PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT"

Transkripsi

1 Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium Pemrograman dan Informatia Teori, Universitas Islam Indonesia, Yogyaarta uhti_iing@yahoo.com, indra_adv@yahoo.com, taufiqhid@fti.uii.ac.id ABSTRAKSI Secara umum, pencarian jalur terpende dapat dibagi menjadi dua metode, yaitu metode onvensional dan metode heuristi. Metode onvensional cenderung lebih mudah dipahami daripada metode heuristi, tetapi jia dibandingan dari hasil yang diperoleh, metode heuristi lebih variatif dan watu perhitungan yang diperluan lebih singat. Pada metode heuristi terdapat beberapa algoritm,salah satunya algoritma semut. Algoritma semut adalah algoritma yang diadopsi dari perilau oloni semut. Secara alamiah oloni semut mampu menemuan rute terpende dalam perjalanan dari sarang e tempat-tempat sumber maanan. Koloni semut dapat menemuan rute terpende antara sarang dan sumber maanan berdasaran jeja ai pada lintasan yang telah dilewatii. Semain banya semut yang melewati suatu lintasan, maa aan semain jelas beas jeja ainya. Algoritma Semut sangat tepat digunaan untu diterapan dalam penyelesaian masalah optimasi, salah satunya adalah untu menentuan jalur terpende. Kata unci: Pencarian jalur terpende, Heuristi, Algoritma Semut 1. PENDAHULUAN Pada awal diciptaan, omputer hanya difungsian sebagai alat hitung saja. Namun seiring dengan perembangan jaman, maa peran omputer semain mendominasi ehidupan. Lebih dari itu, omputer diharapan dapat digunaan untu mengerjaan segala sesuatu yang bisa dierjaan oleh manusia bai dalam bidang pendidian, esehatan, industri, dan ehidupan sehari-hari sehingga peran omputer dan manusia aan saling melengapi. Beberapa hal yang menjadi eurangan manusia diharapan dapat digantian oleh omputer. Begitu juga dengan omputer yang ta aan berguna tanpa sentuhan manusia. Untu menggunaan atau memfungsian sebuah omputer maa harus terdapat program yang terdistribusi di dalamnya, tanpa program tersebut omputer hanyalah menjadi sebuah ota yang ta berguna. Program yang terdapat pada omputer sangat bervariasi dan setiap program tersebut pasti menggunaan algoritma. Algoritma merupaan umpulan perintah untu menyelesaian suatu masalah. Perintah-perintahnya dapat diterjemahan secara bertahap dari awal hingga ahir. Masalah tersebut dapat berupa apapun dengan catatan untu setiap masalah memilii riteria ondisi awal yang harus dipenuhi sebelum menjalanan algoritma. Dalam ehidupan, sering dilauan perjalanan dari satu tempat atau ota e tempat yang lain dengan mempertimbangan efisiensi, watu dan biaya sehingga diperluan etepatan dalam menentuan jalur terpende antar suatu ota. Hasil penentuan jalur terpende aan menjadi pertimbangan dalam pengambilan eputusan untu menununjuan jalur yang aan ditempuh. Hasil yang didapatan juga membutuhan ecepatan dan eauratan dengan bantuan omputer. Secara umum, pencarian jalur terpende dapat dibagi menjadi dua metode, yaitu metode onvensional dan metode heuristi. Metode onvensional cenderung lebih mudah dipahami daripada metode heuristi, tetapi jia dibandingan, hasil yang diperoleh dari metode heuristi lebih variatif dan watu perhitungan yang diperluan lebih singat. Metode heuristi terdiri dari beberapa macam algortima yang biasa digunaan. Salah satunya adalah algoritma semut (Ant Colony, Antco). Antco diambil dari perilau oloni semut dalam pencarian jalur terpende antara sarang dan sumber maanan. Antco diadopsi dari perilau oloni semut yang dienal sebagai sistem semut (Dorigo, 1996). Secara alamiah oloni semut mampu menemuan rute terpende dalam perjalanan dari sarang e tempat-tempat sumber maanan. Koloni semut dapat menemuan rute terpende antara sarang dan sumber maanan berdasaran jeja ai pada lintasan yang telah dilalui. Semain banya semut yang melewati suatu lintasan maa aan semain jelas beas jeja ainya, hal ini aan menyebaban lintasan yang dilalui semut dalam jumlah sediit semain lama aan semain berurang epadatan semut yang melewatinya, atau bahan aan tida dilewati sama seali dan sebalinya. Mengingat prinsip algoritma yang didasaran pada perilau oloni semut dalam menemuan jara perjalanan paling pende tersebut, Algoritma Semut sangat tepat digunaan untu diterapan dalam penyelesaian masalah optimasi, salah satunya adalah untu menentuan jalur terpende. 1.1 Rumusan Masalah Seringali penyelesaian masalah jalur terpende masih menggunaan metode onvensional bahan menggunaan perhitungan manual. Pemanfaatan metode heuristi masih sangat jarang digunaan, sehingga dapat dirumusan sebuah masalah yaitu dengan pemanfaatan algoritma semut B-81

2 Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: Yogyaarta, 16 Juni 2007 yang diharapan nantinya dapat menyelesaian masalah pencarian jalur terpende dengan hasil yang lebih variatif dan dengan watu perhitungan yang lebih singat. 1.2 Batasan Masalah Dari latar belaang dan rumusan masalah yang telah delasan, penulisan dibatasi pada satu jenis metode heuristi, yaitu algoritma semut (Ant Colony Algorithm, Antco). 1.3 Tujuan Penulisan Penulisan bertujuan menyelesaian masalah optimasi menggunaan metode heuristi, hususnya algoritma semut, mencoba mengimplementasian dengan sebuah asus sederhana, dan mempelajari lebih dalam tentang cabang dari ilmu ecerdasan buatan. 1.4 Manfaat Penulisan Manfaat yang dapat diambil dari penelitian 1. Menawaran penyelesaian yang lebih mudah dalam perhitungan (sesuai dengan tujuan algoritma heuristi) untu pencarian jalur terpende 2. Dapat diapliasian menjadi sebuah perangat luna 2. TELAAH PUSTAKA 2.1 Pencarian jalur terpende Secara umum penyelesaian masalah pencarian jalur terpende dapat dilauan menggunaan dengan dua metode, yaitu metode algoritma onvensional dan metode heuristi. Metode algoritma onvensional diterapan dengan cara perhitungan matematis seperti biasa, sedangan metode heuristi diterapan dengan perhitungan ecerdasan buatan dengan menentuan basis pengetahuan dan perhitungannya. a. Metode onvensional Metode onvensional berupa algoritma yang menggunaan perhitungan matematis biasa. Ada beberapa metode onvensional yang biasa digunaan untu melauan pencarian jalur terpende, diantaranya Djistraa, Floyd- Warshall, dan algoritma Bellman-Ford b. Metode heuristi Adalah sub bidang dari ecerdasan buatan yang digunaan untu melauan pencarian dan penentuan jalur terpende. Ada beberapa algoritma pada metode heuristi yang biasa digunaan dalam pencarian jalur terpende. Salah satunya adalah algoritma semut. 2.2 Algoritma semut Algoritma Semut diadopsi dari perilau oloni semut yang dienal sebagai sistem semut (Dorigo, 1996). Secara alamiah oloni semut mampu menemuan rute terpende dalam perjalanan dari sarang e tempat-tempat sumber maanan. L R L R (a) (b) L R L R (c) (d) Gambar 1. Perjalanan semut menemuan sumber maanan. Koloni semut dapat menemuan jalur terpende antara sarang dan sumber maanan berdasaran jeja ai pada lintasan yang telah dilewati. Semain banya semut yang melewati suatu lintasan maa semain jelas beas jeja ainya. Hal ini menyebaban lintasan yang dilalui semut dalam jumlah sediit semain lama semain berurang epadatan semut yang melewatinya, atau bahan aan tida dilewati sama seali. Sebalinya lintasan yang dilalui semut dalam jumlah banya semain lama aan semain bertambah epadatan semut yang melewatinya atau bahan semua semut melewati lintasan tersebut. Gambar 1.a menujuan perjalanan semut dalam menemuan jalur terpende dari sarang e sumber maanan, terdapat dua elompo semut yang melauan perjalanan. Kelompo semut L berangat dari arah iri e anan dan elompo semut R berangat dari anan e iri. Kedua elompo berangat dari titi yang sama dan dalam posisi pengambilan eputusan jalan sebelah mana yang aan diambil. Kelompo L membagi dua elompo lagi. Sebagian melewati jalan atas dan sebagian melewati jalan bawah. Hal ini juga berlau pada elompo R. Gambar 1.b dan Gambar 1.c menunjuan bahwa elompo semut berjalan pada ecepatan yang sama dengan meninggalan feromon atau jeja ai di jalan yang telah dilalui. Feromon yang ditinggalan oleh umpulan semut yang melewati jalan atas telah mengalami banya penguapan arena semut yang melewati jalan atas berjumlah lebih sediit dibandingan jalan yang di bawah. Hal ini disebaban jara yang ditempuh lebih panjang dibandingan jalan bawah. Sedangan feromon yang berada pada bagian bawah penguapannya cenderung lebih lama. Karena semut yang melewati jalan bawah lebih banya daripada semut yang melewati jalan atas. Gambar 1.d menunjuan bahwa semut-semut yang lain pada ahirnya memutusan untu melewati jalan bawah arena feromon yang ditinggalan masih banya, sedangan feromon pada jalan atas sudah banya B-82

3 Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: Yogyaarta, 16 Juni 2007 menguap sehingga semut-semut tida memilih jalan atas. Semain banya semut yang melewati jalan maa semain banya semut yang mengiutinya, semain sediit semut yang melewati jalan, maa feromon yang ditinggalan semain berurang bahan hilang. Dari sinilah emudian terpilihlah jalur terpende antara sarang dan sumber maanan. 3. PEMBAHASAN Dalam algoritma semut, diperluan beberapa variabel dan langah-langah untu menentuan jalur terpende, yaitu: Langah 1: a. Inisialisasi harga parameter-parameter algoritma. Parameter-parameter yang di inisialisasian 1. Intensitas jeja semut antar ota dan perubahannya (τ ) 2. Banya ota (n) termasu x dan y (oordinat) atau d (jara antar ota) 3. Penentuan ota berangat dan ota tujuan 4. Tetapan silus-semut (Q) 5. Tetapan pengendali intensitas jeja semut (α) 6. Tetapan pengendali visibilitas (β) 7. Visibilitas antar ota 1/d (η ) 8. Jumlah semut (m) 9. Tetapan penguapan jeja semut (ρ) 10. Jumlah silus masimum (NC max ) bersifat tetap selama algoritma dalanan, sedangan τ aan selalu diperbaharui harganya pada setiap silus algoritma mulai dari silus pertama (NC1) sampai tercapai jumlah silus masimum (NCNC max ) atau sampai terjadi onvergensi. b. Inisialisasi ota pertama setiap semut. Setelah inisialisasi τ dilauan, emudian m semut ditempatan pada ota pertama yang telah ditentuan. Langah 2: Pengisian ota pertama e dalam tabu list. Hasil inisialisasi ota pertama semut pada langah 1 harus diisian sebagai elemen pertama tabu list. Hasil dari langah ini adalah terisinya elemen pertama tabu list setiap semut dengan indes ota pertama. Langah 3: Penyusunan jalur unjungan setiap semut e setiap ota. Koloni semut yang sudah terdistribusi e ota pertama aan mulai melauan perjalanan dari ota pertama sebagai ota asal dan salah satu otaota lainnya sebagai ota tujuan. Kemudian dari ota edua, masing-masing oloni semut aan melanjutan perjalanan dengan memilih salah satu dari ota-ota yang tida terdapat pada tabu sebagai ota tujuan selanjutnya. Perjalanan oloni semut berlangsung terus menerus hingga mencapai ota yang telah ditentuan. Jia s menyataan indes urutan unjungan, ota asal dinyataan sebagai tabu (s) dan ota-ota lainnya dinyataan sebagai {N-tabu }, maa untu menentuan ota tujuan digunaan persamaan probabilitas ota untu diunjungi sebagai beriut, α [ τ ] [ η ] β p untu j {N-tabu } α [ τi' ] [ ηi' ] ' {N tabu } p 0, untu j lainnya dengan i sebagai indes ota asal dan j sebagai indes ota tujuan. Langah 4: a. Perhitungan panjang jalur setiap semut. Perhitungan panjang jalur tertutup (length closed tour) atau L setiap semut dilauan setelah satu silus diselesaian oleh semua semut. Perhitungan dilauan berdasaran tabu masing-masing dengan persamaan beriut: L d tabu ( n), tabu (1) + n 1 s 1 β d tabu ( s), tabu ( s+ 1) dengan d adalah jara antara ota i e ota j yang dihitung berdasaran persamaan: d 2 ( xi x j ) + ( yi y j b. Pencarian rute terpende. Setelah L setiap semut dihitung, aan diperoleh harga minimal panjang jalur tertutup setiap silus atau L minnc dan harga minimal panjang jalur tertutup secara eseluruhan adalah atau L min. c. Perhitungan perubahan harga intensitas jeja ai semut antar ota. Koloni semut aan meninggalan jeja-jeja ai pada lintasan antar ota yang dilaluinya. Adanya penguapan dan perbedaan jumlah semut yang lewat, menyebaban emunginan terjadinya perubahan harga intensitas jeja ai semut antar ota. Persamaan perubahannya τ m 1 τ dengan τ adalah perubahan harga intensitas jeja ai semut antar ota setiap semut yang dihitung berdasaran persamaan Q τ L untu (i,j) ota asal dan ota tujuan dalam tabu ) 2 B-83

4 Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: Yogyaarta, 16 Juni 2007 τ 0, untu (i,j) lainnya Langah 5: a. Perhitungan harga intensitas jeja ai semut antar ota untu silus selanjutnya. Harga intensitas jeja ai semut antar ota pada semua lintasan antar ota ada emunginan berubah arena adanya penguapan dan perbedaan jumlah semut yang melewati. Untu silus selanjutnya, semut yang aan melewati lintasan tersebut harga intensitasnya telah berubah. Harga intensitas jeja ai semut antar ota untu silus selanjutnya dihitung dengan persamaan: τ ρ τ + τ b. Atur ulang harga perubahan intensitas jeja ai semut antar ota. Untu silus selanjutnya perubahan harga intensitas jeja semut antar ota perlu diatur embali agar memilii nilai sama dengan nol. Langah 6: Pengosongan tabu list, dan ulangi langah dua jia diperluan. Tabu list perlu diosongan untu diisi lagi dengan urutan ota yang baru pada silus selanjutnya, jia jumlah silus masimum belum tercapai atau belum terjadi onvergensi. Algoritma diulang lagi dari langah dua dengan harga parameter intensitas jeja ai semut antar ota yang sudah diperbaharui. a. Contoh asus Jia dietahui suatu graph di bawah yang ingin dietahui jalur terpende dari ota A e ota E: B E C Gambar 2. Ilustrasi graph dengan 5 ota Dengan jara antar ota (d ) sebagai beriut: Tabel 1. jara antar ota A B C D E A B A C D E D Parameter parameter yang digunaan α 1.00 β 1.00 ρ 0.50 τ ( awal) 0.01 Masimum silus (NC max ) 2 Tetapan silus semut (Q) 1 Banya semut (m) 4 Dari jara ota yang telah dietahui dapat dihitung visibilitas antar ota (η ) 1/d Tabel 2. visibilitas antar ota A B C D E A B C D E Silus e-1: Panjang jalur semut: Tabel 3. Hasil pada silus pertama semut e- Rute panjang rute 1 A C B 2 A C E 12 3 A B C E 14 4 A D E 7 Silus e-2: Panjang jalur semut: Tabel 4. Hasil pada silus edua semut e- Rute panjang rute 1 A B C E 14 2 A B C E 14 3 A B C E 14 4 A D E 7 Dari dua silus diatas, dietahui lintasan terpende diperoleh oleh semut e-4 dengan jalur A- D-E dengan panjang lintasan KESIMPULAN a. Pemanfaatan tenologi informasi pada pencarian jalur terpende menghasilan suatu hasil atau eluaran yang aurat dan tepat, untu pilihan perjalanan seseorang dengan mempertimbangan beberapa parameter yang lain. b. Secara onsep algoritma, metode onvesional lebih mudah untu dipahami. Namun, hasil B-84

5 Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: Yogyaarta, 16 Juni 2007 yang diperoleh dari metode heuristi lebih variatif. c. Algoritma semut tepat untu digunaan dalam permasalahan optimasi. d. Untu asus penentuan jalur terpende antara ota A dan E dari dua silus yang dilewati terbuti bahwa jalur terpendenya hanya melewati satu ota yaitu ota D dengan panjang rute 7 5. SARAN a. Diharapan ada penelitian lebih lanjut untu mengetahui efisiensi dari pencarian jalur terpende menggunaan Metode heuristi. b. Diharapan penelitian beriutnya yang dapat membandingan antar metode-metode heuristi yang lain. PUSTAKA Kusumadewi, S., Artificial Intelligence (Teni dan Apliasinya), Yogyaarta: Graha Ilmu, 2003 Kusumadewi, S., dan Hari, p., Penyelesaian Masalah Optimasi dengan Teni-teni Heuristi, Yogyaarta: Graha Ilmu, 2005 Efendi, R., Penerapan algoritma semut untu pemecahan masalah spanning tree pada asus pemasangan jaringan abel telepon, Tugas Ahir Jurusan Teni Informatia, Universitas Islam Indonesia, 2003 Zuhri,Z., Optimasi rute dengan algoritma semut,maalah system cerda, volume 1, Nomor 1,Universitas Islam Indonesia, Dorigo,M., The Ant System: Optimization by a colony of cooperating agents, IEEE transactions on Systems, Man, and Cybernetics Part B, Vol.26, No.1, Dorigo,M dan Gambardella,L.M., Ant Colony System:A Cooperative Learning Approach to thetraveling Salesman Problem, Université Libre de Bruxelles Belgium,1996. B-85

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya

Lebih terperinci

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain 8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan

Lebih terperinci

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia

Lebih terperinci

PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM

PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Seminar Nasional Sistem dan Informatia 2007; Bali, 16 November 2007 PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Fajar Saptono 1) I ing Mutahiroh

Lebih terperinci

IMPLEMENTASI ALGORITMA KOLONI SEMUT PADA PROSES PENCARIAN JALUR TERPENDEK JALAN PROTOKOL DI KOTA YOGYAKARTA

IMPLEMENTASI ALGORITMA KOLONI SEMUT PADA PROSES PENCARIAN JALUR TERPENDEK JALAN PROTOKOL DI KOTA YOGYAKARTA Seminar Nasional Informatia 2009 (semnasif 2009) ISSN: 1979-2328 UPN Veteran Yogyaarta, 23 Mei 2009 IMPLEMENTASI ALGORITMA KOLONI SEMUT PADA PROSES PENCARIAN JALUR TERPENDEK JALAN PROTOKOL DI KOTA YOGYAKARTA

Lebih terperinci

Sistem Navigasi Perjalanan Berbasis Web Dengan Algoritma Koloni Semut (Ant Colony Algorithm)

Sistem Navigasi Perjalanan Berbasis Web Dengan Algoritma Koloni Semut (Ant Colony Algorithm) Sistem Navigasi Perjalanan Berbasis Web Dengan Algoritma Koloni Semut (Ant Colony Algorithm) Arna Fariza 1, Entin Martiana 1, Fidi Wincoo Putro 2 Dosen 1, Mahasiswa 2 Politeni Eletronia Negeri Surabaya

Lebih terperinci

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN MINIMUM SPANNING TREE DENGAN ALGORITMA SEMUT

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN MINIMUM SPANNING TREE DENGAN ALGORITMA SEMUT PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN MINIMUM SPANNING TREE DENGAN ALGORITMA SEMUT Alamsyah* * Abstract Without a program, computer is just a useless box. In general, the search for the minimum

Lebih terperinci

PENENTUAN JALUR TERPENDEK MENGGUNAKAN TEKNOLOGI GOOGLE MAPS MASHUPS DENGAN MOBILE SYSTEM ANDROID

PENENTUAN JALUR TERPENDEK MENGGUNAKAN TEKNOLOGI GOOGLE MAPS MASHUPS DENGAN MOBILE SYSTEM ANDROID menciptaan apliasi merea sendiri untu digunaan oleh bermacam peranti bergera, oleh arena itu Android memilii omunitas besar Satria Prasamya, Ary Mazharuddin pengembang S., S.Kom, M.Comp.Sc program apliasi

Lebih terperinci

Modifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa

Modifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa 187 Modifiasi ACO untu Penentuan Rute Terpende e Kabupaten/Kota di Jawa Ahmad Jufri, Sunaryo, dan Purnomo Budi Santoso Abstract This research focused on modification ACO algorithm. The purpose of this

Lebih terperinci

PENCARIAN RUTE TERPENDEK OBJEK WISATA DI MAGELANG MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO)

PENCARIAN RUTE TERPENDEK OBJEK WISATA DI MAGELANG MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO) PENCARIAN RUTE TERPENDEK OBJEK WISATA DI MAGELANG MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO) Bagus Fatkhurrozi *, Ika Setyowati Jurusan Teknik Elektro, Fakultas Teknik, Universitas Tidar Jl. Kapten Suparman

Lebih terperinci

PENCARIAN RUTE TERBAIK MENGGUNAKAN LOGIKA FUZZYDAN ALGORITMA SEMUT

PENCARIAN RUTE TERBAIK MENGGUNAKAN LOGIKA FUZZYDAN ALGORITMA SEMUT PENCARIAN RUTE TERBAIK MENGGUNAKAN LOGIKA FUZZYDAN ALGORITMA SEMUT Syaiful Anam 1) 1) Program Studi Matematia, Jurusan Matematia, FMIPA, Universitas Brawaya Email: syaiful@ub.ac.id Abstra Rute terbai pada

Lebih terperinci

pada Permasalahan Traveling Salesman Problem

pada Permasalahan Traveling Salesman Problem Studi Perbandingan Algoritma Ant Colony System dan Algoritma Ant System Leonardo Z Tomarere Laboratorium Ilmu dan Reayasa Komputasi Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Jl. Ganesa

Lebih terperinci

LANDASAN TEORI. Bab Konsep Dasar Graf. Definisi Graf

LANDASAN TEORI. Bab Konsep Dasar Graf. Definisi Graf Bab 2 LANDASAN TEORI 2.1. Konsep Dasar Graf Definisi Graf Suatu graf G terdiri atas himpunan yang tidak kosong dari elemen elemen yang disebut titik atau simpul (vertex), dan suatu daftar pasangan vertex

Lebih terperinci

PENEMUAN JALUR TERPENDEK DENGAN ALGORITMA ANT COLONY. Budi Triandi

PENEMUAN JALUR TERPENDEK DENGAN ALGORITMA ANT COLONY. Budi Triandi Budi, Penemuan Jalur Terpendek Dengan 73 PENEMUAN JALUR TERPENDEK DENGAN ALGORITMA ANT COLONY Budi Triandi Dosen Teknik Informatika STMIK Potensi Utama STMIK Potensi Utama, Jl.K.L Yos Sudarso Km 6,5 No.3-A

Lebih terperinci

BAB I PENDAHULUAN. Pada awal diciptakan, komputer hanya difungsikan sebagai alat hitung

BAB I PENDAHULUAN. Pada awal diciptakan, komputer hanya difungsikan sebagai alat hitung 1 BAB I PENDAHULUAN 1.1 Latar Belakang Pada awal diciptakan, komputer hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan jaman, maka peran komputer semakin mendominasi kehidupan.

Lebih terperinci

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama

Lebih terperinci

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) PENYELESAIAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ANT COLONY SYSTEM (ACS)

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) PENYELESAIAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ANT COLONY SYSTEM (ACS) Volume. I Nomor. 2, Bulan Otober 2012 - ISSN :2089-9033 35 PENYELESAIAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ANT COLONY SYSTEM (ACS) Irawan Afrianto 1, Euis Wiiani Jamilah 2 1,2 Program Stui

Lebih terperinci

ISSN: TEKNOMATIKA Vol.1, No.2, JANUARI

ISSN: TEKNOMATIKA Vol.1, No.2, JANUARI ISSN: 1979-7656 TEKNOMATIKA Vol.1, No.2, JANUARI 2009 25 PERANCANGAN DAN IMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK MENDIAGNOSA JENIS PENYAKIT KANDUNGAN Bambang Yuwono Jurusan Teni Informatia UPN Veteran

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas

Lebih terperinci

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul

Lebih terperinci

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas

Lebih terperinci

BAB 1 PENDAHULUAN. bagian dalam pekerjaan. Dalam melakukan pemasangan kabel perlu

BAB 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 terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Landasan Teori Tentang Permasalahan Merupaan landasan teori yang terdapat pada permasalahan yang dibahas. 2.1.1 Masalah tranportasi Masalah tranportasi dalam dunia distribusi

Lebih terperinci

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan

Lebih terperinci

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( ) PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3

Lebih terperinci

SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT GAGAL GINJAL DENGAN MENGGUNAKAN METODE BAYES

SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT GAGAL GINJAL DENGAN MENGGUNAKAN METODE BAYES Pelita Informatia Budi Darma, Volume : IV, Nomor: 3, Agustus 203 ISSN : 230-425 SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT GAGAL GINJAL DENGAN MENGGUNAKAN METODE BAYES Sri Rahayu 044) Mahasiswa Program Studi

Lebih terperinci

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA

Lebih terperinci

OPTIMASI RUTE ARMADA KEBERSIHAN KOTA GORONTALO MENGGUNAKAN ANT COLONY OPTIMIZATION. Zulfikar Hasan, Novianita Achmad, Nurwan

OPTIMASI RUTE ARMADA KEBERSIHAN KOTA GORONTALO MENGGUNAKAN ANT COLONY OPTIMIZATION. Zulfikar Hasan, Novianita Achmad, Nurwan OPTIMASI RUTE ARMADA KEBERSIHAN KOTA GORONTALO MENGGUNAKAN ANT COLONY OPTIMIZATION Zulfikar Hasan, Novianita Achmad, Nurwan ABSTRAK Secara umum, penentuan rute terpendek dapat dibagi menjadi dua metode,

Lebih terperinci

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)

Lebih terperinci

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman. JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses

Lebih terperinci

Model Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009

Model Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009 Model Pembelaaran Off-Line Menggunaan Jaringan Syaraf Tiruan Untu Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teni Eletronia PENS 2009 Arie Setya Wulandari#, Eru Puspita S.T., M.Kom#2 # Jurusan

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY

SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 3 LANGKAH PEMECAHAN MASALAH BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp

Lebih terperinci

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Tempat dan Watu Penelitian Penelitian ini dilauan di Jurusan Matematia Faultas Matematia dan Ilmu Pengetahuan Alam Universitas Lampung. Watu penelitian dilauan selama semester

Lebih terperinci

BAB III METODE SCHNABEL

BAB III METODE SCHNABEL BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan

Lebih terperinci

Optimasi Non-Linier. Metode Numeris

Optimasi Non-Linier. Metode Numeris Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran

Lebih terperinci

ALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP

ALGORITMA 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 terperinci

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga JURNAL SAINS DAN SENI POMITS ol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Estimasi Konsentrasi Polutan Sungai Menggunaan Metode Redusi Kalman Filter dengan Pendeatan Elemen Hingga Muyasaroh, Kamiran,

Lebih terperinci

BAB 3 PRINSIP SANGKAR BURUNG MERPATI

BAB 3 PRINSIP SANGKAR BURUNG MERPATI BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana

Lebih terperinci

PERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU

PERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU PERTEMUAN 2 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU 2. SISTEM WAKTU DISKRET Sebuah sistem watu-disret, secara abstra, adalah suatu hubungan antara barisan masuan dan barisan eluaran. Sebuah

Lebih terperinci

PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Wahyudi, Sorihi, dan Iwan Setiawan. Jurusan Teni Eletro Faultas Teni Universitas Diponegoro Semarang e-mail : wahyuditinom@yahoo.com.

Lebih terperinci

MENENTUKAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT

MENENTUKAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT MENENTUKAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT TUGAS AKHIR Diajukan sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Jurusan Teknik Informatika Disusun Oleh : Nama : I ing Muttakhiroh NIM

Lebih terperinci

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

BAB IV Solusi Numerik

BAB IV Solusi Numerik BAB IV Solusi Numeri 4. Algoritma Genetia Algoritma Genetia (AG) [2] merupaan teni pencarian stoasti yang berdasaran pada meanisme selesi alam dan prinsip penurunan genetia. Algoritma genetia ditemuan

Lebih terperinci

CATATAN KULIAH RISET OPERASIONAL

CATATAN KULIAH RISET OPERASIONAL CATATAN KULIAH RISET OPERASIONAL Pertemuan minggu pertama ( x 50 menit) Pemrograman Bulat Linear (Integer Linear Programming - ILP) Tuuan Instrusional Umum : Mahasiswa dapat menggunaan algoritma yang

Lebih terperinci

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry

Lebih terperinci

III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT

III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT 3.1 Studi Literatur tentang Pengelolaan Sampah di Beberapa Kota di Dunia Kaian ilmiah dengan metode riset operasi tentang masalah

Lebih terperinci

Analisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network

Analisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network Analisa Drop Tegangan dan Susut Daya pada Jaringan Listri Penyulang Renon Menggunaan Metode Artificial Neural Networ I Gede Dyana Arana Jurusan Teni Eletro Faultas Teni, Universitas Udayana Denpasar, Bali,

Lebih terperinci

PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL

PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL Reisha Humaira NIM 13505047 Program Studi Teni Informatia Institut Tenologi Bandung Jl. Ganesha 10, Bandung E-mail : if15047@students.if.itb.ac.id

Lebih terperinci

Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik

Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik Penerapan Sistem Persamaan Lanjar untu Merancang Algoritma Kriptografi Klasi Hendra Hadhil Choiri (135 08 041) Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

ANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY

ANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY Jurnal Manti Penusa Vol No Desember ISSN 88-9 ANALISIS EPUASAN ONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAET (URIR DENGAN MENGGUNAAN METODE TOPSIS FUZZY Desi Vinsensia Program Studi Teni Informatia

Lebih terperinci

Makalah Seminar Tugas Akhir

Makalah Seminar Tugas Akhir Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,

Lebih terperinci

BAB IV ANALISIS MASALAH

BAB IV ANALISIS MASALAH BAB IV ANALISIS MASALAH 4.1 Tampilan Program Persoalan TSP yang dibahas pada tugas akhir ini memiliki kompleksitas atau ruang solusi yang jauh lebih besar dari TSP biasa yakni TSP asimetris dan simetris.

Lebih terperinci

Variasi Spline Kubik untuk Animasi Model Wajah 3D

Variasi Spline Kubik untuk Animasi Model Wajah 3D Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,

Lebih terperinci

PENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN

PENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN PENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN Amethis Otaorora 1, Bilqis Amaliah 2, Ahmad Saihu 3 Teni Informatia, Faultas Tenologi

Lebih terperinci

IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA

IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA 94 IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA Yudhi Purwananto 1, Diana Purwitasari 2, Agung Wahyu Wibowo Jurusan Teni Informatia, Institut Tenologi Sepuluh Nopember

Lebih terperinci

ANALISIS ALGORITMA SEMUT UNTUK PEMECAHAN MASALAH PENUGASAN

ANALISIS 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 terperinci

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa

Lebih terperinci

ANALISIS KINERJA ALGORITMA FOLD-GROWTH DAN FP-GROWTH PADA PENGGALIAN POLA ASOSIASI

ANALISIS KINERJA ALGORITMA FOLD-GROWTH DAN FP-GROWTH PADA PENGGALIAN POLA ASOSIASI Seminar Nasional Apliasi Tenologi Informasi 26 (SNATI 26) ISSN: 97-522 Yogyaarta, 7 Juni 26 ANALISIS KINERJA ALGORITMA FOLD-GROWTH DAN FP-GROWTH PADA PENGGALIAN POLA ASOSIASI Rully Soelaiman, Ni Made Arini

Lebih terperinci

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan

Lebih terperinci

MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE

MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE Desfrianta Salmon Barus - 350807 Jurusan Teni Informatia, Institut Tenologi Bandung Bandung e-mail: if807@students.itb.ac.id ABSTRAK

Lebih terperinci

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA 1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau

Lebih terperinci

Penggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan

Penggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan Jurnal Penelitian Sains Volume 16 Nomor 1(A) Januari 013 Penggunaan Metode Bagi Dua Terboboti untu Menari Aar-aar Suatu Persamaan Evi Yuliza Jurusan Matematia, FMIPA, Universitas Sriwijaya, Indonesia Intisari:

Lebih terperinci

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Gambar 2.1 Graf dengan 4 node dan 5 edge

BAB II TINJAUAN PUSTAKA. Gambar 2.1 Graf dengan 4 node dan 5 edge BAB II TINJAUAN PUSTAKA 2.1. Teori Graf Graf digunaan untu merepresentasian obje-obje disrit dan hubungan antara obje-obje tersebut (Munir, 2005). Dalam menggambar graf, simpul digambaran dengan lingaran

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,

Lebih terperinci

KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE

KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108

Lebih terperinci

FUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL

FUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL Seminar Nasional Matematia dan Apliasinya, 2 Otober 27 FUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL Ridwan Pandiya #, Emi Iryanti #2 # S Informatia, Faultas Tenologi Industri dan

Lebih terperinci

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract

Lebih terperinci

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu

Lebih terperinci

INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh

INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON Maalah Disusun guna memenuhi tugas Mata Kuliah Metode Numeri yang dibimbing oleh Dr. Nur Shofianah Disusun oleh: M. Adib Jauhari Dwi Putra 146090400111001

Lebih terperinci

Makalah Seminar Tugas Akhir. Aplikasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self Tuning Regulator (STR)

Makalah Seminar Tugas Akhir. Aplikasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self Tuning Regulator (STR) Maalah Seminar ugas Ahir Apliasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self uning Regulator (SR) Oleh : Muhammad Fitriyanto e-mail : D_3_N2@yahoo.com Maalah Seminar ugas Ahir Apliasi

Lebih terperinci

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS

Lebih terperinci

PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB

PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB Wirda Ayu Utari Universitas Gunadarma utari.hiaru@gmail.com ABSTRAK Program pengenalan pola ini merupaan program yang dibuat

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 TEORI GRAF 2.1.1 Definisi Definisi 2.1 (Munir, 2009, p356) Secara matematis, graf G didefinisikan sebagai pasangan himpunan (V,E), ditulis dengan notasi G = (V,E), yang dalam hal

Lebih terperinci

Penyelesaian Masalah Travelling Salesman Problem Menggunakan Ant Colony Optimization (ACO)

Penyelesaian Masalah Travelling Salesman Problem Menggunakan Ant Colony Optimization (ACO) Penyelesaian Masalah Travelling Salesman Problem Menggunakan Ant Colony Optimization (ACO) Anna Maria 1, Elfira Yolanda Sinaga 2, Maria Helena Iwo 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB 2 LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Jadwal Secara Umum Menurut Kamus Besar Bahasa Indonesia (KBBI), jadwal adalah pembagian watu berdasaran rencana pengaturan urutan erja, daftar atau tabel egiatan

Lebih terperinci

IMPLEMENTASI ALGORITMA SEMUT UNTUK PENCARIAN RUTE TERPENDEK BERBASIS SISTEM INFORMASI GEOGRAFIS

IMPLEMENTASI ALGORITMA SEMUT UNTUK PENCARIAN RUTE TERPENDEK BERBASIS SISTEM INFORMASI GEOGRAFIS IMPLEMENTASI ALGORITMA SEMUT UNTUK PENCARIAN RUTE TERPENDEK BERBASIS SISTEM INFORMASI GEOGRAFIS Edi Iskandar Teknik Informatika STMIK Akakom e-mail: edi_iskandar@akakom.ac.id Abstrak Dalam kehidupan global

Lebih terperinci

RINGKASAN SKRIPSI MODUL PERKALIAN

RINGKASAN SKRIPSI MODUL PERKALIAN RINGKASAN SKRIPSI MODUL PERKALIAN SAMSUL ARIFIN 04/177414/PA/09899 DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS GADJAH MADA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM YOGYAKARTA 2008 HALAMAN PENGESAHAN

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.1 Keranga Pemiiran Pemerintah ahir-ahir ini sering dihadapan pada masalah persediaan pupu bersubsidi yang daya serapnya rendah dan asus elangaan di berbagai loasi di Indonesia.

Lebih terperinci

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode 3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode

Lebih terperinci

MODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT)

MODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT) MODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT) Asmara Iriani Tarigan (asmara@ut.ac.id) Sitta Alief Farihati Jurusan Matematia

Lebih terperinci

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS Jurnal Teni dan Ilmu Komputer ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS AN ANALYSIS OF THE VARIATION PARAMETERS OF THE ARTIFICIAL NEURAL NETWORK

Lebih terperinci

APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK

APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK Novhirtamely Kahar, ST. 1, Nova Fitri, S.Kom. 2 1&2 Program Studi Teni Informatia, STMIK

Lebih terperinci

MAKALAH SEMINAR TUGAS AKHIR

MAKALAH SEMINAR TUGAS AKHIR 1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN POLA GEOMETRI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Muhamad Tonovan *, Achmad Hidayatno **, R. Rizal Isnanto ** Abstra - Pengenalan waah adalah

Lebih terperinci

APLIKASI ALGORITMA CONJUGATE GRADIENT PADA JARINGAN SYARAF TIRUAN PERAMBATAN BALIK. Tesis

APLIKASI ALGORITMA CONJUGATE GRADIENT PADA JARINGAN SYARAF TIRUAN PERAMBATAN BALIK. Tesis APLIKASI ALGORITMA CONJUGATE GRADIENT PADA JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Tesis Program Studi Teni Eletro Jurusan Ilmu-ilmu Teni disusun oleh : Wiwien Widyastuti 8475/I-/820/02 PROGRAM PASCASARJANA

Lebih terperinci

ALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP)

ALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP) ALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP) Igusta Wibis Vidi Abar Purwanto 2 FMIPA Universitas Negeri Malang E-mail: wibis.roccity@gmail.com Abstra: Multi Depot Vehicle Routing

Lebih terperinci

BAB II KAJIAN TEORI. semut, dan travelling salesman problem. Teori graf digunakan untuk menerapkan

BAB II KAJIAN TEORI. semut, dan travelling salesman problem. Teori graf digunakan untuk menerapkan BAB II KAJIAN TEORI Pada bab kajian teori akan dibahas tentang teori graf, algoritma, algoritma semut, dan travelling salesman problem. Teori graf digunakan untuk menerapkan aplikasi rute Trans Jogja.

Lebih terperinci

KAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST

KAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST KAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST Timbul Pardede (timbul@mail.ut.ac.id) Jurusan Statisti FMIPA, Universitas Terbua ABSTRAK Metode Ward dan metode K-rataan

Lebih terperinci