BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai konsep dasar masalah. penjadwalan kuliah, algoritma memetika serta komponen algoritma
|
|
- Sugiarto Darmali
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB II LANDASAN TEORI Pada bab ini akan dibahas menenai konsep dasar masalah penjadwalan kuliah, aloritma memetika serta komponen aloritma memetika. Aoritma memetika diilhami dari proses evolusi makhluk hidup, sedankan penjadwalan kuliah merupakan baian dari penjadwalan denan kriteria dan kendala tertentu. Hubunan dari kedua hal tersebut adalah aloritma memetika dapat diunakan untuk menyelesaikan masalah penjadwalan kuliah. 2.1 PENJADWALAN KULIAH STANDAR INTERNASIONAL Masalah penjadwalan kuliah bermula dari kompetisi membuat jadwal kuliah di 20 instansi di Universitas Napier di Edinburh Skotlandia. Model permasalahan telah ditetapkan, tetapi partisipan dapat menunakan berbaai metode untuk menyelesaikannya. Berikut akan dibahas model masalah penjadwalan kuliah standar internasional dan mesin penjadwalan kuliah.
2 Deskripsi Masalah Penjadwalan Kuliah Standar Internasional Masalah penjadwalan kuliah standar internasional dikenal denan University Course Timetablin Problem ( UCTP ) akan menjadwalkan sejumlah kuliah denan 45 slot-waktu yakni 9 slot-waktu per hari dari senin sampai denan jumat. Komponen yan mempenaruhi jadwal terdiri dari kapasitas ruanan yan tersedia, waktu kehadiran dosen, mahasiswa penikut kuliah, serta batasan-batasan yan ditentukan. Batasan atau kendala yan terdapat dalam UCTP terbai dalam dua kateori yaitu kendala hard dan kendala soft. Kendala hard merupakan kendala essensial yan harus terpenuhi dalam pembuatan jadwal, sedankan kendala soft merupakan kendala nonessensial yan menentukan kualitas dari jadwal yan dihasilkan. Kendala hard dan soft terjadi akibat interaksi antar komponen jadwal, seperti kapasitas ruan dan jumlah mahasiswa penikut kuliah, selain itu interaksi jua dapat terjadi antar kuliah-kuliah yan tidak boleh dijadwalkan pada waktu yan bersamaan. Klasifikasi kedua kendala tersebut telah ditentukan oleh Universitas Napier karena disesuaikan denan kondisi penjadwalan kuliah di universitas tersebut. Berikut adalah kendala hard dalam UCTP, untuk membentuk solusi jadwal kuliah yan layak kendala-kendala ini harus terpenuhi:
3 3 1. H1: Dua atau lebih kuliah tidak dapat diberikan pada suatu waktu denan ruanan yan sama 2. H2: Setiap kuliah harus dilakukan pada ruanan yan memenuhi fasilitas dan kapasitas untuk kuliah tersebut. 3. H3: Tidak ada mahasiswa yan mendapat 2 / lebih kuliah pada waktu yan sama. Setelah seluruh kendala hard terpenuhi dalam pembentukan jadwal, maka akan dilanjutkan denan meminimumkan funsi penalti kendala soft yakni pelanaran jadwal terhadap kendala soft sedapat munkin diminimalisasi. Berikut adalah kendala soft yan telah didefinisikan dalam UCTP: 1. S1: Mahasiswa tidak memperoleh kuliah pada akhir slot-waktu terakhir setiap hari 2. S2: Mahasiswa tidak mendapat kuliah lebih dari 6 jam berturut- turut 3. S3: Mahasiswa tidak memperoleh hanya satu kuliah dalam 1 hari Mesin Penjadwalan Kuliah Sejarah mesin penjadwalan kuliah bermula dari kompetisi menyelesaikan masalah penjadwalan kuliah standar internasional. Penujian dan penilaian kompetisi ini menunakan data 20 instansi di Universitas Napier di Edinburh Skotlandia dimana penalti soft terbaik dan terburuk
4 4 setiap mata kuliah telah diketahui. Kompetisi tersebut menundan perhatian partisipan dari seluruh penjuru dunia denan berbaai metode pendekatan. Penilain untuk masin-masin partisipan berdasar atas penalti kendala soft yan dihitun sebaai berikut : dimana : j := Partisipan ke-j p i := Himpunan 20 instansi f i := Penalti soft instansi ke-i j b f ( j ) f ( j ) w b f ( j ) f ( j ) j i i i i i I i i i i j j i := Jadwal yan disusun oleh partisipan j untuk instansi ke-i b j i := Jadwal terbaik pada instansi ke-i yan telah diketahui w j i := Jadwal terburuk pada instansi ke-i yan telah diketahui Penjumlahan suku-suku tersebut menhasilkan penalti untuk partisipan ke-j, sehina pemenan kompetisi adalah partisipan denan penalti minimum. Ternyata denan sistem penilaian kompetisi diatas, aloritma hibrid metaheuristik menjadi aloritma yan palin efektif. Aloritma memetika jua telah diujikan dalam masalah tersebut dan hasilnya adalah seluruh kendala hard dan soft seluruh instansi terpenuhi denan waktu komputasi yan efektif (Rossidoria, 2004). Hal itu menjadi alasan penulis untuk menunakan aloritma memetika dalam skripsi ini.
5 Penjadwalan Kuliah di Departemen Matematika UI Penjadwalan kuliah di departemen Matematika UI melibatkan beberapa komponen yakni sejumlah ruan kuliah, dosen, serta mahasiswa. Penjadwalan kuliah awal tahun 2008 tersedia 8 ruan kuliah denan beraam kapasitas, 35 dosen yan memberikan kuliah pada jam kehadiran, serta mahasiswa terbai atas 7 kelompok yaitu kelompok mahasiswa tinkat 1, tinkat 2, serta 5 bidan minat. Kendala dalam pembentukan model penjadwalan kuliah di departemen matematika UI dibuat melalui penambanan UCTP serta penyesuaian denan kondisi penjadwalan perkuliahan di departemen Matematika UI. Penembanan dan penyesuaian itu menakibatkan penambahan 2 kendala hard serta 1 kendala soft yan didefinisikan sebaai berikut: Kendala hard: 1. H1: Dua atau lebih kuliah tidak dapat diberikan pada suatu waktu denan ruanan yan sama 2. H2: Setiap kuliah harus dilakukan pada ruanan yan memenuhi fasilitas dan kapasitas untuk kuliah tersebut. 3. H3: Tidak ada mahasiswa yan mendapat 2 / lebih kuliah pada waktu yan sama.
6 6 4. H4: Dosen dituaskan hanya pada waktu kehadiran 5. H5: Dosen tidak dapat memberikan 2 atau lebih kuliah pada waktu yan bersamaan Kendala soft: 1. S1: Mahasiswa tidak memperoleh kuliah pada akhir slot-waktu terakhir setiap hari 2. S2: Mahasiswa tidak mendapat kuliah lebih dari 6 jam berturut- turut 3. S3: Mahasiswa tidak memperoleh hanya satu kuliah dalam 1 hari 4. S4: Kuliah tidak dilansunkan bersamaan denan prasyaratnya. Penambahan kendala tersebut merupakan penyesuaian denan kondisi penjadwalan kuliah di departemen Matematika UI yan akan diselesaikan menunakan aloritma memetika. 2.2 KONSEP DASAR ALGORITMA MEMETIKA Penertian Memetika adalah suatu ilmu penetahuan yan mempelajari proses replikasi (replication), penyebaran (spread), dan evolusi ( evolution ) dari meme atau pola informasi. Meme dapat direplikasi melalui komunikasi antar sesama individu, tanpa ada keterkaitan denan tinkat replikasi dari en masin-masin individu dan dapat disebarkan ke individu
7 7 lain melalui berbaai cara seperti pencarian lokal, pindah silan, evolusi atau denan cara lainnya. Proses replikasi meme disebut jua process of self-reproduction atau the memetic life-cycle yan dilanjutkan denan penyebaran meme. Penyebaran terjadi melalui sebuah kelompok dari beberapa individu. Urutan proses tersebut menilustrasikan meme sebaai suatu replicator seperti layaknya suatu en. Proses replikasi pada en hanya dapat terjadi dari oran tua kepada anaknya (vertical transmission) yan merupakan konsep dari aloritma enetika, sedankan proses replikasi pada meme dapat jua terjadi dalam satu individu (horizontal transmission). Gabunan kedua konsep itu diunakan sebaai dasar aloritma memetika, selanjutnya meme dalam aloritma memetika jua disebut denan en. Individu dalam aloritma enetika dan memetika direpresentasikan denan satu kromosom, kromosom inilah yan mewakili kandidat solusi permasalahan. Kromosom terdiri atas beberapa en yan membawa informasi baian solusi permasalahan, sedankan kumpulan dari kromosom biasa disebut denan populasi. Aloritma memetika adalah pendekatan yan dilakukan berdasarkan populasi kromosom untuk pemecahan suatu masalah optimasi. Karena aloritma memetika hanya suatu pendekatan maka aloritma tersebut termasuk dalam metode heuristik yakni suatu metode yan diunakan ketika ukuran ruan pencarian solusi sulit dikontrol secara eksak dan belum ada
8 8 aloritma yan dapat mencari solusi optimal secara efektif. Aloritma memetika memiliki kompleksitas yan lebih tini dibandinkan aloritma enetika (untuk domain tertentu) karena adanya penambahan pencarian solusi lokal. 2.3 KOMPONEN ALGORITMA MEMETIKA Pada dasarnya aloritma memetika terdiri dari tujuh komponen yaitu skema penkodean, funsi penalti, seleksi oran tua, pindah silan ( crossover ), pencarian lokal, mutasi, dan perantian populasi. Berikut akan dijelaskan menenai masin- masin komponen di atas Skema penkodean Terdapat 3 skema yan palin umum diunakan yakni : Real number encodin yaitu penkodean nilai en berada dalam interval [0, R], dimana R adalah bilanan positif yan biasanya bernilai 1 Discrete decimal encodin yaitu penkodean nilai en bisa bernilai dari salah satu bilanan bulat dalam interval [0, N]
9 9 Binary encodin yakni setiap en hanya bisa bernilai 0 atau 1 kromosom : Berikut merupakan ambaran skema penkodean en-en dalam 0,3001 0, ,000 Real number encodin en1 en2 en Discrete decimal encodin en1 en2 en3 en4 en5 en6 en7 en8 en Binary encodin en1 en2 en3 en4 en5 en6 en7 en8 en9 Gambar 1: Penkodean kromosom dalam aloritma memetika Funsi penalti Funsi penalti merupakan nilai yan terdapat dalam suatu kromosom yan menentukan kualitas atau kelayakan suatu solusi masalah. Makna dari nilai menandakan penalti atas pelanaran terhadap suatu kendala. Akibatnya, semakin kecil nilai penalti akan meninkatkan kualitas solusi, sedankan kelayakan solusi ditentukan oleh batasan suatu nilai penalti.
10 10 Dalam masalah optimasi, nilai penalti tersebut biasanya diminimumkan sehina diperoleh solusi denan jumlah pelanaran kendala yan palin sedikit Seleksi oran tua Seleksi oran tua merupakan cara pemilihan dua kromosom sebaai oran tua. Dalam aloritma memetika, seleksi oran tua merupakan baian dari evolusi yakni proses mendekati kandidat solusi permasalahan yan diharapkan. Sebelum proses seleksi oran tua harus terdapat populasi awal yan berisi sejumlah kromosom yan diinisialisasi terlebih dahulu baik denan random, nonrandom atau abunannya. Proses seleksi dapat dilakukan denan turnamen (tournament selection) atau roulette while. Turnamen berukuran n dilakukan denan memilih n kromosom secara random kemudian kromosom denan nilai penalti terbaik akan menjadi salah satu oran tua terpilih. Seleksi denan Roulette while dilakukan denan memberi proporsi yan proporsional denan kebalikan nilai penalti setiap kromosom, kemudian salah satu oran tua dipilih secara random denan probabilitas sebesar proporsi tersebut Pindah silan (crossover) Pindah silan (crossover) merupakan komponen palin pentin dalam aloritma enetika dan memetika karena proses inilah yan dapat mendekati kromosom-kromosom sebaai kandidat solusi yan diharapkan. Kromosom
11 11 yan menarah pada nilai penalti yan lebih baus diperoleh dari proses memindah-silankan dua buah kromosom yan diperoleh dari seleksi oran tua. Pindah silan dapat menhasilkan satu atau beberapa kromosom yan biasa disebut denan kromosom anak. Perhatikan contoh pindah silan berikut : titk poton oran tua oran tua anak anak kromoso m Gambar 2: Pindah silan 1 titik poton Pindah silan dapat berakibat buruk jika jumlah populasinya sanat kecil karena suatu kromosom denan en-en yan menarah ke solusi ( kromosom yan diharapkan) akan sanat cepat menyebar ke kromosom-
12 12 kromosom lainnya. Untuk menatasi masalah ini pindah silan hanya bisa dilakukan untuk probabilitas tertentu katakanlah p c, artinya pindah silan dilakukan jika suatu bilanan random [0,1) yan dibankitkan kuran dari p c yan ditentukan. Pada umumnya, p c diset mendekati satu, misalnya 0.8. Pindah silan jua dapat dilakukan denan cara yan berbeda-beda, yan palin sederhana adalah pindah silan satu titik poton (one-point crossover) seperti pada Gambar 2. Titik poton dipilih secara random, kemudian baian pertama dari oran tua 1 diabunkan denan baian kedua oran tua 2 dan sebaliknya. Untuk kasus kromosom yan sanat panjan, misalnya 2000 en, munkin diperlukan beberapa titik poton. Namun, penentuan jumlah titik poton ini tidak mutlak, artinya boleh berapa saja. Pindah silan denan n titik ini serin disebut denan n-point crossover, dimana n titik poton dipilih secara random dan baian-baian kromosom dipilih denan probabilitas 0,5 dari salah satu oran tuanya. Salah satu skema pindah silan yan lain adalah pindah silan seraam (uniform crossover), yakni jika n titik poton dipilih sebanyak jumlah en dikurani satu Mutasi Mutasi merupakan proses pertukaran / perubahan informasi yan dibawa oleh masin-masin en dalam kromosom anak hasil pindah silan. Mutasi ini bertujuan untuk menurani kesamaan informasi yan dibawa oleh kromosom anak dan oran tua, sehina dapat berkontribusi untuk menuju
13 13 kromosom yan palin berkualitas. Mutasi dilakukan pada beberapa en dalam kromosom anak denan probabilitas mutasi yan relatif kecil yakni p mut, dimana p mut biasanya diset sebesar 1/n. Mutasi adaptive merupakan mutasi yan dilakukan pada beberapa en sehina tersedia tempat yan layak untuk en-en yan hilan akibat pindah silan Pencarian lokal Pencarian lokal merupakan pertukaran / penempatan kembali informasi yan dibawa oleh en-en dalam satu kromosom anak denan harapan dapat meninkatkan kualitas kromosom tersebut. Pencarian lokal dapat dilakukan denan menukar dua en, atau permutasi beberapa en tanpa menurani kualitas dari kromosom sebelumya. Dalam kasus tertentu pencarian lokal hanya dilakukan kepada en yan terkena penalti, artinya hanya informasi yan kuran tepat yan dipertukarkan antar en dalam satu kromosom yan sama Perantian populasi Perantian populasi merupakan pembentukan populasi baru yan beranotakan kromosom-kromosom yan lebih berkualitas. Denan perantian populasi yan dilakukan terus menerus diharapkan kandidat solusi permasalahan semakin medekati optimal. Secara umum perantian populasi ini dilakukan denan memasukkan satu atau dua kromosom anak ke
14 14 populasi awal dan membuan satu atau dua kromosom dalam populasi awal yan mempunyai nilai penalti terbesar.
BAB II KAJIAN TEORI. genetika, dan algoritma memetika yang akan digunakan sebagai landasan dalam
BAB II KAJIAN TEORI Pada bab II ini dijelaskan mengenai beberapa teori tentang penjadwalan, penjadwalan kuliah, metode penyelesaian penyusunan jadwal kuliah, algoritma genetika, dan algoritma memetika
Lebih terperinciBAB III PENJADWALAN KULIAH DI DEPARTEMEN MATEMATIKA DENGAN ALGORITMA MEMETIKA. Penjadwalan kuliah di departemen Matematika UI melibatkan
BAB III PENJADWALAN KULIAH DI DEPARTEMEN MATEMATIKA DENGAN ALGORITMA MEMETIKA Penjadwalan kuliah di departemen Matematika UI melibatkan beberapa komponen yakni ruang kuliah, dosen serta mahasiswa. Seorang
Lebih terperinciOPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
Lebih terperinciKalkulus I. Fungsi Dan Grafik Fungsi. Dr. Eko Pujiyanto, S.Si., M.T eko.staff.uns.ac.id/kalkulus1
Kalkulus I Funsi Dan Graik Funsi Dr. Eko Pujiyanto, S.Si., M.T. eko@uns.ac.id 081 2278 3991 eko.sta.uns.ac.id/kalkulus1 Materi Funsi ( Daerah deinisi, daerah asal dan daerah hasil ) Funsi Surjekti, Injekti,
Lebih terperincipengukuran karakteristik I-V transistor. Kemudian dilanjutkan dengan penyesuaian (fitting) hasil tersebut menggunakan model TOM.
BAB III HASIL DAN DISKUSI Bab ini berisi hasil dan diskusi. Pekerjaan penelitian dimulai denan melakukan penukuran karakteristik I-V transistor. Kemudian dilanjutkan denan penyesuaian (fittin hasil tersebut
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 terperinciOleh: Tjandra Satria Gunawan
Soal dan Solusi (S 2 ) untuk: Olimpiade Sains Nasional Bidan Matematika SMA/MA Seleksi Tinkat Kota/Kabupaten Tahun 2010 Tanal: 14-29 April 2010 Oleh: Tjandra Satria Gunawan 1. Diketahui bahwa ada yepat
Lebih terperinciPENJADWALAN KULIAH DENGAN ALGORITMA MEMETIKA LISMANTO
PENJADWALAN KULIAH DENGAN ALGORITMA MEMETIKA LISMANTO 0304017042 UNIVERSITAS INDONESIA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM DEPARTEMEN MATEMATIKA DEPOK 2008 PENJADWALAN KULIAH DENGAN ALGORITMA
Lebih terperinciLAMPIRAN. Lampiran 1. Hasil Wawancara
L.1 LAMPIRAN Lampiran 1 Hasil Wawancara Hasil Wawancara denan Kepala Personalia : Apakah Proses perekrutan di perusahaan telah dapat memenuhi permintaan tenaa kerja? Menurut saya, aktivitas perekrutan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Ruan Linkup Ruan linkup keiatan dalam penulisan tuas akhir ini adalah PT. Tembaa Mulia Semanan Tbk. (Divisi Aluminium) yan berlokasi di Jalan Daan Moot KM. 16, Semanan,
Lebih terperinciPENGEMBANGAN DAN ANALISIS TES KIMIA BERBASIS OPEN- ENDED PROBLEM UNTUK MENGUKUR KEMAMPUAN BERPIKIR KREATIF SISWA
SEMINAR NASIONAL KIMIA DAN PENDIDIKAN KIMIA VII Penuatan Profesi Bidan Kimia dan Pendidikan Kimia Melalui Riset dan Evaluasi Proram Studi Pendidikan Kimia Jurusan P.MIPA FKIP UNS Surakarta, 18 April 2015
Lebih terperinciOptimasi Penjadwalan Ujian Menggunakan Algoritma Genetika
Optimasi Penjadwalan Ujian Menggunakan Algoritma Genetika Nia Kurnia Mawaddah Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Jurusan Matematika, FMIPA Universitas Brawijaya, Malang 65145 Abstrak Penjadwalan
Lebih 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 terperinciABSTRAK DAN EXECUTIVE SUMMARY HIBAH DISERTASI DOKTOR
ABSTRAK DAN EXECUTIVE SUMMARY HIBAH DISERTASI DOKTOR Judul: INTEGRAL HENSTOCK-KURZWEIL DI DALAM RUANG FUNGSI KONTINU C[a,b] Tim Peneliti Firdaus Ubaidillah, S.Si, M.Si NIDN 0006067003 UNIVERSITAS JEMBER
Lebih terperinciTEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT
TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh Dian Sari Reski, Asrul Sani 2, Norma Muhtar 3 ABSTRACT Scheduling problem is one type of allocating resources problem that exist to
Lebih terperinciGambar II.1. Skema Sistem Produksi
Bab II Tinjauan Pustaka II.1 Sistem Produksi Sistem produksi minyak merupakan jarinan pipa yan berunsi untuk menalirkan luida (minyak) dari reservoir ke separator. Reservoir terletak di bawah permukaan
Lebih terperinciImplementasi Pembelajaran Kooperatif Ni Komang Sukertiasih 69
GaneÇ Swara Vol. 4 No. Pebruari 2 IMPLEMENTASI PEMBELAJARAN KOOPERATIF DENGAN METODE SNOWBALL THROWING PADA POKOK BAHASAN LIMIT FUNGSI UNTUK MENINGKATKAN AKTIVITAS DAN PRESTASI BELAJAR SISWA KELAS XI IPA
Lebih terperinciTINJAUAN PUSTAKA. i dari yang terkecil ke yang terbesar. Tebaran titik-titik yang membentuk garis lurus menunjukkan kesesuaian pola
TINJAUAN PUSTAKA Analisis Diskriminan Analisis diskriminan (Discriminant Analysis) adalah salah satu metode analisis multivariat yan bertujuan untuk memisahkan beberapa kelompok data yan sudah terkelompokkan
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 2 LANDASAN TEORI. 2.1 Algoritma Genetika
6 BAB 2 LANDASAN TEORI 2.1 Algoritma Genetika Algoritma genetika merupakan metode pencarian yang disesuaikan dengan proses genetika dari organisme-organisme biologi yang berdasarkan pada teori evolusi
Lebih terperinciBAB II 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 II FUNGSI DAN GRAFIK FUNGSI
BAB II FUNGSI DAN GRAFIK FUNGSI. Funsi. Graik Funsi. Barisan dan Deret.4 Irisan Kerucut. Funsi Dalam berbaai aplikasi, korespondensi/hubunan antara dua himpunan serin terjadi. Sebaai contoh, volume bola
Lebih terperinciBAB III ALGORITMA MEMETIKA DALAM MEMPREDIKSI KURS VALUTA ASING. Untuk memberikan penjelasan mengenai prediksi valuta asing
BAB III ALGORITMA MEMETIKA DALAM MEMPREDIKSI KURS VALUTA ASING Untuk memberikan penjelasan mengenai prediksi valuta asing menggunakan algoritma memetika, akan diberikan contoh sebagai berikut. Contoh Misalkan
Lebih terperinciBAB II TINJAUAN PUSTAKA
II TINJUN USTK ompa adalah suatu alat yan diunakan untuk memindahkan suatu cairan dari suatu tempat ke tempat lain denan cara menaikkan tekanan cairan tersebut. Kenaikan tekanan cairan tersebut diunakan
Lebih terperinciERWIEN TJIPTA WIJAYA, ST.,M.KOM
ERWIEN TJIPTA WIJAYA, ST.,M.KOM DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk
Lebih 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Travelling Salesman Problem (TSP) Persoalan TSP merupakan salah satu persoalan optimasi kombinatorial (kombinasi permasalahan). Banyak permasalahan yang dapat direpresentasikan
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 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 terperinciJURNAL ITSMART Vol 3. No 2. Desember 2014 ISSN :
IMPLEMENTASI ALGORITMA ITERATIVE DIHOTOMISER PADA PENYELEKSIAN PROGRAM MAHASISWA WIRAUSAHA UNS Tisna Dedi Utama Sari Widya Sihwi Afrizal Doewes Jurusan Informatika Jurusan Informatika Jurusan Informatika
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 terperinci1 Posisi, kecepatan, dan percepatan
1 Posisi, kecepatan, dan percepatan Posisi suatu benda pada suatu waktu t tertentu kita tulis sebaai r(t). Jika saat t = t 1 benda berada pada posisi r 1 r(t 1 ) dan saat t = t 2 > t 1 benda berada pada
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 terperinciSPASIAL CLASIFICATION MINING UNTUK MENENTUKAN PRAKIRAAN CURAH HUJAN BERDASARKAN KARAKTERISTIK WILAYAH
Studia Informatika: Jurnal Sistem Informasi, 9(2), 206, 89-20 SPASIAL CLASIFICATION MINING UNTUK MENENTUKAN PRAKIRAAN CURAH HUJAN BERDASARKAN KARAKTERISTIK WILAYAH Eva Khudzaeva Proram Studi Sistem Informasi,
Lebih terperinciAnalisis dan Implementasi Algoritma Differential Evolution Pada Jaringan Syaraf Tiruan Studi Kasus Prediksi Masa Studi Mahasiswa
Analisis dan Implementasi Aloritma Differential Evolution Pada Jarinan Syaraf Tiruan Studi Kasus Prediksi Masa Studi Mahasiswa Fahrudin Julianto 1, Jondri MSi 2, Rita Rismala ST.,MT 3 Fakultas Informatika
Lebih terperinciPenerapan Algoritme Genetika Pada Kasus Optimasi Penentuan Bibit dan Pemerataan Subsidi pupuk (Studi Kasus: Desa Pandansari, Kabupaten Kediri)
Jurnal Penembanan Teknoloi Informasi dan Ilmu Komputer eissn: 2548964X Vol. 2, No. 5, Mei 2018, hlm. 18031812 http://jptiik.ub.ac.id Penerapan Aloritme Genetika Pada Kasus Optimasi Penentuan Bibit dan
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 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 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 terperinciPengertian Fungsi. Kalkulus Dasar 2
Funsi Penertian Funsi Relasi : aturan an menawankan himpunan Funsi Misalkan A dan B himpunan. Relasi biner dari A ke B merupakan suatu unsi jika setiap elemen di dalam A dihubunkan denan tepat satu elemen
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan skripsi ini. Teori-teori yang dibahas mengenai optimisasi, pengertian penjadwalan,
Lebih terperinciAnalisis dan Implementasi Algoritma Graph-based K-Nearest Neighbour untuk Klasifikasi Spam pada Pesan Singkat
Analisis dan Implementasi Aloritma Graph-based K-Nearest Neihbour untuk Klasifikasi Spam pada Pesan Sinkat Gde Surya Pramartha Proram Studi Sarjana Teknik Informatika Fakultas Informatika Telkom University
Lebih terperinciPELABELAN PADA GRAPH ( ), DENGAN
PELABELAN PADA GRAPH, DENGAN Yuliarti 1) Purwanto 2) FMIPA Universitas Neeri Malan E-mail : yulia.anwar91@yahoo.com ABSTRAK: Pelabelan raph adalah pemetaan yan memetakan elemen elemen raph (titik atau
Lebih terperinciBAB 2 LANDASAN TEORI
18 BAB 2 LANDASAN TEORI 2.1 Pengertian Optimasi Optimasi adalah salah satu ilmu dalam matematika yang fokus untuk mendapatkan nilai minimum atau maksimum secara sistematis dari suatu fungsi, peluang maupun
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 Edisi... Volume..., Bulan 20.. ISSN :
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENJADWALAN MATA PELAJARAN DI SMAN 1 CIWIDEY Rismayanti 1, Tati Harihayati 2 Teknik Informatika Universitas Komputer
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 terperinciAlgoritma Evolusi Dasar-Dasar Algoritma Genetika
Algoritma Evolusi Dasar-Dasar Algoritma Genetika Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Pengantar 2. Struktur Algoritma Genetika 3. Studi Kasus: Maksimasi Fungsi Sederhana 4. Studi
Lebih 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 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 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 terperinciPERATURAN PEMERINTAH REPUBLIK INDONESIA NOMOR 10 TAHUN 1979 TENTANG PENILAIAN PELAKSANAAN PEKERJAAN PEGAWAI NEGERI SIPIL PRESIDEN REPUBLIK INDONESIA,
PERATURAN PEMERINTAH REPUBLIK INDONESIA NOMOR 10 TAHUN 1979 TENTANG PENILAIAN PELAKSANAAN PEKERJAAN PEGAWAI NEGERI SIPIL PRESIDEN REPUBLIK INDONESIA, Menimban : a. dalam ranka usaha menjamin obyektifitas
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 terperinciPengantar Kecerdasan Buatan (AK045218) Algoritma Genetika
Algoritma Genetika Pendahuluan Struktur Umum Komponen Utama Seleksi Rekombinasi Mutasi Algoritma Genetika Sederhana Referensi Sri Kusumadewi bab 9 Luger & Subblefield bab 12.8 Algoritma Genetika 1/35 Pendahuluan
Lebih terperinciBAB I PENDAHULUAN. Umumnya, optimasi didefinisikan sebagai proses menentukan nilai minumum
BAB I PENDAHULUAN 1.1. Latar Belakang Umumnya, optimasi didefinisikan sebagai proses menentukan nilai minumum dan maksimum bergantung pada fungsi tujuannya. Dalam kehidupan sehari-hari, banyak ditemukan
Lebih terperinciOptimasi Fungsi Tanpa Kendala Menggunakan Algoritma Genetika Dengan Kromosom Biner dan Perbaikan Kromosom Hill-Climbing
Optimasi Fungsi Tanpa Kendala Menggunakan Algoritma Genetika Dengan Kromosom Biner dan Perbaikan Kromosom Hill-Climbing Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas
Lebih terperinciANALISIS KARAKTERISTIK GELOMBANG DAN PASANG SURUT PADA DAERAH PANTAI PAAL KECAMATAN LIKUPANG TIMUR KABUPATEN MINAHASA UTARA
ANALISIS KARAKTERISTIK GELOMBANG DAN PASANG SRT PADA DAERAH PANTAI PAAL KECAMATAN LIKPANG TIMR KABPATEN MINAHASA TARA Chandrika Mulyabakti M. Ihsan Jasin, J. D. Mamoto Fakultas Teknik Jurusan Sipil niversitas
Lebih terperincip da p da Gambar 2.1 Gaya tekan pada permukaan elemen benda yang ter benam aliran fluida (Mike Cross, 1987)
6.3 Gaya Hambat Udara Ketika udara melewati suatu titik tankap baik itu udara denan kecepatan konstan ( steady ) maupun denan kecepatan yan berubah berdasarkan waktu (unsteady ), kecenderunan alat tersebut
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI PEMBELAJARAN PERKALIAN DAN PEMBAGIAN BILANGAN UNTUK SEKOLAH DASAR KELAS 2
PERANCANGAN DAN IMPLEMENTASI PEMBELAJARAN PERKALIAN DAN PEMBAGIAN BILANGAN UNTUK SEKOLAH DASAR KELAS 2 1 Aun Dwi Hariyanto (05018221), 2 Wahyu Pujiyono (0504116601) 1,2 Proram Studi Teknik Informatika
Lebih terperinciLAPORAN KALIBRASI ALAT UKUR VOLUMETRIK
LAPORAN KALIBRASI ALAT UKUR VOLUMETRIK I. JUDUL PRAKTIKUM : KALIBRASI ALAT UKUR VOLUMETRIK II. TANGGAL PRAKTIKUM : Selasa, 12 Austus 2014 III. TANGGAL LAPORAN: Rabu, 20 Austus 2014 IV. GURU PEMBIMBING
Lebih terperinciAnalisis Pengaruh Jarak Sirip Vertikal Dan Kecepatan Angin Terhadap Perpindahan Panas Pada Motor 4 Tak
Analisis Penaruh Jarak Sirip Vertikal Dan Kecepatan Anin Terhadap Perpindahan Panas Pada Motor 4 Tak Mustafa 1 1 adalah Dosen Fakultas Teknik Universitas Merdeka Madiun Abstract One of the problems in
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 terperinciPENJADWALAN UJIAN AKHIR SEMESTER DENGAN ALGORITMA GENETIKA (STUDI KASUS JURUSAN TEKNIK INFORMATIKA UNESA)
Penjadwalan Ujian Akhir Semester dengan Algoritma Genetika PENJADWALAN UJIAN AKHIR SEMESTER DENGAN ALGORITMA GENETIKA (STUDI KASUS JURUSAN TEKNIK INFORMATIKA UNESA) Anita Qoiriah Jurusan Teknik Informatika,
Lebih terperinciBAB III. Solusi Optimal Permasalahan Penjadwalan Perkuliahan Menggunakan Algoritma Fuzzy Evolusi
BAB III Solusi Optimal Permasalahan Penjadwalan Perkuliahan Menggunakan Algoritma Fuzzy Evolusi Pada bab ini dijelaskan mengenai penerapan dari algoritma fuzzy evolusi pada permasalahan penjadwalan perkuliahan.
Lebih terperinciANALISIS ONGKOS PRAKTIKUM PEMESINAN BERDASARKAN TIPE PROSES DESAIN PRODUK Purnawan, Maman Kusman, Yayat, Ega Taqwali Berman
ANALISIS ONGKOS PRAKTIKUM PEMESINAN BERDASARKAN TIPE PROSES DESAIN PRODUK Purnawan, Maman Kusman, Yayat, Ea Taqwali Berman Abstrak : Tujuan penelitian ini adalah untuk menanalisis onkos praktikum pemesinan
Lebih terperinciGambar 1.1 Nilai Ekspor Mebel Indonesia, dan negara-negara pesaing di Asia, 2005
BAB I PENDAHULUAN 1.1 Latar Belakan Funiture merupakan salah satu kebutuhan dalam setiap rumah. Funsinya tak hanya untuk memperindah interior dalam rumah tapi jua untuk sebuah estetika yan mencitrakan
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 terperinciPERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN
PERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN Eva Desiana, M.Kom Pascasarjana Teknik Informatika Universitas Sumatera Utara, SMP Negeri 5 Pematangsianta Jl. Universitas Medan, Jl.
Lebih terperinciPenyelesaian Vehicle Routing Problem with Time Windows (VRPTW) dengan Modified Differential Evolution Algorithm
Penyelesaian Vehicle Routin Problem with Time Windows (VRPTW) denan Modified Differential Evolution Alorithm Heri Awalul Ilhamsah 1 1 Jurusan Teknik IndustriUniversitas Trunojoyo Madura E-mail: hilhamsah@yahoo.com
Lebih terperinciABSTRAK. Latar Belakang Masalah
Derivatif Untuk Menyelesaikan Optimisasi Berkendala Dalam Bisnis Dan Ekonomi (Derivative for Solvin Constrained Optimization in Business and Economics) Nurul Yaqin, M.Sc. Dosen pada Jurusan Sistem Informasi
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 terperinciKETERAMPILAN BERPIKIR TINGKAT TINGGI PESERTA DIDIK SMA PADA PEMBELAJARAN KONSEPPROTISTAMELALUI PENDEKATAN INKUIRI TERBIMBING. Oleh : Fathul Zannah *
KETERAMPILAN BERPIKIR TINGKAT TINGGI PESERTA DIDIK SMA PADA PEMBELAJARAN KONSEPPROTISTAMELALUI PENDEKATAN INKUIRI TERBIMBING Oleh : Fathul Zannah * Abstrak Keiatan pembelajaran di SMAN 2 Banjarbaru sudah
Lebih terperinciPERANCANGAN HEAT RECOVERY STEAM GENERATOR (HRSG) DENGAN MEMANFAATKAN GAS BUANG DARI SATU UNIT TURBIN GAS DENGAN DAYA 130 MW
PERANCANGAN HEAT RECOVERY STEAM GENERATOR (HRSG) DENGAN MEMANFAATKAN GAS BUANG DARI SATU UNIT TURBIN GAS DENGAN DAYA 30 MW SKRIPSI Skripsi Yan Diajukan Untuk Melenkapi Syarat Memperoleh Gelar Sarjana Teknik
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Sektor layanan kesehatan merupakan sektor yang sangat penting bagi setiap
BAB I PENDAHULUAN 1.1 Latar Belakan Sektor layanan kesehatan merupakan sektor yan sanat pentin bai setiap masyarakat.diantara berbaai jasa layanan kesehatan, rumah sakit memean peranan pentin karena menyediakan
Lebih terperinciAbstrak. Kata Kunci : SPK (Sistem Pendukung Keputusan), Pemberian store of the month, Analytical Hierarchy Process (AHP).
SISTEM PENDUKUNG KEPUTUSAN PENERIMA STORE OF THE MONTH PADA TOKO INDOMARET MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) STUDI KASUS PT. INDOMARCO PRISMATAMA MEDAN Tison Nopember Simanjuntak (12110248)
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 terperinciPERHITUNGAN BURN UP PADA REAKTOR SUB KRITIS BERDAYA SEDANG BERPENDINGIN Pb - Bi BURN UP CALCULATION OF Pb Bi COOLED MEDIUM SIZED SUBCRITICAL CORE
Prosidin Semirata2015 bidan MIP BKS-PTN Barat PERHITUNGN BURN UP PD REKTOR SUB KRITIS BERDY SEDNG BERPENDINGIN Pb - Bi BURN UP CLCULTION OF Pb Bi COOLED MEDIUM SIZED SUBCRITICL CORE Nur ida* UIN Syarif
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 terperinciAlgoritma Evolusi Real-Coded GA (RCGA)
Algoritma Evolusi Real-Coded GA (RCGA) Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Siklus RCGA 2. Alternatif Operator Reproduksi pada Pengkodean Real 3. Alternatif Operator Seleksi 4.
Lebih terperincisitus web di internet, dapat ditemukan informasi berupa teks, ambar, suara dan video. Semua produk diital tersebut dapat di download denan mudah, sert
IMPLEMENTASI WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN METODE LSB Rina Septianinsih 50406795 rina_05@student.unadarma.ac.id Proram Studi Teknik Informatika Universitas Gunadarma Abstraksi Kemudahan penyebaran
Lebih terperinciSKRIPSI SISTEM PEMBANGKIT TENAGA
SKRIPSI SISTEM PEMBANGKIT TENAGA PERANCANGAN HEAT RECOVERY STEAM GENERATOR (HRSG) DENGAN MEMANFAATKAN GAS BUANG DARI SATU UNIT TURBIN GAS DENGAN DAYA 117,5 MW Skripsi Yan Diajukan Untuk Melenkapi Syarat
Lebih terperinciEVALUASI KETEPATAN KLASIFIKASI KELULUSAN TES KETERAMPILAN SNMPTN BIDANG OLAHRAGA MENGGUNAKAN ANALISIS DISKRIMINAN KERNEL
EVALUASI KETEPATAN KLASIFIKASI KELULUSAN TES KETERAMPILAN SNMPTN BIDANG OLAHRAGA MENGGUNAKAN ANALISIS DISKRIMINAN KERNEL Yosiana Fitria. W, Bamban Widjanarko Otok Mahasiswa Proram Sarjana, Jurusan Statistika
Lebih terperinciMEDIA DARI KULIT SINGKONG UNTUK PERTUMBUHAN Saccharomyces cerevisiae DAN APLIKASI PADA ROTI Mochammad Wachid (1), Diana Ayu Ningrum (2)
MEDIA DARI KULIT SINGKONG UNTUK PERTUMBUHAN Saccharomyces cerevisiae DAN APLIKASI PADA ROTI Mochammad Wachid (1), Diana Ayu Ninrum (2) 1 Universitas Muhammadiyah Malan, Malan 2 Universitas Muhammadiyah
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab ini akan dijelaskan mengenai hal-hal yang menjadi latar belakang dilakukan penelitian ini, perumusan masalah, batasan penelitian yang dikerjakan, tujuan, manfaat penelitian terhadap
Lebih terperinciSTUDI ANALISA PERHITUNGAN DAN PENGATURAN RELAI ARUS LEBIH DAN RELAI GANGGUAN TANAH PADA KUBIKEL CAKRA 20 KV DI PT XYZ. Budi Yanto Husodo 1,Muhalan 2
STUDI ANALISA PERHITUNGAN DAN PENGATURAN RELAI ARUS LEBIH DAN RELAI GANGGUAN TANAH PADA KUBIKEL CAKRA 20 KV DI PT XYZ Budi Yanto Husodo 1,Muhalan 2 1,2 Proram Studi Teknik Elektro, Fakultas Teknik Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan menenai teori teori yan berhubunan denan penelitian sehina dapat dijadikan sebaai landasan berfikir dalam melakukan penelitian dan akan mempermudah dalam
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY
PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY Arief Kelik Nugroho Fakultas Teknik, Universitas PGR Yogyakarta e-mail : ariefkeliknugroho@gmail.com Abstrak
Lebih terperinciBAB II DASAR TEORI. Gambar 2.1 : Gaya pada roket Sumber : (Benson, 2010)
5 BAB II DASAR TEORI.1 Prinsip Kerja Roket Roket merupakan wahana luar ankasa, peluru kendali, atau kendaraan terban yan mendapatkan doronan melalui reaksi roket terhadap keluarnya secara cepat bahan fluida
Lebih terperinciKata Kunci: Metode Pembelajaran Two Stay Two Stray (TS-TS), Motivasi, Hasil Belajar.
Penerapan Metode Pembelajaran. (Risa Rusdiana) PENERAPAN METODE PEMBELAJARAN TWO STAY TWO STRAY (TS-TS) UNTUK MENINGKATKAN MOTIVASI DAN HASIL BELAJAR MATA PELAJARAN EKONOMI SISWA KELAS XI IPS SMA NEGERI
Lebih terperinciPencarian Rute Terpendek untuk Pengoptimalan Ditribusi Sales Rokok Gudang Garam di kecamatan Wuluhan Kabupaten Jember Menggunakan Algoritma Genetika
Pencarian Rute Terpendek untuk Pengoptimalan Ditribusi Sales Rokok Gudang Garam di kecamatan Wuluhan Kabupaten Jember Menggunakan Algoritma Genetika Priza Pandunata, Rachmad Agung Bagaskoro, Agung Ilham
Lebih terperinciTURBIN AIR A. TURBIN IMPULS. Roda Pelton
6 TURBIN AIR A. TURBIN IMPULS Turbin impuls adalah turbin dimana bererak karena adanya impuls dari air. Pada turbin impuls, air dari sebuah bendunan dialirkan melalui pipa, dan kemudian melewati mekanisme
Lebih terperinciMATA KULIAH : FISIKA DASAR (4 sks) GERAK BENDA DALAM BIDANG DATAR DENGAN PERCEPATAN TETAP
MODUL PERTEMUAN KE 4 MATA KULIAH : (4 sks) MATERI KULIAH: Gerak Peluru (Proyektil); Gerak Melinkar Beraturan, Gerak Melinkar Berubah Beraturan, Besaran Anular dan Besaran Tanensial. POKOK BAHASAN: GERAK
Lebih terperinciTINGKAT ASUPAN ENERGI DAN PROTEIN DENGAN STATUS GIZI BAYI USIA 6-24 BULAN
TINGKAT ASUPAN ENERGI DAN PROTEIN DENGAN STATUS GIZI BAYI USIA 6-4 BULAN Arimina Hartati Pontoh* *Akademi Kebidanan Griya Husada, Jl. Dukuh Pakis Baru II no. Surabaya Email :admin@akbid-riyahusada.ac.id
Lebih terperinciABSTRAK. Job shop scheduling problem merupakan salah satu masalah. penjadwalan yang memiliki kendala urutan pemrosesan tugas.
ABSTRAK Job shop scheduling problem merupakan salah satu masalah penjadwalan yang memiliki kendala urutan pemrosesan tugas. Pada skripsi ini, metode yang akan digunakan untuk menyelesaikan job shop scheduling
Lebih terperinciJURNAL SAINTIFIK VOL.2 NO.2, JULI Murtafiah Universitas Sulawesi Barat
Penaruh Kecerdasan Emosional, Pola Asuh Orantua, dan Minat Belajar terhadap Prestasi Belajar Matematika Siswa kelas XI IPA SMA Neeri di Kota Parepare Murtafiah Universitas Sulawesi Barat e-mail: murtafiahq@mail.com
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 I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pengertian jadwal menurut kamus besar bahasa Indonesia adalah pembagian waktu berdasarkan rencana pengaturan urutan kerja; daftar atau tabel kegiatan atau rencana kegiatan
Lebih terperincia home base to excellence Mata Kuliah : Kalkulus Kode : TSP 102 Turunan Pertemuan - 3
a home base to ecellence Mata Kuliah : Kalkulus Kode : TSP 102 SKS : 3 SKS Turunan Pertemuan - 3 a home base to ecellence TIU : Mahasiswa dapat memahami turunan unsi dan aplikasinya TIK : Mahasiswa mampu
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada Bab II dijelaskan landasan teori yang digunakan untuk mendukung tugas akhir ini. Subbab 2.1 membahas teori SP secara umum, kemudian Subbab 2.2 lebih khusus membahas PFSP. Pada
Lebih terperinci