BAB 2 LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 LANDASAN TEORI"

Transkripsi

1 BAB 2 LANDASAN TEORI 2.1. Sofa Sofa adalah kursi yang berlapis busa dengan penutup yang biasa disebut upholstery. Sofa berasal dari kata SOPHA yang berarti tempat tidur, atau tempat duduk dengan sandaran. Istilah sofa pertama kali digunakan pada tahun Pada umumnya, sofa dapat dibagi menjadi dua jenis, yaitu sofa formal dan nonformal. Sofa formal biasa dijumpai pada ruang-ruang rapat, ruang tunggu pada lobi hotel, atau di kantor pribadi pejabat. Sofa ini biasanya cenderung berwarna gelap dengan body yang penuh, selain itu sofa ini biasanya bergaya minimalis, atau army charm look. Sedangkan sofa nonformal bergaya lebih ringan dan dapat di tempatkan di mana saja, sesuai dengan selera pemilik rumah (Ahira,2010). Komponen Sofa yaitu: 1. Rangka atau Frame Rangka merupakan unsur pembentuk sofa. Dengan adanya rangka, sofa dapat dibuat sesuai dengan yang kita inginkan. Ada 2 jenis bahan pembentuk rangka yaitu Rangka kayu Rangka kayu adalah rangka yang paling umum digunakan dalam pembuatan sofa.

2 10 Rangka Besi Rangka besi digunakan untuk menambah kesan minimalis, dan modern pada sofa. 2. Pegas Pegas berfungsi sebagai penahan beban dari berat tubuh pengguna. Pegas berada pada bagian dudukan dan sandaran, dan menyatu dengan rangka. Pegas yang biasa di gunakan dalam pembuatan sofa ada 2 jenis, yaitu Per Per merupakan sistem pegas yang terbuat dari pegas logam. Webbing Webbing merupakan sistem pegas yang terbuat dari karet. 3. Dudukan Dudukan merupakan bagian terpenting dalam unsur penyusun sofa. Dudukan terdiri dari foam atau busa yang disusun sedemikian rupa sehingga sofa nyaman untuk di duduki. Terkadang dudukan juga terdiri dari per-per yang disusun untuk mengurangi penggunaan busa, sehingga dapat menekan biaya yang dikeluarkan. 4. Sandaran Sandaran pada sofa dapat terbuat dari foam, dakron, atau bulu angsa. Sandaran yang terbuat dari foam akan memberikan kesan rapi pada sofa, karena foam akan mengikuti rangka sofa. Sedangkan sofa dengan sandaran

3 11 berbentuk bantalan, biasanya menggunakan dakron atau bulu angsa. Tetapi dengan menggunakan bulu angsa, sofa akan berharga lebih mahal, dibandingkan dengan penggunaan dakron, maupun foam. 5. Upholstery Upholstery adalah kunci dari keindahan sebuah sofa, karena upholstery merupakan kulit dari sebuah sofa. Bahan upholstery sangat beragam, baik produk lokal maupun impor Upholstery Menurut Aini (2009) upholstery adalah kain yang digunakan untuk keperluan interior, seperti kain yang di gunakan untuk sofa, tempat tidur, kursi, gorden, sarung bantal, wallpaper, dan sebagainya. Kain upholstery memiliki karakteristik dan jenis yang berbeda-beda tergantung pada kegunaannya. Upholstery yang digunakan pada sofa, tidak sama dengan yang digunakan pada gorden, atau wallpaper. Upholstery yang digunakan pada sofa harus kuat untuk menahan beban berat, selain itu jahitannya juga harus rapat. Beberapa jenis Upholstery yang biasa digunakan untuk pembuatan sofa yaitu 1. Chenille Kain chenille merupakan kain yang agak tebal, dan memiliki tekstur yang halus ataupun kasar.

4 12 2. Linen Kain Linen merupakan kain yang tebal dengan tekstur yang kasar, mirip dengan kain karung. Kain Linen sangat cocok digunakan sebagai pelapis sofa. 3. Silk Kain silk merupakan kain yang paling tipis dibandingkan dengan kain lain. Karakter kain ini halus dan cenderung mengkilap. Kain ini dapat menghasilkan kesan mewah pada sofa. 4. Cotton Kain cotton memiliki bahan yang agak tipis, dan memiliki tekstur yang lembut. 5. Jute Kain jute memiliki bahan yang agak panas. Kain ini hampir mirip dengan kain linen, tetapi lebih kasar. 6. Velvet Kain velvet memiliki bahan yang hampir sama dengan kain suede, tetapi lebih tebal, dan memiliki corak yang beraneka ragam. 7. Kulit sintetis Kulit sintetis merupakan kulit buatan yang memiliki tekstur yang mirip dengan kulit asli. Kulit sintetis merupakan bahan yang paling banyak

5 13 digunakan dalam pembuatan sofa, karena memiliki warna yang beraneka ragam, dan harganya pun relatif murah. 8. Suede Kain Suede merupakan kain yang memiliki bulu-bulu tipis. Kain ini pada umumnya polos, tetapi ada juga yang memiliki motif. Tabel 2.1 Jenis Upholstery No. Jenis Upholstery Gambar 1. Chennile 2. Linen

6 14 No. Jenis Upholstery Gambar 3. Silk 4. Cotton 5. Jute

7 15 No. Jenis Upholstery Gambar 6. Velvet 7. Kulit Sintetis 8. Suede 2.3. Algoritma Genetika Menurut F.Herrera dan M.Lozano (2000), Algoritma Genetika adalah metode adaptif yang biasa digunakan untuk pencarian nilai dalam sebuah masalah optimasi. Algoritma Genetika menggunakan analogi dari kebiasaan

8 16 alami yaitu seleksi alam. Di alam, individu-individu yang memiliki sifat- sifat kelangsungan hidup yang lebih baik akan bertahan untuk jangka waktu yang lama. Sedangkan individu-individu yang memiliki sifat yang lemah tidak akan bertahan. Dengan kata lain, yang kuat akan bertahan, yang lemah akan keluar. Inilah yang dimaksud dengan Seleksi Alam. Algoritma ini merupakan populasi dari individu-individu yang masing- masing individu merepresentasikan sebuah solusi yang mungkin dari persoalan yang ada. Individu dilambangkan sebagai nilai fitness yang akan digunakan untuk mencari solusi yang terbaik dari persoalan yang ada. Algoritma Genetika dikembangkan untuk simulasi beberapa proses yang diamati dalam evolusi alami, yaitu sebuah proses yang beroperasi pada kromosom. Sebelum Algoritma Genetika dapat dijalankan, representatif untuk persoalan harus dirancang terlebih dahulu. Untuk itu, maka titik solusi dalam permasalahan harus dikodekan dalam bentuk kromosom yang terdiri dari komponen genetik terkecil, yaitu gen. Di dalam penerapan algoritma genetika, terdapat beberapa operator yang terlibat, yaitu: Operasi Evolusi yang melibatkan proses seleksi di dalamnya Operasi Genetika yang melibatkan operator pindah silang dan mutasi.

9 17 Gambar 2.1 Operasi Dasar Algoritma Genetika (Sumber: Karakteristik terpenting dari algoritma genetika adalah pengkodean variabel yang menggambarkan masalah yang akan diteliti. Metode yang paling umum digunakan adalah dengan cara mengubah variable menjadi string biner (Representasi Biner). Representasi Biner banyak digunakan karena dapat mempermudah proses pemrograman di dalam proses algoritma Genetik seperti mutasi dan cross-over Pada Representasi Biner, setiap gen hanya dapat bernilai 0 atau 1. Bilangan Biner dapat digunakan untuk merepresentasikan ya atau tidak. Bilangan Biner juga biasa digunakan untuk mengkodekan bilangan Bulat dan

10 18 Real. Misalkan bilangan bulat 14d dapat direpresentasikan ke dalam 4 bit sebagai 1110b. Pada kasus pengoptimalisasian pola sofa, tidak semua bilangan merupakan bilangan bulat. Banyak kasus yang menggunakan bilangan floating, atau bilangan pecahan. Untuk mengubah bilangan pecahan ke dalam bilangan biner, perubahan basis dilakukan dengan mengalikan fraksi pecahan dengan basisnya. Hasil perkalian tersebut kemudian diambil fraksi bulatnya. Sebagai Contoh, bilangan akan diubah menjadi basis x 2 = x 2 = x 2 = 1.0 Sehingga bilangan bila direpersentasikan menjadi bilangan biner berbasis 2 adalah Sedangkan dalam merepresentasikan bilangan biner menjadi bilangan real akan digunakan rumus:

11 19 Gambar 2.2 Floating Biner (Sumber: rhee2n.blogspot.com) Contoh: merepresentasikan bilangan Seperti yang telah dijelaskan di atas, bahwa bilangan biner dapat mempermudah proses pemrograman di dalam proses Algoritma Genetika. Sebelum diproses dalam Algoritma Genetika, solusi yang dibangkitkan baik dalam bentuk integer atau float harus diubah dulu ke dalam bentuk biner. Begitu juga sebaliknya, setelah Algoritma Genetika selesai maka nilai kromosom yang berbentuk biner, harus dikembalikan lagi ke dalam bentuk integer atau float. Langkah- langkah dalam Algoritma Genetika:

12 20 a. Mendefinisikan Individu Individu merupakan salah satu dari solusi dari permasalahan yang ada. Beberapa definisi yang perlu diperhatikan dalam mendefinisikan individu untuk membangun penyelesaian permasalahan dengan Algoritma Genetika yaitu: Genotype (Gen) Dalam Algoritma Genetika, gen dapat berupa nilai biner, float, integer, maupun karakter, atau kombinatorial. Nilai dari gen disebut Allele Kromosom Yaitu gabungan dari gen-gen yang membentuk nilai tertentu. Individu Menyatakan satu nilai atau keadaan yang menyatakan salah satu solusi yang mungkin dari permasalahan yang diangkat. Populasi Merupakan sekumpulan individu yang akan diproses bersama dalam satu siklus proses evolusi. Generasi Menyatakan satu siklus proses evolusi atau iterasi di dalam algoritma genetika

13 21 b. Mendefinisikan nilai Fitness Nilai fitness merupakan nilai yang menyatakan baik atau tidaknya suatu solusi (individu) c. Menentukan proses pembangkitan seleksi awal. Pembangkitkan seleksi awal adalah proses membangkitkan beberapa individu secara acak, dan melalui prosedur tertentu. Teknik dalam pembangkitan seleksi awal yang dipakai untuk mengoptimalisasikan penggunaan upholstery dalam pola sebuah sofa, yang paling sesuai adalah penggunaan teknik Random Generator. Inti dari cara ini adalah melibatkan pembangkitan bilangan random untuk nilai setiap gen sesuai dengan nilai setiap kromosom yang digunakan. Jumlah kromosom yang dianjurkan harus lebih besar dari jumlah gen yang ada dalam satu kromosom, tetapi juga harus disesuaikan dengan permasalahan. d. Menentukan proses seleksi yang akan digunakan. Proses seleksi dilakukan untuk memilih individu-individu terbaik, yang akan dipilih untuk proses mutasi gen, atau cross-over. Semakin tinggi nilai fitness individu tersebut, maka kemungkinannya untuk terpilih akan semakin besar. Dalam pengoptimalisasian penggunaan upholstery pada pola sebuah sofa, proses seleksi yang akan digunakan adalah roulette wheel. Cara kerja roulette wheel yaitu:

14 22 Hitung nilai fitness dari masing-masing individu.(, di mana i adalah individu ke 1 sampai dengan ke n) Hitung total nilai fitness semua individu. Hitung probabilitas masing- masing individu. Dari probabilitas tersebut, hitung jatah masing-masing individu pada angka 1 sampai 100. Bangkitkan nilai random antara 1 sampai 100 Dari bilangan random yang dihasilkan, tentukan individu mana yang terpilih dalam proses seleksi. Gambar 2.3 Roullete Wheel (Sumber:

15 23 e. Menentukan proses mutasi gen dan kawin silang (crossover) yang akan digunakan. Crossover. Crossover adalah operator dari Algoritma Genetika yang melibatkan dua induk untuk membentuk kromosom baru. Crossover merupakan faktor utama perbedaan antara Algoritma Genetika, dengan algoritma optimisasi lainnya. Operator crossover bergantung pada representasi kromosom yang dilakukan. Crossover dapat dibagi berdasarkan jumlah posisi yang dipilih, yaitu single point crossover dan multi point crossover. o Single-point crossover Prinsip kerja dari single-point crossover adalah memunculkan satu angka random yang bernilai antara satu sampai dengan jumlah gen yang ada dalam kromosom dan nilai random tidak boleh sama dengan satu atau sama dengan jumlah gen. Gambar 2.4 Single-point Crossover (Sumber:

16 24 o Multi-point crossover Prinsip kerja multi-point crossover hampir sama seperti singlepoint crossover, hanya saja pada multi-point crossover, angka random yang dimunculkan lebih dari satu. Gambar 2.5 Multi-point Crossover (Sumber: Mutasi Mutasi adalah penambahan, pengurangan, dan perubahan sebagian kromosom yang diharapkan akan memberikan nilai fitness yang lebih baik. Prinsip kerja dari mutasi adalah memunculkan dua nilai random dari jumlah gen yang ada dalam kromosom tetapi kedua nilai tersebut tidak boleh sama. Setelah kedua nilai random ini dimunculkan, maka dua gen yang berada pada posisi kedua nilai random tersebut akan saling bertukar tempat. Mutasi hanya dilakukan jika peluang mutasi

17 25 terlalu besar, sehingga mengalami banyak gangguan acak, sifat anak kehilangan kemiripan dari induknya, dan algoritma kehilangan kemampuan untuk belajar dari histori pencarian. Jika peluang mutasi terlalu kecil, banyak gen yang mungkin berguna tidak akan pernah dievaluasi. Gambar 2.6 Mutasi (Sumber: Yossitompul.blogspot.com) 2.4. Relevansi Algoritma Genetika Dalam Optimalisasi Penyusunan Pola Sofa Untuk mengoptimalisasi penggunaan upholstery pada sofa dapat menggunakan Algoritma Genetika. Algoritma Genetika digunakan untuk mencari susunan pola sofa yang paling optimal jika diketahui terdapat bermacam-macam ukuran dan bentuk pola yang akan dimasukkan ke dalam sebuah bidang dua dimensi yaitu upholstery.

18 26 Parameter optimal atau tidak dapat dilihat dari sisa ruang kosong pada bidang upholstery yang masih ada. Semakin sedikit ruang kosong yang ada dengan susunan pola tertentu akan menjadi solusi terbaik bagi masalah optimasi penyusunan pola sofa Transformasi Dua Dimensi Transformasi pada dua dimensi pada dasarnya dapat merupakan transformasi komposit dari transformasi- transformasi dasar. Transformasi transformasi dasar tersebut adalah Translasi (pergeseran) Secara Matematis, suatu translasi dengan arah pada suatu titik di akan memindahkan titik ke dengan hubungan: Gambar 2.7 Translasi

19 Rotasi (perputaran) Rotasi suatu titik sebesar sudut pada titik origin akan menempatkan titik di dengan hubungan: Gambar 2.8 Rotasi Skala Skala suatu titik akan menempatkan titik di dengan hubungan:

20 28 Gambar 2.9 Skala Refleksi (pencerminan) Suatu titik terhadap sumbu x akan menempatkan titik di dengan hubungan: Gambar 2.10 Refleksi

21 29 Dalam sistem koordinat, setiap transformasi di atas dapat direpresentasikan ke dalam bentuk matriks transformasi 3x3. Operasi transformasi suatu titik adalah perkalian matriks antara matriks transformasi dengan matriks kolom dari titik yang bersangkutan. Matriks Translasi adalah Matriks Rotasi adalah Matriks Skala adalah Matriks Refleksi Terhadap sumbu x: Matriks Refleksi Terhadap sumbu y:

22 Model Rekayasa Piranti Lunak Menurut Nirwana (2011) Model rekayasa piranti lunak yang digunakan oleh penulis adalah model waterfall. Model ini melibatkan Software Quantity Assurance (SQA) dengan 5 tahapan, di mana setiap tahapan selalu dilakukan verifikasi atau testing. Tahapan model waterfall meliputi: 1. Requirement Tahap requirement atau spesifikasi kebutuhan sistem adalah analisis kebutuhan sistem yang dibuat dalam bentuk yang dapat dimengerti oleh klien dan staf pengembang. Dalam tahap ini, klien atau pengguna menjelaskan segala kendala dan tujuan serta mendefinisikan apa yang diinginkan oleh sistem. 2. Desain Pada tahap desain, pengembang akan menghasilkan sebuah arsitektur sistem secara keseluruhan.tahap ini meliputi perancangan struktur data, perancangan arsitektur piranti lunak, perancangan rincian prosedur, dan perancangan user interface.

23 31 3. Implementasi Tahap implementasi yaitu tahapan di mana keseluruhan desain diubah menjadi kode-kode program. Kode program yang dihasilkan masih berupa modul-modul yang selanjutnya akan diintegrasikan menjadi sistem yang lengkap untuk meyakinkan bahwa persyaratan piranti lunak telah terpenuhi. 4. Verifikasi Pada tahap ini, klien akan menguji apakah sistem tersebut telah sesuai dengan kontrak yang telah disetujui. 5. Maintanance Tahap maintenance yaitu tahap pemeliharaan yang termasuk di antaranya instalasi dan proses perbaikan sistem Gambar 2.11 Metode Waterfall (Sumber:

24 32 Keunggulan dari metode waterfall adalah pencerminan kepraktisan rekayasa, yang membuat kualitas software tetap terjaga karena pengembangannya yang terstruktur dan terawasi. Sedangkan kelemahan model waterfall yang utama adalah lambatnya proses pengembangan perangkat lunak. Dikarenakan prosesnya yang satu persatu dan tidak bisa diloncat-loncat menjadikan model klasik ini sangat memakan waktu dalam pengembangannya Delapan Aturan Emas Menurut Sheneiderman, 1998, p74 75, Delapan Aturan Emas dapat diuraikan sebagai berikut: 1. Berusaha Untuk Konsisten Rangkaian aksi yang konsisten di butuhkan dalam situasi- situasi yang mirip, terminologi yang identik harus digunakan pada prompts, tampilan menu, layar pertolongan dan perintah yang harus digunakan keseluruhan. 2. Memungkinkan Frequent users menggunakan shortcut Pengguna juga menginginkan pengurangan jumlah interaksi dan meningkatkan kecepatan interaksi guna menjalankan fungsi-fungsi tertentu agar lebih cepat. 3. Memberikan umpan balik yang informatif Umpan balik yang informatif memudahkan user untuk mengerti cara penggunaannya. Untuk aksi yang kecil, balasan harus sederhana, sedangkan untuk aksi yang jarang dan besar, balasan harus lebih lengkap.

25 33 4. Merancang dialog yang memberikan keadaan awal, tengah, dan akhir. Informasi balasan pada penyelesaian dari kumpulan aksi memberikan kepuasan pada operator dari penyelesaian, perasaan lega dan sebuah indikasi bahwa sudah selesai dan dipersiapkan untuk kumpulan aksi berikutnya. 5. Memberikan pencegahan kesalahan dan penegasan kesalahan yang sederhana Apabila terjadi kesalahan, sistem harus dapat mendeteksi kesalahan tersebut dan menawarkan mekanisme untuk mengatasi kesalahan tersebut. 6. Memungkinkan pembalikan aksi (undo) yang mudah. Dengan cara ini dapat menghilangkan kegelisahan, karena pengguna mengetahui bahwa kesalahan dapat dihindari, sehingga dapat meningkatkan keinginan untuk menelusuri pilihan pilihan yang asing. 7. Mendukung pusat kendali internal. Keadaan yang menjelaskan bahwa mereka sedang berada dalam sistem dan sistem tersebut merespon aksinya. Desain sistem yang membuat pengguna sebagai pengontrol aksi daripada perespon. 8. Mengurangi beban ingatan jangka pendek. Keterbatasan manusia dalam memproses ingatan jangka pendek membutuhkan tampilan tetap sederhana, semakin banyak button yang mengarah ke halaman tertentu, semakin banyak pula beban ingatan user.

ERWIEN TJIPTA WIJAYA, ST.,M.KOM

ERWIEN 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 terperinci

ALGORITMA GENETIKA. Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning

ALGORITMA 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 terperinci

BAB 2 LANDASAN TEORI. 2.1 Algoritma Genetika

BAB 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 terperinci

ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning

ALGORITMA 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 terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

2 TINJAUAN PUSTAKA. 2.1 Peringkasan Teks

2 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 terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB 2 LANDASAN TEORI 2.1 Penjadwalan Perkuliahan Penjadwalan memiliki pengertian durasi dari waktu kerja yang dibutuhkan untuk melakukan serangkaian untuk melakukan aktivitas kerja[10]. Penjadwalan juga

Lebih terperinci

Genetic Algorithme. Perbedaan GA

Genetic 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 terperinci

BAB III ANALISA MASALAH DAN RANCANGAN PROGRAM

BAB 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 terperinci

BAB 2 DASAR TEORI. 2.1 Teka-Teki Silang

BAB 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 terperinci

BAB 3 ANALISIS DAN PERANCANGAN APLIKASI

BAB 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 terperinci

BAB 4 PERANCANGAN SISTEM

BAB 4 PERANCANGAN SISTEM BAB 4 PERANCANGAN SISTEM 4. 1. Implementasi Sistem Spesifikasi perangkat lunak dan perangkat keras yang diperlukan dalam menjalankan Program Optimasi Penggunaan Upholtery adalah sebagai berikut: 4.1. 1.

Lebih terperinci

APLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN

APLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN APLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN Eva Haryanty, S.Kom. ABSTRAK Komputer adalah salah satu peralatan yang pada saat ini banyak pula digunakan

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB 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 terperinci

Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner

Pendekatan 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 terperinci

T I N J A U A N P U S T A K A Algoritma Genetika [5]

T 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 terperinci

OPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM

OPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM OPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM Poetri Lestari Lokapitasari Belluano poe3.setiawan@gmail.com Universitas Muslim Indonesia Abstrak Non Dominated Sorting pada

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Jadwal Jadwal merupakan pembagian waktu berdasarkan rencana pengaturan urutan kerja, daftar atau rencana kegiatan dengan pembagian waktu pelaksanaan terperinci, sedangkan penjadwalan

Lebih terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

BAB III. Metode Penelitian

BAB 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 terperinci

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB 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 terperinci

PENDAHULUAN. Latar Belakang

PENDAHULUAN. Latar Belakang Latar Belakang PENDAHULUAN Pada saat sekarang ini, setiap perusahaan yang ingin tetap bertahan dalam persaingan dengan perusahaan lainnya, harus bisa membuat semua lini proses bisnis perusahaan tersebut

Lebih terperinci

PENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI POLA PENYUSUNAN BARANG DALAM RUANG TIGA DIMENSI ABSTRAK

PENERAPAN 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 terperinci

Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika

Optimasi 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 terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Penjadwalan Penjadwalan adalah penempatan sumber daya (resource) dalam satu waktu. Penjadwalan mata kuliah merupakan persoalan penjadwalan yang umum dan sulit dimana tujuannya

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Fuzzy Relation Dalam dunia ini, banyak hal bersifat tidak pasti dimana derajat kepastian (degree of preciseness) hal-hal tersebut secara intuisi berbeda-beda. Di sini, fuzzy set

Lebih terperinci

PEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL

PEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL Jurnal Matematika UNAND Vol. 3 No. 1 Hal. 98 106 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL YOSI PUTRI, NARWEN

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 17 BAB II LANDASAN TEORI 2.1 Algoritma Dalam matematika dan komputasi, algoritma merupakan kumpulan perintah untuk menyelesaikan suatu masalah. Perintah-perintah ini dapat diterjemahkan secara bertahap

Lebih terperinci

Bab II Konsep Algoritma Genetik

Bab 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 terperinci

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

BAB 3 ANALISIS DAN PERANCANGAN SISTEM BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Gambaran Umum Perusahaan 3.1.1 Sejarah Umum Perusahaan NIKO FURNITURE adalah perusahaan swasta, yang didirikan pada tahun 2000. Perusahaan ini bergerak dalam bidang

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Algoritma

BAB 2 LANDASAN TEORI. 2.1 Algoritma 13 BAB 2 LANDASAN TEORI 2.1 Algoritma Dalam matematika dan komputasi, algoritma merupakan kumpulan perintah untuk menyelesaikan suatu masalah. Perintah-perintah ini dapat diterjemahkan secara bertahap

Lebih terperinci

HASIL DAN PEMBAHASAN. Gambar 7 Diagram alur proses mutasi.

HASIL 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 terperinci

BAB 2 LANDASAN TEORI. dalam bentuk model untuk dipelajari, diuji, dan sebagainya. Banyak ahli memberikan

BAB 2 LANDASAN TEORI. dalam bentuk model untuk dipelajari, diuji, dan sebagainya. Banyak ahli memberikan BAB 2 LANDASAN TEORI 2.1 Teknik Simulasi Teknik Simulasi merupakan cara meniru suatu sistem nyata yang kompleks dalam bentuk model untuk dipelajari, diuji, dan sebagainya. Banyak ahli memberikan definisi

Lebih terperinci

Keywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN

Keywords 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 terperinci

Analisis Operator Crossover pada Permasalahan Permainan Puzzle

Analisis 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 terperinci

BAB II LANDASAN TEORI. Tahun 2001 pemilik CV. Tunas Jaya membuka usaha di bidang penjualan dan

BAB II LANDASAN TEORI. Tahun 2001 pemilik CV. Tunas Jaya membuka usaha di bidang penjualan dan BAB II LANDASAN TEORI 2.1 Sejarah Perusahaan Tahun 2001 pemilik CV. Tunas Jaya membuka usaha di bidang penjualan dan pengadaan suku cadang computer. Dalam bidang tersebut diharuskan berbadan hukum PD,

Lebih terperinci

PRESENTASI TUGAS AKHIR

PRESENTASI TUGAS AKHIR PRESENTASI TUGAS AKHIR Travelling Salesman Problem menggunakan Algoritma Genetika Via GPS berbasis Android (kata kunci : android,gps,google Maps, Algoritma Genetika, TSP) Penyusun Tugas Akhir : Azmi Baharudin

Lebih terperinci

LAMPIRAN A KUESIONER

LAMPIRAN A KUESIONER LAMPIRAN A KUESIONER Yth. Bapak/Ibu Responden Dengan Hormat, Pertama-tama izinkan saya untuk memperkenalkan diri, nama saya adalah Savira Qarima, saya merupakan mahasiswa Universitas Bina Nusantara Jurusan

Lebih terperinci

BAB II LANDASAN TEORI. digunakan sebagai alat pembayaran yang sah di negara lain. Di dalam

BAB 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 terperinci

BAB II KAJIAN TEORI. memindahkan barang dari pihak supplier kepada pihak pelanggan dalam suatu supply

BAB II KAJIAN TEORI. memindahkan barang dari pihak supplier kepada pihak pelanggan dalam suatu supply BAB II KAJIAN TEORI Berikut diberikan beberapa teori pendukung untuk pembahasan selanjutnya. 2.1. Distribusi Menurut Chopra dan Meindl (2010:86), distribusi adalah suatu kegiatan untuk memindahkan barang

Lebih terperinci

Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah

Implementasi 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 terperinci

III. DATA PERANCANGAN

III. DATA PERANCANGAN III. DATA PERANCANGAN A. TABEL DATA PERANCANGAN Rincian Data Sifat Data Manfaat Data Dalam Kesiapan Data Utama Penunjang Perancangan Sudah Belum Data Objek Dan Teknik Perancangan Spesifikasi sofa Pedoman

Lebih terperinci

ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR

ALGORITMA 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 terperinci

BAB II KAJIAN TEORI. berkaitan dengan optimasi, pemrograman linear, pemrograman nonlinear, quadratic

BAB II KAJIAN TEORI. berkaitan dengan optimasi, pemrograman linear, pemrograman nonlinear, quadratic BAB II KAJIAN TEORI Kajian teori pada bab ini membahas tentang pengertian dan penjelasan yang berkaitan dengan optimasi, pemrograman linear, pemrograman nonlinear, quadratic programming dan algoritma genetika.

Lebih terperinci

Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm

Penjadwalan 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 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 terperinci

PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP)

PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) Mohamad Subchan STMIK Muhammadiyah Banten e-mail: moh.subhan@gmail.com ABSTRAK: Permasalahan pencarian rute terpendek dapat

Lebih terperinci

BAB 3 PERANCANGAN PROGRAM. dari OOP (Object Oriented Programming) di mana dalam prosesnya, hal-hal

BAB 3 PERANCANGAN PROGRAM. dari OOP (Object Oriented Programming) di mana dalam prosesnya, hal-hal BAB 3 PERANCANGAN PROGRAM 3.1 Spesifikasi Rumusan Rancangan Program Algoritma Genetika dirancang dengan mengikuti prinsip-prinsip dan sifatsifat dari OOP (Object Oriented Programming) di mana dalam prosesnya,

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Penjadwalan Penjadwalan kegiatan belajar mengajar pada suatu lembaga pendidikan biasanya merupakan salah satu pekerjaan yang tidak mudah dan menyita waktu. Pada lembaga pendidikan

Lebih terperinci

Penjadwalan kegiatan merupakan pekerjaan yang tidak mudah, karena dalam. penyusunannya memerlukan perencanaan yang matang agar kegiatan tersebut

Penjadwalan kegiatan merupakan pekerjaan yang tidak mudah, karena dalam. penyusunannya memerlukan perencanaan yang matang agar kegiatan tersebut BAB I PENDAHULUAN A. Latar Belakang Penjadwalan kegiatan merupakan pekerjaan yang tidak mudah, karena dalam penyusunannya memerlukan perencanaan yang matang agar kegiatan tersebut terlaksana dengan optimal.

Lebih terperinci

BAB III PEMBAHASAN. Berikut akan diberikan pembahasan mengenai penyelesaikan CVRP dengan

BAB 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 terperinci

PENERAPAN 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 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 terperinci

BAB I PENDAHULUAN. sejumlah aktivitas kuliah dan batasan mata kuliah ke dalam slot ruang dan waktu

BAB I PENDAHULUAN. sejumlah aktivitas kuliah dan batasan mata kuliah ke dalam slot ruang dan waktu 18 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Penjadwalan merupakan kegiatan administrasi utama di berbagai institusi. Masalah penjadwalan merupakan masalah penugasan sejumlah kegiatan dalam periode

Lebih terperinci

PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA

PENYELESAIAN 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 terperinci

OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK

OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK Usulan Skripsi S-1 Jurusan Matematika Diajukan oleh 1. Novandry Widyastuti M0105013 2. Astika Ratnawati M0105025 3. Rahma Nur Cahyani

Lebih terperinci

BAB 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 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 terperinci

Serealia, umbi, dan hasil olahannya Kacang-kacangan, bijibijian,

Serealia, umbi, dan hasil olahannya Kacang-kacangan, bijibijian, 4 generasi, kromosom akan melalui proses evaluasi dengan menggunakan alat ukur yang disebut dengan fungsi fitness. Nilai fitness dari suatu kromosom akan menunjukkan kualitas kromosom dalam populasi tersebut.

Lebih terperinci

BAB III PERANCANGAN. Gambar 3.1 di bawah ini mengilustrasikan jalur pada TSP kurva terbuka jika jumlah node ada 10:

BAB 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 terperinci

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis

Lebih terperinci

3.2.3 Resiko, Keuntungan dan Kerugian Forex Metode Prediksi dalam Forex MetaTrader 4 sebagai Platform Trading dalam Forex...

3.2.3 Resiko, Keuntungan dan Kerugian Forex Metode Prediksi dalam Forex MetaTrader 4 sebagai Platform Trading dalam Forex... DAFTAR ISI HALAMAN PENGESAHAN... iii PERNYATAAN... iv HALAMAN MOTTO DAN PERSEMBAHAN... v PRAKATA... vi DAFTAR ISI... viii DAFTAR GAMBAR... xi DAFTAR TABEL... xiv DAFTAR PERSAMAAN... xv DAFTAR LAMPIRAN...

Lebih terperinci

Pengantar Kecerdasan Buatan (AK045218) Algoritma Genetika

Pengantar 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 terperinci

PENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA

PENGEMBANGAN 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 terperinci

ABSTRAK. Universitas Kristen Maranatha

ABSTRAK. 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 terperinci

Tugas Mata Kuliah E-Bisnis REVIEW TESIS

Tugas Mata Kuliah E-Bisnis REVIEW TESIS Tugas Mata Kuliah E-Bisnis REVIEW TESIS Desain Algoritma Genetika Untuk Optimasi Penjadwalan Produksi Meuble Kayu Studi Kasus Pada PT. Sinar Bakti Utama (oleh Fransiska Sidharta dibawah bimbingan Prof.Kudang

Lebih terperinci

ABSTRAK. Kata kunci : Aplikasi, Penjadwalan, Algoritma Genetika. viii

ABSTRAK. Kata kunci : Aplikasi, Penjadwalan, Algoritma Genetika. viii ABSTRAK Di program studi Teknik Informatika UPN Veteran Yogyakarta, mahasiswa yang akan melakukan pendadaran tidak bisa menentukan jadwal pendadarannya sendiri. Mahasiswa hanya menunggu jadwal pendadaran

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 20 BAB 2 TINJAUAN PUSTAKA 2.1. Pengantar Algoritma genetika merupakan algoritma yang lahir dari sebuah inspirasi teori evolusi Darwin yang mengatakan anggota dari spesies yang lemah lambat laun akan mengalami

Lebih terperinci

GENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR

GENETIKA 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 terperinci

Zbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag.

Zbigniew 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 terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

Optimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika

Optimalisasi 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 terperinci

METODA GENETIC ALGORITMA SEBAGAI PERENCANAAN LINTASAN ROBOT UNTUK APLIKASI PENGEBORAN PADA PCB ABSTRAK

METODA GENETIC ALGORITMA SEBAGAI PERENCANAAN LINTASAN ROBOT UNTUK APLIKASI PENGEBORAN PADA PCB ABSTRAK METODA GENETIC ALGORITMA SEBAGAI PERENCANAAN LINTASAN ROBOT UNTUK APLIKASI PENGEBORAN PADA PCB 1)Adam Ridiantho M, 2 Djoko Purwanto 1,2) Program Studi Teknik Elektro, Program Pasca Sarjana, ITS Ruang B205,

Lebih terperinci

Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)

Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak

Lebih terperinci

2.16. Keaslian Penelitian BAB III ANALISIS DAN PERANCANGAN Analisa sistem Observasi Wawancara

2.16. 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 terperinci

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM. analisis, desain/perancangan, kode, dan pengujian/implementasi. Tahap analisis

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM. analisis, desain/perancangan, kode, dan pengujian/implementasi. Tahap analisis BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Perancangan program simulasi dalam skripsi ini terdiri dari empat tahapan, yaitu analisis, desain/perancangan, kode, dan pengujian/implementasi. Tahap analisis kebutuhan,

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Objek tiga dimensi merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Objek tiga dimensi dibentuk oleh sekumpulan

Lebih terperinci

BAB I PENDAHULUAN. kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta

BAB 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 terperinci

OPTIMASI 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 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

8. Evaluasi Solusi dan Kriteria Berhenti Perumusan Masalah METODE PENELITIAN Studi Pustaka Pembentukan Data

8. Evaluasi Solusi dan Kriteria Berhenti Perumusan Masalah METODE PENELITIAN  Studi Pustaka Pembentukan Data Gambar 4 Proses Swap Mutation. 8. Evaluasi Solusi dan Kriteria Berhenti Proses evaluasi solusi ini akan mengevaluasi setiap populasi dengan menghitung nilai fitness setiap kromosom sampai terpenuhi kriteria

Lebih terperinci

BAB III PEMBAHASAN. menggunakan model Fuzzy Mean Absolute Deviation (FMAD) dan penyelesaian

BAB 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 terperinci

PENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP)

PENERAPAN 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 terperinci

OPTIMALISASI PENEMPATAN DOSEN PEMBIMBING DAN PENJADWALAN SEMINAR TUGAS AKHIR MENGGUNAKAN ALGORITMA GENETIKA

OPTIMALISASI PENEMPATAN DOSEN PEMBIMBING DAN PENJADWALAN SEMINAR TUGAS AKHIR MENGGUNAKAN ALGORITMA GENETIKA OPTIMALISASI PENEMPATAN DOSEN PEMBIMBING DAN PENJADWALAN SEMINAR TUGAS AKHIR MENGGUNAKAN ALGORITMA GENETIKA Nendi Purwana 1, Esmeralda C. Djamal 2, Faiza Renaldi 3 Jurusan Informatika, Fakultas MIPA Universitas

Lebih terperinci

OPTIMISASI PENEMPATAN TURBIN ANGIN DI AREA LAHAN ANGIN

OPTIMISASI 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 terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Fuzzy Local Binary Pattern (FLBP) Fuzzifikasi pada pendekatan LBP meliputi transformasi variabel input menjadi variabel fuzzy, berdasarkan pada sekumpulan fuzzy rule. Dalam

Lebih terperinci

Lingkup Metode Optimasi

Lingkup 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 terperinci

MENGUKUR KINERJA ALGORITMA GENETIK PADA PEMAMPATAN MATRIKS JARANG

MENGUKUR KINERJA ALGORITMA GENETIK PADA PEMAMPATAN MATRIKS JARANG MENGUKUR KINERJA ALGORITMA GENETIK PADA PEMAMPATAN MATRIKS JARANG Nico Saputro dan Joice Aritonang Email : nico@home.unpar.ac.id, jo_aritonang@yahoo.com A matrix that has lots of zero elements is called

Lebih terperinci

Model Optimasi Alokasi Gas Injeksi Sumur Dual Gas Lift

Model Optimasi Alokasi Gas Injeksi Sumur Dual Gas Lift Bab 4 Model Optimasi Alokasi Gas Injeksi Sumur Dual Gas Lift Sebagaimana yang telah diuraikan pada bab 2, sumur dual gas lift merupakan sumur dengan dua tubing, long string dan short string. Gas injeksi

Lebih terperinci

DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA

DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA Akmal Hidayat 1) & Entin Martiana 2) 1) Teknik Elektro Politeknik Bengkalis Jl.

Lebih terperinci

PENYELESAIAN MINIMUM SPANNING TREE (MST) PADA GRAF LENGKAP DENGAN ALGORITMA GENETIKA MENGGUNAKAN TEKNIK PRUFER SEQUENCES

PENYELESAIAN 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 terperinci

BAB III KONSEP DAN PERANCANGAN APLIKASI

BAB III KONSEP DAN PERANCANGAN APLIKASI BAB III KONSEP DAN PERANCANGAN APLIKASI 3.1 Konsep Pada bab ini penulis akan membahas konsep mengenai perangkat lunak yang digunakan serta akan dibahas mengenai tujuan, kegunaan dan untuk siapa aplikasi

Lebih terperinci

PERANCANGAN ALGORITMA GENETIKA DALAM PENYUSUNAN TEKA-TEKI SILANG

PERANCANGAN ALGORITMA GENETIKA DALAM PENYUSUNAN TEKA-TEKI SILANG PERANCANGAN ALGORITMA GENETIKA DALAM PENYUSUNAN TEKA-TEKI SILANG Afen Prana Utama 1, Edison Sinaga 1 D-3 Manajemen Informatika - STMIK Mikroskil Medan afen@mikroskil.ac.id Abstrak Teka-teki silang merupakan

Lebih terperinci

PERANCANGAN 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 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 terperinci

Optimasi Kendali Distribusi Tegangan pada Sistem Tenaga Listrik dengan Pembangkit Tersebar

Optimasi Kendali Distribusi Tegangan pada Sistem Tenaga Listrik dengan Pembangkit Tersebar Optimasi Kendali Distribusi Tegangan pada Sistem Tenaga Listrik dengan Pembangkit Tersebar Soni Irawan Jatmika 2210 105 052 Pembimbing : 1. Prof. Dr. Ir. Adi Soeprijanto, MT. 2. Heri Suryoatmojo, ST. MT.

Lebih terperinci

BAB I PENDAHULUAN. wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat

BAB 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 terperinci

BAB III PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017.

BAB 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 terperinci

BAB II TINJAUAN PUSTAKA. Khowarizmi. Algoritma didasarkan pada prinsiup-prinsip Matematika, yang

BAB II TINJAUAN PUSTAKA. Khowarizmi. Algoritma didasarkan pada prinsiup-prinsip Matematika, yang BAB II TINJAUAN PUSTAKA A. ALGORITMA Algoritma adalah metode langkah demi langkah pemecahan dari suatu masalah. Kata algoritma berasal dari matematikawan Arab ke sembilan, Al- Khowarizmi. Algoritma didasarkan

Lebih terperinci

IMPLEMENTASI 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 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 terperinci

BAB 3 ANALISIS DAN PERANCANGAN. Berbagai pembangunan terus dilaksanakan di setiap wilayah di Indonesia,

BAB 3 ANALISIS DAN PERANCANGAN. Berbagai pembangunan terus dilaksanakan di setiap wilayah di Indonesia, BAB 3 ANALISIS DAN PERANCANGAN 3.1 Latar Belakang Permasalahan Berbagai pembangunan terus dilaksanakan di setiap wilayah di Indonesia, khususnya Jakarta Selatan. Seperti diketahui, semakin berkembanganya

Lebih terperinci

Vukovich dinamis yang digabungkan dengan model PRoFIGA didalamnya.

Vukovich dinamis yang digabungkan dengan model PRoFIGA didalamnya. BAB I PENDAHULUAN 1.1. Latar Belakang Fuzzy Evolutionary Algorithm (FEA) merupakan salah satu model hybrid yang menggabungkan dua buah model soft computing yaitu algoritma genetika dan logika fuzzy. FEA

Lebih terperinci