PENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) MENGGUNAKAN ALGORITMA RECURSIVE BEST FIRST SEARCH (RBFS)
|
|
- Hartanti Agusalim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) MENGGUNAKAN ALGORITMA RECURSIVE BEST FIRST SEARCH (RBFS) Hari Santoso Prodi Sistem Komunikasi dan Infromatika Teknik Elektro Universitas Brawijaya ABSTRAK Travelling Salesman Problem (TSP) merupakan sebuah permasalahan optimasi yang dapat diterapkan pada berbagai kegiatan seperti routing. Masalah optimasi TSP terkenal dan telah menjadi standar untuk mencoba algoritma yang komputational. Pokok permasalahan dari TSP adalah seorang salesman harus mengunjungi sejumlah kota yang diketahui jaraknya satu dengan yang lainnya. Semua kota yang ada harus dikunjungi oleh salesman tersebut dan kota tersebut hanya boleh dikunjungi tepat satu kali. Permasalahannya adalah bagaimana salesman tersebut dapat mengatur rute perjalanannya sehingga jarak yang ditempuhnya merupakan rute yang optimum yaitu jarak minimum terbaik. Dalam makalah ini penyelesaian kasus TSP diselesaikan dengan algoritma Recursive Best First Search (RBFS). A. LATAR BELAKANG MASALAH Travelling Salesman Problem (TSP) merupakan permasalahan pedagang keliling dalam mencari lintasan terpendek dari semua kota yang dikunjunginya. Dengan syarat kota tersebut hanya boleh dikunjungi satu kali. Banyak permasalahan yang dapat direpresentasikan dalam bentuk Travelling Salesman Problem. Persoalan ini sendiri menggunakan representasi graf untuk memodelkan persolan yang diwakili sehingga lebih memudahkan penyelesaiannya. Diantaranya permasalahan yang dapat direpresentasikan dengan TSP ialah masalah transportasi, efisiensi pengiriman surat atau barang, perancangan pemasangan pipa saluran, proses pembuatan PCB (Printed Circuit Board) dan lain lain. Ada beberapa algoritma dan metode yang bisa menyelesaikan TSP ini, antara lain: algoritma Brute Force dengan complete Enumeration, algoritma Branch and Bound, Greedy Heuristik. Dalam Algoritma Bruto Force, hal yang dilakukan ialah dengan cara mengenumerasi seluruh kemungkinan rute yang akan ditempuh. Setelah itu, akan dibandingkan dari seluruh kemungkinan rute yang telah dienumerasi tersebut, rute mana yang memiliki lintasan/bobot yang paling minimum. Namun, jumlah enumerasi dari algoritma ini ialah (n-1)! Yang akan memerlukan waktu yang sangat lama untuk mendapatkan panjang lintasan paling minimum jika n bernilai sangat besar. Seperti Algoritma Brute Force yang mengenumerasi satu per satu kemungkinan jalur yang akan ditempuh, Algoritma Branch and bound ternyata tidak memiliki kompleksitas waktu yang lebih baik dimana algoritma ini juga memilki kompleksitas waktu (n-1)! Dan sangat membutuhkan waktu yang sangat lama untuk mendapatkan panjang lintasan paling minimum jika n bernilai sangat besar. Sedangkan pada greedy heuristik, pemilihan lintasan akan dimulai pada lintasan yang memilki nilai paling minimum, algoritma ini akan memilih kota selanjutnya yang belum dikunjungi yang mempunyai bobot paling minimum/kota terdekat sampai swmua kota tersebut dikunjungi dan kemudian kembali ke kota awal, tetapi hasil yang didapat bisa sangat jauh dari hasil optimal, semakin banyak kota yang dikunjungi semakin besar pula perbedaan yang dicapai. Algoritma Heuristik merupakan salah satu algoritma alternatif yang dapat digunakan sebab prosesnya cepat dan memberikan hasil yang diinginkan. Algoritma Heuristik adalah algoritma yang mencari solusi terbaik untuk kasus yang merupakan bagian atau irisan dari permasalahan total dengan harapan dapat menghasilkan solusi optimal untuk keseluruhan kasus melalui proses tambahan, yaitu mencari bobot minimum dengan menggunakan Recursive Best First Search (RBFS) sehingga menghasilkan routing dari graf yang memiliki nilai optimal. Permasalahan pada makalah ini bisa dilihat pada Gambar 1, yaitu mencari jarak terpendek terbaik yang bisa ditempuh oleh sales dan setiap kota hanya boleh dikunjungi satu kali.
2 Gambar 1. Peta jalur antar kota yang harus dilewati oleh sales B. RECURSIVE BEST-FIRST SEARCH (RBFS) Recursive Best-First Search merupakan algoritma pencarian terbimbing yang mirip dengan algoritma standar Best First Search yang bersifat linear. Desain algoritmanya juga mirip dengan Depth-First Search walaupun dengan model yang sangat berbeda. Cara kerja RBFS yaitu tetap memperhatikan jalur teratas, kalau misalkan pada tree, maka tree paling atas. Apabila ada jalur yang tidak sesuai, maka jalur teratas akan langsung mengubahnya. Pada saat operasi, setiap operasi yang akan dipilih adalah jalur yang terpendek, dan setiap ada jalur baru, maka jalur teratas akan diurutkan berdasarkan nilai cost yang terkecil. Hal tersebut akan dilakukan hingga titik akhir adalah jalur yang dituju dan cost yang ditemukan pada jalur terakhir ini lebih kecil dari jalur-jalur yang sudah dilewati sebelumnya. Berikut ini adalah algoritma untuk RBFS. Gambar 2. Representasi jalur antar kota dalam kasus TSP Tabel 1. Tabel jarak antar kota (dalam km) Kota Jkt Bdg Crb Ygy Smg Srkt Sby Mlg Jkt Bdg Crb Ygy Smg Srkt Sby Mlg C. PEMODELAN Gambar 2. merupakan representasi bentuk pohon dari peta jalur antar kota yang akan dicari solusinya. Garis putus-putus menunjukkan bahwa jalur yang bisa menjadi solusi adalah jalur yang melewati seluruh kota dan tepat satu kali untuk masing-masing kota. Sedangkan jarak antar kota berdasarkan jalur yang ada pata peta dapat dilihat pada tabel 1. Berdasarkan pohon pada Gambar 2, maka proses pencarian RBFS akan dilakukan dengan cara membandingkan setiap simpul yang dilewati dan dicari simpul yang memiliki cost atau jarak yang paling kecil sesuai dengan algoritma pada RBFS. Proses perhitungan untuk menemukan jalur terpendek dengan metode RBFS akan dijelaskan secara singkat seperti pada Tabel 2.
3 Pada step pertama, hitung jalur asal dengan jalur yang mungkin untuk dilewati. Jalur yang mungkin hanya Bandung (270km) dan Cirebon (327km). Urutkan jarak tersebut berdasarkan yang terpendek. jarak yang terpendek akan dipilih untuk menghitung jarak selanjutnya, sedangkan jarak terpendek kedua akan dijadikan treshold atau patokan untuk dihitung apabila hasil dari jalur yang dibuka dari jarak terpendek lebih besar daripada jarak jalur kedua tersebut. Pada step awal, jarak minimal adalah Jakarta-Bandung, dan yang menjadi treshold adalah jarak Jakarta- Cirebon. Step kedua yang dibuka adalah jalur Jakarta-Bandung. Kemungkinan yang bisa dilewati adalah jalur Jakarta-Bandung-Cirebon (390km) dan Jakarta-Bandung-Yogyakarta (643). Selanjutnya jarak-jarak tersebut dibandingkan dan dipilih jalur terpendek. Jalur yang terpendek adalah Jakarta- Cirebon dan jalur terpendek kedua adalah Jakarta- Bandung-Cirebon. Sehingga jalur yang akan dibuka selanjutnya adalah jalur Jakarta-Cirebon dan yang menjadi treshold adalah jalur Jakarta- Bandung-Cirebon. Begitu seterusnya hingga didapatkan jarak terpendek untuk menghubungkan semua kota. Tabel 2. Step-step pencarian algoritma RBFS Step Open Jalur Min Treshhold 1 Jkt (0) Jkt-Bdg (270) Jkt-Bdg (270) Jkt-Crb (327) Jkt-Crb (327) 2 Jkt-Bdg (270) Jkt-Bdg-Crb (390) Jkt-Crb (327) Jkt-Bdg-Crb (390) Jkt-Bdg-Ygy (643) 3 Jkt-Crb (327) Jkt-Crb-Bdg (447) Jkt-Bdg-Crb (390) Jkt-Crb-Bdg (447) Jkt-Crb-Ygy (537) Jkt-Crb-Smg (632) 3 Jkt-Bdg-Crb (390) Jkt-Bdg-Crb-Smg (695) Jkt-Crb-Bdg (447) Jkt-Crb-Ygy (537) Jkt-Bdg-Crb-Ygy (600) 4 Jkt-Crb-Bdg (447) Jkt-Crb-Bdg-Ygy (820) Jkt-Crb-Ygy (537) Jkt-Bdg-Crb-Ygy (600) D. IMPLEMENTASI METODE Model komputasi algoritma untuk menyelesaikan kasus TSP dengan RBFS yaitu dibuat dengan bahasa pemrograman PHP 1. Hal yang pertama dilakukan adalah pemetaan kota dan jarak antar kota. Peta dibuat dalam bentuk array objek dimana untuk masing-masing kota berisi ID kota, Nama kota, jalur yang mungkin dilalui sekaligus jarak antara kota denga jalur tersebut. Pada Gambar 3. menunjukkan kota Jakarta dan kota Bandung. Kota jakarta memiliki id jkt dan jalur yang mungkin dilalui adalah Jakarta-Bandung (bdg) dengan jarak 270 km dan Jakarta-Cirebon (crb) dengan jarak 327 km. Sedangkan kota Bandung, jalur yang mungkin dilewati adalah Bandung-Cirebon (crb) dengan jarak 120 km dan Bandung-Yogyakarta (ygy) dengan jarak 373 km. 1 Gambar 3. Representasi peta dalam bahasa pemrograman Dalam proses pencarian, peta tersebut dibaca dengan fungsi possible() untuk mengetahui kemungkinan jalur yang akan dilalui dari suatu kota. Fungsi possible() tampak pada Gambar 4, inputnya adalah id kota, dan ouputnya adalah daftar kota yang mungkin dilalui. Pada kode
4 tersebut dilalukan perulangan pada peta dan mencari jalur yang mungkin untuk kota dengan id yang cocok. usort() (lihat Gambar 6). Seletah diurutkan, makan jalur dengan cost terkecil akan dibuka (variabel $open) dan jalur terkecil kedua akan dijadikan treshold untuk perbandingan (variabel $back). Selanjutnya pembukaan jalur baru dilakukan pada bagian $this->route($open). Gambar 4. Fungsi possible() Fungsi utama untuk RBFS ada pada fungsi route(). Fungsi route() membutuhkan input kota yang sedang dibuka (di-expand / open) dan menghasilkan jalur dengan cost yang minimal dan jalur yang akan dijadikan backup / treshold. Gambar 5. Merupakan potongan source code untuk fungsi route(). Pertama akan dicari jalur yang mungkin dilewati dengan pemanggilan fungsi possible(). Setelah itu daftar jalur yang akan dilewati akan dihitung satu-persatu dengan perulangan. Masingmasing jalur akan dihitung besar cost dari jalur awal yaitu pada variabel $tmp[lenmin]. Gambar 6. Potongan fungsi route untuk pengurutan data dan menentukan jalur yang akan dibuka Gambar 7. adalah hasil eksekusi program ketika dijalankan. Jika memilih jalur awal adalah Jakarta, maka sistem membutuhkan 107 kali perulangan dengan jalur terbaik Jakarta-Cirebon- Semarang-Surabaya-Malang-Surakarta-Yogyakarta- Bandung-Jakarta dengan jarak yang ditempuh 2164 km atau sebaliknya. Step-step pencarian jalur yang lengkap bisa dilihat pada tabel 3. Gambar 7. Hasil eksekusi program Gambar 5. Potongan fungsi route() untuk menghitung path Tabel 3. Step-step pencarian jalur terpendek dengan kota awal Jakarta Step Rute Cost Setelah masing-masing cost dihitung, maka semua kemungkinan jalur yang ada akan diurutkan berdasarkan cost yang terkecil dengan fungsi 1 Jakarta-Bandung Jakarta-Cirebon Jakarta-Bandung-Cirebon 390
5 4 Jakarta-Cirebon-Bandung Jakarta-Cirebon-Yogyakarta Jakarta-Cirebon-Yogyakarta-Surakarta Jakarta-Bandung-Cirebon-Yogyakarta Jakarta-Cirebon-Semarang Jakarta-Bandung-Yogyakarta Jakarta-Cirebon-Yogyakarta-Semarang Jakarta-Bandung-Cirebon-Yogyakarta-Surakarta Jakarta-Cirebon-Yogyakarta-Surakarta-Semarang Jakarta-Bandung-Cirebon-Semarang Jakarta-Bandung-Yogyakarta-Surakarta Jakarta-Bandung-Cirebon-Yogyakarta-Semarang Jakarta-Cirebon-Semarang-Surakarta Jakarta-Cirebon-Semarang-Yogyakarta Jakarta-Cirebon-Yogyakarta-Semarang-Surakarta Jakarta-Bandung-Yogyakarta-Semarang Semarang Jakarta-Cirebon-Semarang-Surakarta-Yogyakarta Jakarta-Bandung-Cirebon-Semarang-Surakarta Jakarta-Bandung-Yogyakarta-Surakarta-Semarang Jakarta-Cirebon-Semarang-Yogyakarta-Surakarta Jakarta-Bandung-Cirebon-Semarang-Yogyakarta Surakarta Jakarta-Cirebon-Bandung-Yogyakarta Jakarta-Bandung-Yogyakarta-Semarang-Surakarta 849 Jakarta-Bandung-Cirebon-Semarang-Surakarta- 29 Yogyakarta Jakarta-Bandung-Yogyakarta-Cirebon 853 Jakarta-Bandung-Cirebon-Semarang-Yogyakarta- 31 Surakarta Jakarta-Cirebon-Bandung-Yogyakarta-Surakarta Jakarta-Cirebon-Yogyakarta-Bandung Jakarta-Cirebon-Bandung-Yogyakarta-Semarang Jakarta-Cirebon-Yogyakarta-Surakarta-Malang Semarang Jakarta-Cirebon-Semarang-Surabaya Jakarta-Cirebon-Yogyakarta-Semarang-Surabaya Surakarta Malang Jakarta-Bandung-Yogyakarta-Semarang-Cirebon 1057 Jakarta-Cirebon-Yogyakarta-Surakarta-Semarang- 42 Surabaya Jakarta-Bandung-Cirebon-Semarang-Surabaya 1060 Jakarta-Cirebon-Yogyakarta-Surakarta-Malang- 44 Surabaya Jakarta-Bandung-Yogyakarta-Surakarta-Malang Surabaya Jakarta-Cirebon-Semarang-Surabaya-Malang Jakarta-Cirebon-Semarang-Surakarta-Malang Jakarta-Cirebon-Yogyakarta-Semarang-Surabaya- Malang Jakarta-Bandung-Yogyakarta-Surakarta-Semarang- Cirebon Jakarta-Cirebon-Yogyakarta-Semarang-Surakarta- Malang Jakarta-Cirebon-Semarang-Yogyakarta-Bandung Jakarta-Bandung-Yogyakarta-Semarang-Surabaya Semarang-Surabaya Malang-Surabaya Jakarta-Cirebon-Yogyakarta-Surakarta-Semarang- Surabaya-Malang Jakarta-Bandung-Cirebon-Semarang-Surabaya-Malang Jakarta-Bandung-Yogyakarta-Cirebon-Semarang Jakarta-Cirebon-Semarang-Surakarta-Yogyakarta- Bandung Jakarta-Bandung-Cirebon-Semarang-Surakarta- Malang Jakarta-Bandung-Yogyakarta-Surakarta-Semarang- Surabaya Surabaya Surabaya-Malang Jakarta-Cirebon-Semarang-Yogyakarta-Surakarta- Malang Surakarta-Malang Jakarta-Cirebon-Semarang-Surakarta-Malang- Surabaya Jakarta-Cirebon-Yogyakarta-Semarang-Surakarta- Malang-Surabaya Jakarta-Bandung-Yogyakarta-Semarang-Surabaya- Malang Semarang-Surabaya-Malang Jakarta-Bandung-Yogyakarta-Semarang-Surakarta- Malang Jakarta-Bandung-Cirebon-Semarang-Yogyakarta- Surakarta-Malang Malang Surakarta Jakarta-Bandung-Cirebon-Semarang-Surakarta- Malang-Surabaya Jakarta-Bandung-Yogyakarta-Surakarta-Semarang- Surabaya-Malang Jakarta-Cirebon-Semarang-Yogyakarta-Surakarta- Malang-Surabaya Surakarta-Malang-Surabaya Surabaya Jakarta-Bandung-Yogyakarta-Semarang-Surakarta- Malang-Surabaya Jakarta-Bandung-Cirebon-Semarang-Yogyakarta- Surakarta-Malang-Surabaya Semarang-Surabaya Malang-Surabaya Surabaya-Malang Surakarta-Malang Jakarta-Cirebon-Yogyakarta-Surakarta-Malang- Surabaya-Semarang Semarang-Surabaya-Malang Surakarta Jakarta-Cirebon-Yogyakarta-Semarang-Surabaya- Malang-Surakarta Malang-Surabaya-Semarang Surakarta-Malang-Surabaya Surakarta-Yogyakarta Surabaya Jakarta-Bandung-Cirebon-Semarang-Surabaya- Malang-Surakarta Surabaya-Semarang Surabaya-Malang-Surakarta Jakarta-Bandung-Yogyakarta-Semarang-Surabaya- Malang-Surakarta Jakarta-Bandung-Cirebon-Semarang-Surabaya- Malang-Surakarta-Yogyakarta 1584
6 Surabaya-Malang 1617 Surakarta-Malang 1625 Malang-Surabaya-Semarang 1709 Surakarta-Malang-Surabaya 1719 Surabaya-Malang-Surakarta 1758 Surabaya-Semarang-Cirebon 1837 Surakarta-Yogyakarta-Bandung 1894 Surabaya-Malang-Surakarta 1987 Surabaya-Semarang-Cirebon-Jakarta 2164 Surakarta-Yogyakarta-Bandung-Jakarta 2164 E. KESIMPULAN Penggunaan RBFS dalam mencari rute terpendek terbaik untuk kasus ini dengan kota asala Jakarta adalah jalur : Jakarta Cirebon Semarang Surabaya Malang Surakarta Yogyakarta Bandung - Jakarta atau jalur sebaliknya dengan pangjang rute adalah 2164 km. Sampel aplikasi bisa diakses di alamat F. REFERENSI Pearl, J. Heuristics: Intelligent Search Strategies for Computer Problem Solving. Addison-Wesley, p. 48. Russell, S. J., Norvig, P, Artificial Intelligence: A Modern Approach, 2003.
BAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Travelling Salesman Problem (TSP) merupakan permasalahan pedagang keliling dalam mencari lintasan terpendek dari semua kota yang dikunjunginya. Dengan syarat kota tersebut
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 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 ALGORITMA BRANCH AND BOUND. Algoritma Branch and Bound merupakan metode pencarian di dalam ruang
BAB III ALGORITMA BRANCH AND BOUND Algoritma Branch and Bound merupakan metode pencarian di dalam ruang solusi secara sistematis. Ruang solusi diorganisasikan ke dalam pohon ruang status. Pohon ruang status
Lebih terperinciUKDW BAB 1 PENDAHULUAN Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Dalam pengiriman barang, pemilihan jalur yang tepat sangat penting dalam meminimalkan biaya dan waktu pengiriman barang. Penggunaan teknologi dapat membantu
Lebih terperinciBAB 1 PENDAHULUAN 1.1 LATAR BELAKANG
1 BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG Graf merupakan salah satu cabang ilmu matematika yang dapat digunakan dalam membantu persoalan diberbagai bidang seperti masalah komunikasi, transportasi, distribusi,
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
9 BAB 1 PENDAHULUAN 1.1 Latar Belakang Travelling Salesman Problem (TSP) merupakan salah satu permasalahan yang penting dalam dunia matematika dan informatika. TSP dapat diilustrasikan sebagai perjalanan
Lebih terperinciPenggunaan Metode Branch And Bound With Search Tree
Penggunaan Metode Branch And Bound With Search Tree Untuk Menyelesaikan Persoalan Pedagang Keliling Pada Graf Lengkap Sebagai Pengganti Metode Exhaustive Enumeration Alfan Farizki Wicaksono - NIM : 13506067
Lebih terperinciPENERAPAN ALGORITMA BRANCH AND BOUND DALAM MENENTUKAN RUTE TERPENDEK UNTUK PERJALANAN ANTARKOTA DI JAWA BARAT
PENERAPAN ALGORITMA BRANCH AND BOUND DALAM MENENTUKAN RUTE TERPENDEK UNTUK PERJALANAN ANTARKOTA DI JAWA BARAT M. Pasca Nugraha Sekolah Teknik Elektro dan Informatika Program Studi Teknik Informatika Institut
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 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 terperinciJournal of Informatics and Technology, Vol 1, No 1, Tahun 2012, p
PENENTUAN JALUR TERPENDEK PADA PELAYANAN AGEN TRAVEL KHUSUS PENGANTARAN WILAYAH SEMARANG BERBASIS SIG DENGAN ALGORITMA BRANCH AND BOUND Windi Rayina Rosa, Drs. Suhartono, M.Kom, Helmie Arif Wibawa, S.Si,
Lebih terperinciPenggabungan Algoritma Brute Force dan Backtracking dalam Travelling Thief Problem
Penggabungan Algoritma Brute Force dan Backtracking dalam Travelling Thief Problem Jessica Handayani (13513069) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA BRANCH AND BOUND
PENYEESAIAN TRAVEING SAESMAN PROBEM DENGAN AGORITMA BRANCH AND BOND Yogo Dwi Prasetyo Pendidikan Matematika, niversitas Asahan e-mail: abdullah.prasetyo@gmail.com Abstract The shortest route search by
Lebih terperinciALGORITMA GREEDY : MINIMUM SPANNING TREE. Perbandingan Kruskal dan Prim
ALGORITMA GREEDY : MINIMUM SPANNING TREE Perbandingan Kruskal dan Prim AGENDA Pendahuluan Dasar Teori Contoh Penerapan Algoritma Analisis perbandingan algoritma Prim dan Kruskal Kesimpulan PENDAHULUAN
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sistem Informasi Geografis (Geographic Information Systems) merupakan sistem informasi berbasis komputer digunakan untuk menyajikan secara digital dan menganalisa penampakan
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 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu permasalahan optimasi kombinatorial yang terkenal dan sering dibahas adalah traveling salesman problem. Sejak diperkenalkan oleh William Rowan Hamilton
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 terperinciPenghematan BBM pada Bisnis Antar-Jemput dengan Algoritma Branch and Bound
Penghematan BBM pada Bisnis Antar-Jemput dengan Algoritma Branch and Bound Chrestella Stephanie - 13512005 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciIMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK
IMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK Selvy Welianto (1) R. Gunawan Santosa (2) Antonius Rachmat C. (3) selvywelianto@yahoo.com gunawan@ukdw.ac.id anton@ukdw.ac.id Abstraksi
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Persoalan rute terpendek merupakan suatu jaringan pengarahan rute perjalanan di mana seseorang pengarah jalan ingin menentukan rute terpendek antara dua kota berdasarkan
Lebih terperinciPenerapan Travelling Salesman Problem dalam Penentuan Rute Pesawat
Penerapan Travelling Salesman Problem dalam Penentuan Rute Pesawat Aisyah Dzulqaidah 13510005 1 Program Sarjana Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
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 terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pada jaman serba modern ini, peta masih digunakan oleh kebanyakan orang untuk menuju suatu tempat. Lintasan yang dipilih untuk menuju tujuan pastilah lintasan yang
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH
Buletin Ilmiah Mat. Stat. Dan Terapannya (Bimaster) Volume 04, No. 1 (2015), hal 17 24. PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH Fatmawati, Bayu Prihandono, Evi Noviani INTISARI
Lebih terperinciBAB 1 PENDAHULUAN. tempat tujuan berikutnya dari sebuah kendaraan pengangkut baik pengiriman melalui
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam masalah pengiriman barang, sebuah rute diperlukan untuk menentukan tempat tujuan berikutnya dari sebuah kendaraan pengangkut baik pengiriman melalui darat, air,
Lebih terperinciAlgoritma Branch & Bound untuk Optimasi Pengiriman Surat antar Himpunan di ITB
Algoritma Branch & Bound untuk Optimasi Pengiriman Surat antar Himpunan di ITB Mohamad Ray Rizaldy - 13505073 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
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 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 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 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 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 terperinciAPLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 1 (2015), hal 25 32. APLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM Edi Samana, Bayu Prihandono, Evi Noviani
Lebih terperinciPenerapan Algoritma Branch and Bound pada Perancangan Jalur Bandros
Penerapan Algoritma Branch and Bound pada Perancangan Jalur Bandros Irene Edria Devina / 13515038 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.Ganesha
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 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 terperinciParadigma Pemrograman Dinamis dalam Menentukan Rute Distribusi Bahan Bakar Minyak Berdasarkan Kebutuhan Penduduk di Suatu Daerah
Paradigma Pemrograman Dinamis dalam Menentukan Rute Distribusi Bahan Bakar Minyak Berdasarkan Kebutuhan Penduduk di Suatu Daerah Aditya Agung Putra (13510010) 1 Program Studi Teknik Informatika Sekolah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pekanbaru adalah ibukota Provinsi Riau dan kota terbesar di Provinsi Riau. Kebanyakan orang hanya mengenal Pekanbaru sebagai penghasil minyak dan gas saja.
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Traveling Salesmen Problem (TSP) Travelling Salesman Problem (TSP) merupakan sebuah permasalahan optimasi yang dapat diterapkan pada berbagai kegiatan seperti routing. Masalah
Lebih terperinciBAB I PENDAHULUAN. Kemajuan Ilmu dan Teknologi (IPTEK) di berbagai bidang terasa sangat
BAB I PENDAHULUAN 1.1. Latar Belakang Kemajuan Ilmu dan Teknologi (IPTEK) di berbagai bidang terasa sangat pesat belakangan ini. Kemajuan tersebut haruslah diimbangi oleh peningkatan kualitas Sumber Daya
Lebih terperinciPenerapan Algoritma Branch and Bound untuk Optimasi Rute Penempelan Poster di Papan Mading ITB
Penerapan Algoritma Branch and Bound untuk Optimasi Rute Penempelan Poster di Papan Mading ITB Zain Fathoni 00 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciBAB 1 PENDAHULUAN. transportasi yang harus dikeluarkan dalam proses pendistribusian.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Proses pendistribusian barang adalah kegiatan yang tidak pernah lepas dari kehidupan. Jarak yang jauh serta penyebaran masyarakat yang meluas menjadi salah satu alasan
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 terperinciCourse Note Graph Hamilton
Course Note Graph Hamilton Pada catatan sebelumnya telah dijelaskan tentang definisi graph Hamilton. Suatu graph terhubung adalah graph Hamilton jika graph tersebut memuat sikel yang mencakup semua titik
Lebih terperinciPenerapan Search Tree pada Penyelesaian Masalah Penentuan Jalur Kota Terpendek.
Penerapan Search Tree pada Penyelesaian Masalah Penentuan Jalur Kota Terpendek. Arnold Nugroho Sutanto - 13507102 1) 1) Jurusan Teknik Informatika ITB, Bandung 40132, email: if17102@students.if.itb.ac.id
Lebih terperinciUNNES Journal of Mathematics
UJM 4 (1) (2015) UNNES Journal of Mathematics http://journalunnesacid/sju/indexphp/ujm PENGGUNAAN ALGORITMA BRANCH AND BOUND PADA OPTIMASI RUTE PENDISTRIBUSIAN AIR MINUM DALAM KEMASAN Muchammad Rizki Ichwani,
Lebih terperinciBranch and Bound untuk Rute Terpendek Tur Pengenalan Labtek V Gedung Benny Subianto Chita Najmi Nabila /
Branch and Bound untuk Rute Terpendek Tur Pengenalan Labtek V Gedung Benny Subianto Chita Najmi Nabila - 13509015 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
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 terperinciPenggunaan Algoritma Greedy dalam Membangun Pohon Merentang Minimum
Penggunaan Algoritma Greedy dalam Membangun Pohon Merentang Minimum Gerard Edwin Theodorus - 13507079 Jurusan Teknik Informatika ITB, Bandung, email: if17079@students.if.itb.ac.id Abstract Makalah ini
Lebih terperinciAnalisis Pengimplementasian Algoritma Greedy untuk Memilih Rute Angkutan Umum
Analisis Pengimplementasian Algoritma Greedy untuk Memilih Rute Angkutan Umum Arieza Nadya -- 13512017 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPenerapan Algoritma Branch and Bound dalam Pemacahan Travelling Salesman Problem (TSP) dalam Graf Lengkap
Penerapan Algoritma Branch and Bound dalam Pemacahan Travelling Salesman Problem (TSP) dalam Graf Lengkap Irfan Ariq Teknik Informatika Institut Teknologi Bandung Bandung, Indonesia 13515112@std.stei.itb.ac.id
Lebih terperinciBAB I PENDAHULUAN. dalam kehidupan sehari-hari. Proses distribusi barang dari suatu tempat ke tempat
BAB I PENDAHULUAN A. Latar Belakang Masalah Permasalahan optimisasi merupakan permasalahan yang banyak dijumpai dalam kehidupan sehari-hari. Proses distribusi barang dari suatu tempat ke tempat lain merupakan
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 terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN. Latar Belakang Masalah penentuan rute bus karyawan mendapat perhatian dari para peneliti selama lebih kurang 30 tahun belakangan ini. Masalah optimisasi rute bus karyawan secara matematis
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 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 terperinciRepresentasi Graf Berarah dalam Mencari Solusi Jalur Optimum Menggunakan Algoritma A*
Representasi Graf Berarah dalam Mencari Solusi Jalur Optimum Menggunakan Algoritma A* Denny Nugrahadi Teknik informatika ITB, Bandung, email: d_nugrahadi@yahoo.com Abstract Makalah ini membahas mengenai
Lebih terperinciAlgoritma Branch & Bound
Algoritma Branch & Bound Bahan Kuliah IF2211 Strategi Algoritma Program Studi Informatika STEI ITB 2018 Overview Pembentukan pohon ruang status (state space tree) dinamis untuk mencari solusi persoalan
Lebih terperinciBAB I Pendahuluan 1.1. Latar Belakang
BAB I Pendahuluan 1.1. Latar Belakang Masalah lintasan terpendek pada pencarian sebuah lintasan dengan jarak yang paling minimum. Untuk mencari lintasan terpendek dari sebuah node sumber ke node lain adalah
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari hari, selalu dilakukan perjalanan dari satu titik atau lokasi ke lokasi yang lain dengan mempertimbangkan efisiensi waktu dan biaya sehingga
Lebih terperinciAplikasi Algoritma Branch and Bound dalam Pencarian Solusi Optimum Job Assignment Problem
Aplikasi Algoritma Branch and Bound dalam Pencarian Solusi Optimum Job Assignment Problem Calvin Aditya Jonathan 13513077 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciPemecahan Masalah Knapsack dengan Menggunakan Algoritma Branch and Bound
Pemecahan Masalah Knapsack dengan Menggunakan Algoritma Branch and Bound Anggi Shena Permata / 13505117 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Insitut Teknologi 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 I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Pembuatan Web Sistem Informasi Geografis (SIG) salah satunya didorong karena penggunaan internet yang sangat luas dimasyarakat dan pemerintah, karena internet maka
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 terperinciABSTRAK. Kata kunci: Google Maps, travelling salesman problem, pencarian rute, Branch and Bound. vi Universitas Kristen Maranatha
ABSTRAK Google Maps adalah salah satu aplikasi yang dapat mengetahui pemetaan jalan, kondisi lalu lintas, dan penelusuran rute, jarak tempuh dan waktu tempuh ke tempat yang hendak kita tuju. Namun dengan
Lebih terperinciPenerapan Algoritma Branch and Bound untuk Penentuan Jalur Wisata
Penerapan Algoritma Branch and Bound untuk Penentuan Jalur Wisata Janice Laksana / 350035 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
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 I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Kereta api merupakan salah satu angkutan darat yang banyak diminati masyarakat, hal ini dikarenakan biaya yang relatif murah dan waktu tempuh yang
Lebih terperinciSISTEM PENENTUAN LINTASAN TERPENDEK TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING
SISTEM PENENTUAN LINTASAN TERPENDEK TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING Abdul Mukthi Chifdhi 1, Dwi Puspitasari 2 Teknik Informatika, Teknologi Informasi, Politeknik Negeri
Lebih terperinciAplikasi dan Algoritma Penyelesaian Optimal dari Persoalan Tukang Pos Cina
Aplikasi dan Algoritma Penyelesaian Optimal dari Persoalan Tukang Pos Cina Adhiguna Surya / 13509077 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Jl.
Lebih terperinciUNIVERSITAS GUNADARMA
UNIVERSITAS GUNADARMA SK No. 92 / Dikti / Kep /1996 Fakultas Ilmu Komputer, Teknologi Industri, Ekonomi,Teknik Sipil & Perencanaan, Psikologi, Sastra Program Diploma (D3) Manajemen Informatika, Teknik
Lebih terperinciMETODE PENCARIAN DAN PELACAKAN
METODE PENCARIAN DAN PELACAKAN SISTEM INTELEGENSIA Pertemuan 4 Diema Hernyka S, M.Kom Materi Bahasan Metode Pencarian & Pelacakan 1. Pencarian buta (blind search) a. Pencarian melebar pertama (Breadth
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 terperinciProgram Dinamis (dynamic programming):
Materi #0 Ganjil 0/05 (Materi Tambahan) Program Dinamis (Dynamic Programming) Program Dinamis Program Dinamis (dynamic programming): metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan
Lebih terperinciJurnal Ilmiah Mustek Anim Ha Vol.1 No. 2, Agustus 2012 ISSN
PENENTUAN RUTE PENGAMBILAN SAMPAH DI KOTA MERAUKE DENGAN KOMBINASI METODE EKSAK DAN METODE HEURISTIC Endah Wulan Perwitasari Email : dek_endah@yahoo.com Jurusan Teknik Informatika Fakultas Teknik Universitas
Lebih terperinciProgram Dinamis (Dynamic Programming)
Program Dinamis (Dynamic Programming) Program Dinamis Program Dinamis (dynamic programming): metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan langkah (step) atau tahapan (stage)
Lebih terperinciMETODE PROGRAM DINAMIS PADA PENYELESAIAN TRAVELING SALESMAN PROBLEM
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 329 336. METODE PROGRAM DINAMIS PADA PENYELESAIAN TRAVELING SALESMAN PROBLEM Hermianus Yunus, Helmi, Shantika Martha INTISARI
Lebih terperinciII. TEORI DASAR I. PENDAHULUAN. utang piutang dengan strategi algoritma greedy.
Penggunaan Algoritma Greedy untuk Meminimumkan Aliran Kas pada Graf Utang Piutang Prama Legawa Halqavi / 13515132 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
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 terperinciBranch & Bound. Bahan Kuliah IF2211 Strategi Algoritma Rinaldi Munir & Masayu Leylia Khodra
Branch & Bound Bahan Kuliah IF2211 Strategi Algoritma Rinaldi Munir & Masayu Leylia Khodra Overview Pembentukan pohon ruang status (state space tree) dinamis dengan BFS, DFS, DLS, dan IDS untuk mencari
Lebih terperinciTARGET BERORIENTASI METODE CABANG DAN BATAS UNTUK OPTIMISASI GLOBAL
TARGET BERORIENTASI METODE CABANG DAN BATAS UNTUK OPTIMISASI GLOBAL Mochamad Suyudi 1, Sisilia Sylviani 2 1,2 Departmen Matematika FMIPA Universitas Padjadjaran moch.suyudi@gmail.com Abstrak: Fokus utama
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah dalam menentukan lintasan terpendek di antara titik tertentu dalam suatu graph telah banyak menarik perhatian. Persoalan dirumuskan sebagai kasus khusus dan
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 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 terperinciPenyelesaian Traveling Salesperson Problem dengan Menggunakan Algoritma Semut
Penyelesaian Traveling Salesperson Problem dengan Menggunakan Algoritma Semut Irfan Afif (13507099) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung,
Lebih terperinciKECERDASAN BUATAN. Simple Hill Climbing. Disusun Oleh:
KECERDASAN BUATAN Simple Hill Climbing Disusun Oleh: 1. Lutvi Maulida Al H. (081112006) 2. Nurul Fauziah (081112021) 3. Anggraeni Susanti (081112055) 4. Syahrul Bahar Hamdani (081211232012) Departemen
Lebih terperinciBAB I PENDAHULUAN. yang juga diterapkan dalam beberapa kategori game seperti real time strategy
BAB I PENDAHULUAN 1.1 Latar Belakang Path finding merupakan salah satu masalah yang sering dijumpai dan banyak diterapkan, misalnya untuk penentuan jalur terpendek dalam suatu peta yang juga diterapkan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Proses distribusi barang merupakan bagian dari aktivitas suatu perusahaan atau lembaga yang bersifat komersil ataupun sosial. Distribusi berperan sebagai salah satu
Lebih terperinciPERMASALAHAN OPTIMASI 0-1 KNAPSACK DAN PERBANDINGAN BEBERAPA ALGORITMA PEMECAHANNYA
PERMASALAHAN OPTIMASI 0-1 KNAPSACK DAN PERBANDINGAN BEBERAPA ALGORITMA PEMECAHANNYA Fitriana Passa (13508036) Program Studi Teknik Informatika Institut Teknologi Bandungg Jl. Ganesha 10 Bandung Email:
Lebih terperinciBAB I PENDAHULUAN. aplikasinya di berbagai area telah meningkat pesat. Hal ini ditandai dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam beberapa tahun terakhir, penelitian mengenai transportasi dan aplikasinya di berbagai area telah meningkat pesat. Hal ini ditandai dengan banyaknya studi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang demikian pesatnya saat ini, telah membawa dunia memasuki era informasi yang lebih cepat dan lebih efisien. Hal ini tidak terlepas dari pemanfaatan
Lebih terperinciOleh : CAHYA GUNAWAN JURUSAN SISTEM INFORMASI FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS KOMPUTER INDONESIA BANDUNG 2012
Oleh : CAHYA GUNAWAN 1.05.08.215 JURUSAN SISTEM INFORMASI FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS KOMPUTER INDONESIA BANDUNG 2012 PENDAHULUAN Dalam kehidupan sehari-hari sering dilakukan perjalanan
Lebih terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinciUJI KINERJA DAN SIMULASI PENENTUAN JARAK TERPENDEK DENGAN SIMULATED ANNEALING PADA SUHU TETAP DAN SUHU BERUBAH
UJI KINERJA DAN SIMULASI PENENTUAN JARAK TERPENDEK DENGAN SIMULATED ANNEALING PADA SUHU TETAP DAN SUHU BERUBAH Dian Savitri, S.Si, M.Si Jurusan Teknik Sipil Fakultas Teknik Unesa dee_11januari@yahoo.com
Lebih terperinci