PEMROGRAMAN LINIER VERSUS PEMROGRAMAN KUADRATIK KONVEKS

Ukuran: px
Mulai penontonan dengan halaman:

Download "PEMROGRAMAN LINIER VERSUS PEMROGRAMAN KUADRATIK KONVEKS"

Transkripsi

1 SISFO-Jurnal Sistem Infrmasi EMROGRAMAN LINIER VERSUS EMROGRAMAN KUADRAIK KONVEKS Wiwik Anggraeni Jurusan Sistem Infrmasi Fakultas eknlgi Infrmasi, Institut eknlgi Sepuluh Npember Kampus IS Suklil, Surabaya, 60 wiwik@its-sby.edu Abstrak Dengan adanya kemajuan yang pesat di dalam Very-Large-Scale Integratin (VLSI, dalam beberapa tahun terakhir telah berkembang suatu sistem kmputasi terdistribusi. Salah satu permasalahan yang dihadapi sistem kmputasi tersebut adalah masalah pengalkasian mdul prgram, atau biasa disebut dengan Mdule Allcatin with Nn-Unifrm cmmunicatin cst(manu yaitu bagaimana menempatkan sebuah mdul prgram ke sebuah prsesr sehingga ttal biaya eksekusi dan kmunikasi antar prsesr adalah minimum. ermasalahan ini secara alami difrmulasikan sebagai permasalahan kuadratik 0- dengan batasan linear. Dalam tulisan ini, diperbandingkan dua metde slusi untuk permasalahan ini. Metde pertama berdasarkan pemrgraman linear (Mied Integer Linear rgramming. Yang kedua, menggunakan pemrgraman kuadratik (Mied Integer Quadratic rgramming. Kedua metde tersebut dapat diterapkan dengan menggunakan perangkat lunak ptimasi yang ada. Setiap metde dijelaskan dan dilakukan perbandingan kmputasinal antar metde dalam menyelesaikan masalah MANU. ercbaan dilakukan dengan jumlah instance ang berbeda-dengan dengan jumlah prsesr serta task yang bervariasi. Dari beberapa kali ujicba ditunjukkan bahwa ternyata metde pemrgraman kuadratik mempunyai hasil lebih ptimal 32.6% dibanding prmrgraman linier. Kata kunci : VLSI, MANU, pemrgrman linier, pemrgraman kuadratik, knveks. ENDAHULUAN Very-Large-Scale Integratin (VLSI adalah prses untuk membuat sebuah rangkaian terpadu dengan mengkmbinasikan ribuan rangkaian transistr kedalam satu chip. Mikrprsesr kmputer adalah sebuah cnth VLSI. Dengan adanya kemajuan teknlgi, VLSI tidak lagi sebuah chip yang menampung ribuan rangkaian transistr, tetapi sudah mencapai ratusan juta transistr dalam setiap chipnya. Dengan adanya kemajuan yang pesat di dalam VLSI tersebut, dalam beberapa tahun terakhir telah berkembang suatu sistem kmputasi terdistribusi. Salah satu permasalahan yang dihadapi sistem kmputasi tersebut adalah masalah pengalkasian mdul prgram, yaitu bagaimana menempatkan sebuah mdul prgram ke sebuah prsesr sehingga ttal biaya eksekusi dan kmunikasi antar prsesr adalah minimum. Beberapa penyelesaian permasalahan ini telah dipertimbangkan dengan asumsi yang berbeda berdasarkan arsitektur dari sistem terdistribusi atau struktur dari biaya dan slusi yang mungkin dilakukan. Dalam tulisan ini, permasalahan yang diangkat adalah MANU (Mdule Allcatin rgram with Nn-Unifrm cmmunicatin cst, prgram pengalkasian mdul dengan biaya kmunikasi nn-unifrm, Dalam permasalahan ini, tidak ada asumsi istimewa dibuat untuk biaya kmunikasi dan eksekusi, dan tidak ada batasan kapasitas yang menjadi pertimbangan. MANU secara alami difrmulasikan sebagai permasalahan kuadratik 0- dengan batasan linear, ermasalahan ini dikenal juga dalam literatur sebagai permasalahan kuadratik semiassignment. Dalam tulisan ini, diperbandingan dua metde slusi untuk mengatasi permasalahan tersebut. 2. EMROGRAMAN LINIER VS EMROGRAMAN KUADRAIK 2. emrgraman Linier Di dalam matematika, Linear rgraming (L digunakan untuk menyelesaikan permasalahan ptimasi dengan fungsi tujuan yang linier serta 49

2 SISFO-Jurnal Sistem Infrmasi batasan yang berupa persamaan dan pertidaksamaan linier juga. rgram linear dapat di fmulasikan sebagai berikut : Maksimalkan c Dengan batasan-batasan : A b 0 Dengan mewakili vektr variabel, c dan b merupakan vektr kefisien sedangkan A adalah matriks kefisien. emrgraman linier (Linear rgramming memegang peranan penting dalam masalah ptimasi, banyak permasalahan praktikal dalam riset perasi yang dapat di ekspresikan sebagai permasalahan prgram linier. erdapat kasus-kasus khusus di dalam pemrgraman linier (linear prgramming seperti netwrk flw prblems dan multicmmdity flw prblems yang telah melahirkan banyak algritma penting di dunia kmputasi matematika seperti algritma duality, dekmpsisi, dan algritma knveksitas. 2.. Frmulasi Standar Frmulasi standar adalah frmulasi matematis yang sering digunakan untuk mengekspresikan permasalahan prgram linear, frmulasi standar ini terdiri atas 3 bagian, yaitu: Variabel Keputusan Variabel keputusan biasanya mewakili apa yang ingin kita tentukan. Fungsi ujuan Memaksimalkan Batasan, biasanya di frmulasikan sebagai berikut Batasan Nn-Negatif Biasanya, permasalahan yang kita punyai diubah terlebih dulu dalam bentuk matriks menjadi sebagai berikut : Frmulasi lain seperti permasalahan minimasi ataupun permasalahan yang melibatkan variable negatif selalu dapat ditulis ulang dalam bentuk frmulasi standar. 2.2 Optimasi Knveks Optimasi knveks adalah bagian dari matematika knveks, diberikan vectr ruang X dengan fungsi Definisikan sebagai subset knveks dari X, maka permasalahan ini ditujukan untuk mencari titik didalam dimana akan menghasilkan terkecil Frmulasi Standar Frmulasi standar adalah frmulasi matematis yang sering digunakan untuk mengekspresikan permasalahan ptimasi knveks Fungsi knveks diminimalkan terhadap akan Batasan pertidaksamaan, dimana adalah knveks Batasan persamaan h i ( = 0, dimana h bersifat affine, didalam prakteknya linear dan affine adalah equivalen dan sering dtuliskan sebagai dengan adalah matriks dan adalah vectr Sehingga permasalahan ptimasi knveks dapat dtuliskan sebagai berikut: Minimalkan Dengan batasan 2.3 emrgraman Kuadratik (Quadratic rgraming Quadratic prgramming (Q adalah tipe special dari permasalahan ptimasi matematika, permasalahan ini dapt difrmulasikan sebagai berikut Maksimalkan Dengan batasan 50

3 SISFO-Jurnal Sistem Infrmasi Asumsikan terdapat pada ruang, Q adalah matri simetris n n, dan c adalah sembarang vectr n Minimalkan terhadap Dengan batasan : Dengan E = d (persamaan (pertidaksamaan sebagai transpse dari vektr Jika Q adalah matriks semidefinit psitif, maka f( adalah fungsi yang knveks. Untuk kasus ini Q memiliki glbal ptimizer jika setidaknya terdapat vectr '' yang memenuhi batasan. Jika Q definit psitif maka Q memiliki glbal ptimizer yang unik. Sedangakan jika Q adalah matriks 0 (zer maka permasalahan akan berubah menjadi Linear rgraming. Dari teri ptimasi syarat bagi untuk menjadi Glbal minimizer adalah harus memenuhi kndisi Karush-Kuhn-ucker (KK. Cnve Quadratic rgramming adalah kasus special dari Optimasi Knveks. 3. ERANCANGAN ertama-tama, permasalahan MANU harus dimdelkan terlebih dahulu ke dalam prgram kuadratik 0- agar dapat diselesaikan leh metde pemrgraman linier dan pemrgraman kuadratik. Kemudian kedua buah metde yang telah dirumuskan diselesaikan dengan menggunakan slver yaitu MIL slver untuk prgram linear dan MIQ slver untuk prgram kuadratik. 3. emdelan ermasalahan Sebagai rgram Kuadratik 0- Diketahui = { p, p2,, p} sebagai prsesr dan = { t, t2,, t} sebagai mdul prgram yang ditetapkan untuk tiap prsesr. Kemudian q t =,,, p =,, sebagai eecutin cst dari mdul t pada prsesr p dan c ( t, =,,, t, p, =, t ', sebagai cmmunicatin cst yang terjadi ketika mdul t dan t ' masing masing ditetapkan untuk prsesr p dan p '. Nilai q dan c dapat bernilai psitif atau negatif. Frmulasi metematika dari CMA dapat dipertimbangkan dengan membuat variabel vektr = ( ( t =,, ; p =,, dimana sama dengan jika mdul t dialkasikan untuk prsesr p yang bernilai 0 dan sebaliknya. MANU dapat difrmulasikan sebagai permasalahan quadratic 0- : ( Q0 : min F = q + Batasan.: p= { 0, } t= p= = t,, t= = t+ p= = c ( = (2 Batasan (2 menandakan bahwa setiap mdul t dialkasikan tepat untuk satu prsesr. Bagian pertama dari fungsi bjective ( adalah ttal eecutin cst dan bagian kedua adalah ttal cmmunicatin cst. 3.2 Metde emrgraman Linier Metde ini disusun menjadi 2 tahap. ertama adalah perasi penurunan rumus dari ( Q 0. Algritma yang digunakan untuk penyelesaian penurunan rumus ini adalah DAMAH yang telah terbukti ptimal ahap enurunan Rumus Diketahui ( D sebagai linear prblem : ( D ma batasan : : λ t t= t λt β β + v = q t =, t ' =, ; p = =, t+, β t + β + δ = c t ' < t ; p, =,, v 0, δ 0 ( D v memiliki nilai ptimal. Berdasarkan hasil pembuktian bahwa slusi ptimal lainnya untuk ( D menetapkan atau mempengaruhi Q 0. penurunan dari Hasil penurunan rumus diatas selanjutnya digunakan untuk menggantikan fungsi byektif F dengan persamaan baru (3, kemudian 5

4 SISFO-Jurnal Sistem Infrmasi didapatkan nilai penurunan prblem ( Q0 r sama dengan ( Q 0. Untuk ke tahap selanjutnya akan digunakan v. F = v( D + v Fase MIL t= p= t= p= = t+ = δ t(3 ' ada teknik linear telah diinisialisasi leh Glver [7]. Metde ini telah digunakan untuk cnth pada [3] untuk masalah quadratic knapsack. Ide utama, digunakan untuk prblem Q0 untuk menggantikan persamaan r = t+ = h, dimana ' t,, ; p =,, δ dengan variable unik t =. Misalkan φ menunjukkan vektr dimana = ma( δ =.. p = t+ ( φ φ dan misal L digunakan untuk mied integer linear prblem: ( Lφ : min Δ(, h = v( D + v + Batasan : p= h t= p= = t =,, δ t, = t, + = ; p =,, h φ ( h t= p= = (4 0 t,, ; p =,, {0,} = (5 t =,, ; p =,, iap slusi ptimal ~ untuk r Q0 dimungkinkan untuk memperleh slusi ptimal (, h ~ ~ h = = t+ = ~ dari L dengan δ.jika ~ = φ, h ~ memenuhi nilai paling rendah untuk batasan ~ = (4. Jika 0, dengan definisi dari φ, batasan (4 dipengaruhi leh batasan tidak negative. Oleh karena itu, prblem φ L, ( Q0 r,( Q 0 yang sama. 3.3 Metde Quadratic rgramming, memiliki nilai ptimal Metde ini terdiri dari 2 tahap, tahap pertama ditujukan untuk merubah fungsi tujuan ( Q 0 menjadi fungsi kuadrat knveks. Dimana dengan merubah fungsi tujuan ini akan menghasilkan frmula baru yang memiliki tractable cntinuus relaatin, yang dapat diletakkan pada lgaritma branch-and-bund. Algritma yang digunakan berdasar pada referensi [2] ahap Refrmulasi Asumsikan (SD sebagai prgram semidefinit berikut : (SD:Minimalkan t= p= q + Dengan batasan : X t = = t= = t+ p= = ( CQ 0 : minimalkan * * α u * * 2 F = F + α t ' + u( t= = p= = t= p= c X t =,..., t =,..., ' p =,..., X = t =,..., p =,..., X adalah matriks simetris (. (SD dapat dianggap sebagai bagian relaksasi prgaram semidefinit dari ( Q 0. Sebagaimana pada referensi [5], sembarang slusi ptimal dari permasalahan dualnya akan menghasilkan frmulasi knveks dari fungsi tujuan. α adalah slusi ptimal dari dual (SD. Kita dapat menghasilkan frmulasi kuadratic 0- berikut : Asumsikan ( *,u * Dengan batasan p= = t =,, { 0, } rblem ( CQ 0 sama dengan ( 0 Q. (6 52

5 SISFO-Jurnal Sistem Infrmasi *,u * Fungsi F α adalah cnve, nilai ptimal dari CQ 0 sama dengan nilai (SD Fase MIQ ada fase ini dapat diselesaikan dengan algritma branch-and-bund dimana prsesnya dapat dilakukan berdasarkan relaatin cntinuus. 4. UJI COBA Data yang digunakan untuk uji cba ini diambil dari ht://cedric.cnam.fr/c/a/a.html, dimana kefisien dari q dan c adalah hasil dari pembangkitan acak antara interval [- 50,50]. Data ini berisi sejumlah task, sejumlah prsesr dan kefisien q dan c Untuk memecahkan masalah yang berbentuk Linear rgramming (Ls, Mi Integer Linear rgramming (MILs, Mi Integer Quadratic rgramming (MIQs Hasil dari uji cba yang dilakukan ditunjukkan pada tabel berikut abel. Slusi eksak dari instance dengan Linear rgramming Instance Optimal SD Gap(% CU(s abel 2. Slusi eksak dari instance dengan Quadratik rgramming Instance Optimal V(D Gap(% CU(s abel dan 2 diatas memberikan data hasil dari dua metde pada instance yang digunakan. abel menggunakan linear prgramming dan table 2 Quadratik rgramming. menggunakan ada klm pertama, yaitu klm instance, berisi nama instance yang digunakan. Klm menunjukkan jumlah dari task atau mdul, klm menunjukkan jumlah prsesr dan klm terakhir menunjukkan hasil nilai ptimal dari instance tersebut. Klm gap menyatakan nilai prsentase dari selisih yang terkait dengan klm bund v(d pada metde yang berdasarkan Linear rgramming dan klm bund v(sd pada metde berbasis Quadratik rgramming. Dari tabel diatas dapat diketahui bahwa selisih yang dimiliki metde berbasis Quadratik rgramming lebih baik dibandingkan selisih metde berbasis linear prgramming. 5. SIMULAN. ermasalahan MANU (Mdule Allcatin rblem with Nn-Unifrm cmmunicatin cst dapat diselesaikan dengan metde linear prgramming dan Quadratic rgramming dimana masing-masing 53

6 SISFO-Jurnal Sistem Infrmasi metde mempunyai biaya kmputasi yang berbeda. 2. Metde quadratik prgramming lebih ptimal untuk biaya kmputasinal dari pada metde linear prgramming. 3. Dilihat dari segi gap dan cpu yang dihasilkan, metde quadratik prgramming lebih bagus dari pada metde linear prgramming. Hal ini dapat dilihat dari selisih gap sebesar 32.6% dan selisih CU sebesar 3 % 6. DAFAR USAKA A. Billinnet and S. Ellumi Best reductin f the quadratic semi-assignment prblem. DAMAH: Discrete Applied Mathematics and Cmbinatrial Operatins Research and Cmputer Science, 09:97 23, 200. A. Billinnet, S. Ellumi, and M.C. lateau Cnve quadratic prgramming fr eact slutin f 0- quadratic prgrams. echnical Reprt 000, CEDRIC. A. Billinnet and E. Sutif. Using a mied integer prgramming tl fr slving the 0- quadratic knapsack prblem. Frthcming in INFORMS Jurnal n Cmputing. W. Fernandez de la Vega and M.Lamari he task allcatin prblem with cnstant cmmunicatin. Discrete Applied Mathematics, In ress. S. Ellumi. he task assignment prblem, a library f instances. [Online], Available at: <ht://cedric.cnam.fr/c/a/a.html> Wikipedia. Very Large Scale Integratin. [Online], <ht://en.wikipedia.rg/wiki/very-largescale_integratin>. Wikipedia. Linear rgramming. [Online], <ht://en.wikipedia.rg/wiki/linear_rgramm ing>. Wikipedia. Cnve Optimizatin. [Online], <ht://en.wikipedia.rg/wiki/cnve_ptimizat in>. Wikipedia. Quadratic rgramming. [Online], <ht://en.wikipedia.rg/wiki/quadratic_prgra mming>. 54

BAB 2 LANDASAN TEORI. Sejak komputer ditemukan, para peneliti telah berpikir adakah kemungkinan agar

BAB 2 LANDASAN TEORI. Sejak komputer ditemukan, para peneliti telah berpikir adakah kemungkinan agar BAB 2 LANDASAN TEORI 2.1 Machine Learning Sejak kmputer ditemukan, para peneliti telah berpikir adakah kemungkinan agar kmputer dapat belajar. Jika kita mengerti bagaimana cara memprgram kmputer agar mereka

Lebih terperinci

5. Kinerja. 6. Tipe Fisik. 7. Karakteristik Fisik. 8. Organisasi

5. Kinerja. 6. Tipe Fisik. 7. Karakteristik Fisik. 8. Organisasi Arsitektur Sistem Kmputer MEMORI Memri adalah bagian dari kmputer tempat prgram prgram dan data data disimpan. Istilah stre atau strage untuk memri, meskipun kata strage sering digunakan untuk menunjuk

Lebih terperinci

OPTIMASI PEMROGRAMAN KUADRATIK KONVEKS DENGAN MENGGUNAKAN METODE PRIMAL-DUAL PATH-FOLLOWING

OPTIMASI PEMROGRAMAN KUADRATIK KONVEKS DENGAN MENGGUNAKAN METODE PRIMAL-DUAL PATH-FOLLOWING OPIMASI PEMROGRAMAN KUADRAIK KONVEKS DENGAN MENGGUNAKAN MEODE PRIMAL-DUAL PAH-FOLLOWING Raras yasnurita ), Wiwik Anggraeni ), Rully Soelaiman 3) ) Jurusan Sistem Informasi 3) Jurusan eknik Informatika

Lebih terperinci

BAB 2. LANDASAN TEORI dan KERANGKA PEMIKIRAN

BAB 2. LANDASAN TEORI dan KERANGKA PEMIKIRAN 6 BAB 2 LANDASAN TEORI dan KERANGKA PEMIKIRAN 2.1 Riset Operasi Sejak revlusi industri, dunia usaha mengalami perubahan dalam hal ukuran (besarnya) dan kmpleksitas rganisasi-rganisasi perusahaan. Bagian

Lebih terperinci

KOMBINASI PERSYARATAN KARUSH KUHN TUCKER DAN METODE BRANCH AND BOUND PADA PEMROGRAMAN KUADRATIK KONVEKS BILANGAN BULAT MURNI

KOMBINASI PERSYARATAN KARUSH KUHN TUCKER DAN METODE BRANCH AND BOUND PADA PEMROGRAMAN KUADRATIK KONVEKS BILANGAN BULAT MURNI Jurnal LOG!K@ Jilid 7 No 1 2017 Hal 52-60 ISSN 1978 8568 KOMBINASI PERSYARATAN KARUSH KUHN TUCKER DAN METODE BRANCH AND BOUND PADA PEMROGRAMAN KUADRATIK KONVEKS BILANGAN BULAT MURNI Khoerunisa dan Muhaza

Lebih terperinci

KOMPUTASI PARALEL ASINKRON PADA JARINGAN SARAF TIRUAN

KOMPUTASI PARALEL ASINKRON PADA JARINGAN SARAF TIRUAN Seminar asinal Aplikasi Teknlgi Infrmasi 28 (SATI 28) ISS: 197-22 KOMUTASI ARALEL ASIKRO ADA JARIGA SARAF TIRUA Agus Virgn Departemen Teknik Elektr rdi Teknik Kmputer Institut Teknlgi Telkm Jl. Telekmunikasi

Lebih terperinci

Naskah Tutorial. QM for Windows. Budi Harsanto, MM. 0 P a g e

Naskah Tutorial. QM for Windows. Budi Harsanto, MM. 0 P a g e Naskah Tutrial QM fr Windws Budi Harsant, MM 0 P a g e Daftar Isi Kata Pengantar... 2 Pendahuluan... 3 Metde Kuantitatif untuk Bisnis... 3 Sekilas QM fr Windws... 3 Instalasi QM fr Windws... 5 Spesifikasi

Lebih terperinci

BAB 1 PENDAHULUAN. ini akan semakin tinggi.apalagi pada tahun ini terjadi kenaikan harga bahan bakar

BAB 1 PENDAHULUAN. ini akan semakin tinggi.apalagi pada tahun ini terjadi kenaikan harga bahan bakar 1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Persaingan dalam dunia usaha akan selalu terjadi bahkan peningkatan persaingan ini akan semakin tinggi.apalagi pada tahun ini terjadi kenaikan harga bahan bakar

Lebih terperinci

Modifikasi Motif Kain Tradisional Menggunakan Cellular Automata

Modifikasi Motif Kain Tradisional Menggunakan Cellular Automata Mdifikasi Mtif Kain Tradisinal Menggunakan Cellular Autmata Purba Daru Kusuma Prgram Studi Sistem Kmputer Universitas Telkm Bandung, Indnesia purbdaru@gmail.cm Abstrak Metde cellular autmata telah diimplementasikan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Pengertian Dasar Penjadwalan Prduksi Lading dan Scheduling merupakan salah satu pin dalan fungsi dan kegiatan pengawasan prduksi. Pemuatan (Lading) mempunyai

Lebih terperinci

SILABUS PEMBELAJARAN

SILABUS PEMBELAJARAN SILABUS PEMBELAJARAN Nama Seklah... Mata Pelajaran MATEMATIKA Kelas/Prgram XII / IPA Semester 1 STANDAR KOMPETENSI 1. Menggunakan knsep integral dalam pemecahan masalah. Dasar Dan Karakter Kegiatan Penilaian

Lebih terperinci

BAB II KAJIAN PUSTAKA. Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan,

BAB II KAJIAN PUSTAKA. Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan, BAB II KAJIAN PUSTAKA Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan, pemrograman linear, metode simpleks, teorema dualitas, pemrograman nonlinear, persyaratan karush kuhn

Lebih terperinci

Studi Pohon Steiner dan Penggunaannya dalam Perancangan Chip dan Jaringan

Studi Pohon Steiner dan Penggunaannya dalam Perancangan Chip dan Jaringan Studi Phn Steiner dan Penggunaannya dalam Perancangan Chip dan Jaringan Samuel Simn NIM: 15060 Prgram Studi Teknik Infrmatika ITB, Bandung Email: if160@students.if.itb.ac.id Abstrak Makalah ini membahas

Lebih terperinci

PENGATURAN KAPASITAS PEMBANGKIT TERMAL SAAT TERJADI GANGGUAN BEBAN MINIMUM MENGGUNAKAN METODE UNIT COMMITMENT

PENGATURAN KAPASITAS PEMBANGKIT TERMAL SAAT TERJADI GANGGUAN BEBAN MINIMUM MENGGUNAKAN METODE UNIT COMMITMENT JURNAL TEKNIKA Fakultas Teknik UNESA, Vl. 7, N., Februari 2006: 2-9 ENGATURAN KAASITAS EMBANGKIT TERMAL SAAT TERJADI GANGGUAN BEBAN MINIMUM MENGGUNAKAN METODE UNIT COMMITMENT Gatt Widd Jurusan Teknik Elektr

Lebih terperinci

BAB II KAJIAN PUSTAKA. pemrograman nonlinear, fungsi konveks dan konkaf, pengali lagrange, dan

BAB II KAJIAN PUSTAKA. pemrograman nonlinear, fungsi konveks dan konkaf, pengali lagrange, dan BAB II KAJIAN PUSTAKA Kajian pustaka pada bab ini akan membahas tentang pengertian dan penjelasan yang berkaitan dengan fungsi, turunan parsial, pemrograman linear, pemrograman nonlinear, fungsi konveks

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM. Berdasarkan System Development Life Cycle (SDLC) metode waterfall yang

BAB III ANALISIS DAN PERANCANGAN SISTEM. Berdasarkan System Development Life Cycle (SDLC) metode waterfall yang BAB III ANALISIS DAN PERANCANGAN SISTEM Berdasarkan System Develpment Life Cycle (SDLC) metde waterfall yang digunakan dalam pembuatan aplikasi penentuan harga jual, terdapat beberapa tahapan yang terdiri

Lebih terperinci

BAB 4. ANALISIS dan PEMBAHASAN

BAB 4. ANALISIS dan PEMBAHASAN BAB 4 ANALISIS dan PEMBAHASAN 4.1 Prfil Perusahaan PT. Megah Lestar Packind adalah perusahaan yang bergerak di bidang Percetakan kardus yang mulai berdiri sejak 9 Maret 1988 dengan lkasi yang bertempat

Lebih terperinci

DESAIN FUZZY STATE MACHINE UNTUK MENGHASILKAN VARIASI RESPON NPC (NON-PLAYABLE CHARACTER) PADA SEBUAH GAME

DESAIN FUZZY STATE MACHINE UNTUK MENGHASILKAN VARIASI RESPON NPC (NON-PLAYABLE CHARACTER) PADA SEBUAH GAME DESAIN FUZZY STATE MACHINE UNTUK MENGHASILKAN VARIASI RESPON NPC (NON-PLAYABLE CHARACTER) PADA SEBUAH GAME Surya Adi Wijaya 1, Susi Juniastuti 2, Supen Mardi SN 3, Mch. Hariadi 4 Pasca Sarjana Jurusan

Lebih terperinci

Kompresi Pohon dengan Kode Prüfer

Kompresi Pohon dengan Kode Prüfer Kmpresi Phn dengan Kde Prüfer Ygi Salm Mangntang Pratama(13511059) 1 Prgram Studi Teknik Infrmatika Seklah Teknik Elektr dan Infrmatika Institut Teknlgi Bandung, Jl. Ganesha 10 Bandung 40132, Indnesia

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP)

GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP) GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP) Matakuliah : Lgika Fuzzy Kde : TSK-710 Teri : 2 sks Praktikum : - Deskripsi Matakuliah Standar Kmpetensi Prgram Studi : Himpunan Fuzzy dan Lgika Fuzzy: mtivasi,

Lebih terperinci

Anggaran Berbasis Kinerja

Anggaran Berbasis Kinerja Anggaran Berbasis Kinerja Sebelum berlakunya sistem Anggaran Berbasis Kinerja, metde penganggaran yang digunakan adalah metda tradisinal atau item line budget. Cara penyusunan anggaran ini tidak didasarkan

Lebih terperinci

BAB 1 Pengenalan Pemrograman Komputer

BAB 1 Pengenalan Pemrograman Komputer BAB 1 Pengenalan Pemrgraman Kmputer 1.1 Tujuan Bagian ini akan membahas dasar dasar kmpnen dari kmputer meliputi hardware (perangkat keras) dan sftware (perangkat lunak). Kami juga akan menyertakan gambaran

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA A. Efektivitas Efektivitas berasal dari kata efektif, yang merupakan kata serapan dari bahasa Inggris yaitu effective yang artinya berhasil. Menurut kamus ilmiah popular, efektivitas

Lebih terperinci

Implementasi Algoritma Genetika Dalam Menyelesaikan Sebuah Persoalan Anagram Scrabble

Implementasi Algoritma Genetika Dalam Menyelesaikan Sebuah Persoalan Anagram Scrabble Implementasi Genetika Dalam Menyelesaikan Sebuah Persalan Anagram Scrabble Mhammad Gilang Kautzar HW Prgram Studi Teknik Infrmatika, Institut Teknlgi Bandung Jl. Ganesha 10, Bandung e-mail: if15101@students.if.itb.ac.id

Lebih terperinci

dan hal-hal apa saja yang terkait di dalamnya. Sehingga setelah menyelesaikan bab ini

dan hal-hal apa saja yang terkait di dalamnya. Sehingga setelah menyelesaikan bab ini BAB I PENDAHULUAN A. Kmpetensi yang diharapkan Bab ini memberikan gambaran menyeluruh secara garis besar mengenai apa itu sistem dinamik dan hal-hal apa saja yang terkait di dalamnya. Sehingga setelah

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP)

GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP) GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP) Matakuliah : Sistem Digital Lanjut Kde : TKC305 Teri : 2 sks Praktikum : 1 sks Deskripsi Matakuliah Standar Kmpetensi Prgram Studi : TKC305 Sistem Digital Lanjut

Lebih terperinci

BAB 1 PENDAHULUAN. Setiap usaha yang didirikan dengan orientasi laba (keuntungan) mempunyai

BAB 1 PENDAHULUAN. Setiap usaha yang didirikan dengan orientasi laba (keuntungan) mempunyai BAB 1 PENDAHULUAN 1.1 Latar Belakang. Setiap usaha yang didirikan dengan rientasi laba (keuntungan) mempunyai tujuan untuk mencapai laba (keuntungan) yang ptimal, sehingga kelangsungan hidup badan usaha

Lebih terperinci

METODE SIMPLEKS DALAM PROGRAM LINIER

METODE SIMPLEKS DALAM PROGRAM LINIER Staf Gunadarma Gunadarma University METODE SIMPLEKS DALAM PROGRAM LINIER Metode Simpleks merupakan salah satu teknik pengambilan keputusan dalam permasalahan yang berkaitan dengan pengalokasian sumber

Lebih terperinci

SILABUS PEMBELAJARAN

SILABUS PEMBELAJARAN SILABUS PEMBELAJARAN Nama Seklah :... Mata Pelajaran : MATEMATIKA Kelas/Prgram : XII / IPS Semester : 1 STANDAR KOMPETENSI: 1. Menggunakan knsep integral dalam pemecahan masalah sederhana. Dasar Kegiatan

Lebih terperinci

BAB 1 PENDAHULUAN. tahun meningkat di seluruh dunia khususnya Indonesia. Internet berfungsi

BAB 1 PENDAHULUAN. tahun meningkat di seluruh dunia khususnya Indonesia. Internet berfungsi BAB 1 PENDAHULUAN 1.1 Latar Belakang Pertumbuhan teknlgi infrmasi khususnya jaringan internet sudah banyak dikenal leh masyarakat secara luas. Penggunaan internet dari tahun ke tahun meningkat di seluruh

Lebih terperinci

METODE SIMPLEKS DALAM PROGRAM LINIER

METODE SIMPLEKS DALAM PROGRAM LINIER METODE SIMPLEKS DALAM PROGRAM LINIER Metode Simpleks merupakan salah satu teknik penyelesaian dalam program linier yang digunakan sebagai teknik pengambilan keputusan dalam permasalahn yang berhubungan

Lebih terperinci

Rumus Microsoft Excel Lengkap Dengan Contoh dan Gambar

Rumus Microsoft Excel Lengkap Dengan Contoh dan Gambar Rumus Micrsft Excel Lengkap Dengan Cnth dan Gambar Jika Anda sering menggunakan aplikasi Micrsft Excel baik yang 2003, 2007 maupun yang versi terbaru, maka pasti Anda sudah tidak asing lagi menggunakan

Lebih terperinci

Teknik Riset Operasi. Oleh : A. AfrinaRamadhani H. Teknik Riset Operasi

Teknik Riset Operasi. Oleh : A. AfrinaRamadhani H. Teknik Riset Operasi Oleh : A. AfrinaRamadhani H. 1 PERTEMUAN 7 2 METODE BIG M Sering kita menemukan bahwa fungsi kendala tidak hanya dibentuk oleh pertidaksamaan tapi juga oleh pertidakasamaan dan/atau persamaan (=). Fungsi

Lebih terperinci

BAB I PENDAHULUAN. PLN, di ganti menjadi kwh meter digital yang dapat memberikan nilai lebih

BAB I PENDAHULUAN. PLN, di ganti menjadi kwh meter digital yang dapat memberikan nilai lebih BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknlgi selalu berkembang setiap saat, ada saja yang dilakukan manusia untuk memberikan kemudahan pada kehidupan sehari-hari. Salah satu cnth kemudahan

Lebih terperinci

BAB I PENDAHULUAN 1.1 REVOLUSI KOMUNIKASI KOMPUTER

BAB I PENDAHULUAN 1.1 REVOLUSI KOMUNIKASI KOMPUTER BAB I PENDAHULUAN 1.1 REVOLUSI KOMUNIKASI KOMPUTER Di tahun 1970-an dan awal 1980-an terlihat perpaduan dari bidang ilmu kmputer dan kmunikasi data yang secara mendalam mengubah teknlgi, prduksi-prduksi

Lebih terperinci

Kecerdasan Buatan/ Artificial Intelligence

Kecerdasan Buatan/ Artificial Intelligence Kecerdasan Buatan/ Artificial Intelligence Knsep Dasar AI Imam Chlissdin, S.Si., M.Km. Pkk Bahasan 1. Apa itu AI/Kecerdasan Buatan? 2. Fndasi AI/Kecerdasan Buatan 3. Sejarah Kecerdasan Buatan 4. AI Saat

Lebih terperinci

APLIKASI TEKNOLOGI GREEN COMPUTING MELALUI OPTIMALISASI KINERJA KOMPUTER

APLIKASI TEKNOLOGI GREEN COMPUTING MELALUI OPTIMALISASI KINERJA KOMPUTER APLIKASI TEKNOLOGI GREEN COMPUTING MELALUI OPTIMALISASI KINERJA KOMPUTER Hidayatulah Himawan Jurusan Teknik Infrmatika UPN Veteran Ygyakarta Jl. Babarsari 2 Tambakbayan 55281 Telp (0274) 485323 Email :

Lebih terperinci

I. PENDAHULUAN II. DASAR TEORI

I. PENDAHULUAN II. DASAR TEORI Penandaan Citra dengan menggunakan Elliptic Curve Digital Signature Algrithm Jrdan Fernand / 13510069 1 Studi Teknik Infrmatika Seklah Teknik Elektr dan Infrmatika Institut Teknlgi Bandung, Jl. Ganesha

Lebih terperinci

LATAR BELAKANG PRINSIP AGILE SOFTWARE DEVELOPMENT

LATAR BELAKANG PRINSIP AGILE SOFTWARE DEVELOPMENT LATAR BELAKANG Agile Sftware develpment adalah salah satu metdlgi dalam pengembangan sebuah perangkat lunak. Kata Agile berarti bersifat cepat, ringan, bebas bergerak, waspada. Kata ini digunakan sebagai

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Pengenalan Algoritma dan Pemrograman

BAB I PENDAHULUAN. 1.1 Pengenalan Algoritma dan Pemrograman BAB I PENDAHULUAN 1.1 Pengenalan Algritma dan Pemrgraman A. Tujuan Pembelajaran Mahasiswa mengenal definisi algritma dan pemrgraman Mahasiswa mengenal knsep dasar pemetaan algritma ke dalam bahasa algritmik.

Lebih terperinci

JULIO ADISANTOSO - ILKOM IPB 1

JULIO ADISANTOSO - ILKOM IPB 1 KOM341 Temu Kembali Infrmasi Prses Temu-Kembali KULIAH #6 Relevance feedback Query epansin 2 Cnth regan Relevance feedback: user memberi feedback pada dkumen hasil yang dianggap relevan User memberikan

Lebih terperinci

Teknik Informatika S1

Teknik Informatika S1 Teknik Infrmatika S1 Object Oriented Analysis and Design Pendahuluan Disusun Oleh: Egia Rsi Subhiyakt, M.Km, M.CS Teknik Infrmatika UDINUS egia@dsn.dinus.ac.id +6285740278021 AGENDA PERKULIAHAN Kntrak

Lebih terperinci

Penerapan Algoritma Backtracking dalam Permainan Futoshiki Puzzle

Penerapan Algoritma Backtracking dalam Permainan Futoshiki Puzzle Penerapan Algritma Backtracking dalam Permainan Futshiki Puzzle Juli Savigny, 13513084 Prgram Studi Teknik Infrmatika Seklah Teknik Elektr dan Infrmatika Institut Teknlgi Bandung, Jl. Ganesha 10 Bandung

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Optimasi Menurut Nash dan Sofer (1996), optimasi adalah sarana untuk mengekspresikan model matematika yang bertujuan memecahkan masalah dengan cara terbaik. Untuk tujuan bisnis,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan mengenai teori teori yang berhubungan dengan pembahasan ini sehingga dapat dijadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan

Lebih terperinci

Persamaan Trigonometri

Persamaan Trigonometri Page f Kegiatan Belajar A. Tujuan Pembelajaran Setelah mempelajari kegiatan belajar, diharapkan siswa dapat a. Menentukan penyelesaian persamaan trignmetri b. Menentukan himpunan penyelesaian pertidaksamaan

Lebih terperinci

Kalkulasi Bantuan Korban Bencana Alam Menggunakan Sistem Pakar (Help Victims Of Natural Disasters Calculation Using Expert System)

Kalkulasi Bantuan Korban Bencana Alam Menggunakan Sistem Pakar (Help Victims Of Natural Disasters Calculation Using Expert System) Kalkulasi Bantuan Krban Bencana Alam Menggunakan Sistem Pakar (Help Victims Of Natural Disasters Calculatin Using Expert System) Khtimul Anwar 1), Hindayati Mustafidah 2) 12 Prgram Studi Teknik Infrmatika

Lebih terperinci

LESSON 5 : INFORMED SEARCH Part I

LESSON 5 : INFORMED SEARCH Part I LESSON 5 : INFORMED SEARCH Part I 3.1 Pengantar Kita telah menunjukan beberapa metda pencarian yang berbeda. Di bagian bagian awal bab ini kita telah menunjukan beberapa metde pencarian buta (blind search).

Lebih terperinci

. IMPLEMENTASI MATRIKS PADA MATEMATIKA BISNIS DAN EKONOMI

. IMPLEMENTASI MATRIKS PADA MATEMATIKA BISNIS DAN EKONOMI Techn.COM, Vl. JJ, N.2, Mei 2012: 74-81. IMPLEMENTASI MATRIKS PADA MATEMATIKA BISNIS DAN EKONOMI Yuniarsi Rahayu'), Bw Nurhadiyn') l,l)p,.gram Sludi Teknik Infrmatika, Falrultas Ilmu Kmputer Universitas

Lebih terperinci

BAB 3. TINJAUAN PROFESI DI BIDANG TEKNOLOGI INFORMASI

BAB 3. TINJAUAN PROFESI DI BIDANG TEKNOLOGI INFORMASI ETIKA PROFESI : Etika dan Prfesinalisme Pekerja di Bidang Teknlgi Infrmasi BAB 3. TINJAUAN PROFESI DI BIDANG TEKNOLOGI INFORMASI K utipan di samping adalah jawaban familiar yang diberikan Sebuah leh I

Lebih terperinci

Kisah panjang perjalanan kartu grafik yang akhirnya memiliki banyak istilah panggilan, seperti :

Kisah panjang perjalanan kartu grafik yang akhirnya memiliki banyak istilah panggilan, seperti : 4. Kartu Grafik Obyektif : Pengenalan Sejarah dan Standarisasi Cara Kerja Kmpnen Kinerja Memry Kmputer masa kini mengandalkan pada kemampuan grafik. Seperti cnth, anda sering menggunakan kmputer untuk

Lebih terperinci

ANALISA REWORK PADA KEGIATAN KONSTRUKSI PROYEK LOW RISE BUILDING DI PAKUWON CITY, SURABAYA TIMUR

ANALISA REWORK PADA KEGIATAN KONSTRUKSI PROYEK LOW RISE BUILDING DI PAKUWON CITY, SURABAYA TIMUR ANALISA REWORK PADA KEGIATAN KONSTRUKSI PROYEK LOW RISE BUILDING DI PAKUWON CITY, SURABAYA TIMUR Handaru Witjaksana dan Tri Jk Wahyu Adi Prgram Studi Magister Manajemen Teknlgi Bidang Keahlian Manajemen

Lebih terperinci

Software Requirement (Persyaratan PL)

Software Requirement (Persyaratan PL) Sftware Requirement ( PL) Arna Fariza 1 Rekayasa Perangkat Lunak Tujuan Memperkenalkan knsep persyaratan user dan sistem Menjelaskan persyaratan fungsinal dan nnfungsinal Menjelaskan bagaimana persyaratan

Lebih terperinci

( ) ( ) ( ) ( ) maka ( ) ( ) Dikembalikan ke bentuk pertidaksamaan kuadrat

( ) ( ) ( ) ( ) maka ( ) ( ) Dikembalikan ke bentuk pertidaksamaan kuadrat Penjabaran SKL Matematika IPA N Unit Tpik Materi Prediksi Sal. Aljabar Pangkat, akar Pangkat Lgaritma Menyederhanakan bentuk pangkat Negatif ke psitif Bulat, pecah Menghitung hasil perasi bentuk pangkat

Lebih terperinci

2. Genesis Proyek Konsep kerja manajemen proyek

2. Genesis Proyek Konsep kerja manajemen proyek 2. Genesis Pryek 2.1. Knsep kerja manajemen pryek Di dalam manajemen pryek terdapat bagian-bagian penyusun knsep kerja (framewrks) yang digunakan untuk memahami knsep manajemen pryek secara keseluruhan

Lebih terperinci

Kecerdasan Buatan (Artificial Intelligence)

Kecerdasan Buatan (Artificial Intelligence) Knsep Dasar AI Kecerdasan Buatan (Artificial Intelligence) Ign.F.Bayu Andr.S, M.km 25/04/2014 bayuandr.cm 1 Pkk Bahasan 1. Sejarah Kecerdasan Buatan 2. Apa itu AI / Kecerdasan Buatan 3. Fndasi AI / Kecerdasan

Lebih terperinci

MATEMATIKA 3: 1: PENDAHULUAN. Lecturers : Ir. Bachtiar Kurniawan Course : Aeronautical Engineering

MATEMATIKA 3: 1: PENDAHULUAN. Lecturers : Ir. Bachtiar Kurniawan Course : Aeronautical Engineering 1 MATEMATIKA 3: 1: PENDAHULUAN Lecturers : Ir. Bachtiar Kurniawan Curse : Aernautical Engineering Reference(s) 2 Kreizig, Erwin, Advanced Engineering Mathematics, 9 th Editin, Jn Wiley and Sns, Inc. Purcell,

Lebih terperinci

E-journal Teknik Informatika, Volume 5, No. 1 (2015), ISSN :

E-journal Teknik Informatika, Volume 5, No. 1 (2015), ISSN : E-jurnal Teknik Infrmatika, Vlume 5, N. 1 (2015), ISSN : 2301-8364 1 SISTEM PENDUKUNG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION DI UNIVERSITAS

Lebih terperinci

PENGGUNAAN ALGORITMA GREEDY PADA PERMAINAN CAPSA SUSUN

PENGGUNAAN ALGORITMA GREEDY PADA PERMAINAN CAPSA SUSUN PENGGUNAAN ALGORITMA GREEDY PADA PERMAINAN CAPSA SUSUN Calvin Irwan 13507010 Prgram Studi Teknik Infrmatika Seklah Teknik Elektr dan Infrmatika Institut Teknlgi Bandung, Jl. Ganesha 10 Bandung 40132, Indnesia

Lebih terperinci

TEMA Get rich your ICT (Information, Computer and Technology) skills and knowledge for better life and future

TEMA Get rich your ICT (Information, Computer and Technology) skills and knowledge for better life and future Jl. Sisingamanaraja, Sitluama, Lagubti, Tba Samsir. Telp : +62-632-331234. Fax: +62-632-331116 TEMA Get rich yur ICT (Infrmatin, Cmputer and Technlgy) skills and knwledge fr better life and future DESKRIPSI

Lebih terperinci

Sistem Pendukung Keputusan untuk Investasi Perumahan Area Malang Menggunakan Algoritma Bayesian

Sistem Pendukung Keputusan untuk Investasi Perumahan Area Malang Menggunakan Algoritma Bayesian 13 Sistem Pendukung Keputusan untuk Investasi Perumahan Area Malang Menggunakan Algritma Bayesian Mhammad Taufan AZ, Sunary dan Wijn Abstrak Faktr yang menjadi pertimbangan dalam menentukan keputusan untuk

Lebih terperinci

BAB 1 PENDAHULUAN. tersebut harus terhubung dengan telepon rumah. Hal ini dikenal dengan Dial-Up

BAB 1 PENDAHULUAN. tersebut harus terhubung dengan telepon rumah. Hal ini dikenal dengan Dial-Up BAB 1 PENDAHULUAN 1.1 Latar Belakang Dewasa ini teknlgi infrmasi berkembang dengan sangat pesat. Bisa dibayangkan bahwa beberapa tahun yang lalu untuk dapat bisa menikmati internet para pengguna harus

Lebih terperinci

Dalam menentukan harga setiap usaha mungkin memiliki strategi yang berbeda-beda. Namun

Dalam menentukan harga setiap usaha mungkin memiliki strategi yang berbeda-beda. Namun CHAPTER V Harga menurut Philip Ktler (2001 : 439) ialah sebagai berikut, charged fr a prduct r service. Mre bradly, price is the sum f all the value that cnsumer exchange fr the benefits f having r using.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Zaman yang semakin berkembang membuat persoalan semakin kompleks, tidak terkecuali persoalan yang melibatkan persoalan matematika. Dalam pemecahannya, matematika memegang

Lebih terperinci

EVALUASI KINERJA AQUEOUS AMMONIA PLANT (STUDI DESKRIPTIF DI PABRIK PUPUK)

EVALUASI KINERJA AQUEOUS AMMONIA PLANT (STUDI DESKRIPTIF DI PABRIK PUPUK) EVALUASI KINERJA AQUEOUS AMMONIA PLANT (STUDI DESKRIPTIF DI PABRIK PUPUK) Nur Aida Amalia, Nurul Syefira Fatayatunnajmah, Bintang Iwhan Mehady Jurusan Teknik Kimia, Pliteknik Negeri Bandung, Bandung 40012

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM. menggunakan model waterfall. Pada model waterfall terdapat tahapan analisis

BAB III ANALISIS DAN PERANCANGAN SISTEM. menggunakan model waterfall. Pada model waterfall terdapat tahapan analisis BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Pada tahapan ini dilakukan beberapa prses yang berhubungan dengan tahapan awal metde penelitian. Pada metde penelitian yang diambil menggunakan

Lebih terperinci

PERTEMUAN. Modul I/O. 1. Komponen-komponen Komputer SEPERTI : CENTRAL PROCESSING UNIT MEMORY. memory

PERTEMUAN. Modul I/O. 1. Komponen-komponen Komputer SEPERTI : CENTRAL PROCESSING UNIT MEMORY. memory CPU 1. Kmpnen-kmpnen Kmputer memry PERTEMUAN MAR MBR : Instruksi Instruksi : I/O AR I/O BR Mdul I/O Buffer Data Data 1 2 CENTRAL PROCESSING UNIT CPU umumnya berada dalam kntrl CPU bertukar data dengan

Lebih terperinci

DESAI EVALU IMPLEM BAB I PENDAHULUAN

DESAI EVALU IMPLEM BAB I PENDAHULUAN BAB I PENDAHULUAN Pertemuan ke : 1 Alkasi waktu : 0,5 Jam Kmpetensi dasar : 1. Mahasiswa mampu memahami pentingnya mempelajari perancangan antarmuka pengguna. Indikatr : 1. Menuliskan dan menjelaskan knsep

Lebih terperinci

Fungsi kendala tidak hanya dibentuk oleh pertidaksamaan tetapi juga oleh pertidaksamaan dan/atau persamaan =. Fungsi kendala dengan pertidaksamaan

Fungsi kendala tidak hanya dibentuk oleh pertidaksamaan tetapi juga oleh pertidaksamaan dan/atau persamaan =. Fungsi kendala dengan pertidaksamaan Fungsi kendala tidak hanya dibentuk oleh pertidaksamaan tetapi juga oleh pertidaksamaan dan/atau persamaan =. Fungsi kendala dengan pertidaksamaan mempunyai variabel surplus, tidak ada variabel slack.

Lebih terperinci

PENGENDALIAN KUALITAS PRODUK DENGAN PENDEKATAN MODEL SQC (STATISTICAL QUALITY CONTROL) (APLIKASI MODEL PADA PERUSAHAAN FURNITURE)

PENGENDALIAN KUALITAS PRODUK DENGAN PENDEKATAN MODEL SQC (STATISTICAL QUALITY CONTROL) (APLIKASI MODEL PADA PERUSAHAAN FURNITURE) PENGENDALIAN KUALITAS PRODUK DENGAN PENDEKATAN MODEL SQC (STATISTICAL QUALITY CONTROL) (APLIKASI MODEL PADA PERUSAHAAN FURNITURE) Sutrisn Badri, Rmadhn Prgram Studi Manajemen Fakultas Eknmi-Universitas

Lebih terperinci

PEMBUATAN APLIKASI PEMINDAI UANG KERTAS DENGAN ALGORITMA VIOLA-JONES

PEMBUATAN APLIKASI PEMINDAI UANG KERTAS DENGAN ALGORITMA VIOLA-JONES Seminar Nasinal Teknlgi Infrmasi dan Multimedia 2016 PEMBUATAN APLIKASI PEMINDAI UANG KERTAS DENGAN ALGORITMA VIOLA-JONES Sidik Hadi Kurniadi1), Akhmad Adi Edvant2) 1), 2) Teknik Infrmatika STMIK AMIKOM

Lebih terperinci

PEMBUATAN PROTOTIPE APLIKASI WEB SERVICES BERBASIS XML MENGGUNAKAN TEKNOLOGI J2EE DENGAN STUDI KASUS RESERVASI HOTEL

PEMBUATAN PROTOTIPE APLIKASI WEB SERVICES BERBASIS XML MENGGUNAKAN TEKNOLOGI J2EE DENGAN STUDI KASUS RESERVASI HOTEL PEMBUATAN PROTOTIPE APLIKASI WEB SERVICES BERBASIS XML MENGGUNAKAN TEKNOLOGI J2EE DENGAN STUDI KASUS RESERVASI HOTEL Isye Arieshanti, Jk Liant B, Waskith Wibisn Jurusan Teknik Infrmatika, Fakultas Teknlgi

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Prttype Menurut Rger S. Pressman (2002) pendekatan prttipe atau prttyping paradigma sangat cck digunakan untuk sistem atau perangkat lunak yang dibangun mengikuti kebutuhan pengguna,

Lebih terperinci

system) yang elemennya terdiri dari hardware, software dan brainware. Ketiga

system) yang elemennya terdiri dari hardware, software dan brainware. Ketiga PENGETAHUAN DASAR KOMPUTER 1. Knsep Kmputer Dari beberapa pendapat tentang definisi kmputer, maka yang disebut dengan kmputer adalah perangkat elektrnik yang dapat menerima masukan (input), dan selanjutnya

Lebih terperinci

RANCANG BANGUN APLIKASI WEB INFORMASI EKSEKUTIF PADA PEMERINTAH KABUPATEN XYZ. Sonny Ariyanto Prabowo

RANCANG BANGUN APLIKASI WEB INFORMASI EKSEKUTIF PADA PEMERINTAH KABUPATEN XYZ. Sonny Ariyanto Prabowo RANCANG BANGUN APLIKASI WEB INFORMASI EKSEKUTIF PADA PEMERINTAH KABUPATEN XYZ Snny Ariyant Prabw 5209100017 Latar Belakang Kebutuhan akan data dan infrmasi pada jaman seperti saat ini memang dapat diglngkan

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI SISTEM KOMPUTER FAKULTAS TEKNIK ELEKTRO TELKOM UNIVERSITY

RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI SISTEM KOMPUTER FAKULTAS TEKNIK ELEKTRO TELKOM UNIVERSITY RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI SISTEM KOMPUTER FAKULTAS TEKNIK ELEKTRO TELKOM UNIVERSITY MATA KULIAH KODE RUMPUN MK BOBOT (SKS) SEMESTER DIREVISI Mikrprsesr dan Antarmuka CEH3B3 Sistem Embedded

Lebih terperinci

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 JURNAL TEKNIK POMITS Vol., No., (23) -6 Pengendalian Rasio Bahan Bakar dan Udara Pada Boiler Menggunakan Metode Kontrol Optimal Linier Quadratic Regulator (LQR) Virtu Adila, Rusdhianto Effendie AK, Eka

Lebih terperinci

DESAIN ALGORITMA DAN SIMULASI ROUTING UNTUK GATEWAY AD HOC WIRELESS NETWORKS

DESAIN ALGORITMA DAN SIMULASI ROUTING UNTUK GATEWAY AD HOC WIRELESS NETWORKS DESAIN ALGORITMA DAN SIMULASI ROUTING UNTUK GATEWAY AD HOC WIRELESS NETWORKS Staff Pengajar Jurusan Pendidikan Teknlgi dan Kejuruan Fakultas Keguruan dan Ilmu Pendidikan Universitas Nusa Cendana, Kupang

Lebih terperinci

TUGAS I SIMULASI SISTEM INDUSTRI

TUGAS I SIMULASI SISTEM INDUSTRI TUGAS I SIMULASI SISTEM INDUSTRI TUGAS DIBUAT UNTUK MEMENUHI MATA KULIAH SIMULASI KOMPUTER DOSEN PENGAMPU: GOENAWAN TRIDJOKO PRIJONO, IR. MT DISUSUN OLEH : MARWAH TIFFANI (080411012) PROGRAM STUDI TEKNIK

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMINDAHAN TUGAS KARYAWAN DENGAN MENGGUNAKAN METODE PROFIE MATCHING (STUDI KASUS: PT. PERKEBUNAN NUSANTARA III MEDAN)

SISTEM PENDUKUNG KEPUTUSAN PEMINDAHAN TUGAS KARYAWAN DENGAN MENGGUNAKAN METODE PROFIE MATCHING (STUDI KASUS: PT. PERKEBUNAN NUSANTARA III MEDAN) elita Infrmatika udi Darma, Vlume : IV, mr:, Agustus ISS : 945 SISEM EDUUG EUUSA EMIDAHA UGAS ARYAWA DEGA MEGGUAA MEODE ROIE MACHIG (SUDI ASUS:. EREUA USAARA III MEDA) Muhammad Ardiansyah Damanik (9775)

Lebih terperinci

Sandi Mustika Dwiyandinda. Fakultas Teknologi Informatika, Universitas Dianuswantoro Semarang.

Sandi Mustika Dwiyandinda. Fakultas Teknologi Informatika, Universitas Dianuswantoro Semarang. SISTEM PEDUKUG KEPUTUSA KEAIKA PAGKAT PADA KEPOLISIA RESOR REMBAG DEGA MEGGUAKA METODE PROFILE MATCHIG DECISIO SUPPORT SYSTEM RAK ICREASE BASED O POLICE RESORT REMBAG WITH USIG MATCHIG PROFILE Sandi Mustika

Lebih terperinci

OPTIMASI (Pemrograman Non Linear)

OPTIMASI (Pemrograman Non Linear) OPTIMASI (Pemrograman Non Linear) 3 SKS PILIHAN Arrival Rince Putri, 013 1 Silabus I. Pendahuluan 1. Perkuliahan: Silabus, Referensi, Penilaian. Pengantar Optimasi 3. Riview Differential Calculus II. Dasar-Dasar

Lebih terperinci

PENCARIAN SOLUSI PEMROGRAMAN NON LINIER MENGGUNAKAN ALGORITMA BRANCH-AND-BOUND

PENCARIAN SOLUSI PEMROGRAMAN NON LINIER MENGGUNAKAN ALGORITMA BRANCH-AND-BOUND Seminar Nasional Aplikasi Teknologi Informasi 009 (SNATI 009) Yogyakarta, 0 Juni 009 ISSN:1907-50 PENCARIAN SOLUSI PEMROGRAMAN NON LINIER MENGGUNAKAN ALGORITMA BRANCH-AND-BOUND Victor Hariadi Jurusan Teknik

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM

BAB III ANALISIS DAN PERANCANGAN SISTEM BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini terlebih dahulu akan dibahas tentang identifikasi permasalahan, analisis permasalahan, slusi permasalahan dan perancangan sistem dalam rancang bangun

Lebih terperinci

STRATEGI PEMBANGUNAN DAERAH DENGAN PENDEKATAN TOTAL FAKTOR PRODUCTIVITY 1) Oleh: Syahrituah Siregar, SE, MA 2)

STRATEGI PEMBANGUNAN DAERAH DENGAN PENDEKATAN TOTAL FAKTOR PRODUCTIVITY 1) Oleh: Syahrituah Siregar, SE, MA 2) STRATEGI PEMBANGUNAN DAERAH DENGAN PENDEKATAN TOTAL FAKTOR PRODUCTIVITY 1) Oleh: Syahrituah Siregar, SE, MA 2) Pendahuluan Secara umum aktivitas pembangunan dilakukan dengan tujuan untuk meningkatkan kesejahteraan

Lebih terperinci

GEMASTIK 2012 Gemastik Pemilik Kegiatan Penyelenggara 1. Piranti Cerdas Deskripsi & Lingkup Kriteria Persyaratan Peserta

GEMASTIK 2012 Gemastik Pemilik Kegiatan Penyelenggara 1. Piranti Cerdas Deskripsi & Lingkup Kriteria Persyaratan Peserta GEMASTIK 2012 Gemastik Gemastik atau Pagelaran Mahasiswa Nasinal bidang Teknlgi Infrmasi dan Kmunikasi Tahun 2012, merupakan prgram Direktrat Penilitian dan Pengabdian kepada Masyarakat (DP2M) DIKTI, sebagai

Lebih terperinci

BAB II TINJAUAN PUSTAKA. operasi yang mampu menyelesaikan masalah optimasi sejak diperkenalkan di

BAB II TINJAUAN PUSTAKA. operasi yang mampu menyelesaikan masalah optimasi sejak diperkenalkan di BAB II TINJAUAN PUSTAKA 2.1 Pemrograman Linier (Linear Programming) Pemrograman linier (linear programming) merupakan salah satu teknik riset operasi yang mampu menyelesaikan masalah optimasi sejak diperkenalkan

Lebih terperinci

PENDAHULUAN. Data dan Informasi. Sistem Informasi. Komponen sistem informasi. Basis data

PENDAHULUAN. Data dan Informasi. Sistem Informasi. Komponen sistem informasi. Basis data UNIVERSITAS UNIVERSAL BATAM 2016 PENDAHULUAN Data dan Infrmasi Data merupakan nilai (value) yang turut merepresentasikan deskripsi dari suatu bjek atau kejadian (event) Infrmasi merupakan hasil dari penglahan

Lebih terperinci

BAB 1 PENDAHULUAN. perusahaan harus dapat meningkatkan kinerja dan perfomansinya agar dapat unggul

BAB 1 PENDAHULUAN. perusahaan harus dapat meningkatkan kinerja dan perfomansinya agar dapat unggul BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknlgi yang semakin maju dan semakin pesat membuat perusahaan harus dapat meningkatkan kinerja dan perfmansinya agar dapat unggul dalam persaingan sekarang

Lebih terperinci

PLC (PROGRAMMABLE LOGIC CONTROLLER) Pengertian

PLC (PROGRAMMABLE LOGIC CONTROLLER) Pengertian PLC (PROGRAMMABLE LOGIC CONTROLLER) Pengertian Prgrammable Lgic Cntrllers (PLC) adalah kmputer elektrnik yang mudah digunakan (user friendly) yang memiliki fungsi kendali untuk berbagai tipe dan tingkat

Lebih terperinci

ANALISIS FAKTOR-FAKTOR DOMINAN UNTUK MENARIK MINAT PEMAIN FUTSAL KE LAPANGAN FUTSAL X BANDUNG

ANALISIS FAKTOR-FAKTOR DOMINAN UNTUK MENARIK MINAT PEMAIN FUTSAL KE LAPANGAN FUTSAL X BANDUNG INDEPT, Vl, N., Oktber 0 ISSN 087-90 ANALISIS FAKTOR-FAKTOR DOMINAN UNTUK MENARIK MINAT PEMAIN FUTSAL KE LAPANGAN FUTSAL X BANDUNG Erlian Supriyant.,ST Dsen Tetap Teknik Industri Universitas Nurtani Bandung

Lebih terperinci

SISTEM INFORMASI BENGKEL (F-POS BENGKEL) KOMPUTER KASIR. Your POS Product & System Solution

SISTEM INFORMASI BENGKEL (F-POS BENGKEL) KOMPUTER KASIR. Your POS Product & System Solution PRODUK PROFILE SISTEM INFORMASI BENGKEL (F-POS BENGKEL) KOMPUTER KASIR Yur POS Prduct & System Slutin I. SEKILAS TENTANG APLIKASI Sistem Infrmasi Bengkel adalah aplikasi kmputer yang dikembangkan khusus

Lebih terperinci

Menentukan Susunan Pengambil Tendangan Penalti dalam Skema Adu Penalti pada Pertandingan Sepak Bola dengan Algoritma Branch and Bound

Menentukan Susunan Pengambil Tendangan Penalti dalam Skema Adu Penalti pada Pertandingan Sepak Bola dengan Algoritma Branch and Bound Menentukan Susunan Pengambil Tendangan Penalti dalam Skema Adu Penalti pada Pertandingan Sepak Bola dengan Algoritma Branch and Bound Ari Pratama Zhorifiandi / 13514039 Program Studi Teknik Informatika

Lebih terperinci

MODUL 1 GEJALA TRANSIEN

MODUL 1 GEJALA TRANSIEN MODUL GEJALA TRANSIEN Pendahuluan. Deskripsi Singkat Bab ini akan membahas tentang kndisi awal kapasitr dan induktr sebagai elemen pasif penyimpan energi.. Manfaat Memahami gejala transien pada elemen

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Program Linier Program linier adalah suatu teknik penyelesaian optimal atas suatu problema keputusan dengan cara menentukan terlebih dahulu fungsi tujuan (memaksimalkan atau meminimalkan)

Lebih terperinci

BAB IV KURIKULUM PROGRAM STUDI

BAB IV KURIKULUM PROGRAM STUDI BAB IV KURIKULUM PROGRAM STUDI 4.1 PRODI MATEMATIKA 4.1.1 Visi Prdi Matematika Menjadi pusat pengkajian dan pengembangan ilmu matematika terkemuka pada tahun 2025 yang mensinergikan ilmu pengetahuan dan

Lebih terperinci

FINGER TRACKING UNTUK INTERAKSI PADA VIRTUAL KEYBOARD

FINGER TRACKING UNTUK INTERAKSI PADA VIRTUAL KEYBOARD FINGER TRACKING UNTUK INTERAKSI PADA VIRTUAL KEYBOARD Raga Mukti Alhaqqi Jurusan Teknik Infrmatika, Nana Ramadijanti, Setiawardhana Pliteknik Elektrnika Negeri Surabaya Institut Teknlgi Sepuluh Npember

Lebih terperinci

PROGRAM STUDI D3 JURUSAN TEKNIK KOMPUTER POLITEKNIK NEGERI SRIWIJAYA PALEMBANG TK Teori Dempster-Shafer Hand On Lab 3 Inteligensi Buatan 100 menit

PROGRAM STUDI D3 JURUSAN TEKNIK KOMPUTER POLITEKNIK NEGERI SRIWIJAYA PALEMBANG TK Teori Dempster-Shafer Hand On Lab 3 Inteligensi Buatan 100 menit Jl Srijaya Negara Bukit Besar Palembang 30139, Telpn : +62711 353414 PROGRAM STUDI D3 JURUSAN TEKNIK KOMPUTER POLITEKNIK NEGERI SRIWIJAYA PALEMBANG TK Teri Dempster-Shafer Hand On Lab 3 Inteligensi Buatan

Lebih terperinci

PENGEMBANGAN SISTEM SMS GATEWAY BERBASIS WEB SERVICE UNTUK PENYEBARAN INFORMASI ANTAR ANGGOTA PERUSAHAAN DENGAN METODE SMS GROUPING

PENGEMBANGAN SISTEM SMS GATEWAY BERBASIS WEB SERVICE UNTUK PENYEBARAN INFORMASI ANTAR ANGGOTA PERUSAHAAN DENGAN METODE SMS GROUPING PENGEMBANGAN SISTEM SMS GATEWAY BERBASIS WEB SERVICE UNTUK PENYEBARAN INFORMASI ANTAR ANGGOTA PERUSAHAAN DENGAN METODE SMS GROUPING Agung Tri Hikmawan Jurusan Sistem Infrmasi, Fakultas Teknlgi Infrmasi

Lebih terperinci

Proses Software. Tujuan

Proses Software. Tujuan Prses Sftware Arna Fariza PENS-ITS 1 Tujuan Memperkenalkan mdel prses sftware Menggambarkan beberapa mdel prses dan kapan digunakan Menggambarkan utline mdel prses untuk rekayasa persyaratan, pengembangan

Lebih terperinci