BAB III METODE PENELITIAN
|
|
- Devi Hartono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 digilib.uns.ac.id BAB III METODE PENELITIAN Penelitian ini sebelumnya diawali oleh pengumpulan litelatur dan pengumpulan data. Pengumpulan literatur merupakan pengumpulan bahan-bahan seperti jurnal, buku, papper, penelitian, makalah dan informasi lainnya yang membahas tentang penjadwalan mata kuliah di universitas, algoritma genetika dan algoritma Palgunadi. Pengumpulan data dilakukan dengan mengumpukan data-data yang dibutuhkan untuk melakukan penelitian dan akan berperan sebagai data yang nantinya diolah untuk diimplementasi. Data-data yang dibutuhkan antara lain data mata kuliah, dosen, kelas, mahasiswa, ruangan, jadwal, waktu kuliah, dan batasanbatasan penjadwalan. Setelah semua bahan litelatur dan data telah didapatkan penelitian ini dimulai dengan melakukan beberapa tahap yaitu: 3.1 Pemodelan Data Memodelkan data yang telah didapatkan menjadi model data yang terstruktur agar lebih mudah dipahami serta mengurangi data-data yang tidak perlu untuk digunakan. Pada tahap ini akan dibuat variabel-variabel dan skema objek penjadwalan secara umum. Variable-variabel penjadwalan ini secara garis besar dapat didefinisikan sebagai berikut: Dosen, merupakan set dari dosen D = {d1, d2,, dn} Kelas, merupakan set dari kelas K = {k1, k2,, kn}. Kelas terdiri dari sejumlah mahasiswa. Telah ditentukan bahwa mahasiswa telah dikelompokan dalam kelas, sehingga kelas bersifat disjoint berarti tidak ada mahasiswa yang sama dalam beberapa kelas. Mata kuliah, merupakan set dari mata kuliah M = {m1, m2, m3,, mn}. Timeslots, merupakan set dari timeslots T = {t1, t2,, tn}. Timeslots merupakan interval waktu dimana perkuliahan akan dilakukan. Timeslots memiliki waktu mulai dan waktu akhir. Elemen dari set timeslots memiliki bentuk <hari><jam> seperti senin1, senin2,, jumat10.
2 digilib.uns.ac.id 32 Ruangan, merupakan set dari ruangan R = {r1, r2,, rn}. Kegiatan Perkuliahan, merupakan set dari kegiatan perkuliahan (event) E = {e1, e2,, en}. Kegiatan perkuliahan memiliki atribut: Mata kuliah yang diajarkan, M_E = {m} Dosen yang mengajar di mata kuliah, set dari D_E = {d1, d2,, dn} Kelas yang diajar di mata kuliah, set dari K_E = {k1, k2,, kn} Total durasi timeslot dala sebuah perkuliahan, Dur_E = {dur } Ruangan Timeslots, set dari ruangan-timeslots dengan alasan untuk mempersimpel proses pencarian. RxT = {rxt1, rxt2,, rxtn}, memiliki atribut Ruangan, R_RxT = {r} Waktu timeslot, T_RxT = {t} Jadwal, set dari jadwal, Merupakan gabungan dari ruangan timeslot dengan event. J = {r1t1e1, r1t2e1, r2t1e2,, rntnen} Dari variabel tersebut dapat dipetakan kedalam skema sederhana seperti Gambar 3.1. Kelas Durasi Ruangan Dosen Event Jadwal Ruangan Timeslots Matakuliah Timeslot Gambar 3.1. Skema penjadwalan 3.2 Implementasi Perancangan Algoritma Palgunadi Pada dasarnya algoritma Palgunadi dirancang dalam masalah penjadwalan klasik dengan hanya menggunakan batasan kaku. Karena pada kasus ini terdapat dua jenis batasan yaitu batasan kaku dan batasan lunak maka perlu dilakukan penyesuaian algoritma Palgunadi agar dapat bekerja pada dua jenis batasan tersebut. Penyesuaian ini membuat proses algoritma Palgunadi dibagi menjadi dua
3 digilib.uns.ac.id 33 tahap. Tahap pertama adalah pengalokasian jadwal dengan pengecekan batasan kaku dan batasan lunak. Tahap kedua dilakukan jika matriks ANS memiliki nilai (terdapat mata kuliah yang tidak terjadwal), maka mata kuliah pada matriks ANS akan dijadwalkan dengan pengecekan batasan kaku saja. Jika matriks ANS masih memiliki nilai maka penjadwalan dinyatakan gagal. Diagram alur untuk algoritma Palgunadi terdapat pada gambar 3.2.
4 digilib.uns.ac.id 34 START INPUT DATA INISIALISASI MATRIKS URUTKAN EVENT BERDASARKAN PRIORITAS MAKUL WAJIB - PILIHAN URUTKAN RxT BERDASARKAN WAKTU UNTUK SETIAP EVENT PILIH RxT TEORI SECARA URUT JIKA EVENT TEORI? PILIH RxT PRAKTEK SECARA URUT CHECK PELANGGARAN CONSTRAINTS MASIH ADA SISA RtX MELANGGAR EVENT DIJADWALKAN DENGAN PENGECEKAN HARD CONSTRAINT SAJA MASUKAN KE JADWAL MASIH ADA EVENT BLM TERJADWAL? TERJADWAL? BUAT JADWAL GAGAL END Gambar 3.2. Diagram alur Algoritma Palgunadi
5 digilib.uns.ac.id Perancangan Algoritma Genetika Biasa Tahap-tahap yang dilakukan adalah: Pengkodeam kromosom Mengacu kepada skema yang telah dibuat sebelumnya, pada algoritma genetika ini kromosom direpresentasikan dengan menggunakan enkoding nilai. Terdapat sebuah vector berupa list dari setiap Event yang memiliki nilai id posisi Ruangan-Tiemeslots jam pertamanya. Selain itu terdapat sebuah vector berupa list dari setiap Ruangan-Timeslots yang memiliki nilai berupa list id Event yang dialokasikan di Ruangan-Timeslots tersebut. Representasi kromosom dapat dilihat pada Gambar 3.4 dan contoh bentuk kromosom yang telah diprint sebagai array dapat dilihat pada Gambar 3.5. e2 e2 e1 e1 e1 e13 e13 e3 R1T1 R1T2 R1T R2T7 R2T8 R2T R16T5 R16T RnTn Event-1 Event-2 Event Event Event-n R1T1 R1T2 R16T5 R2T8 RnTn Gambar 3.4. Representasi Kromosom
6 digilib.uns.ac.id Inisialisasi Kromosom Gambar 3.5 Contoh Kromosom Inisialisasi kromosom pada tahap ini dilakukan dengan menggenerate nilai RxT random untuk setiap event pada kromosom, lalu membentuk struktur tambahan setiap RxT diberi nilai event Penentuan fungsi evaluasi Setelah sejumlah populasi telah dibentuk, setiap populasi akan dievaluasi untuk mengetahui nilai fitnessnya. Evaluasi ditentukan berdasarkan batasan kaku(hard constraints) dan batasan lunak (soft constraints) yang telah dijelaskan sebelumnya. Setiap batasan kaku memiliki nilai poin 2 dan setiap batasan lunak memiliki nilai poin 1, sehingga untuk evaluasi fitnes dapat dirumuskan sebagai: fitness = Bk + Bl Bkmax + Blmax Keterangan: Bk = Nilai batasan kaku Bl = Nilai batasan lunak Bkmax = Nilai batasan kaku maksimal Blmax = Nilai batasan lunak maksimal Seleksi Seleksi dilakukan untuk memilih beberapa pasang kromosom yang dijadikan induk atau sebagai orang tua untuk sejumlah n anak berikutnya yang akan menggantikan individu dalam populasi pada setiap generasi. Pemilihan pasangan kromosom dilakukan dengan menggunakan seleksi tournament. Pada
7 digilib.uns.ac.id 37 metode seleksi dengan turnamen ini akan ditetapkan dua buah individu yang dipilh secara acak (random) dari suatu populasi. Individu yang terbaik dalam kelompok ini akan diseleksi sebagai induk pertama, demikian juga untuk pemilihan induk kedua Crossover Setelah dua kromosom induk selesai dipilih, langkah berikutnya adalah melakukan rekombinasi yaitu penyilangan (crossover) terhadap pasangan kromosom. Penyilangan akan menukar informasi genetik antara dua kromosom induk yang terpilih dari proses seleksi untuk membentuk sebuah kromosom anak. Crossover dilakukan dengan menggunakan crossover satu titik. Dimana dicari titik potong sebuah kromosom, potongan kromosom pertama berasal dari induk 1, dan sisa kromosom diambil dari induk Mutasi Anak hasil crossover sebelum dilepaskan ke populasi memiliki kemungkinan untuk terjadinya mutasi. Pada proses mutasi ini dilakukan perubahan nilai pada beberapa gen untuk menggenerate nilai RxT barunya Pergantian kromosom Pada tahap ini kromosom anak hasil crossover dan mutasi akan menggantikan posisi kromosom yang lama untuk membentuk sebuah populasi baru dengan ukuran yang sama. Pada prosedur pergantian ini diterapkan konsep elitism yang memastikan kromosom dengan fitness tertinggi tidak tersingkirkan dalam populasi. Diagram alur algoritma genetika ini dapat dilihat pada Gambar 3.3.
8 digilib.uns.ac.id 38 START DATA INPUT PEMBUATAN KROMOSOM INISIALISASI EVALUASI FITNESS == 0? SELEKSI CROSSOVER AMBIL KROMOSOM DENGAN BEST FITNESS MUTASI MEMBUAT JADWAL REPLACE DENGAN ELITISM FITNESS == 0? END EVALUASI Gambar 3.3. Diagram alur algoritma genetika Perancangan Algoritma Kombinasi Pada kombinasi ini konsep yang ingin diterapkan adalah pengeleminasian batasan kaku pada setiap proses heuristik algoritma genetika dengan menggunakan algoritma palgunadi. Perbedaan kombinasi ini dengan algoritma genetika biasa terletak pada proses inisialisasi, crossover, dan mutasi. Proses ini memastikan
9 digilib.uns.ac.id 39 kromosom yang dibentuk pada setiap proses inisialisasi, crossover, mutasi tidak melanggar batasan kaku, sehingga yang dilakukan oleh algoritma genetika adalah meminimalkan pelanggaran batasan lunaknya Inisialisasi Kromosom Inisialisasi kromosom pada tahap ini dilakukan dengan menggunakan prinsip algoritma Palgunadi namun constraint yang dicek hanya berupa batasan kaku dan RxT dipilih secara random. Untuk setiap Event diberikan sebuah nilai yang berupa kode RxT, lalu pada struktur tambahan setiap RxT sejumlah n durasi dari Event ditempatkan Eventnya. Proses inisialisasi dijelaskan pada diagram alur Gambar 3.4.
10 digilib.uns.ac.id 40 START INPUT DATA INISIALISASI MATRIKS URUTKAN EVENT BERDASARKAN PRIORITAS MAKUL WAJIB - PILIHAN ACAK RxT UNTUK SETIAP EVENT PILIH RxT TEORI JIKA EVENT TEORI? PILIH RxT PRAKTEK CHECK PELANGGARAN HARD CONSTRAINTS MASIH ADA SISA RtX MELANGGAR GAGAL, BUAT ULANG KROMOSOM MASUKAN KE KROMOSOM MASIH ADA EVENT BLM TERJADWAL? BUAT KROMOSOM END Gambar 3.4. Diagram Alur Proses Inisialisasi Kromosom
11 digilib.uns.ac.id Crossover Crossover dilakukan dengan menggunakan crossover satu titik. Dimana dicari titik potong sebuah kromosom, potongan kromosom pertama berasal dari induk 1, dan sisa kromosom diambil dari induk 2 dengan dilakukan sebuah fungsi untuk mengecek pelanggaran batasan kaku. Jika terdapat pelanggaran batasan kaku, maka dilakukan perbaikan bertahap. Perbaikan ini terdiri dari dua tahap yaitu repair 1(R1), dan repair 2(R2). R1 mengganti nilai gen yang melanggar batasan kaku dengan nilai baru yang tidak melanggar. R2 menukar nilai gen yang melanggar batasan kaku dengan nilai pada gen lain sehingga tidak melanggar. Jika sebuah kromosom induk 2 melanggar hard constraint maka tahap selanjutnya yang dilakukan adalah R1 jika R1 tidak dapat memperbaiki kromosom, maka dilakukan tahap R2. Jika kedua tahap R1 dan R2 tidak bisa memperbaiki kromosom, maka kromosom anak dibuang. Proses crossover dijelaskan pada diagram alur Gambar 3.5.
12 digilib.uns.ac.id 42 START PILIH TITIK POTONG KROMOSOM KOPI GEN DARI ORTU 1 GENERATE GEN URUT DARI RtX MELANGGAR HC AMBIL GEN BERIKUTNYA DARI ORTU 2 MELANGGAR HC MASUKAN GEN KE ANAK KOPI GEN DARI ORTU 2 KE ANAK ANAK MASIH KEKURANGAN GEN? MASIH ADA PILIHAN RxT PILIH RANDOM GEN DARI ANAK LAKUKAN SWAP GEN SWAP RxT nya DENGAN GEN BARU MELANGGAR HC PROSSES CROSS OVER SELESAI PROSES CROSSOVER DIBATALKAN END Gambar 3.5 Diagram Alur Proses Crossover Algoritma Kombinasi Mutasi Anak hasil crossover sebelum dilepaskan ke populasi memiliki kemungkinan untuk terjadinya mutasi. Pada proses mutasi ini pergantian nilai pada setiap gen dilakukan dengan sebuah proses pengecekan pelanggaran batasan kaku jika melanggar maka akan dicari nilai baru yang tidak melanggar hard consrtraint, proses ini dilakukan hingga didapat kromosom yang tidak melanggar batasan kaku. Proses mutasi dijelaskan pada diagram alur Gambar 3.6.
13 digilib.uns.ac.id 43 START AMBIL SECARA RANDOM TITIK MUTASI GEN PADA TITIK MUTASI DI HAPUS, GEN-X ACAK RxT UNTUK SETIAP EVENT PILIH RxT TEORI JIKA EVENT TEORI? PILIH RxT PRAKTEK CHECK PELANGGARAN HARD CONSTRAINTS MASIH ADA SISA RtX MELANGGAR GAGAL, CARI TITIK LAIN MASUKAN KE GEN-X BUAT KROMOSOM END Gambar 3.6 Diagram Alur Proses Mutasi Algoritma Kombinasi
14 digilib.uns.ac.id Pengujian Pada tahap ini dilakukan pengujian terhadap kombinasi algoritma genetika dengan algoritma Palgunadi. Sebagai perbandingan dari algoritma yang diusulkan tersebut, dilakukan pula pengujian terhadap algoritma Palgunadi dan algoritma genetika biasa. Pengujian dilakukan dengan menggunakan data jadwal jurusan informatika dan fisika semester genap periode februari-juli 2013 Universitas Sebelas Maret dengan total 9 kelas mahasiswa, 59 mata kuliah, 107 perkuliahan, 17 ruangan, 5 hari kuliah, dan 10 jam kuliah. Inputan berupa list event (Lapiran B), list ruangan (Lampiran C), dengan 5 hari kuliah dan 10 jam kuliah. Algoritma yang diuji adalah algoritma Palgunadi, algoritma genetika dan kombinasi algoritma genetika dengan algoritma Palgunadi. Parameter yang diuji adalah: Total waktu proses Jumlah pelanggaran pada batasan kaku Jumlah pelanggaran pada batasan lunak Khusus untuk algoritma genetika dan hibdridasi algoritma genetika terdapat beberapa setting pengujian yaitu: Populasi maksimum: 10 populasi dan 20 populasi Kromosom yang diganti pada setiap generasi: 5(10 populasi) dan10(20 populasi) Kromosom elitism: 5 Kemungkinan terjadi crossover: 0,7 Kemungkinan terjadi mutasi: 0,3 Setting kemungkinan terjadi crossover 0,7 dan kemungkinan terjadi mutasi 0,3 diambil dari hasil percobaan kombinasi setting crossover (70, 80, 90) dengan kemungkinan mutasi (10, 20, 30) yang memiliki fitness terbaik (Lampiran A). Pengujian dilakukan dengan menggunakan Laptop ASUS K43U dengan processor AMD E-450 (2 CPUs) ~1.6 GHz, dan RAM tersedia 1.6 GB.
ANALISA KOMBINASI ALGORITMA GENETIKA DENGAN ALGORITMA PALGUNADI UNTUK PENJADWALAN MATA KULIAH DI UNIVERSITAS SEBELAS MARET
Analisa Kombinasi Algoritma Genetika dengan (Siswono dan Palgunadi) ANALISA KOMBINASI ALGORITMA GENETIKA DENGAN ALGORITMA PALGUNADI UNTUK PENJADWALAN MATA KULIAH DI UNIVERSITAS SEBELAS MARET Teno Siswono
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
digilib.uns.ac.id BAB I PENDAHULUAN 1.1 Latar Belakang Jadwal merupakan daftar atau tabel kegiatan atau rencana kegiatan dengan pembagian waktu pelaksanaan yang terperinci. Universitas menggunakan tabel
Lebih terperinciKombinasi Algoritma Genetika dengan Algoritma Palgunadi untuk Penjadwalan Mata Kuliah di Universitas Sebelas Maret
Kombinasi Algoritma Genetika dengan Algoritma Palgunadi untuk Penjadwalan Mata Kuliah di Teno Siswono Jurusan Informatika Jl. Ir. Sutami No 36 A, Surakarta tennosys@student.uns.ac.id Sarngadi Palgunadi
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 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 terperinciBAB III METODE PENELITIAN. Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika
BAB III METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Waktu penelitian dilaksanakan
Lebih terperinci1 BAB III METODE PENELITIAN
30 1 BAB III METODE PENELITIAN 3.1 Desain Penelitian Studi Literatur Observasi dan Wawancara Pengumpulan data : 1. Data dosen, matakuliah, ruangan, waktu, dan rombel dari PGSD 2. Jadwal yang terdahulu,
Lebih terperinciPerancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali) I Made Budi Adnyana
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 terperinciTAKARIR. algorithm algoritma/ kumpulan perintah untuk menyelesaikan suatu masalah. kesalahan program
TAKARIR advanced tingkat lanjut algorithm algoritma/ kumpulan perintah untuk menyelesaikan suatu masalah alleles nilai suatu gen. bug kesalahan program chromosome kromosom crossover penyilangan kromosom
Lebih terperinciPenggunaan Algoritma Genetik dengan Pemodelan Dua Tingkat dalam Permasalahan Penjadwalan Perawat pada Unit Gawat Darurat Rumah Sakit Umum XYZ Surabaya
Penggunaan Algoritma Genetik dengan Pemodelan Dua Tingkat dalam Permasalahan Penjadwalan Perawat pada Unit Gawat Darurat Rumah Sakit Umum XYZ Surabaya Oleh: Anisa Ulya 5206 100 101 Dosen pembimbing 1:
Lebih terperinciBab 1. Pendahuluan. 1.1 Latar Belakang
Bab 1 Pendahuluan 1.1 Latar Belakang Pentingnya suatu jadwal dalam sebuah kegiatan tidak lain agar kegiatan tersebut berjalan dengan lancar tanpa adanya gangguan seperti bentroknya jadwal. Penyusunan jadwal
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 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 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 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 terperinciKNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA
LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Sistem Spesifikasi perangkat lunak dan perangkat keras yang digunakan dalam pengembangan aplikasi adalah sebagai berikut
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 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 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 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 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 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 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 terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Penjadwalan adalah proses, cara, pembuatan menjadwalkan atau memasukkan dalam jadwal. Persoalan penjadwalan berkaitan dengan pengalokasian sumber daya ke dalam tugas-tugas
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 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 terperinci1. Pendahuluan 1.1. Latar Belakang
1. Pendahuluan 1.1. Latar Belakang Perkembangan teknologi informasi yang begitu pesat sekarang ini memberikan dampak yang besar terhadap kinerja manusia khususnya dalam bekerja. Segala sesuatu yang dahulu
Lebih terperinciBAB 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Algoritma Genetika merupakan metode yang menggunakan evolusi alam sebagai gagasan utamanya dalam menyelesaikan suatu permasalahan tertentu. Algoritma ini diterapkan
Lebih terperinciOPTIMALISASI PENJADWALAN ACARA TELEVISI SWASTA MENGGUNAKAN ALGORITMA GENETIKA
OPTIMALISASI PENJADWALAN ACARA TELEVISI SWASTA MENGGUNAKAN ALGORITMA GENETIKA Aek Mustofa *, Esmeralda C Djamal, Agus Komarudin Jurusan Informatika, Fakultas MIPA, Universitas Jenderal Achmad Yani Jl.
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 terperinciOPTIMASI PENJADWALAN BIMBINGAN BELAJAR MENGGUNAKAN METODE ALGORITMA GENETIKA
OPTIMASI PENJADWALAN BIMBINGAN BELAJAR MENGGUNAKAN METODE ALGORITMA GENETIKA SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.kom) Pada Program Studi Sistem Informasi
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 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 1 PENDAHULUAN. disebut Univesitas Timetabling Problems (UTP). Permasalahan ini dilihat dari sisi
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Penjadwalan perkuliahan merupakan suatu masalah yang sangat kompleks yang sering disebut Univesitas Timetabling Problems (UTP). Permasalahan ini dilihat dari sisi
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 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 terperinciImplementasi Sistem Penjadwalan Akademik Fakultas Teknik Universitas Tanjungpura Menggunakan Metode Algoritma Genetika
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 2, (2017) 28 Implementasi Sistem Penjadwalan Akademik Fakultas Teknik Universitas Tanjungpura Menggunakan Metode Algoritma Genetika Andreas Christian
Lebih terperinciPenjadwalan Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) A-127 Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS Wiga Ayu Puspaningrum, Arif Djunaidy, dan Retno
Lebih terperinciBAB 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 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 terperinciAPLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS
APLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS Hafid Hazaki 1, Joko Lianto Buliali 2, Anny Yuniarti 2
Lebih 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang pesat memberikan banyak kemudahan dalam penyelesaian masalah dan pencapaian hasil kerja yang memuaskan bagi kehidupan manusia. Salah satu
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 III ANALISIS DAN PERANCANGAN SISTEM. Analisis sistem dilakukan untuk memperoleh definisi permasalahan dan
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1. Analisis Sistem Analisis sistem dilakukan untuk memperoleh definisi permasalahan dan gambaran yang tepat dari apa yang akan dilakukan oleh sistem. Analisis
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1. Analisis Sistem Berjalan 3.1.1. Penyusunan Menu Makanan Dalam penyusunan menu makanan banyak hal yang perlu diperhatikan, terutama jika menu makanan yang disusun untuk
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 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 terperinciArif Munandar 1, Achmad Lukman 2 1 Teknik Informatika STMIK El Rahma Yogyakarta, Teknik Informatika STMIK El Rahma Yogyakarta
PENJADWALAN MATAKULIAH DENGAN ALGORITMA GENETIKA MENGGUNAKAN FRAMEWORK CODEIGNITER (STUDI KAUS PROGRAM STUDI S PENDIDIKAN AGAMA ISLAM UNIVERSITAS ALMA ATA YOGYAKARTA) Arif Munandar, Achmad Lukman 2 Teknik
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 terperinciOTOMASI PENJADWALAN KEGIATAN PRKULIAHAN DI PERGURUAN TINGGI MENGGUNAKAN METODE ALGORITMA GENETIKA ( STUDI KASUS STIKI )
OTOMASI PENJADWALAN KEGIATAN PRKULIAHAN DI PERGURUAN TINGGI MENGGUNAKAN METODE ALGORITMA GENETIKA ( STUDI KASUS STIKI ) Siska Diatinari Andarawarih 1) 1) Program Studi Teknik Informatika, Sekolah Tinggi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3 Agar penelitian yang dilakukan sesuai dengan tujuan yang diharapkan maka diperlukan langkah-langkah yang tersusun secara sistematis seperti yang dijabarkan pada gambar 3.1
Lebih 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 III Metode Perancangan Sistem
23 Bab III Metode Perancangan Sistem Perancangan sistem yang digunakan dalam membangun sistem ini adalah dengan menggunakan metode prototyping. Proses pada model prototyping yang digambarkan pada Gambar
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 terperinciCODING VOL.2 NO. 1 (2014), Hal ISSN: X
APLIKASI JADWAL PERKULIAHAN DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN VISUAL BASIC.NET (Studi Kasus: Fakultas Matematika dan Ilmu Pengetahuan Alam) Sella Erary [1],Beni Irawan [2], Ilhamsyah [3] [1][2][3]
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 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 IV Implementasi Sistem
37 Bab IV Implementasi Sistem Implementasi aplikasi penjadwalan kereta api dengan menggunakan algoritma genetik didalam penelitian ini menggunakan bahasa pemrogramman C# dan database MySQL 5. Adapun perancangan
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Perusahaan X merupakan salah satu perusahaan manufaktur yang memproduksi berbagai macam produk berbahan baku besi dan stainless steel. Produk yang dihasilkan seperti cabinet, trolley, pagar, tangki
Lebih terperinciRANCANG BANGUN PERANGKAT LUNAK PENJADWALAN PERKULIAHAN MENGGUNAKAN METODE META- HEURISTIK (PENGGABUNGAN METODE ALGORITMA GENETIK DAN TABU SEARCH)
RANCANG BANGUN PERANGKAT LUNAK PENJADWALAN PERKULIAHAN MENGGUNAKAN METODE META- HEURISTIK (PENGGABUNGAN METODE ALGORITMA GENETIK DAN TABU SEARCH) TUGAS AKHIR Disusun Oleh : RIO PRAYOGA SUPRAYANA NPM. 06
Lebih terperinciSISTEM PENJADWALAN PERKULIAHAN MENGGUNAKAN ALGORITMA GENETIKA (STUDI KASUS PADA JURUSAN TEKNOLOGI INFORMASI FAKULTAS TEKNIK UNIVERSITAS TADULAKO)
JIMT Vol. 14 No. 2 Desember 2017 (Hal 242-255) ISSN : 2450 766X SISTEM PENJADWALAN PERKULIAHAN MENGGUNAKAN ALGORITMA GENETIKA (STUDI KASUS PADA JURUSAN TEKNOLOGI INFORMASI FAKULTAS TEKNIK UNIVERSITAS TADULAKO)
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 IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN.. Pengumpulan data dan informasi Pengumpulan data digunakan untuk mengumpulkan informasi dan data yang digunakan untuk melakukan analisis dan perancangan sistem informasi penjadwalan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM 3.1 Analisis Permasalahan TSP merupakan suatu masalah klasik yang telah ada sejak tahun 1800-an, sejauh ini telah cukup banyak metode yang diciptakan untuk menyelesaikan
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK PENJADWALAN UJIAN TUGAS AKHIR PADA JURUSAN TEKNIK INFORMATIKA UNIVERSITAS MUHAMMADIYAH MALANG
PENERAPAN ALGORITMA GENETIKA UNTUK PENJADWALAN UJIAN TUGAS AKHIR PADA JURUSAN TEKNIK INFORMATIKA UNIVERSITAS MUHAMMADIYAH MALANG TUGAS AKHIR Sebagai Persyaratan Guna Meraih Sarjana Strata 1 Teknik Informatika
Lebih terperinciUniversitas Bina Nusantara. Jurusan Teknik Informatika Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
Universitas Bina Nusantara Jurusan Teknik Informatika Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 PERANCANGAN OTOMATISASI PENJADWALAN PENGAJAR PRAKTIKUM DENGAN
Lebih terperinciBAB 3 METODOLOGI Metode Penelitian. Dalam melakukan penelitian akan permasalahan ini, penulis menggunakan metode
BAB 3 METODOLOGI 3.1. Metode Penelitian Dalam melakukan penelitian akan permasalahan ini, penulis menggunakan metode rapid application development (RAD), dengan alur pengerjaan sebagai berikut: Gambar
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 terperinciPENEMPATAN MAHASISWA PESERTA MATA KULIAH UMUM DENGAN ALGORITMA GENETIK DI UNIVERSITAS KATOLIK PARAHYANGAN
PENEMPATAN MAHASISWA PESERTA MATA KULIAH UMUM DENGAN ALGORITMA GENETIK DI UNIVERSITAS KATOLIK PARAHYANGAN Nico Saputro dan Guntur Setia Negara Jurusan Ilmu Komputer Universitas Katolik Parahyangan nico@home.unpar.ac.id
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 1 PENDAHULUAN 1.1. Latar Belakang Masalah 1.2. Rumusan Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Seorang investor tentu akan kesulitan dalam menanamkan modalnya apabila perusahaan yang ditawarkan cukup banyak jumlahnya, dengan biaya investasi, risiko kegagalan,
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 terperinciOleh : SUPRIYONO
1 Oleh : SUPRIYONO 5110201024 LATAR BELAKANG Teknologi Informasi merupakan perihal yang sangat penting bagi perusahaan karena dapat digunakan dalam pengambilan suatu keputusan Menurut (Boehm,1991) mengidentifikasi
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI OPTIMASI PENYUSUNAN IKLAN GAMBAR DENGAN ALGORITMA GENETIKA ABSTRAK
PERANCANGAN DAN PEMBUATAN APLIKASI OPTIMASI PENYUSUNAN IKLAN GAMBAR DENGAN ALGORITMA GENETIKA Leo Willyanto Santoso*, Johan Saputra**, dan Rolly Intan*** *, **, ***Jurusan Teknik Informatika FTI Universitas
Lebih terperinciContoh Penggunaan Algoritma Genetika dan NEH
Contoh Penggunaan Algoritma Genetika dan NEH Mata Kuliah Tawar Program Studi Teknik Informatika Kode_mk Mata Kuliah SKS Semester Kelas Dosen Pengampu TKC108 Aljabar Linear 3 2 A Mula'ab, S.Si., M.Kom TKC108
Lebih terperinciBAB III METODE PENELITIAN. melakukan survey dengan kuisioner mencari informasi dari media yang
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu penelitian dimulai dari bulan Januari hingga desember 2014. Dengan tempat penelitian pada Kominfo Jatim yang termasuk juga sebagai penyelenggara
Lebih terperinciBAB III ANALISIS SISTEM DAN PERANCANGAN. Bisnis dan Informatika Stikom Surabaya dengan Menggunakan Algoritma
BAB III ANALISIS SISTEM DAN PERANCANGAN Pada bab ini dijelaskan tentang analisis dan perancangan dari aplikasi yang akan dibuat, yaitu Rancang Bangun Aplikasi Penjadwalan Kuliah di Institut Bisnis dan
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 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 I PENDAHULUAN 1.1 Latar Belakang Masalah 1.2 Perumusan Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Masalah pemilihan lokasi usaha yang tepat merupakan salah satu faktor penunjang suksesnya suatu usaha. Dalam pemilihan lokasi usaha yang tepat diperlukan pertimbangan
Lebih 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 terperinciSYSTEMIC Vol. 02, No. 02, Desember 2016, 9-18 PROTOTYPE SISTEM PENDUKUNG KEPUTUSAN UNTUK PENETAPAN JADWAL KULIAH MENGGUNAKAN ALGORITMA GENETIKA
SYSTEMIC Vol. 02, No. 02, Desember 2016, 9-18 PROTOTYPE SISTEM PENDUKUNG KEPUTUSAN UNTUK PENETAPAN JADWAL KULIAH MENGGUNAKAN ALGORITMA GENETIKA Mujib Ridwan 1) 1) Program Studi Sistem Informasi UIN Sunan
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 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 terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciBAB II TINJAUAN PUSTAKA 2.1 Landasan Teori Algoritma Palgunadi
digilib.uns.ac.id BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Algoritma Palgunadi Algoritma Palgunadi berdasarkan pada permasalahan penyusunan jadwal yang terdiri dari beberapa elemen yaitu: teacher(t),
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 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 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 terperinciOPTIMASI QUERY DATABASE MENGGUNAKAN ALGORITMA GENETIK
Seminar Nasional Aplikasi Teknologi Informasi 2008 (SNATI 2008) ISSN 1907-5022 OPTIMASI QUERY DATABASE MENGGUNAKAN ALGORITMA GENETIK Manahan Siallagan, Mira Kania Sabariah, Malanita Sontya Jurusan Teknik
Lebih terperinciBAB I PENDAHULUAN. hampir di seluruh dunia, termasuk Indonesia. Alat transportasi ini memiliki
BAB I PENDAHULUAN 1.1 Latar Belakang Kereta api merupakan alat transportasi darat utama yang digunakan hampir di seluruh dunia, termasuk Indonesia. Alat transportasi ini memiliki multi keunggulan komparatif,
Lebih terperinciPerancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika
Perancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika Hermawan Andika, S.Kom., M.Kom. Jurusan Teknik Informatika Institut
Lebih terperinciR.Fitri 1, S.Novani 1, M.Siallagan 1
Abstract Penjadwalan Perkuliahan Dengan Pengujian Tabel Waktu (Time-Table) Menggunakan Algoritma Genetika Studi Kasus Sistem Perkuliahan Jurusan Teknik Infomatika Universitas Komputer Indonesia R.Fitri
Lebih terperinciSISTEM PENJADWALAN KULIAH DENGAN ALGORITMA GENETIKA
SISTEM PENJADWALAN KULIAH DENGAN ALGORITMA GENETIKA Created by : Eko Prasetyo Website : Email : eko1979@yahoo.com FB : http://www.facebook.com/ekoxprasetyo Masalah penjadwalan kuliah adalah salah satu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Pada bab ini akan membahas mengenai hal-hal yang menjadi latar belakang pembuatan tugas akhir, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian
Lebih terperinciPenyelesaian Puzzle Sudoku menggunakan Algoritma Genetik
Penyelesaian Puzzle Sudoku menggunakan Algoritma Genetik Afriyudi 1,Anggoro Suryo Pramudyo 2, M.Akbar 3 1,2 Program Studi Sistem Informasi Fakultas Ilmu Komputer. Universitas Bina Darma Palembang. email
Lebih terperinci