BAB 2 LANDASAN TEORI. dihadapi di dunia nyata (real world). Banyak metode yang dibangun dalam Operations
|
|
- Farida Tanuwidjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB 2 LANDASAN TEORI 2.1 Simulasi Pengertian Simulasi Simulasi merupakan salah satu cara untuk memecahkan berbagai persoalan yang dihadapi di dunia nyata (real world). Banyak metode yang dibangun dalam Operations Research dan System Analyst untuk kepentingan pengambilan keputusan dengan menggunakan berbagai analisis data. Pendekatan yang digunakan untuk memecahkan berbagai masalah yang tidak pasti dan kemungkinan jangka panjang yang tidak dapat diperhitungkan dengan seksama adalah dengan simulasi. Simulasi adalah suatu peniruan sesuatu yang nyata, keadaan sekelilingnya (state of affairs), atau proses. Aksi melakukan simulasi sesuatu secara umum mewakilkan suatu karakteristik kunci atau kelakuan dari sistem-sistem fisik atau abstrak.(wikipedia, 2009) Struktur Dasar Model Simulasi Setiap model umumnya akan memiliki unsur-unsur berikut ini: 1. Komponen-komponen model, yakni entitas yang membentuk model, didefinisikan sebagai objek sistem yang menjadi perhatian pokok. 2. Variabel, yakni nilai yang selalu berubah. 3. Parameter, yakni nilai yang tetap pada suatu saat, tapi bisa berubah pada waktu yang berbeda.
2 7 4. Hubungan fungsional, yakni hubungan antar komponen-komponen model. 5. Konstrain, yakni batasan dari permasalahan yang dihadapi Langkah-langkah Simulasi Dalam melakukan simulasi terdapat langkah-langkah yang perlu dilakukan: 1. Pendefinisian Sistem, menentukan batasan sistem dan identifikasi variabel yang signifikan. 2. Formulasi Model, yakni merumuskan hubungan antar komponen model. 3. Pengambilan Data, yakni identifikasi data yang diperlukan model sesuai tujuan pembuatannya. 4. Pembuatan Model, yakni menyesuaikan penyusunan model dengan jenis bahasa simulasi yang digunakan. 5. Verifikasi Model, yakni proses pengecekan terhadap model apakah sudah bebas dari kesalahan. Dalam tahap ini perlu disesuaikan dengan bahasa simulasi yang digunakan. 6. Validasi Model, yakni proses pengujian terhadap model apakah sudah sesuai dengan sistem nyatanya. 7. Skenariosasi Penyusunan skenario terhadap model. Setelah model dianggap valid, maka berikutnya adalah membuat beberapa skenario atau eksperimen untuk memperbaiki kinerja sistem sesuai dengan keinginan.
3 8 Secara umum jenis-jenis skenario ini adalah: a. Skenario parameter dilakukan dengan mengubah nilai parameter model. Skenario jenis ini mudah dilakukan karena kita hanya melakukan perubahan terhadap nilai parameter model dan melihat dampak terhadap output. b. Skenario struktur dilakukan dengan mengubah struktur model. Skenari jenis ini memerlukan pengetahuan yang cukup tentang sistem agar struktur baru yang diusulkan dan dieksperimenkan dapat memperbaiki kinerja sistem. 8. Interpretasi Model, yakni proses penarikan kesimpulan dari hasil output model simulasi. 9. Implementasi, yakni penerapan model pada sistem nyata. 10. Dokumentasi, yakni proses penyimpanan hasil output model Keuntungan dan Kerugian Simulasi Keuntungan Simulasi Keuntungan dari uji coba dengan menggunakan simulasi adalah sebagai berikut: 1. Mengantisipasi kemungkinan-kemungkinan adanya kesalahan atau kegagalan sebelum dilakukan implementasi ke dalam sistem yang sesungguhnya. 2. Dengan simulasi kita dapat memberikan gambaran yang jelas tentang sistem yang akan dibuat. 3. Dengan simulasi kita dapat melakukan evaluasi sistem dalam jangka waktu yang singkat. Contohnya, jika dalam sistem yang sebenarnya diperlukan waktu beberapa hari untuk mengetahui hasil dari sistem tersebut namun
4 dengan simulasi kita dapat mempercepatnya hanya dalam beberapa menit saja Kerugian Simulasi Kerugian dari uji coba dengan menggunakan simulasi adalah sebagai berikut: 1. Hasil dari simulasi kadang-kadang tidak sepenuhnya sesuai dengan keadaan yang sebenarnya. 2. Untuk melakukan suatu simulasi kadang-kadang membutuhkan biaya yang mahal dan waktu. 2.2 Traveling Salesman Problem Traveling Salesman Problem (TSP) merupakan permasalahan optimasi yang tergolong dalam NP-complete problem. TSP adalah permasalahan seorang sales dalam menentukan urutan dari sejumlah kota yang harus dilalui, di mana setiap kota hanya boleh dilalui sekali dan perjalanan berakhir pada kota awal di mana seorang sales memulai perjalanan. Permasalahan matematik yang berkaitan dengan Traveling Salesman Problem ini mulai muncul sekitar tahun 1800-an. Masalah ini dikemukakan oleh dua orang matematikawan, yaitu Sir William Rowan Hamilton yang berasal dari Irlandia dan Thomas Penyngton Kirkman yang berasal dari Inggris. TSP adalah permasalahan dalam bidang diskrit dan optimasi kombinatorial dengan kemungkinan penyelesaian yang sangat banyak. TSP dengan n kota (1,2,3,4,5,,n) mempunyai (n-1)!/2 kemungkinan. TSP dengan nilai n yang besar tidak dapat diselesaikan dengan metode pencarian satu-satu karena membutuhkan waktu yang sangat lama. Oleh karena itu, dibutuhkan komputer dengan algoritma yang dapat
5 melakukan perhitungan yang cepat dengan tingkat kesalahan yang lebih kecil daripada dengan melakukan pencarian satu-satu Teori Graf Graf digunakan untuk merepresentasikan objek-objek diskrit dan hubungan antara objek-objek tersebut. Graf (G) merupakan pasangan himpunan (V,E) dengan V= himpunan tidak kosong dari titik (vertex), dan E= himpunan sisi (edge) yang menghubungkan sepasang titik atau dapat ditulis dengan notasi G= (V, E ). Titik biasa digunakan untuk melambangkan objek, sedangkan sisi biasa digunakan untuk melambangkan jalan penghubung antara dua objek. Definisi graf menyatakan bahwa V tidak boleh kosong, sedangkan E boleh kosong. Jadi, sebuah graf dimungkinkan tidak mempunyai sisi satu buah pun, tetapi titiknya harus ada minimal satu. Graf dengan satu titik dan tidak mempunyai sisi disebut graf trivial. Titik pada graf dapat dinomori dengan huruf, seperti a, b, c, dengan bilangan asli 1, 2, 3,..., atau gabungan keduanya. Sedangkan E adalah sisi yang menghubungkan titik V i dengan titik V j, maka E dapat ditulis sebagai E = ( V i, V j) atau E = ( V i V j ). Secara geometri graf dapat digambarkan sebagai sekumpulan titik di dalam bidang dua dimensi yang dihubungkan dengan sekumpulan sisi.
6 Gambar di bawah ini merupakan contoh sebuah graf yang menyatakan peta yang menghubungkan sejumlah kota di Provinsi Jawa Tengah. 11 Brebes Tegal Pemalang Kendal Demak Semarang Kudus Rembang Slawi Pekalongan Blora Purwokerto Temanggung Salatiga Wonosobo Purbalingga Banjarnegara Boyolali Solo Purwodadi Sragen Cilacap Kroya Kebumen Magelang Sukoharjo Purworejo Klaten Wonogiri Gambar 2.1 Peta di Provinsi Jawa Tengah 2.4 Algoritma Kata algoritma berasal dari latinisasi nama seorang ahli matematika dari Uzbekistan Al Khawārizmi (hidup sekitar abad ke-9), sebagaimana tercantum pada terjemahan karyanya dalam bahasa latin dari abad ke-12 "Algorithmi de numero Indorum". Pada awalnya kata algorisma adalah istilah yang merujuk kepada aturanaturan aritmetis untuk menyelesaikan persoalan dengan menggunakan bilangan numerik Arab (sebenarnya dari India, seperti tertulis pada judul di atas). Pada abad ke-18, istilah ini berkembang menjadi algoritma, yang mencakup semua prosedur atau urutan langkah yang jelas dan diperlukan untuk menyelesaikan suatu permasalahan. Dalam matematika dan komputasi, algoritma merupakan kumpulan perintah untuk menyelesaikan suatu masalah. Perintah-perintah ini dapat diterjemahkan secara bertahap dari awal hingga akhir. Masalah tersebut dapat berupa apa saja, dengan catatan
7 12 untuk setiap masalah, ada kriteria kondisi awal yang harus dipenuhi sebelum menjalankan algoritma. Algoritma akan dapat selalu berakhir untuk semua kondisi awal yang memenuhi kriteria, dalam hal ini berbeda dengan heuristic. Algoritma sering mempunyai langkah pengulangan (iterasi) atau memerlukan keputusan (logika Boolean dan perbandingan) sampai tugasnya selesai. Kompleksitas dari suatu algoritma merupakan ukuran seberapa banyak komputasi yang dibutuhkan algoritma tersebut untuk menyelesaikan masalah. Secara informal, algoritma yang dapat menyelesaikan suatu permasalahan dalam waktu yang singkat memiliki kompleksitas yang rendah, sementara algoritma yang membutuhkan waktu lama untuk menyelesaikan masalahnya mempunyai kompleksitas yang tinggi. Gambar 2.2 Diagram Alur Sebuah Algoritma
8 NP-Hard dan NP-Complete Waktu yang dibutuhkan algoritma untuk menghasilkan solusi dari permasalahan terbagi atas dua, yaitu: 1. Algoritma P (Polynomial Problem) Polynomial Problem adalah suatu permasalahan di mana waktu yang dibutuhkan utuk menghasilkan solusi terbatas pada waktu polynomial dalam tingkat kecil, seperti permasalahan pengurutan (sorting) dengan kompleksitas waktu O(n log n) 2. Algoritma NP (Non Polynomial Problem) Algoritma dengan waktu polynomial tidak efisien untuk menyelesaikan masalah non polynomial karena algoritma polynomial membutuhkan waktu yang cukup lama untuk menyelesaikan permasalahan skala menengah. Contoh permasalahan yang menggunakan NP adalah travelling salesman problem dengan kompleksitas waktu O(n 2 2 n ) dan permasalahan knapsack dengan kompleksitas waktu O(2 n/2 ). NP terbagi menjadi dua, yaitu : NP- Hard dan NP-Complete. Suatu masalah termasuk ke dalam Np-Complete apabila dapat dipecahkan dalam waktu polynomial jika dan hanya jika seluruh masalah NP-Complete juga dapat dipecahkan dalam waktu polynomial. Jika sebuah masalah NP-Hard dapat dipecahkan dalam waktu polynomial maka seluruh masalah NP-Complete dapat dipecahkan dalam waktu polynomial. Seluruh masalah NP-Complete merupakan masalah NP- Hard, tetapi sebagian masalah NP-Hard belum tentu menjadi masalah NP- Complete (Horowitz, Sahni dan Rajasekaran, 1998, pp ). Hubungan
9 antara P, NP, NP-Complete dan NP-Hard dapat dilihat dengan jelas dengan gambar berikut. 14 Gambar 2.3 Relasi antara P, NP, NP-Complete dan NP-Hard 2.6 Pencarian (Searching) Pencarian merupakan kegiatan mendefinisikan ruang masalah untuk masalah yang dihadapai. Ruang masalah ini dapat digambarkan sebagai himpunan keadaan (state) atau bisa juga sebagai himpunan rute dari keadaan awal (initial state) menuju keadaan tujuan (goal state). Langkah kedua adalah mendefinisikan aturan produksi yang digunakan untuk mengubah suatu state ke state lainnya. Langkah terakhir adalah memilih metode pencarian yang tepat sehingga dapat menemukan solusi terbaik dengan usaha yang minimal. Ada dua metode searching, yaitu: 1. Blind atau un-informed search (pencarian buta atau tidak berbekal informasi) 2. Heuristic atau informed search (pencarian dengan berbekal informasi).
10 Metode Pencarian Heuristic Kata Heuristic berasal dari sebuah kata kerja Yunani, heuriskein, yang berarti mencari atau menemukan. Dalam dunia pemrograman, sebagian orang menggunakan kata heuristic sebagai lawan kata dari algoritmik, di mana kata heuristic ini diartikan sebagai suatu proses yang mungkin dapat menyelesaikan suatu masalah tetapi tidak ada jaminan bahwa solusi yang dicari selalu dapat ditemukan. Heuristic memperbaiki proses pencarian solusi walaupun tidak harus sampai mengatasi kasus terburuk (worst case scenario). Heuristik ini mengembangkan efisiensi dalam proses pencarian, namum dengan kemungkinan mengorbankan kelengkapan (completeness). Algoritma ini biasanya mencari solusi yang dekat dengan solusi terbaik dan proses pencariannya cepat dan mudah. Terkadang algoritma ini dapat menjadi akurat dan menemukan solusi terbaik, tetapi algoritma ini tetap disebut heuristic hingga solusi terbaik itu terbukti untuk menjadi yang terbaik. Fungsi heuristic h(n) adalah perkiraan biaya termurah dari node n ke node tujuan. Fungsi heuristic melambangkan cost yang akan dikeluarkan agent jika memilih node tertentu Metode A* Heuristic Metode A* tanpa fungsi heuristic yang baik akan memperlambat pencarian dan dapat menghasilkan rute yang tidak tepat. Fungsi heuristic yang sempurna akan membuat metode A* langsung menuju final node tanpa harus mencari kearah lain. Sehingga jika fungsi heuristicnya terlalu underestimate akan menyebabkan algoritma ini beranggapan bahwa ada rute lain yang lebih baik. Untuk fungsi heuristic yang underestimate, bila nilainya terlalu rendah akan menyebabkan algoritma ini seperti algortima Djikstra s yang mencari ke segala arah yang mungkin. Hal ini dikarenakan
11 16 tidak ada informasi yang cukup mengenai masalah yang dihadapi, sehingga menyebabkan metode A* melakukan pencarian lebih banyak dan lebih lama. Dalam ilmu computer, A* (disebut A star ) adalah sebuah graph atau metode tree search yang digunakan untuk mencari jalan dari sebuah node awal ke node tujuan (goal node) yang telah ditentukan, metode ini menggunakan estimasi heuristic h(x) pada setiap node untuk mengurutkan setiap node x berdasarkan estimasi rute terbaik yang melalu node tersebut. Dalam prosesnya metode ini akan mengunjungi setiap node berdasarkan urutan yang dihasilkan dari estimasi heuristic ini. Metode A* adalah salah satu contoh dari metode best-first search. Metode A* dikembangkan oleh Peter Hart, Nils Nilsson, dan Bertram Raphael, mereka juga menyebut metode tersebut dengan sebutan algoritma A, dengan menggunakan metode ini dan dengan heuristic yang tepat menghasilkan sebuah hasil yang optimal, yaitu A*. Secara umum, depth-first search (DFS) dan breadth-first search (BFS) adalah dua kasus spesial dari metode A*. Algoritma Djikstra s merupakan kasus yang paling special dari A*, di mana h(x) = 0 untuk semua x. Dalam masalah pencarian rute di mana metode A* sering digunakan, A* secara bertahap membangun semua rute yang mengarah mulai dari titik awal sampai akhirnya mencapai titik akhir. Metode A* hanya membangun rute yang mungkin digunakan untuk mencapai tujuan. Untuk mengetahui rute mana yang memungkinkan mengarah ke titik akhir, A* menggunakan estimasi heuristic jarak dari sembarang node ke node tujuan. Dalam kasus pencarian rute, ini bisa jadi sama dengan jarak lurus antara dua titik, di mana biasanya merupakan perkiraan dari jarak jalan.
12 17 Hubungan antara heuristic dengan algoritma A*: Apabila h(n) selalu bernilai 0, maka hanya g(n) yang akan berperan, dan A* berubah menjadi Algoritma Dijkstra, yang menjamin selalu akan menemukan jalur terpendek. Apabila h(n) selalu lebih rendah atau sama dengan ongkos perpindahan dari titik n ke tujuan, maka A* dijamin akan selalu menemukan jalur terpendek. Semakin rendah nilai h(n), semakin banyak titik-titik yang diperiksa A*, membuatnya semakin lambat. Apabila h(n) tepat sama dengan ongkos perpindahan dari n ke tujuan, maka A* hanya akan mengikuti jalur terbaik dan tidak pernah memeriksa satupun titik lainnya, membuatnya sangat cepat. Walaupun hal ini belum tentu bisa diaplikasikan ke semua kasus, ada beberapa kasus khusus yang dapat menggunakannya. Apabila h(n) kadangkala lebih besar dari ongkos perpindahan dari n ke tujuan, maka A* tidak menjamin ditemukannya jalur terpendek, tapi prosesnya cepat. Apabila h(n) secara relatif jauh lebih besar dari g(n), maka hanya h(n) yang memainkan peran, dan A* berubah menjadi BFS Metode Simplified Memory-Bounded A* (SMA*) Simplified Memory-Bounded A* (SMA*) merupakan pengembangan dari algoritma A*. Algoritma SMA* merupakan penggabungan dari greedy search yang
13 18 meminimalisir perkiraan pencarian harga dan uniform cost search yang meminimalisir harga sampai selesai. Algoritma ini mempunyai fungsi sebagai berikut: f(n) = h(n) + g(n) g(n) = harga terjauh untuk mencapai node n dari state awal h(n) = perkiraan harga mencapai state akhir dari node n f(n) = perkiraan total harga untuk mencapai titik akhir h(n) = Arc Cos { (Sin ( lat1 ) * Sin ( lat2 )) + (Cos ( lat1 ) * Cos ( lat2 ) * Cos ( lon1 - lon2 )) } * 6378 lat1 = latitude node awal lat2 = latitude node akhir lon1 = longitude node awal lon2 = longitude node akhir Algoritma SMA* bersifat admissible. Ini berarti apabila solusi ada, solusi yang ditemukan pertama adalah solusi yang optimal. SMA* bersifat admissible bila memenuhi syarat-syarat, yaitu: di dalam graph state space setiap node memiliki successor yang terbatas, setiap arc pada graph memiliki biaya yang lebih besar dari 0, dan heuristik untuk setiap node n, h(n) < h*(n). SMA * dikatakan complete dan optimal dengan mengasumsikan sebuah heuristic yang admissible dan konsisten. Simplified Memory-Bounded A* ini dikembangkan karena algoritma A* menggunakan banyak memory sehingga menghabiskan memory untuk pencarian. Algoritma ini menjalankan best first search selama memory masih tersedia, apabila memory penuh maka node dengan nilai terburuk dibuang, namun nilai terbaik disimpan
14 19 pada node atasnya. Jika ruang memory mencukupi untuk semua node pada tree dalam jalur pencarian, maka repeated states tidak akan diulang sehingga pencarian akan menjadi optimal. Aturan-aturan SMA* : Jika mempunyai lebih dari satu simpul, maka pilih salah satu yang mempunyai f-cost terkecil. Jangan hapus dulu simpul tersebut sebelum mengeceknya terlebih dahulu, karena bisa jadi simpul tersebut akan dipakai dulu oleh simpul yang lain. Jika hasil f-cost dari suksesor baru yang telah dibangkitkan hasilnya lebih kecil, maka suksesor-suksesor sebelumnya dihapus. Tetapi jika lebih besar, maka lanjutkan dulu pencarian ke suksesor yang lebih kecil, sebelum menghapus suksesor yang lebih besar tersebut. Jika menemukan state di level yang lebih dangkal, dan mmpunyai f-cost lebih besar, maka state tersebut juga harus dihapus. Berikut ini adalah gambar pencarian jarak dengan metode SMA* Gambar 2.4 Pencarian Jarak dengan Metode SMA*
15 Perancangan Basis Data Basis data, dalam bahasa Inggris database, adalah kumpulan informasi yang disimpan di dalam komputer secara sistematik sehingga dapat diperiksa menggunakan suatu program komputer untuk memperoleh informasi dari basis data tersebut (Wikipedia, 2009). Perangkat lunak yang digunakan untuk mengelola dan memanggil query basis data disebut sistem manajemen basis data atau Database Management System (DBMS). Contoh dari aplikasi manajemen basis data di antaranya, SQL Server dan Ms Access yang dibuat oleh Microsoft, dan MySQL yang dibuat oleh MySQL AB. Ada kalanya suatu program aplikasi memerlukan basis data untuk mendukungnya. Basis data diperlukan bilamana data yang dimiliki terlalu banyak, atau apabila pengguna ingin menambahkan, mengubah, atau menghapus data yang akan digunakan dalam menjalankan program aplikasi. 2.8 Software Development Life Cycle Menurut Turban, et. al. (2001, p ), Software Development Life Cycle (SDLC) adalah kerangka terstruktur yang terdiri dari beberapa proses yang berurutan yang diperlukan untuk membangun suatu sistem informasi. Pendekatan waterfall digunakan untuk menggambarkan SDLC. SDLC dirancang dengan tujuan untuk membangun alur pemrograman yang terstruktur dan untuk membantu manajemen proyek dalam perhitungan estimasi waktu dan sumber yang dibutuhkan suatu proyek.
16 21 Gambar 2.5 Eight Stage SDLC Sumber: Turban, et. al. (2001, p477) Tahap-tahap SDLC adalah sebagai berikut: 1. Systems Investigation Systems Investigation adalah tahap yang mengutamakan pembelajaran terhadap segala kemungkinan yang dapat terjadi. Dengan pembelajaran maka suatu sistem dapat terhindar dari kesalahan yang dapat mengakibatkan peningkatan usaha, waktu, dan jumlah pengeluaran. 2. Systems Analysis Systems Analysis adalah tahap yang menganalisis masalah yang perlu diselesaikan. Tahap ini mendefinisikan permasalahan, mengidentifikasikan penyebab, menspesifikasikan solusi, serta mengidentifikasikan informasiinformasi yang diperlukan.
17 22 3. Systems Design Systems Design adalah tahap yang menjelaskan bagaimana suatu sistem akan bekerja. Hasil dari tahap ini adalah output, input, dan user interface dari sistem serta hardware, software, database, dan prosedur. 4. Programming Programming adalah tahap yang menerjemahkan spesifikasi desain sistem menjadi bahasa pemrograman yang dapat dimengerti oleh komputer. 5. Testing Testing adalah tahap yang digunakan untuk memeriksa apakah pemrograman telah menghasilkan hasil yang diinginkan dan diharapkan atas situasi tertentu. Testing dirancang untuk mendeteksi adanya kesalahan coding. 6. Implementation Implementation adalah proses perubahan dari penggunaan sistem lama menjadi sistem yang baru. 7. Operation dan Maintenance Operation dan Maintenance adalah tahap untuk memelihara sistem baru yang akan dioperasikan dalam suatu periode waktu. Metodologi waterfall ini dipilih karena urutan prosesnya yang memaksa pengembang untuk terlebih dahulu memikirkan seperti apa sistem yang akan dibangun, sebelum akhirnya dibuat perencanaan bagaimana sistem tersebut dibangun, karena akan jauh lebih mudah untuk membangun sistem yang telah diketahui akan seperti apa sistem itu.
18 Unified Modeling Language (UML) Unified Modeling Language (UML) adalah bahasa grafis yang standar untuk memodelkan software object oriented (Lethbridge, 2002, p151). UML bertujuan untuk melakukan pemodelan terhadap pembuatan suatu sistem dengan menggunakan konsep berorientasi objek (object oriented). Dalam UML terdapat beberapa diagram yang dapat digunakan untuk pembuatan desain pada sebuah aplikasi. Salah satunya adalah State Transition Diagram (STD) State Transition Diagram (STD) Pengertian STD STD merupakan suatu modeling tool yang menggambarkan sifat ketergantungan sistem. Pada mulanya hanya digunakan untuk menggambarkan suatu sistem yang memiliki sifat real time seperti proses control, telephone switching system, dan control system Simbol dan Sifat STD State adalah kumpulan keadaan dan atribut yang mencirikan objek pada waktu dan kondisi tertentu. Disimbolkan dengan segi empat. Gambar 2.6 Notasi State
19 Transition adalah simbol perpindahan keaktifan dari sebuah objek menjadi objek lain. Transition disimbolkan dengan anak panah. 24 Gambar 2.7 Notasi Transition Condition adalah suatu keadaan pada lingkungan eksternal yang dapat dideteksi oleh sistem. Condition menggambarkan syarat yang biasanya digunakan dalam hubungan seleksi. Action adalah yang dilakukan sistem bila terjadi perubahan state atau merupakan reaksi terhadap kondisi. Aksi akan menghasilkan keluaran atau output. Display adalah hasil yang merupakan STD Delapan Aturan Emas Desain User Interface Menurut Ben Shneiderman (2005, p74-75), ada 8 (delapan) aturan yang dapat digunakan sebagai petunjuk dasar yang baik untuk merancang suatu user interface. Delapan aturan ini disebut dengan Eight Golden Rules of Interface Design, yaitu: 1. Konsistensi Konsistensi dilakukan pada urutan tindakan, perintah, dan istilah yang digunakan pada prompt, menu, serta layar bantuan. 2. Memungkinkan pengguna untuk menggunakan shortcut Ada kebutuhan dari pengguna yang sudah ahli untuk meningkatkan kecepatan interaksi, sehingga diperlukan singkatan, tombol fungsi, perintah tersembunyi, dan fasilitas makro.
20 25 3. Memberikan umpan balik yang informatif Untuk setiap tindakan operator, sebaiknya disertakan suatu sistem umpan balik. Untuk tindakan yang sering dilakukan dan tidak terlalu penting, dapat diberikan umpan balik yang sederhana. Tetapi ketika tindakan merupakan hal yang penting, maka umpan balik sebaiknya lebih substansial. Misalnya muncul suatu suara ketika salah menekan tombol pada waktu input data atau muncul pesan kesalahannya. 4. Merancang dialog untuk menghasilkan suatu penutupan Urutan tindakan sebaiknya diorganisir dalam suatu kelompok dengan bagian awal, tengah, dan akhir. Umpan balik yang informatif akan meberikan indikasi bahwa cara yang dilakukan sudah benar dan dapat mempersiapkan kelompok tindakan berikutnya. 5. Memberikan penanganan kesalahan yang sederhana Sedapat mungkin sistem dirancang sehingga pengguna tidak dapat melakukan kesalahan fatal. Jika kesalahan terjadi, sistem dapat mendeteksi kesalahan dengan cepat dan memberikan mekanisme yang sedehana dan mudah dipahami untuk penanganan kesalahan. 6. Mudah kembali ke tindakan sebelumnya Hal ini dapat mengurangi kekuatiran pengguna karena pengguna mengetahui kesalahan yang dilakukan dapat dibatalkan; sehingga pengguna tidak takut untuk mengekplorasi pilihan-pilihan lain yang belum biasa digunakan. 7. Mendukung tempat pengendali internal (internal locus of control) Pengguna ingin menjadi pengontrol sistem dan sistem akan merespon tindakan yang dilakukan pengguna daripada pengguna merasa bahwa sistem
21 26 mengontrol pengguna. Sebaiknya sistem dirancang sedemikan rupa sehingga pengguna menjadi inisiator daripada responden. 8. Mengurangi beban ingatan jangka pendek Keterbatasan ingatan manusia membutuhkan tampilan yang sederhana atau banyak tampilan halaman yang sebaiknya disatukan, serta diberikan cukup waktu pelatihan untuk kode, mnemonic, dan urutan tindakan.
BAB 2 LANDASAN TEORI
5 BAB 2 LANDASAN TEORI Struktur Aljabar Struktur aljabar adalah ilmu yang mempelajari suatu sistem aljabar dengan satu atau lebih operasi biner yang diberlakukan pada sistem aljabar tersebut. Struktur
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Simulasi Menurut Suryani(2006),simulasi merupakan proses aplikasi membangun model dari sistem nyata atau usulan sistem, melakukan eksperimen dengan model tersebut untuk menjelaskan
Lebih terperinciAplikasi Shortest Path dengan Menggunakan Graf dalam Kehidupan Sehari-hari
Aplikasi Shortest Path dengan Menggunakan Graf dalam Kehidupan Sehari-hari Andika Mediputra NIM : 13509057 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Multimedia 2.1.1 Pengertian Multimedia Menurut Vaughan(2011,p1), Multimedia adalah kombinasi teks, gambar, suara, animasi dan video yang disampaikan kepada user melalui komputer.
Lebih terperinciWEBGIS PENCARIAN RUTE TERPENDEK MENGGUNAKAN ALGORITM A STAR (A*) (Studi Kasus: Kota Bontang)
Jurnal Informatika Mulawarman Vol. 8 No. 2 Edisi Juli 2013 50 WEBGIS PENCARIAN RUTE TERPENDEK MENGGUNAKAN ALGORITM A STAR (A*) (Studi Kasus: Kota Bontang) 1) Yuliani, 2) Fahrul Agus 1,2) Program Studi
Lebih terperinciBAB III ALGORITMA GREEDY DAN ALGORITMA A* membangkitkan simpul dari sebuah simpul sebelumnya (yang sejauh ini terbaik di
BAB III ALGORITMA GREEDY DAN ALGORITMA A* 3.1 Best First Search Sesuai dengan namanya, best-first search merupakan sebuah metode yang membangkitkan simpul dari sebuah simpul sebelumnya (yang sejauh ini
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Mengacu pada jurnal yang ditulis oleh Atin Triwahyuni (2012) dengan judul Sistem Informasi Absensi Siswa Pada Perguruan Islam Mathali ul Falahpati Jawa Tengah. Sistem
Lebih terperinciPENERAPAN ALGORITMA A* PADA PERMASALAHAN OPTIMALISASI PENCARIAN SOLUSI DYNAMIC WATER JUG
PENERAPAN ALGORITMA A* PADA PERMASALAHAN OPTIMALISASI PENCARIAN SOLUSI DYNAMIC WATER JUG Firman Harianja (0911519) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih terperinciBAB 2 LANDASAN TEORI. waktu yang diperlukan. Pengukuran waktu yang diperlukan dalam mengeksekusi suatu
BAB 2 LANDASAN TEORI 2.1 Permasalahan NP-Hard dan NP-Complete Salah satu ukuran biaya dalam pengeksekusian sebuah algoritma adalah lamanya waktu yang diperlukan. Pengukuran waktu yang diperlukan dalam
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kecerdasan buatan merupakan sub-bidang ilmu komputer yang khusus ditujukan untuk membuat software dan hardware yang sepenuhnya bisa menirukan beberapa fungsi
Lebih terperinciPenyelesaian Traveling Salesman Problem dengan Algoritma Heuristik
Penyelesaian Traveling Salesman Problem dengan Algoritma Heuristik Filman Ferdian - 13507091 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan Ganesha
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Artificial Intelligence (AI) agen adalah fitur standar game komputer modern, baik sebagai lawan, teman atau tutor dari pemain. Agar tampil otentik, agen tersebut
Lebih terperinciBAB I PENDAHULUAN UKDW. dalam kehidupan kita sehari-hari, terutama bagi para pengguna sarana
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pencarian jalur terpendek merupakan sebuah masalah yang sering muncul dalam kehidupan kita sehari-hari, terutama bagi para pengguna sarana transportasi. Para
Lebih terperinciBAB I PENDAHULUAN. yang baru, mereka dapat memiliki sepeda motor dengan berbagai cara, antara lain
BAB I PENDAHULUAN I.1. Latar Belakang Kebutuhan akan sepeda motor semakin meningkat setiap tahunnya di Indonesia, hal ini di karenakan banyaknya permintaan dari konsumen. Jumlah penduduk yang semakin bertambah
Lebih terperinciPencarian Jalur Terpendek dengan Menggunakan Graf dan Greedy dalam Kehidupan Sehari-hari
Pencarian Jalur Terpendek dengan Menggunakan Graf dan Greedy dalam Kehidupan Sehari-hari Andika Mediputra - NIM : 13509057 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. yang dapat menunjang berjalannya sistem agar berjalan secara optimal. Dimana
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Dalam menjalankan suatu sistem perlu diperhatikan sistem spesifikasi apa saja yang dapat menunjang berjalannya sistem agar berjalan secara optimal. Dimana
Lebih terperinciANALISIS PERBANDINGAN ALGORITMA PATHFINDING GREEDY BEST-FIRST SEARCH DENGAN A*(STAR) DALAM MENENTUKAN LINTASAN PADA PETA
ANALISIS PERBANDINGAN ALGORITMA PATHFINDING GREEDY BEST-FIRST SEARCH DENGAN A*(STAR) DALAM MENENTUKAN LINTASAN PADA PETA Christophorus Yohannes Suhaili 1 ; Mendy Irawan 2 ; Raja Muhammad Fahrizal 3 ; Antonius
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Algoritma Algoritma merupakan urutan langkah langkah untuk menyelesaikan masalah yang disusun secara sistematis, algoritma dibuat dengan tanpa memperhatikan bentuk
Lebih terperinciAplikasi Teori Graf dalam Permainan Instant Insanity
Aplikasi Teori Graf dalam Permainan Instant Insanity Aurelia 13512099 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia
Lebih terperinciLESSON 6 : INFORMED SEARCH Part II
LESSON 6 : INFORMED SEARCH Part II 3.3 Itterative deepening A* search 3.3.1 Algoritma IDA* Itterative deepening search atau IDA* serupa dengan iterative deepening depth first, namun dengan modifikasi sebagai
Lebih terperinciGraph. Rembang. Kudus. Brebes Tegal. Demak Semarang. Pemalang. Kendal. Pekalongan Blora. Slawi. Purwodadi. Temanggung Salatiga Wonosobo Purbalingga
TEORI GRAPH Graph Graph Graph digunakan untuk merepresentasikan objek-objek diskrit dan hubungan antara objek-objek tersebut. Gambar berikut ini sebuah graph yang menyatakan peta jaringan jalan raya yang
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Graf 2.1.1 Definisi Graf Graf adalah pasangan himpunan (V, E), dan ditulis dengan notasi G = (V, E), V adalah himpunan tidak kosong dari verteks-verteks {v 1, v 2,, v n } yang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Persoalan lintasan terpanjang (longest path) merupakan persoalan dalam mencari lintasan sederhana terpanjang maksimum dalam suatu graph yang diberikan. Lintasan terpanjang
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Simulasi 2.1.1 Pengertian Simulasi Simulasi merupakan salah satu cara untuk memecahkan berbagai persoalan yang dihadapi di dunia nyata (real world). Banyak metode yang dibangun
Lebih terperinciOPTIMASI RUTE PERJALANAN AMBULANCE MENGGUNAKAN ALGORITMA A-STAR. Marhaendro Bayu Setyawan
OPTIMASI RUTE PERJALANAN AMBULANCE MENGGUNAKAN ALGORITMA A-STAR Marhaendro Bayu Setyawan 2206 100 021 AGENDA PEMBUKAAN DASAR TEORI Latar belakang Permasalahan Batasan masalah Tujuan Permasalahan Lintasan
Lebih terperinciPertemuan-07 INFORMATIKA FASILKOM UNIVERSITAS IGM
07/04/2016 3. HEURISTIC METHOD Algoritma yang menggunakan Metode Best-First Search, yaitu: 1 Literatur Review KECERDASAN BUATAN Pertemuan-07 INFORMATIKA FASILKOM UNIVERSITAS IGM a. Greedy Best-First Greedy
Lebih terperinci2. BAB II LANDASAN TEORI. lanjut sehingga terbentuk suatu aplikasi yang sesuai dengan tujuan awal.
2. BAB II LANDASAN TEORI Dalam merancang dan membangun aplikasi, sangatlah penting untuk mengetahui terlebih dahulu dasar-dasar teori yang digunakan. Dasar-dasar teori tersebut digunakan sebagai landasan
Lebih terperinciImplementasi Teori Graf Dalam Topologi Distribusi Data
Implementasi Teori Graf Dalam Topologi Distribusi Data Andarias Silvanus - 13512022 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciBAB I PENDAHULUAN. Masalah lintasan terpendek berkaitan dengan pencarian lintasan pada graf
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Masalah lintasan terpendek berkaitan dengan pencarian lintasan pada graf berbobot yang menghubungkan dua buah simpul sedemikian hingga jumlah bobot sisi-sisi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Graph 2.1.1 Definisi Graph Menurut Dasgupta dkk (2008), graph merupakan himpunan tak kosong titik-titik yang disebut vertex (juga disebut dengan node) dan himpunan garis-garis
Lebih terperinciTujuan Instruksional
Pertemuan 4 P E N C A R I A N T A N P A I N F O R M A S I B F S D F S U N I F O R M S E A R C H I T E R A T I V E D E E P E N I N G B I D I R E C T I O N A L S E A R C H Tujuan Instruksional Mahasiswa
Lebih terperinciPertemuan 11. Teori Graf
Pertemuan 11 Teori Graf Pendahuluan Graf digunakan untuk merepresentasikan objek-objek diskrit dan hubungan antara objek-objek tersebut. Gambar di bawah ini sebuah graf yang menyatakan peta jaringan jalan
Lebih terperinciLATIHAN ALGORITMA-INTEGER
LATIHAN ALGORITMA-INTEGER Nyatakan PBB(295,70) = 5 sebagai kombinasi lanjar 295 dan 70 Tentukan inversi dari 27(mod 7) Tentukan solusi kekongruenan lanjar dari 27.x kongruen 1(mod 7) dengan cara 1 ( cara
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Spesifikasi Rancangan Pada sub bab spesifikasi rancangan ini akan dibahas mengenai spesifikasi perangkat lunak dan spesifikasi perangkat keras. 4.1.1 Spesifikasi Perangkat
Lebih terperinciBAB I PENDAHULUAN. ini. Salah satu penerapannya yaitu terdapat pada permasalahan dalam melakukan pencarian dari
BAB I PENDAHULUAN 1.1 Latar Belakang Pencarian merupakan suatu permasalahan dalam menemukan solusi dari kondisi awal ke kondisi akhir. Berbagai macam permasalahan dapat diterapkan dalam permasalahan pencarian
Lebih terperinciSimulasi Pencarian Rute Terpendek dengan Metode Algoritma A* (A-Star) Agus Gustriana ( )
Simulasi Pencarian Rute Terpendek dengan Metode Algoritma A* (A-Star) Agus Gustriana (0222182) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia E-mail
Lebih terperinciBAB 1 PENDAHULUAN. dapat menyelesaikan masalah maka perlu dirumuskan terlebih dahulu langkahlangkah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Komputer merupakan salah satu alat bantu untuk menyelesaikan masalah. Untuk dapat menyelesaikan masalah maka perlu dirumuskan terlebih dahulu langkahlangkah
Lebih terperinciSistem Kecerdasan Buatan. Masalah, Ruang Masalah dan Pencarian Solusi. Masalah. Masalah Sebagai Ruang Keadaan 10/7/2015
Sistem Kecerdasan Buatan Masalah, Ruang Masalah dan Pencarian Solusi Bahan Bacaan : Sri Kusumadewi, Artificial Intelligence. Russel, Artificial Intelligence Modern Approach 2 bagian utama kecerdasan buatan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah 1.2 Perumusan Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Saat ini teknologi telah berkembang dengan cukup pesat. Perkembangan teknologi mengakibatkan pemanfaatan atau pengimplementasian teknologi tersebut dalam berbagai
Lebih terperinciBAB 2 LANDASAN TEORI. menjelaskan beberapa prinsip umum sistem antara lain: menghadapi keadaan-keadaan yang berbeda.
BAB 2 LANDASAN TEORI 2.1 Sistem Menurut Hariyanto (2004, p59), sistem adalah kumpulan objek atau elemen yang saling beinteraksi untuk mencapai satu tujuan tertentu. Ia menjelaskan beberapa prinsip umum
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Penelitian Terdahulu Selama ini masih banyak sekolah yang belum secara maksimal memanfaatkan teknologi informasi. Sistem penyimpanan
Lebih terperinciVARIASI PENGGUNAAN FUNGSI HEURISTIK DALAM PENGAPLIKASIAN ALGORITMA A*
VARIASI PENGGUNAAN FUNGSI HEURISTIK DALAM PENGAPLIKASIAN ALGORITMA A* Mohammad Riftadi - NIM : 13505029 Teknik Informatika ITB Jalan Ganesha No. 10, Bandung e-mail: if15029@students.if.itb.ac.id ABSTRAK
Lebih terperinciMANAJEMEN BASIS DATA SARANA KAMPUS UNIVERSITAS BENGKULU MENGGUNAKAN ALGORITMA A* BERBASIS SPASIAL
MANAJEMEN BASIS DATA SARANA KAMPUS UNIVERSITAS BENGKULU MENGGUNAKAN ALGORITMA A* BERBASIS SPASIAL Foni Panca Wardhani 1, Asahar Johar 2, Yulian Fauzi 3 1,2,3 Program Studi Teknik Informatika, Fakultas
Lebih terperinciKecerdasan Buatan. Penyelesaian Masalah dengan Pencarian... Pertemuan 02. Husni
Kecerdasan Buatan Pertemuan 02 Penyelesaian Masalah dengan Pencarian... Husni Lunix96@gmail.com http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM, 2013 Outline Konsep Pencarian Pencarian
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM. sequential (waterfall). Metode ini terdiri dari empat tahapan, yaitu: analisis,
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Perancangan program aplikasi dalam skripsi ini menggunakan aturan linear sequential (waterfall). Metode ini terdiri dari empat tahapan, yaitu: analisis, perancangan,
Lebih terperinciJurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2011
Perancangan dan Pembuatan Sistem Navigasi Perjalanan Untuk Pencarian Rute Terpendek Dengan Algoritma A* Berbasis J2ME Oleh : M. ARIEF HIDAYATULLOH 1204 100 071 Dosen Pembimbing : Prof. Dr. M. Isa Irawan,
Lebih terperinciBab 2 2. Teknik Pencarian
Bab 2 2. Teknik Pencarian Bab ini membahas bagaimana membuat ruang masalah untuk suatu masalah tertentu. Sebagian masalah mempunyai ruang masalah yang dapat diprediksi, sebagian lainnya tidak. 1.1 Pendefinisian
Lebih terperincimemberikan output berupa solusi kumpulan pengetahuan yang ada.
MASALAH DAN METODE PEMECAHAN MASALAH (Minggu 2) Pendahuluan Sistem yang menggunakan kecerdasan buatan akan memberikan output berupa solusi dari suatu masalah berdasarkan kumpulan pengetahuan yang ada.
Lebih terperinciBAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya
5 BAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya Traveling salesman problem (TSP) merupakan salah satu permasalahan yang telah sering diangkat dalam berbagai studi kasus dengan penerapan berbagai
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Traveling Salesman Problem (TSP) adalah permasalahan dimana seorang salesman harus mengunjungi semua kota yang ada dan kota tersebut hanya boleh dikunjungi tepat satu
Lebih terperinciBAB 2 LANDASAN TEORI. Definisi Graf G didefinisikan sebagai pasangan himpunan (V, E), yang dalam hal ini:
10 BAB 2 LANDASAN TEORI 2.1.Konsep Dasar Graf Definisi 2.1.1 Graf G didefinisikan sebagai pasangan himpunan (V, E), yang dalam hal ini: V = himpunan tidak kosong dari simpul-simpul (vertices atau node)
Lebih terperinciBAB I PENDAHULUAN. Di tengah masyarakat dengan aktivitas yang tinggi, mobilitas menjadi hal yang penting.
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Di tengah masyarakat dengan aktivitas yang tinggi, mobilitas menjadi hal yang penting. Namun pada kenyataannya, terdapat banyak hal yang dapat menghambat
Lebih terperinciBAB I PENDAHULUAN.
BAB I PENDAHULUAN 1.1 Latar Belakang Di dalam perusahaan atau instansi tentu nya memiliki data yang cukup besar, salah satunya adalah inventory. Suatu kegiatan dalam proses pengolahan data pada suatu gudang
Lebih terperinciPencarian Lintasan Terpendek Pada Aplikasi Navigasi Menggunakan Algoritma A*
Pencarian Lintasan Terpendek Pada Aplikasi Navigasi Menggunakan Algoritma A* Erfandi Suryo Putra 13515145 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2011/2012
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2011/2012 RANCANGAN APLIKASI TRAVELLING SALESMAN PROBLEM DENGAN METODE ALGORITMA A* (A-STAR) Sunbara lukito
Lebih terperinciGraf. Matematika Diskrit. Materi ke-5
Graf Materi ke-5 Pendahuluan Graf digunakan untuk merepresentasikan objek-objek diskrit dan hubungan antara objek-objek tersebut. Gambar di bawah ini sebuah graf yang menyatakan peta jaringan jalan raya
Lebih terperinciMETODE PENCARIAN BFS dan DFS
METODE PENCARIAN BFS dan DFS Metode Pencarian Terdapat banyak metode yang telah diusulkan. Semua metode yang ada dapat dibedakan ke dalam 2 jenis : Pencarian buta / tanpa informasi (blind / un-informed
Lebih terperinciBAB I PENDAHULUAN. media penyimpanan data yang memiliki ukuran hingga ratusan gigabyte bahkan
BAB I PENDAHULUAN I.1. Latar Belakang Perkembangan teknologi komputer dewasa ini memungkinkan disimpannya data dalam bentuk file dalam jumlah yang besar karena adanya media penyimpanan data yang memiliki
Lebih terperinciNonblocking Minimal Spanning Switch
Nonblocking Minimal Spanning Switch Abraham Ranardo Sumarsono (13507056) 1) 1) Jurusan Teknik Informatika, STEI ITB, Bandung 0116, email: if17056@students.if.itb.ac.id Abstract Makalah ini membahas tentang
Lebih terperinci1 BAB 1 PENDAHULUAN 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Koperasi merupakan badan usaha yang beranggotakan orang-orang atau badan hukum. Koperasi Citra Telekomunikasi Institut Teknologi (IT) Telkom Bandung merupakan sebuah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dibahas landasan teori, penelitian terdahulu, kerangka pikir dan hipotesis yang mendasari penyelesaian permasalahan dalam penentuan jarak terpendek untuk order picking
Lebih terperinciBAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM III.1. Analisis Masalah Proses analisa sistem merupakan langkah kedua pada pengembangan sistem. Analisa sistem dilakukan untuk memahami informasi-informasi
Lebih terperinciPencarian Jalur Terpendek dengan Algoritma Dijkstra
Volume 2 Nomor 2, Oktober 207 e-issn : 24-20 p-issn : 24-044X Pencarian Jalur Terpendek dengan Algoritma Dijkstra Muhammad Khoiruddin Harahap Politeknik Ganesha Medan Jl.Veteran No. 4 Manunggal choir.harahap@yahoo.com
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 0, No. (2015), hal 17 180. PENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING Kristina Karunianti Nana, Bayu Prihandono,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Permainan Catur Permainan catur adalah permainan kuno yang telah dimainkan berabadabad lamanya. Permainan catur dimainkan di atas papan yang memiliki 64 kotak (blok). Terdapat
Lebih terperinciBAB II LANDASAN TEORI. pembelian dilakukan dengan mengubah bentuk barang. 2003). Menurut Soemarso S.R (1994) kegiatan pembelian dalam perusahaan
BAB II LANDASAN TEORI 2.1 Pembelian Pembelian adalah usaha pengadaan barang-barang untuk perusahaan. Dalam perusahaan dagang pembelian dilakukan dengan dijual kembali tanpa mengadakan perubahan bentuk
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI PROGRAM. Spesifikasi komputer yang digunakan dalam perancangan sistem ini adalah sebagai
BAB 4 IMPLEMENTASI DAN EVALUASI PROGRAM 4.1 Spesifikasi Hardware dan Software Spesifikasi komputer yang digunakan dalam perancangan sistem ini adalah sebagai berikut: Perangkat Keras (Hardware) o RAM 2
Lebih terperinciBAB 2 LANDASAN TEORI. membuat sesuatu tujuan sulit untuk dicapai, hal ini berhubungan dengan
9 BAB 2 LANDASAN TEORI 2.1 Problem, Algorithm dan Analisis Algoritma 2.1.1 Definisi Problem Problem (permasalahan) adalah sebuah kendala atau hambatan di mana membuat sesuatu tujuan sulit untuk dicapai,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Sistem informasi adalah suatu sistem manusia dan mesin yang terpadu untuk menyajikan informasi guna mendukung fungsi operasi, manajemen, dan pengambilan keputusan. Tujuan dari sistem
Lebih terperinciAPLIKASI TRAVELLING SALESMAN PROBLEM DENGAN METODE ARTIFICIAL BEE COLONY
APLIKASI TRAVELLING SALESMAN PROBLEM DENGAN METODE ARTIFICIAL BEE COLONY Andri 1, Suyandi 2, WinWin 3 STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id 1, suyandiz@gmail.com
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perguruan tinggi merupakan suatu sarana dalam proses pembelajaran. Pembelajaran adalah proses interaksi mahasiswa dengan dosen dan sumber belajar pada lingkungan belajar.
Lebih terperinciBAB III METODE PELACAKAN/PENCARIAN
BAB III METODE PELACAKAN/PENCARIAN Hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian. Pencarian = suatu proses mencari solusi dari suatu permasalahan melalui sekumpulan,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teknologi informasi Menurut Sawyer (2011,p4) Teknologi informasi (TI) adalah istilah umum yang menggambarkan setiap teknologi yang membantu untuk menghasilkan, memanipulasi, menyimpan,
Lebih terperinciKecerdasan Buatan Penyelesaian Masalah dengan Pencarian
Kecerdasan Buatan Pertemuan 02 Penyelesaian Masalah dengan Pencarian Kelas 10-S1TI-03, 04, 05 Husni Lunix96@gmail.com http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM, 2012 Outline Pendahuluan
Lebih terperinciBAB I PENDAHULUAN. zaman komputerisasi saat perusahaan-perusahaan atau instansi baik itu negeri
BAB I PENDAHULUAN I.1 Latar Belakang Teknologi merupakan hal yang paling mendukung khususnya teknologi komputerisasi yang sangat membantu dalam penyajian informasi serta mempercepat proses pengolahan data
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 1.1 Perpustakaan Berikut ini merupakan pengertian perpustakaan menurut ahli perpustakaan dan sumber lain, diantaranya : (BSNI, 2009) Perpustakaan merupakan kumpulan bahan tercetak
Lebih terperinciALGORITMA DJIKSTRA, BELLMAN-FORD, DAN FLOYD-WARSHALL UNTUK MENCARI RUTE TERPENDEK DARI SUATU GRAF
ALGORITMA DJIKSTRA, BELLMAN-FORD, DAN FLOYD-WARSHALL UNTUK MENCARI RUTE TERPENDEK DARI SUATU GRAF Dibi Khairurrazi Budiarsyah - 13509013 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciALGORITMA PENCARIAN (1)
ALGORITMA PENCARIAN (1) Permasalahan, Ruang Keadaan, Pencarian Farah Zakiyah Rahmanti Diperbarui 2016 Overview Deskripsi Permasalahan dalam Kecerdasan Buatan Definisi Permasalahan Pencarian Breadth First
Lebih terperinciPENDAHULUAN 1 BAB Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Institusi pendidikan dibagi dua berdasarkan statusnya yaitu institusi pendidikan negeri dan institusi pendidikan swasta. Institusi pendidikan negeri diselenggarakan
Lebih terperinciBAB 1 PENDAHULUAN. PT PLN (Persero) adalah BUMN yang menangani aspek kelistrikan yang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah PT PLN (Persero) adalah BUMN yang menangani aspek kelistrikan yang ada di Indonesia. Penyaluran tenaga listrik ke pelanggan merupakan tugas pokok dari PT PLN
Lebih terperinciBAB I PENDAHULUAN. Narkotika adalah zat atau obat yang berasal dari tanaman atau bukan
BAB I PENDAHULUAN I.1 Latar Belakang Narkotika adalah zat atau obat yang berasal dari tanaman atau bukan tanaman, baik sintetis maupun semi sintetis. Zat tersebut menyebabkan penurunan atau perubahan kesadaran,
Lebih terperinciAnalisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek
Analisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek Hugo Toni Seputro Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Jl. Ganesha 10 Bandung Jawa Barat Indonesia
Lebih terperinciMetode Searching. Blind/Un-informed Search. Heuristic/Informed Search. Breadth-First Search (BFS) Depth-First Search (DFS) Hill Climbing A*
SEARCHING Russel and Norvig. 2003. Artificial Intelligence: a Modern Approach. Prentice Hall. Suyanto, Artificial Intelligence. 2005. Bandung:Informatika Program Studi Ilmu Komputer FPMIPA UPI RNI IK460(Kecerdasan
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Loket Bus merupakan tempat dimana masyarakat yang akan memesan atau membeli suatu tiket untuk menggunakan sarana transportasi bus sebagai keperluan
Lebih terperinciBAB III ANALISIS KEBUTUHAN DAN PERANCANGAN
29 BAB III ANALISIS KEBUTUHAN DAN PERANCANGAN 3.1. Metode Rekayasa Perangkat Lunak Dalam membangun sebuah perangkat lunak dibutuhkan metode pengerjaan sehingga perangkat lunak yang akan dibuat dapat berjalan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain dan tahapan yang dilakukan dalam penelitian ini dapat dilihat pada gambar berikut: Rumusan Masalah Pengembangan Perangkat Lunak Analisis Data Model
Lebih terperinciAplikasi Teori Graf dalam Manajemen Sistem Basis Data Tersebar
Aplikasi Teori Graf dalam Manajemen Sistem Basis Data Tersebar Arifin Luthfi Putranto (13508050) Program Studi Teknik Informatika Institut Teknologi Bandung Jalan Ganesha 10, Bandung E-Mail: xenoposeidon@yahoo.com
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang 1.2 Rumusan Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi informasi yang pesat memaksa sebuah perusahaan untuk mengikuti perkembangan teknologi informasi saat ini. Berkembang pesatnya sebuah teknologi
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Kakuro adalah permainan puzzle yang bersifat logika dan biasa disebut sebagai transliterasi matematis dari puzzle silang. Permainan puzzle kakuro merupakan
Lebih terperinciBAB II LANDASAN TEORI. pendekatan komponen.dengan pendekatan prosedur, sistem dapat didefinisikan
6 BAB II LANDASAN TEORI 2.1. Konsep Dasar Sistem Sistem dapat didefinisikan dengan pendekatan prosedur dan dengan pendekatan komponen.dengan pendekatan prosedur, sistem dapat didefinisikan sebagai kumpulan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Konsep Dasar Sistem Dalam membangun sebuah system informasi diperlukan suatu pemahaman mengenai system itu sendiri sehingga tujuan dari pembangunan system informasi dapat tercapai.
Lebih terperinciPenentuan Rute Belanja dengan TSP dan Algoritma Greedy
Penentuan Rute Belanja dengan TSP dan Algoritma Greedy Megariza 13507076 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI Landasan teori merupakan panduan untuk menemukan solusi pemecahan masalah yang sedang dihadapi. Pada bab ini akan dikemukakan landasan teori yang terkait dengan permasalahan untuk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Jasa Jasa (service) merupakan suatu atau serangkaian aktivitas yang tidak berwujud dan yang biasanya, tidak selalu, berhubungan dengan interaksi antara customer (pelanggan) dan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Sistem adalah kumpulan dari elemen-elemen yang berinteraksi untuk mencapai suatu tujuan tertentu. Menurut Herlambang (2005), definisi sistem dapat dibagi menjadi dua pendekatan,
Lebih terperinciDAFTAR ISTILAH. Activity Diagram
DAFTAR ISTILAH Activity Diagram Actor Admin Adobe Dreamweaver AIX Analysis Apache Aplikasi ASP diagram yang digunakan untuk memodelkan aktivitas bisnis pada suatu sesuatu untuk mewakili peran yang dimiliki
Lebih terperinciIMPLEMENTASI HIERARCHICAL CLUSTERING DAN BRANCH AND BOUND PADA SIMULASI PENDISTRIBUSIAN PAKET POS
IMPLEMENTASI HIERARCHICAL CLUSTERING DAN BRANCH AND BOUND PADA SIMULASI PENDISTRIBUSIAN PAKET POS SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Defenisi Graf Graf G didefenisikan sebagai pasangan himpunan (V,E), ditulis dengan notasi G = (V,E), yang dalam hal ini V adalah himpunan tidak kosong dari simpul-simpul
Lebih terperinciBAB I PENDAHULUAN. dalam suatu perusahaan, karena persediaan akan dijual secara terus menerus untuk
BAB I PENDAHULUAN I.1. Latar Belakang Persediaan Barang merupakan komponen utama yang sangat penting dalam suatu perusahaan, karena persediaan akan dijual secara terus menerus untuk kelangsungan hidup
Lebih terperinci