Roy Madi Mahasiswa Teknik Informatika, FT UMRAH
|
|
- Liana Hermanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 OPTIMASI WAKTU KEBERANGKATAN FERRY TANJUNGPINANG BATAM DENGAN METODE PARTICLE SWARM OPTIMIZATION (Stud Kasus : Pelabuhan Sr Bntan Pura, Kota Tanjungpnang) Roy Mad Mahasswa Teknk Informatka, FT UMRAH (roymad0@gmal.com) Eka Suswan, S.T., M.T. Dosen Teknk Informatka, FT UMRAH (suswanndah@yahoo.com) Eko Prayetno, S.T., M. Eng. Dosen Teknk Elektro, FT UMRAH (prayetnoeko_eh@ymal.com) Abstrak Provns Kepulauan Rau memlk 2 Kota dan 4 Kabupaten yakn Kota Tanjung Pnang, Kota Batam, Kabupaten Karmun, Kabupaten Natuna, Kabupaten Lngga, Kabupaten Anambas pulau-pulau d kepulauan Rau dpsahkan oleh lautan, untuk menempuh dar satu pulau ke pulau lannya dapat menggunakan transportas laut. dar pulau Tanjungpnang ke pulau Batam. Transportas laut yang dgunakan yatu kapal ferry MV. Oceanna dan MV. Marna, yang dapat tempuh kurang lebh 45 sampa 60 ment. penumpang pada har-har basa atau har kerja cenderung stabl bahkan sedkt, akan tetap saat har lbur atau har-har besar jumlah penumpang justru menngkat, dan kendala yang d alam adalah belum optmalnya waktu keberangkatan. Salah satu cara untuk menyelesaakan pengoptmalan tersebut dengan menerapkan metode yang dgunakan untuk permasalahan optmas yatu Algortma Partcle Swarm Optmzaton (PSO). Dalam PSO setap partkel berpndah dengan kecepatan pencaran dan menympannya sebaga poss terbak yang dcapa. Berdasarkan hasl uj coba dar pengujan optmas waktu keberangkatan ferry Tanjungpnang Batam dengan PSO memperhatkan ftness yang bernla 1 hasl yang palng optmal yatu dengan menggunakan parameter nputan c 1 = 1,5, c 2 = 1,5 dan c 1 = 2 dan c 2 = 2, beserta jumlah teras sebanyak 100 dan tdak dtemukan adanya Penumpang Tdak Ideal (JPTI=0), Kapal Tdak Ideal (JKTI=0) dan Tdak Ideal (JKBI=0). Hasl optmal yang ddapatkan, pada umumnya yatu JP=700 dengan duras setap 30 ment, JP=900 dengan duras setap 30 ment, JP=1200 dengan duras setap 30 ment, JP=1500 dengan duras setap 20 ment, JP=3000 dengan duras setap 15 ment. Kata Kunc : Optmas, PSO, Waktu, Penumpang, Kapal Abstract Rau Islands Provnce has 4 Regences and 2 Ctes, Cty of Tanjung Pnang, Cty of Batam, Regency of Karmun, Regency of Natuna, Regency of Lngga, Regency of Anambas, all the slands n the Rau archpelago separated by oceans, to travel from one sland to another could use sea transport. From Tanjungpnang to Batam, could be reached by a sea transport usng ferry MV.Oceanna and MV.Marna approxmately 45 to 60 mnutes to be reached. The number of passengers on regular days or weekdays tend to be stable even a lttle bt, but durng holdays the number of passengers ncreased, and the constrant of departure tme are stll not optmal. One way to accomplsh these optmzaton by applyng the methods used for optmzaton problems and that s Partcle Swarm Optmzaton (PSO) Algorthm. In PSO, each partcle movng at the speed of a search and save t as the best poston acheved. Based on the test results of the test optmzaton of departure tme Tanjungpnang - Batam wth regard PSO ftness are worth 1 the most optmal results by usng the nput parameter c1 = 1.5, c2 = 1.5 and c1 = 2 and c2 = 2, and the amount of teraton of 100 and dd not fnd any Total Passengers not Ideal (JPTI = 0), Total Shp not Ideal (JKTI = 0) and Total Departure not Ideal (JKBI = 0). Optmal results are obtaned, n general, that s JP = 700 wth a duraton every 30 mnutes, JP = 900 wth a duraton every 30 mnutes, JP = 1200 wth a duraton every 30 mnutes, JP = 1500 wth a duraton every 20 mnutes, JP = 3000 wth the duraton of each 15 mnutes. Kata Kunc : Optmzaton, PSO, Departure Tme, Total Passengers, Total Shp. 1
2 I. Pendahuluan Provns Kepulauan Rau memlk 2 Kota dan 4 Kabupaten yakn Kota Tanjung Pnang, Kota Batam, Kabupaten Karmun, Kabupaten Natuna, Kabupaten Lngga, Kabupaten Anambas pulau-pulau d kepulauan Rau dpsahkan oleh lautan, untuk menempuh dar satu pulau ke pulau lannya dapat menggunakan transportas laut. dar pulau Tanjungpnang ke pulau Batam. Transportas laut yang dgunakan yatu kapal ferry MV. Oceanna dan MV. Marna, yang dapat tempuh kurang lebh 45 sampa 60 ment. penumpang pada har-har basa atau har kerja cenderung stabl bahkan sedkt, akan tetap saat har lbur atau har-har besar jumlah penumpang justru menngkat, dan kendala yang d alam adalah belum optmalnya waktu keberangkatan. Salah satu cara untuk menyelesaakan pengoptmalan tersebut dengan menerapkan metode yang dgunakan untuk permasalahan optmas yatu Algortma Partcle Swarm Optmzaton (PSO). Oleh karena tu penuls melakukan peneltan n dengan judul Optmas Waktu Ferry Tanjungpnang Batam Dengan Metode Partcle Swarm Optmzaton. Aplkas yang dbuat n dapat mengoptmalkan waktu keberangkatan ferry yang dlhat berdasarkan jumlah kapal, waktu keberangkatan dan jumlah penumpang. II. Kajan Lteratur Hend (2016) Optmas Tebar Benh dan Tebar Pakan Pada Bud Daya Ikan Mas Menggunakan Algortma PSO. Dalam peneltan n mekbatkan beberapa varable sepert luas kolam, tebar benh dan tebar pakan yang dbutuhkan dalam suatu kolam buddaya kan mas. Berdasarkan hasl uj coba dar pengujan optmas tebar benh dan tebar pakan dengan PSO memperhatkan ftness yang bernla 1 hasl yang palng optmal yatu dengan menggunakan parameter nputan w = 0,5, c1= 1,5, c2 = 1,5 dan w = 0,9, c1= 0,25 dan c2 = 0,25, beserta jumlah pembangktan swarm sebanyak 100 dan tdak dtemukan adanya Pakan Tdak Ideal (PTI=0) dan Kolam Tdak Ideal (KTI=0). Wang dan Qu (2013) melakukan peneltan dengan judul Applcaton Of Partcle Swarm Optmzaton For Enhanced Cyclc Steam Stmulaton In A Offshore Heavy Ol Reservor. Dalam algortma PSO, pergerakan setap partkel dtentukan oleh jumlah tertmbang tga arah partkel gerakan sebelumnya (nersa), jarak antara saat: komponen poss dan poss lokal terbak (kogns pengaruh) dan jarak antara arus poss dan poss terbak global (pengaruh sosal). Masalah dseldk dalam peneltan n, dtemukan bahwa suhu uap njeks, CO2 Komposs dalam gas njeks, dan tarf njeks gas memlk dampak yang lebh besar pada fungs tujuan, sementara uap tngkat njeks dan tngkat produks caran memlk dampak yang kurang pada fungs tujuan. Menurut Thorq Azz (2012) Partcle Swarm Optmzaton (PSO) adalah salah satu teknk optmas dan termasuk jens teknk komputas evolus. Metode n memlk cara yang bagus untuk memecahkan persoalan yang mempunya karakterstk nonlnear, multple optmal, dmens besar melalu adaptas yang dturunkan dar teor psychology-socal. PSO ternspras dar perlaku gerakan kawanan hewan sepert kan dan burung yang kemudan tap objek hewan dsederhanakan menjad sebuah partkel. Suatu partkel dalam ruang memlk poss yang d kodekan sebaga vektor koordnat. Vektor poss n danggap sebaga keadaan 2
3 yang sedang dtempat oleh suatu partkel d ruang pencaran. Setap poss dalam ruang pencaran merupakan alternatf solus yang dapat devaluas menggunakan fungs objektf. Setap partkel bergerak dengan kecepatan v. Adapun stlah yang dgunakan dalam proses algortma PSO adalah sebaga berkut (Mansur, 2014): 1. Swarm yatu populas dar sekawanan partkel. 2. Partcle yatu ndvdu pada suatu swarm. Setap partkel mempresentaskan suatu solus dar permasalahan yang dselesakan. 3. Pbest yatu suatu partkel yang menunjukkan poss terbak. 4. Gbest yatu poss terbak dar seluruh partkel yang ada dalam suatu swarm. 5. Velocty yatu kecepatan yang dmlk oleh setap partkel dalam menentukan arah perpndahan suatu partkel untuk memperbak poss semula. 6. Poston (poss) yatu menyatakan letak komponen partkel pada slot ruang permasalahan. 7. c 1, dan c 2 yatu c 1 merupakan konstanta pembelajaran kogntf, dan c 2, konstanta pembelajaran socal Menurut Rasha, dkk (2012) optmas merupakan aktvtas untuk mendapatkan hasl yang terbak atau optmal (nla efektf yang dapat dcapa) dar plhan yang terseda. Dalam optmas keberangkatan ferry n nla ftness akan menentukan banyaknya pelanggaran constrants yang harus doptmas. Constrans yang dgunakan untuk pengoptmasan aplkas optmas ferry tanjungpnang-batam antara lan : 1. Tdak boleh ada pelanggaran pada jumlah penumpang dan keberangkatan 2. Tdak boleh ada pelanggaran pada keberangkatan dan jumlah kapal 3. Tdak boleh ada pelanggaran pada jumlah kapal Adapun fungs tujuan yang dgunakan untuk menjelaskan konds optmal adalah sebaga berkut : 1. penumpang tdak deal (JPTI) JPTI=JP/KB < 30 penumpang per kapal Dmana : JPTI = Penumpang Tdak Ideal JP = Penumpang KB = 2. Tdak Ideal(JKBTI) JKBTI = KB/JK >3 keberangkatan per kapal Dmana : JKBTI = keberangkatan tdak deal KB = JK = kapal 3. Kapal Tdak Ideal (JKTI) JK < 7 Dmana : JKTI JK III. Metode Peneltan = kapal tdak deal = Kapal Adapun teknk untuk pengumpulan data adalah stud lteratur, surve langsung ke Pelabuhan Sr Bntan Pura, Kota Tanjungpnang dan wawancara kepada phak-phak yang berhubungan langsung dengan data yang dbutuhkan. 3
4 Pada tahap pengembangan sstem terdr dar proses - proses yang terstruktur yatu, analsa kebutuhan, desan sstem, penulsan kode program, pengujan program, penerapan program dan pemelharaan. Metode pengembangan n dkenal dengan model Waterfall (Sommervlle, 2011). Proses optmas waktu keberangkatan ferry dengan algortma PSO dapat dlhat pada gambar dbawah n : IV. Perancangan dan Implementas Perancangan sstem n sepert yang tampak pada gambar-gambar berkut : Data jumlah penumpang Data jumlah kapal Data keberangkatan Admn Aplkas optmas keberangkatan ferry Laporan data jumlah penumpang Laporan data jumlah kapal Laporan data keberangkatan Gambar 1.Context Dagram Context dagram dgunakan untuk menggambarkan bagamana sstem yang akan dbangun. Aplkas n dperuntukkan untuk optmas waktu keberangkatan Tanjungpnang Batam. Gambar 2. Flowchart Algortma PSO Flowchart yang akan dbahas adalah mengena jalannya aplkas optmas waktu keberangkatan ferry dengan menggunakan algortma Partcle Swarm Optmzaton. Dar rancangan flowchart dagram nlah alur kerja peneltan dalam optmas waktu keberangkatan ferry dengan algortma Partcle Swarm Optmzaton akan dbangun. Proses algortma PSO dengan melakukan beberapa tahap yatu : Pembangktan poss dan kecepatan dengan rumus persamaan (1)(2), ftness dengan rumus persamaan (3), penentuan nla w dengan rumus persamaan (4), update kecepatan dengan rumus persamaan (5), update poss pada persamaan dengan rumus persamaan (6) 4
5 = X mn + rand( X max X mn ) (1) V k = X mn + rand( X max X mn ) (2) X k D mana: X 0 = Poss awal. V 0 = Kecepatan awal. X mn = Batas bawah. X max = Batas atas. rand = nla random antara rentang nla 0 dan 1 F = D mana: 1 1+JPTI+JKTI+JKBTI (3) F = Ftness JPTI = penumpang tdak deal. JKTI = kapal tdak deal. JKBTI = keberangkatan tdak deal. w = wmax-(wmax-wmn/max) (4) V k X k exploraton ( menjelajah ) local dan global selama proses pencaran. Nla w memlk rentang 0,4 0,9 (Bud, 2011) = kecepatan sekarang. = poss sekarang. c 1,c 2 =Rentang nla c1 dan c2 berksar antara 0 sampa 4 (swarm ntellegent). r 1,r 2 =blangan random yang memlk range 0 1. p l p k g = local best, poss terbak dar semua partkel (ftness terbak masngmasng partkel). = nla global terbak (global best) pada swarm saat n (ftness terbak dar local best). Implementas halaman awal ketka aplkas djalankan dapat dlhat pada gambar 3 : Dmana : w = Inerta factor wmax = Inerta factor maksmal wmn = Inerta factor mnmal = Iteras max = Iteras maksmal Update Kecepatan: V k+1 = w. V K ( 1) + c1. rand. (P l X k ( 1)) + c2. rand. (p k g XK ( 1)) (5) Gambar 3. Halaman Awal Update Poss: = X k + V k+1 X k+1 (6) D mana: W = nerta factor, dgunakan untuk mengontrol pengaruh kecepatan sebelumnya dkecepatan sekarang, mempengaruh kemampuan 5
6 Implementas halaman utama dapat dlhat pada gambar 4 : Implementas halaman nput kapal dapat dlhat sepert gambar dbawah n : Gambar 4. Halaman Utama Implementas halaman nput jumlah penumpang dapat dlhat sepert gambar dbawah n : Gambar 7. Halaman Implementas halaman proses algortma PSO dapat dlhat pada gambar 8 : Gambar 5. Halaman Penumpang Implementas halaman nput keberangkatan dapat dlhat sepert gambar dbawah n : Gambar 6. Halaman Gambar 8. Halaman Proses PSO V. Analss dan Pembahasan Pengujan dlakukan dengan sebanyak 2 kal, dengan memasukkan parameter c1 dan c2 yang berbeda yatu 1.5, 2, 2.5 pada pengujan 1 dan 1, 1.2, 1.3 pada penjujan 2 serta jumlah teras 10, 20, 50, 70, 100 pada pengujan 1 dan 2, 5, 10, 17 pada pengujan 2 dan dengan memperhatkan ftness yang bernla 1, maka ddapatkan hasl yang optmal yatu tdak dtemukannya tdak deal (JPTI=0), (JKBTI=0), (JKTI=0) pada setap teras yang terjad. Dengan membandngkan hasl dar pengujan tersebut maka ddapatkan hasl palng optmal yatu hasl kombnas terbak antara jumlah penumpang, jumlah kapal, dan 6
7 jumlah keberangkatan, dapat dlhat pada tabel berkut : Tabel 1. Hasl Uj Coba Parameter Menggunakan 5 Swarm c 1 =1,5 c 2 =1,5 dan Iteras 100 No Penumpang Kapal Waktu (ment) No Tabel 4. Hasl Uj Coba Parameter Menggunakan 100 Swarm c 1 =1,2 c 2 =1,2 dan Iteras 17 Penumpang Kapal Waktu (ment) Tabel 2. Hasl Uj Coba Parameter Menggunakan 5 Swarm c 1 =2 c 2 =2 dan Iteras 100 No Penumpang Kapal Waktu (ment) Tabel 3. Hasl Uj Coba Parameter Menggunakan 5 Swarm c 1 =1 c 2 =1 dan Iteras 17 No Penumpang Kapal Waktu (ment) V1. Penutup A. Kesmpulan Setelah dlakukan uj coba dan analsa terhadap tugas akhr n, maka ddapatkan kesmpulan sebaga berkut : 1. Algortma Partcle Swarm Optmzaton (PSO) dapat dgunakan untuk mengoptmas waktu keberangkatan ferry Tanjungpnang Batam. 2. Dengan membandngkan hasl dar uj coba I, II, maka ddapatkan hasl yang palng optmal yatu : a. penumpang 700 dengan duras keberangkatan setap 30 ment. b. penumpang 900 dengan duras keberangkatan setap 30 ment. c. penumpang 1200 dengan duras keberangkatan setap 30 ment. d. penumpang 1500 dengan duras keberangkatan setap 20 ment. e. penumpang 3000 dengan duras keberangkatan setap 15 ment. 7
8 B. Saran Dengan melhat hasl yang ddapatkan dar uj coba maka dsarankan : 1. Peneltan selanjutnya perlu dkembangkan dengan menambah varable kapastas kapal, keuntungan, Pengeluaran baya operasonal agar lebh bagus hasl pengoptmalan waktu keberangkatan ferry Tanjungpnang Batam. DAFTAR PUSTAKA Apranto, Y, H. 2016, Optmas Tebar Benh Pada Bud Daya Ikan Mas Menggunakan Algortma PSO. Jurnal Teknk Informatka Umrah Bud. 2011, Tutoral Partcle Swarm Optmzaton, Jurnal ITS Graha Ilmu Surabaya Sommervlle., Ian. 2011, Software Engneerng. 9th Edton. Amerca : Pearson Educaton,Inc. Wang, X., Qu, X. 2013, Applcaton Of Partcle Swarm Optmzaton For Enhanced Cyclc Steam Stmulaton In A Offshore Heavy Ol Reservor, Internatonal Journal of Informaton Technology, Modelng and Computng (IJITMC) Vol.1, No.2, May
Analisa dan Penerapan Metode Particle Swarm Optimization Pada Optimasi Penjadwalan Kuliah
Jurnal Teknk Informatka, Vol 1 September 2012 Analsa dan Penerapan Metode Partcle Swarm Optmzaton Pada Optmas Penjadwalan Kulah Rasha Ashla Rachman 1), Dadang Syarf 2), Rka Perdana Sar 3) 1) Program Stud
Lebih terperinciPENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL
Arad Retno TH, Pengembangan Metode Algortma Gen, Hal 93-0 PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL Arad Retno Tr Hayat Abstrak Metode optmas
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciAPLIKASI PENJADWALAN MATA KULIAH MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO)
APLIKASI PENJADWALAN MATA KULIAH MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) Irfrans Kusmarna, Luh Kesuma Wardhan 2, Muhammad Safrzal 3,3 Jurusan Teknk Informatka, Fakultas Sans dan Teknolog,
Lebih terperinciPENYELESAIAN PERMASALAHAN OPTIMASI CONSTRAINED NONLINEAR DENGAN PARTICLE SWARM OPTIMIZATION
PENYELESAIAN PERMASALAHAN OPTIMASI CONSTRAINED NONLINEAR DENGAN PARTICLE SWARM OPTIMIZATION Yudh Purwananto Rully Soelaman dan Bambang Santoso. Fakultas Teknolog Informas Insttut Teknolog Sepuluh Nopember
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinci2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil
.1 Sstem Makroskopk dan Sstem Mkroskopk Fska statstk berangkat dar pengamatan sebuah sstem mkroskopk, yakn sstem yang sangat kecl (ukurannya sangat kecl ukuran Angstrom, tdak dapat dukur secara langsung)
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tnjauan Pustaka 2.1.1 Tmetable Tmetable merupakan alokas subjek yang memlk kendala untuk dtempatkan pada ruang waktu (Gan dkk, 2004). Permasalahan Tmetable cukup luas. Masalah
Lebih terperinciBAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada
BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.. KERANGKA ANALISIS Kerangka analss merupakan urutan dar tahapan pekerjaan sebaga acuan untuk mendapatkan hasl yang dharapkan sesua tujuan akhr dar kajan n, berkut kerangka
Lebih terperinciPENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD
Semnar Nasonal Sstem dan Informatka 2007; Bal, 6 November 2007 PENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD Nur Hasanah ) Istkhomah 2) Taufq Hdayat 3) Sr Kusumadew 4) Jurusan
Lebih terperinciREKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA
REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bntaro Sektor 7, Bntaro Jaya Tangerang Selatan 15224 PENDAHULUAN Bangktan perjalanan (Trp generaton model ) adalah suatu tahapan
Lebih terperinciBAB 2 KAJIAN PUSTAKA
BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,
Lebih terperinciBAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
Lebih terperinciPRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel
PRAKTIKUM 6 Penyelesaan Persamaan Non Lner Metode Newton Raphson Dengan Modfkas Tabel Tujuan : Mempelajar metode Newton Raphson dengan modfkas tabel untuk penyelesaan persamaan non lner Dasar Teor : Permasalahan
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinciBAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis
BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciKata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal.
Makalah Semnar Tugas Akhr MENGOPTIMALKAN PEMBAGIAN BEBAN PADA UNIT PEMBANGKIT PLTGU TAMBAK LOROK DENGAN METODE LAGRANGE MULTIPLIER Oleh : Marno Sswanto, LF 303 514 Abstrak Pertumbuhan ndustr pada suatu
Lebih terperinciMODIFIED IMPROVED PARTICLE SWARM OPTIMIZATION FOR OPTIMAL GENERATOR SCHEDULING
Semnar Nasonal Aplkas Teknolog Informas 009 (SNATI 009) ISSN: 1907-50 Yogyakarta, 0 Jun 009 MODIFIED IMPROVED PARTICLE SWARM OPTIMIZATION FOR OPTIMAL GENERATOR SCHEDULING Mackel Tuegeh 1, Soeprjanto, Maurdh
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana
Lebih terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciPEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant)
PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Stud Kasus : Metode Secant) Melda panjatan STMIK Bud Darma, Jln.SM.Raja No.338 Sp.Lmun, Medan Sumatera Utara Jurusan Teknk Informatka e-mal : meldapjt.78@gmal.com
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan yang akan dgunakan dalam peneltan n adalah peneltan pengembangan (Research and Development). Peneltan Research and Development (R&D) n merupakan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Kamus Buku acuan yang memuat kata dan ungkapan, basanya dsusun menurut abjad berkut keterangan tentang makna, pemakaan, atau terjemahannya, kamus juga dsebut buku yang memuat
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and
III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS
Lebih terperinciBab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu
Bab 2 Tnjauan Pustaka 2.1 Peneltan Terdahulu Pemlhan stud pustaka tentang sstem nformas penlaan knerja karyawan n juga ddasar pada peneltan sebelumnya yang berjudul Penerapan Metode TOPSIS untuk Pemberan
Lebih terperinciAPLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )
APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciHUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT
HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT ABSTRAK STEVANY HANALYNA DETHAN Fakultas Ekonom Unv. Mahasaraswat Mataram e-mal : stevany.hanalyna.dethan@gmal.com
Lebih terperinciOPTIMAL GENERATOR SCHEDULING BASED ON PARTICLE SWARM OPTIMIZATION
Semnar Nasonal Informatka 009 (semnasif 009) ISSN: 1979-38 UPN Veteran Yogyakarta, 3 Me 009 OPTIMAL GENERATOR SCHEDULING BASED ON PARTICLE SWARM OPTIMIZATION Mackel Tuegeh 1, Ad Soeprjanto, Maurdh Hery
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciOPTIMISASI PELETAKAN DAN SIZING DISTRIBUTED GENERATION (DG) MENGGUNAKAN TWO LAYER PARTICLE SWARM OPTIMIZATION (TLPSO)
OPTIMISASI PELETAKAN DAN SIZING DISTRIBUTED GENERATION (DG) MENGGUNAKAN TWO LAYER PARTICLE SWARM OPTIMIZATION (TLPSO) Efrta Arfah Z Jurusan Teknk Elektro, FTI-ITATS Surabaya Jl. Aref Rahman Hakm 100 Tlp
Lebih terperinciImplementasi Metode Particle Swarm Optimization-Dempster Shafer untuk Diagnosa Indikasi Penyakit pada Budidaya Ikan Gurami
Jurnal Pengembangan Teknolog Informas dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 2, Februar 2018, hlm. 503-509 http://j-ptk.ub.ac.d Implementas Metode Partcle Swarm Optmzaton-Dempster Shafer untuk
Lebih terperinciIMPLEMENTASI ALGORITMA PARTICLE SWARM OPTIMIZATION UNTUK OPTIMASI PENGANTARAN BARANG (Studi Kasus : PT.Pos Indonesia, Kota Tanjungpinang)
IMPLEMENTASI ALGORITMA PARTICLE SWARM OPTIMIZATION UNTUK OPTIMASI PENGANTARAN BARANG (Studi Kasus : PT.Pos Indonesia, Kota Tanjungpinang) Ririn Anggraini Mahasiswa Teknik Informatika, FT UMRAH (ririnumrah@gmail.com)
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciJurnal Teknologi Elektro, Universitas Mercu Buana ISSN:
KECERDASAN BUATAN BERBASIS PARTICLE SWARM OPTIMIZATION, ANT COLONY OPTIMIZATION DAN FIREFLY ALGORITHM UNTUK MEREDAM OSILASI GANGGUAN PADA SISTEM PEMBANGKIT LISTRIK Pressa P. Surya Unverstas Muhammadyah
Lebih terperinciBAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun
BAB II TINJAUAN PUSTAKA 2.1 Aljabar Boolean Barnett (2011) menyatakan bahwa Aljabar Boolean dpublkaskan oleh George Boole dalam An Investgaton of the Laws of Thought pada tahun 1954. Dalam karya n, Boole
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciMETODE KLASTERISASI DATA BERBASIS ARTIFICIAL BEE COLONY DAN K-HARMONIC MEANS
TESIS METODE KLASTERISASI DATA BERBASIS ARTIFICIAL BEE COLONY DAN K-HARMONIC MEANS Oleh : I Made Wdartha NRP. 5109201009 Dosen Pembmbng : Dr. Agus Zanal Arfn, S.Kom, M.Kom Anny Yunart, S.Kom, M.Comp.Sc
Lebih terperinciBAB IV PERHITUNGAN DAN ANALISIS
BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter
Lebih terperinciIII. METODOLOGI PENELITIAN
44 III. METODOLOGI PENELITIAN A. Metode Peneltan Menurut Arkunto (00:3) peneltan ekspermen adalah suatu peneltan yang selalu dlakukan dengan maksud untuk melhat akbat dar suatu perlakuan. Metode yang penuls
Lebih terperinciHAK CIPTA (HKI) Judul Invensi: METODE OPTIMISASI KONFIGURASI JARINGAN DISTRIBUSI BERBASIS LOGIKA FUZZY DAN PARTICLE SWARM OPTIMIZATION
0 HAK CIPTA HKI 1 Judul Invens: METODE OPTIMISASI KONFIGURASI JARINGAN DISTRIBUSI BERBASIS LOGIKA FUZZY DAN PARTICLE SWARM OPTIMIZATION Inventor: Dr. Ramadon Syahputra, S.T., M.T. Ir. Agus Jamal, M.Eng.
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciOPTIMALISASI PEROLEHAN MINYAK MENGGUNAKAN PEMISAHAN SECARA BERTAHAP. Abstrak
OPTIMALISASI PEROLEHAN MINYAK MENGGUNAKAN PEMISAHAN SECARA BERTAHAP Reza Fauzan 1 1 *Emal: reza.fauzan@gmal.com Abstrak Peneltan tentang penngkatan jumlah produks mnyak yang dperoleh dar sumur produks
Lebih terperinciMETODE PENELITIAN. Penentuan lokasi dilakukan secara tertuju (purposive) karena sungai ini termasuk
IV. METODE PENELITIAN 4.1. Tempat dan Waktu Peneltan Peneltan n dlakukan d Sunga Sak, Kota Pekanbaru, Provns Rau. Penentuan lokas dlakukan secara tertuju (purposve) karena sunga n termasuk dalam 13 sunga
Lebih terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinci3 METODE HEURISTIK UNTUK VRPTW
12 3 METODE HEURISTIK UNTUK VRPTW 3.1 Metode Heurstk Metode heurstk merupakan salah satu metode penentuan solus optmal dar permasalahan optmas kombnatoral. Berbeda dengan solus eksak yang menentukan nla
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciPrediksi Jumlah Follower Official Account Line Menggunakan Regresi dan Algoritma Genetika
Jurnal Pengembangan Teknolog Informas dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 11, November 217, hlm. 1312-132 http://j-ptk.ub.ac.d Predks Jumlah Follower Offcal Account Lne Menggunakan Regres dan
Lebih terperinciMahasiswa Program Studi Informatika / Ilmu Komputer Universitas Brawijaya
Implementas Evoluton Strateges untuk Penyelesaan Vehcle Routng Problem Wth Tme Wndows pada Dstrbus Mnuman Soda XYZ Isyar Andka Harun 1, Wayan F. Mahmudy 2, Novanto Yudstra 3 1 Mahasswa Program Stud Informatka
Lebih terperinciOPTIMASI MASALAH PENUGASAN. Siti Maslihah
JPM IIN ntasar Vol. 01 No. 2 Januar Jun 2014, h. 95-106 OPTIMSI MSLH PNUGSN St Maslhah bstrak Pemrograman lner merupakan salah satu lmu matematka terapan yang bertuuan untuk mencar nla optmum dar suatu
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciMetode Algoritma Genetika dan Darwinian Particle Swarm Optimization dengan Variable Acceleration Factor Untuk Fungsi Multimodal
Vol. 5, No. 3 Desember 2016 ISSN 2088-2130;e-ISSN 2502-4884 Metode Algortma Genetka dan Darwnan Partcle Swarm Optmzaton dengan Varable Acceleraton Factor Untuk Fungs Multmodal Arad Retno Tr Hayat Manajemen
Lebih terperinciSWARM INTELLIGENCE (Teori & Case Study)
Judul SWARM INTELLIGENCE (Teor & Case Study) PSO, ACO, ABC, ACO-SVR, etc Oleh: Imam Cholssodn Ef Ryandan PENGANTAR Buku n member pemahaman konsep lanjut dan detal penyelesaan untuk pengembangan Swarm Intellgence
Lebih terperinciMETODE PENELITIAN. dalam penelitian ini adalah siswa kelas XI IPA 2 Tahun Pelajaran
III. METODE PENELITIAN A. Settng Peneltan Peneltan n menggunakan data kuanttatf dengan jens Peneltan Tndakan Kelas (PTK). Peneltan n dlaksanakan d SMAN 1 Bandar Lampung yang beralamat d jalan Jend. Sudrman
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN BIBIT UBI KAYU MENGGUNAKAN METODE TOPSIS (Studi Kasus : PT. Hutahaean)
Majalah Ilmah Informas dan Teknolog Ilmah (INTI ISSN : 3390X SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN BIBIT UBI KAYU MENGGUNAKAN METODE TOPSIS (Stud Kasus : PT. Hutahaean Relska Elfrda Capah (086 Mahasswa
Lebih terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Ketahanan pangan adalah ketersedaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dkatakan memlk ketahanan pangan jka penghunnya tdak berada
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinciBAB I PENDAHULUAN. konsep strategi yang cocok untuk menghadapi persaingan baik itu mengikuti marketing
BAB I PENDAHULUAN 1.1 Latar Belakang Konds persangan dalam berbaga bdang ndustr saat n dapat dkatakan sudah sedemkan ketatnya. Persangan dalam merebut pasar, adanya novas produk, mencptakan kepuasan pelanggan
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciBab III Analisis dan Rancangan Sistem Kompresi Kalimat
Bab III Analss dan Rancangan Sstem Kompres Kalmat Bab n bers penjelasan dan analss terhadap sstem kompres kalmat yang dkembangkan d dalam tess n. Peneltan n menggunakan pendekatan statstcal translaton
Lebih terperinciSIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI
ISSN: 1693-6930 167 SIMULASI OPTIMASI ALIRAN DAA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAA OPERASI Subyanto Teknk Elektro Fakultas Teknk Unverstas Neger Semarang Gedung E6 Lt. Kampus Sekaran
Lebih terperinciBAB II TEORI ALIRAN DAYA
BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada
BAB 5 ASIL DAN PEMBAASAN 5. asl Peneltan asl peneltan akan membahas secara lebh lengkap mengena penyajan data peneltan dan analss data. 5.. Penyajan Data Peneltan Sampel yang dgunakan dalam peneltan n
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciMANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN
MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN By: Rn Halla Nasuton, ST, MT MERANCANG JARINGAN SC Perancangan jarngan SC merupakan satu kegatan pentng yang harus
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinci