PENGEMBANGAN MODEL AIRLINE ROSTERING SYSTEM MENGGUNAKAN METODE DIFFERENTIAL EVOLUTION
|
|
- Lanny Lesmono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENGEMBANGAN MODEL AIRLINE ROSTERING SYSTEM MENGGUNAKAN METODE DIFFERENTIAL EVOLUTION Andiek Sunarto 1), Budi Santosa 2), dan Arief Rahman 3) 1,2,3) Jurusan Teknik Industri, Institut Teknologi Sepuluh November (ITS) Surabaya Kampus ITS Sukolilo Surabaya andiek76@ie.its.ac.id, budi_s@ie.its.ac.id, dan rahmanarief@yahoo.com ABSTRAK Airline crew rostering merupakan masalah penugasan anggota kru pesawat kepada sejumlah rotasi/pairing yang telah direncanakan untuk bulan tertentu. Maskapai penerbangan mempunyai tugas untuk menyusun jadwal individual bulanan ( roster) bagi setiap anggota kru. Problem ini semakin kompleks dan rumit seiring dengan berkembangnya aspirasi/kriteria untuk menentukan kualitas roster yang baik dan meningkatnya fungsi kendala yang timbul dari aturan perusahaan maupun kebijakan pemerintah yang bertujuan untuk meningkatkan kenyamanan penumpang dan keamanan penerbangan. Paper ini mengusulkan metode differential evolution (DE) untuk memecahkan problem airline crew rostering. DE terdiri atas empat langkah utama yaitu, penentuan solusi awal, mutasi, crossover, dan seleksi. Ketepatan dalam menentuan parameter probabilitas mutasi dan crossover merupakan kunci sukses dari algoritma DE. Berbeda dengan penerapan DE pada umumnya, paper ini memperkenalkan random swap sebagai operator mutasi. Algoritma DE telah terbukti mampu menemukan solusi mendekati optimal dengan tingkat konvergensi yang cepat untuk problem optimasi. Melalui eksperimen numerik yang dilakukan dengan sejumlah dataset dari PT. Merpati Nusantara Airline, DE menunjukkan hasil yang lebih kompetitif dibandingkan dengan 2 metode lain, column generation dan MOSI. DE sangat baik untuk ukuran dataset kecil/sedang dan masih menunjukkan hasil yang baik untuk ukuran dataset yang besar. Kata kunci : Airline Rostering, Differential Evolution, Random Swap, Rotasi/pairing, Optimisasi PENDAHULUAN Dalam banyak industri, staff scheduling dan rostering adalah masalah atau tugas yang esensial, komplek dan merupakan multistage planning. Manusia dalah faktor paling kritis yang harus dikelola dan dimanfaatkan dengan baik dalam bisnis. Karena itu perencanaan yang benar dan cukup bijaksana dapat menyebabkan peningkatan produktivitas secara signifikan. Dalam industri airline, yang menjadi prioritas dari departemen human resource adalah pengembangan crew rostering plan (rencana jadwal penerbangan kru) yang mampu menghasilkan utilitas yang tinggi, yang dimaksud crew pesawat disini adalah awak kokpit (pilot dan co -pilot) dan awak kabin (pramugari). Dalam Anbil et al., diestimasikan bahwa optimization software yang sudah dikembangkan untuk airline bisa menghemat lebih dari US $ 20 million pertahun. Penghematan 1% dalam crew utilization bisa menghemat biaya yang cukup besar. Pada umumnya penyelesaian airline crew scheduling dilakukan dengan pendekatan dekomposisi (Chu, S.C.K, 2007; Lučić, P dan Teodorović, D, 1999) dengan cara membagi permasalahan menjadi dua bagian yaitu crew pairing untuk membentuk
2 initial feasible solution berupa rangkaian penerbangan yang berawal dan berakhir pada home base yang sama, dilanjutkan dengan crew rostering yaitu menugaskan pairing yang tersusun kepada crew yang ada berdasarkan kalender pribadinya. Pendekatan dekomposisi sangat efektif untuk menyelesaikan permasalahan dengan kompleksitas dan tingkat kesulitan yang tinggi. Banyak metode optimasi telah dikembangkan untuk menyelesaikan crew scheduling dengan tujuan untuk meningkatkan kualitas roster yang tersusun maupun memperbaiki computational time, misalkan simulated annealing (Lučić, P., dan Teodorić, D., 1999), genetic algorithm (Souai, N. and Thegem, J., 2009), tree search algorithm (Beasley, J.E. and Cao, B., 1996), hybrid genetic algorithm (Levine, D., 1996), dan GASA hybrid algorithm (Yinghui, Z., Yunbao, R., and Mingtian, Z., 2007). Riset ini akan memperkenalkan satu metode optimasi lagi untuk menyelesaikan airline crew rostering yaitu differential evolution. Metode ini merupakan evolusi dari genetic algorithm dengan mengganti operator string dan bit dengan floating points dan mengganti operator logika dengan operator matematis. Penggantian operator ini membuat metode differential evolution menjadi jauh lebih sederhana dan lebih mudah dalam pemakaian dibandingkan dengan genetic algorithm, dan diharapkan akan memperbaiki computational time dari genetic algorithm. Riset ini mengsumsikan bahwa pairing telah disediakan oleh maskapai penerbangan dan kru yang akan dijadwalkan rosternya adalah yang ber-home base di Surabaya. Ruang lingkup penleitian ini meliputi : (i) Penyusunan m odel mempertimbangkan single home base dan tipe armada campuran berdasarkan jenis dan ukuran pesawat. (ii) Roster yang disusun memuat roster crew cockpit (pilot dan copilot) dan cabin (pramugari) yang ber-home base di Surabaya. (iii) Pilot dan co-pilot memiliki kualifikasi menerbangkan pesawat tipe tertentu, sehingga tidak dijinkan menerbangkan pesawat dengan tipe lain, akan tetapi pramugari/awak kabin dapat terbang di setiap jenis pesawat. (iv) senioritas dan gaji per jam setiap anggota kru tidak dipertimbangkan dalam pembuatan roster. Dengan asumsi bahwa gaji per jam terbang dan senioritas sama maka biaya roster dapat diwakili dengan jam terbang aktual. METODOLOGI Pengembangan model matematis airline rostering system Model matematis yang disusun akan memuat aspirasi/kriteria-kriteria sebagai fungsi tujuan dan beberapa fungsi kendala. Fungsi tujuannya adalah multiobjective function yang terdiri atas jam terbang minimum, deviasi hari terbang, dan open time. Beberapa kendala yang harus dipertimbangkan dalam menyusun roster bulanan adalah tidak boleh overlap, kebutuhan pilot minimum setiap pairing, hari libur sebelum 7 hari penerbangan berturut-turut, jam terbang maksimum, hari terbang maksimum, dan jumlah takeoff maksimum. Pengumpulan data dan informasi Dataset dari PT. MNA digunakan untuk memvalidasi model dan beberapa informasi tambahan digunakan untuk meng-update model yang telah dibuat sehingga mencerminkan kondisi riil di PT. MNA. Dataset terdiri atas dataset ukuran kecil dan besar. Model yang dibuat akan dapat dilihat performansinya untuk setiap ukuran data set. Data yang terkumpul kemudian digunakan sebagai bahan untuk membuat parameter-parameter model yang akan digunakan pada ekseku program nantinya. A-8-2
3 Mengubah constrained model menjadi unconstrained model Seperti metode meta-heuristk lainya DE juga bekerja dengan model tanpa kendala, sehingga model matematis terkendala yang telah dibuat harus diubah menjadi persamaan tanpa kendala. Teknik yang digunakan untuk mentransformasikan constrained problem menjadi unconstrained problem adalah eksternal penalty function. Teknik ini akan memberikan penalty yang sangat besar ketika kendala dilanggar dan berusaha agar fungsi penalty menjadi 0. Pengembangan model DE Model DE dibuat sebagai algoritma untuk menyelesaikan problem rostering dalam penelitian ini. Tidak sama dengan aplikasi DE pada umumnya dalam penelitian ini diperkenalkan teknik random swap pada proses mutasi. DE bergerak dari solusi awal random sebanyak populasi tertentu dengan performansi kurang baik yang dirubah melalui proses mutasi dan crossover. Setiap iterasinya akan dipilih solusi terbaik sebagai induk dengan proses seleksi untuk membangkitkan solusi anak pada iterasi berikutnya. Pemrograman komputer Software yang digunakan untuk pemrograman komputer adalah matlab versi 6.5. pemrograman komputer perlu dilakukan karena problem restering adalah problem yang besar yang dalam penyelesaiannya membutuhkan ratusan sampai ribuan iterasi dan tidak mungkin dilakukan secara manual. Pemrograman dilakukan secara bertahap dengan memasukkan kendala satu-persatu ke dalam program dan me-running setiap kali untuk mengetahui bahwa program telah dibuat dengan benar. Setelah kendala dimasukkan semua baru fungsi tujuannya dimasukkan ke dalam program. Eksperimen dan analisa hasil Pada tahap ini akan ditampilkan hasil eksperimen dan dijelaskan kelebihan metode DE untuk airline rostering system dibandingkan dengan dua metode yang lainnya yaitu column generation dan MOSI. HASIL PENELITIAN DAN DISKUSI A. Percobaan Eksperimen dilakukan dengan dataset yang disediakan oleh PT. MNA. Dataset berupa pairing dan anggota kru untuk setiap jenis armada seperti ditunjukkan Tabel 1. Tabel 1 Karekteristik Data Percobaan Nilai probabilitas mutasi terbaik, cm = 0.1 dan probabilitas crossover, cr = 0.5. Penalty kendala overlap dan rotasi tanpa free day diambil 10 15, penalty kendala kebutuhan pilot 10 13, penalty day off sebesar 10 11, sedangkan kendala hari terbang, jam A-8-3
4 terbang, dan jumlah take off mendapat penalty Bobot fungsi obyektif dipilih 10 4 untuk jam terbang minimum, 100 utuk deviasi hari terbang dan 1 untuk open time. Dataset dibagi dalam dua kelompok berdasarkan ukurannya yaitu dataset kecil dan besar. Dataset kecil terdiri atas penugasan pilot F-100, CN-235, DHC-6, dan Cassa 212. Sedangkan dataset besar terdiri atas penugasan pilot Boeing dan penugasan awak kabin pesawat Boeing Contoh output model untuk pesawat Cassa 212 ditunjukaan oleh Tabel 2. Tabel 2 Ouput Penugasan Pilot Cassa 212 pada Pairing yang Disediakan Ouput bernilai 1 berarti pilot-i ditugaskan pada pairing-j, dan output 0 berarti pilot-i tidak ditugaskan pada pairing-j. Roster/jadwal individual dapat dibuat dengan menggunakan output dari model, data hari keberangkatan pairing, dan duty period pairing. Tabel 3 menunjukkan penjadwalan pilot Cassa 212 berdasarkan output model pada Tabel 2. Tabel 3 Roster untuk Pilot Pesawat Cassa 212 A-8-4
5 B. Analisa hasil Hasil eksperimen menunjukkan bahwa metode DE, column generation, dan MOSI memberikan performansi yang sama dalam hal pemenuhan kendala roster, keculai untuk pesawat Cassa 212. Pada penugasan pesawat Cassa 212 metode DE tidak melanggar kendala kebutuhan pilot ideal sedangkan metode column generation dan MOSI melanggar kendala ini, yaitu hanya menugaskan 1 pilot pada pairing 8981 sedangkan kebutuhan pilot sebenarnya adalah 2 orang pilot. Pada kriteria jam terbang minimum DE inferior hanya pada penugasan Cassa 212 sedangkan untuk ketiga pesawat lain sama seperti ditunjukkan Tabel 2. Tabel 4 Total jam Terbang Ketiga Metode Pada kriteria deviasi hari terbang metode DE superior di tiga jenis pesawat dan inferior dibandingkan MOSI pada pesawat Cassa 212 seperti ditunjukkan Tabel 3. Tabel 5 Total Deviasi Hari Terbang Tiga Metode Sedangkan pada kriteria open time DE menunjukkan hasil yang superior dibandingkan kedua metode lainnya pada penugasan Cassa 212 seperti ditunjukkan Tabel 4. Tabel 6 Open Time Setiap Metode Rostering Dataset untuk penugasan pilot dan awak kabin jenis Boeing berukuran sangat besar (17 pilot dengan 82 pairing) sehingga akan membutuhkan iterasi, jumlah A-8-5
6 populasi, dan waktu komputasi yang sangat besar untuk mendapat solusi near optimal jika diselesaikan langsung dengan algoritma DE pada umumnya. Penelitian ini mengusulkan metode berurutan antara partial optimization dan total optimization. Pada partial optimization dataset dipecah menjadi beberapa kelompok dan diselesaikan dengan metode DE. Pada kasus rostering pilot Boeing permasalahan dipecah menjadi 3 kelompok. Kemudian solusi dari ketiga kelompok ini digabung menjadi satu sebagai solusi awal untuk total optimization. Dengan solusi awal yang telah mendekati optimal membuat proses pada total optimisasi lebih efisien. Pada penugasan pilot dan awak kabin Boeing ketiga metode melanggar kendala jumlah kebutuhan pilot ideal. Metode DE tidak melanggar kendala hari terbang, sedangkan kedua metode lain melanggar kendala ini, tercatat 6 pilot dan 6 awak kabin ditugaskan melebihi batas hari terbang per bulan maksimum 21 hari. Sedangkan 7 pilot dan 7 awak kabin ditugaskan melebihi batas hari terbang per bulan oleh MOSI. Tabel 5 menunjukkan pelanggaran kendala roster oleh ketiga metode. Tabel 7 Pelanggaran Kendala pada Penugasan Pilot dan Awak Kabin Boeing Pada penugasan pilot Boeing , metode DE superior pada kriteria minimum jam terbang, tetapi inferior pada kriteria deviasi hari terbang dan open time seperti ditunjukkan Tabel 6. Tabel 8 Kualitas Roster Penugasan Pilot Boeing Penugasan awak Boeing menghasilkan kualitas roster yang berbeda dengan penugasan pilot. Metode DE superior pada kriteria deviasi hari terbang tetapi inferior pada kriteria jam terbang minimum dan open time minimum seperti ditunjukkan Tabel 7. A-8-6
7 Tabel 9 Kualitas Roster Penugasan Awak Boeing KESIMPULAN Permasalahan penjadwalan roster PT. MNA secara umum memiliki karakteristik yang tidak berbeda dengan maskapai penerbangan lain dalam hal kriteria performansi dan kendala roster. Pemilihan probabilitas mutasi dan crossover merupakan kunci sukses penerapan DE, terpilih cm = 0.1 dan cr = 0.5 sebagai kombainasi terbaik. Berbeda dengan penerapan DE secara umum, karena variabel keputusanya biner, pada paper ini diperkenalkan random swap sebagai operator mutasi. Untuk dataset berukuran kecil DE membuktikan lebih kompetitif dibandingkan kedua metode baik dari pemenuhan kendala roster maupun kualitas roster. Sedangakan pada dataset berukuran besar, metode DE memberikan pemenuhan kendala roster lebih baik dan sama baik dalam kualitas roster dibandingkan metode column generation dan MOSI. DAFTAR PUSTAKA Andiek, S., Santosa, B., and Rahman, A. (2010). Pengembangan model airline rostering system menggunakan metode differential evolution. Tesis. Box, M. J. (1965). A new method of constrained optimization and a comparison with other methods. Computer journal, Vol. 8, No. 1, pp Fahle, T., U. Junker, S.E. Karisch, N. Kohl, M. Sellmann, and B. Vaaben. (2002). Constraint Programming Based Column Generation for Crew Assignment. Journal of Heuristics 8(1), Fox, R.L. (1971). Optimization Methods for Engineering Design. Addison-Wesley, Reading, Mass. Kennet, V., Rainer, M., and Jouni, A. (2005 ). Differential Evolution : A practical approach to global optimization. Springer-Verlag, Berlin, Germany. Labiba, Z. (2006). Penjadwalan roster kru pesawat dengan metode column generation : studi kasus di PT. Merpati Nusantara Airlines. Tesis. Levine, D., (1996). Application of a hybrid genetic algorith m to airline crew scheduling. Compputer Operations Research, volume 23, no. 6, pp Lučić, P. and Teodorović, D. (1999). Simulated annealing for the multi -objective aircrew rostering problem. Transportation Research Part A 33, A-8-7
8 Medard, C. P. and Sawhney, N., (2005). Airline crew scheduling from planning to operation. European Journal of Operational Research 183, Sellmann, M., K. Zervoudakis, P. Stamatopoulos, and T. Fahle. (2002). Crew Assignment via Constraint Programming: Integrating Column Generation and Heuristic Tree Search. Annals of Operations Research 115, Souai, N. and Thegem, J. (2009). Genetic algorithm based approach for the integrated airline crew-pairing and rostering problem. European Journal of Operational Research 199, Wood, D. C.(1969), A Technique for Colouring a Graph Application to Large Scale Timetabling Problem, The Computer Journal, 12, Yinghui, Z., Yunbao, R., and Mingtian, Z., (2007). GASA hybrid algorithm applied in airline crew rostering system. Tsinghua Science and Thechnology ISSN /49 pp , volume 12, number S1. A-8-8
PERBANDINGAN PERFORMANSI ALGORITMA CROSS ENTROPY DAN ALGORITMA DIFFERENTIAL EVOLUTION DALAM PENYELESAIAN PERMASALAHAN CREW ROSTERING
PERBANDINGAN PERFORMANSI ALGORITMA CROSS ENTROPY DAN ALGORITMA DIFFERENTIAL EVOLUTION DALAM PENYELESAIAN PERMASALAHAN CREW ROSTERING Maria Krisnawati, Budi Santosa, Ahmad Rusdiansyah Jurusan Teknik Industri,
Lebih terperinciPERBANDINGAN PERFORMANSI METODE METAHEURISTIK DALAM PENYELESAIAN PROBLEM AIRLINE CREW ROSTERING
PERBANDINGAN PERFORMANSI METODE METAHEURISTIK DALAM PENYELESAIAN PROBLEM AIRLINE CREW ROSTERING Farida Indriana dan Budi Santosa Jurusan Teknik Industri Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciOPTIMASI NURSE SCHEDULING PROBLEM
OPTIMASI NURSE SCHEDULING PROBLEM Disusun Oleh Aditya Pratama H (2510100111) Pembimbing Prof. Ir. Budi Santosa, M.S., Ph.D Pendahuluan Latar Belakang Perumusan Masalah Batasan & Asumsi Penjadwalan Proses
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 terperinciPENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION
PENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION Fiqihesa Putamawa 1), Budi Santosa 2) dan Nurhadi Siswanto 3) 1) Program Pascasarjana
Lebih terperinciPengembangan Model Pengelolaan Pendapatan Pengangkutan Kargo Udara berdasarkan Pengendalian Ruang Kargo dan Overbooking Limit
JURNAL TEKNIK POMITS Vol. 1, No. 1, (212) 1-5 1 Pengembangan Model Pengelolaan Pendapatan Pengangkutan Kargo Udara berdasarkan Pengendalian Ruang Kargo dan Overbooking Limit Arfini Alivia Dewanty dan Ahmad
Lebih terperinciAplikasi Algoritma Differential Evolution Untuk Permasalahan Kompleks Pemilihan Portofolio
Aplikasi Algoritma Differential Evolution Untuk Permasalahan Kompleks Pemilihan Portofolio Disusun Oleh: Irmaduta Fahmiari 2506 100 077 Dosen Pembimbing: Ir. Budi Santosa, M.S., Ph.D INVESTASI ALOKASI
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 terperinciPENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 1 9 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL MULIA AFRIANI KARTIKA
Lebih terperinciBlending Agregat Menggunakan Algoritma Genetika
JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 212) ISSN: 231-9271 D-113 Blending Menggunakan Algoritma Genetika Yeni Rochsianawati, PujoAji dan Januarti Jaya Ekaputri Jurusan Teknik Sipil, Fakultas Teknik Sipil
Lebih terperinciKONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN
Jurnal Teknik dan Ilmu Komputer KONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN (Binary Genetic Algorithm Concept to Optimize Course Timetabling) Iwan Aang Soenandi
Lebih terperinciPenjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Jurnal Telematika, vol.9 no.1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-251 Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Lebih terperinciAlgoritma Modified Simulated Annealing untuk Menyelesaikan Airport Gate Assignment Problem (Studi Kasus Bandara Soekarno-Hatta)
Disusun Oleh : Siti Dwi Rahmawati NRP 2510100144 Pembimbing : Prof. Ir. Budi Santosa, M.S., Ph.D NIP 19690512 199402 1001 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH
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 terperinciALGORITMA MODIFIED SIMULATED ANNEALING UNTUK MENYELESAIKAN AIRPORT GATE ASSIGNMENT PROBLEM STUDI KASUS BANDARA SOEKARNO-HATTA
1 ALGORITMA MODIFIED SIMULATED ANNEALING UNTUK MENYELESAIKAN AIRPORT GATE ASSIGNMENT PROBLEM STUDI KASUS BANDARA SOEKARNO-HATTA Siti Dwi Rahmawati, Prof. Ir. Budi Santosa, M.S., Ph.D Jurusan Teknik Industri,
Lebih terperinciKOMBINASI ALGORITMA DIFFERENTIAL EVOLUTION DENGAN ITERATED GREEDY UNTUK PERMASALAHAN TRAVELING SALESMAN PROBLEM (TSP)
KOMBINASI ALGORITMA DIFFERENTIAL EVOLUTION DENGAN ITERATED GREEDY UNTUK PERMASALAHAN TRAVELING SALESMAN PROBLEM (TSP) Ong Andre Wahju Riyanto * ABSTRAKSI Penelitian ini ditujukan untuk memperbaiki kelemahan
Lebih terperinciPendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner
Vol. 7, 2, 108-117, Januari 2011 Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner Jusmawati Massalesse Abstrak Tulisan ini dimaksudkan untuk memperlihatkan proses
Lebih terperinciSWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm
Lebih terperinciProsiding Seminar Nasional Manajemen Teknologi XIV Program Studi MMT-ITS, Surabaya 23 Juli 2011
PENGEMBANGAN ALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENYELESAIAN PERMASALAHAN VEHICLE ROUTING PROBLEM SIMULTANEOUS DELIVERIES PICK-UP WITH TIME WINDOWS (VRPSDPTW) Heri Awalul, Budi Santosa, Stefanus Eko
Lebih terperinciAlgoritma Cross Entropy Untuk Optimalisasi Penjadwalan Pertandingan Kompetisi Liga Super Indonesia. Andhika Eko Prasetyo
Algoritma Cross Entropy Untuk Optimalisasi Penjadwalan Pertandingan Kompetisi Liga Super Indonesia Andhika Eko Prasetyo Latar Belakang 1. Struktur dari Kompetisi Liga Super. 2. Geografis Indonesia yang
Lebih terperinciDosen Pembimbing : Ir. Budi Santosa, M.S., Ph.D Oleh : Sas Wahid Hamzah
Artificial Immune System untuk Penyelesaian Vehicle Routing Problem with Time Windows Dosen Pembimbing : Ir. Budi Santosa, M.S., Ph.D Oleh : Sas Wahid Hamzah 2507100054 Pendahuluan Pendahuluan Fungsi Objektif
Lebih terperinciISSN VOL. 12, NO. 2, OKTOBER 2011
ANALISIS OPTIMASI PENJADWALAN JAGA DOKTER RESIDEN PENYAKIT DALAM PADA RUMAH SAKIT PENDIDIKAN Erlanie Sufarnap 1, Sudarto 2 STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 airlanee@yahoo.com 1,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pertumbuhan ekonomi dan perkembangan teknologi suatu daerah mengakibatkan kebutuhan tenaga listrik akan semakin meningkat, baik yang berhubungan dengan bidang industri,
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 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 terperinciPENJADWALAN TRUK PADA SISTEM CROSS DOCKING DENGAN PENYIMPANAN SEMENTARA DENGAN ALGORITMA HYBRID CROSS ENTROPY GENETIC ALGORITHM
PENJADWALAN TRUK PADA SISTEM CROSS DOCKING DENGAN PENYIMPANAN SEMENTARA DENGAN ALGORITMA HYBRID CROSS ENTROPY GENETIC ALGORITHM PENELITI : Pristi Dwi Puspitasari 2507 100 003 DOSEN PEMBIMBING : Ir. Budi
Lebih terperinciAnalisis Komparasi Genetic Algorithm dan Firefly Algorithm pada Permasalahan Bin Packing Problem
Analisis Komparasi Genetic Algorithm dan Firefly Algorithm pada Permasalahan Bin Packing Problem Adidtya Perdana Sekolah Tinggi Teknik Harapan Medan Jl. H.M. Jhoni No. 70 C Medan adid.dana@gmail.com Abstrak
Lebih terperinciBab 2. Regulasi Aircrew. 2.1 Peraturan Terbang Homebase Lisensi Pilot
Bab 2 Regulasi Aircrew PT. Garuda Indonesia (Persero) mempunyai peraturan - peraturan kerja untuk setiap crew yang harus dipenuhi sebelum membuat jadwal kerja crew. Peraturan- peraturan kerja ini merupakan
Lebih terperinciPENELITI : Fiqihesa Putamawa
PENGEMBANGAN ALGORITMA BEE SWARM OPTIMIZATION UNTUK PENYELESAIAN CONTAINER STOWAGE PROBLEM PENELITI : Fiqihesa Putamawa 2507 100 064 DOSEN PEMBIMBING : Ir. Budi Santosa, M.S., Ph.D Contents PENDAHULUAN
Lebih terperinciPENERAPAN EVOLUTIONARY ALGORITHM PADA PENJADWALAN PRODUKSI (Studi Kasus di PT Brother Silver Product Indonesia)
PENERAPAN EVOLUTIONARY ALGORITHM PADA PENJADWALAN PRODUKSI (Studi Kasus di PT Brother Silver Product Indonesia) I Gede Agus Widyadana Dosen Fakultas Teknologi Industri, Jurusan Teknik Industri Universitas
Lebih terperinciMATLAB UNTUK STATISTIKA & TEKNIK OPTIMASI Aplikasi untuk Rekayasa & Bisnis
MATLAB UNTUK STATISTIKA & TEKNIK OPTIMASI Aplikasi untuk Rekayasa & Bisnis Oleh : Budi Santosa Edisi Pertama Cetakan Pertama, 2008 Hak Cipta 2008 pada penulis, Hak Cipta dilindungi undang-undang. Dilarang
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 terperinciPERENCANAAN SUMBER DAYA PADA PROYEK DENGAN MENGGUNAKAN METODE ANT COLONY
PERENCANAAN SUMBER DAYA PADA PROYEK DENGAN MENGGUNAKAN METODE ANT COLONY Niken A. Savitri, I Nyoman Pujawan, Budi Santosa Jurusan Teknik Industri, Fakultas Teknologi Industri Institut Teknologi Sepuluh
Lebih terperinciBAB 6 KESIMPULAN DAN SARAN
BAB 6 KESIMPULAN DAN SARAN 6.1. Kesimpulan Berdasarkan hasil penelitian dan analisis data yang telah dilakukan, maka penulis dapat mengambil kesimpulan sebagai berikut : a. Representasi kromosom yang digunakan
Lebih terperinciBAB 1. PENDAHULUAN. 1.1 Latar Belakang
BAB 1. PENDAHULUAN 1.1 Latar Belakang Sejalan dengan tuntutan persaingan bisnis, banyak perusahaan menyadari bahwa keunggulan teknologi dan produk yang dihasilkan semata tidak lagi dapat diandalkan menjadi
Lebih terperinciTEKNIK Vol. V, No. 2 PERBANDINGAN PERFORMANSI ALGORITMA CROSS ENTROPY (CE) DINAMIKA DAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) PADA
53 PERBANDINGAN PERFORMANSI ALGORITMA CROSS ENTROPY (CE) DINAMIKA DAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) PADA TEKNIK Vol. V, No. 2 PENYELESAIAN PERMASALAHAN FLOWSHOP SCHEDULING Dosen Fakultas
Lebih terperinciPREPROCESSING DATA DAN REPRESENTASI ORGANISME ALGORITMA SYMBIOTIC ORGANISMS SEARCH PADA PERMASALAHAN PENJADWALAN PRAKTIKUM PERGURUAN TINGGI
PREPROCESSING DATA DAN REPRESENTASI ORGANISME ALGORITMA SYMBIOTIC ORGANISMS SEARCH PADA PERMASALAHAN PENJADWALAN PRAKTIKUM PERGURUAN TINGGI Hendrawan Armanto 1), C. Pickerling 2), Eka Rahayu Setyaningsih
Lebih terperinciUniversitas Bina Nusantara
Universitas Bina Nusantara Teknik Industri Sistem Informasi Skripsi Sarjana Program Ganda Semester Ganjil 2005 / 2006 Analisis dan Perancangan Sistem Penjadwalan Awak Pesawat Dengan Optimalisasi Periode
Lebih terperinciKata Kunci - Ship Scheduling and Assignment, NP - Hard Problem, Metode Meta-heuristik, Simple Iterative Mutation Algoritm, Minimum requirement draft
1 Pengembangan Simple Iterative Mutation Algorithm (SIM-A) untuk Menyelesaikan Permasalahan Ship Scheduling and Assignment (Studi Kasus: Distribusi Semen Curah Pada PT. X) Ketut Hendra Harianto, Nyoman
Lebih terperinciTUGAS AKHIR Pengembangan Algoritma Simulated Annealing pada Permasalahan Hybrid Flowshop Scheduling untuk Minimasi Makespan
SIDANG TUGAS AKHIR Pengembangan Algoritma Simulated Annealing pada Permasalahan Hybrid Flowshop Scheduling untuk Minimasi Makespan dan Total Tardiness Peneliti Pembimbing : Ainur Rofiq : Prof. Ir. Budi
Lebih terperinciALGORITMA GENETIKA; Teori dan Aplikasi Edisi 2, oleh Dr. Eng. Admi Syarif Hak Cipta 2014 pada penulis GRAHA ILMU Ruko Jambusari 7A Yogyakarta 55283 Telp: 0274-889398; Fax: 0274-889057; E-mail: info@grahailmu.co.id
Lebih terperinciPENYELESAIAN PERMASALAHAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN ALGORITMA DIFFERENTIAL EVOLUTION
PENYELESAIAN PERMASALAHAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN ALGORITMA DIFFERENTIAL EVOLUTION Heri Awalul Ilhamsah Jurusan Teknik Industri Universitas Trunojoyo Email: hilhamsah@gmail.com ABSTRAK
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004 Penyelesaian Masalah Penugasan dengan Algoritma Genetika Zainudin Zukhri Jurusan Teknik Informatika, Fakultas Teknologi Industri,
Lebih terperinciPENGEMBANGAN ALGORITMA CROSS ENTROPY- GENETIC ALGORITHM UNTUK MENYELESAIKAN CAPACITATED LOCATION- ROUTING PROBLEM
PENGEMBANGAN ALGORITMA CROSS ENTROPY- GENETIC ALGORITHM UNTUK MENYELESAIKAN CAPACITATED LOCATION- ROUTING PROBLEM M. Firdias Aulia Baskoro W. 1, *), Budi Santosa 2), Yudha Prasetyawan 3) 1) Pasca Sarjana
Lebih terperinciBAB 1 PENDAHULUAN. gegap gempita. Peta dunia industri penerbangan dalam negeri pun berubah.
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Sejak pemerintah mengeluarkan deregulasi ijin operator penerbangan tiga tahun lalu, beberapa pengusaha di Indonesia menyambutnya dengan gegap gempita. Peta
Lebih terperinciABSTRAK. Job shop scheduling problem merupakan salah satu masalah. penjadwalan yang memiliki kendala urutan pemrosesan tugas.
ABSTRAK Job shop scheduling problem merupakan salah satu masalah penjadwalan yang memiliki kendala urutan pemrosesan tugas. Pada skripsi ini, metode yang akan digunakan untuk menyelesaikan job shop scheduling
Lebih 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 GENETIC ALGORITHM DENGAN SIMULATED ANNEALING UNTUK MULTIPLE DEPOT CAPACITATED VEHICLE ROUTING PROBLEM
OPTIMASI GENETIC ALGORITHM DENGAN SIMULATED ANNEALING UNTUK MULTIPLE DEPOT CAPACITATED VEHICLE ROUTING PROBLEM Aditya Permana 1, Mahmud Dwi Sulistiyo 2, Gia Septiana Wulandari 3 1,2,3 Prodi S1 Teknik Informatika,
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 Mahendrawathi Er, Ph.D, Danu Pranantha, ST, M.Sc,
Lebih terperinciPERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP)
PERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP) Rezki Susan Ardyati dan Dida D. Damayanti Program Studi Teknik Industri Institut Teknologi
Lebih terperinciPENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH
Penjadwalan Operasional Pembangkit Berbasis Algoritma Genetik (Dwi Ana dkk) PENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH Rahmanul Ikhsan 1,
Lebih terperinciPENERAPAN ALGORITMA HARMONY SEARCH DALAM PENYELESAIAN RESOURCE-CONSTRAINED PROJECT SCHEDULING PROBLEM
PENERAPAN ALGORITMA HARMONY SEARCH DALAM PENYELESAIAN RESOURCE-CONSTRAINED PROJECT SCHEDULING PROBLEM Peneliti Dosen Pembimbing : Achmad Setiawan NRP. 2506100136 : Ir. Budi Santosa, M.Sc., Ph.D NIP. 132
Lebih terperinciBAB I PENDAHULUAN. jumlah ketersediaan yang semakin menipis dan semakin mahal, membuat biaya
BAB I PENDAHULUAN 1.1 Latar Belakang Pembangkit Listrik di Indonesia pada umumnya merupakan pembangkit listrik thermal. Kebutuhan pembangkit thermal terhadap bahan bakar fosil dengan jumlah ketersediaan
Lebih terperinciMODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER
MODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER Amiluddin Zahri Dosen Universtas Bina Darma Jalan Ahmad Yani No.3 Palembang Sur-el: amiluddin@binadarma.ac.id
Lebih terperinciIMPLEMENTASI SELF-ADAPTIVE DIFFERENTIAL EVOLUTION WITH NEIGHBORHOOD SEARCH (SANSDE) UNTUK OPTIMASI SISTEM POMPA AIR
IMPLEMENTASI SELF-ADAPTIVE DIFFERENTIAL EVOLUTION WITH NEIGHBORHOOD SEARCH (SANSDE) UNTUK OPTIMASI SISTEM POMPA AIR Isnani Pramusinto 1 1 Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas
Lebih terperinciIMPLEMENTASI METODE HEURISTIK DAN SIMULASI UNTUK MENYEIMBANGKAN LINI PERAKITAN LAMPU
IMPLEMENTASI METODE HEURISTIK DAN SIMULASI UNTUK MENYEIMBANGKAN LINI PERAKITAN LAMPU Septian Andrew Susanto 1) dan Nurhadi Siswanto 2) 1) Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember, Surabaya,
Lebih terperinciMERANCANG MODEL PENJADWALAN SHIFT KERJA RESEPSIONIS HOTEL DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING (Studi Kasus: Swiss BelHotel Palu)
JIMT Vol. 10 No. 1 Juni 201 (Hal. 55 64) Jurnal Ilmiah Matematika dan Terapan ISSN : 2450 766X MERANCANG MODEL PENJADWALAN SHIFT KERJA RESEPSIONIS HOTEL DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING (Studi
Lebih terperinciBab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
Lebih terperinciPELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 65-72 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE
Lebih terperinciOPTIMASI PENJADWALAN SUMBER DAYA DENGAN METODE ALGORITMA GENETIK TESIS MAGISTER OLEH: DEDE SUMIRTO PEMBIMBING: DR.IR. BIEMO W.
OPTIMASI PENJADWALAN SUMBER DAYA DENGAN METODE ALGORITMA GENETIK TESIS MAGISTER OLEH: DEDE SUMIRTO PEMBIMBING: DR.IR. BIEMO W. SOEMARDI BIDANG MANAJEMEN DAN REKAYASA KONSTRUKSI DEPARTEMEN TEKNIK SIPIL
Lebih terperinciBAB 4 METODOLOGI PEMECAHAN MASALAH Model Rumusan Masalah dan Pengambilan Keputusan
BAB 4 METODOLOGI PEMECAHAN MASALAH 4.1. Model Rumusan Masalah dan Pengambilan Keputusan Biaya awak pesawat adalah biaya kedua terbesar yang harus dikeluarkan oleh suatu perusahaan penerbangan setelah biaya
Lebih terperinciPeramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika
Peramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika M. Syafrizal, Luh Kesuma Wardhani, M. Irsyad Jurusan Teknik Informatika - Universitas Islam Negeri Sultan Syarif Kasim Riau
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 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 terperinciPenjadwalan Dinas Pegawai Menggunakan Algoritma Genetika Pada PT Kereta Api Indonesia (KAI) Daerah Operasi 7 Stasiun Besar Kediri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 11, November 2018, hlm. 4371-4376 http://j-ptiik.ub.ac.id Penjadwalan Dinas Pegawai Menggunakan Algoritma Genetika
Lebih terperinciFUNGSI GRIEWANK DAN PENENTUAN NILAI OPTIMUMNYA MENGGUNAKAN ALGORITMA STROBERI. Tri Nadiani Solihah
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 FUNGSI GRIEWANK DAN PENENTUAN NILAI OPTIMUMNYA MENGGUNAKAN ALGORITMA STROBERI Tri Nadiani Solihah trinadianisolihah@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 terperinciOptimasi Tata Letak Semi Dinamis Raw Material Fast Moving Pada Gudang Dengan Pendekatan Matematis
JURNAL TEKNIK (2014) - 1 Optimasi Tata Letak Semi Dinamis Raw Material Fast Moving Pada Gudang Dengan Pendekatan Matematis Abdan Sakur Ad hani, Budi Santosa Jurusan Teknik Industri, Fakultas Teknologi
Lebih terperinciPENYELESAIAN NURSE ROSTERING PROBLEM (NRP) MENGGUNAKAN CUCKOO SEARCH (CS)
PENYELESAIAN NURSE ROSTERING PROBLEM (NRP) MENGGUNAKAN CUCKOO SEARCH (CS) Andi Hutami Endang Dosen Jurusan Teknik Informatika Fakultas Sains & Teknologi UIN Alauddin Makassar Email : hutamiendang@gmail.com
Lebih terperinciBAB 2 KAJIAN PUSTAKA. Menurut Asghar (2000), secara garis besar masalah optimisasi terbagi dalam beberapa tipe berikut:
BAB 2 KAJIAN PUSTAKA 2.1 Masalah Optimisasi dan Program Non Linier Menurut Asghar (2000), secara garis besar masalah optimisasi terbagi dalam beberapa tipe berikut: 1. Masalah optimisasi tanpa kendala.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Indonesia merupakan negara yang luas yang terdiri dari banyak pulau.
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan negara yang luas yang terdiri dari banyak pulau. Kondisi geografis yang sedemikian rupa menyebabkan alat-alat transportasi baik transportasi darat,
Lebih terperinciPENGEMBANGAN ALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENJADWALAN FLOW SHOP MULTI OBYEKTIF DENGAN BANYAK MESIN ABSTRAK
PENGEMBANGAN ALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENJADWALAN FLOW SHOP MULTI OBYEKTIF DENGAN BANYAK MESIN Rudi Nurdiansyah Jurusan Teknik Industri, Fakultas Teknologi Industri, Institut Teknologi Sepuluh
Lebih terperinciDenny Hermawanto
Algoritma Genetika dan Contoh Aplikasinya Denny Hermawanto d_3_nny@yahoo.com http://dennyhermawanto.webhop.org Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan
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 terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Listrik pada abad ini sudah merupakan kebutuhan primer yang tidak bisa tergantikan. Karena pentingnya listrik ini, sistem yang menyuplai dan mengalirkan listrik ini
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Dalam beberapa tahun terakhir ini, peranan algoritma genetika terutama untuk masalah optimisasi, berkembang dengan pesat. Masalah optimisasi ini beraneka ragam tergantung dari bidangnya. Dalam
Lebih terperinciBAB 2 GAMBARAN UMUM PERUSAHAAN. kita baru saja membenahi kondisi perekonomian yang cukup pelik,
BAB 2 GAMBARAN UMUM PERUSAHAAN 2.1. Sejarah dan Perkembangan Perusahaan PT. Mandala Airlines didirikan pada tanggal 17 April 1969 saat negara kita baru saja membenahi kondisi perekonomian yang cukup pelik,
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 III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Pada bab ini akan diuraikan mengenai alur atau langkah-langkah yang dilakukan dalam pengerjaan tugas akhir ini. Permasalahan pemilihan lintasan penerbangan antara dua kota
Lebih terperinciPEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM
PEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM Syafiul Muzid Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia, Yogyakarta E-mail:
Lebih terperinciAlgoritma Greedy untuk Penjadwalan Penerbangan di Gerbang - Gerbang Bandara
Algoritma Greedy untuk Penjadwalan Penerbangan di Gerbang - Gerbang Bandara Robertus Theodore-13509008 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciOPERATION RESEARCH-1
OPERATION RESEARCH-1 Prof.Dr.H.M.Yani Syafei,MT MATERI PERKULIAHAN 1.Pemrograman Linier (Linear Programming) Formulasi Model Penyelesaian dengan Metode Grafis Penyelesaian dengan Algoritma Simplex Penyelesaian
Lebih terperinciDynamic Economic Dispatch Menggunakan Pendekatan Penelusuran Ke Depan
1 Dynamic Economic Dispatch Menggunakan Pendekatan Penelusuran Ke Depan Sheila Fitria Farisqi, Rony Seto Wibowo dan Sidaryanto Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh
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 I PENDAHULUAN 1.2 Latar Belakang
BAB I PENDAHULUAN 1.2 Latar Belakang Program kepaniteraan klinik merupakan suatu bagian penting dalam sistem pendidikan kedokteran, program kepaniteraan klinik yaitu suatu periode pendidikan kedokteran
Lebih terperinciALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB-SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI
ALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB-SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI Nama Mahasiswa : Rahmawati Erma.S. NRP : 1208100030 Jurusan : Matematika Dosen Pembimbing : 1. Subchan, M.Sc, Ph.D
Lebih terperinciProsiding ISSN : Algoritma Penjadwalan Perkuliahan dengan Kasus Team Teaching dengan Metode Vertex Coloring Graph
Algoritma Penjadwalan Perkuliahan dengan Kasus Team Teaching dengan Metode Vertex Coloring Graph Nelly Oktavia Adiwijaya a, Slamin b a Program Studi Sistem Informasi Universitas Jember Jl. Kalimantan 37
Lebih terperinciAnalisis Aplikasi Algoritma Genetika Untuk Pencarian Nilai Fungsi Maksimum Djunaedi Kosasih 1) Rinaldo 2)
Analisis Aplikasi Algoritma Genetika Untuk Pencarian Nilai Fungsi Maksimum Djunaedi Kosasih 1) Rinaldo 2) Abstrak Algoritma genetika yang pertama kali diperkenalkan secara terpisah oleh Holland dan De
Lebih terperinciPENERAPAN METODE SIMULATED ANNEALING UNTUK PENJADWALAN JOB SHOP PADA MESIN PABRIK
PENERAPAN METODE SIMULATED ANNEALING UNTUK PENJADWALAN JOB SHOP PADA MESIN PABRIK Hanafi Agam 1, Arna Fariza 2, Ira Prasetyaningrum 2 Mahasiswa Jurusan Teknik Informatika 1, Dosen Pembimbing 2 Politeknik
Lebih terperinciERWIEN TJIPTA WIJAYA, ST.,M.KOM
ERWIEN TJIPTA WIJAYA, ST.,M.KOM DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk
Lebih terperinciPenerapan Algoritma Genetika dalam Job Shop Scheduling Problem
Penerapan Algoritma Genetika dalam Job Shop Scheduling Problem Haris Sriwindono Program Studi Ilmu Komputer Universitas Sanata Dharma Paingan, Maguwoharjo, Depok Sleman Yogyakarta, Telp. 0274-883037 haris@staff.usd.ac.id
Lebih terperinciPERANCANGAN ALAT BANTU PENGAMBILAN KEPUTUSAN UNTUK PENENTUAN JUMLAH DAN RUTE ARMADA PESAWAT TERBANG
PERANCANGAN ALAT BANTU PENGAMBILAN KEPUTUSAN UNTUK PENENTUAN JUMLAH DAN RUTE ARMADA PESAWAT TERBANG Fadhilatul Azizah, Ahmad Rusdiansyah, Niniet Indah A. Jurusan Teknik Industri Institut Teknologi Sepuluh
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 terperinciPemaksimalan Papan Sirkuit Di Pandang Sebagai Masalah Planarisasi Graf 2-Layer Menggunakan Algoritma Genetika
Vol. 14, No. 1, 19-27, Juli 2017 Pemaksimalan Papan Sirkuit Di Pandang Sebagai Masalah Planarisasi Graf 2-Layer Menggunakan Algoritma Genetika Jusmawati Massalesse dan Muh. Ali Imran Abstrak Tulisan ini
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4C3 EVOLUTIONARY COMPUTATION Disusun oleh: Untari Novia Wisesty Syahrul Mubarok PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR
Lebih terperinciRancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika
1 Rancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika Annisti Nurul Fajriyah Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MEMAKSIMALKAN LABA PRODUKSI JILBAB
Journal of Environmental Engineering & Sustainable Technology Vol. 02 No. 01, July 2015, Pages 06-11 JEEST http://jeest.ub.ac.id PENERAPAN ALGORITMA GENETIKA UNTUK MEMAKSIMALKAN LABA PRODUKSI JILBAB Samaher
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 terperinciPENJADWALAN MATA KULIAH DENGAN MEMECAH PERTEMUAN BERDASAR PEMROGRAMAN LINEAR INTEGER
JMA, VOL. 9, NO.1, JULI 2010, 43-48 43 PENJADWALAN MATA KULIAH DENGAN MEMECAH PERTEMUAN BERDASAR PEMROGRAMAN LINEAR INTEGER PRAPTO TRI SUPRIYO Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinci