BAB 2 LANDASAN TEORI. dengan kecerdasan buatan, merupakan suatu proses belajar mengenai cara membuat
|
|
- Iwan Kartawijaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB 2 LANDASAN TEORI 2.1 Kecerdasan Buatan Menurut Rich dan Knight (1991, p1), artificial intelligence atau sering disebut dengan kecerdasan buatan, merupakan suatu proses belajar mengenai cara membuat komputer melakukan hal-hal yang pada saat itu dapat dilakukan lebih baik oleh manusia. Dari pengertian di atas dapat disimpulkan bahwa komputer dapat mengantikan manusia dalam berbagai hal, tetapi bukan dalam semua hal seperti halnya pengambilan keputusan, karena bagaimana pun juga keputusan tetap ada di tangan manusia. Menurut Sri Kusumadewi (2003), kecerdasan buatan jika dibandingkan dengan kecerdasan alami memiliki beberapa keuntungan, antara lain : a. Kecerdasan buatan lebih bersifat permanen dan konsisten, karena kecerdasan alami hanya bergantung kepada ingatan manusia, yang mungkin saja menjadi lupa pada waktu tertentu. Sedangkan kecerdasan buatan bergantung pada sistem komputer dan program dari aplikasi kecerdasan buatan tersebut, sehingga selama aplikasi dan sistem komputer tidak berubah maka kecerdasan buatan tersebut tidak akan berubah. b. Kecerdasan buatan lebih mudah diduplikasi dan disebarkan karena berupa sistem, sehingga dengan mudah memindahkan pengetahuan yang ada pada sistem tersebut dari suatu komputer ke komputer lain. Sedangkan kecerdasan alami sulit diduplikasi karena menyampaikan pengetahuan dari satu orang ke orang lain lebih sulit untuk dilakukan. Selain membutuhkan proses yang 8
2 9 sangat lama, juga diperlukan suatu keahlian khusus untuk menyampaikannya dan tidak semua orang dapat menyampaikan hal yang sama persis dari satu orang ke orang lain. c. Kecerdasan buatan lebih murah dan cepat dibandingkan dengan kecerdasan alami. Menyediakan layanan komputer akan lebih mudah dan lebih murah dibandingkan harus mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu yang lama. d. Kecerdasan buatan dapat didokumentasikan dengan mudah. Keputusan yang dibuat oleh komputer dapat didokumentasikan lebih mudah dengan cara melacak setiap aktivitas dari sistem tersebut. Sedangkan kecerdasan alami sulit didokumentasikan karena manusia selalu berubah dan sulit untuk melacak setiap aktivitas yang berhubungan dengan kasus yang sedang dikerjakan serta membutuhkan waktu lama dalam pelacakan tersebut. Sedangkan kecerdasan alami memiliki beberapa keuntungan sebagai berikut : a. Kercerdasan alami bersifat kreatif yaitu kemampuan untuk berkreasi yang yang melekat pada manusia. Kecerdasan buatan belum mampu berkreasi sendiri. b. Kecerdasan alami memungkinkan manusia untuk menggunakan pengalaman secara langsung. Sedangkan kecerdasan buatan bekerja berdasarkan input yang dimasukkan oleh pengguna dan bentuk dari inputan tersebut berupa kode kode tertentu yang telah ditentukan pada awal pembuatan sistem. Dari dahulu hingga sekarang, kecerdasan buatan terus berkembang pesat dari
3 10 mulai perhitungan sampai dengan pembuatan robot yang intinya kecerdasan buatan adalah membuat komputer lebih cerdas. Sampai sekarang kecerdasan buatan memiliki berbagai macam cabang ilmu seperti expert system, neural network, fuzzy logic dan machine learning. Expert system (sistem pakar) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke dalam komputer agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli (Luger, 2002, p20). Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli. Dengan sistem pakar, orang awam pun dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Sistem pakar memiliki beberapa keuntungan dan kerugian, keuntungan dari sistem pakar antara lain : a. Memungkinkan orang awam dapat mengerjakan pekerjaan yang hanya dapat diselesaikan dengan bantuan para ahli b. Dapat melakukan proses secara berulang secara otomatis c. Menyimpan pengetahuan dan keahlian para pakar yang dijadikan dasar dari pembuatan sistem d. Mampu menyimpan dan mendokumentasikan keahlian para pakar e. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian f. Menghemat waktu dalam proses pengambilan keputusan
4 11 Sedangkan kerugian yang dimiliki oleh sistem pakar yaitu : a. Biaya yang diperlukan untuk membuat dan memelihara sistem pakar yang ada membutuhkan biaya yang cukup mahal b. Sulit untuk dikembangkan karena sulitnya mendapatkan ketersediaan pakar yang ahli di bidangnya Contoh dari sistem pakar adalah alat pendeteksi penyakit dalam bidang kedokteran dimana pengetahuan dokter ditransfer ke dalam komputer oleh programmer sehingga menghasilkan suatu aplikasi yang memiliki kecerdasan hampir setara dengan dokter tersebut. Machine learning digunakan oleh sistem untuk melakukan adaptasi terhadap lingkungan yang berubah-ubah, mendeteksi serta mengekstrapolasi pola - pola (Russel dan Norvig, 2003, p3). Sistem yang dihasilkan dapat secara terus menerus melakukan peningkatan,oleh karena itu meningkatkan efisiensi serta efektivitas. Fuzzy logic dikembangkan oleh Lotfi Zadeh dari University of California. Fuzzy logic merupakan sebuah logika yang memiliki banyak nilai, yang memungkinkan pendefinisian nilai intermediate diantara penilaian yang konfensional seperti ya/tidak benar/salah, hitam/putih. Nilai seperti agak hangat atau sangat dingin dapat diformulasikan secara matematis dan diproses oleh computer. Neuron merupakan sebuah sel pada otak yang berfungsi untuk mengumpulkan, memproses dan penyebaran dari sinyal elektrik. Kemampuan otak untuk memproses informasi digagaskan muncul dari sebuah jaringan (network) dari neuron -neuron tersebut. Untuk alasan tersebut, kecerdasan semu bertujuan untuk membuat jaringan syaraf tiruan (artificial neural network) (Russel dan Norvig, 2003, p736). Neural
5 12 network banyak digunakan dalam aplikasi untuk mengenali pola pada objek, seperti alikasi pengenalan sidik jari, tanda tangan dan pengenalan wajah. Seperti artificial neural network, analogi biologis sedikit banyak juga telah mempengaruhi algoritma machine learning. Algoritma untuk pembelajaran mengikuti proses yang terjadi dalam evolusi yaitu membentuk sebuah populasi dari individu - individu melalui proses survival dari anggota-anggotanya (Luger, 2002, p469). Keampuhan seleksi pada suatu populasi dari individu individu yang bervariasi telah didemonstrasikan oleh pembentukan spesies - spesies baru pada proses evolusi alam. Ini telah dipelajari melalui penelitian - penelitian dalam cellular automata, algoritma genetika, genetic programming dan bentuk-bentuk lain dari komputasi yang mulai berkembang. 2.2 Algoritma Genetika Algoritma genetika merupakan algoritma pencarian yang berdasarkan pada cara kerja seleksi alam dan ilmu genetika (Goldberg, 1989, p1). Algoritma genetika pertama kali dikembangkan oleh John Holland dari Universitas Michigan pada tahun John Holland mengatakan bahwa setiap masalah yang berbentuk adaptasi (alami maupun buatan) dapat diformulasikan dalam terminologi genetika. Algoritma genetika merupakan simulasi dari proses evolusi Darwin dan operasi genetika atas kromosom. Algoritma genetika mengimplementasikan bentuk yang baik, memelihara banyak solusi, membuang solusi yang tidak menjanjikan dan meningkatkan solusi yang baik. Setelah beberapa generasi, solusi yang dihasilkan akan semakin baik kualitasnya (Luger, 2002, p479). Tidak semua solusi yang buruk langsung dibuang, tetapi solusi yang buruk pun dapat memberikan kontribusi untuk solusi yang akan datang dengan bantuan
6 13 operator genetika. Fitness dari suatu individu adalah nilai dari suatu fungsi objektifitas dari suatu individu (Sivanandaman & Deepa, 2008, p56). Untuk menghitung nilai fitness awalnya kromosom harus di-decode pertama dan fungsi objektifnya harus dievaluasi. Fitness tidak hanya diindikasikan untuk suatu solusi yang bagus tapi juga mengkorespondensi bagaimana kromosom mendekati nilai optimal. Tiga tahapan pemecahan masalah algoritma genetika menurut Luger (2002, p470) yaitu : a. Individu yang berpotensi sebagai solusi dari permasalahan tersebut diubah (encode) ke dalam representasi data yang mendukung variasi yang dibutuhkan serta operator seleksi b. Algoritma mating dan mutasi yang menganalogikan aktivitas seksual dari bentuk kehidupan biologis, menghasilkan generasi baru dari individu - individu yang mengkombinasikan fitur - fitur dari orang tua mereka c. Fungsi fitness digunakan untuk menentukan individu-individu mana yang terbaik, yang cocok sebagai solusi atas permasalahan yang diberikan. Prinsip dari GA menurut Jean-Philippe Rennard (2000) adalah : a. Encoding masalah ke string binary b. Buat populasi secara acak yang terdiri dari kolam genetika untuk mewakili sekumpulan solusi yang memungkinkan c. Tentukan nilai fitness untuk tiap subyek yang secara langsung bergantung pada jaraknya ke nilai optimum d. Seleksi subyek yang akan dikawinkan sesuai bagian mereka dalam nilai
7 14 global fitness populasi e. Crossover dan mutasi genom f. Ulangi lagi dari langkah 3 hingga didapat hasil optimum Operator Operator Algoritma Genetika Jalannya algoritma genetika sangat dipengaruhi oleh operator-operator yang digunakan (Marczyk, 2004). Operator-operator itu meliputi pengkodean kromosom, crossover, mutasi dan seleksi. a. Pengkodean kromosom Kromosom merupakan salah satu solusi yang diinginkan dari beberapa solusi yang mungkin ada dan ditulis dalam bentuk kode kode. Tipe pengkodean (encoding) yang sering digunakan adalah string biner. Contoh kromosom yang di-encoding dengan menggunakan string biner : Kromosom A : Kromosom B : Setiap kromosom memiliki satu string biner. Setiap bit dari string ini mewakili karakteristik dari solusi atau dapat juga seluruh kromosom mewakilkan satu angka. Encoding tidak hanya dapat dilakukan dengan string biner tetapi juga dengan bilangan real. b. Seleksi Proses seleksi dilakukan untuk memilih beberapa kromosom berdasarkan fitness value-nya. Kromosom hasil seleksi nantinya akan digunakan sebagai orang tua dalam proses penyilangan dan mutasi. Elitism adalah metode seleksi dimana satu atau lebih kromosom dengan fitness value tertinggi
8 15 langsung disalin ke generasi berikutnya tanpa mengalami manipulasi. Hal ini dilakukan untuk mencegah kromosom - kromosom terbaik hilang karena proses crossover dan mutasi sehingga kualitas generasi berikutnya dapat membaik. c. Crossover (Rekombinasi) Crossover adalah proses pertukaran atau penyilangan satu atau lebih gen antara suatu kromosom dengan kromosom yang lain sehingga menghasilkan dua kromosom baru. Crossover dapat menggunakan representasi biner dan representasi permutasi. Crossover untuk representasi biner memiliki dua cara yaitu one point crossover dan two point crossover. One point crossover adalah penyilangan pada satu titik secara acak yang digambarkan sebagai berikut: Kromosom orang tua : Kromosom A : Kromosom B : Kromosom anak: Kromosom A : Kromosom B : Pada two points crossover akan dipilih dua titik penyilangan secara acak. Dari dua titik penyilangan tersebut, satu titik akan menjadi titik awal penyilangan dan titik lainnya akan menjadi titik akhir penyilangan. Two points crossover digambarkan sebagai berikut:
9 16 Kromosom orang tua: Kromosom A : Kromosom B : Kromosom anak : Kromosom A : Kromosom B : Crossover untuk representasi permutasi yaitu menggunakan order crossover, pada metode ini diambil secara acak bagian kromosom untuk dipertukarkan, tetapi urutan gen yang bukan bagian dari kromosom pertukaran tersebut tetap dijaga urutannya. Berikut ilustrasi dari rekombinasi menggunakan order crossover : Gambar 2.1 Kromosom Awal dan Kromosom Baru Hasil Crossover Pada gambar 2.1, kolom yang berwarna kuning pada kromosom awal dan kromosom baru menunjukan sebagian kromoson yang tidak berubah ketika crossover, tetapi dijadikan sebagai patokan dalam melakukan crossover. Tetapi isi kromosom awal dan kromosom baru berbeda yang terdapat pada kolom kolom berwarna putih. Langkah langkah pembentukan kromosom baru tersebut adalah sebagai berikut :
10 17 Gambar 2.2 Proses Pembentukan Kromosom dengan Metode Order Crossover Pada kromosom awal (kromoson orang tua) dilakukan random untuk mencari bagian yang menjadi gen tetap selama proses pertukaran. Bagian gen yang didapat pada gambar 2.2 ditunjukkan dengan kolom- kolom berwarna kuning. Selanjutnya bagian gen yang ditunjuk dengan warna kolom kuning tersebut akan menjadi bagian gen anak anaknya(kromosom kromosom baru). Kromosom anak 1 berasal dari bagian gen orang tua satu, kromosom anak 2 berasal dari bagian gen orang tua 2.
11 18 Lalu anak 1 disilangkan dengan kromosom orang tua 2, dan anak 2 disilangkan dengan kromosom orang tua 1. Pada gambar 2.2 ditunjukkan dengan panah biru yang saling menyilang. Kromosom anak 1 akan ditambah dengan kromosom orang tua 2, penambahan dimulai dari kolom berwarna biru pada gambar 2.2, setiap kolom diperiksa apakah gen tersebut sudah terdapat pada kromosom anak, apabila ada maka ditandai dengan warna merah dan gen tersebut tidak dimasukkan ke dalam kromosom anak lalu dilanjutkan dengan kolom berikutnya, apabila gen pada kolom berikutnya tidak terdapat gen yang sama pada kromosom anak, maka gen tersebut disalin ke dalam kromosom anak pada kolom berikutnya setelah kolom terisi. Begitu seterusnya sehingga semua kolom anak terisi. Langkah yang sama juga dilakukan untuk pengisian kolom pada kromosom anak 2. Setelah semua kolom terisi maka terbentuklah kromosom baru hasil rekombinasi menggunakan metode order crossover. d. Mutasi Mutasi adalah proses perubahan satu atau lebih gen dalam suatu kromosom. Gen yang akan mengalami mutasi ditentukan secara acak atau mutasi gen (Luger,. 2002, 473). Pada mutasi acak, gen yang mengalami mutasi akan diganti dengan gen lain dimana gen pengganti tersebut dipilih secara acak. Mutasi acak digambarkan sebagai berikut : Kromosom awal : Kromosom hasil mutasi : Mutasi pada representasi permutasi harus menghasilkan kromosom yang dapat digunnakan. Sehingga, proses mutasi dilakukan dengan suatu cara
12 19 tertentu yang menjamin kromosom hasil mutasi tetap dapat digunnakan. Salah satu cara yang digunakan adalah mutasi pertukaran atau lebih dikenal dengan swap mutation. Pada mutasi pertukaran, dipilih dua posisi gen secara acak. Kemudian tukarkan gen pada kedua posisi tersebut. Mutasi pertukaran digambarkan sebagai berikut : Kromosom awal : Kromosom hasil mutasi : Basis Data Basis data (database) adalah kumpulan data yang berelasi secara logika beserta deskripsi data tersebut yang didesain untuk memenuhi kebutuhan informasi dari organisasi (Connolly, 2002). Perangkat lunak yang digunakan untuk memanggil dan memanipulasi kumpulan data tersebut disebut Database Management System (DBMS). DBMS adalah sistem software yang memungkinkan pengguna untuk mendefinisikan, membuat, memelihara database dan menyediakan akses kontrol terhadap database yang bersangkutan. Adapun fasilitas fasilitas yang disediakan DBMS, antara lain : a. Data Definition Language (DDL) Memungkinkan pengguna untuk mendeklarasikan tipe data, struktur dan batasan batasan data (constraint). b. Data Manipulation Language (DML) Memungkinkan pengguna untuk memanipulasi data seperti insert, update, delete dan retrieve data pada database.
13 20 c. Mengontrol akses pada database Kontrol akses pada database meliputi sistem keamanan, sistem integritas data, sistem kontrol konkurensi, sistem kontrol recovery dan katalog hak akses user. d. Mekanisme view Menampilkan data - data yang diperlukan dan digunakan berdasar pada permintaan pengguna (user requirement) Entity Relationship Diagram Entitas adalah kata benda yang mempresentasikan bentuk nyata, misalnya buku, penjual, nasabah, atau sebagai abstraksi seperti pemesanan, rincian pemesanan dan lainnya dalam terminologi softwere engineering. Jadi Entity Relationship Diagram (ERD) adalah diagram yang menunjukkan hubungan antara para entitas. Sebagai contoh hubungan antara entitas karyawan dan mobil dan dinyatakan dalam kotak : Karyawan Mobil Gambar 2.3 Contoh Hubungan Antar Entitas Kardinalitas adalah batasan untuk relationship yang menyatakan berapa banyak entitas mempunyai relasi satu dengan yang lain. Sebagai contoh : Karyawan dapat tidak mempunyai mobil (kardinalitas bernilai 0);
14 21 Karyawan mempunyai 1 mobil (kardinalitas bernilai 1); Karyawan mempunyai lebih dari 1 mobil (kerdinalitas bernilai n). Untuk menentukan berapa banyak, tergantung atas kondisi nyata atau disebut aturan bisnis yang ada. Gambar berikut mengekspresikan hubungan antara seorang karyawan memiliki 0 mobil dan seorang karyawan memiliki banyak mobil: Karyawan Mobil Karyawan memiliki Gambar 2.4 Contoh Hubungan Antar Entitas Menyatakan 0 dan Banyak Gambar berikut mengekspresikan hubungan antara setiap mobil dimiliki oleh satu orang saja Karyawan Karyawan memiliki Mobil Dimiliki oleh Gambar 2.5 Contoh Hubungan Entitas Satu dan 0 atau Banyak 2.4 SQL Server 2000 Structure Query Language (SQL) adalah sebuah contoh dari transform-oriented language atau sebuah bahasa yang didesain untuk menghubungkan dan mentransformasikan input ke output yang dibutuhkan. Sebagai sebuah bahasa, standar
15 22 ISO SQL mempunyai dua komponen utama yaitu Data Definition Language (DDL) dan Data Manipulation Language (DML) (Connolly 2005, p113). SQL Server 2000 adalah Relational Database Managemet Systems (RDBMS) yang menggunakan bahasa Transact SQL (T-SQL) untuk menerima request dari SQL Client atau dari SQL Server 2000 lainnya. RDBMS bertanggung jawab atas konsistensi database, yaitu dengan melakukan hal hal berikut: a. Menjaga hubungan antar data b. Data tersimpan secara konsisten sesuai dengan aturan yang telah didefinisikan dan aturan tersebut tidak terlanggar c. Mampu mengembalikan kondisi database ke posisi dimana pada posisi tersebut database dalam keadaan konsisten, terutama bila di tengah proses transaksi terjadi kegagalan atau crash. Sistem yang mendukung untuk SQL SERVER 2000 dijalankan adalah: a. Kompatibel dengan sistem keamanan dan fasilitas enkripsi dari Windows NT Server dan Windows 2000 b. Layanan data terintegrasi dengan Windows Web Server dan Internet Information Services (ISS) c. Bersama dengan Site Server dapat membentuk situs Web untuk e Commerce
16 23 d. Socket TCP/IP dari SQL SERVER 2000 dapat berkomunikasi dengan Microsoft Proxy Server dan Microsoft Internet Security dan Acceleration Server (ISA Server 2000) 2.5 Penjadwalan Permasalahan penjadwalan merupakan masalah yang rumit karena adanya batasan - batasan terhadap sumber daya yang tersedia (Russel dan Norvig, 2003, p420). Edmund K. Burke, et al mendefinisikan penjadwalan (timetabling) sebagai sebuah set dari serangkaian peristiwa - peristiwa (sebagai contoh: ujian, perkuliahan, penerbangan) terhadap suatu alur waktu, sehingga tidak ada orang atau sumber daya yang berada lebih dari satu lokasi pada waktu yang sama dan terdapat cukup ruang tersedia pada tiap lokasi untuk sejumlah orang yang diharapkan. Permasalahan penjadwalan di lembaga pendidikan khususnya perkuliahan merupakan masalah yang sangat kompleks untuk diselesaikan, karena banyak hal yang perlu dibenahi, seperti halnya pembuatan jadwal yang memiliki banyak komponen seperti mata kuliah yang diajarkan, pengajar, mahasiswa, ruangan yang dipakai, dan waktu pengajaran yang tepat. Semua itu harus disusun secara rapi, dan tidak ada konflik yang terjadi sehingga proses pengajaran dapat berjalan dengan baik. Para proses penyusunan jadwal biasanya dilakukan penyusunan secara manual, sehingga membutuhkan banyak waktu dalam proses penyusunan tersebut apalagi pada universitas berskala besar. Mereka harus mensinkronisasikan antara mata kuliah, pengajar, ruang, waktu, dan mahasiswa. Masalah tersebut pasti terjadi dan terus berulang, yaitu pada saat pergantian semester perkuliahan. Mereka harus menyusun ulang jadwal yang diperlukan untuk proses belajar mengajar pada semester berikutnya,
17 24 karena setiap pergantian semester, jumlah mata kuliah, pelajaran yang akan diajarkan, dan jumlah dosen yang mengajar tidak sama dengan semester sebelumnya. Meskipun rumit untuk skala pendidikan terutama universitas yang memiliki skala yang besar, penjadwalan sangatlah dibutuhkan agar perkuliahan dapat berjalan dengan baik dan terencana sehingga dapat berhasil mencapai tujuan yang ingin dicapai. Dengan kata lain, penjadwalan sangatlah penting karena meskipun sulit dan rumit dalam pembuatannya, penjadwalan harus dibuat secara berkala dan teratur.
OPTIMASI 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 I PENDAHULUAN. kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta
BAB I PENDAHULUAN A. Latar Belakang Matematika adalah cabang ilmu pengetahuan yang dapat digunakan dalam kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta tidak merupakan
Lebih terperinciBAB 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 terperinciRANCANG BANGUN PERANGKAT LUNAK PENJADWALAN PERKULIAHAN MENGGUNAKAN METODE META- HEURISTIK (PENGGABUNGAN METODE ALGORITMA GENETIK DAN TABU SEARCH)
RANCANG BANGUN PERANGKAT LUNAK PENJADWALAN PERKULIAHAN MENGGUNAKAN METODE META- HEURISTIK (PENGGABUNGAN METODE ALGORITMA GENETIK DAN TABU SEARCH) TUGAS AKHIR Disusun Oleh : RIO PRAYOGA SUPRAYANA NPM. 06
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 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 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 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 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 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 terperinciOptimasi Penjadwalan Ujian Menggunakan Algoritma Genetika
Optimasi Penjadwalan Ujian Menggunakan Algoritma Genetika Nia Kurnia Mawaddah Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Jurusan Matematika, FMIPA Universitas Brawijaya, Malang 65145 Abstrak Penjadwalan
Lebih terperinciBAB II TINJAUAN PUSTAKA. Khowarizmi. Algoritma didasarkan pada prinsiup-prinsip Matematika, yang
BAB II TINJAUAN PUSTAKA A. ALGORITMA Algoritma adalah metode langkah demi langkah pemecahan dari suatu masalah. Kata algoritma berasal dari matematikawan Arab ke sembilan, Al- Khowarizmi. Algoritma didasarkan
Lebih terperinciBAB I PENDAHULUAN. sejumlah aktivitas kuliah dan batasan mata kuliah ke dalam slot ruang dan waktu
18 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Penjadwalan merupakan kegiatan administrasi utama di berbagai institusi. Masalah penjadwalan merupakan masalah penugasan sejumlah kegiatan dalam periode
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Pada saat sekarang ini, setiap perusahaan yang ingin tetap bertahan dalam persaingan dengan perusahaan lainnya, harus bisa membuat semua lini proses bisnis perusahaan tersebut
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 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 terperinciSISTEM BASIS DATA. Pendahuluan. Gentisya Tri Mardiani, S.Kom.,M.Kom
SISTEM BASIS DATA Pendahuluan Gentisya Tri Mardiani, S.Kom.,M.Kom Sistem Basis Data Sistem Basis Data merupakan suatu sistem yang terdiri dari kumpulan file yang saling berhubungan dan memungkinkan dilakukan
Lebih terperinciBAB II LANDASAN TEORI. Tahun 2001 pemilik CV. Tunas Jaya membuka usaha di bidang penjualan dan
BAB II LANDASAN TEORI 2.1 Sejarah Perusahaan Tahun 2001 pemilik CV. Tunas Jaya membuka usaha di bidang penjualan dan pengadaan suku cadang computer. Dalam bidang tersebut diharuskan berbadan hukum PD,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Jadwal Jadwal merupakan pembagian waktu berdasarkan rencana pengaturan urutan kerja, daftar atau rencana kegiatan dengan pembagian waktu pelaksanaan terperinci, sedangkan penjadwalan
Lebih terperinci2 TINJAUAN PUSTAKA. 2.1 Peringkasan Teks
4 2 TINJAUAN PUSTAKA 2.1 Peringkasan Teks Peringkasan teks adalah proses pemampatan teks sumber ke dalam versi lebih pendek namun tetap mempertahankan informasi yang terkandung didalamnya (Barzilay & Elhadad
Lebih terperinciBAB II KAJIAN TEORI. genetika, dan algoritma memetika yang akan digunakan sebagai landasan dalam
BAB II KAJIAN TEORI Pada bab II ini dijelaskan mengenai beberapa teori tentang penjadwalan, penjadwalan kuliah, metode penyelesaian penyusunan jadwal kuliah, algoritma genetika, dan algoritma memetika
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang pesat memberikan banyak kemudahan dalam penyelesaian masalah dan pencapaian hasil kerja yang memuaskan bagi kehidupan manusia. Salah satu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Travelling Salesman Problem (TSP) Travelling Salesmen Problem (TSP) termasuk ke dalam kelas NP hard yang pada umumnya menggunakan pendekatan heuristik untuk mencari solusinya.
Lebih terperinciBAB 1 PENDAHULUAN. satu hal yang sangat dominan dan terjadi dengan sangat pesat. Informasi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era globalisasi ini, perkembangan teknologi informasi sudah merupakan satu hal yang sangat dominan dan terjadi dengan sangat pesat. Informasi merupakan suatu kebutuhan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Fuzzy Local Binary Pattern (FLBP) Fuzzifikasi pada pendekatan LBP meliputi transformasi variabel input menjadi variabel fuzzy, berdasarkan pada sekumpulan fuzzy rule. Dalam
Lebih terperinciBAB III METODE PENELITIAN. Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika
BAB III METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Waktu penelitian dilaksanakan
Lebih terperinciPERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN
PERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN Eva Desiana, M.Kom Pascasarjana Teknik Informatika Universitas Sumatera Utara, SMP Negeri 5 Pematangsianta Jl. Universitas Medan, Jl.
Lebih terperinciPENGANTAR BASIS DATA
PENGANTAR BASIS DATA Obyektif : 1. Menjelaskan perbedaan antara file tradisional dan file manajemen basis data 2. Menjelaskan keuntungan dan kerugian apabila menggunakan file manajemen basis data 3. Memahami
Lebih terperinciBAB I PENDAHULUAN. telah diadopsi untuk mengurangi getaran pada gedung-gedung tinggi dan struktur
BAB I PENDAHULUAN 1.1 Latar Belakang Tuned mass damper (TMD) telah banyak digunakan untuk mengendalikan getaran dalam sistem teknik mesin. Dalam beberapa tahun terakhir teori TMD telah diadopsi untuk mengurangi
Lebih terperinciSISTEM BASIS DATA. Pendahuluan. Gentisya Tri Mardiani, M.Kom
SISTEM BASIS DATA Pendahuluan Gentisya Tri Mardiani, M.Kom Sistem Basis Data Sistem Basis Data merupakan suatu sistem yang terdiri dari kumpulan file yang saling berhubungan dan memungkinkan dilakukan
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 terperinciPengenalan Kecerdasan Buatan (KB)
Pengenalan Kecerdasan Buatan (KB) Pengertian Kecerdasan Buatan VS Kecerdasan Alami Komputasi KB VS Komputasi Konvensional Sejarah KB Lingkup KB Soft Computing Referensi Luger & Stubblefield - bab 1 Sri
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 terperinciBAB II DASAR TEORI. 2.1 Konsep Dasar Sistem Aplikasi Pengertian Sistem. Pengertian sistem adalah kumpulan dari elemen-elemen yang berinteraksi
BAB II DASAR TEORI 2.1 Konsep Dasar Sistem Aplikasi 2.1.1 Pengertian Sistem Pengertian sistem adalah kumpulan dari elemen-elemen yang berinteraksi untuk mencapai suatu tujuan tertentu. Suatu sistem mempunyai
Lebih terperinciPERANCANGAN ALGORITMA GENETIKA UNTUK MENENTUKAN JALUR TERPENDEK. Kata kunci: Algoritma Genetika, Shortest Path Problem, Jalur Terpendek
PERANCANGAN ALGORITMA GENETIKA UNTUK MENENTUKAN JALUR TERPENDEK Fajar Saptono 1, Taufiq Hidayat 2 Laboratorium Pemrograman dan Informatika Teori Jurusan Teknik Informatika, Fakultas Teknologi Industri,
Lebih terperinciSatuan Acara Perkuliahan
Satuan Acara Perkuliahan Mata Kuliah : Sistem Basis Data Kode Mata Kuliah / SKS: KK-1057 / 3 SKS Semester : Ganjil / Genap Dosen : Dini Yuristia, S.T. Hari, jam, ruang : Deskripsi Mata Kuliah Mata kuliah
Lebih terperinciSOAL KUIS. 3. Data aktual yang disimpan pada tiap elemen atau atribute: a. Atribute d. Enterprise b. Data Value e. Tuple c. File
Pertemuan 7 Quiz 1. Kumpulan data yang diorganisir menggunakan metode tertentu sehingga menghasilkan informasi yang berguna bagi pemakainya, pengertian dari: a. Arsip d. Basis Data b. Data e. Sistem c.
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Konsep Umum Optimasi Optimasi merupakan suatu cara untuk menghasilkan suatu bentuk struktur yang aman dalam segi perencanaan dan menghasilkan struktur yang
Lebih terperinciPerancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika
Perancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika Hermawan Andika, S.Kom., M.Kom. Jurusan Teknik Informatika Institut
Lebih 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 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 III. Landasan Teori
BAB III Landasan Teori 3.1. Aplikasi Aplikasi adalah software yang dibuat oleh suatu perusahaan komputer untuk mengerjakan tugas-tugas tertentu, misalnya Microsoft Word, Microsoft Excel (Yazid, 2009:50).
Lebih terperinciBAB III LANDASAN TEORI. organisasi yang pada saat dilaksanakan akan memberikan informasi bagi pengambil
11 BAB III LANDASAN TEORI 3.1 Sistem Informasi Menurut (Ladjamudin, 2005), Sistem informasi adalah sekumpulan prosedur organisasi yang pada saat dilaksanakan akan memberikan informasi bagi pengambil keputusan
Lebih terperinciBAB II LANDASAN TEORI. Data adalah deskripsi tentang benda, kejadian, aktifitas, dan transaksi, yang
9 BAB II LANDASAN TEORI 2.1.1 Pengertian Data Pengertian data adalah : Data adalah deskripsi tentang benda, kejadian, aktifitas, dan transaksi, yang tidak mempunyai makna atau tidak berpengaruh langsung
Lebih terperinciPraktikum Basis Data 2. BAB 1 : Pendahuluan
BAB 1 : Pendahuluan 1.1. Sasaran Memahami fitur-fitur Oracle9i Dapat menjelaskan aspek teori maupun fisik dari database relasional Menggambarkan Implementasi Oracle pada RDBMS dan ORDBMS 1.2. Oracle9i
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Seiring dengan perkembangan pasar modal yang pesat, menuntut investor untuk memiliki banyak strategi dalam berinvestasi. Dalam berinvestasi dituntut untuk selalu mengelola
Lebih terperinciBAB 1 PENDAHULUAN. 1 Randy L Haupt & Sue Ellen Haupt, Practical Genetic Algorithms second edition, Wiley Interscience,2004.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Seseorang salesman tentu akan sangat kesulitan jika harus mengunjungi semua kota sendirian, oleh karena itu dibutuhkan beberapa orang salesman untuk membagi
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 terperinciAlgoritma Genetika dan Penerapannya dalam Mencari Akar Persamaan Polinomial
Algoritma Genetika dan Penerapannya dalam Mencari Akar Persamaan Polinomial Muhammad Abdy* 1, Maya Sari Wahyuni* 2, Nur Ilmi* 3 1,2,3 Jurusan Matematika, Universitas Negeri Makassar e-mail: * 1 m.abdy@unm.ac.id,
Lebih terperinciMenurut Kaplan, AI mempunyai beberapa kelebihan dibandingkan dengan kecerdasan alami
KECERDASAN BUATAN (AI/Artificial Intelligence) Menurut Kaplan, AI mempunyai beberapa kelebihan dibandingkan dengan kecerdasan alami (kecerdasan manusia). Kelebihan AI yaitu : AI lebih bersifat permanent
Lebih terperinciBAB 2 LANDASAN TEORI. utama yaitu komponen, ketergantungan dan tujuan. Artinya, setiap sistem akan selalu
6 BAB 2 LANDASAN TEORI 2.1 Sistem, data dan informasi 2.1.1 Sistem Menurut Fathansyah (2004, p2), kata sistem selalu berkonotasi pada 3 hal utama yaitu komponen, ketergantungan dan tujuan. Artinya, setiap
Lebih terperinciBAB 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era yang semakin maju ini, teknologi telah memegang peranan penting dalam kehidupan manusia sehari-hari, sehingga kemajuannya sangat dinantikan dan dinikmati para
Lebih terperinciPEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 3 No. 1 Hal. 98 106 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL YOSI PUTRI, NARWEN
Lebih 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 III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1 Konsep Dasar Sistem Informasi 3.1.1 Sistem Menurut Sari Murdowati (1998; 1), definisi sistem merupakan sekumpulan komponen terintegrasi untuk mencapai suatu tujuan. Sedangkan
Lebih terperinciBAB 1 PENDAHULUAN. disebut Univesitas Timetabling Problems (UTP). Permasalahan ini dilihat dari sisi
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Penjadwalan perkuliahan merupakan suatu masalah yang sangat kompleks yang sering disebut Univesitas Timetabling Problems (UTP). Permasalahan ini dilihat dari sisi
Lebih terperinciBAB III LANDASAN TEORI. Jasa akan selalu melekat pada sumbernya atau pada penjualnya. Dengan
BAB III LANDASAN TEORI 3.1 Jasa Menurut Kotler (1997:83), jasa adalah setiap tindakan atau kegiatan yang dapat ditawarkan oleh satu pihak kepada pihak lain, yang pada dasarnya tidak berwujud dan tidak
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan skripsi ini. Teori-teori yang dibahas mengenai optimisasi, pengertian penjadwalan,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Penjadwalan Penjadwalan adalah penempatan sumber daya (resource) dalam satu waktu. Penjadwalan mata kuliah merupakan persoalan penjadwalan yang umum dan sulit dimana tujuannya
Lebih terperinciBAB 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 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 III TINJAUAN PUSTAKA
BAB III TINJAUAN PUSTAKA Pada bab ini akan dijelaskan dasar teori yang berhubungan dengan permasalahan yang dibahas dan juga menjelaskan aplikasi yang digunakan pada kerja praktek ini. 1.1 Restoran Menurut
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 terperinciTugas Mata Kuliah E-Bisnis REVIEW TESIS
Tugas Mata Kuliah E-Bisnis REVIEW TESIS Desain Algoritma Genetika Untuk Optimasi Penjadwalan Produksi Meuble Kayu Studi Kasus Pada PT. Sinar Bakti Utama (oleh Fransiska Sidharta dibawah bimbingan Prof.Kudang
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 terperinciPendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner
Vol. 7, 2, 108-117, Januari 2011 Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner Jusmawati Massalesse Abstrak Tulisan ini dimaksudkan untuk memperlihatkan proses
Lebih terperinciBAB I PENDAHULUAN. Penjadwalan merupakan kegiatan yang harus dimiliki oleh setiap
BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan merupakan kegiatan yang harus dimiliki oleh setiap orang untuk dapat membantu dalam melakukan aktivitasnya sehari-hari. Terlebih lagi sebuah instansi atau
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI SKRIPSI
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI
Lebih terperinciBAB II LANDASAN TEORI
17 BAB II LANDASAN TEORI 2.1 Algoritma Dalam matematika dan komputasi, algoritma merupakan kumpulan perintah untuk menyelesaikan suatu masalah. Perintah-perintah ini dapat diterjemahkan secara bertahap
Lebih terperinciPemrosesan data sebelum adanya basis data Perancangan sistemnya masih didasarkan pada kebutuhan individu pemakai, bukan kebutuhan sejumlah pemakai
Basis Data Pemrosesan data sebelum adanya basis data Perancangan sistemnya masih didasarkan pada kebutuhan individu pemakai, bukan kebutuhan sejumlah pemakai Duplikasi data Data yg sama terletak pada
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 II LANDASAN TEORI. 2.1 Algoritma Genetika Dan Rapid Application Development (RAD)
BAB II LANDASAN TEORI 2.1 Algoritma Genetika Dan Rapid Application Development (RAD) 2.1.1 Algoritma Genetika Algoritma ini ditemukan di Universitas Michigan, Amerika Serikat oleh John Holland (1975) melalui
Lebih terperinciBAB III 3 LANDASAN TEORI
BAB III 3 LANDASAN TEORI 3.1 Sistem Informasi Menurut Jogiyanto HM (2003), sistem Informasi merupakan suatu sistem yang tujuannya menghasilkan informasi sebagai suatu sistem, untuk dapat memahami sistem
Lebih terperinciBAB 1 PENDAHULUAN. untuk kesenangan dan kadang-kadang digunakan sebagai sarana pendidikan. Permainan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Permainan atau game adalah suatu struktur kegiatan, yang biasanya dilakukan untuk kesenangan dan kadang-kadang digunakan sebagai sarana pendidikan. Permainan berbeda
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Algoritma
13 BAB 2 LANDASAN TEORI 2.1 Algoritma Dalam matematika dan komputasi, algoritma merupakan kumpulan perintah untuk menyelesaikan suatu masalah. Perintah-perintah ini dapat diterjemahkan secara bertahap
Lebih terperinciPerancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali) I Made Budi Adnyana
Lebih terperinciPENDAHULUAN. Alif Finandhita, S.Kom
PENDAHULUAN SISTEM BASIS DATA Suatu sistem penyusunan dan pengelolaan recordrecord dengan menggunakan komputer, dengan tujuan untuk menyimpan atau merekam serta memelihara data operasional lengkap sebuah
Lebih terperinciAbstrak BAB I PENDAHULUAN
Abstrak Seiring dengan perkembangan jaman, teknologi mengalami perkembangan yang sangat pesat, khususnya dalam bidang komputer sangat membantu manusia dalam melakukan pekerjaan sehingga mendapatkan hasil
Lebih terperinciBAB II LANDASAN TEORI. Evolutionary Algorithm merupakan terminologi umum yang menjadi payung
BAB II LANDASAN TEORI 2.1 Algoritma Genetika Evolutionary Algorithm merupakan terminologi umum yang menjadi payung bagi empat istilah : algoritma genetika (genetic algorithm), pemrograman genetika (genetic
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 terperinciKecerdasan Buatan (Artificial Intelligence) Muhammad Dahria
Kecerdasan Buatan (Artificial Intelligence) Muhammad Dahria Abstrak Kecerdasan Buatan (Artificial Intelligence) merupakan salah satu bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer)
Lebih terperinciBAB III 3. LANDASAN TEORI. manajemen dan individu lain terhadap kejadian-kejadian internal dan eksternal
BAB III 3. LANDASAN TEORI 3.1. Konsep Dasar Sistem Informasi Sistem informasi dapat dikatakan seperti suatu sistem yang terdapat pada suatu organisasi yang merupakan kumpulan dari individu, teknologi,
Lebih terperinciBAB II LANDASAN TEORI. seorang pimpinan atau manajer didalam organisasi untuk mencapai tujuan
BAB II LANDASAN TEORI 2.1 Payment Management Control. Manajemen merupakan proses atau kegiatan yang dilakukan oleh seorang pimpinan atau manajer didalam organisasi untuk mencapai tujuan bersama. Kegiatan
Lebih terperinciLessons. 1. Definisi Basis Data. 2. Sistem Basis Data. 3. Komponen Sistem Basis Data. 4. Abstraksi Data. 5. Bahasa Basis Data
Basis Data 1 Referensi Raghu Ramakrisnan, Gherke, Database Management System, 3rd Edition, McGraw-Hill, 2001. Ramez Elmasri, Sam Navathe, Fundamentals of Database Systems, 4rd Edition, Addison Wesley Publishing
Lebih terperinciBAB III LANDASAN TEORI. aktifitas-aktifitas proyek untuk memenuhi kebutuhan-kebutuhan proyek.
13 BAB III LANDASAN TEORI 3.1 Manajemen Proyek Menurut PMBOK (Project Management Body of Knowledge) dalam buku Budi Santoso (2009:3) manajemen proyek adalah aplikasi pengetahuan (knowledges), keterampilan
Lebih terperinciBAB III LANDASAN TEORI. beberapa pengertian tentang ilmu yang berkaitan dengan permasalahan tersebut.
BAB III LANDASAN TEORI Dalam bab ini akan dijelaskan berbagai macam landasan teori yang digunakan untuk mendukung penyusunan laporan kerja praktek. Landasan teori yang dibahas meliputi permasalahan-permasalahan
Lebih terperinciPENGANTAR BASIS DATA
PENGANTAR BASIS DATA Basis data menyediakan fasilitas atau mempermudah dalam menghasilkan informasi yang digunakan oleh pemakai untuk mendukung pengambilan keputusan. Hal inilah yang menjadikan alasan
Lebih terperinciBAB II LANDASAN TEORI. digunakan sebagai alat pembayaran yang sah di negara lain. Di dalam
BAB II LANDASAN TEORI 2.1 Valuta Asing Valuta asing dapat diartikan sebagai mata uang yang dikeluarkan dan digunakan sebagai alat pembayaran yang sah di negara lain. Di dalam hukum ekonomi bila terdapat
Lebih terperinciBAB III. Landasan Teori
BAB III Landasan Teori Dalam bab ini akan dijelaskan berbagai macam landasan teori yang digunakan untuk mendukung penyusunan laporan kerja praktek. Landasan teori yang dibahas meliputi permasalahan-permasalahan
Lebih terperinciSISTEM BASIS DATA (PENDAHULUAN) Alif Finandhita,S.Kom, M.T.
SISTEM BASIS DATA (PENDAHULUAN) Alif Finandhita,S.Kom, M.T. alif.finandhita@email.unikom.ac.id Definisi Sistem Basis Data SISTEM BASIS DATA Suatu sistem penyusunan dan pengelolaan record-record dengan
Lebih terperinciKNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA
LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu
Lebih terperinciBAB II TINJAUAN PUSTAKA. Pada tinjauan perusahaan ini akan dibahas mengenai sejarah berdirinya
8 BAB II TINJAUAN PUSTAKA 2.1. Tinjauan Perusahaan Pada tinjauan perusahaan ini akan dibahas mengenai sejarah berdirinya perusahaan, struktur organisasi serta uraian tugas dari masing masing bagian yang
Lebih terperinciSYSTEMIC Vol. 02, No. 02, Desember 2016, 9-18 PROTOTYPE SISTEM PENDUKUNG KEPUTUSAN UNTUK PENETAPAN JADWAL KULIAH MENGGUNAKAN ALGORITMA GENETIKA
SYSTEMIC Vol. 02, No. 02, Desember 2016, 9-18 PROTOTYPE SISTEM PENDUKUNG KEPUTUSAN UNTUK PENETAPAN JADWAL KULIAH MENGGUNAKAN ALGORITMA GENETIKA Mujib Ridwan 1) 1) Program Studi Sistem Informasi UIN Sunan
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 terperinciPenjadwalan kegiatan merupakan pekerjaan yang tidak mudah, karena dalam. penyusunannya memerlukan perencanaan yang matang agar kegiatan tersebut
BAB I PENDAHULUAN A. Latar Belakang Penjadwalan kegiatan merupakan pekerjaan yang tidak mudah, karena dalam penyusunannya memerlukan perencanaan yang matang agar kegiatan tersebut terlaksana dengan optimal.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada penelitian machine learning banyak sekali diperbincangkan tentang perilaku belajar mesin (komputer) agar mampu belajar dan berpikir cerdas layaknya manusia yang
Lebih terperinciBAB II LANDASAN TEORI. berkelanjutan tentang kegiatan/program sehingga dapat dilakukan tindakan
BAB II LANDASAN TEORI 2.1 Monitoring Menurut Dr. Harry Hikmat (2010), monitoring adalah proses pengumpulan dan analisis informasi berdasarkan indikator yang ditetapkan secara sistematis dan berkelanjutan
Lebih terperinciPeramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika
Peramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika M. Syafrizal, Luh Kesuma Wardhani, M. Irsyad Jurusan Teknik Informatika - Universitas Islam Negeri Sultan Syarif Kasim Riau
Lebih terperinciBAB 1 PENDAHULUAN. cukup lama dan memakan biaya yang cukup mahal serta tidak konsisten. Penjadwalan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Penjadwalan secara manual membutuhkan ekstra ketelitian serta waktu yang cukup lama dan memakan biaya yang cukup mahal serta tidak konsisten. Penjadwalan diperlukan
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 terperinci