BAB 3 ANALISIS DAN PERANCANGAN
|
|
- Liana Pranoto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB 3 ANALISIS DAN PERANCANGAN 3.1. Analisis Sistem Berjalan Penyusunan Menu Makanan Dalam penyusunan menu makanan banyak hal yang perlu diperhatikan, terutama jika menu makanan yang disusun untuk seseorang yang mengidap penyakit tertentu seperti penyakit diabetes. Telah banyak variasi menu makanan yang dianjurkan untuk penderita diabetes, namun tidak semua menu makanan tersebut memenuhi kriteria yang diharapkan. Biasanya menu makanan akan dibagi berdasarkan kebutuhan gizi makro yaitu berdasarkan kalori. Menu makanan tersebut umumnya dikelompokkan menjadi sarapan, makan siang, dan makan malam. Penyusunan menu makanan pada penulisan skripsi ini dikhususkan untuk penderita diabetes dan berdasarkan kepada kebutuhan gizi masing masing penderita diabetes Penentuan Gizi Penderita Diabetes Penentuan gizi untuk penderita diabetes sebenarnya tidaklah mudah. Dalam penentuan gizi yang tepat bagi penderita diabetes sebenarnya ada ketentuan tertentu yang harus dipatuhi. Adapun beberapa syarat yang harus dipenuhi di antaranya adalah : 1. Energi cukup sesuai dengan kebutuhan berdasarkan jenis kelamin, usia, aktivitas fisik, berat badan dan tinggi badan. Makanan dibagi dalam 3 porsi
2 39 besar yaitu makan pagi (20 %), makan siang (30 %), makan malam (25 %), dan 2-3 porsi kecil untuk makanan selingan (masing masing %) 2. Protein % dari total kebutuhan energi. Protein yang digunakan hendaknya yang memiliki nilai cerna tinggi. 3. Lemak sedang % dari kebutuhan energi total. Dengan komposisi lemak jenuh < 10 % lemak tak jenuh ganda 10 %, sisanya lemak tak jenuh tunggal. Asupan kolestrol dibatasi lebih kecil atau sama dengan 300 mg per hari. 4. Karbohidrat adalah sisa dari kebutuhan energi total yaitu % 5. Penggunaan gula murni dalam makanan dan minuman tidak diperbolehkan, kecuali jumlahnya sedikit sebagai bumbu. Bila kadar glukosa darah sudah terkendali, penggunaan gula murni 5 % dari kebutuhan energi total. Untuk rumus perhitungan kebutuhan kalori, protein, lemak dan karbohidrat yang dapat digunakan tetap berpedoman pada rumus Harris dan Benedict yang telah dijelaskan dan dipaparkan pada Bab II sebelumnya Analisis Permasalahan Bervariasinya jenis makanan dan kandungan gizi yang berbeda beda membuat sulitnya menentukan menu makanan yang baik dan memiliki nilai gizi yang mencukupi kebutuhan tubuh. Pada kenyataannya semua orang memerlukan gizi yang cukup dan menu makanan yang bervariasi agar tidak merasa bosan dengan menu makanan yang monoton. Apalagi untuk seseorang yang menderita penyakit diabetes, pemilihan menu makanan yang tepat sangat penting untuk mengendalikan kadar gula dalam darahnya. Dalam pemilihan menu makanan bagi penderita diabetes tetap harus memperhatikan nilai gizi yang dikandung. Permasalahan terletak pada
3 40 bagaimana menyusun menu makanan supaya dicapai nilai gizi yang optimal dan tentunya tidak memperburuk nilai kadar gula dalam darah si penderita diabetes Usulan Pemecahan Masalah Dari permasalahan yang telah dijabarkan di atas, maka akan dirancang sebuah program aplikasi dengan memanfaatkan kemajuan ilmu komputer penentuan gizi bagi penderita diabetes yang diformulasikan dan dihitung otomatis dengan menggunakan komputer. Adapun algoritma yang bisa dimanfaatkan untuk penentuan gizi tersebut adalah algoritma genetika yang merupakan suatu proses pengoptimalan yang berdasarkan pencarian acak dengan memperhatikan mekanisme seleksi alam dan genetika alam. Dengan program aplikasi yang dirancang ini, diharapkan dapat membantu penderita diabetes untuk menentukan menu makanan harian mereka yang terbagi dalam lima kali makan di mana akan dicapai nilai gizi yang paling optimal berdasarkan faktor yang mempengaruhi kebutuhan kalori dan gizi penderita diabetes Perancangan Cara Kerja Sistem Sistem aplikasi penentuan kebutuhan gizi bagi penderita diabetes dengan algoritma genetika ini melakukan penentuan jenis jenis makanan untuk komposisi makanan penderita diabetes yang mengandung zat zat gizi sesuai dengan yang diperlukan setiap harinya. Hasil yang didapatkan berupa kombinasi menu makanan yang memiliki nilai gizi yang paling optimal atau biasa dikenal dengan istilah nilai fitness yang tinggi.
4 41 Untuk menjalankan aplikasi penentuan kebutuhan gizi bagi penderita diabetes dengan algoritma genetika ini, pertama tama user harus menginput data mengenai dirinya, yaitu nama, tinggi badan (cm), berat badan (kg), usia (tahun), jenis kelamin, aktivitas dan angka gula darahnya (mg/dl). Setelah input diberikan, sistem akan mengecek kevalidan inputan. Jika inputan valid maka sistem akan menghitung jumlah kebutuhan kalori, protein, lemak dan karbohidrat yang dibutuhkan untuk penderita diabetes secara otomatis. Apabila angka gula darahnya di bawah atau sama dengan 126 mg/dl maka user tidak dapat mengakses halaman berikutnya karena aplikasi ini hanya dikhususkan bagi penderita diabetes. Selanjutnya sistem akan menghitung jumlah kebutuhan kalori untuk tiap waktu makan yaitu sarapan 20 %, selingan pagi 10 %, makan siang 30 %, selingan sore 15 % dan makan malam 20 % dari kebutuhan kalori harian yang telah dihitung. Persentase demikian juga berlaku pada kebutuhan protein, lemak dan karbohidrat. Setelah semua data yang dibutuhkan telah diinput, maka proses algoritma genetika dapat dimulai. Proses genetik yang dilakukan akan dibagi menjadi tiga kali yaitu untuk mencari menu sarapan, makan siang dan makan malam. Proses genetika pada diawali dengan membangkitkan populasi awal yang kemudian dilanjutkan dengan perhitungan nilai fitness dan proses seleksi. Setelah proses seleksi selesai dijalankan, maka akan dilanjutkan dengan proses crossover. Kemudian kromosom kromosom yang telah dipindah silang (crossover) akan mengalami proses mutasi. Selama nilai optimal belum dicapai, sistem akan terus melakukan proses algoritma genetika.
5 42 Setelah proses algoritma genetika selesai dijalankan, maka akan ditampilkan hasil kromosom-kromosom yang terbaik. Kromosom terbaik hasil tiga kali proses algoritma genetika akan ditampung pada menu sarapan, makan siang dan makan malam. Untuk menu selingan baik selingan pagi maupun selingan sore, prosesnya tidak melalui algoritma genetik karena pada selingan hanya ditampilkan 1 menu sehingga tidak diperlukan proses pencarian acak. Sistem akan mencari nilai yang paling mendekati nilai kalori untuk selingan. Misalnya saja kebutuhan kalori untuk selingan pagi adalah 189 kkal, maka sistem akan mengecek satu per satu jenis makanan pada tabel makanan selingan dan akan diambil yang paling mendekati angka 189 tersebut. Selanjutnya akan ditampilkan menu makanan untuk penderita diabetes dalam lima kali waktu makan yaitu sarapan, selingan pagi, makan siang, selingan sore dan juga makan malam beserta dengan nilai gizinya setiap menu makanan yang ditampilkan. Flowchart cara kerja sistem dapat dilihat pada Gambar 3.1.
6 43 Mulai Input Data Diri No Apakah Inputan Valid? Yes Hitung Kebutuhan Kalori. Kebutuhan Protein, Kebutuhan Lemak dan Kebutuhan Karbohidrat untuk Penderita Diabetes Hitung kebutuhan gizi untuk sarapan, selingan pagi, makan siang, selingan sore dan makan malam Jalankan 3 kali proses Algoritma Genetika untuk sarapan, makan siang dan makan malam Simpan kromosom terbaik dalam menu sarapan, makan siang dan makan malam Cek nilai gizi makanan pada tabel selingan dan pilih yang nilai gizinya paling mendekati kebutuhan Tampilkan menu makanan dalam 5 waktu (sarapan, selingan pagi, makan siang, selingan sore dan makan malam serta nilai gizinya Selesai Gambar 3.1 Flowchart Cara Kerja Sistem
7 Perancangan Algoritma Genetika Proses algoritma genetika dimulai setelah semua inputan yang dibutuhkan telah dimasukkan oleh user dan proses perhitungan nilai gizi pasien untuk 5 waktu telah dilakukan. Algoritma genetika yang dijalankan terbagi dalam tiga kali proses yaitu untuk menu sarapan, makan siang dan makan malam. Pada dasarnya, algoritma genetika yang akan digunakan untuk menyelesaikan masalah penentuan gizi pada penderita diabetes, terdiri dari beberapa langkah yaitu pembangkitan populasi awal, seleksi, rekombinasi dan mutasi. Rancangan algoritma genetika adalah sebagai berikut : a. Random angka untuk masing masing kromosom di mana setiap angka yang dihasilkan dari proses random mewakili suatu jenis makanan yang ada di dalam database makanan. b. Setelah pembangkitan populasi awal, maka selanjutnya masuk ke proses seleksi yang dilanjutkan proses crossover dan mutasi untuk pembentukan populasi baru. c. Proses pembentukan populasi baru akan terus dilakukan berulang sampai mencapai jumlah generasi yang diinginkan oleh user Pembangkitan Populasi Awal Pembangkitan populasi awal merupakan langkah awal yang harus dilakukan dalam proses algoritma genetika. Proses membangkitkan populasi awal ini dimulai dengan membangkitkan angka random sebanyak jumlah kromosom awal dan jumlah gen dalam kromosom. Setiap angka yang dihasilkan
8 45 oleh random angka tersebut mewakili suatu jenis makanan yang ada dalam database. Pada aplikasi penentuan kebutuhan gizi pada penderita diabetes dengan algoritma genetika ini, database memiliki data-data yang telah diinput oleh penulis dari sumber yang didapatkan berupa buku. Angka random yang dibangkitkan dalam satu kromosom dapat memiliki nilai random angka yang sama lebih dari satu. Setelah random angka selesai dibangkitkan, sistem akan meghitung jumlah kalori, protein, lemak dan karbohidrat masing-masing kromosom yang telah didapat. Selanjutnya sistem akan mengecek apakah jumlah tersebut melebihi jumlah kebutuhan kalori, protein, lemak dan karbohidrat yang dibutuhkan oleh penderita diabetes. Jika melebihi, sistem akan memberikan nilai nol pada gen yang mengakibatkan kelebihan dalam kromosom tersebut. Secara sistematis proses pembangkitan populasi awal dapat dilihat pada Gambar 3.2.
9 46 Mulai Ambil nilai jumlah kromosom awal dan jumlah gen dalam kromosom Random angka sebanyak jumlah kromosom (JK) dikalikan dengan jumlah gen dalam kromosom (JG) Hitung total kalori (TK), total protein (TP), total lemak (TL), dan total karbohidrat (TH) masing masing kromosom Bandingkan TK, TP, TL, TH dengan jumlah kalori (JK), jumlah protein (JP), jumlah lemak (JL), dan jumlah karbohidrat (JH) yang dibutuhkan Gen pada kromosom yang mengakitbatka n kelebihan diberi nilai 0 No Apakah TK JK & TP JP & TL KL & TH JH? No Yes Apakah semua kromosom sudah dihitung TK, TP, TL dan TH? Yes Hitung nilai fitness masing masing kromosom Selesai Gambar 3.2 Flowchart Pembangkitan Populasi Awal
10 Perhitungan Nilai Fitness Sebelum masuk pada tahap berikutnya yaitu seleksi, harus dilakukan dahulu perhitungan nilai fitness. Perhitungan nilai fitness didasarkan pada total kalori, total protein, total lemak, dan total hidrat arang pada suatu kromosom, jumlah kalori, jumlah protein, jumlah lemak, dan jumlah hidrat arang yang dibutuhkan pada penderita diabetes serta bobot kalori, bobot protein, bobot lemak dan bobot karbohidrat. Semakin tinggi nilai fitness maka akan semakin baik individu tersebut dan peluang untuk terpilih dalam proses seleksi semakin besar. Nilai fitness ini akan berkisar dari nilai 0 (nol) sampai 1 (satu). Perhitungan nilai fitness akan terus dilakukan sejumlah kromosom yang telah dibangkitkan. Rumus yang digunakan untuk menghitung nilai fitness telah dijabarkan pada Bab 2 sebelumnya. Untuk lebih memahami nilai fitness, dapat dilihat pada Gambar 3.3.
11 48 Mulai Inisialisasi total kalori = TK, total protein = TP, total lemak = TL, total karbohidrat = TH ; kebutuhan kalori = KK, kebutuhan protein = KP, kebutuhan lemak = KL, kebutuhan karbohidrat = KH Apakah TK KK ; TP KP ; TL KL & TH KH? Yes Total kalori = 0 Total lemak = 0 Total protein = 0 Total karbohidrat = 0 Fitness kalori (Fk) = TK / KK Fitness protein (Fp) = TP / KP Fitness lemak (Fl) = TL / KL Fitness karbohidrat (Fh) = TH / KH Berikan nilai bobot kalori = nilai bobot protein = 3 dan nilai bobot lemak = nilai bobot karbohidrat = 1 A = Fk x bobot kalori (bk) B = Fp x bobot protein (bp) C = Fl x bobot lemak (bl) D = Fh x bobot karbohidrat (bkh) Nilai fitness = Selesai Gambar 3.3 Flowchart Perhitungan Nilai Fitness
12 Seleksi Proses seleksi dalam algoritma genetika yang akan digunakan adalah rank-based fitness selection yaitu seleksi dengan peringkat terbaik. Jadi akan diurutkan kromosom kromosom sejumlah N dengan nilai fitness tertinggi sampai pada nilai fitness terendah. Selanjutnya berdasarkan persentase seleksi (Ps), akan diambil sejumlah kromosom yang menduduki peringkat atas sebanyak N x Ps. Misalkan saja jika jumlah kromosom adalah 20 buah dengan persentase seleksi adalah 0.8 maka akan diseleksi sebanyak 20 x 0.8 = 16 kromosom yang menduduki posisi teratas berdasarkan nilai fitnessnya. Ranked-based fitness selection secara singkatnya dapat dilihat pada Gambar 3.4. Mulai Ambil nilai fitness masing masing kromosom Urutkan nilai fitness kromosom dari terbesar Ambil nilai persentase seleksi (Ps) Seleksi kromosom sejumlah N x Ps Selesai Gambar 3.4. Flowchart Rank-based fitness Selection Crossover Setelah proses seleksi selesai, akan masuk pada proses crossover. Crossover berdasarkan probabilitas atau peluang crossover di mana peluang itu
13 50 menentukan banyaknya kromosom yang mengalami crossover. Misalkan peluang crossover adalah 0.5. Dari proses seleksi di atas diketahui setelah diseleksi jumlah kromosom adalah 16 kromosom, maka banyaknya kromosom yang akan mengalami crossover adalah 0.5 x 16 = 8 kromosom. Maka akan dipilih secara random induk pertama dan induk kedua dengan syarat kedua induk tidak boleh induk yang sama. Selanjutnya dirandom angka untuk menentukan titik mana dimulainya crossover. Banyak titik crossover telah ditentukan oleh penulis yaitu 1. Andaikan nilai random yang didapat adalah 0.3. Titik dimulainya crossover adalah angka random dikalikan dengan panjang kromosom N. Setiap kromosom yang berisi gen dan setiap gen akan direpresentasikan dengan angka biner sepanjang 6 bit. Misalkan untuk sarapan terdiri dari 2 gen, maka panjang kromosom adalah 2 x 6 bit = 12 bit. Titik dimulainya crossover adalah 0.3 x 12 = 4.8 dan dibulatkan menjadi 5. Oleh karena itu diperoleh titik dimulainya crossover adalah pada bit ke-6. Jumlah kromosom hasil crossover adalah dua kali jumlah kromosom yang di-crossover. Jika nilai random yang didapatkan melebihi peluang crossover, maka tidak akan terjadi crossover dan nilai induk akan diturunkan pada anaknya (offspring). Proses crossover dapat dilihat pada Gambar 3.5.
14 51 Mulai Random angka 0 1 sebagai peluang crossover (Pc) Hitung banyak kromosom yang dicrossover (Pc x Nseleksi) Random induk pertama dan induk Yes Apakah induk pertama sama dengan induk kedua? No Random angka 0 1 kemudian tampung nilai pada variabel r Apakah r < Pc? No Offspring = induk Yes Lakukan crossover Induk dan Offspring Selesai Gambar 3.5. Flowchart Crossover
15 Mutasi Setelah selesai proses crossover akan masuk ke dalam proses mutasi yaitu mengganti nilai gen dari 0 ke 1 atau sebaliknya. Yang diperlukan dalam melakukan mutasi adalah peluang mutasi (Pm). Misalkan peluang mutasi (Pm) adalah Banyak gen yang akan mengalami mutasi adalah Pm x jumlah kromosom x jumlah gen. Jika jumlah kromosom 16 buah dan jumlah gen adalah 12 (untuk menu sarapan), maka banyak gen yang mengalami mutasi adalah 0.25 x 16 x 12 = 48. Banyak gen total adalah 16 x 12 = 192. Jadi akan dibangkitkan angka random dari sebanyak banyak gen yang akan mengalami mutasi yaitu 48. Setelah didapatkan angka random n, maka gen yang mengalami mutasi adalah gen ke n hasil random itu. Setelah itu akan didapatkan populasi baru sejumlah 16 x 2 yaitu 32 kromosom di mana kromosom itu akan dianggap sebagai generasi baru. Generasi baru itu akan dilakukan lagi proses perhitungan fitness sampai pada mutasi kembali sehingga menghasilkan generasi baru lagi. Proses iterasi akan terus berulang sampai generasi maksimum atau pada saat beberapa generasi menghasilkan nilai fitness yang sama berturut2, iterasi akan berhenti Flowchart mutasi akan ditunjukkan pada Gambar 3.6.
16 53 Mulai Random angka 0 1 sebagai peluang mutasi (Pm) Ambil nilai jumlah kromosom (N) dan jumlah gen (Ng) Hitung banyak gen yang mengalami mutasi (Nm) = Pm * N * Ng Random angka (p) dari 1 (N*Ng) sebanyak Nm Mutasi gen ke-p Selesai Gambar 3.6. Flowchart Mutasi Perancangan Layar Rancangan layar menu menu yang ada pada program aplikasi ini dapat dilihat pada Gambar 3.7. Aplikasi Penentuan Gizi pada Penderita Diabetes dengan Algoritma Genetika Menu Mulai Aplikasi Info Gambar 3.7 Rancangan Layar Menu Halaman Utama
17 54 Ada dua submenu utama yang dapat dipilih oleh user dengan mengklik pada tulisan Menu. Submenu Mulai Aplikasi digunakan untuk menjalankan proses algoritma genetika berdasarkan inputan yang telah diisi oleh user. Sedangkan submenu Info digunakan untuk menampilkan informasi tentang perancang aplikasi. Gambar 3.8 adalah rancangan layar untuk submenu Mulai Aplikasi. Aplikasi Penentuan Gizi pada Penderita Diabetes dengan Algoritma Genetika Menu Informasi Pasien Nama Usia Jenis Kelamin Tinggi B adan Berat Badan Aktivitas Gula Darah La ki - la ki Wanita Kebutuhan Pasien Kalori Protein Lema k Kembali Hapus Semua Proses Karbohidrat Gambar 3.8 Rancangan Layar Submenu Mulai Aplikasi Menu Mulai Aplikasi dilengkapi dengan dua informasi utama untuk proses yaitu informasi pasien dan kebutuhan pasien. Pada informasi pasien, semua field akan diisi oleh user dan tidak boleh ada yang kosong. Untuk jenis kelamin
18 55 fieldnya berupa radio button dengan grupnya berisi laki-laki dan wanita. Untuk aktivitas bertipe combo list. Untuk informasi kebutuhan pasien akan dihitung otomatis oleh sistem apabila semua inputan yang perlu diisi user valid. Apabila tidak valid, sistem akan mengulang dari awal seperti saat menu Mulai Aplikasi dipilih. Jika inputan yang diberikan user valid maka sistem akan menampilkan nilai kebutuhan kalori, protein, lemak dan karbohidrat dalam angka. Pada bagian bawah terdapat tiga buah button yaitu Kembali, Hapus Semua, dan Proses. Button Kembali apabila diklik maka akan mengembalikan sistem seperti awal program aplikasi dimulai. Button Hapus Semua apabila diklik maka sistem akan menghapus semua data yang telah diisi oleh user dan juga semua data yang telah dihitung dan dibaca sistem. Untuk button Proses jika diklik maka sistem akan menjalankan proses algoritma genetika dan kemudian akan ditampilkan menu optimasi hasil proses. Untuk rancangan layar submenu Info akan ditunjukkan pada Gambar 3.9. Aplikasi Penentuan Gizi pada Penderita Diabetes dengan Algoritma Genetika Menu PERANCANGAN PROGRAM APLIKASI PENENTUAN KEBUTUHAN GIZI PADA PENDERITA DIABETES DENGAN MENGGUNAKAN ALGORITMA GENETIKA Dibuat Oleh : Dibimbing Oleh : Gambar 3.9 Rancangan Layar Submenu Info
19 56 Pada menu Info akan ditampilkan nama perancang aplikasi dan informasi lain yang berkaitan dengan perancang aplikasi.
BAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Gizi 2.1.1 Jenis-Jenis Zat Gizi Zat gizi dapat dibedakan menjadi dua kelompok sesuai kebutuhan, yaitu makronutrien dan mikronutrien. Makronutrien adalah zata-zat makanan yang
Lebih terperinciBAB III METODE DAN PERANCANGAN. Tahap iniakan mencari dan memahami bahan-bahan pustaka seperti jurnal, buku, dan
BAB III METODE DAN PERANCANGAN 3.1. Metode Penelitian Metode penelitian yang digunakan dalam pengembangan aplikasi ini adalah sebagai berikut a. Pengumpulan Data Tahap iniakan mencari dan memahami bahan-bahan
Lebih terperinciSerealia, umbi, dan hasil olahannya Kacang-kacangan, bijibijian,
4 generasi, kromosom akan melalui proses evaluasi dengan menggunakan alat ukur yang disebut dengan fungsi fitness. Nilai fitness dari suatu kromosom akan menunjukkan kualitas kromosom dalam populasi tersebut.
Lebih terperinciRANCANG BANGUN SISTEM PENENTUAN KOMPOSISI BAHAN PANGAN HARIAN MENGGUNAKAN ALGORITMA GENETIKA
ABSTRAKSI RANCANG BANGUN SISTEM PENENTUAN KOMPOSISI BAHAN PANGAN HARIAN MENGGUNAKAN ALGORITMA GENETIKA Tedy Rismawan, Sri Kusumadewi Jurusan Teknik Informatika, Fakultas Teknologi Industri Universitas
Lebih terperinciAPLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN KOMPOSISI BAHAN PANGAN HARIAN
APLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN KOMPOSISI BAHAN PANGAN HARIAN Tedy Rismawan 1, Sri Kusumadewi 2 Jurusan Teknik Informatika, Fakultas Teknologi Industri Universitas Islam Indonesia e-mail: 1
Lebih terperinciPERANCANGAN PROGRAM APLIKASI PENENTUAN KEBUTUHAN GIZI PADA PENDERITA DIABETES DENGAN ALGORITMA GENETIKA SKRIPSI. oleh : Vinolia Valentina
PERANCANGAN PROGRAM APLIKASI PENENTUAN KEBUTUHAN GIZI PADA PENDERITA DIABETES DENGAN ALGORITMA GENETIKA SKRIPSI oleh : Vinolia Valentina 1100045025 PROGRAM GANDA TEKNI K INFORMATIKA DAN MAT EMATIKA UNIVERSITAS
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring dengan perkembangan jaman, peran komputer semakin banyak di dalam kehidupan masyarakat. Hampir semua bidang kehidupan telah menggunakan komputer sebagai alat
Lebih terperinciBAB 1 PENDAHULUAN. Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Semakin bervariasinya jenis makanan yang dikonsumsi oleh masyarakat serta pola makan dan pola hidup yang semakin kurang sehat, membawa berbagai dampak dibidang
Lebih terperinciERWIEN TJIPTA WIJAYA, ST.,M.KOM
ERWIEN TJIPTA WIJAYA, ST.,M.KOM DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk
Lebih terperinciBAB III KONSEP DAN PERANCANGAN APLIKASI
BAB III KONSEP DAN PERANCANGAN APLIKASI 3.1 Konsep Pada bab ini penulis akan membahas konsep mengenai perangkat lunak yang digunakan serta akan dibahas mengenai tujuan, kegunaan dan untuk siapa aplikasi
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM Perancangan program aplikasi dalam skripsi ini menggunakan aturan linear sequential atau waterfall. Metode ini terdiri dari empat tahapan, yaitu : analisis, perancangan,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Makanan merupakan salah satu hal utama untuk mendukung tubuh dalam melakukan berbagai aktifitas. Kandungan berbagai unsur penting dalam makanan seperti karbohidrat,
Lebih terperinci1. Pendahuluan 1.1. Latar Belakang
1. Pendahuluan 1.1. Latar Belakang Perkembangan teknologi informasi yang begitu pesat sekarang ini memberikan dampak yang besar terhadap kinerja manusia khususnya dalam bekerja. Segala sesuatu yang dahulu
Lebih terperinciBAB II LANDASAN TEORI
27 BAB II LANDASAN TEORI 2.1. Penelitian Terkait Penelitian terkait yang menggunakan algoritma genetika untuk menemukan solusi dalam menyelesaikan permasalahan penjadwalan kuliah telah banyak dilakukan.
Lebih terperinciBAB III ANALISA MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISA MASALAH DAN RANCANGAN PROGRAM III.1. Analisa Masalah Perkembangan game dari skala kecil maupun besar sangat bervariasi yang dapat dimainkan oleh siapa saja tanpa memandang umur, dari anak
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1. Spesifikasi Implementasi Ada beberapa spesifikasi yang dibutuhkan pengguna agar program aplikasi ini dapat berjalan, yaitu: 4.1.1. Kebutuhan Piranti Keras (Hardware)
Lebih terperinciBAB III. Metode Penelitian
BAB III Metode Penelitian 3.1 Diagram Alir Penelitian Secara umum diagram alir algoritma genetika dalam penelitian ini terlihat pada Gambar 3.1. pada Algoritma genetik memberikan suatu pilihan bagi penentuan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Algoritma Genetika Algoritma genetika merupakan algoritma pencarian heuristik ysng didasarkan atas mekanisme seleksi alami dan genetika alami (Suyanto, 2014). Adapun konsep dasar
Lebih terperinciBAB 2 DASAR TEORI. 2.1 Teka-Teki Silang
BAB 2 DASAR TEORI 2.1 Teka-Teki Silang Teka-teki silang atau disingkat TTS adalah suatu permainan yang mengharuskan penggunanya untuk mengisi ruang-ruang kosong dengan huruf-huruf yang membentuk sebuah
Lebih terperinciAPLIKASI PENYUSUN MENU MAKANAN UNTUK PENCEGAHAN HIPERKOLESTEROLEMIA MENGGUNAKAN ALGORITMA GENETIKA. Abstrak
APLIKASI PENYUSUN MENU MAKANAN UNTUK PENCEGAHAN HIPERKOLESTEROLEMIA MENGGUNAKAN ALGORITMA GENETIKA Riska Ayu Permata [1],Dedi Triyanto [2], Ilhamsyah [3] [1][2][3] Jurusan Sistem Komputer, Fakultas MIPA
Lebih terperinciBAB 1 PENDAHULUAN. gizi dan kalori setiap orang harus terpenuhi dengan cukup setiap harinya. Namun hal ini
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kebutuhan gizi merupakan masalah kecil yang sebenarnya sangat penting karena gizi dan kalori setiap orang harus terpenuhi dengan cukup setiap harinya. Namun hal ini
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka (Samuel, Toni & Willi 2005) dalam penelitian yang berjudul Penerapan Algoritma Genetika untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 7 Diagram alur proses mutasi.
5 Mulai HASIL DAN PEMBAHASAN Kromosom P = rand [0,1] Ya P < Pm R = random Gen(r) dimutasi Selesai Tidak Gambar 7 Diagram alur proses mutasi. Hasil populasi baru yang terbentuk akan dievaluasi kembali dan
Lebih terperinciPENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA
PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA Kartina Diah KW1), Mardhiah Fadhli2), Charly Sutanto3) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1 Rumbai-Pekanbaru-Riau
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih terperinciPENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA
PENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA Bagus Priambodo Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Mercu Buana e- mail : bagus.priambodo@mercubuana.ac.id
Lebih terperinciBAB III METODE PENELITIAN. melakukan survey dengan kuisioner mencari informasi dari media yang
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu penelitian dimulai dari bulan Januari hingga desember 2014. Dengan tempat penelitian pada Kominfo Jatim yang termasuk juga sebagai penyelenggara
Lebih terperinciTINJAUAN PUSTAKA. A. Sarapan Pagi
Kecukupan Tingkat Kecukupan Asupan Kebiasaan Protein Pengetahuan Pendidikan energi Perilaku Energi Energi makan BAB dan ibu di dan protein Gizi sekolah pagi II Pengetahuan gizi Ibu Protein ibu Sarapan
Lebih terperinciLAMPIRAN A PERHITUNGAN SIMPLE CASE SECARA MANUAL E
LAMPIRAN A PERHITUNGAN SIMPLE CASE SECARA MANUAL E Simple Case Contoh kasus line balancing : 35 35 O - 7 O - 8 20 20 30 40 20 25 50 25 O - 1 O - 2 O - 5 O - 6 O - 9 O - 10 O - 11 O - 12 40 30 O - 3 O -
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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3 Agar penelitian yang dilakukan sesuai dengan tujuan yang diharapkan maka diperlukan langkah-langkah yang tersusun secara sistematis seperti yang dijabarkan pada gambar 3.1
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 terperinciPengantar Kecerdasan Buatan (AK045218) Algoritma Genetika
Algoritma Genetika Pendahuluan Struktur Umum Komponen Utama Seleksi Rekombinasi Mutasi Algoritma Genetika Sederhana Referensi Sri Kusumadewi bab 9 Luger & Subblefield bab 12.8 Algoritma Genetika 1/35 Pendahuluan
Lebih terperinciOptimasi Asupan Makanan Harian Ibu Hamil Penderita Hipertensi Menggunakan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 9, September 2018, hlm. 2892-2901 http://j-ptiik.ub.ac.id Optimasi Asupan Makanan Harian Ibu Hamil Penderita Hipertensi
Lebih terperinciPENGEMBANGAN SISTEM PENUNJANG KEPUTUSAN
BAB 4 PENGEMBANGAN SISTEM PENUNJANG KEPUTUSAN Bab ini mengenai analisis yang dilakukan sebelum membuat aplikasi kesehatan untuk menentukan menu diet dengan model What-If Analyisis serta tampilan sistem
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 terperinciada submenu untuk pengaturan user.
179 4. Layar Menu User Disini tampilan untuk melihat submenu user, jika diklik maka akan ada submenu untuk pengaturan user. Gambar 4.90 Layar Menu User Jika kita klik submenu logout, maka kita akan dikembalikan
Lebih terperinciBAB II KAJIAN PUSTAKA. Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi
BAB II KAJIAN PUSTAKA Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi graf, permasalahan optimasi, model matematika dari objek wisata di Yogyakarta, dan algoritma genetika
Lebih terperinciBAB 3 PERANCANGAN PROGRAM. dari OOP (Object Oriented Programming) di mana dalam prosesnya, hal-hal
BAB 3 PERANCANGAN PROGRAM 3.1 Spesifikasi Rumusan Rancangan Program Algoritma Genetika dirancang dengan mengikuti prinsip-prinsip dan sifatsifat dari OOP (Object Oriented Programming) di mana dalam prosesnya,
Lebih terperinciBAB III PERANCANGAN. Gambar 3.1 di bawah ini mengilustrasikan jalur pada TSP kurva terbuka jika jumlah node ada 10:
BAB III PERANCANGAN Pada bagian perancangan ini akan dipaparkan mengenai bagaimana mencari solusi pada persoalan pencarian rute terpendek dari n buah node dengan menggunakan algoritma genetika (AG). Dari
Lebih terperinciPENERAPAN METODE ALGORITMA GENETIKA UNTUK PERMASALAHAN PENJADWALAN PERAWAT (Nurse Schedulling Problem)
INFO TEKNIK Volume 16 No. 1 Juli 2015 (61-74) PENERAPAN METODE ALGORITMA GENETIKA UNTUK PERMASALAHAN PENJADWALAN PERAWAT (Nurse Schedulling Problem) Nadiya Hijriana Program Studi Teknik Informatika Universitas
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN.. Pengumpulan data dan informasi Pengumpulan data digunakan untuk mengumpulkan informasi dan data yang digunakan untuk melakukan analisis dan perancangan sistem informasi penjadwalan
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Dewasa ini, makanan yang beredar di kalangan masyarakat beraneka ragam jenisnya. Terkadang masyarakat awam sendiri tidak mengetahui secara pasti kandungan gizi
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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Sarapan Pagi Sarapan pagi adalah makanan atau minuman yang memberikan energi dan zat gizi lain yang dikonsumsi pada waktu pagi hari. Makan pagi ini penting karena makanan yang
Lebih terperinciOptimasi Daftar Bahan Makanan Untuk Pasien Rawat Jalan dan Keluarga Menggunakan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 1, Januari 2018, hlm. 342-351 http://j-ptiik.ub.ac.id Optimasi Daftar Bahan Makanan Untuk Pasien Rawat Jalan dan
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 terperinciGenetic Algorithme. Perbedaan GA
Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari
Lebih terperinciPENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA. Abstraksi
PENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA I Dewa Made Adi Baskara Joni 1, Vivine Nurcahyawati 2 1 STMIK STIKOM Indonesia, 2 STMIK STIKOM
Lebih terperinciBAB I PENDAHULUAN. dapat memunculkan beberapa risiko lain seperti hipoglikemia atau hiperglikemia.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Diabetes adalah penyakit yang cukup mematikan karena jika salah penanganan dapat memunculkan beberapa risiko lain seperti hipoglikemia atau hiperglikemia. Hipoglikemia
Lebih terperinciKNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA
LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu
Lebih terperinciImplementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah
Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah Leonard Tambunan AMIK Mitra Gama Jl. Kayangan No. 99, Duri-Riau e-mail : leo.itcom@gmail.com Abstrak Pada saat ini proses penjadwalan kuliah
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih 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 terperinciPENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP)
PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) Mohamad Subchan STMIK Muhammadiyah Banten e-mail: moh.subhan@gmail.com ABSTRAK: Permasalahan pencarian rute terpendek dapat
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka. Penelitian serupa mengenai penjadwalan matakuliah pernah dilakukan oleh penelliti yang sebelumnya dengan metode yang berbeda-neda. Berikut
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Penjadwalan adalah alokasi dari sumber daya yang dibutuhkan untuk melaksanakan serangkaian tugas dalam suatu waktu tertentu untuk menghasilkan sebuah kumpulan pekerjaan
Lebih terperinciTAKARIR. algorithm algoritma/ kumpulan perintah untuk menyelesaikan suatu masalah. kesalahan program
TAKARIR advanced tingkat lanjut algorithm algoritma/ kumpulan perintah untuk menyelesaikan suatu masalah alleles nilai suatu gen. bug kesalahan program chromosome kromosom crossover penyilangan kromosom
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 terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Gambaran Umum Perusahaan 3.1.1 Sejarah Umum Perusahaan NIKO FURNITURE adalah perusahaan swasta, yang didirikan pada tahun 2000. Perusahaan ini bergerak dalam bidang
Lebih terperinciOPTIMASI JALUR TRANSPORTASI PRODUK HOUSING CLUTCH DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA PADA PT. SUZUKI INDOMOBIL MOTOR PLANT CAKUNG
OPTIMASI JALUR TRANSPORTASI PRODUK HOUSING CLUTCH DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA PADA PT. SUZUKI INDOMOBIL MOTOR PLANT CAKUNG Disusun Oleh : Nama : Mochammad Brananta Arya Lasmono NPM : 34412653
Lebih terperinciDETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA
DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA Akmal Hidayat 1) & Entin Martiana 2) 1) Teknik Elektro Politeknik Bengkalis Jl.
Lebih terperinciBAB 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 terperinciZbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag.
Zbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag. 12/11/2009 1 Ditemukan oleh Holland pada tahun 1975. Didasari oleh fenomena evolusi darwin. 4 kondisi yg mempengaruhi
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
Lebih terperinciOPTIMASI PENEMPATAN KAPASITOR PADA SALURAN DISTRIBUSI 20 kv DENGAN MENGGUNAKAN METODE KOMBINASI FUZZY DAN ALGORITMA GENETIKA
OPTIMASI PENEMPATAN KAPASITOR PADA SALURAN DISTRIBUSI 20 kv DENGAN MENGGUNAKAN METODE KOMBINASI FUZZY DAN ALGORITMA GENETIKA I Made Wartana, Mimien Mustikawati Program Studi Teknik Elektro, Fakultas Teknologi
Lebih terperinciPENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI DENGAN MENGUNAKAN PENYELEKStAN RODA ROULETTE
PENERAPAN ALGORTMA GENETK UNTUK OPTMAS DENGAN MENGUNAKAN PENYELEKStAN RODA ROULETTE Samuel Lukas, M.Tech." Abstract The purpose of this paper is to introducing genetic algorithm. This algorithm is one
Lebih terperinciPenggunaan Algoritma Genetik dengan Pemodelan Dua Tingkat dalam Permasalahan Penjadwalan Perawat pada Unit Gawat Darurat Rumah Sakit Umum XYZ Surabaya
Penggunaan Algoritma Genetik dengan Pemodelan Dua Tingkat dalam Permasalahan Penjadwalan Perawat pada Unit Gawat Darurat Rumah Sakit Umum XYZ Surabaya Oleh: Anisa Ulya 5206 100 101 Dosen pembimbing 1:
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION
PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION Samuel Lukas 1, Toni Anwar 1, Willi Yuliani 2 1) Dosen Teknik Informatika,
Lebih 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 terperinciJl. Ahmad Yani, Pontianak Telp./Fax.: (0561)
APLIKASI PENCARIAN RUTE TERPENDEK MENGGUNAKANALGORITMA GENETIKA (Studi Kasus: Pencarian Rute Terpendek untuk Pemadam Kebakaran di Wilayah Kota Pontianak) [1] Putri Yuli Utami, [2] Cucu Suhery, [3] Ilhamsyah
Lebih terperinciBAB III METODE PENELITIAN
digilib.uns.ac.id BAB III METODE PENELITIAN Penelitian ini sebelumnya diawali oleh pengumpulan litelatur dan pengumpulan data. Pengumpulan literatur merupakan pengumpulan bahan-bahan seperti jurnal, buku,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada awal diciptakan, komputer hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan zaman, maka peran komputer semakin mendominasi kehidupan.
Lebih terperinciBAB I PENDAHULUAN. makan, faktor lingkungan kerja, olah raga dan stress. Faktor-faktor tersebut
BAB I PENDAHULUAN A. Latar Belakang Pada umumnya masalah kesehatan dipengaruhi oleh pola hidup, pola makan, faktor lingkungan kerja, olah raga dan stress. Faktor-faktor tersebut dapat menyebabkan meningkatnya
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. Berikut ini merupakan spesifikasi perangkat keras dan perangkat lunak yang
BAB IMPLEMENTASI DAN EVALUASI. Implementasi Sistem Berikut ini merupakan spesifikasi perangkat keras dan perangkat lunak yang diperlukan agar program simulasi Tata Letak Tempat Sampah dengan Algoritma
Lebih terperinciOptimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi
Optimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi Rahman Aulia Universitas Sumatera Utara Pasca sarjana Fakultas Ilmu Komputer Medan, Indonesia Rahmanaulia50@gmail.com Abstract
Lebih terperinci8. Evaluasi Solusi dan Kriteria Berhenti Perumusan Masalah METODE PENELITIAN Studi Pustaka Pembentukan Data
Gambar 4 Proses Swap Mutation. 8. Evaluasi Solusi dan Kriteria Berhenti Proses evaluasi solusi ini akan mengevaluasi setiap populasi dengan menghitung nilai fitness setiap kromosom sampai terpenuhi kriteria
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Penjadwalan Perkuliahan Penjadwalan memiliki pengertian durasi dari waktu kerja yang dibutuhkan untuk melakukan serangkaian untuk melakukan aktivitas kerja[10]. Penjadwalan juga
Lebih terperinciSistem Pendukung Keputusan Pengobatan Penderita Diabetes Menggunakan Integrasi Decision Table dan Algoritma Genetika
17 Sistem Pendukung Keputusan Pengobatan Penderita Diabetes Menggunakan Integrasi Decision Table dan Algoritma Genetika Sumartini Dana, Purnomo Budi Santoso dan D. J. Djoko H. S Abstrak Pengelolaan diabetes
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK VISUALISASI DUA DIMENSI WELL PRODUCTION FORECASTING DENGAN GENETIC ALGORITHM
PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK VISUALISASI DUA DIMENSI WELL PRODUCTION FORECASTING DENGAN GENETIC ALGORITHM Danuri Teknologi Informasi Politeknik Bengkalis Jl. Bathin Alam, Sei-Alam, Bengkalis
Lebih terperinciApakah Diet Makanan Saja Cukup Sebagai Obat Diabetes Alami?
Apakah Diet Makanan Saja Cukup Sebagai Obat Diabetes Alami? Bicara tentang diabetes pasti juga perlu membicarakan mengenai diet makanan bagi penderita diabetes. Diet makanan bagi penderita diabetes dapat
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 terperinciAPLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN
APLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN Eva Haryanty, S.Kom. ABSTRAK Komputer adalah salah satu peralatan yang pada saat ini banyak pula digunakan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Hemofilia Hemofilia adalah gangguan produksi faktor pembekuan yang diturunkan, hemofilia berasal dari bahasa Yunani yaitu haima yang artinya darah dan philein yang artinya mencintai
Lebih terperinciGenerator Jadwal Perkuliahan Menggunakan Algoritma Genetika
Generator Jadwal Perkuliahan Menggunakan Algoritma Genetika Zainal Akbar 1), Muh. Fajri Raharjo 2), Eddy Tungadi 3) CAIR, Politeknik Negeri Ujung Pandang Jl. Perintis Kemerdekaan km. 10, Tamalanrea Makassar,
Lebih 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 terperinciBAB 3 ANALISIS DAN PERANCANGAN. Berbagai pembangunan terus dilaksanakan di setiap wilayah di Indonesia,
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Latar Belakang Permasalahan Berbagai pembangunan terus dilaksanakan di setiap wilayah di Indonesia, khususnya Jakarta Selatan. Seperti diketahui, semakin berkembanganya
Lebih terperinciPENENTUAN MATCHING MAKSIMUM PADA GRAPH BIPARTISI BERBOBOT DENGAN MENGGUNAKAN ALGORITMA GENETIKA
PENENTUAN MATCHING MAKSIMUM PADA GRAPH BIPARTISI BERBOBOT DENGAN MENGGUNAKAN ALGORITMA GENETIKA,, Universitas Negeri Malang E-mail: love_nisza@yahoo.co.id ABSTRAK: Matching berguna untuk menyelesaikan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan tugas akhir ini. Teori-teori yang dibahas mengenai pengertian penjadwalan, algoritma
Lebih terperinciBAB 1 PENDAHULUAN. menggunakan sistem komputerisasi. Salah satu bentuk perusahaan yang sangat
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada zaman sekarang ini komputer merupakan kebutuhan yang umum dalam sebuah perusahaan. Di dalam perusahaan, banyak hal menjadi lebih efisien dengan menggunakan
Lebih terperinciALGORITMA GENETIKA. Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Disusun oleh: Achmad Basuki Politeknik Elektronika Negeri Surabaya, PENS ITS Surabaya 2003 Algoritma
Lebih terperinciBAB III METODE PENELITIAN. pada data input yang dimasukkan oleh user serta kemampuan sistem untuk
BAB III METODE PENELITIAN Keberhasilan dari sistem pendukung keputusan ini akan sangat bergantung pada data input yang dimasukkan oleh user serta kemampuan sistem untuk menganalisa dan mengolah data input
Lebih terperinciBAB III PEMBAHASAN. menggunakan model Fuzzy Mean Absolute Deviation (FMAD) dan penyelesaian
BAB III PEMBAHASAN Dalam bab ini akan dibahas mengenai pembentukan portofolio optimum menggunakan model Fuzzy Mean Absolute Deviation (FMAD) dan penyelesaian model Fuzzy Mean Absolute Deviation (FMAD)
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 terperinciPERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI
PERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI TUGAS SARJANA Diajukan Untuk Memenuhi Sebagian Dari Syarat-Syarat Memperoleh Gelar Sarjana
Lebih terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
BAB 3 ANALISA DAN PERANCANGAN Pada bab ini akan dibahas mengenai analisa dan perancangan program perhitungan basic reproduction rate berdasarkan teori-teori yang telah dipaparkan pada bab sebelumnya. Analisa
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Algoritma Genetika
6 BAB 2 LANDASAN TEORI 2.1 Algoritma Genetika Algoritma genetika merupakan metode pencarian yang disesuaikan dengan proses genetika dari organisme-organisme biologi yang berdasarkan pada teori evolusi
Lebih terperinciABSTRAK. Kata kunci : Aplikasi, Penjadwalan, Algoritma Genetika. viii
ABSTRAK Di program studi Teknik Informatika UPN Veteran Yogyakarta, mahasiswa yang akan melakukan pendadaran tidak bisa menentukan jadwal pendadarannya sendiri. Mahasiswa hanya menunggu jadwal pendadaran
Lebih terperinci