dan waktu
18 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Penjadwalan merupakan kegiatan administrasi utama di berbagai institusi. Masalah penjadwalan merupakan masalah penugasan sejumlah kegiatan dalam periode
Lebih terperinciTEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT
TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh Dian Sari Reski, Asrul Sani 2, Norma Muhtar 3 ABSTRACT Scheduling problem is one type of allocating resources problem that exist to
Lebih terperinciJurnal Edukasi dan Penelitian Informatika (JEPIN) Vol. 1, No. 2, (2015) 1 Rancangan Sistem Penjadwalan Akademik Menggunakan Algoritma Max Min Ant System (Studi Kasus: STMIK Atma Luhur Pangkalpinang) Delpiah
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Penjadwalan Definisi Penjadwalan Kegiatan Belajar Mengajar
BAB II LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Definisi Penjadwalan Kegiatan Belajar Mengajar Penjadwalan terkait pada aktivitas dalam hal untuk membuat sebuah jadwal. Sebuah jadwal adalah sebuah tabel dari
Lebih 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 II TINJAUAN PUSTAKA
6 BAB II TINJAUAN PUSTAKA Pada bagian pada bagian ini akan diuraikan tentang tinjauan pustaka dan landaran teori yang sesuai dengan ACO dan AG. 2.1 Algoritma Ant Colony Optimization Secara umum pencarian
Lebih terperinciIMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS)
IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) Devie Rosa Anamisa, S.Kom, M.Kom Jurusan D3 Teknik Multimedia Dan Jaringan-Fakultas Teknik Universitas Trunojoyo
Lebih 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 terperinciPERBANDINGAN ALGORITME ANT COLONY OPTIMIZATION DENGAN ALGORITME GREEDY DALAM TRAVELING SALESMAN PROBLEM
PERBANDINGAN ALGORITME ANT COLONY OPTIMIZATION DENGAN ALGORITME GREEDY DALAM TRAVELING SALESMAN PROBLEM Djasli Djamarus, Meiril Mediawan Laboratorium Informatika Dasar Jurusan Teknik Informatika FTI -
Lebih terperinciImplementasi Algoritma MAX-MIN Ant System pada Penjadwalan Mata Kuliah
Implementasi Algoritma MAX-MIN Ant System pada Penjadwalan Mata Kuliah Studi Kasus: Program Studi Teknik Informatika, UMN William Aprilius, Lorentzo Augustino, Ong Yeremia M H Program Studi Teknik Informatika,
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Fokus dalam bidang teknologi saat ini tidak hanya berada pada proses pengembangan yang disesuaikan dengan permasalahan yang dapat membantu manusia
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
digilib.uns.ac.id BAB I PENDAHULUAN 1.1 Latar Belakang Jadwal merupakan daftar atau tabel kegiatan atau rencana kegiatan dengan pembagian waktu pelaksanaan yang terperinci. Universitas menggunakan tabel
Lebih terperinciTABU SEARCH SEBAGAI LOCAL SEARCH PADA ALGORITMA ANT COLONY UNTUK PENJADWALAN FLOWSHOP
Jurnal Teknik Industri, Vol. 11, o. 2, Desember 2009, pp. 188-194 ISS 1411-2485 TABU SEARCH SEBAGAI LOCAL SEARCH PADA ALGORITMA AT COLO UTUK PEJADWALA FLOWSHOP Iwan Halim Sahputra, Tanti Octavia, Agus
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN Pada bab ini akan dibahas mengenai beberapa hal seputar penelitian yang dilakukan, antara lain: latar belakang penelitian, perumusan masalah, batasan masalah, keaslian penelitian, manfaat
Lebih terperinciANALISIS PENYELESAIAN MASALAH PENJADWALAN KULIAH MENGGUNAKAN TEKNIK PEWARNAAN GRAPH DENGAN ALGORITMA KOLONI LEBAH
ANALISIS PENYELESAIAN MASALAH PENJADWALAN KULIAH MENGGUNAKAN TEKNIK PEWARNAAN GRAPH DENGAN ALGORITMA KOLONI LEBAH Heni Rachmawati 1,2 I Ketut Edy Purnama 1 Mauridhi Hery Purnomo 1 Bidang Keahlian Telematika,
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 terperinciANALISIS PENGATURAN INDIVIDU CROSSOVER DAN MUTASI ALGORITMA GENETIKA STUDI KASUS TRAVELLING SALESMAN PROBLEM
ANALISIS PENGATURAN INDIVIDU CROSSOVER DAN MUTASI ALGORITMA GENETIKA STUDI KASUS TRAVELLING SALESMAN PROBLEM Sean Coonery Sumarta* 1 1 Program Studi Teknik Informatika, Universitas Atma Jaya Makassar,
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 terperinciPemanfaatan Algoritma Semut untuk Penyelesaian Masalah Pewarnaan Graf
Pemanfaatan Algoritma Semut untuk Penyelesaian Masalah Pewarnaan Graf Anugrah Adeputra - 13505093 Program Studi Informatika, Sekolah Teknik Elektro & Informatika ITB Jl. Ganesha No.10 If15093@students.if.itb.ac.id
Lebih terperinciPENJADWALAN MATA KULIAH DENGAN MEMECAH PERTEMUAN BERDASAR PEMROGRAMAN LINEAR INTEGER
JMA, VOL. 9, NO.1, JULI 2010, 43-48 43 PENJADWALAN MATA KULIAH DENGAN MEMECAH PERTEMUAN BERDASAR PEMROGRAMAN LINEAR INTEGER PRAPTO TRI SUPRIYO Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPENYELESAIAN NURSE ROSTERING PROBLEM (NRP) MENGGUNAKAN CUCKOO SEARCH (CS)
PENYELESAIAN NURSE ROSTERING PROBLEM (NRP) MENGGUNAKAN CUCKOO SEARCH (CS) Andi Hutami Endang Dosen Jurusan Teknik Informatika Fakultas Sains & Teknologi UIN Alauddin Makassar Email : hutamiendang@gmail.com
Lebih terperinciPerancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali) I Made Budi Adnyana
Lebih terperinciPENYELESAIAN PENJADWALAN MATAKULIAH MENGGUNAKAN HIBRIDISASI ALGORITMA GENETIKA DAN ALGORITMA KOLONI SEMUT
PENYELESAIAN PENJADWALAN MATAKULIAH MENGGUNAKAN HIBRIDISASI ALGORITMA GENETIKA DAN ALGORITMA KOLONI SEMUT Devie Rosa Anamisa 1), Arif Djunaidy 2) 1) Jurusan Teknik Informatika, Fakultas Teknologi Informasi
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 terperinciAplikasi dan Optimasi Kombinatorial pada Ant Colony
Aplikasi dan Optimasi Kombinatorial pada Ant Colony Letivany Aldina / 13514067 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Penjadwalan mata kuliah merupakan permasalahan kompleks tiap semester yang harus dihadapi oleh perguruan tinggi. Setiap jadwal perkuliahan dikeluarkan, seringkali
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 terperinciSWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm
Lebih terperinciPenjadwalan Mata Kuliah Menggunakan Metode Hybrid Algoritma Genetika Dan Algoritma Koloni Semut
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3711 OPEN ACCESS ISSN XXXX-XXXX IND. SYMPOSIUM ON COMPUTING VOL. XX, NO. XX, SEPT 2016 SOCJ.TELKOMUNIVERSITY.AC.ID/INDOSC Penjadwalan
Lebih terperinciABSTRAK. Kata kunci: algoritma genetika adaptif, algoritma koloni lebah buatan, penjadwalan kelas, timetabling, hibridisasi
ABSTRAK Penjadwalan kelas atau yang disebut timetabling merupakan suatu permasalahan yang sering dihadapi oleh setiap perguruan tinggi. Setiap perguruan tinggi memiliki kebijakan tersendiri dalam penyusunan
Lebih terperinciKata kunci : Penjadwalan, Ant colony, Algoritma
PEMBANGUNAN APLIKASI PENJADWALAN KULIAH MENGGUNAKAN ALGORITMA ANT COLONY Hayi Akbar 1, Selvia Lorena Br Ginting,S.Si., MT 1,2 Jurusan Teknik Komputer Unikom, Bandung 1 hayi.akbar@gmail.com, 2 selvialorena@yahoo.com
Lebih terperinciPENEMPATAN MAHASISWA PESERTA MATA KULIAH UMUM DENGAN ALGORITMA GENETIK DI UNIVERSITAS KATOLIK PARAHYANGAN
PENEMPATAN MAHASISWA PESERTA MATA KULIAH UMUM DENGAN ALGORITMA GENETIK DI UNIVERSITAS KATOLIK PARAHYANGAN Nico Saputro dan Guntur Setia Negara Jurusan Ilmu Komputer Universitas Katolik Parahyangan nico@home.unpar.ac.id
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 1. Pendahuluan. 1.1 Latar Belakang
Bab 1 Pendahuluan 1.1 Latar Belakang Pentingnya suatu jadwal dalam sebuah kegiatan tidak lain agar kegiatan tersebut berjalan dengan lancar tanpa adanya gangguan seperti bentroknya jadwal. Penyusunan jadwal
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 terperinciPENERAPAN EVOLUTIONARY ALGORITHM PADA PENJADWALAN PRODUKSI (Studi Kasus di PT Brother Silver Product Indonesia)
PENERAPAN EVOLUTIONARY ALGORITHM PADA PENJADWALAN PRODUKSI (Studi Kasus di PT Brother Silver Product Indonesia) I Gede Agus Widyadana Dosen Fakultas Teknologi Industri, Jurusan Teknik Industri Universitas
Lebih terperinciSEMINAR INTERNASIONAL Revitalisasi Pendidikan Kejuruan dalam Pengembangan SDM Nasional
OPTIMASI GENERATE JADWAL MATA KULIAH MENGGUNAKAN ALGORITMA GENETIKA DAN TABU SEARCH Oleh: Komang Setemen * ABSTRACT Pada penelitian ini dilakukan pemecahan masalah penjadwalan kuliah di perguruan tinggi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
12 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah penjadwalan secara umum adalah aktifitas penugasan yang berhubungan dengan sejumlah kendala, sejumlah kejadian yang dapat terjadi pada suatu periode waktu
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 terperinciModifikasi Algoritma Genetika untuk Penyelesaian Permasalahan Penjadwalan Pelajaran Sekolah
IJCCS, Vol.8, No.2, July 2014, pp. 111~120 ISSN: 1978-1520 111 Modifikasi Algoritma Genetika untuk Penyelesaian Permasalahan Penjadwalan Pelajaran Sekolah Rahman Erama* 1, Retantyo Wardoyo 2 1 Jurusan
Lebih terperinciPERENCANAAN SUMBER DAYA PADA PROYEK DENGAN MENGGUNAKAN METODE ANT COLONY
PERENCANAAN SUMBER DAYA PADA PROYEK DENGAN MENGGUNAKAN METODE ANT COLONY Niken A. Savitri, I Nyoman Pujawan, Budi Santosa Jurusan Teknik Industri, Fakultas Teknologi Industri Institut Teknologi Sepuluh
Lebih terperinciPenjadwalan Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) A-127 Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS Wiga Ayu Puspaningrum, Arif Djunaidy, dan Retno
Lebih terperinciPrototype sistem pakar untuk penjadwalan
Youngster Physics Journal ISSN: 2302-7371 Vol. 6, No. 1, Januari 2017, Hal. 104-109 Prototype sistem pakar untuk penjadwalan Catur Edi Widodo Departemen Fisika, Fakultas Sains dan Matematika, Universitas
Lebih terperinciAnalisis Penyelesaian Masalah Penjadwalan Kuliah Menggunakan Teknik Pewarnaan Graph Dengan Algoritma Koloni Lebah
Analisis Penyelesaian Masalah Penjadwalan Kuliah Menggunakan Teknik Pewarnaan Graph Dengan Algoritma Koloni Lebah Oleh : Heni Rachmawati 2209206810 Prof.Dr.Ir.Mauridhi Hery Purnomo,M.Eng Dr.I Ketut Eddy
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 terperinciKOMPARASI METODE ANT COLONY OPTIMIZATION DENGAN TABU SEARCH UNTUK PENJADWALAN PERKULIAHAN
148 JURNAL MATRIX VOL. 6, NO. 3, NOVEMBER 2016 KOMPARASI METODE ANT COLONY OPTIMIZATION DENGAN TABU SEARCH UNTUK PENJADWALAN PERKULIAHAN Komang Ayu Triana Indah Jurusan Teknik Elektro Politeknik Negeri
Lebih terperinciOPTIMALISASI TRAVELLING SALESMAN WITH TIME WINDOWS (TSPTW) DENGAN ALGORITMA SEMUT
OPTIMALISASI TRAVELLING SALESMAN WITH TIME WINDOWS (TSPTW) DENGAN ALGORITMA SEMUT Budi Prasetyo Wibowo, Purwanto, dansusy Kuspambudi Andaini Universitas Negeri Malang ABSTRAK: Travelling Salesman Problem
Lebih 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 terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY
PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY Arief Kelik Nugroho Fakultas Teknik, Universitas PGR Yogyakarta e-mail : ariefkeliknugroho@gmail.com Abstrak
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1. Analisis Sistem yang Berjalan Analisa sistem yang berjalan bertujuan untuk mengidentifikasi persoalanpersoalan yang muncul dalam pembuatan sistem, hal ini dilakukan
Lebih terperinciVEHICLE ROUTING PROBLEM UNTUK DISTRIBUSI BARANG MENGGUNAKAN ALGORITMA SEMUT
VEHICLE ROUTING PROBLEM UNTUK DISTRIBUSI BARANG MENGGUNAKAN ALGORITMA SEMUT Agung Hadhiatma 1*, Alexander Purbo 2* 1,2 Program Studi Informatika, Fakultas Sains dan Teknologi, Universitas Sanata Dharma
Lebih terperinciIMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS
IMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS Yudis Anggara Putra Chastine Fatichah Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciProsiding ISSN : Algoritma Penjadwalan Perkuliahan dengan Kasus Team Teaching dengan Metode Vertex Coloring Graph
Algoritma Penjadwalan Perkuliahan dengan Kasus Team Teaching dengan Metode Vertex Coloring Graph Nelly Oktavia Adiwijaya a, Slamin b a Program Studi Sistem Informasi Universitas Jember Jl. Kalimantan 37
Lebih terperinciANALISIS ALGORITMA HYBRID ANT COLONY OPTIMIZATION (ACO) DAN LOCAL SEARCH UNTUK OPTIMASI PEMOTONGAN BAHAN BAKU
ANALISIS ALGORITMA HYBRID ANT COLONY OPTIMIZATION (ACO) DAN LOCAL SEARCH UNTUK OPTIMASI PEMOTONGAN BAHAN BAKU Warih Maharani Fakultas Teknik Informatika, Institut Teknologi Telkom Jl. Telekomunikasi No.1
Lebih terperinciISSN IMPLEMENTASI ALGORITMA GENETIKA DALAM PENGEMBANGAN SISTEM APLIKASI PENJADWALAN KULIAH
ISSN 1829-5282 56 IMPLEMENTASI ALGORITMA GENETIKA DALAM PENGEMBANGAN SISTEM APLIKASI PENJADWALAN KULIAH Oleh : Komang Setemen Jurusan Manajemen Informatika Fakultas Teknik dan Kejuruan Universitas Pedidikan
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah PT. TIKI (Abadi Express) adalah perusahaan jasa yang menerima pengiriman paket dan paket tersebut akan diantar kealamat tujuan. Para kurir yang bertugas mengantar
Lebih terperinciDosen Pembimbing : Ir. Budi Santosa, M.S., Ph.D Oleh : Sas Wahid Hamzah
Artificial Immune System untuk Penyelesaian Vehicle Routing Problem with Time Windows Dosen Pembimbing : Ir. Budi Santosa, M.S., Ph.D Oleh : Sas Wahid Hamzah 2507100054 Pendahuluan Pendahuluan Fungsi Objektif
Lebih terperinciPENJADWALAN MATA KULIAH MENGGUNAKAN ALGORITMA GENETIKA DENGAN MEMPERTIMBANGKAN TEAM-TEACHING
PENJADWALAN MATA KULIAH MENGGUNAKAN ALGORITMA GENETIKA DENGAN MEMPERTIMBANGKAN TEAM-TEACHING Agus Darmawan 1, Riky Marojahan Hasibuan 1 1 Jurusan Teknik Industri, Fakultas Teknik, Universitas Gadjah Mada
Lebih terperinciPENJADWALAN UJIAN AKHIR SEMESTER DENGAN ALGORITMA GENETIKA (STUDI KASUS JURUSAN TEKNIK INFORMATIKA UNESA)
Penjadwalan Ujian Akhir Semester dengan Algoritma Genetika PENJADWALAN UJIAN AKHIR SEMESTER DENGAN ALGORITMA GENETIKA (STUDI KASUS JURUSAN TEKNIK INFORMATIKA UNESA) Anita Qoiriah Jurusan Teknik Informatika,
Lebih terperinciPERSIAPAN DATA DAN REPRESENTASI KROMOSOM ALGORITMA GENETIK PADA PENJADWALAN PENDIDIKAN TINGGI
PERSIAPAN DATA DAN REPRESENTASI KROMOSOM ALGORITMA GENETIK PADA PENJADWALAN PENDIDIKAN TINGGI Hendrawan Armanto Teknik Informatika Sekolah Tinggi Teknik Surabaya hendrawan@stts.edu ABSTRAK Di era modern
Lebih terperinciALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP
Media Informatika, Vol. 2, No. 2, Desember 2004, 75-81 ISSN: 0854-4743 ALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP Zainudin Zukhri, Shidiq Alhakim Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas
Lebih terperinciPerancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika
Perancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika Hermawan Andika, S.Kom., M.Kom. Jurusan Teknik Informatika Institut
Lebih terperinciANALISIS ALGORITMA SEMUT UNTUK PEMECAHAN MASALAH PENUGASAN
ANALISIS ALGORITMA SEMUT UNTUK PEMECAHAN MASALAH PENUGASAN Zainudin Zukhri Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia Kampus Terpadu UII Jl Kaliurang Km 14.5 Yogyakarta
Lebih terperinciDesain Rute Terpendek untuk Distribusi Koran Dengan Algoritma Ant Colony System
Desain Rute Terpendek untuk Distribusi Koran Dengan Algoritma Ant Colony System Jan Alif Kreshna, Satria Perdana Arifin, ST, MTI., Rika Perdana Sari, ST, M.Eng. Politeknik Caltex Riau Jl. Umbansari 1 Rumbai,
Lebih terperinciPenerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem
Penerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem Tri Kusnandi Fazarudin 1, Rasyid Kurniawan 2, Mahmud Dwi Sulistiyo 3 1,2 Prodi S1 Teknik Informatika,
Lebih terperinciBAB 1 PENDAHULUAN. bagian dalam pekerjaan. Dalam melakukan pemasangan kabel perlu
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bagi perusahaan kontraktor perumahan, pemasangan kabel menjadi bagian dalam pekerjaan. Dalam melakukan pemasangan kabel perlu dilakukan perencanaan urutan rumah yang
Lebih terperinciALGORITMA GENETIKA DENGAN PENDEKATAN MODEL PULAU PADA PERMASALAHAN TRAVELLING SALESMAN
ALGORITMA GENETIKA DENGAN PENDEKATAN MODEL PULAU PADA PERMASALAHAN TRAVELLING SALESMAN Hardy STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 hardy@mikroskil.ac.id Abstrak Algoritma genetika telah
Lebih terperinciBAB III IMPLEMENTASIALGORITMA GENETIK DAN ACS PADA PERMASALAHAN TRAVELLING SALESMAN PROBLEM
BAB III IMPLEMENTASIALGORITMA GENETIK DAN ACS PADA PERMASALAHAN TRAVELLING SALESMAN PROBLEM 3.1 TRAVELLING SALESMAN PROBLEM Sebelum membahas pencarian solusi Travelling Salesman Problem menggunakan algoritma
Lebih terperinciM. Ainul Yaqin 1,Totok Lisbiantoro 2, Jurusan Teknik Informatika, Fakultas Sains dan Teknologi Universitas Islam Negeri Maulana Malik Ibrahim Malang
OPTIMASI PENJADWALAN PERKULIAHAN JURUSAN TEKNIK INFORMATIKA UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI RANK M. Ainul Yaqin 1,Totok Lisbiantoro
Lebih terperinciR.Fitri 1, S.Novani 1, M.Siallagan 1
Abstract Penjadwalan Perkuliahan Dengan Pengujian Tabel Waktu (Time-Table) Menggunakan Algoritma Genetika Studi Kasus Sistem Perkuliahan Jurusan Teknik Infomatika Universitas Komputer Indonesia R.Fitri
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. selalu bertambah disetiap tahunnya. Hal ini dapat menimbulkan semakin. memperoleh keuntungan yang maksimal, maka diperlukan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini perkembangan perekonomian di Indonesia semakin meningkat, ditandai dengan banyaknya jumlah pabrik dan perusahaan yang selalu bertambah disetiap tahunnya. Hal
Lebih terperinciOptimasi Penjadwalan Kuliah Pengganti Menggunakan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol 2, No 9, September 218, hlm 2829-284 http://j-ptiikubacid Optimasi Penjadwalan Kuliah Pengganti Menggunakan Algoritme Genetika
Lebih terperinciBAB 1 PENDAHULUAN. Penjadwalan (timetabling) yang baik akan meningkatkan produktivitas dan efisiensi
BAB 1 PENDAHULUAN BAB 1 PENDAHULUAN 1.1 Latar Belakang Penjadwalan merupakan masalah klasik yang masih menarik sampai saat ini. Penjadwalan (timetabling) yang baik akan meningkatkan produktivitas dan efisiensi
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Dalam beberapa tahun terakhir ini, peranan algoritma genetika terutama untuk masalah optimisasi, berkembang dengan pesat. Masalah optimisasi ini beraneka ragam tergantung dari bidangnya. Dalam
Lebih 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 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 terperinciAPLIKASI TRAVELLING SALESMAN PROBLEM DENGAN METODE ARTIFICIAL BEE COLONY
APLIKASI TRAVELLING SALESMAN PROBLEM DENGAN METODE ARTIFICIAL BEE COLONY Andri 1, Suyandi 2, WinWin 3 STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id 1, suyandiz@gmail.com
Lebih terperinciUKDW BAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kegiatan penjadwalan merupakan hal penting yang sering dilakukan pada setiap kegiatan baik dalam lingkup perusahaan, transportasi, sekolah, perguruan tinggi dan lain
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 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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Penjadwalan Penjadwalan kegiatan belajar mengajar pada suatu lembaga pendidikan biasanya merupakan salah satu pekerjaan yang tidak mudah dan menyita waktu. Pada lembaga pendidikan
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: -X Vol., No., Maret 0, hlm. - http://j-ptiik.ub.ac.id Optimasi Penjadwalan Asisten Praktikum pada Laboratorium Pembelajaran Menggunakan
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 terperinciOptimasi Penjadwalan Mata Pelajaran Pada Kurikulum 2013 Dengan Algoritme Genetika (Studi Kasus: SMA Negeri 3 Surakarta)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1535-1542 http://j-ptiik.ub.ac.id Optimasi Penjadwalan Mata Pelajaran Pada Kurikulum 2013
Lebih terperinciOptimasi Penjadwalan Mata Kuliah Menggunakan Pewarnaan Graf
Petunjuk Sitasi: Sunarni, T., Bendi, R. K., & Alfian, A. (2017). Optimasi Penjadwalan Mata Kuliah Menggunakan Pewarnaan Graf. Prosiding SNTI dan SATELIT 2017 (pp. E48-53). Malang: Jurusan Teknik Industri
Lebih terperinciPENJADWALAN TRUK PADA SISTEM CROSS DOCKING DENGAN PENYIMPANAN SEMENTARA DENGAN ALGORITMA HYBRID CROSS ENTROPY GENETIC ALGORITHM
PENJADWALAN TRUK PADA SISTEM CROSS DOCKING DENGAN PENYIMPANAN SEMENTARA DENGAN ALGORITMA HYBRID CROSS ENTROPY GENETIC ALGORITHM PENELITI : Pristi Dwi Puspitasari 2507 100 003 DOSEN PEMBIMBING : Ir. Budi
Lebih terperinciALGORITMA GENETIC ANT COLONY SYSTEM UNTUK MENYELESAIKAN TRAVELING SALESMAN PROBLEM
ALGORITMA GENETIC ANT COLONY SYSTEM UNTUK MENYELESAIKAN TRAVELING SALESMAN PROBLEM Lutfiani Safitri 1) Sri Mardiyati 2) 1) Matematika, FMIPA Universitas Indonesia Jl. H. Boan lisan 9, Depok 16425 Indonesia
Lebih terperinciPemilihan Jalur Evakuasi Dalam Keadaan Darurat Menggunakan Algoritma Quantum Ant-Colony
Pemilihan Jalur Evakuasi Dalam Keadaan Darurat Menggunakan Algoritma Quantum Ant-Colony Path Selection In Emergency Evacuation Using Quantum Ant- Colony Algorithm Fransisca Arvevia I A 1, Jondri 2, Anditya
Lebih terperinciBAB II KAJIAN TEORI. genetika, dan algoritma memetika yang akan digunakan sebagai landasan dalam
BAB II KAJIAN TEORI Pada bab II ini dijelaskan mengenai beberapa teori tentang penjadwalan, penjadwalan kuliah, metode penyelesaian penyusunan jadwal kuliah, algoritma genetika, dan algoritma memetika
Lebih terperinciOPTIMASI GENETIC ALGORITHM DENGAN SIMULATED ANNEALING UNTUK MULTIPLE DEPOT CAPACITATED VEHICLE ROUTING PROBLEM
OPTIMASI GENETIC ALGORITHM DENGAN SIMULATED ANNEALING UNTUK MULTIPLE DEPOT CAPACITATED VEHICLE ROUTING PROBLEM Aditya Permana 1, Mahmud Dwi Sulistiyo 2, Gia Septiana Wulandari 3 1,2,3 Prodi S1 Teknik Informatika,
Lebih terperinciOptimasi Penjadwalan Mata Pelajaran Menggunakan Algoritme Genetika (Studi Kasus: SMK Negeri 2 Kediri)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 10, Oktober 2017, hlm. 1066-1072 http://j-ptiik.ub.ac.id Optimasi Penjadwalan Mata Pelajaran Menggunakan Algoritme
Lebih terperinciVol. 5, No. 1, Januari 2009 ISSN DAFTAR ISI
Vol. 5, No. 1, Januari 2009 ISSN 0216-0544 DAFTAR ISI IMPLEMENTASI PENJADWALAN MATAKULIAH..1-11 MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) DI JURUSAN TEKNIK INFORMATIKA ITS 1-11 Sarwosri, Devie Rosa Anamisa
Lebih terperinciSelvia Lorena Br Ginting 1, Hayi Akbar 2. Abstrak
PEMBANGUNAN PERANGKAT LUNAK MENGGUNAKAN ALGORITMA ANT COLONY OPTIMIZATION UNTUK OPTIMALISASI PENJADWALAN KULIAH (STUDI KASUS PENJADWALAN KULIAH JURUSAN TEKNIK KOMPUTER UNIKOM) Selvia Lorena Br Ginting
Lebih terperinciAPLIKASI SISTEM PERANGKAT LUNAK MENGGUNAKAN ALGORITMA ANT UNTUK MENGATUR PENJADWALAN KULIAH
Jurnal Teknik dan Ilmu Komputer APLIKASI SISTEM PERANGKAT LUNAK MENGGUNAKAN ALGORITMA ANT UNTUK MENGATUR PENJADWALAN KULIAH (The Software Application System Using Ant Algorithm for Scheduling of Courses)
Lebih terperinciAlgoritma Genetika Ganda (AGG) untuk Capacitated Vehicle Routing Problem (CVRP)
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 T 6 Algoritma Genetika Ganda (AGG) untuk Capacitated Vehicle Routing Problem (CVRP) Daryono Budi Utomo, Mohammad Isa Irawan, Muhammad Luthfi
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Timetable Scheduling Timetablemenurut Wren (1996) adalah kejadian tertentu yang membutuhkan tempat yang tidak secara langsung mengutarakan alokasi dari sumber, contohnya adalah
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 terperinciSISTEM PENGELOLAAN KURIKULUM, ABSENSI DOSEN DAN KULIAH PENGGANTI PADA FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS TARUMANAGARA
SISTEM PENGELOLAAN KURIKULUM, ABSENSI DOSEN DAN KULIAH PENGGANTI PADA FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS TARUMANAGARA Yunita 1) Lely Hiryanto 2) 1) 2) Program Studi Teknik Informatika Fakultas Teknik
Lebih terperinciOptimasi Penjadwalan Damping Mahasiswa Difabel Menggunakan Algoritma Genetika (Studi Kasus PSLD Universitas Brawijaya)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 9, Juni 2017, hlm. 774-782 http://j-ptiik.ub.ac.id Optimasi Penjadwalan Damping Mahasiswa Difabel Menggunakan Algoritma
Lebih terperinci