BAB 2 LANDASAN TEORI
|
|
- Utami Johan
- 7 tahun lalu
- Tontonan:
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 DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk
Lebih terperinciALGORITMA GENETIKA. Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Disusun oleh: Achmad Basuki Politeknik Elektronika Negeri Surabaya, PENS ITS Surabaya 2003 Algoritma
Lebih terperinciBAB 2 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 terperinciALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS Surabaya 2003 Algoritma Genetika Algoritma
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka (Samuel, Toni & Willi 2005) dalam penelitian yang berjudul Penerapan Algoritma Genetika untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover
Lebih terperinci2 TINJAUAN PUSTAKA. 2.1 Peringkasan Teks
4 2 TINJAUAN PUSTAKA 2.1 Peringkasan Teks Peringkasan teks adalah proses pemampatan teks sumber ke dalam versi lebih pendek namun tetap mempertahankan informasi yang terkandung didalamnya (Barzilay & Elhadad
Lebih terperinciBAB 2 LANDASAN TEORI
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 terperinciGenetic Algorithme. Perbedaan GA
Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari
Lebih terperinciBAB 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 terperinciBAB 2 DASAR TEORI. 2.1 Teka-Teki Silang
BAB 2 DASAR TEORI 2.1 Teka-Teki Silang Teka-teki silang atau disingkat TTS adalah suatu permainan yang mengharuskan penggunanya untuk mengisi ruang-ruang kosong dengan huruf-huruf yang membentuk sebuah
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih terperinciBAB 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 terperinciAPLIKASI 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 terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka. Penelitian serupa mengenai penjadwalan matakuliah pernah dilakukan oleh penelliti yang sebelumnya dengan metode yang berbeda-neda. Berikut
Lebih terperinciPendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner
Vol. 7, 2, 108-117, Januari 2011 Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner Jusmawati Massalesse Abstrak Tulisan ini dimaksudkan untuk memperlihatkan proses
Lebih terperinciT I N J A U A N P U S T A K A Algoritma Genetika [5]
Algoritma Genetika [5] Fitness adalah nilai yang menyatakan baik-tidaknya suatu jalur penyelesaian dalam permasalahan TSP,sehingga dijadikan nilai acuan dalam mencari jalur penyelesaian optimal dalam algoritma
Lebih terperinciOPTIMALISASI 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 terperinciBAB 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 terperinciBAB II LANDASAN TEORI
27 BAB II LANDASAN TEORI 2.1. Penelitian Terkait Penelitian terkait yang menggunakan algoritma genetika untuk menemukan solusi dalam menyelesaikan permasalahan penjadwalan kuliah telah banyak dilakukan.
Lebih terperinciBAB III. Metode Penelitian
BAB III Metode Penelitian 3.1 Diagram Alir Penelitian Secara umum diagram alir algoritma genetika dalam penelitian ini terlihat pada Gambar 3.1. pada Algoritma genetik memberikan suatu pilihan bagi penentuan
Lebih terperinciBAB 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 terperinciPENDAHULUAN. 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 terperinciPENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI POLA PENYUSUNAN BARANG DALAM RUANG TIGA DIMENSI ABSTRAK
PENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI POLA PENYUSUNAN BARANG DALAM RUANG TIGA DIMENSI Eddy Triswanto Setyoadi, ST., M.Kom. ABSTRAK Melakukan optimasi dalam pola penyusunan barang di dalam ruang tiga
Lebih 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 terperinciBAB 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 terperinciBAB 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 terperinciPEMAMPATAN 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 terperinciBAB 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 terperinciBab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
Lebih terperinciBAB 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 terperinciBAB 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 terperinciHASIL DAN PEMBAHASAN. Gambar 7 Diagram alur proses mutasi.
5 Mulai HASIL DAN PEMBAHASAN Kromosom P = rand [0,1] Ya P < Pm R = random Gen(r) dimutasi Selesai Tidak Gambar 7 Diagram alur proses mutasi. Hasil populasi baru yang terbentuk akan dievaluasi kembali dan
Lebih terperinciBAB 2 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 terperinciKeywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN
Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih terperinciBAB 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 terperinciPRESENTASI 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 terperinciLAMPIRAN 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 terperinciBAB II LANDASAN TEORI. digunakan sebagai alat pembayaran yang sah di negara lain. Di dalam
BAB II LANDASAN TEORI 2.1 Valuta Asing Valuta asing dapat diartikan sebagai mata uang yang dikeluarkan dan digunakan sebagai alat pembayaran yang sah di negara lain. Di dalam hukum ekonomi bila terdapat
Lebih terperinciBAB 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 terperinciImplementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah
Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah Leonard Tambunan AMIK Mitra Gama Jl. Kayangan No. 99, Duri-Riau e-mail : leo.itcom@gmail.com Abstrak Pada saat ini proses penjadwalan kuliah
Lebih terperinciIII. 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 terperinciALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 03(2016), hal 265 274. ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR Abdul Azis, Bayu Prihandono, Ilhamsyah INTISARI Optimasi
Lebih terperinciBAB 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 terperinciPenjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Jurnal Telematika, vol.9 no.1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-251 Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Travelling Salesman Problem (TSP) Travelling Salesmen Problem (TSP) termasuk ke dalam kelas NP hard yang pada umumnya menggunakan pendekatan heuristik untuk mencari solusinya.
Lebih terperinciBAB 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 terperinciPENERAPAN 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 terperinciBAB 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 terperinciBAB 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 terperinciPenjadwalan 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 terperinciBAB III PEMBAHASAN. Berikut akan diberikan pembahasan mengenai penyelesaikan CVRP dengan
BAB III PEMBAHASAN Berikut akan diberikan pembahasan mengenai penyelesaikan CVRP dengan Algoritma Genetika dan Metode Nearest Neighbour pada pendistribusian roti di CV. Jogja Transport. 3.1 Model Matetematika
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
Lebih terperinciBAB 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 terperinciPENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA
PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA Kartina Diah KW1), Mardhiah Fadhli2), Charly Sutanto3) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1 Rumbai-Pekanbaru-Riau
Lebih terperinciOPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK
OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK Usulan Skripsi S-1 Jurusan Matematika Diajukan oleh 1. Novandry Widyastuti M0105013 2. Astika Ratnawati M0105025 3. Rahma Nur Cahyani
Lebih terperinciBAB II 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 terperinciSerealia, 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 terperinciBAB III PERANCANGAN. Gambar 3.1 di bawah ini mengilustrasikan jalur pada TSP kurva terbuka jika jumlah node ada 10:
BAB III PERANCANGAN Pada bagian perancangan ini akan dipaparkan mengenai bagaimana mencari solusi pada persoalan pencarian rute terpendek dari n buah node dengan menggunakan algoritma genetika (AG). Dari
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinci3.2.3 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 terperinciPengantar Kecerdasan Buatan (AK045218) Algoritma Genetika
Algoritma Genetika Pendahuluan Struktur Umum Komponen Utama Seleksi Rekombinasi Mutasi Algoritma Genetika Sederhana Referensi Sri Kusumadewi bab 9 Luger & Subblefield bab 12.8 Algoritma Genetika 1/35 Pendahuluan
Lebih terperinciPENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA
PENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA Bagus Priambodo Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Mercu Buana e- mail : bagus.priambodo@mercubuana.ac.id
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Dalam beberapa tahun terakhir ini, peranan algoritma genetika terutama untuk masalah optimisasi, berkembang dengan pesat. Masalah optimisasi ini beraneka ragam tergantung dari bidangnya. Dalam
Lebih terperinciTugas 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 terperinciABSTRAK. 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 terperinciBAB 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 terperinciGENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR
MULTI TRAVELING SALESMAN PROBLEM (MTSP) DENGAN ALGORITMA Abstrak GENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR Oleh : Fitriana Yuli Saptaningtyas,M.Si. Jurusan Pendidikan Matematika FMIPA
Lebih terperinciZbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag.
Zbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag. 12/11/2009 1 Ditemukan oleh Holland pada tahun 1975. Didasari oleh fenomena evolusi darwin. 4 kondisi yg mempengaruhi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada awal diciptakan, komputer hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan zaman, maka peran komputer semakin mendominasi kehidupan.
Lebih terperinciOptimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika
Optimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika Rozak Arief Pratama 1, Esmeralda C. Djamal, Agus Komarudin Jurusan Informatika, Fakultas MIPA Universitas Jenderal
Lebih terperinciMETODA 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 terperinciAplikasi 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 terperinci2.16. Keaslian Penelitian BAB III ANALISIS DAN PERANCANGAN Analisa sistem Observasi Wawancara
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN PEMBIMBING... ii HALAMAN PENGESAHAN PENGUJI... iii BERITA ACARA DEMO SOFTWARE TUGAS AKHIR... iv SURAT PERNYATAAN KARYA ASLI TUGAS AKHIR...v ABSTRAK.....vi
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB I PENDAHULUAN. kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta
BAB I PENDAHULUAN A. Latar Belakang Matematika adalah cabang ilmu pengetahuan yang dapat digunakan dalam kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta tidak merupakan
Lebih terperinciOPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA Mike Susmikanti Pusat Pengembangan Informatika Nuklir, Badan Tenaga Nuklir Nasional Kawasan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan tugas akhir ini. Teori-teori yang dibahas mengenai pengertian penjadwalan, algoritma
Lebih terperinci8. 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 terperinciBAB III PEMBAHASAN. menggunakan model Fuzzy Mean Absolute Deviation (FMAD) dan penyelesaian
BAB III PEMBAHASAN Dalam bab ini akan dibahas mengenai pembentukan portofolio optimum menggunakan model Fuzzy Mean Absolute Deviation (FMAD) dan penyelesaian model Fuzzy Mean Absolute Deviation (FMAD)
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP)
Abstrak PENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP) Aulia Fitrah 1, Achmad Zaky 2, Fitrasani 3 Program Studi Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi
Lebih terperinciOPTIMALISASI 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 terperinciOPTIMISASI PENEMPATAN TURBIN ANGIN DI AREA LAHAN ANGIN
OPTIMISASI PENEMPATAN TURBIN ANGIN DI AREA LAHAN ANGIN MENGGUNAKAN ALGORITMA GENETIKA Azimatul Khulaifah 2209 105 040 Bidang Studi Sistem Tenaga Jurusan Teknik Elektro FTI ITS Dosen Pembimbing : Dosen
Lebih terperinciBAB 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 terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciMENGUKUR 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 terperinciModel 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 terperinciDETEKSI 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 terperinciPENYELESAIAN MINIMUM SPANNING TREE (MST) PADA GRAF LENGKAP DENGAN ALGORITMA GENETIKA MENGGUNAKAN TEKNIK PRUFER SEQUENCES
J~ICON, Vol. 2 No. 2, Oktober 2014, pp. 84 ~ 91 84 PENYELESAIAN MINIMUM SPANNING TREE (MST) PADA GRAF LENGKAP DENGAN ALGORITMA GENETIKA MENGGUNAKAN TEKNIK PRUFER SEQUENCES Emsi M. Y. Monifani 1, Adriana
Lebih terperinciBAB 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 terperinciPERANCANGAN 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 terperinciPERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI
PERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI TUGAS SARJANA Diajukan Untuk Memenuhi Sebagian Dari Syarat-Syarat Memperoleh Gelar Sarjana
Lebih terperinciOptimasi 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 terperinciBAB I PENDAHULUAN. wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat
BAB I PENDAHULUAN A. Latar Belakang Masalah Objek pariwisata di Yogyakarta sudah semakin beragam mulai dari wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat wisatawan dapat dibuat
Lebih terperinciBAB III PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017.
BAB III PEMBAHASAN Data yang digunakan dalam bab ini diasumsikan sebagai data perkiraan harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017. Dengan demikian dapat disusun model Fuzzy
Lebih terperinciBAB 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 terperinciIMPLEMENTASI ALGORITMA GENETIKA DALAM OPTIMASI JALUR PENDISTRIBUSIAN KERAMIK PADA PT. CHANG JUI FANG
IMPLEMENTASI ALGORITMA GENETIKA DALAM OPTIMASI JALUR PENDISTRIBUSIAN KERAMIK PADA PT. CHANG JUI FANG Adnan Buyung Nasution 1 1,2 Sistem Infomasi, Tehnik dan Ilmu Komputer, Universitas Potensi Utama 3 Universitas
Lebih terperinciBAB 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 terperinciVukovich 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