PENYELESAIAN TRAVELLING SALESMAN PROBLEM ( TSP ) DENGAN MENGGUNAKAN ARTIFICIAL BEE COLONY
|
|
- Budi Makmur
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENYELESAIAN TRAVELLING SALESMAN PROBLEM ( TSP ) DENGAN MENGGUNAKAN ARTIFICIAL BEE COLONY Rendra Firman Pratama, Purwanto, dan Mohammad Yasin Ren_mr07@yahoo.com Universitas Negeri Malang ABSTRAK: Travelling Salesman Problem (TSP) adalah pencarian rute terpendek atau jarak minimum oleh seorang salesman dari suatu kota ke n-kota tepat satu kali dan kembali ke kota awal keberangkatan. TSP dapat diterapkan pada graph komplit berbobot yang memiliki total bobot sisi minimum, dimana bobot pada sisi adalah jarak. Rute TSP ini memuat semua titik pada graph tersebut tepat satu kali. Banyak algoritma telah dikembangkan dalam menyelesaikan permasalahan TSP, namun ada beberapa algoritma yang dirasa kurang dalam hal performasinya. Salah satu algoritma yang mampu menyelesaikan permasalahan TSP adalah Artificial Bee Colony.Dalam implementasi skripsi ini, Artificial Bee Colony akan diterapkan untuk menyelesaikan permasalahan TSP. Artificial Bee Colony merupakan algoritma yang didasarkan kecerdasan berkelompok dari lebah dalam mencari sumber makanan. Tujuan dari penulisan skripsi ini adalah mengetahui penerapan Artificial Bee Colony untuk permasalahan TSP. Dari hasil penulisan ini diperoleh bahwa Artificial Bee Colony mampu menyelesaikan permasalahan TSP dengan baik. Kata kunci : Graph, Travelling Salesman Problem (TSP), Artificial Bee Colony Pendahuluan Matematika adalah salah satu ilmu yang merupakan dasar dari ilmu ilmu pengetahuan yang lain. Tidak dipungkiri, kontribusi matematika sangat besar dalam perkembangan IPTEK. Salah satu cabang ilmu dalam matematika yang penerapannya bisa kita rasakan dalam kehidupan sehari hari adalah graph. Banyak materi dalam graph yang mempunyai manfaat untuk diterapkan dalam kehidupan sehari hari, salah satunya adalah Travelling Salesman Problem (TSP). TSP sendiri merupakan permasalahan dari seorang sales, dimana sales tersebut harus melewati kota tujuan tepat satu kali dan kembali ke kota asal keberangkatan. Banyak algoritma yang telah dibahas dan digunakan untuk pencarian solusi dari masalah TSP ini. Pada skripsi ini membahas penyelesaian permasalahan TSP dengan menggunakan Artificial Bee Colony. Artificial Bee Colony adalah salah satu algoritma yang didasarkan pada kecerdasan berkelompok. Menurut Chong (2006) Artificial Bee Colony mampu menyelesaikan permasalahan TSP lebih baik dibandingkan dengan algoritma lain yang juga didasarkan pada kecerdasan berkelompok. Dalam Artificial Bee Colony ada beberapa tahapan yang harus dilakukan untuk memperoleh solusi dari permasalahan TSP. Tahapan tahapan itu meliputi pembentukan rute, inisialisasi, tahap Lebah Pekerja (Employed Bee Phase ), tahap evaluasi populasi, tahap Lebah Penjaga ( Onlooker Bee Phase ), tahap Lebah Pengintai ( Scout Bee Phase ).
2 Pembahasan Artificial Bee Colony untuk Travelling Salesman Problem (TSP) Penyelesaian permasalahan TSP dengan menggunakan Artificial Bee Colony melalui beberapa tahapan. Tahapan tahapan itu didasarkan pada perilaku lebah dalam mencari sumber makanan dan menginformasikan letak sumber makanan tersebut pada lebah yang lain. Berikut tahapan tahapan dari Artificial Bee Colony. 1. Pembentukan rute Untuk pembentukan rute dalam masalah Travelling Salesman Problem pada kasus ini digunakan metode Nearest Neighboor. Rute rute yang terbentuk menjadi kumpulan sumber makanan dimana sumber sumber makanan tersebut akan dijadikan acuan dalam penyelesaian Travelling Salesman Problem menggunakan Artificial Bee Colony. 2. Inisialisasi Dalam tahap inisialisasi ini semua rute yang sudah terbentuk dianggap sebagai sumber makanan dan akan diseleksi oleh para lebah untuk menentukan rute mana yang terbaik dan merupakan solusi dari permasalahan. Pada tahap ini diberikan nilai percobaan dari setiap kemungkinan solusi sama dengan 0. Proses inisialisasi dari kemungkinan solusi (sumber makanan) dilakukan secara random dengan persamaan sebagai berikut : x = x + rand(0,1).( x x ) ij jmin jmax jmin x ij = inisialisasi kemungkinan solusi ke-i dengan parameter ke-j x jmin = nilai kemungkinan solusi terkecil berdasarkan parameter j x jmax = nilai kemungkinan solusi terbesar berdasarkan parameter j rand(0,1) = nilai random antara 0 sampai 1 i = 1... SN, SN adalah jumlah kemungkinan solusi (sumber makanan) j = 1...D, D adalah jumlah parameter yang digunakan. 3. Tahap Lebah Pekerja ( Employed Bee Phase ) Setelah penginisialisasian selesai para lebah pekerja bertugas untuk memperluas nilai dari setiap kemungkinan solusi yang ada dengan menggunakan persamaan sebagai berikut : v = x + φ.( x x ) ij ij ij kj ij v ij = nilai perluasan kemungkinan solusi ke-i dengan parameter j x ij = nilai kemungkinan solusi ke-i dengan parameter j i = 1... SN, SN adalah jumlah kemungkinan solusi (sumber makanan) j = 1...D, D adalah jumlah parameter yang digunakan. k = 1...SN, SN adalah jumlah parameter yang digunakan.
3 φ ij = bilangan real random antara [-1,1] Setelah setiap kemungkinan solusi diperluas, akan diaplikasikan greedy selection antara nilai kemungkinan solusi x i dengan nilai baru hasil perluasan yaitu v i. Jika nilai v i lebih kecil dari nilai x i maka nilai v i tersebut akan dianggap sama dengan nilai x i dan nilai percobaan tetap bernilai 0. Jika tidak, nilai x i yang disimpan dan nilai percobaan ke-i ditambah dengan 1. Proses ini berulang sampai jumlah perluasan sama dengan jumlah sumber makanan.(pan.2009). 4. Tahap evaluasi populasi Setelah setiap kemungkinan solusi diperluas dan dibandingkan dengan nilai awal inisialisasi, tahap berikutnya adalah penghitungan kualitas dari setiap kemungkinan solusi menggunakan fungsi fitness sebagai berikut : 1 ( ) fitness x i, f( xi) 0 (1 + f( xi)) 1 + f ( xi), f ( xi) < 0 i = 1... SN, SN adalah jumlah kemungkinan solusi (sumber makanan) 5. Tahap Lebah Penjaga ( Onlooker Bee Phase) Setelah semua perluasan untuk setiap kemungkinan solusi di tahap lebah pekerja terpenuhi dan telah dihitung masing masing nilai probability, informasi yang diperoleh lebah pekerja akan ditunjukkan kepada lebah penjaga. Lebah penjaga yang menerima informasi tersebut bertugas untuk menghitung nilai probability dari setiap kemungkinan solusi yang ada dengan menggunakan rumus sebagai berikut : fitnessi pi = SN fitness fitness i = nilai fitness solusi ke-i SN i= 1 fitness i i= 1 = jumlah dari nilai fitness ke- i sampai SN Setelah nilai probability dari setiap kemungkinan solusi dihitung, lebah penjaga akan memilih kemungkinan solusi mana yang akan ditelusuri lebih lanjut oleh Lebah Pengintai dengan menggunakan metode roulette-wheel. 6. Tahap Lebah Pengintai ( Scout Bee Phase ) Untuk mengaplikasi metode roullete-wheel, dipilih bilangan real secara random antara [0,1] untuk setiap kemungkinan solusi. Jika nilai p i lebih besar dari bilangan random yang ditentukan, maka lebah penjaga akan menugaskan lebah pengintai untuk memperluas kembali kemungkinan solusi yang terpilih tersebut sesuai dengan tahap lebah pekerja sebelumnya. Setelah kemungkinan solusi terpilih diperluas, akan diaplikasikan greedy selection antara nilai kemungkinan solusi x i dengan nilai baru hasil perluasan yaitu v i. Jika nilai v i lebih kecil dari nilai x i maka nilai v i tersebut akan dianggap sama dengan nilai x i. Jika tidak, nilai v i yang disimpan dan nilai percobaan ke-i ditambah dengan 1. Proses ini berulang i
4 sampai jumlah perluasan sesuai dengan kemungkinan solusi. Setelah semua kemungkinan solusi memiliki nilai percobaan, akan dipilih kemungkinan solusi dengan nilai percobaan maksimum dan kemungkinan solusi tersebut menjadi pilihan solusi terbaik. Proses kembali menuju tahap lebah pekerja (Employed Bee Phase) dan berulang sampai kriteria pembatas terpenuhi, dimana kriteria pembatas yang dimaksud adalah jumlah lebah dalam colony. Untuk mempermudah pemahaman tentang Artificial Bee Colony, berikut flowchart dari tahapan tahapan Artificial Bee Colony : Flowchart Artificial Bee Colony untuk TSP
5 Uji Coba Program Pada penulisan skripsi ini dibuat juga alat bantu program untuk menyelesaikan permasalahan TSP dengan Artificial Bee Colony. Alat bantu program ini dibuat menggunakan Software Borland Delphi 7. Akan dilakukan uji coba program yang telah dibuat. Terdapat suatu permasalahan TSP dengan 5 titik, diman atitik ke-0 adalah titik asal. Berikut gambar permasalahan TSP : Gambar Permasalahan TSP Untuk hasil penyelesaian permasalahan TSP diatas sebagai berikut: Gambar Penyelesaian TSP dengan program Artificial Bee Colony Dari gambar diatas dapat kita lihat solusi dari permasalahan TSP tersebut menghasilkan rute dengan panjang rute 21. Kesimpulan dan Saran Kesimpulan 1. Artificial Bee Colony mampu menyelesaikan permasalahan TSP dengan menggunakan tahapan yang diberikan. 2. Pembuatan program Artificial Bee Colony sebagai alat bantu perhitungan sangat membantu para sales untuk menentukan rute perjalanan yang lebih minimum dalam setiap permasalahan Travelling Salesman Problem yang ditemui. Program Artificial Bee Colony ini mampu menyelesaikan masalah Travelling Salesman Problem dengan jumlah konsumen yang besar. Saran 1. Perlu adanya percobaan lebih lanjut untk penerapan Artificial Bee Colony pada materi graph selain Travelling Salesman Problem. 2. Penggantian metode untuk pembentukan rute agar hasil yang diperoleh lebih baik dan mengurangi jumlah iterasi yang ada.
6 Daftar Rujukan Amin, Aulia A.,Ikhsan, Mukhamad., Wibisono, Lastiko Travelling Salesman Problem. ITB. Chong, C. S., Sivakumar, A.I, Low, M. Y. H. And Gay, K.L A Bee Colony Optimization Algorithm To Job Shop Scheduling. [online]. rep1&type=pdf. Desiani, A., Arhami, M Konsep Kecerdasan Buatan. Yogyakarta: Andi. Garfinkel, RS dan Nemhauser, GL Integer Programming. New York: John Wiley & Sons. Habibi, Bakhtiar Penyelesaian Travelling Salesman Problem dengan menggunakan Simullated Annealing. Skripsi tidak diterbitkan. Malang: Universitas Negeri Malang. Herdhiyanto, Ferry Penyelesaian Travelling Salesman Problem dengan menggunakan Algoritma Koloni Semut. Skripsi tidak diterbitkan. Malang: Universitas Negeri Malang. Karaboga, Darvis, An idea based on Honey Bee Swarm for Numerical Optimization. Technical Report TR06, Erciyes University, Engineering Faculty, Computer Engineering Department. Kusumadewi, Sri Artificial Intelegence: Teknik dan aplikasinya. Yogyakarta: Graha Ilmu. Pan, Jeng-Shyang, Enhanced Artificial Bee Colony Optimization. Singh, Anshul, Augmentation of Travelling Salesman Problem using Bee Colony Optimization.
Penempatan Dan Penentuan Kapasitas Optimal Distributed Generator (DG) Menggunakan Artificial Bee Colony (ABC)
Penempatan Dan Penentuan Kapasitas Optimal Distributed Generator (DG) Menggunakan Artificial Bee Colony (ABC) Oleh : Ahmad Zakaria H. 2207100177 Dosen Pembimbing : Prof. Dr.Ir. Imam Robandi, MT. Ir. Sjamsjul
Lebih terperinciPENERAPAN ALGORITMA GENETIKA DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM WITH PRECEDENCE CONSTRAINTS (TSPPC)
PENERAPAN ALGORITMA GENETIKA DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM WITH PRECEDENCE CONSTRAINTS (TSPPC) Yayun Hardianti 1, Purwanto 2 Universitas Negeri Malang E-mail: yayunimoet@gmail.com ABSTRAK:
Lebih terperinciPENENTUAN MATCHING MAKSIMUM PADA GRAPH BIPARTISI BERBOBOT DENGAN MENGGUNAKAN ALGORITMA GENETIKA
PENENTUAN MATCHING MAKSIMUM PADA GRAPH BIPARTISI BERBOBOT DENGAN MENGGUNAKAN ALGORITMA GENETIKA,, Universitas Negeri Malang E-mail: love_nisza@yahoo.co.id ABSTRAK: Matching berguna untuk menyelesaikan
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING
PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING Dinda Novitasari 1, Arista Welasari 2, W. Lisa Yunita 3, Nur Alfiyah 4, dan Chasandra P. 5 Program Studi Informatika, PTIIK,
Lebih terperinciOPTIMALISASI TRAVELLING SALESMAN WITH TIME WINDOWS (TSPTW) DENGAN ALGORITMA SEMUT
OPTIMALISASI TRAVELLING SALESMAN WITH TIME WINDOWS (TSPTW) DENGAN ALGORITMA SEMUT Budi Prasetyo Wibowo, Purwanto, dansusy Kuspambudi Andaini Universitas Negeri Malang ABSTRAK: Travelling Salesman Problem
Lebih terperinciSistem Optimasi Rute Tempat Wisata Kuliner Di Malang Menggunakan Algoritma Bee Colony
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 3, Maret 2017, hlm. 215-223 http://j-ptiik.ub.ac.id Sistem Optimasi Rute Tempat Wisata Kuliner Di Malang Menggunakan
Lebih terperinciERWIEN TJIPTA WIJAYA, ST.,M.KOM
ERWIEN TJIPTA WIJAYA, ST.,M.KOM DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk
Lebih terperinciPenempatan Dan Penentuan Kapasitas Optimal Distributed Generator (DG) Menggunakan Artificial Bee Colony (ABC)
JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 2012) ISSN: 2301-9271 B-16 Penempatan Dan Penentuan Kapasitas Optimal Distributed Generator (DG) Menggunakan Artificial Bee Colony (ABC) Ahmad Zakaria H, Sjamsjul
Lebih terperinciALGORITMA OPTIMASI UNTUK PENYELESAIAN TRAVELLING SALESMAN PROBLEM (Optimization Algorithm for Solving Travelling Salesman Problem)
ALGORITMA OPTIMASI UNTUK PENYELESAIAN TRAVELLING SALESMAN PROBLEM (Optimization Algorithm for Solving Travelling Salesman Problem) Dian Tri Wiyanti Program Studi Teknik Informatika, Jurusan Teknologi Informasi
Lebih terperinciILMU KOMPUTER. Daftar Isi : HEALTH INFORMATICS : AN INTRODUCTION... 1 I Made Agus Setiawan
Jurnal ILMU KOMPUTER Volume 6 Nomor 1 April 2013 Daftar Isi : HEALTH INFORMATICS : AN INTRODUCTION... 1 I Made Agus Setiawan PENERAPAN METODE FORGY PADA PERILAKU LEBAH PENJELAJAH DALAM ARTIFICIAL BEE COLONY...
Lebih terperinciPENENTUAN SLACK BUS PADA JARINGAN TENAGA LISTRIK SUMBAGUT 150 KV MENGGUNAKAN METODE ARTIFICIAL BEE COLONY
PENENTUAN SLACK BUS PADA JARINGAN TENAGA LISTRIK SUMBAGUT 150 KV MENGGUNAKAN METODE ARTIFICIAL BEE COLONY Tommy Oys Damanik, Yulianta Siregar Konsentrasi Teknik Energi Listrik, Departemen Teknik Elektro
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 II KAJIAN PUSTAKA. Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi
BAB II KAJIAN PUSTAKA Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi graf, permasalahan optimasi, model matematika dari objek wisata di Yogyakarta, dan algoritma genetika
Lebih terperinciAmalia Utami¹, Suyanto², Retno Novi Dayawati³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
ALGORITMA BEE COLONY OPTIMIZATION PADA TRAVELING SALESMAN PROBLEM MENGGUNAKAN METODE FREQUENCY BASED PRUNING SYSTEM DAN FIXED RADIUS NEAR NEIGHBOUR 2-OPT Amalia Utami¹, Suyanto², Retno Novi Dayawati³ ¹Teknik
Lebih terperinciPenentuan Letak dan Kapasitas Bank Kapasitor Secara Optimal Menggunakan Bee Colony Algorithm
Penentuan Letak dan Kapasitas Bank Kapasitor Secara Optimal Menggunakan Bee Colony Algorithm Oleh : Danang Sulistyo 2205100002 Dosen Pembimbing : Prof. Imam Robandi Seminar Tugas Akhir Jurusan Teknik Elektro
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 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 I PENDAHULUAN an berkembang algoritma genetika (genetic algorithm) ketika I. Rochenberg dalam bukunya yang berjudul Evolution Strategies
BAB I PENDAHULUAN A. Latar Belakang Perkembangan teori graf sangat pesat dari tahun ke tahun, pada tahun 1960-an berkembang algoritma genetika (genetic algorithm) ketika I. Rochenberg dalam bukunya yang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan
BAB 1 PENDAHULUAN 1.1 Pendahuluan Dewasa ini fungsi komputer semakin dibutuhkan, baik bagi perusahaan besar maupun kecil. Adapun fungsi dari komputer itu sendiri adalah mengolah data-data yang ada menjadi
Lebih terperinciJl. Ahmad Yani, Pontianak Telp./Fax.: (0561)
APLIKASI PENCARIAN RUTE TERPENDEK MENGGUNAKANALGORITMA GENETIKA (Studi Kasus: Pencarian Rute Terpendek untuk Pemadam Kebakaran di Wilayah Kota Pontianak) [1] Putri Yuli Utami, [2] Cucu Suhery, [3] Ilhamsyah
Lebih terperinciMatematika dan Statistika
ISSN 1411-6669 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Majalah Ilmiah Matematika dan Statistika APLIKASI ALGORITMA SEMUT DAN ALGORITMA CHEAPEST
Lebih terperinciANALISA KEBUTUHAN WAKTU PADA PROSES PENYELESAIAN TRAVELING SALESMAN PROBLEM
ANALISA KEBUTUHAN WAKTU PADA PROSES PENYELESAIAN TRAVELING SALESMAN PROBLEM Hari Murti 1, R. Soelistijadi 2, Sugiyamto 3 Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank
Lebih terperinciBAB III IMPLEMENTASIALGORITMA GENETIK DAN ACS PADA PERMASALAHAN TRAVELLING SALESMAN PROBLEM
BAB III IMPLEMENTASIALGORITMA GENETIK DAN ACS PADA PERMASALAHAN TRAVELLING SALESMAN PROBLEM 3.1 TRAVELLING SALESMAN PROBLEM Sebelum membahas pencarian solusi Travelling Salesman Problem menggunakan algoritma
Lebih terperinciPENYELESAIAN MINIMUM SPANNING TREE (MST) PADA GRAF LENGKAP DENGAN ALGORITMA GENETIKA MENGGUNAKAN TEKNIK PRUFER SEQUENCES
J~ICON, Vol. 2 No. 2, Oktober 2014, pp. 84 ~ 91 84 PENYELESAIAN MINIMUM SPANNING TREE (MST) PADA GRAF LENGKAP DENGAN ALGORITMA GENETIKA MENGGUNAKAN TEKNIK PRUFER SEQUENCES Emsi M. Y. Monifani 1, Adriana
Lebih terperinciPENJADWALAN MESIN BERTIPE JOB SHOP UNTUK MEMINIMALKAN MAKESPAN DENGAN METODE ALGORITMA GENETIKA (STUDI KASUS PT X)
PENJADWALAN MESIN BERTIPE JOB SHOP UNTUK MEMINIMALKAN MAKESPAN DENGAN METODE ALGORITMA GENETIKA (STUDI KASUS PT X) Ria Krisnanti 1, Andi Sudiarso 2 1 Jurusan Teknik Mesin dan Industri, Fakultas Teknik,
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA HYBRID (BEST IMPROVEMENT SEARCH) PADA VEHICLE ROUTING PROBLEM WITH TIME WINDOW
IMPLEMENTASI ALGORITMA GENETIKA HYBRID (BEST IMPROVEMENT SEARCH) PADA VEHICLE ROUTING PROBLEM WITH TIME WINDOW Fitria Dwi Rosi, Purwanto, dan Mohammad Yasin Universitas Negeri Malang ABSTRAK: Vehicle Routing
Lebih terperinciOptimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika
Optimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika Rozak Arief Pratama 1, Esmeralda C. Djamal, Agus Komarudin Jurusan Informatika, Fakultas MIPA Universitas Jenderal
Lebih terperinciGENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR
MULTI TRAVELING SALESMAN PROBLEM (MTSP) DENGAN ALGORITMA Abstrak GENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR Oleh : Fitriana Yuli Saptaningtyas,M.Si. Jurusan Pendidikan Matematika FMIPA
Lebih terperinciPRESENTASI TUGAS AKHIR CF 1380
PRESENTASI TUGAS AKHIR CF 1380 IMPLEMENTASI ALGORITMA OPTIMASI BEE COLONY UNTUK PENJADWALAN JOB SHOP (Kata kunci: Optimasi Bee Colony, Penjadwalan Job Shop) Penyusun Tugas Akhir : Nafiuna Hidayatus Saidah
Lebih terperinciIMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS
IMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS Yudis Anggara Putra Chastine Fatichah Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciPERBANDINGAN ALGORITMA EXHAUSTIVE, ALGORITMA GENETIKA DAN ALGORITMA JARINGAN SYARAF TIRUAN HOPFIELD UNTUK PENCARIAN RUTE TERPENDEK
PERBANDINGAN ALGORITMA EXHAUSTIVE, ALGORITMA GENETIKA DAN ALGORITMA JARINGAN SYARAF TIRUAN HOPFIELD UNTUK PENCARIAN RUTE TERPENDEK Rudy Adipranata 1) Felicia Soedjianto 2) Wahyudi Tjondro Teknik Informatika,
Lebih terperinciBAB 1 PENDAHULUAN. bagian dalam pekerjaan. Dalam melakukan pemasangan kabel perlu
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bagi perusahaan kontraktor perumahan, pemasangan kabel menjadi bagian dalam pekerjaan. Dalam melakukan pemasangan kabel perlu dilakukan perencanaan urutan rumah yang
Lebih terperinciProsiding SENTIA 2016 Politeknik Negeri Malang Volume 8 ISSN:
Prosiding SENTIA 216 Politeknik Negeri Malang Volume 8 ISSN: 285-2347 OPTIMASI PENGATURAN MENU DAN TAKARAN ENERGI UNTUK PENDERITA JANTUNG MENGGUNAKAN ALGORITMA KOLONI LEBAH BUATAN Oktriza Melfazen Jurusan
Lebih terperinciPenentuan MVar Optimal SVC pada Sistem Transmisi Jawa Bali 500 kv Menggunakan Artificial Bee Colony Algorithm
Penentuan MVar Optimal SVC pada Sistem Transmisi Jawa Bali 500 kv Menggunakan Artificial Bee Colony Algorithm Oleh : Fajar Galih Indarko NRP : 2207 100 521 Pembimbing : Prof. Dr. Ir. Imam Robandi, MT Abstrak
Lebih terperinciPerbandingan Algoritma Exhaustive, Algoritma Genetika Dan Algoritma Jaringan Syaraf Tiruan Hopfield Untuk Pencarian Rute Terpendek
Perbandingan Algoritma Exhaustive, Algoritma Genetika Dan Algoritma Jaringan Syaraf Tiruan Hopfield Untuk Pencarian Rute Terpendek Rudy Adipranata 1, Felicia Soedjianto 2, Wahyudi Tjondro Teknik Informatika,
Lebih terperinciAPLIKASI SIMULATED ANNEALING UNTUK PENENTUAN TATA LETAK MESIN
APLIKASI SIMULATED ANNEALING UNTUK PENENTUAN TATA LETAK MESIN Sri Kusumadewi, Hari Purnomo Teknik Informatika, Teknik Industri Universitas Islam Indonesia Jl. Kaliurang Km 14,5 Yogyakarta cicie@fti.uii.ac.id,
Lebih terperinciKAJIAN KARAKTERISTIK SOLUSI VARIAN TRAVELING SALESMAN PROBLEM (TSP) DAN APLIKASINYA
KAJIAN KARAKTERISTIK SOLUSI VARIAN TRAVELING SALESMAN PROBLEM (TSP) DAN APLIKASINYA Sapti Wahyuningsih 1, Darmawan Satyananda 2, Dahliatul Hasanah 3 1 Jurusan Matematika FMIPA UM Malang, sapti.wahyuningsih.fmipa@um.ac.id
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP)
Abstrak PENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP) Aulia Fitrah 1, Achmad Zaky 2, Fitrasani 3 Program Studi Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi
Lebih terperinciANALISIS ALGORITMA ANT SYSTEM (AS) PADA KASUS TRAVELLING SALESMAN PROBLEM (TSP)
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 201 210. ANALISIS ALGORITMA ANT SYSTEM (AS) PADA KASUS TRAVELLING SALESMAN PROBLEM (TSP) Cindy Cipta Sari, Bayu Prihandono,
Lebih terperinciHYBRID ARTIFICIAL BEE COLONY : PENYELESAIAN BARU POHON RENTANG BERBATAS DERAJAT
HYBRID ARTIFICIAL BEE COLONY : PENYELESAIAN BARU POHON RENTANG BERBATAS DERAJAT Abidatul Izzah 1), Ratih Kartika Dewi 2), Siti Mutrofin 3) Program Pasca Sarjana Teknik Informatika FTIF ITS Surabaya Gedung
Lebih terperinciPenempatan Dan Penentuan Kapasitas Optimal Distributed Generator (DG) Menggunakan Artificial Bee Colony (ABC)
Penempatan Dan Penentuan Kapasitas Optimal Distributed Generator (DG) Menggunakan Artificial Bee Colony (ABC) Ahmad Zakaria H, Sjamsjul Anam, dan Imam Robandi Jurusan Teknik Elektro, Fakultas Teknologi
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 terperinciPenjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Jurnal Telematika, vol.9 no.1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-251 Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Lebih terperinciOPTIMASI PENJADWALAN PENGERJAAN SOFTWARE PADA SOFTWARE HOUSE DENGAN FLOW-SHOP PROBLEM MENGGUNAKAN ARTIFICIAL BEE COLONY
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) p-issn: 2355-7699 Vol. 3, No. 4, Desember 2016, hlm. 259-264 e-issn: 2528-6579 OPTIMASI PENJADWALAN PENGERJAAN SOFTWARE PADA SOFTWARE HOUSE DENGAN FLOW-SHOP
Lebih terperinciIMPLEMENTASI MASALAH PEWARNAAN GRAPH DENGAN ALGORITMA TABU SEARCH PADA PENJADWALAN KULIAH
IMPLEMENTASI MASALAH PEWARNAAN GRAPH DENGAN ALGORITMA TABU SEARCH PADA PENJADWALAN KULIAH Ida Suryani 1, Purwanto 2, Mohamad sin 3 Universitas Negeri Malang E-mail: idaasuryaani@gmail.com; purmatum@yahoo.com;
Lebih terperinciSTUDI PERBANDINGAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN ANT COLONY SYSTEM DALAM PEMECAHAN TRAVELLING SALESMAN PROBLEM
Seminar Nasional Aplikasi Teknologi Informasi (SNATI ) ISSN: `1907-5022 Yogyakarta, 19 Juni STUDI PERBANDINGAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN ANT COLONY SYSTEM DALAM PEMECAHAN TRAVELLING SALESMAN
Lebih terperinciPenyelesaian Maximum Flow Problem dengan Algoritma Cloning-Based
Penyelesaian Maximum Flow Problem dengan Algoritma Cloning-Based Setya Widodo, Purwanto, dan Subanji Universitas Negeri Malang E-mail: yambink@gmail.com ABSTRAK: Skripsi ini membahas tentang permasalahan
Lebih terperinciDynamic Economic Dispatch Mempertimbangkan Prohibited Operating Zones Menggunakan Algoritma Improved Artificial Bee Colony
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) B -199 Dynamic Economic Dispatch Mempertimbangkan Prohibited Operating Zones Menggunakan Algoritma Improved Artificial Bee Colony
Lebih terperinciPenyelesaian Permasalahan Optimasi Global Menggunakan AlgoritmaKoloni Lebah Buatan
Penyelesaian Permasalahan Optimasi Global Menggunakan AlgoritmaKoloni Lebah Buatan Nursyiva Irsalinda Program Studi MatematikaUniversitas Ahmad Dahlan Kampus III: Jalan Prof. Dr. Soepomo, Janturan, Umbulharjo,
Lebih terperinciBAB I PENDAHULUAN. wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat
BAB I PENDAHULUAN A. Latar Belakang Masalah Objek pariwisata di Yogyakarta sudah semakin beragam mulai dari wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat wisatawan dapat dibuat
Lebih terperinciSTUDI KOMPARATIF ALGORITMA ANT DAN ALGORITMA GENETIK PADA TRAVELLING SALESMAN PROBLEM
Jurnal Computech & Bisnis, Vol. 3, No. 1, Juni 2009, 30-36 ISSN Studi 1978-9629 Komparatif Algoritma Ant...(Bambang Siswoyo & Andrianto) STUDI KOMPARATIF ALGORITMA ANT DAN ALGORITMA GENETIK PADA TRAVELLING
Lebih terperinciALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 03(2016), hal 265 274. ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR Abdul Azis, Bayu Prihandono, Ilhamsyah INTISARI Optimasi
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam setiap hari, masyarakat tidak akan luput dari kegiatan distribusi barang. Dari rakyat kecil sampai pada perusahaan besar sangat memperhatikan masalah distribusi
Lebih terperinciArtificial Bee Colony Algorithm untuk Menyelesaikan Travelling Salesman Problem
JURNAL DUNIA TEKNOLOGI INFORMASI Vol. 1, No. 1, (2012) 8-13 8 Artificial Bee Colony Algorithm untuk Menyelesaikan Travelling Salesman Problem 1 Faisal Amri, 1 Erna Budhiarti Nababan, 1 Mohammad Fadly Syahputra
Lebih terperinciPENDAHULUAN BAB Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perjalanan dari tempat satu ke tempat yang lain merupakan kegiatan yang sehari hari kita lakukan. Perjalanan ini memiliki rute tertentu dengan jarak tertentu
Lebih terperinci1.4. Batasan Masalah Batasan-batasan masalah dalam pembuatan tugas akhir ini adalah sebagai berikut :
BAB 1 PENDAHULUAN 1.1. Pengantar Perkembangan jaman yang diiringi dengan kemajuan teknologi sekarang ini menyebabkan perubahan hampir di segala bidang. Salah satu aspeknya ialah teknologi komputerisasi
Lebih terperinciPENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA
PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA Kartina Diah KW1), Mardhiah Fadhli2), Charly Sutanto3) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1 Rumbai-Pekanbaru-Riau
Lebih terperinciBAB 2 LANDASAN TEORI
18 BAB 2 LANDASAN TEORI 2.1 Pengertian Optimasi Optimasi adalah salah satu ilmu dalam matematika yang fokus untuk mendapatkan nilai minimum atau maksimum secara sistematis dari suatu fungsi, peluang maupun
Lebih terperinciOptimisasi Dynamic Economic Dispatch Menggunakan Algoritma Artificial Bee Colony
Optimisasi Dynamic Economic Dispatch Menggunakan Algoritma Artificial Bee Colony Nurlita Gamayanti 1, Abdullah Alkaff 2, Amien Karim 3 Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember (ITS) Surabaya,
Lebih terperinciBAB I PENDAHULUAN. alam dan operator genetika. Particle swarm optimization algoritm mensimulasikan
BAB I PENDAHULUAN A. Latar Belakang Alam menginspirasi para peneliti untuk mengembangkan model dalam meyelesaikan permasalahan mereka. Optimasi merupakan satu bidang yang secara berkala dikembangkan dan
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM
PERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM Nico Saputro dan Suryandi Wijaya Jurusan Ilmu Komputer Universitas Katolik Parahyangan nico@home.unpar.ac.id
Lebih terperinciANALISIS ALOKASI KANAL DINAMIK PADA KOMUNIKASI SELULER DENGAN ALGORITMA ARTIFICIAL BEE COLONY
ANALISIS ALOKASI KANAL DINAMIK PADA KOMUNIKASI SELULER DENGAN ALGORITMA ARTIFICIAL BEE COLONY Agus Noble, Rahmad Fauzi Konsentrasi Teknik Telekomunikasi, Departemen Teknik Elektro Fakultas Teknik Universitas
Lebih terperinciDAFTAR ISI... HALAMAN JUDUL... HALAMAN PERSETUJUAN... LEMBAR PERNYATAAN... HALAMAN PERSEMBAHAN... HALAMAN MOTTO... KATA PENGANTAR... DAFTAR TABEL...
DAFTAR ISI Halaman HALAMAN JUDUL... HALAMAN PERSETUJUAN... LEMBAR PERNYATAAN... HALAMAN PERSEMBAHAN... HALAMAN MOTTO... KATA PENGANTAR... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... INTISARI... ABSTRACT...
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 terperinciBAB III. Metode Penelitian
BAB III Metode Penelitian 3.1 Diagram Alir Penelitian Secara umum diagram alir algoritma genetika dalam penelitian ini terlihat pada Gambar 3.1. pada Algoritma genetik memberikan suatu pilihan bagi penentuan
Lebih terperinciOptimasi Menu Makanan Bagi Pasien Gagal Ginjal Menggunakan Algoritme Lebah
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 4, April 2018, hlm. 1698-1703 http://j-ptiik.ub.ac.id Optimasi Menu Makanan Bagi Pasien Gagal Ginjal Menggunakan
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004 Penyelesaian Masalah Penugasan dengan Algoritma Genetika Zainudin Zukhri Jurusan Teknik Informatika, Fakultas Teknologi Industri,
Lebih terperinciANT COLONY OPTIMIZATION
ANT COLONY OPTIMIZATION WIDHAPRASA EKAMATRA WALIPRANA - 13508080 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung e-mail: w3w_stay@yahoo.com ABSTRAK The Ant Colony Optimization
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Dalam beberapa tahun terakhir ini, peranan algoritma genetika terutama untuk masalah optimisasi, berkembang dengan pesat. Masalah optimisasi ini beraneka ragam tergantung dari bidangnya. Dalam
Lebih terperinciOPTIMASI PENEMPATAN DAN KAPASITAS SVC DENGAN METODE ARTIFICIAL BEE COLONY ALGORITHM
OPTIMASI PENEMPATAN DAN KAPASITAS SVC DENGAN METODE ARTIFICIAL BEE COLONY ALGORITHM Khairina Noor.A. 1, Hadi Suyono, ST., MT., Ph.D. 2, Dr. Rini Nur Hasanah, ST., M.Sc. 3 1 Mahasiswa Teknik Elektro, 2,3
Lebih terperinciPENEMPATAN KAPASITOR DAN OPTIMASI KAPASITASNYA MENGGUNAKAN ARTIFICIAL BEE COLONY (ABC) PADA SALURAN DISTRIBUSI PRIMER
146 Dielektrika ISSN 2086-9487 Vol. 1, No. 2 : 146 153 Agustus 2014 PENEMPATAN KAPASITOR DAN OPTIMASI KAPASITASNYA MENGGUNAKAN ARTIFICIAL BEE COLONY (ABC) PADA SALURAN DISTRIBUSI PRIMER Wildan Faisal Harharah1
Lebih terperinciImplementasi Artificial Bee Colony untuk Pemilihan Titik Pusat pada Algoritma K-means
A608 Implementasi Artificial Bee Colony untuk Pemilihan Titik Pusat pada Algoritma K-means Ario Bagus Nugroho, Diana Purwitasari, dan Chastine Fatichah Jurusan Teknik Informatika, Fakultas Teknologi Informasi,
Lebih terperinciBAB II TINJAUAN PUSTAKA
6 BAB II TINJAUAN PUSTAKA Pada bagian pada bagian ini akan diuraikan tentang tinjauan pustaka dan landaran teori yang sesuai dengan ACO dan AG. 2.1 Algoritma Ant Colony Optimization Secara umum pencarian
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB TINJAUAN PUSTAKA DAN DASAR TEORI.1. Penelitian Terdahulu Archetti et al. (009) menggunakan sebuah metode eksak yaitu branch-and-price scheme dan dua metode metaheuristics yaitu algoritma Variable Neighborhood
Lebih terperinciALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP
Media Informatika, Vol. 2, No. 2, Desember 2004, 75-81 ISSN: 0854-4743 ALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP Zainudin Zukhri, Shidiq Alhakim Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas
Lebih terperinciUSULAN PENERAPAN PENJADWALAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA DI PD BLESSING
USULAN PENERAPAN PENJADWALAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA DI PD BLESSING Santoso 1*, Eldad Dufan Sopater Subito 2 1,2 Jurusan Teknik Industri, Fakultas Teknik, Universitas Kristen Maranatha
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih terperinciABSTRAK. Kata kunci: Jadwal pelajaran, algoritma Artificial Bee Colony, fitness. ii Universitas Kristen Maranatha
ABSTRAK Penjadwalan merupakan rencana pengaturan urutan kerja serta pengalokasian sumber baik waktu maupun fasilitas untuk setiap operasi yang harus diselesaikan. Secara garis besarnya, penjadwalan adalah
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 terperinciPenyelesaian Masalah Travelling Salesman Problem Menggunakan Ant Colony Optimization (ACO)
Penyelesaian Masalah Travelling Salesman Problem Menggunakan Ant Colony Optimization (ACO) Anna Maria 1, Elfira Yolanda Sinaga 2, Maria Helena Iwo 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen
Lebih terperinciUNIVERSITAS BINA NUSANTARA
UNIVERSITAS BINA NUSANTARA Program Studi Ganda Teknik Informatika Matematika Skripsi Sarjana Program Studi Ganda Semester Genap 2005/2006 PERANCANGAN PROGRAM APLIKASI OPTIMASI DISTRIBUSI LIMUN MENGGUNAKAN
Lebih terperinciDesign and Analysis Algorithm. Ahmad Afif Supianto, S.Si., M.Kom. Pertemuan 09
Design and Analysis Algorithm Ahmad Afif Supianto, S.Si., M.Kom Pertemuan 09 Contents 1 2 5 Algoritma Program Dinamis Lintasan Terpendek (Shortest Path) Penganggaran Modal (Capital Budgeting) 1/0 Knapsack
Lebih terperinci# Computational Science, Telkom University Jl. Telekomunikasi No. 01, Bandung, Indonesia
OPEN ACCESS ISSN 2460-3295 socjtelkomuniversityacid/indosc Optimasi Penjadwalan Perkuliahan dengan Menggunakan Pendekatan Metode Hybrid Algoritma Genetika Adaptif dan Algoritma Koloni Lebah Buatan (Studi
Lebih terperinciPERBANDINGAN ALGORITMA GREEDY, ALGORITMA CHEAPEST INSERTION HEURISTICS DAN DYNAMIC PROGRAMMING DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM
PERBANDINGAN ALGORITMA GREEDY, ALGORITMA CHEAPEST INSERTION HEURISTICS DAN DYNAMIC PROGRAMMING DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM Gea Aristi Program Studi Manajemen Informatika AMIK BSI Tasikmalaya
Lebih terperinciPENERAPAN ALGORITMA CAT SWARM OPTIMIZATION (CSO) UNTUK MENYELESAIKAN MULTI - DEPOT VEHICLE ROUTING PROBLEM (MDVRP) SKRIPSI
PENERAPAN ALGORITMA CAT SWARM OPTIMIZATION (CSO) UNTUK MENYELESAIKAN MULTI - DEPOT VEHICLE ROUTING PROBLEM (MDVRP) SKRIPSI FATIMATUS ZAHRO PROGRAM STUDI S-1 MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS SAINS
Lebih terperinciTUGAS AKHIR PERENCANAAN SISTEM DITRIBUSI HASIL PRODUKSI BUKU PADA PT. BINA PUTRA MANDIRI
TUGAS AKHIR PERENCANAAN SISTEM DITRIBUSI HASIL PRODUKSI BUKU PADA PT. BINA PUTRA MANDIRI Diajukan Sebagai Syarat Memperoleh Gelar Sarjana Teknik Jurusan Teknik Industri Fakultas Teknik Universitas Muhammadiyah
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1. Optimasi Pengertian optimasi, antara lain : 1. Anthony (2014 : 1) mengatakan bahwa Teknik optimasi merupakan suatu cara yang dilakukan untuk memberikan hasil yang terbaik yang
Lebih terperinciUniversitas Negeri Surabaya 25 April 2015 iii
Keynote Speaker: 1. dr. H. A. A. van Eerde (Universiteit Utrecht) 2. drs. F. H. J. van Galen (Universiteit Utrecht) 3. Dr. Eng. Anto Satriyo Nugroho, M. Eng. (BPPT) Cetakan Pertama Edisi kedua Mei 2015
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 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 terperinciIMPLEMENTASI ALGORITMA LEBAH UNTUK PENCARIAN JALUR TERPENDEK DENGAN MEMPERTIMBANGKAN HEURISTIK
IMPLEMENTASI ALGORITMA LEBAH UNTUK PENCARIAN JALUR TERPENDEK DENGAN MEMPERTIMBANGKAN HEURISTIK Dian Nurdiana ABSTRAK Rekomendasi jalur yang optimum sangatlah dibutuhkan oleh para pemudik. Hal ini disebabkan
Lebih terperinciDosen Pembimbing : Ir. Budi Santosa, M.S., Ph.D Oleh : Sas Wahid Hamzah
Artificial Immune System untuk Penyelesaian Vehicle Routing Problem with Time Windows Dosen Pembimbing : Ir. Budi Santosa, M.S., Ph.D Oleh : Sas Wahid Hamzah 2507100054 Pendahuluan Pendahuluan Fungsi Objektif
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 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 terperinciIMPLEMENTASI ALGORITMA GENETIKA DALAM OPTIMASI JALUR PENDISTRIBUSIAN KERAMIK PADA PT. CHANG JUI FANG
IMPLEMENTASI ALGORITMA GENETIKA DALAM OPTIMASI JALUR PENDISTRIBUSIAN KERAMIK PADA PT. CHANG JUI FANG Adnan Buyung Nasution 1 1,2 Sistem Infomasi, Tehnik dan Ilmu Komputer, Universitas Potensi Utama 3 Universitas
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 terperinciPENGGUNAAN ALGORITMA GENETIKA UNTUK MENENTUKAN LINTASAN TERPENDEK STUDI KASUS : LINTASAN BRT (BUS RAPID TRANSIT) MAKASSAR
PENGGUNAAN ALGORITMA GENETIKA UNTUK MENENTUKAN LINTASAN TERPENDEK STUDI KASUS : LINTASAN BRT (BUS RAPID TRANSIT) MAKASSAR Karels, Rheeza Effrains 1), Jusmawati 2), Nurdin 3) karelsrheezaeffrains@gmail.com
Lebih terperinciBAB III PERANCANGAN. Gambar 3.1 di bawah ini mengilustrasikan jalur pada TSP kurva terbuka jika jumlah node ada 10:
BAB III PERANCANGAN Pada bagian perancangan ini akan dipaparkan mengenai bagaimana mencari solusi pada persoalan pencarian rute terpendek dari n buah node dengan menggunakan algoritma genetika (AG). Dari
Lebih terperinciPENENTUAN MVAR OPTIMAL SVC PADA SISTEM TRANSMISI JAWA BALI 500 KV MENGGUNAKAN ARTIFICIAL BEE COLONY ALGORITHM
PENENTUAN MVAR OPTIMAL SVC PADA SISTEM TRANSMISI JAWA BALI 500 KV MENGGUNAKAN ARTIFICIAL BEE COLONY ALGORITHM Oleh : Fajar Galih Indarko (2207 100 521) Dosen Pembimbing : Prof. Dr. Ir. Imam Robandi, MT.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Traveling Salesperson Problem selanjutnya dalam tulisan ini disingkat menjadi TSP, digambarkan sebagai seorang penjual yang harus melewati sejumlah kota selama perjalanannya,
Lebih terperinci