OPTIMASI RANCANGAN FILTER BANDPASS AKTIF UNTUK SINYAL LEMAH MENGGUNAKAN ALGORITMA GENETIK Studi Kasus: Sinyal EEG
|
|
- Ivan Lesmana
- 7 tahun lalu
- Tontonan:
Transkripsi
1 OPTIMASI RANCANGAN FILTER BANDPASS AKTIF UNTUK SINYAL LEMAH MENGGUNAKAN ALGORITMA GENETIK Studi Kasus: Sinyal EEG Oleh : Ellys Kumala P ( ) Dosen Pembimbing Dr. Melania Suweni Muntini, MT JURUSAN FISIKA Fakultas Matematika Dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2011
2 Pendahuluan Latar Belakang
3 Tujuan Penelitian Melakukan optimasi rancangan filter, dengan mendapatkan range frekuensi dengan nilai daya ratarata sinyal maksimum Metode Algoritma Genetik
4 Batasan masalah Data Sinyal EEG Data sekunder yang dilakukan peneliti lain. Pembentukan Estimasi Spektral Metode Fast Fourier Transform Metode Optimasi Algoritma Genetik dengan pengkodean biner dengan Pc =0,7 dan Pm = 0,1 Software Matlab Versi 7.8 (R2009a) Spesifikasi Komputer Prosessor AMD Turion (tm) X2 Dual-Core Mobile RM-752.2GHz dan RAM 2 GB.
5 Sinyal dan Sistem EEG Densitas Spektral Daya Tinjauan Pustaka Perancangan Filter Band Pass Signal To Noise Ratio Algoritma Genetik
6 Sinyal Sinyal adalah besaran fisis yang bervariasi dengan waktu, ruang atau variabel bebas lainnya. Sistem Perangkat yang melakukan operasi pada sinyal. Sebagai contohnya, filter yang mengurangi noise dan mengurangi kerusakan pada sinyal(proakis,2007).
7 Densitas Spektral daya Spektrum Daya Metode Estimasi spektral Densitas Spektral Daya Distribusi daya sinyal pada berbagai frekuensi. Metode Fast Fourier Transform spektral daya yang dihitung per satuan frekuensi
8 Daya rata-rata sinyal Besar daya rata-rata sinyal pada rentang frekuensi tertentu berdasarkan densitas spektral daya dihitung dengan metode non parametrik sebagai berikut :
9 Konsep dasar Algoritma genetik Proses seleksi alam Perkawinan (pindah silang) Mutasi POPULASI BARU Sifat-sifat herditas didalam genome POPULASI AWAL Individu dengan sifat lebih baik
10 Optimasi Algoritma Genetik Mengkodekan kandidat solusi Menghitung nilai fitness masing2 individu & penentuan target fitness Memilih calon orang tua sesuai dengan metode roullete wheel Menukarkan gen induk secara agar agar didapatkan individu baru Modifikasi 1 atau lebih gen dalam kromosom Matrik Ukuran populasi x Jum Gen Nilai fitness = daya rata-rata sinyal Induk untuk melakukan crossover Individu baru hasil crossover Individubaru hasil mutasi Solusi optimal = daya rata-rata maksimum
11 Gambaran Umum Optimasi AG Tujuan Optimasi : mendapatkan daya rata-rata sinyal maksimum dengan rentang frekuensi tertentu Variabel f1 dan f2 dikodekan dalam kromosom Didekodekan kembali dan dilakukan perhitungan nilai fitness (daya Rata-rata) Solusi Optimasi Pergantian Populasi Seleksi Alam Pindah silang Mutasi
12 Bagaimana AG melakukan optimasi? 1. Insialisasi Populasi Dikodekan dengan Pengkodean biner Matrik dua dimensi berisi bilangan biner : Ukuran populasi x Jumlah gen
13 2. Evaluasi Individu Nilai Fitness masing-masing Individu dihitung (Kandidat Solusi ) Dekodekan Bilangan riil Filtering sinyal pada Perhitungan Fitness = nilai
14 3.Seleksi Menentukan apakah kromosom dapat dipertahankan atau dipunahkan. Seleksi dilakukan dengan metode roullete whell Individu dengan nilai fitness masing2
15 Implementasi Seleksi Roullete whell Terpilih : Kromosom II,III,IV,V,VII
16 4.Pindah Silang Menghasilkan keturunan baru dengan memindah silangkan 2 kromosom Orang Tua 1 Orang Tua 2 Anak 1 Anak 2
17 Pindah silang (Crossover) Penentuan Probablilitas crossover Membangkitkan bilangan random sejumlah ukuran populasi Syarat terjadi crossover :
18 5.Mutasi modifikasi satu atau lebih gen dalam kromosom yang sama dengan nilai probabilitas mutasi tertentu Kromosom Awal Hasil Mutasi Pemilihan gen termutasi : Dibangkitkan bilangan random pada setiap gen Penentuan Probabilitas Mutasi (presentase gen yang mengalami mutasi dari Jumlah total gen) Syarat :
19 Pergantian Populasi Setelah proses mutasi dan pindah silang individu-individu yang terbentuk akan semakin banyak. Individu Hasil pindah silang Individu hasil pindah silang dan mutasi Populasi awal Populasi baru Individu Hasil mutasi Perangkingan Fitness Ukuran populasi awal Generasi berikutnya
20 Validasi Algoritma Genetik Nilai autokorelasi bertujuan untuk melihat hubungan antar nilai fitness. Apabila nilai autokorelasi ini mendekati 1 maka hubungan antar nilai fitness sangat erat
21 SNR (signal to noise ratio) Ukuranyang menyatakan pengaruh sinyal noise pada sinyal. Didefinisikan sebagai berikut : Perbandingan daya sinyal dan daya noise lebih dari 1 menunjukan sinyal tidak terlalu dipengaruhi oleh noise.
22 Filter Band pass Filter yang meloloskan sinyal dalam suatu range frekuensi tertentu dan tidak melewatkan sinyal dengan frekuensi di bawah dan di atas range frekuensi tersebut Bersifat : aktif atau pasif Filter pasif terdiri dari resistor, kapasitor, dan induktor Filter aktif terdiri dari op-amp, resistor, dan kapasitor
23 Perancangan filter band pass Parameter dalam perancangan suatu rangkaian band pass filter adalah lebar pita atau bandwidth ( f atau B), dan selektivitas (Q) =
24 EEG Elektroensephalogram (EEG) adalah instrumen untuk menangkap aktifitas listrik di otak. Gelombang otak Gelombang alfa (8 13 Hz) Gelombang beta (14 30 Hz) gelombang teta (4 7 Hz) gelombang delta (0.5 3 Hz)
25 Mulai Metodologi Penelitian Pengambilan Data Karakterisasi sinyal Normalisasi Data Filtering sinyal Perhitungan Daya Ratarata sinyal Perancangan Filter Band Pass Optimasi Algoritma Genetik SNR Selesai
26 Karaterisasi Sinyal EEG SINYAL Normalisasi FILTERING Batasan Frekuensi : α (8-13 Hz) β (14-30 Hz) Perhitungan Daya rata-rata Sinyal Sinyal X(n)tranformasi fourier ke domain frekuensi. Sinyal dalam domain frekuensi dikuadratkan Membentuk power spektral density Daya rata-rata sinyal adalah luasan dibawah kurva Daya rata-rata sinyal untuk masing-masing range frekuensi OPTIMASI Algoritma Genetik
27 Diagram Alir Algoritma genetik Inisialisasi populasi Evaluasi Individu Pengkodean Biner Nilai Fitness =daya Rata-rata sinyal Seleksi Tidak Pindah Silang Pc =0,7 Ukuran Populasi : 50 Maksimum generasi : 5000 Jumlah varibel : 2 Jumlah Bit : 10 Batas Iterasi Jumlah generasi dan daya rata-rata target Mutasi Optimal? ya Pm =0,1 Solusi Optimal
28 Hasil Optimasi Algoritma Genetik pada Range Frekuensi 8-13 Hz data I
29
30 Kondisi Optimum Konvergen Kondisi optimum konvergen data I untuk optimasi pada range frekuensi 8-13 Hz diperoleh nilai daya rata-rata db dengan F 1 = Hz dan F 2 =13 Hz Kondisi ini diperoleh pada generasi ke-2952 dengan waktu iterasi 39 menit 38,4 detik
31 Grafik Fitness dan Generasi hasil optimasi Grafik Fitnes dan Generasi pada Range frekuensi 8-13 Hz Nilai Fitness Generasi hubungan fitnes dan generasi
32 Solusi optimal dipilih ±23,66% dari target daya ratarata -11 db
33 Hasil Optimasi Algoritma genetik pada data I Range Frekuensi Hz
34
35 Kondisi optimum konvergen Kondisi nilai optimum konvergen data I pada optimasi range frekuensi Hz diperoleh nilai daya rata-rata sinyal = dB dengan F 1 =16 Hz dan F 2 =30 Hz Kondisi ini diperoleh pada generasi ke-280 dengan waktu iterasi 33 menit 2,5 detik
36 Grafik Fitness dan Generasi hasil optimasi Nilai Fitness Hubungan Fitness dan Generasi pada range frekuensi Hz Generasi
37 Solusi optimal dipilih ±25,8% dari target daya rata-rata -20 db
38 Validasi Algoritma Genetik. Hasil perhitungan autokorelasi yang telah dilakukan didapatkan hasil sebagai berikut : untuk optimasi range frekuensi 8-13 Hz didapatkan nilai sebesar 0,97 dan untuk optimasi range frekuensi Hz didapatkan nilai autokorelasi sebesar Hal ini menunjukkan korelasi antar fungsi fitness sangat baik
39 Perhitungan SNR Daya rata-rata hasil optimasi algoritma genetik dibandingkan dengan daya noise (daya sinyal pada frekuensi diluar frekuensi daya rata-rata sinyal hasil optimasi) Apabila SNR 1 maka sinyal tidak terlalu dipengaruhi oleh noise
40 Hasil perhitungan SNR
41 Perancangan filter band pass Range frekuensi hasil optimasi Algoritma genetik pada sebagian besar data : o 9,9-13 Hz untuk batasan frekuensi 8-13 Hz o 15, 99- Hz untuk batasan frekuensi Hz Range Frekuensi hasil optimasi algoritma genetik digunakan sebagai frekuensi acuan dalam perancangan filter band pass.
42 Rancangan Filter hasil Optimasi range frekuensi 8-13 Hz Range frekuensi pada daya rata-rata optimum = 9,9-13 Hz
43 Rancangan Filter hasil Optimasi range frekuensi Hz Range frekuensi pada daya rata-rata optimum = 15,99-30 Hz
44 Fungsi Transfer rangkaian filter Rangkaian hasil optimasi pada range frekuensi 8-13 Hz Rangkaian hasil optimasi pada range frekuensi Hz
45 Response unit Impulse pada filter
46 Karakeristik response pada sistem Merupakan karakteristik respon sistem orde 2 Sistem akan stabil setelah 0,394 s pada rangkaian hasil optimasi range frekuensi 8-13 Hz dan 0,0814 s pada rangkaian hasil optimasi range frekuensi Hz
47 Kesimpulan Kondisi daya rata-rata maksimum untuk optimasi range frekuensi 8-13 Hz terjadi pada range frekuensi 9.9 Hz sampai 13 Hz. Sedangkan untuk optimasi range frekuensi Hz terjadi pada rentang frekuensi 16 Hz sampai 30 Hz. Rancangan filter yang dibuat berdasarkan range frekuensi hasil optimasi dengan nilai komponen-komponennya sebagai berikut diperoleh nilai R 1,R 2, dan R 3 masing-masing sebesar 5.1MΩ, 10,2 MΩ, dan 1MΩ dengan nilai C 1 =C 2 =0.01µF untuk untuk optimasi pada range frekuensi 8-13 Hz. Sedangkan pada optimasi pada range frekuensi Hz diperoleh nilai R 1,R 2, dan R 3 masingmasing sebesar1,2mω, 2,4 MΩ, dan 1MΩ dengan nilai C 1 =C 2 =0.01. µf
48 Saran Penggunaan program filter pada Algoritma Genetik ini dapat dilengkapi dengan menggunakan filter dengan transformasi wavelet sehingga nilai yang dihasilkan lebih akurat. Dapat dilakukan penelitian dengan membuat rangkaian filter yang telah dirancang pada penelitian ini serta dilakukan pengujian terhadap respon yang didapatkan. Penentuan nilai-nilai komponen yang diperlukan dalam perancangan filter dapat dimasukan dalam proses optimasi algoritma genetik.
49 Terimakasih
OPTIMASI RANCANGAN FILTER BANDPASS AKTIF UNTUK SINYAL LEMAH MENGGUNAKAN ALGORITMA GENETIK
OPTIMASI RANCANGAN FILTER BANDPASS AKTIF UNTUK SINYAL LEMAH MENGGUNAKAN ALGORITMA GENETIK Studi Kasus: Sinyal EEG Oleh: Ellys Kumala Pramartaningthyas, Melania Suweni Muntini Jurusan Fisika Fakultas Matematika
Lebih terperinciPERANCANGAN DAN PEMBUATAN PROTOTIPE BAND PASS FILTER UNTUK OPTIMASI TRANSFER DAYA PADA SINYAL FREKUENSI RENDAH; STUDI KASUS : SINYAL EEG
PERANCANGAN DAN PEMBUATAN PROTOTIPE BAND PASS FILTER UNTUK OPTIMASI TRANSFER DAYA PADA SINYAL FREKUENSI RENDAH; STUDI KASUS : SINYAL EEG LISA SAKINAH (07 00 70) Dosen Pembimbing: Dr. Melania Suweni Muntini,
Lebih terperinciPENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI TRANSFER DAYA PADA SISTEM SENSOR GAS. Muthmainnah
TESIS PENEAPAN ALGOITMA GENETIK UNTUK OPTIMASI TANSFE DAYA PADA SISTEM SENSO GAS Muthmainnah 1108201008 DOSEN PEMBIMBING Dr. Melania Suweni Muntini, MT PENDAHULUAN Sensor gas yang sering ditemui dipasaran
Lebih terperinci2) Staf Pengajar Jurusan Fisika, Institut Teknologi Sepuluh Nopember Surabaya
PERANCANGAN DAN PEMBUATAN PROTOTIPE BAND PASS FILTER UNTUK OPTIMASI TRANSFER DAYA PADA SINYAL FREKUENSI RENDAH; STUDI KASUS:SINYAL EEG Lisa Sakinah 1), Dr. Melania SM,M.T 2) 1) Mahasiswa Jurusan Fisika,
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Alur Penelitian Menentukan lokasi dan kapasitas optimal SVC pada sistem transmisi 150 kv subsistem Bandung Selatan dan New Ujungberung menggunakan algoritma genetika membutuhkan
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 7 Diagram alur proses mutasi.
5 Mulai HASIL DAN PEMBAHASAN Kromosom P = rand [0,1] Ya P < Pm R = random Gen(r) dimutasi Selesai Tidak Gambar 7 Diagram alur proses mutasi. Hasil populasi baru yang terbentuk akan dievaluasi kembali dan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Algoritma Genetika Algoritma genetika merupakan algoritma pencarian heuristik ysng didasarkan atas mekanisme seleksi alami dan genetika alami (Suyanto, 2014). Adapun konsep dasar
Lebih terperinciGenetic Algorithme. Perbedaan GA
Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari
Lebih terperinciBAB IV ANALISIS MASALAH
BAB IV ANALISIS MASALAH 4.1 Tampilan Program Persoalan TSP yang dibahas pada tugas akhir ini memiliki kompleksitas atau ruang solusi yang jauh lebih besar dari TSP biasa yakni TSP asimetris dan simetris.
Lebih terperinciBAB III METODE PENELITIAN. Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika
BAB III METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Waktu penelitian dilaksanakan
Lebih terperinciBAB III. Metode Penelitian
BAB III Metode Penelitian 3.1 Diagram Alir Penelitian Secara umum diagram alir algoritma genetika dalam penelitian ini terlihat pada Gambar 3.1. pada Algoritma genetik memberikan suatu pilihan bagi penentuan
Lebih terperinciBAB 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 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 terperinciALGORITMA GENETIKA. Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Disusun oleh: Achmad Basuki Politeknik Elektronika Negeri Surabaya, PENS ITS Surabaya 2003 Algoritma
Lebih terperinciBAB 2 DASAR TEORI. 2.1 Teka-Teki Silang
BAB 2 DASAR TEORI 2.1 Teka-Teki Silang Teka-teki silang atau disingkat TTS adalah suatu permainan yang mengharuskan penggunanya untuk mengisi ruang-ruang kosong dengan huruf-huruf yang membentuk sebuah
Lebih terperinciZbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag.
Zbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag. 12/11/2009 1 Ditemukan oleh Holland pada tahun 1975. Didasari oleh fenomena evolusi darwin. 4 kondisi yg mempengaruhi
Lebih terperinciT I N J A U A N P U S T A K A Algoritma Genetika [5]
Algoritma Genetika [5] Fitness adalah nilai yang menyatakan baik-tidaknya suatu jalur penyelesaian dalam permasalahan TSP,sehingga dijadikan nilai acuan dalam mencari jalur penyelesaian optimal dalam algoritma
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Suara paru terjadi karena adanya turbulensi udara saat udara memasuki saluran pernapasan selama proses pernapasan. Turbulensi ini terjadi karena udara mengalir dari
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka (Samuel, Toni & Willi 2005) dalam penelitian yang berjudul Penerapan Algoritma Genetika untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover
Lebih terperinciTabel 3.5 Kapasitas Aliran Air Q rata-rata setiap hari dari jam 00 sampai dengan jam05[pdam].
Tabel 3.5 Kapasitas Aliran Air Q rata-rata setiap hari dari jam 00 sampai dengan jam05[pdam]. Gambar 3.2 Panel Kontrol Pompa Air PDAM Karang Pilang II Surabaya. Formulasi Matematika Optimisasi Konsumsi
Lebih terperinciBab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
Lebih terperinci2.3.1.b Himpunan Fuzzy Trapezodial dengan L Fuzzy Set 12
DAFTAR ISI Halaman Judul i Pernyataan Keaslian Tugas Akhir ii Lembar Pengesahan DosenPembimbingiii Lembar Pengesahan Dosen Penguji iv Halaman Persembahan Halaman Motto Kata Pengantar Abstraksi Daftar Isi
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 terperinciALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS Surabaya 2003 Algoritma Genetika Algoritma
Lebih terperinciImplementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah
Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah Leonard Tambunan AMIK Mitra Gama Jl. Kayangan No. 99, Duri-Riau e-mail : leo.itcom@gmail.com Abstrak Pada saat ini proses penjadwalan kuliah
Lebih terperinciBAB II LANDASAN TEORI
27 BAB II LANDASAN TEORI 2.1. Penelitian Terkait Penelitian terkait yang menggunakan algoritma genetika untuk menemukan solusi dalam menyelesaikan permasalahan penjadwalan kuliah telah banyak dilakukan.
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan pada dua tempat yaitu di Laboratorium
45 BAB III METODE PENELITIAN A. Waktu dan Tempat Pelaksanaan Penelitian ini dilaksanakan pada dua tempat yaitu di Laboratorium Pemodelan Fisika untuk perancangan perangkat lunak (software) program analisis
Lebih terperinciPENGENDALIAN MOTOR STEPPER UNTUK MENDAPATKAN DAYA OPTIMUM PADA ANTENA SECARA WIRELESS
PENGENDALIAN MOTOR STEPPER UNTUK MENDAPATKAN DAYA OPTIMUM PADA ANTENA SECARA WIRELESS Pembimbing: Dr. Melania Suweni Muntini, MT Dr. Yono Hadi Pramono, M. Eng Oleh: Iva Mamlu atul Hidayati PROGRAM STUDI
Lebih terperinciPERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI
PERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI TUGAS SARJANA Diajukan Untuk Memenuhi Sebagian Dari Syarat-Syarat Memperoleh Gelar Sarjana
Lebih terperinciAPLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS
APLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS Hafid Hazaki 1, Joko Lianto Buliali 2, Anny Yuniarti 2
Lebih terperinciPELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 65-72 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE
Lebih terperinciPengantar Kecerdasan Buatan (AK045218) Algoritma Genetika
Algoritma Genetika Pendahuluan Struktur Umum Komponen Utama Seleksi Rekombinasi Mutasi Algoritma Genetika Sederhana Referensi Sri Kusumadewi bab 9 Luger & Subblefield bab 12.8 Algoritma Genetika 1/35 Pendahuluan
Lebih terperinciBAB III PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017.
BAB III PEMBAHASAN Data yang digunakan dalam bab ini diasumsikan sebagai data perkiraan harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017. Dengan demikian dapat disusun model Fuzzy
Lebih terperinci2 TINJAUAN PUSTAKA. 2.1 Peringkasan Teks
4 2 TINJAUAN PUSTAKA 2.1 Peringkasan Teks Peringkasan teks adalah proses pemampatan teks sumber ke dalam versi lebih pendek namun tetap mempertahankan informasi yang terkandung didalamnya (Barzilay & Elhadad
Lebih terperinciBAB 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 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 terperinciOPTIMISASI PENEMPATAN TURBIN ANGIN DI AREA LAHAN ANGIN
OPTIMISASI PENEMPATAN TURBIN ANGIN DI AREA LAHAN ANGIN MENGGUNAKAN ALGORITMA GENETIKA Azimatul Khulaifah 2209 105 040 Bidang Studi Sistem Tenaga Jurusan Teknik Elektro FTI ITS Dosen Pembimbing : Dosen
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 terperinciRancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika
1 Rancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika Annisti Nurul Fajriyah Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciRANCANG BANGUN SISTEM PENENTUAN KOMPOSISI BAHAN PANGAN HARIAN MENGGUNAKAN ALGORITMA GENETIKA
ABSTRAKSI RANCANG BANGUN SISTEM PENENTUAN KOMPOSISI BAHAN PANGAN HARIAN MENGGUNAKAN ALGORITMA GENETIKA Tedy Rismawan, Sri Kusumadewi Jurusan Teknik Informatika, Fakultas Teknologi Industri Universitas
Lebih terperinciMeilinda Ayundyahrini Pembimbing: Ir. Rusdhianto Effendie A. K, MT Nurlita Gamayanti, ST., MT
Meilinda Ayundyahrini Pembimbing: Ir. Rusdhianto Effendie A. K, MT Nurlita Gamayanti, ST., MT Teknik Sistem Pengaturan JURUSAN TEKNIK ELEKTRO Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember
Lebih terperinciHubungan 1/1 filter oktaf. =Frekuesi aliran rendah (s/d -3dB), Hz =Frekuesi aliran tinggi (s/d -3dB), Hz
Hubungan 1/1 filter oktaf f 1 f 2 f 1 = 2 1/2f c f 1 = 2 1/2f c f 1 = 2f c1 = frekuensi tengah penyaring =Frekuesi aliran rendah (s/d -3dB), Hz =Frekuesi aliran tinggi (s/d -3dB), Hz Analisis oktaf sepertiga,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Konsep Dasar Sistem dan Informasi 2.1.1 Sistem Menurut Sutabri (2004), bahwa sistem adalah sekelompok unsur yang erat hubungannya satu dengan yang lainnya berfungsi untuk mencapai
Lebih terperinciBAB III PEMBAHASAN. diperoleh menggunakan algoritma genetika dengan variasi seleksi. A. Model Matematika CVRPTW pada Pendistribusian Raskin di Kota
BAB III PEMBAHASAN Pada bab ini akan dibahas mengenai model matematika pada pendistribusian raskin di Kota Yogyakarta, penyelesaian model matematika tersebut menggunakan algoritma genetika serta perbandingan
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 terperinciPendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner
Vol. 7, 2, 108-117, Januari 2011 Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner Jusmawati Massalesse Abstrak Tulisan ini dimaksudkan untuk memperlihatkan proses
Lebih 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 terperinciMetode Taguchi dan Optimasi Multi Respons
Metode Taguchi dan Optimasi Multi Respons Dr. Ir. Eko Pujiyanto, S.Si.,M.T. Materi Taguchi Multi Response Metode PCR-TOPSIS Metode Algoritma-Genetika Taguchi Multi Respon Dalam dunia nyata produk memiliki
Lebih terperinciMinimum Variance Unbiased Estimator (MVUE) K-Fold Cross Validation
6 Individu kemudian diseleksi dengan metode Roulette Wheel, dengan peluang suatu individu untuk terpilih dinyatakan dengan persamaan sebagai berikut: 4. Pindah silang (cross-over) Metode pindah silang
Lebih terperinciBAB III PEMBAHASAN. Berikut akan diberikan pembahasan mengenai penyelesaikan CVRP dengan
BAB III PEMBAHASAN Berikut akan diberikan pembahasan mengenai penyelesaikan CVRP dengan Algoritma Genetika dan Metode Nearest Neighbour pada pendistribusian roti di CV. Jogja Transport. 3.1 Model Matetematika
Lebih terperinci2.16. Keaslian Penelitian BAB III ANALISIS DAN PERANCANGAN Analisa sistem Observasi Wawancara
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN PEMBIMBING... ii HALAMAN PENGESAHAN PENGUJI... iii BERITA ACARA DEMO SOFTWARE TUGAS AKHIR... iv SURAT PERNYATAAN KARYA ASLI TUGAS AKHIR...v ABSTRAK.....vi
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 II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka. Penelitian serupa mengenai penjadwalan matakuliah pernah dilakukan oleh penelliti yang sebelumnya dengan metode yang berbeda-neda. Berikut
Lebih terperinciPENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA
PENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA Bagus Priambodo Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Mercu Buana e- mail : bagus.priambodo@mercubuana.ac.id
Lebih terperinciOPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK
OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK Usulan Skripsi S-1 Jurusan Matematika Diajukan oleh 1. Novandry Widyastuti M0105013 2. Astika Ratnawati M0105025 3. Rahma Nur Cahyani
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Konsep Umum Optimasi Optimasi merupakan suatu cara untuk menghasilkan suatu bentuk struktur yang aman dalam segi perencanaan dan menghasilkan struktur yang
Lebih terperinciAlgoritma Evolusi Dasar-Dasar Algoritma Genetika
Algoritma Evolusi Dasar-Dasar Algoritma Genetika Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Pengantar 2. Struktur Algoritma Genetika 3. Studi Kasus: Maksimasi Fungsi Sederhana 4. Studi
Lebih terperinciPeramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika
Peramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika M. Syafrizal, Luh Kesuma Wardhani, M. Irsyad Jurusan Teknik Informatika - Universitas Islam Negeri Sultan Syarif Kasim Riau
Lebih terperinciOptimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi
Optimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi Rahman Aulia Universitas Sumatera Utara Pasca sarjana Fakultas Ilmu Komputer Medan, Indonesia Rahmanaulia50@gmail.com Abstract
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini telah dilaksanakan di Laboratorium Elektronika Dasar Jurusan
44 III. METODE PENELITIAN A. Tempat dan Waktu Penelitian Penelitian ini telah dilaksanakan di Laboratorium Elektronika Dasar Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung
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 terperinciMAKALAH LOW PASS FILTER DAN HIGH PASS FILTER
MAKALAH LOW PASS FILTER DAN HIGH PASS FILTER Disusun oleh : UMI EKA SABRINA (115090309111002) JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS BRAWIJAYA MALANG 2011 PEMBAHASAN 1.1.
Lebih terperinciBAB III PEMBAHASAN. menggunakan model Fuzzy Mean Absolute Deviation (FMAD) dan penyelesaian
BAB III PEMBAHASAN Dalam bab ini akan dibahas mengenai pembentukan portofolio optimum menggunakan model Fuzzy Mean Absolute Deviation (FMAD) dan penyelesaian model Fuzzy Mean Absolute Deviation (FMAD)
Lebih terperinciMODUL 05 FILTER PASIF PRAKTIKUM ELEKTRONIKA TA 2017/2018
MODUL 05 FILTER PASIF PRAKTIKUM ELEKTRONIKA TA 2017/2018 LABORATORIUM ELEKTRONIKA DAN INSTRUMENTASI PROGRAM STUDI FISIKA FAKULTAS MATEMATIKA DAN PENGETAHUAN ALAM INSTITUT TEKNOLOGI BANDUNG Riwayat Revisi
Lebih terperinciOPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
Lebih terperinci1. Pendahuluan 1.1. Latar Belakang
1. Pendahuluan 1.1. Latar Belakang Perkembangan teknologi informasi yang begitu pesat sekarang ini memberikan dampak yang besar terhadap kinerja manusia khususnya dalam bekerja. Segala sesuatu yang dahulu
Lebih terperinciBAB III ANALISA MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISA MASALAH DAN RANCANGAN PROGRAM III.1. Analisa Masalah Perkembangan game dari skala kecil maupun besar sangat bervariasi yang dapat dimainkan oleh siapa saja tanpa memandang umur, dari anak
Lebih terperinciGambar 2.1 Perangkat UniTrain-I dan MCLS-modular yang digunakan dalam Digital Signal Processing (Lucas-Nulle, 2012)
BAB II TINJAUAN PUSTAKA 2.1 Digital Signal Processing Pada masa sekarang ini, pengolahan sinyal secara digital yang merupakan alternatif dalam pengolahan sinyal analog telah diterapkan begitu luas. Dari
Lebih terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciBAB II LANDASAN TEORI. digunakan sebagai alat pembayaran yang sah di negara lain. Di dalam
BAB II LANDASAN TEORI 2.1 Valuta Asing Valuta asing dapat diartikan sebagai mata uang yang dikeluarkan dan digunakan sebagai alat pembayaran yang sah di negara lain. Di dalam hukum ekonomi bila terdapat
Lebih 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah 1.2 Perumusan Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Masalah pemilihan lokasi usaha yang tepat merupakan salah satu faktor penunjang suksesnya suatu usaha. Dalam pemilihan lokasi usaha yang tepat diperlukan pertimbangan
Lebih terperinciKNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA
LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu
Lebih terperinciHASIL DAN PEMBAHASAN
26 HASIL DAN PEMBAHASAN Input Data Perdagangan Saham Penelitian ini menggunakan data perdagangan saham tahun 2007 sampai 2008. 08. Saham perusahaan yang digunakan adalah saham PT. Bayu Buana Tbk dengan
Lebih terperinciKeywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN
Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com
Lebih terperinciOPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA Mike Susmikanti Pusat Pengembangan Informatika Nuklir, Badan Tenaga Nuklir Nasional Kawasan
Lebih terperinciPERANCANGAN AUDIO WATERMARKING BERBASIS DISCRETE WAVELETE TRANSFORM DAN MODIFIED DISCRETE COSINE TRANSFORM DENGAN OPTIMASI ALGORITMA GENETIKA
PERANCANGAN AUDIO WATERMARKING BERBASIS DISCRETE WAVELETE TRANSFORM DAN MODIFIED DISCRETE COSINE TRANSFORM DENGAN OPTIMASI ALGORITMA GENETIKA Olga Madayanti 1), Dianita Rosari 2), Gelar Budiman, Suci Auli,
Lebih terperinciPENJADWALAN KULIAH DENGAN ALGORITMA MEMETIKA LISMANTO
PENJADWALAN KULIAH DENGAN ALGORITMA MEMETIKA LISMANTO 0304017042 UNIVERSITAS INDONESIA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM DEPARTEMEN MATEMATIKA DEPOK 2008 PENJADWALAN KULIAH DENGAN ALGORITMA
Lebih terperinciPENDAHULUAN. Latar Belakang. Tujuan Penelitian
PENDAHULUAN Latar Belakang Fungsi Cobb-Douglas dengan galat aditif merupakan salah satu fungsi produksi yang dapat digunakan untuk menganalisis hubungan antara hasil produksi dan faktor-faktor produksi.
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 terperinciIII. METODE PENELITIAN. Penelitian dilaksanakan dari bulan Agustus 2012 sampai dengan November 2012
21 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian dilaksanakan dari bulan Agustus 2012 sampai dengan November 2012 dan dilakukan di Laboratorium Fisika Komputasi Jurusan Fisika Fakultas
Lebih terperinciBAB IV PERCOBAAN DAN ANALISIS. Percobaan metode kompresi citra fraktal menggunakan algoritma
BAB IV PERCOBAAN DAN ANALISIS Percobaan metode kompresi citra fraktal menggunakan algoritma genetika dilakukan menggunakan bahasa pemrograman Matlab 7.6.0.324 (R2008a). Percobaan dilakukan pada komputer
Lebih terperinciPENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI POLA PENYUSUNAN BARANG DALAM RUANG TIGA DIMENSI ABSTRAK
PENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI POLA PENYUSUNAN BARANG DALAM RUANG TIGA DIMENSI Eddy Triswanto Setyoadi, ST., M.Kom. ABSTRAK Melakukan optimasi dalam pola penyusunan barang di dalam ruang tiga
Lebih terperinciBAB II DASAR TEORI Suara. Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan
BAB II DASAR TEORI 2. 1 Suara Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan amplitude tertentu melalui media perantara yang dihantarkannya seperti media air, udara maupun benda
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan dari bulan Maret - Mei 2015 dan tempat
III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan dari bulan Maret - Mei 205 dan tempat pelaksanaan penelitian ini di Laboratorium Elektronika Jurusan Fisika Fakultas Matematika
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan teknologi internet dalam beberapa tahun terakhir ini, telah membawa perubahan besar bagi distribusi media digital. Media digital yang dapat berupa
Lebih terperinciDenny Hermawanto
Algoritma Genetika dan Contoh Aplikasinya Denny Hermawanto d_3_nny@yahoo.com http://dennyhermawanto.webhop.org Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. Berikut ini merupakan spesifikasi perangkat keras dan perangkat lunak yang
BAB IMPLEMENTASI DAN EVALUASI. Implementasi Sistem Berikut ini merupakan spesifikasi perangkat keras dan perangkat lunak yang diperlukan agar program simulasi Tata Letak Tempat Sampah dengan Algoritma
Lebih terperinciAPLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN KOMPOSISI BAHAN PANGAN HARIAN
APLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN KOMPOSISI BAHAN PANGAN HARIAN Tedy Rismawan 1, Sri Kusumadewi 2 Jurusan Teknik Informatika, Fakultas Teknologi Industri Universitas Islam Indonesia e-mail: 1
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan tugas akhir ini. Teori-teori yang dibahas mengenai pengertian penjadwalan, algoritma
Lebih terperinciAnalisis Pengendalian Persediaan Produk Dengan Metode EOQ Menggunakan Algoritma Genetika untuk Mengefisiensikan Biaya Persediaan
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-305 Analisis Pengendalian Persediaan Produk Dengan Metode EOQ Menggunakan Algoritma Genetika untuk Mengefisiensikan Biaya Persediaan Indroprasto,
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM
PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM (CVRP) UNTUK DISTRIBUSI SURAT KABAR KEDAULATAN RAKYAT DI KABUPATEN SLEMAN SKRIPSI Diajukan Kepada Fakultas Matematika
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 III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3 Agar penelitian yang dilakukan sesuai dengan tujuan yang diharapkan maka diperlukan langkah-langkah yang tersusun secara sistematis seperti yang dijabarkan pada gambar 3.1
Lebih 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 terperinciyaitu kestabilan sistem tenaga saat mengalami gangguan-gangguan yang kecil. mengganggu keserempakan dari sistem tenaga.
Pada penelitian ini jenis kestabilan yang diteliti adalah small signal stability, yaitu kestabilan sistem tenaga saat mengalami gangguan-gangguan yang kecil. Berbeda dengan gangguan transien yang jarang
Lebih terperinciOPTIMASI PENATAAN SILINDER DALAM KONTAINER DENGAN ALGORITMA GENETIKA
OPTIMASI PENATAAN SILINDER DALAM KONTAINER DENGAN ALGORITMA GENETIKA Novita Wulan Sari 1, Yuliana Setyowati 2, S.Kom, M.Kom, Ira Prasetyaningrum 2, S. Si, M.T 1 Mahasiswa, 2 Dosen Pembimbing Politeknik
Lebih terperinciBAB I PENDAHULUAN. resistor, kapasitor ataupun op-amp untuk menghasilkan rangkaian filter. Filter analog
BAB I PENDAHULUAN 1.1 Latar Belakang Filter merupakan suatu perangkat yang menghilangkan bagian dari sinyal yang tidak di inginkan. Filter digunakan untuk menglewatkan atau meredam sinyal yang di inginkan
Lebih terperinci