MODIFIKASI FUNGSI DENSITY PADA ALGORITMA ANT CLUSTERING
|
|
- Verawati Sutedja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 MODIFIKASI FUNGSI DENSITY PADA ALGORITMA ANT CLUSTERING Kurniawan Nur Ramadhani 1), Febryanti Sthevanie ) Fakultas Informatika Universitas Telkom Jln Telekomunikasi No. 1 Terusan Buah Batu Bandung ) kurniawannr@telkomuniversity.ac.id, ) sthevanie@telkomuniversity.ac.id Abstrak Clustering meruakan salah satu tugas dalam data mining untuk mengelomokkan data berdasarkan kemirian karakteristik. Pada enelitian ini, akan diusulkan sebuah modifikasi ada algoritma Ant Clustering untuk memerceat roses komutasi. Modifikasi dilakukan ada fungsi density dengan memertimbangkan batasan emisahan sasial. Dari hasil ercobaan yang dilakukan dengan data sejumlah 800 baris dan jumlah iterasi sebanyak 1000, didaatkan bahwa modifikasi fungsi density ada algoritma Ant Clustering berhasil meningkatkan keceatan dengan nilai akurasi yang tidak terlalu berbeda dengan algoritma Ant Clustering standar. Kata kunci: Clustering, Ant Clustering, fungsi density Abstract Clustering is one of the tasks in data mining to grou data based on similar characteristics. In this study, will be roosed a modification on Ant Clustering algorithm to seed u the rocess of comuting. Modifications carried on by considering the density function limits the satial searation. From the results of exeriments conducted with a number of data lines 800 and the number of iterations of 1000, it was found that the density modification function on Ant Clustering algorithms managed to increase the seed with accuracy values that are not too different from Ant Clustering algorithm standard. Keywords: Clustering, Ant Clustering, density function I. PENDAHULUAN Data mining adalah sekumulan metode yang digunakan untuk mendaatkan informasi dari serangkaian data yang tersedia dengan jumlah yang banyak. Dalam data mining dikenal serangkaian metode untuk daat mengekstrak informasi dari data berjumlah banyak atau data berdimensi tinggi dan bernilai heterogen. Terdaat dua kategori dalam data mining. Kategori ertama adalah kategori rediksi. Algoritma ada kategori ini digunakan untuk menentukan nilai sebuah variabel dari serangkaian data sebelumnya yang diketahui nilainya. Contoh algoritma ini adalah algoritma klasifikasi dan regresi. Kategori kedua adalah kategori deskritif. Algoritma ada kategori ini digunakan untuk mendaatkan deskrisi dari serangkaian data yang daat dimengerti oleh manusia. Algoritma dalam kategori ini adalah algoritma clustering dan asosiasi (J. Han and M. Kamber, 001). Clustering meruakan roses untuk mengelomokkan serangkaian data ke dalam satu kelomok berdasarkan kesamaan karakteristik dari data tersebut. Perbedaan clustering dengan klasifikasi adalah ada clustering, roses engelomokkan dilakukan murni berdasarkan kesamaan karakteristik nilai atribut-atribut dalam data tersebut, sedangkan ada klasifikasi, data dikelomokkan berdasarkan kesamaan nilai dalam satu atribut. Algoritma clustering yang baik harus daat memenuhi kriteria berikut (Jain Anil K, 1998): 1. Scalability yaitu mamu menangani data dalam ukuran yang kecil mauun besar.. Mamu menangani berbagai jenis tie atribut. 50
2 3. Menemukan bentuk-bentuk cluster yang unik. 4. Parameter inut tidak terlalu rumit sehingga tidak menyulitkan engguna untuk mengontrol kualitas cluster yang terbentuk. 5. Mamu menangani noise. 6. Tidak terengaruh urutan enyisian record. 7. Mamu menangani data yang berdimensi tinggi. 8. Mudah diahami dan mudah digunakan. Dalam clustering terdaat beberaa model cluster. Model ertama adalah centroid model. Model centroid bekerja dengan mendefinisikan sebuah cluster menggunakan radius dan osisi centroid dalam ruang N-dimensi. Contoh algoritma ini adalah K-Means. Model kedua adalah hierarchical model. Model ini bekerja dengan menghasilkan cluster bersarang yang direresentasikan sebagai ohon hirarki. Contoh algoritma ini adalah agglomerative dan divisive clustering. Model ketiga adalah density model. Model ini mendefinisikan cluster melalui sebuah nilai keadatan cluster. Serangkaian data dikatakan berada ada satu cluster jika nilai keadatannya memenuhi nilai tertentu. Contoh algoritma ini adalah DBSCAN dan Ant clustering (Jain Anil K, 1998). Pada enelitian sebelumnya (Marco Dorigo and Thomas Stutzle, 004) telah dilakukan roses analisis ada algoritma Ant Clustering yang diusulkan juga dalam enelitian (Monmarche N, 1999). Paer ini akan membahas roses modifikasi ada algoritma Ant Clustering dan hasil analisis terhada modifikasi algoritma tersebut. Algoritma dimodifikasi ada bagian neighbourhood function dengan haraan roses clustering menjadi lebih ceat dengan nilai akurasi yang tidak terlalu jauh berbeda dengan algoritma awal. antara sumber makanan dan sarang mereka. Ketika berjalan dari sumber makanan ke sarang dan sebaliknya, semut meletakkan suatu zat (yang disebut feromon) di seanjang jalur yang mereka lalui. Ketika zat tersebut disekresikan sebagai isyarat seekor semut, maka semut yang lain daat mengenalinya. Ketika mencari makan, ada awalnya semut akan berkeliling di daerah sekitar sarangnya secara acak. Begitu mengetahui ada makanan, semut akan menganalisa kualitas dan kuantitas makanan tersebut dan membawa beberaa bagian ke sarangnya. Dalam erjalanannya, mereka meninggalkan jejak berua sejumlah zat kimia, yang disebut feromon. Feromon ini akan membimbing semut lain untuk menemukan sumber makanan. Jumlah feromon yang ditinggalkan oleh semut bergantung ada jumlah makanan yang ditemukan. Semakin banyak makanan yang didaat, semakin banyak ula jumlah feromon yang ditinggalkan. Sehingga semakin banyak semut yang melewati suatu jalur, semakin kuat ula jejak feromon yang terkumul di jalur tersebut. II.1 II. KAJIAN LITERATUR Algoritma Ant Colony Ant Colony Otimization termasuk teknik encarian multi agent yang sering digunakan untuk ermasalahan otimasi, khususnya kombinatorial, yang terinsirasi oleh tingkah laku semut dalam suatu koloni. Algoritma ACO ertama kali dierkenalkan oleh Marco Dorigo ada tahun 1991 yang kemudian diublikasikan dengan nama Ant System (AS)( Marco Dorigo and Thomas Stutzle, 004). Perilaku semut yang cuku menarik adalah ketika mereka mencari makan. Semut daat menemukan jalur terendek Gambar 1. Ilustrasi Ant Colony Gambar 1 menunjukkan erjalanan semut berjalan dari titik A ke titik E. Pada awalnya ketika belum diberikan embatas, maka semut akan berjalan dengan jumlah yang sama di sebelah kiri dan kanan garis embatas. Ketika diberikan enghalang, maka semut ada awalnya akan sama. Akan tetai, lama kelamaan semut akan cenderung melewati sebelah kanan garis embatas karena jarak yang ditemuh 51
3 lebih endek. Hal itu dikarenakan engaruh feromon tadi (Marco Dorigo and Thomas Stutzle, 004). II. Ant Clustering Penelitian yang dilakukan ada (Monmarche N, 1999) memodifikasi algoritma Ant Colony agar daat melakukan oerasi clustering ada serangkaian data yang diberikan. Salah satu modifikasi yang mencolok adalah tidak adanya konse feromon. Namun, yang menjadi emicu dari kerja algoritma semut adalah tingkat keadatan (density) dari item yang tersebar ada grid. Algoritma ini berjalan dalam sebuah eta toografi. Dalam eta tersebut, data dan agen semut disebar secara acak. Di awal, setia agen semut mengambil data secara acak yang tersebar ada eta. Kemudian semut akan bergerak secara acak ada arah tertentu sejauh langkah yang sudah didefinisikan sebelumnya. Kemudian, semut akan menghitung robabilitas dari data tersebut akan diletakkan ada koordinat semut atau tidak. Nilai robabilitas ini disebut dro. Jika data tersebut diletakkan, maka agen semut akan mencari data baru lagi untuk diambil. Probabilitas dari seekor agen semut untuk mengambil data baru disebut ick. Proses ini akan dilakukan secara berulang hingga nilai iterasi tertentu. Secara umum, algoritma semut untuk roses Clustering daat dituliskan sebagai berikut (Monmarche N, 1999): do begin INITIALISATION PHASE Randomly scatter data items on the toroidal grid for each j in 1 to #agents do i:=random_select(rem_items) ick_u(agent(j),i) g:=random_select(rem_emt_loc) lace_agent(agent(j),g) end for MAIN LOOP for each it_ctr in 1 to #iterations j:=random_select(all_agents) ste(agent(j),stesize) i:=carried_item(agent(j)) dro:=dro_item?(f(i)) if dro=true then while ick=false do i:=random_select(free_ items) ick:=ick_item?(f(i)) end while end if end for end Nilai dari dro dan ick dirumuskan sebagai berikut. ( i) k dro [1] d ( i) k k ick [] dengan k d = koefisien dro robability k = koefisien ick robability Kedua nilai tersebut memiliki rentang nilai 0 hingga 1. Nilai f(i) meruakan nilai fungsi keadatan yang dihitung menggunakan ersamaan berikut. 1 max 0, S { cij S nil} d( d ij ) 1 dengan d ij = indeks dari dokumen ada tabel. S = ukuran ketetanggaan di sekeliling dokumen. d(d ij ) = nilai dissimilarity antara dokumen k yang dibawa semut dengan dokumen d ij. N = jumlah total dokumen. μ = faktor engali II.3 Nilai μ dihitung dari ersamaan berikut. N k1 d( l) [4] N( N 1) k1 l1 dan nilai α antara 0 hingga 1. Modifikasi Fungsi Density [3] Penelitian yang dilakukan ada (Handl, Julia, Knowles and Dorigo, 006) mengusulkan modifikasi ada fungsi keadatan (density). Modifikasi ini dirumuskan ada ersamaan berikut. 1 d( ) d( ) (1 ), j 1 0 S { c ij S nil} [5] d( ) 0, j 1 0 5
4 Tujuan modifikasi ini adalah meningkatkan keceatan eksekusi dari algoritma Ant Clustering. d( d Batasan ij ) j 1 0 berfungsi sebagai emisah untuk nilai data dengan nilai dissimilarity yang tinggi, yang akan meningkatkan emisahan sasial antar cluster. korelasi Pearson tidak teraut jauh. Adaun erbandingan waktu eksekusi kedua algoritma daat dilihat ada grafik seerti ada gambar 3. III. ANALISIS Pengujian dilakukan dengan membandingkan kinerja antara algoritma Ant Clustering standar dengan algoritma yang telah mengalami modifikasi ada fungsi density. Kinerja yang diukur ada dua, yakni nilai korelasi Pearson dan waktu eksekusi. Nilai korelasi Pearson menggambarkan keterkaitan antara emetaan data yang dilakukan agen semut ada eta toografi dengan karakteristik data. Nilai korelasi Pearson berkisar dari -1 hingga 1. Semakin mendekati 1, semakin tinggi keterkaitan antara emetaan data ada eta toografi dengan karakteristik data. Artinya, nilai korelasi Pearson yang mendekati 1 jika data ada eta toografi berhasil dikelomokkan ada satu kelomok dengan nilai density minimal. Pengujian dilakukan dengan menggunakan data set sebanyak 800 record. Algoritma alankan selama 1000 iterasi. Nilai korelasi Pearson dari kedua algoritma daat dilihat ada grafik seerti ada gambar. Gambar 3. Perbandingan Waktu Eksekusi Dari grafik di atas, daat dilihat bahwa waktu eksekusi algoritma Ant Clustering yang dimodifikasi selalu lebih rendah dibandingkan algoritma Ant Clustering standar. Hal ini menunjukkan bahwa modifikasi fungsi density berhasil meningkatkan keceatan dari algoritma Ant Clustering. IV. KESIMPULAN Dalam enelitian ini dilakukan modifikasi fungsi density ada algoritma Ant Clustering. Proses modifikasi ini dilakukan dengan meningkatkan emisahan sasial ada nilai dissimilarity yang tinggi. Modifikasi ini juga memerceat roses erhitungan density sehingga memerceat algoritma Ant Clustering secara keseluruhan. Dari hasil ekserimen yang dilakukan, modifikasi fungsi density ini berhasil meningkatkan keceatan algoritma Ant Clustering dengan nilai akurasi menggunakan korelasi Pearson yang tidak jauh beda dengan nilai akurasi menggunakan algoritma Ant Clustering standar. Gambar. Perbandingan Nilai Korelasi Pearson Dari grafik tersebut, daat dilihat bahwa nilai korelasi Pearson dari kedua algoritma tidak terlalu berbeda. Secara umum, nilai korelasi Pearson dari algoritma awal (tana modifikasi) ada awal iterasi lebih tinggi. Namun mendekati akhir iterasi, nilai REFERENSI J. Han dan M. Kamber, 001, Data Mining: Concets and Techniques, CA: Morgan Kaufmann, San Francisco. Jain Anil K, 1998, Algorithms for Clustering Data, Prentice Hall, New Jersey
5 Marco Dorigo and Thomas Stutzle, 004, Ant Colony Otimization. The MIT Press, Massachusetts. Monmarche N, 1999, On data clustering with artificial ants. In: Freitas, A.A. (Ed.) Data Mining with Evolutionary Algorithms: Research Directions Paers from the AAAI Worksho. AAAI Press, Handl, Julia, Knowles dan Dorigo, 006, Ant Based Clustering and Toograhic Maing. In: Artificial Life volume 1. MIT,
Analisis dan Implementasi Ant Colony Algorithm untuk Clustering
Analisis dan Implementasi Ant Colony Algorithm untuk Clustering Kurniawan Nur Ramadhani Program Studi Manajemen Informatika Politeknik Telkom, Bandung andiess26@yahoo.co.id Abstrak Paper ini memaparkan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Persoalan jalur terendek (Shortest Path) meruakan suatu jaringan engarahan erjalanan dimana seseorang engarah jalan ingin menentukan jalur terendek antara dua kota
Lebih terperinciDika Dwi Muharahman*, Nurul Gusriani, Elis Hertini. Departemen Matematika, Universitas Padjadjaran *E mail:
Perubahan Perilaku Pengguna nstant Messenger dengan Menggunakan Analisis Koresondensi Bersama (Studi Kasus Mahasiswa di Program Studi S-1 Matematika FMPA Unad) Dika Dwi Muharahman*, Nurul Gusriani, Elis
Lebih terperinciKompleksitas Algoritma Quick Sort
Komleksitas Algoritma Quick Sort Fachrie Lantera NIM: 130099 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Jln. Ganesha 10, Bandung E-mail : if099@students.if.itb.ac.id
Lebih terperinciJurnal Edukasi dan Penelitian Informatika (JEPIN) Vol. 1, No. 2, (2015) 1 Rancangan Sistem Penjadwalan Akademik Menggunakan Algoritma Max Min Ant System (Studi Kasus: STMIK Atma Luhur Pangkalpinang) Delpiah
Lebih terperinciCLUSTERING DATA KATEGORIK MENGGUNAKAN K-MODES DENGAN WEIGHTED DISSIMILARITY MEASURE
CLUSTERING DATA KATEGORIK MENGGUNAKAN K-MODES DENGAN WEIGHTED DISSIMILARITY MEASURE Lutfi Hidayat Ramdhani¹, Hetti Hidayati², Mahmud Dwi Suliiyo³ ¹Teknik Informatika,, Universitas Telkom Abstrak K-Modes
Lebih terperinciII. TINJAUAN PUSTAKA
II. TIJAUA PUSTAKA Portofolio Saham Portofolio berarti sekumulan investasi, untuk kasus saham, berarti sekumulan investasi dalam bentuk saham. Proses embentukan orfolio saham terdiri dari mengidentifikasi
Lebih terperinciBAB 3 PENGEMBANGAN TEOREMA DAN PERANCANGAN PROGRAM
BAB 3 PENGEMBANGAN TEOREMA DAN PERANCANGAN PROGRAM 3.1. Pengembangan Teorema Dalam enelitian dan erancangan algoritma ini, akan dibahas mengenai beberaa teorema uji rimalitas yang terbaru. Teorema-teorema
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Pemilahan Data
BAB 3 PEMBAHASAN 3.1 Pemilahan Data Pemilahan data dilakukan untuk menentukan data mana saja yang akan diolah. Dalam enelitian ini, data yang diikutsertakan dalam engolahan ditentukan berdasarkan teori
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Penjadwalan Definisi Penjadwalan Kegiatan Belajar Mengajar
BAB II LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Definisi Penjadwalan Kegiatan Belajar Mengajar Penjadwalan terkait pada aktivitas dalam hal untuk membuat sebuah jadwal. Sebuah jadwal adalah sebuah tabel dari
Lebih terperinciPenyelesaian Traveling Salesperson Problem dengan Menggunakan Algoritma Semut
Penyelesaian Traveling Salesperson Problem dengan Menggunakan Algoritma Semut Irfan Afif (13507099) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung,
Lebih terperinciPenyelesaian Masalah Travelling Salesman Problem Menggunakan Ant Colony Optimization (ACO)
Penyelesaian Masalah Travelling Salesman Problem Menggunakan Ant Colony Optimization (ACO) Anna Maria 1, Elfira Yolanda Sinaga 2, Maria Helena Iwo 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen
Lebih terperinciANT COLONY OPTIMIZATION
ANT COLONY OPTIMIZATION WIDHAPRASA EKAMATRA WALIPRANA - 13508080 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung e-mail: w3w_stay@yahoo.com ABSTRAK The Ant Colony Optimization
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada awalnya komputer hanya digunakan untuk alat hitung saja tetapi seiring dengan perkembangan teknologi, komputer diharapkan mampu melakukan semua yang dapat
Lebih terperinciPemanfaatan Algoritma Semut untuk Penyelesaian Masalah Pewarnaan Graf
Pemanfaatan Algoritma Semut untuk Penyelesaian Masalah Pewarnaan Graf Anugrah Adeputra - 13505093 Program Studi Informatika, Sekolah Teknik Elektro & Informatika ITB Jl. Ganesha No.10 If15093@students.if.itb.ac.id
Lebih terperinciIMPLEMENTASI DETEKSI OUTLIER PADA ALGORITMA HIERARCHICAL CLUSTERING
IMPLEMENTASI DETEKSI OUTLIER PADA ALGORITMA HIERARCHICAL CLUSTERING Yoga Bhagawad Gita 1, Ahmad Saikhu 2 1,2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember
Lebih terperinciAPLIKASI DISCOUNTED CASH FLOW PADA KONTROL INVENTORY DENGAN BEBERAPA MACAM KREDIT PEMBAYARAN SUPPLIER
Program Studi MMT-ITS, Surabaya Agustus 9 APLIKASI ISOUNTE ASH FLOW PAA KONTROL INVENTORY ENGAN BEBERAPA MAAM KREIT PEMBAYARAN SUPPLIER Hansi Aditya, Rully Soelaiman Manajemen Teknologi Informasi MMT -
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3. Prosedur Pengumulan Data 3.. Sumber Data Data yang digunakan dalam enelitian ini meruakan data sekunder yang diambil dari Deartemen Keuangan, BAPEPAM, dan IAPI. Data-data
Lebih terperinciJurnal EKSPONENSIAL Volume 4, Nomor 1, Mei 2013 ISSN
Perbandingan Metode Klasifikasi Regresi Logistik Dengan Jaringan Saraf Tiruan (Studi Kasus: Pemilihan Jurusan Bahasa dan IPS ada SMAN 2 Samarinda Tahun Ajaran 2011/2012) Comarison of Classification Methods
Lebih terperinciLANDASAN TEORI. Bab Konsep Dasar Graf. Definisi Graf
Bab 2 LANDASAN TEORI 2.1. Konsep Dasar Graf Definisi Graf Suatu graf G terdiri atas himpunan yang tidak kosong dari elemen elemen yang disebut titik atau simpul (vertex), dan suatu daftar pasangan vertex
Lebih terperinciSKRIPSI ANALISIS PENGELOMPOKKAN KECAMATAN DI KODYA SURABAYA BERDASARKAN VARIABEL-VARIABEL KEPENDUDUKAN, KESEHATAN DAN PENDIDIKAN
SKRIPSI ANALISIS PENGELOMPOKKAN KECAMATAN DI KODYA SURABAYA BERDASARKAN VARIABEL-VARIABEL KEPENDUDUKAN, KESEHATAN DAN PENDIDIKAN Oleh : Rengganis L. N. R 302 00 046 PENDAHULUAN Latar Belakang Penduduk
Lebih terperinciLEMBAR PENGESAHAN LEMBAR PERNYATAAN HAK CIPTA ABSTRAK...
DAFTAR ISI Halaman LEMBAR PENGESAHAN LEMBAR PERNYATAAN HAK CIPTA ABSTRAK... i KATA PENGANTAR... iii DAFTAR ISI... v DAFTAR TABEL... vii DAFTAR GAMBAR... viii DAFTAR SIMBOL... ix BAB I PENDAHULUAN... 1
Lebih terperinciDESAIN PERILAKU AGEN PADA PERMAINAN BULUTANGKIS DENGAN MENGGUNAKAN MULTI-OBJECTIVE GENETIC ALGORITHM
DESAIN PERILAKU AGEN PADA PERMAINAN BULUTANGKIS DENGAN MENGGUNAKAN MULTI-OBJECTIVE GENETIC ALGORITHM Adianto*,Sueno Mardi, ST, MT** Moch Hariadi, ST, Ms.c,Ph.D** adianto@elect-eng.its.ac.id, mardi@its.ac.id,
Lebih terperinciDESAIN PERILAKU AGEN PADA PERMAINAN BULUTANGKIS DENGAN MENGGUNAKAN MULTI-OBJECTIVE GENETIC ALGORITHM
Program Studi MMT-ITS, Surabaya 6 Pebruari 00 DESAIN PERILAKU AGEN PADA PERMAINAN BULUTANGKIS DENGAN MENGGUNAKAN MULTI-OBJECTIVE GENETIC ALGORITHM Adianto*,Sueno Mardi** Moch Hariadi** *Jurusan Teknik
Lebih terperinciBAB III METODOLOGI DAN PERBANDINGAN METODA
BAB III METODOLOGI DAN PERBANDINGAN METODA Melalui enjelasan konse jaringan grah, dalam menelusuri rute menuntut adanya enggunaan metoda yang teat. Merunut ada tinjauan ustaka, setidaknya akan digunakan
Lebih terperinciPENGELOMPOKAN DATA PELANGGAN PDAM SURABAYA DENGAN ALGORITMA ANT COLONY OPTIMIZATION
Seminar Nasional Sistem Informasi Indonesia, 22 September 2014 PENGELOMPOKAN DATA PELANGGAN PDAM SURABAYA DENGAN ALGORITMA ANT COLONY OPTIMIZATION Purbandini 1), Dyah Herawatie 2), Rini Semiati 3) 1,2,3)
Lebih terperinciKata kunci: Cluster, Knowledge Discovery in Database, Algoritma K-Means,
K- Pembentukan cluster dalam Knowledge Discovery in Database dengan Algoritma K-Means Oleh: Sri Andayani Jurusan Pendidikan Matematika FMIPA UNY,email: andayani@uny.ac.id Abstrak Pembentukan cluster merupakan
Lebih terperinciAlgoritma Jaringan Syaraf Tiruan Hopfield
2.6. Jaringan Saraf Tiruan Hofield Jaringan syaraf Tiruan Hofield termasuk iterative autoassociative network yang dikembangkan oleh Hofield ada tahun 1982, 1984. Dalam aringan Hofield, semua neuron saling
Lebih terperinciBAB II TINJAUAN PUSTAKA. untuk berkunjung ke suatu negara. Permintaan pariwisata biasanya diukur dari segi
BAB II TINJAUAN PUSTAKA 2.1 Permintaan Pariwisata Pariwisata mamu mencitakan ermintaan yang dilakukan oleh wisatawan untuk berkunjung ke suatu negara. Permintaan ariwisata biasanya diukur dari segi jumlah
Lebih terperinciOptimasi pada Rute Truk Peti Kemas dengan Algoritma Optimasi Koloni Semut
E-journal Teknik Elektro dan Komputer (tahun), ISSN : 20-8402 7 Optimasi pada Rute Truk Peti Kemas dengan Algoritma Optimasi Koloni Semut Feisy D. Kambey feisy.kambey@yahoo.co.id Abstrak Perdagangan global
Lebih terperinciIMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS)
IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) Devie Rosa Anamisa, S.Kom, M.Kom Jurusan D3 Teknik Multimedia Dan Jaringan-Fakultas Teknik Universitas Trunojoyo
Lebih terperinciPerbandingan Algoritma Dijkstra Dan Algoritma Ant Colony Dalam Penentuan Jalur Terpendek
Perbandingan Algoritma Dijkstra Dan Algoritma Ant Colony Dalam Penentuan Jalur Terpendek Finsa Ferdifiansyah NIM 0710630014 Jurusan Teknik Elektro Konsentrasi Rekayasa Komputer Fakultas Teknik Universitas
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Fokus dalam bidang teknologi saat ini tidak hanya berada pada proses pengembangan yang disesuaikan dengan permasalahan yang dapat membantu manusia
Lebih terperinciHasil Kali Dalam Berbobot pada Ruang L p (X)
Hasil Kali Dalam Berbobot ada Ruang L () Muhammad Jakfar, Hendra Gunawan, Mochammad Idris 3 Universitas Negeri Surabaya, muhammadjakfar@unesa.ac.id Institut Teknologi Bandung, hgunawan@math.itb.ac.id 3
Lebih terperinciIMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS
IMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS Yudis Anggara Putra Chastine Fatichah Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciPenerapan Algoritma Ant System dalam Menemukan Jalur Optimal pada Traveling Salesman Problem (TSP) dengan Kekangan Kondisi Jalan
JNTETI, Vol. 1, No. 3, November 2012 43 Penerapan Algoritma Ant System dalam Menemukan Jalur Optimal pada Traveling Salesman Problem (TSP) dengan Kekangan Kondisi Jalan Andhi Akhmad Ismail 1, Samiadji
Lebih terperinciModifikasi Hydrograf Satuan Sintetik SCS Sungai Serayu Dengan Metoda Optimasi
Modifikasi Hydrograf Satuan Sintetik SCS Sungai Serayu Dengan Metoda Otimasi Ariani Budi Safarina ABSTRAK Metoda hydrograf satuan sintetik dierlukan untuk menentukan arameter banjir di daerah aliran sungai
Lebih terperincioleh seperangkat variabel X, maka persamaan di atas dinamakan persamaan struktural, dan modelnya disebut model struktural.
ANALISIS JALUR A. PENGERTIAN ANALISIS JALUR Telaah statistika menyatakan bahwa untuk tujuan eramalan/ endugaan nilai Y atas dasar nilai-nilai X 1, X,., X i, ola hubungan yang sesuai adalah ola hubungan
Lebih terperinciPENCARIAN RUTE TERPENDEK OBJEK WISATA DI MAGELANG MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO)
PENCARIAN RUTE TERPENDEK OBJEK WISATA DI MAGELANG MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO) Bagus Fatkhurrozi *, Ika Setyowati Jurusan Teknik Elektro, Fakultas Teknik, Universitas Tidar Jl. Kapten Suparman
Lebih terperinciOPTIMASI PENEMPATAN BANK CAPACITOR PADA PENYULANG H5 MENGGUNAKAN METODE GENETIC ALGORITHM (GA)
Jurnal Informatika Mulawarman ol. 10 No. 2 Setember 2015 13 OPTIMASI PENEMPATAN BANK CAPACITOR PADA PENYULANG H5 MENGGUNAKAN METODE GENETIC ALGORITHM (GA) Muslimin Program Studi Teknik Elektro Fakultas
Lebih terperinciPEMODELAN KETERTINGGALAN DAERAH DI INDONESIA MENGGUNAKAN ANALISIS DISKRIMINAN
M-20 PEMODELAN KETERTINGGALAN DAERAH DI INDONESIA MENGGUNAKAN ANALISIS DISKRIMINAN Titi Purwandari, Yuyun Hidayat 2,2) Deartemen Statistika FMIPA Universitas Padjadjaran, email : titiurwandari@yahoo.com,
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciBab 4 PRINSIP PRINSIP PEMODELAN FISIS
Bab 4 PRINSIP PRINSIP PEMODELAN FISIS 4. Fase-fase Pemodelan Dalam bab ini kita akan mendiskusikan bagaimana membangun model model matematika system dinamis. Kita akan memerhatikan masalah bagaimana mencaai
Lebih terperinciNavigasi Mobile Robot Nonholonomic menggunakan Fuzzy-Ant Colony System
A-839 Navigasi Mobile Robot Nonholonomic menggunakan Fuzzy-Ant Colony System Dimas Bintang P, Trihastuti Agustinah, Rusdhianto Effendi AK Departemen Teknik Elektro, Fakultas Teknologi Elektro, Institut
Lebih terperinciPENINGKATAN KINERJA ALGORITMA K-MEANS DENGAN FUNGSI KERNEL POLYNOMIAL UNTUK KLASTERISASI OBJEK DATA
PENINGKATAN KINERJA ALGORITMA K-MEANS DENGAN FUNGSI KERNEL POLYNOMIAL UNTUK KLASTERISASI OBJEK DATA Heri Awalul Ilhamsah Jurusan Teknik Industri Universitas Trunojoyo Madura Kampus Universitas Trunojoyo
Lebih terperinciBAB 1 PENDAHULUAN. selalu bertambah disetiap tahunnya. Hal ini dapat menimbulkan semakin. memperoleh keuntungan yang maksimal, maka diperlukan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini perkembangan perekonomian di Indonesia semakin meningkat, ditandai dengan banyaknya jumlah pabrik dan perusahaan yang selalu bertambah disetiap tahunnya. Hal
Lebih terperinciKATEGORISASI DOKUMEN TEKS SECARA MULTI LABEL MENGGUNAKAN FUZZY C-MEANS DAN K-NEAREST NEIGHBORS PADA ARTIKEL BERBAHASA INDONESIA
KATEGORISASI DOKUMEN TEKS SECARA MULTI LABEL MENGGUNAKAN FUZZY C-MEANS DAN K-NEAREST NEIGHBORS PADA ARTIKEL BERBAHASA INDONESIA Rio Bayu Afrianto, Lisa Yuli Kurniawati Jurusan Teknik Informatika, Fakultas
Lebih terperinciANALISIS ALGORITMA HYBRID ANT COLONY OPTIMIZATION (ACO) DAN LOCAL SEARCH UNTUK OPTIMASI PEMOTONGAN BAHAN BAKU
ANALISIS ALGORITMA HYBRID ANT COLONY OPTIMIZATION (ACO) DAN LOCAL SEARCH UNTUK OPTIMASI PEMOTONGAN BAHAN BAKU Warih Maharani Fakultas Teknik Informatika, Institut Teknologi Telkom Jl. Telekomunikasi No.1
Lebih terperinciPenerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta)
Penerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta) Universitas Islam Negeri Syarif Hidayatullah Jakarta email: nurhayati@uinjkt.ac.id
Lebih terperinciPENERAPAN METODE KLASTERING DENGAN ALGORITMA K-MEANS UNTUK PREDIKSI KELULUSAN MAHASISWA PADA PROGRAM STUDI TEKNIK INFORMATIKA STRATA SATU
PENERAPAN METODE KLASTERING DENGAN ALGORITMA K-MEANS UNTUK PREDIKSI KELULUSAN MAHASISWA PADA PROGRAM STUDI TEKNIK INFORMATIKA STRATA SATU Gita Premashanti Trayasiwi Program Studi Teknik Informatika S1,
Lebih terperinciBAB VI HUKUM KEKEKALAN ENERGI DAN PERSAMAAN BERNOULLI
BAB VI HUKUM KEKEKALAN ENERGI DAN PERSAMAAN BERNOULLI Tujuan Intruksional Umum (TIU) Mahasiswa diharakan daat merencanakan suatu bangunan air berdasarkan konse mekanika luida, teori hidrostatika dan hidrodinamika.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Traveling Salesperson Problem selanjutnya dalam tulisan ini disingkat menjadi TSP, digambarkan sebagai seorang penjual yang harus melewati sejumlah kota selama perjalanannya,
Lebih terperinciPENERAPAN ALGORITMA PARTITIONING AROUND MEDOIDS (PAM) CLUSTERING UNTUK MELIHAT GAMBARAN UMUM KEMAMPUAN AKADEMIK MAHASISWA
PENERAPAN ALGORITMA PARTITIONING AROUND MEDOIDS (PAM) CLUSTERING UNTUK MELIHAT GAMBARAN UMUM KEMAMPUAN AKADEMIK MAHASISWA 1 Yulison Herry Chrisnanto, 2 Gunawan Abdillah 1,2 Jurusan Informatika Fakultas
Lebih terperincidengan Algoritma K Means
K Pembentukan cluster dalam Knowledge Discovery in Database dengan Algoritma K Means Oleh: Sri Andayani Jurusan Pendidikan Matematika FMIPA UNY,email: andayani@uny.ac.id Abstrak Pembentukan cluster merupakan
Lebih terperinciPemanfaatan Algoritma Hybrid Ant Colony Optimization dalam Menyelesaikan Permasalahan Capacitated Minimum Spanning Tree. Tamam Asrori ( )
Pemanfaatan Algoritma Hybrid Ant Colony Optimization dalam Menyelesaikan Permasalahan Capacitated Minimum Spanning Tree Tamam Asrori (5104 100 146) Pendahuluan Latar Belakang Tujuan Dan Manfaat Rumusan
Lebih terperinciBAB III ANALISIS RANTAI MARKOV PADA PERAMALAN PANGSA PASAR
BAB III ANALISIS RANTAI MARKOV PADA PERAMALAN PANGSA PASAR Berdasarkan ada bab sebelumnya, ada bab ini akan dijelaskan enetaan atribut-atribut (keseakatan istilah) yang akan digunakan, serta langkah-langkah
Lebih terperinciModifikasi Hydrograf Satuan Sintetik Nakayasu Sungai Cisangkuy Dengan Metoda Optimasi
Modifikasi Hydrograf Satuan Sintetik Nakayasu Sungai Cisangkuy Dengan Metoda Otimasi Ariani Budi Safarina ABSTRAK Metoda hydrograf satuan sintetik dierlukan untuk menentukan arameter banjir di daerah aliran
Lebih terperinciPerbandingan Kinerja Perkalian Matriks Paralel pada Cows dan Transputer
Perbandingan Kinerja Perkalian Matriks Paralel ada Cows dan Transuter Maria A. Kartawidjaja Jurusan Teknik Elektro Fakultas Teknik Universitas Katolik Indonesia Atma Jaya Jakarta Email:.maria.kw@atmajaya.ac.id
Lebih terperinciHITUNGAN KOORDINAT, AZIMUTH/ARAH DAN JARAK
PENGUKURAN POLIGON Pengukuran dan Pemetaan Hutan : HITUNGAN KOORDINAT, AZIMUTH/ARAH DAN JARAK Y φq Dq Q(Xq,Yq) θq P(X,Y) φq = Azimuth/arah P ke Q 0 X θq Dq = Azimuth/arah Q ke P = Jarak dari P ke Q P(X,Y)
Lebih terperinciPengaruh Riwayat Pemberian ASI Terhadap Perkembangan Anak Usia Prasekolah di TK Kristen Imanuel Surakarta
Pengaruh Riwayat Terhada Perkembangan Anak Usia Prasekolah di TK Kristen Imanuel Surakarta 1 2 srilestarijs@yahoo.com 1 2 AKPER Insan Husada Surakarta Breast milk is the most erfect food for baby. Giving
Lebih terperinciPEMERINTAH PROVINSI JAWA BARAT DINAS PENDIDIKAN SMK NEGERI 1 BALONGAN
PEMERINTAH PROVINSI JAWA BARAT DINAS PENDIDIKAN SMK NEGERI BALONGAN MODUL PEMBELAJARAN Kode. Dok PBM. Edisi/Revisi A/ Tanggal Juli Halaman dari A. Kometensi Inti KI : Memahami, menerakan, menganalisis,
Lebih terperinci270 o. 90 o. 180 o PENDAHULUAN
PENDAHULUAN Latar Belakang Perkembangan analisis data saat ini masih bertumu ada analisis untuk data linear. Disisi lain, untuk kasus-kasus tertentu engukuran dilakukan secara sirkular. Beberaa ilustrasi
Lebih terperinciPENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE
PENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE Diah Ayu Novitasari *) *) Jurusan Manajemen, Fakultas Ekonomi Universitas Islam Lamongan Email
Lebih terperinciPENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE
PENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE Diah Ayu Novitasari * * Jurusan Manajemen, Fakultas Ekonomi Universitas Islam Lamongan Email :
Lebih terperinciBAB IV ANALISIS MASALAH
BAB IV ANALISIS MASALAH 4.1 Tampilan Program Persoalan TSP yang dibahas pada tugas akhir ini memiliki kompleksitas atau ruang solusi yang jauh lebih besar dari TSP biasa yakni TSP asimetris dan simetris.
Lebih terperinciPemilihan Jalur Evakuasi Dalam Keadaan Darurat Menggunakan Algoritma Quantum Ant-Colony
Pemilihan Jalur Evakuasi Dalam Keadaan Darurat Menggunakan Algoritma Quantum Ant-Colony Path Selection In Emergency Evacuation Using Quantum Ant- Colony Algorithm Fransisca Arvevia I A 1, Jondri 2, Anditya
Lebih terperinciDATA MINING CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN JADWAL KEBERANGKATAN DI TRAVEL PT. XYZ TASIKMALAYA
DATA MINING CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN JADWAL KEBERANGKATAN DI TRAVEL PT. XYZ TASIKMALAYA Aseptian Nugraha, Acep Irham Gufroni, Rohmat Gunawan Teknik Informatika Fakultas
Lebih terperinciBAB I PENDAHULUAN. Tahun 1997 negara-negara di Kawasan Asia mengalami krisis ekonomi,
BAB I PENDAHULUAN A. Latar Belakang Tahun 997 negara-negara di Kawasan Asia mengalami krisis ekonomi, seerti Korea Selatan, Thailand, Filiina, Malaysia, Singaura, Indonesia. Penyebaran krisis di kawasan
Lebih terperinciMULTIPATH FADING RAYLEIGH MENGGUNAKAN MODEL AUTOREGRESSIVE DAN INTERPOLATOR
MULTIPATH FADING RAYLEIGH MENGGUNAKAN MODEL AUTOREGRESSIVE DAN INTERPOLATOR Aryo Baskoro Utomo Jurusan Teknik Elektro, Fakultas Teknik, Universitas Negeri Semarang Kamus UNNES Sekaran Gunungati, Semarang
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Data Mining Data Mining adalah proses pencarian pengetahuan dari suatu data berukuran besar melalui metode statistik, machine learning, dan artificial algorithm. Hal yang paling
Lebih terperinciBAB II TINJAUAN PUSTAKA. Job shop scheduling problem (JSSP) adalah permasalahan optimasi
BAB II TINJAUAN PUSTAKA 2.1 Job Shop Scheduling Problem (JSSP) Job shop scheduling problem (JSSP) adalah permasalahan optimasi kombinatorial. Misalkan terdapat n buah job atau pekerjaan, yaitu J 1, J 2,,
Lebih terperinciJURNAL IT STMIK HANDAYANI
Nurilmiyanti Wardhani Teknik Informatika, STMIK Handayani Makassar ilmyangel@yahoo.com Abstrak Algoritma semut atau Ant Colony Optimization merupakan sebuah algoritma yang berasal dari alam. Algoritma
Lebih terperinciBAB III METODOLOGI PENELITIAN. sampling, (e) Validitas dan Reliabilitas, (f) Metode analisis data
BAB III METODOLOGI PENELITIAN Pada embahasan dalam metode enelitian ini akan menguraikan mengenai (a) Identifikasi variabel enelitian, (b) Defenisi oerasional variabel enelitian, (c)metode engumulan data,
Lebih terperinciIntegral dan Persamaan Diferensial
Sudaryatno Sudirham Studi Mandiri Integral dan Persamaan Diferensial ii Darublic BAB 3 Integral (3) (Integral Tentu) 3.. Luas Sebagai Suatu Integral. Integral Tentu Integral tentu meruakan integral yang
Lebih terperinciCLUSTERING MENGGUNAKAN K-MEANS ALGORITHM (K-MEANS ALGORITHM CLUSTERING)
CLUSTERING MENGGUNAKAN K-MEANS ALGORITHM (K-MEANS ALGORITHM CLUSTERING) Nur Wakhidah Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang Abstract Classification is the process of organizing
Lebih terperinciPENERAPAN METODE ANT COLONY OPTIMIZATION PADA METODE K-HARMONIC MEANS UNTUK KLASTERISASI DATA HALAMAN JUDUL
PENERAPAN METODE ANT COLONY OPTIMIZATION PADA METODE K-HARMONIC MEANS UNTUK KLASTERISASI DATA KOMPETENSI JARINGAN KOMPUTER SKRIPSI HALAMAN JUDUL I MADE KUNTA WICAKSANA NIM : 0708605050 PROGRAM STUDI TEKNIK
Lebih terperinciPerbandingan Metode Analisis Diskriminan dan Mahalanobis Taguchi (MT) untuk Data Penderita DM RS. Wahidin Sudirohusodo Makassar
Vol., No., 35-47, Juli 3 Perbandingan Metode Analisis Diskriminan dan Mahalanobis Taguchi (MT) untuk Data Penderita DM RS. Wahidin Sudirohusodo Makassar Anisa Abstrak Penelitian ini dilakukan untuk menganalisa
Lebih terperinciPERBANDINGAN ALGORITME ANT COLONY OPTIMIZATION DENGAN ALGORITME GREEDY DALAM TRAVELING SALESMAN PROBLEM
PERBANDINGAN ALGORITME ANT COLONY OPTIMIZATION DENGAN ALGORITME GREEDY DALAM TRAVELING SALESMAN PROBLEM Djasli Djamarus, Meiril Mediawan Laboratorium Informatika Dasar Jurusan Teknik Informatika FTI -
Lebih terperinciBAB III ALGORITMA ANT DISPERSION ROUTING (ADR)
BAB III ALGORITMA ANT DISPERSION ROUTING (ADR) Pada permasalahan pencarian rute optimal dalam rangka penyebaran rute lalu lintas untuk mencapai keseimbangan jaringan lalu lintas sebagai upaya untuk mengurangi
Lebih terperinciPENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS
PENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS WULAN ANGGRAENI wulangussetiyo@gmail.com Program Studi Pendidikan Matematika Universitas Indraprasta PGRI Abstract. The purpose of this study was to
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1. Analisis Sistem yang Berjalan Analisa sistem yang berjalan bertujuan untuk mengidentifikasi persoalanpersoalan yang muncul dalam pembuatan sistem, hal ini dilakukan
Lebih terperinciPENGELOMPOKAN MAHASISWA BERDASARKAN NILAI UJIAN NASIONAL DAN IPK MENGGUNAKAN METODE K-MEANS
PENGELOMPOKAN MAHASISWA BERDASARKAN NILAI UJIAN NASIONAL DAN IPK MENGGUNAKAN METODE K-MEANS Hartatik STMIK Amikom Manajemen Informatika STMIK AMIKOM Yogyakarta Jl. Ringroad Utara, Condong Catur, Depok,
Lebih terperinciBiaya Modal (Cost of Capital)
Bahan Ajar : Manajemen Keuangan II Digunakan untuk melengkai buku wajib Disusun oleh: Nila Firdausi Nuzula Biaya Modal (Cost of Caital) Caital Budgeting dan Cost of Caital (CoC) meruakan dua konse yang
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK PENDUGAAN MUTU. Sandra 1)
Alikasi Jaringan Syaraf Tiruan (Sandra) APLIKASI JARINGAN SYARAF TIRUAN UNTUK PENDUGAAN MUTU MANGGA SEGAR SECARA NON-DESTRUKTIF Sandra 1) 1) Staf Pengajar Fakultas Pertanian, Universitas Andalas Padang
Lebih terperinciBAB II LANDASAN TEORI. membentuk satu kesatuan. Pada sistematikanya, sistem informasi melakukan 3
BAB II LANDASAN TEORI 2.1 Sistem Informasi Sistem merupakan kumpulan 2 atau lebih bagian atau komponen yang saling terkait, berhubungan dan berinteraksi, yang artinya saling bekerja sama membentuk satu
Lebih terperinciStudent Clustering Based on Academic Using K-Means Algoritms
Student Clustering Based on Academic Using K-Means Algoritms Hironimus Leong, Shinta Estri Wahyuningrum Faculty of Computer Science, Faculty of Computer Science Unika Soegijapranata marlon.leong@gmail.com
Lebih terperinciDOSEN PEMBIMBING Chastine Fatichah, S.Kom, M.Kom MAHASISWA Yudis Anggara P. ( )
Sidang Tugas Akhir September 2009 Implementasi Metode Ant Colony Optimization untuk Pemilihan Fitur pada Kategorisasi Dokumen Teks DOSEN PEMBIMBING Chastine Fatichah, S.Kom, M.Kom MAHASISWA Yudis Anggara
Lebih terperinciSistem Informasi Penyebaran Penyakit Demam Berdarah Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation
Sistem Informasi Penyebaran Penyakit Demam Berdarah Menggunakan Metode Jaringan Syaraf Tiruan Backroagation Didi Suriyadi Program Studi Teknik Informatika Sekolah Tinggi Teknologi Telematika Telkom Purwokerto
Lebih terperinciABSTRACT. Keywords: arithmetic, cyclic group, GF(5 ), primitive polynomial, cryptography.
ABSTRACT AHMADI. The Construction of Arithmetic Algorithms GF(5 m ) Generated by Cyclic Grou Proerties. Suervised by SUGI GURITMAN and NUR ALIATININGTYAS. To construct a crytograhic algorithm, many arithmetic
Lebih terperinciKata kunci : Penjadwalan, Ant colony, Algoritma
PEMBANGUNAN APLIKASI PENJADWALAN KULIAH MENGGUNAKAN ALGORITMA ANT COLONY Hayi Akbar 1, Selvia Lorena Br Ginting,S.Si., MT 1,2 Jurusan Teknik Komputer Unikom, Bandung 1 hayi.akbar@gmail.com, 2 selvialorena@yahoo.com
Lebih terperinciPENGENALAN POLA KEPUASAN MAHASISWA TERHADAP KEGIATAN BELAJAR MENGAJAR (STUDI KASUS DI STMIK AKAKOM YOGYAKARTA) Abstrak
PENGENALAN POLA KEPUASAN MAHASISWA TERHADAP KEGIATAN BELAJAR MENGAJAR (STUDI KASUS DI STMIK AKAKOM YOGYAKARTA) Dini Fakta Sari Teknik Informatika STMIK AKAKOM Yogyakarta dini@akakom.ac.id Abstrak Tenaga
Lebih terperinciBAHAN AJAR DIKLAT GURU MATEMATIKA
BAHAN AJAR DIKLAT GURU MATEMATIKA DEPARTEMEN PENDIDIKAN NASIONAL DIREKTORAT JENDERAL PENDIDIKAN DASAR DAN MENENGAH DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN 005 Daftar Isi Kata Pengantar i Daftar Isi ii
Lebih terperinciIII. PEMBAHASAN. dimana, adalah proses Wiener. Kemudian, juga mengikuti proses Ito, dengan drift rate sebagai berikut: dan variance rate yaitu,
4 masing menyatakan drift rate dan variance rate dari. Untuk roses stokastik yang didefinisikan ada ruang robabilitas (Ω,, berlaku hal berikut: Misalkan adalah roses Wiener ada (Ω,,. Integral stokastik
Lebih terperinciTRANSFORMASI AFFIN PADA BIDANG
Jurnal Matematika Vol. No. November 03 [ : 8 ] TRANSFORMASI AFFIN PADA BIDANG Gani Gunawan dan Suwanda Program Studi Matematika, Fakultas MIPA, Universitas Islam Bandung Prgram Studi Statistika, Fakultas
Lebih terperinciAnalisa Pencarian Jarak Terpendek Lokasi Wisata di Provinsi Sumatera Utara Menggunakan Algoritma Ant Colony Optimization (ACO)
Analisa Pencarian Jarak Terpendek Lokasi Wisata di Provinsi Sumatera Utara Menggunakan Algoritma Ant Colony Optimization (ACO) Juanda Hakim Lubis Prorgram Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP
Media Informatika, Vol. 2, No. 2, Desember 2004, 75-81 ISSN: 0854-4743 ALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP Zainudin Zukhri, Shidiq Alhakim Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas
Lebih terperinciPENYELESAIAN MULTI-DEPOT MULTIPLE TRAVELING SALESMAN PROBLEM MENGGUNAKAN K-MEANS DAN ANT COLONY OPTIMIZATION
PENYELESAIAN MULTI-DEPOT MULTIPLE TRAVELING SALESMAN PROBLEM MENGGUNAKAN K-MEANS DAN ANT COLONY OPTIMIZATION Olief Ilmandira Ratu Farisi 1) dan Gulpi Qorik Oktagalu Pratamasunu 2) 1, 2) Jurusan Teknik
Lebih terperinciKAJIAN KONSEP RUANG NORMA-2 DENGAN DOMAIN PEMETAAN BERUPA RUANG BERDIMENSI HINGGA
Jurnal Matematika Murni dan Teraan εsilon Vol. 07, No.01, 013), Hal. 13 0 KAJIAN KONSEP RUANG NORMA- DENGAN DOMAIN PEMETAAN BERUPA RUANG BERDIMENSI HINGGA Wahidah 1 dan Moch. Idris 1, Program Studi Matematika
Lebih terperinciANALISIS KETERKAITAN DATA TRANSAKSI PENJUALAN BUKU MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA CENTROID LINKAGE HIERARCHICAL METHOD (CLHM)
ANALISIS KETERKAITAN DATA TRANSAKSI PENJUALAN BUKU MENGGUNAKAN ALGORITMA APRIORI DAN ALGORITMA CENTROID LINKAGE HIERARCHICAL METHOD (CLHM) Nurani 1, Hamdan Gani 2 1 nurani_nanni@yahoo.com, 2 hamdan.gani.inbox@gmail.com
Lebih terperinciAnalisis Faktor Faktor Yang Berpengaruh Pada Loyalitas Pelanggan Dengan Mengunakan Metode Jaringan Saraf Tiruan Untuk Pengambilan Keputusan Hotel XYZ
59 Analisis Faktor Faktor Yang Berengaruh Pada Loyalitas Pelanggan Dengan Mengunakan Metode Jaringan Saraf Tiruan Untuk Pengambilan Keutusan Hotel XYZ Wiwik Anggraeni, Jurusan Sistem Informasi ITS, Surabaya,
Lebih terperinci