ANALISIS PERBANDINGAN ALGORITMA PATHFINDING GREEDY BEST-FIRST SEARCH DENGAN A*(STAR) DALAM MENENTUKAN LINTASAN PADA PETA
|
|
- Yuliana Hermanto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS PERBANDINGAN ALGORITMA PATHFINDING GREEDY BEST-FIRST SEARCH DENGAN A*(STAR) DALAM MENENTUKAN LINTASAN PADA PETA Christophorus Yohannes Suhaili 1 ; Mendy Irawan 2 ; Raja Muhammad Fahrizal 3 ; Antonius Herusutopo 4 1,2,3,4 Computer Science Department, School of Computer Science, BINUS University, Jln. K.H. Syahdan No. 9, Palmerah, Jakarta Barat chriz_crusader@yahoo.co.id, meazza_15@yahoo.com, raja_rembi@yahoo.co.id ABSTRACT There are various pathfinding algorithm which has advantages and disadvantages of each algorithm. The purpose of this study was to compare the pathfinding algorithm greedy best-first search with a * (star) in the case of determining the trajectory on the map in terms of the path traversed length and the length of time to think when the algorithm is executed. The method used in this research is the analysis method for analyzing any algorithm that can be applied in the search path. Then, the method followed by the greedy algorithm design method for a best-first search and A * in the form of a flowchart, a map of the Center of Java, the user interface to the algorithms testing application. The next method is the method of implementation, the greedy best-first search algorithm and A * algorithm is implemented to test applications. The latter method is a method of testing of the algorithms will be compared. Conclusions will be drawn from the results of the comparison algorithm. The results of this study is a comparison table between the distance and the time thinking greedy algorithm best-first search with A *. The conclusions of this study are greedy best-first algorithm has an average search time to think faster than the A * algorithm, but the A * algorithm provides a shorter path, or the same as the greedy algorithm best-first search Keyword: comparison algorithm, pathfinding algorithm, greedy best-first search, A* ABSTRAK Terdapat bermacam-macam algoritma pathfinding yang memiliki kekurangan dan kelebihan masing-masing algoritma. Tujuan dari penelitian ini adalah membandingkan algoritma pathfinding greedy best-first search dengan A*(Star) dalam hal menentukan lintasan pada peta dari segi panjang lintasan yang dilalui dan lamanya waktu berpikir saat proses algoritma dijalankan. Metode yang digunakan dalam penelitian ini adalah metode analisis untuk menganalisis algoritma apa saja yang dapat diterapkan dalam pencarian lintasan. Kemudian, metode dilanjutkan dengan metode perancangan terhadap algoritma greedy best-first search dan A* dalam bentuk flowchart, peta Jawa Tengah, user interface pada aplikasi pengujian algoritma. Metode selanjutnya adalah metode implementasi, yaitu algoritma greedy best-first search dan A* diimplementasikan ke aplikasi pengujian algoritma. Metode terakhir adalah metode pengujian terhadap algoritma yang akan dibandingkan. Simpulan akan ditarik dari hasil perbandingan algoritma. Hasil dari penelitian ini adalah tabel perbandingan jarak dan waktu berpikir antara algoritma greedy best-first search dengan A*. Simpulan dari penelitian ini adalah algoritma greedy best-first search memiliki rata-rata waktu berpikir yang lebih cepat daripada algoritma A*, namun algoritma A* memberikan lintasan yang lebih pendek atau sama dengan algoritma greedy best-first search. Kata Kunci: perbandingan algoritma, algoritma pathfinding, greedy best-first search, A*
2 PENDAHULUAN Pada jaman serba modern ini, peta masih digunakan oleh kebanyakan orang untuk menuju suatu tempat. Lintasan yang dipilih untuk menuju tujuan pastilah lintasan yang paling pendek. Namun, pencarian lintasan terpendek secara manual, akan membutuhkan banyak waktu dan ketelitian. Masalah lintasan terpendek berkaitan dengan pencarian lintasan pada graf berbobot yang menghubungkan dua buah simpul (edge) sedemikian sehingga jumlah bobot pada sisi-sisi yang terpilih merupakan bobot minimum. Terdapat banyak algoritma yang dapat digunakan untuk pemecahan masalah dalam pencarian lintasan terpendek. Pemilihan algoritma yang paling optimal seringkali menjadi permasalahan dalam pencarian lintasan terpendek karena setiap algoritma memiliki kelebihan dan kekurangannya masing-masing (Hardianto, 2013: 79). Secara umum, algoritma pencarian dapat dibedakan menjadi dua metode yaitu, metode uninformed search dan metode informed search. Metode uninformed search merupakan metode matematika biasa dengan informasi yang jelas, sedangkan metode informed search merupakan metode pencarian yang menggunakan metode pendekatan pada proses pencariannya. Metode informed search diketahui lebih efisien dibandingkan dengan metode uninformed search (Russell & Norvig, 2010: 92). Dari sebab itulah maka akan dilakukan perbandingan terhadap algoritma greedy best-first search dengan A* yang merupakan metode pencarian informed search. Kedua algoritma tersebut merupakan algoritma yang paling terkenal dalam informed search. Tujuan dari penelitian ini adalah mengetahui metode algoritma A* dan algoritma greedy best-first search dalam menentukan lintasan terpendek, membuat perbandingan algoritma A* dan algoritma greedy best-first search dalam menentukan lintasan terpendek, membuktikan teori yang ada sebelumnya tentang algoritma greedy best-first search dan A* dalam menentukan lintasan terpendek Manfaat yang akan didapat adalah menambah wawasan dan pengetahuan tentang masalah pencarian lintasan terpendek dan lebih mengenal tentang algoritma A* dan algoritma greedy best-first search dalam masalah penentuan lintasan terpendek. METODE PENELITIAN Metode penelitian yang digunakan dalam penelitian ini adalah : 1. Metode Analisis Tahapan-tahapan yang dilakukan dalam metode analisis adalah analisis terhadap berbagai algoritma yang telah dan dapat diterapkan dalam pencarian lintasan terpendek dari beberapa sumber seperti jurnal lokal maupun jurnal internasional. 2. Metode Perancangan Tahapan-tahapan yang dilakukan dalam metode perancangan adalah merancang flowchart dari algoritma A* dan greedy best-first search untuk setiap tahapan pencarian lintasan terpendek pada peta. Kemudian, tahapan selanjutnya dalam metode perancangan adalah merancang peta dengan data
3 dari provinsi Jawa Tengah dan user interface untuk aplikasi pengujian algoritma. 3. Metode Implementasi Metode implementasi dilakukan dengan menerapkan algoritma A* dan greedy best-first search yang telah dirancang ke dalam aplikasi pengujian algoritma. 4. Metode Pengujian Dalam metode pengujian, algoritma A* dan greedy best-first search yang telah diterapkan dalam aplikasi akan diuji. Pengujian akan dilakukan dengan melihat algoritma mana yang memberikan lintasan lebih pendek dan waktu berpikir yang lebih singkat. Kemudian, dari hasil pengujian akan dilakukan penarikan kesimpulan. HASIL DAN BAHASAN Berikut ini merupakan rancangan flowchart dari algoritma greedy best-first search : Gambar 1 Flowchart Greedy Best-first Search
4 Dilihat dari gambar 1, berikut penjelasan urutan jalan algoritma greedy best-first search yang diterapkan dalam permainan aplikasi dimulai dari proses awal algoritma dijalankan, proses menentukan start node, proses pencarian goal node pada langkah ketiga sampai ketujuh, hingga proses selesai pada langkah kedelapan. 1. Mulai Fungsi greedy best-first search dipanggil dan dijalankan oleh class. Pemanggilan ini dilakukan ketika algoritma greedy best-first search melakukan penghitungan lintasan. 2. Inisiasi start node sebagai current node Pada proses ini, aplikasi akan menginisialisasi start node dari kota yang dipilih oleh user. Start node akan menjadi current node untuk melangkah ke proses selanjutnya untuk pencarian lintasan. 3. Apakah current node sudah sama dengan goal node? Pada proses ini, akan dilakukan pengecekan apakah current node merupakan goal node atau bukan. Jika ya, maka proses akan selesai. Jika tidak, maka proses dilanjutkan ke langkah selanjutnya. 4. Cek semua heuristic cost dari semua node yang terhubung pada current node. Proses ini merupakan kelanjutan dari proses pengecekan goal node. Apabila current node bukan merupakan goal node, maka aplikasi akan mengecek semua node yang terhubung pada current node. Pengecekan dilakukan terhadap heuristic cost pada nodenode yang terhubung ke current node. 5. Pilih node dengan heuristic cost terkecil dan tandai node tersebut dengan next node Setelah semua heuristic cost pada node yang terhubung ke current node selesai dicek, aplikasi akan memilih node dengan heuristic cost terendah. Node yang memiliki heuristic cost terendah akan digunakan menjadi node selanjutnya (next node). 6. Tabahkan current node ke dalam linked list dari actual path Tambahkan current node ke dalam linked list. Semua node yang ada di dalam linked list akan menjadi actual path dari algoritma greedy best-first search. 7. Ubah next node menjadi current node Pada proses ini, aplikasi akan mengubah next node menjadi current node untuk digunakan pada proses selanjutnya. Proses selanjutnya adalah mengecek kembali apakah current node adalah goal node atau bukan. 8. Selesai Proses akan selesai apabila current node adalah goal node. Semua node dalam linked list merupakan solusi shortest path yang diberikan oleh algoritma greedy best-first search.
5 Berikut ini merupakan rancangan flowchart dari algoritma A* Gambar 2 Flowchart A*
6 Dilihat dari gambar 2, berikut penjelasan urutan jalan algoritma A* yang diterapkan dalam permainan aplikasi dimulai dari proses awal algoritma dijalankan, proses menentukan start node, proses pencarian goal node pada langkah ketiga sampai dua belas, proses backtrack untuk mencari shortest path pada langkah tiga belas sampai delapan belas, hingga proses selesai pada langkah sembilan belas. 1. Mulai Fungsi A* dipanggil dan dijalankan oleh class. Pemanggilan ini dilakukan ketika algoritma A* melakukan penghitungan lintasan. 2. Inisiasi start node sebagai current node Pada proses ini, aplikasi akan menginisialisasi start node dari kota yang dipilih oleh user. Start node akan menjadi current node untuk melangkah ke proses selanjutnya. 3. Apakah current node sudah sama dengan goal node? Pada proses ini, akan dilakukan pengecekan apakah current node merupakan goal node atau bukan. Jika ya, maka proses akan dilanjutkan ke algoritma bactrack. Jika tidak, maka proses dilanjutkan ke langkah selanjutnya untuk pencarian lintasan. 4. Cek setiap node yang terhubung dengan current node Pada proses ini, dilakukan pengecekan terhadap semua node yang terhubung pada current node. Pengecekan ini bertujuan untuk mengetahui node apa saja yang terhubung dengan current node. 5. Hitung nilai dari node yang terhubung dengan current node.pada tahap ini, dilakukan perhitungan terhadap node yang terhubung (connected node) pada current node kecuali node yang sudah ada pada done queue karena node tersebut sudah pernah dihitung nilai -nya. Nilai akan didapatkan dari penjumlahan actual cost dari start node sampai ke connected node dan heuristic cost dari conected node. 6. Masukkan connected node ke dalam pending queue Setelah semua nilai dari connected node sudah dihitung, masukkan semua connected node ke pending queue untuk diproses di tahap selanjutnya. 7. Masukkan current node dengan destination node ke dalam done queue Masukkan current node sebagai source node dengan destination node ke dalam done queue. Destination node didapatkan dari connected node yang memiliki nilai terendah. Jika terdapat nilai yang sama, maka akan dipilih node dengan actual cost terbesar. Done queue berisi node-node yang sudah dilalui dan akan diproses kembali pada algoritma backtrack. 8. Cek node pada pending queue yang memiliki nilai terendah Dalam proses ini, akan dilakukan pengecekan terhadap node dengan nilai terendah yang berada di dalam pending queue. Node dengan nilai terendah akan digunakan pada tahap selanjutnya.
7 9. Set node dengan nilai terendah sebagai current node Setelah dilakukan pengecekan terhadap node-node pada tahap 8, node dengan terendah akan menjadi current node yang baru untuk diproses pada algoritma A* kembali sampai current node adalah goal node. 10. Hapus node dengan nilai terendah pada pending queue Node dengan nilai terendah pada pending queue akan dihapus. Hal ini bertujuan untuk mencegah node tidak di cek kembali saat proses pengecekan pending queue. 11. Apakah current node ada di done queue? Pada proses ini, dilakukan pengecekan apakah current node sudah ada di done queue atau belum. Current node akan di cek dengan setiap source node yang ada pada done queue. Jika sudah ada, maka artinya node tersebut sudah pernah dikerjakan. Jika belum, node tersebut akan dilanjutkan sebagai current node untuk memulai kembali proses dari algoritma A*. 12. Apakah current node sudah sama dengan start node? Proses ini adalah tahap pertama dari algoritma backtrack. Proses ini merupakan pengecekan apakah current node adalah start node atau bukan. Jika current node bukan start node, maka current node akan diproses oleh algoritma backtrack. Jika current node adalah start node, maka algoritma selesai karena sudah mendapatkan shortest path dari algoritma A*. 13. Tambahkan current node ke dalam link list dari actual path Pada proses ini tambahkan current node ke dalam link list dari shortest path. Nodenode yang terdapat pada link list akan menjadi shortest path dari algoritma A*. 14. Cek semua node yang berada pada done queue Pada tahap ini akan dilakukan pengecekan terhadap node-node yang terdapat pada done queue untuk dilakukan proses backtrack. Node yang di cek adalah destination node. 15. Apakah current node sudah sama dengan destination node pada done queue? Pada tahap ini, proses backtrack dilakukan. Pada proses ini, dilakukan pengecekan terhadap node yang sudah diproses pada tahap 14, apakah current node adalah destination node. Jika ya, maka node tersebut akan di proses pada tahap selanjutnya. Jika tidak, maka node akan dilakukan pengecekkan kembali terhadap node yang ada di dalam done queue pada tahap Set source node dari destination node sebagai current node Setelah ditemukan destination node yang sama dengan current node, source node dari destination node akan menjadi current node dan akan diproses kembali pada algoritma backtrack. 17. Hapus node pada done queue yang menjadi actual path Sebelum algoritma backtrack diulang kembali, source node yang menjadi current node dengan destination node pada done queue perlu dihapus. Hal ini dilakukan supaya node tersebut tidak di cek kembali.
8 18. Selesai Proses akan selesai apabila current node adalah start node. Hal ini menandakan bahwa algoritma backtrack telah selesai. Semua node dalam linked list merupakan solusi shortest path yang diberikan oleh algoritma A*. Dalam pengujian algoritma greedy best-first search dan A*, digunakan peta provinsi Jawa Tengah sebagai media perbandingan. Berikut ini merupakan gambaran peta yang digunakan dalam pengujian algoritma : Gambar 3 Graf Peta Jawa Tengah Gambar 3 merupakan rancangan graf dari peta Jawa Tengah yang akan digunakan dalam aplikasi untuk membandingkan algoritma greedy best-first search dengan A*. Graf dibuat dari peta provinsi Jawa Tengah. Terdapat 20 nodes yang merupakan kota-kota di Jawa Tengah. Koordinat bujur (X) dan lintang (Y) dari setiap node didapatkan dari aplikasi Google Earth dan digunakan untuk menentukan heuristic cost dengan metode straight line distance. Pada graf juga terdapat 31 edges tidak berarah yang menghubungkan node-node dengan bobot masing-masing yang sudah ada pada gambar 3.3. Panjang setiap edge didapatkan dari aplikasi Google Maps. Berikut ini merupakan tabel koordinat dan nilau heuristikdari setiap node dari graf peta Jawa Tengah:
9 Tabel 1 Koordinat Kota Kota Koordinat X Y Boyolali ' BT 07 32' LS Brebes ' BT 06 52' LS Cilacap ' BT 07 43' LS Demak ' BT 06 54' LS Kebumen ' BT 07 42' LS Kroya 109º 14' BT 07º 39' LS Magelang 110º 12' BT 07º 30' LS Pekalongan ' BT 06 53' LS Pemalang ' BT 06 53' LS Purbalingga 109º 22' BT 07º 25' LS Purwodadi ' BT 07 07' LS Purwokerto ' BT 07 28' LS Rembang ' BT 06 42' LS Salatiga ' BT 07 19' LS Semarang 110º 24' BT 07º 00' LS Slawi 109º 08' BT 06º 59' LS Sragen 111º 01' BT 07º 27' LS Temanggung 110º 08' BT 07º 22' LS Tegal 109º 10' BT 06º 54' LS Wonosobo 109º 54' BT 07º 24' LS
10 Tabel 2 Nilai Heuristik Goal Nodes h(n) Boyolali Brebes Cilacap Demak Kebumen Kroya Magelang Pekalongan Pemalang Purbalingga Purwodadi Purwokerto Rembang Salatiga Semarang Slawi Sragen Temanggung Tegal Wonosobo Start Nodes Boyolali Brebes Cilacap Demak Kebumen Kroya Magelang Pekalongan Pemalang Purbalingga Purwodadi Purwokerto Rembang Salatiga Semarang Slawi Sragen Temanggung Tegal Wonosobo
11 Berikut ini merupakan hasil dari pengujian algoritma : Tabel 3 Waktu Berpikir Algoritma Start Node Total Rata - Rata G A G A A 2,7147 3,3858 0,1429 0,1782 B 3,3151 3,7146 0,1745 0,1955 C 3,5067 4,1257 0,1846 0,2171 D 3,0429 3,3192 0,1602 0,1747 E 2,5350 2,8374 0,1334 0,1493 F 2,9280 3,8704 0,1541 0,2150 G 2,4921 3,0066 0,1312 0,1582 H 2,3639 2,6133 0,1244 0,1375 I 2,4623 2,6720 0,1296 0,1406 J 2,5282 2,7420 0,1331 0,1443 L 3,5815 3,8426 0,1885 0,2022 M 2,6485 3,6511 0,1394 0,1922 N 3,7721 4,2651 0,1985 0,2245 O 2,5755 2,9083 0,1356 0,1531 P 2,3674 2,6551 0,1246 0,1397 R 2,7122 3,1826 0,1427 0,1675 S 2,8427 3,2368 0,1496 0,1704 T 2,2071 3,1989 0,1162 0,1684 U 2,7892 3,0988 0,1468 0,1631 V 2,3693 2,9627 0,1247 0,1559 Tabel 4 Hasil Keunggulan Algoritma Greedy Best-first Search Draw A* 0% 68,68% 31,32% Berdasarkan hasil dari perbandingan algoritma greedy best-first search dengan A* pada tabel 4.21 dan tabel 4.22, dapat disimpulkan bahwa algoritma greedy best-first search lebih unggul dari segi waktu berpikir, sedangkan algoritma A* lebih unggul dari segi lintasan terpendek yang dilalui. Hal ini disebabkan karena algoritma greedy best-first search hanya melihat heuristic cost dari node yang dilalui, sedangkan algoritma A* menghitung heuristic cost dan actual cost dari setiap node yang dilalui, sehingga algoritma A* membutuhkan waktu yang lebih lama daripada algoritma greedy bestfirst search untuk menentukan lintasan yang dilalui, namun algoritma A* dapat memberikan lintasan yang lebih optimal daripada algoritma greedy best-first search. Pada tabel 4.22, algoritma A* dan greedy best-first search menghasilkan panjang lintasan yang sama sebanyak 68,68%. Hal ini disebabkan karena nilai heuristik dari node yang dilalui hampir sama dengan nilai actual cost-nya. Sehingga, algoritma greedy best-first search menjadi optimal.
12 SIMPULAN DAN SARAN Berdasarkan hasil dari perbandingan yang telah dilakukan, maka dapat ditarik beberapa simpulan sebagai berikut : a. Di dalam menentukan lintasan terpendek, algoritma greedy best-first search hanya menghitung nilai dari (heuristic cost) saja, sedangkan algoritma A* menghitung nilai (heuristic cost) dan (actual cost ). b. Algoritma greedy best-first search memberikan rata-rata waktu berpikir lebih cepat daripada algoritma A*, sedangkan algoritma A* memberikan lintasan lebih pendek daripada algoritma greedy best-first search dalam menentukan lintasan pada peta. c. Algoritma greedy best-first search hanya melihat kemungkinan lintasan terpendek di depannya saja, sedangkan algoritma A* melihat berbagai kemungkinan lintasan terpendek yang ada. Pada penelitian ini masih terdapat beberapa hal lain perlu dikembangkan. Saran-saran yang dapat diberikan untuk perkembangan penelitian lebih lanjut yaitu : a. Karena banyaknya algoritma pathfinding yang ada, dibutuhkan perkembangan lebih lanjut untuk dilakukan perbandingan antar algoritma. Sehingga, pada akhirnya dapat ditemukan satu algoritma yang paling unggul dibandingkan dengan algoritma yang lain. b. Berdasarkan fungsi heuristik yang digunakan dalam penelitian ini, yaitu Straight-line Distance, penelitian selanjutnya dapat menggunakan fungsi heuristik lain yang ada. c. Pada penelitian selanjutnya, dapat dilakukan perbandingan yang lebih bervariasi. Perbandingan dapat dilakukan untuk meninjau berbagai aspek yang dapat dibandingkan agar mendapatkan hasil yang lebih spesifik selain waktu berpikir dan panjang lintasan yang dilalui. REFERENSI Hardianto. (2013). Implementasi Algoritma Heuristik untuk optimisasi rute terpendek. Jurnal Teknologi Informasi dan Komunikasi. 4(2): Russel, S., & Norvig, P. (2010). Artificial Intelligence: A Modern Approach. New Jersey: Prentice Hall. RIWAYAT HIDUP Christophorus Yohannes Suhaili lahir di kota Jakarta pada 15 Maret Penulis menamatkan pendidikan S1 di BINUS University dalam bidang Ilmu Komputer pada tahun Penulis aktif di dalam organisasi HIMTI sebagai activist. Mendy Irawan lahir di kota Jakarta pada tanggal 1 April Penulis menamatkan pendidikan S1 di BINUS University dalam bidang Ilmu Komputer pada tahun Raja Muhammad Fahrizal lahir di kota Jakarta pada tanggal 11 Mei Penulis menamatkan pendidikan S1 di BINUS University dalam bidang Ilmu Komputer pada tahun 2015.
BAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pada jaman serba modern ini, peta masih digunakan oleh kebanyakan orang untuk menuju suatu tempat. Lintasan yang dipilih untuk menuju tujuan pastilah lintasan yang
Lebih terperinciBAB I PENDAHULUAN. Masalah lintasan terpendek berkaitan dengan pencarian lintasan pada graf
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Masalah lintasan terpendek berkaitan dengan pencarian lintasan pada graf berbobot yang menghubungkan dua buah simpul sedemikian hingga jumlah bobot sisi-sisi
Lebih terperinciAplikasi Shortest Path dengan Menggunakan Graf dalam Kehidupan Sehari-hari
Aplikasi Shortest Path dengan Menggunakan Graf dalam Kehidupan Sehari-hari Andika Mediputra NIM : 13509057 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciJurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2011
Perancangan dan Pembuatan Sistem Navigasi Perjalanan Untuk Pencarian Rute Terpendek Dengan Algoritma A* Berbasis J2ME Oleh : M. ARIEF HIDAYATULLOH 1204 100 071 Dosen Pembimbing : Prof. Dr. M. Isa Irawan,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah 1.2 Perumusan Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Saat ini teknologi telah berkembang dengan cukup pesat. Perkembangan teknologi mengakibatkan pemanfaatan atau pengimplementasian teknologi tersebut dalam berbagai
Lebih terperinciBAB I PENDAHULUAN UKDW. dalam kehidupan kita sehari-hari, terutama bagi para pengguna sarana
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pencarian jalur terpendek merupakan sebuah masalah yang sering muncul dalam kehidupan kita sehari-hari, terutama bagi para pengguna sarana transportasi. Para
Lebih terperinciPencarian Jalur Terpendek dengan Menggunakan Graf dan Greedy dalam Kehidupan Sehari-hari
Pencarian Jalur Terpendek dengan Menggunakan Graf dan Greedy dalam Kehidupan Sehari-hari Andika Mediputra - NIM : 13509057 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciYudi Yansyah, Prihastuti Harsani, M.Si, Erniyati M.Kom Program Studi Ilmu Komputer FMIPA Universitas Pakuan ABSTRACT
Perancangan Aplikasi Pencarian Jalur Terpendek Untuk Lokasi Toko Bangunan Di Kota Bogor Dengan Metode A* (A-Star) Berbasis Android Studi Kasus : PT. Tulu Atas Kranggan Bogor Yudi Yansyah, Prihastuti Harsani,
Lebih terperinciSIMULASI ALGORITMA A* UNTUK MENYELESAIKAN PATHFINDING
SIMULASI ALGORITMA A* UNTUK MENYELESAIKAN PATHFINDING Saprizal Nasution 1, Mardiana 2 1 Jurusan Teknik Informatika Sekolah Tinggi Teknik Harapan Medan Jl. HM jhoni No. 70 Medan, Indonesia rizal_allstar@rocketmail.com
Lebih terperinciIMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK
IMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK Selvy Welianto (1) R. Gunawan Santosa (2) Antonius Rachmat C. (3) selvywelianto@yahoo.com gunawan@ukdw.ac.id anton@ukdw.ac.id Abstraksi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Artificial Intelligence Pada dasarnya, banyak pandangan serta pengertian mengenai AI, dan secara garis besar, Russell & Norvig (2010:2) membagi pengertian AI ke dalam empat
Lebih terperinciSimulasi Pencarian Rute Terpendek dengan Metode Algoritma A* (A-Star) Agus Gustriana ( )
Simulasi Pencarian Rute Terpendek dengan Metode Algoritma A* (A-Star) Agus Gustriana (0222182) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia E-mail
Lebih terperinciPERBANDINGAN METODE PENCARIAN DEPTH-FIRST SEARCH, BREADTH-FIRST SEARCH DAN BEST-FIRST SEARCH PADA PERMAINAN 8-PUZZLE
e-journal Teknik Elektro dan Komputer (2014) ISSN: 2301-8402 1 PERBANDINGAN METODE PENCARIAN DEPTH-FIRST SEARCH, BREADTH-FIRST SEARCH DAN BEST-FIRST SEARCH PADA PERMAINAN 8-PUZZLE Oleh: Arie S. M. Lumenta
Lebih terperinciPenerapan Algoritma A* (A Star) Sebagai Solusi Pencarian Rute Terpendek Pada Maze
Penerapan Algoritma A* (A Star) Sebagai Solusi Pencarian Rute Terpendek Pada Maze 1 Rakhmat Kurniawan. R., ST, M.Kom, 2 Yusuf Ramadhan Nasution, M.Kom Program Studi Ilmu Komputer, Fakultas Sains dan Teknologi
Lebih terperinciAplikasi Teori Graf dalam Permainan Instant Insanity
Aplikasi Teori Graf dalam Permainan Instant Insanity Aurelia 13512099 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia
Lebih terperinciPertemuan-07 INFORMATIKA FASILKOM UNIVERSITAS IGM
07/04/2016 3. HEURISTIC METHOD Algoritma yang menggunakan Metode Best-First Search, yaitu: 1 Literatur Review KECERDASAN BUATAN Pertemuan-07 INFORMATIKA FASILKOM UNIVERSITAS IGM a. Greedy Best-First Greedy
Lebih terperinciPENENTUAN RUTE TERPENDEK DENGAN METODE FLOYD WARSHALL PADA PETA DIGITAL UNIVERSITAS SUMATERA UTARA SKRIPSI DHYMAS EKO PRASETYO
PENENTUAN RUTE TERPENDEK DENGAN METODE FLOYD WARSHALL PADA PETA DIGITAL UNIVERSITAS SUMATERA UTARA SKRIPSI DHYMAS EKO PRASETYO 091402023 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
Lebih terperinciBAB III ALGORITMA GREEDY DAN ALGORITMA A* membangkitkan simpul dari sebuah simpul sebelumnya (yang sejauh ini terbaik di
BAB III ALGORITMA GREEDY DAN ALGORITMA A* 3.1 Best First Search Sesuai dengan namanya, best-first search merupakan sebuah metode yang membangkitkan simpul dari sebuah simpul sebelumnya (yang sejauh ini
Lebih terperinciPenerapan Algoritma A* Sebagai Algoritma Pencari Jalan Dalam Game
ABSTRAK Penerapan Algoritma A* Sebagai Algoritma Pencari Jalan Dalam Game Makalah ini membahas tentang bagaimana suatu entitas di dalam game mampu mencari jalan terpendek dari titik koordinatnya sekarang
Lebih terperinciSTUDI PENERAPAN ALGORITMA DIJKSTRA DAN ALGORITMA A* DALAM MENENTUKAN RUTE TERPENDEK PADA ROBOT PEMADAM API
STUDI PENERAPAN ALGORITMA DIJKSTRA DAN ALGORITMA A* DALAM MENENTUKAN RUTE TERPENDEK PADA ROBOT PEMADAM API Akhmad Alfan Hidayatullah, Anik Nur Handayani, Muhammad Jauharul Fuady Teknik Elektro - Universitas
Lebih terperinciPengembangan Teknik Pencarian Optimal Menggunakan Algoritma Generate and Test dengan Diagram Precedence (GTPRE)
Pengembangan Teknik Pencarian Optimal Menggunakan Algoritma Generate and Test dengan Diagram Precedence (GTPRE) Development of Optimal Search Using Generate and Test Algorithm with Precedence Diagram (GTPRE)
Lebih terperinciGraph. Rembang. Kudus. Brebes Tegal. Demak Semarang. Pemalang. Kendal. Pekalongan Blora. Slawi. Purwodadi. Temanggung Salatiga Wonosobo Purbalingga
TEORI GRAPH Graph Graph Graph digunakan untuk merepresentasikan objek-objek diskrit dan hubungan antara objek-objek tersebut. Gambar berikut ini sebuah graph yang menyatakan peta jaringan jalan raya yang
Lebih terperinciDibimbing oleh : 1. Dr. Suryo Widodo, M.Pd 2. Risky Aswi Ramadhani, M.Kom
JURNAL APLIKASI FUNDRAISER DALAM MENENTUKAN RUTE TERDEKAT PENGAMBILAN DONASI DONATUR YAYASAN NURUL HAYAT CABANG KEDIRI DENGAN ALGORITMA A* BERBASIS ANDROID OLEH : IMRON ROSADI NPM: 12.1.03.02.0323 Dibimbing
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Algoritma Breadth First Search Berikut ini adalah proses yang dilakukan dengan menggunakan algoritma Breadth first search untuk pencarian jalur. Proses pencarian
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 terperinciAPLIKASI ALGORITMA SOLLIN DALAM PENCARIAN POHON PERENTANG MINIMUM PROVINSI JAWA TENGAH
Faktor Exacta 8(): 81-, 1 ISSN: 1-26X APLIKASI ALGORITMA SOLLIN DALAM PENCARIAN POHON PERENTANG MINIMUM PROVINSI JAWA TENGAH WULAN ANGGRAENI wulangussetiyo@gmail.com Program Studi Pendidikan Matematika,
Lebih terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENGELOMPOKAN PERSENTASE PENDUDUK BERUMUR 15 TAHUN KE ATAS MENURUT KABUPATEN/KOTA DAN PENDIDIKAN TERTINGGI
Lebih terperinciSEARCHING. Blind Search & Heuristic Search
SEARCHING Blind Search & Heuristic Search PENDAHULUAN Banyak cara yang digunakan untuk membangun sistem yang dapat menyelesaikan masalah-masalah di AI. Teknik penyelesaian masalah yang dapat dipakai untuk
Lebih terperinciSEARCHING SIMULATION SHORTEST ROUTE OF BUS TRANSPORTATION TRANS JAKARTA INDONESIA USING ITERATIVE DEEPENING ALGORITHM AND DJIKSTRA ALGORITHM
SEARCHING SIMULATION SHORTEST ROUTE OF BUS TRANSPORTATION TRANS JAKARTA INDONESIA USING ITERATIVE DEEPENING ALGORITHM AND DJIKSTRA ALGORITHM Ditto Djesmedi ( 0222009 ) Jurusan Teknik Elektro, Fakultas
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Semakin dengan berkembangnya teknologi fotografi di Indonesia, khususnya di Kota Medan, fotografi tidak hanya sebagai sarana atau alat untuk mengabadikan suatu kejadian
Lebih terperinciPenerapan Algoritma A* Untuk Pencarian Rute Terdekat Pada Permainan Berbasis Ubin (Tile Based Game)
Penerapan Algoritma A* Untuk Pencarian Rute Terdekat Pada Permainan Berbasis Ubin (Tile Based Game) Febriana Santi Wahyuni 1,*, Sandy Nataly Mantja 1 1 T.Informatika Fakultas Teknologi Industri Institut
Lebih terperinciPANDUAN PENCARIAN RUTE GEDUNG DAN RUANGAN PADA FAKULTAS DI UNIVERSITAS HALU OLEO MENGGUNAKAN ALGORITMA DIJKSTRA BERBASIS MACROMEDIA FLASH
semantik, Vol.1, No.2, Jul-Des 2015, pp. 45-56 ISSN: 2460-1446Ily pp. 1~5 45 PANDUAN PENCARIAN RUTE GEDUNG DAN RUANGAN PADA FAKULTAS DI UNIVERSITAS HALU OLEO MENGGUNAKAN ALGORITMA DIJKSTRA BERBASIS MACROMEDIA
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Pembuatan Web Sistem Informasi Geografis (SIG) salah satunya didorong karena penggunaan internet yang sangat luas dimasyarakat dan pemerintah, karena internet maka
Lebih terperinciUKDW BAB 1 PENDAHULUAN Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Dalam pengiriman barang, pemilihan jalur yang tepat sangat penting dalam meminimalkan biaya dan waktu pengiriman barang. Penggunaan teknologi dapat membantu
Lebih terperinciALGORITMA DOUBLE SCALING UNTUK MENYELESAIKAN PERMASALAHAN MINIMUM COST FLOW DAN IMPLEMENTASINYA PADA PROGRAM KOMPUTER
ALGORITMA DOUBLE SCALING UNTUK MENYELESAIKAN PERMASALAHAN MINIMUM COST FLOW DAN IMPLEMENTASINYA PADA PROGRAM KOMPUTER Agustina Ardhini 1, Sapti Wahyuningsih 2, Darmawan Satyananda 3 Jurusan Matematika,
Lebih terperinciPENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) MENGGUNAKAN ALGORITMA RECURSIVE BEST FIRST SEARCH (RBFS)
PENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) MENGGUNAKAN ALGORITMA RECURSIVE BEST FIRST SEARCH (RBFS) Hari Santoso 146060300111019 haripinter@gmail.com Prodi Sistem Komunikasi dan Infromatika Teknik Elektro
Lebih terperinciTIP 163. Game Engine. Topik 5 (Pert 6) Graf, Representasi Dunia, dan Algoritma Pencari Jalur (Pathfinding) Dosen: Aditya Wikan Mahastama
TIP 163 Game Engine Topik 5 (Pert 6) Graf, Representasi Dunia, dan Algoritma Pencari Jalur (Pathfinding) Dosen: Aditya Wikan Mahastama Last Week Review Adakah permasalahan dalam tugas terakhir yang diberikan
Lebih terperinciABSTRACT. Keyword: Algorithm, Depth First Search, Breadth First Search, backtracking, Maze, Rat Race, Web Peta. Universitas Kristen Maranatha
ABSTRACT In a Rat Race game, there is only one way in and one way out. The objective of this game is to find the shortest way to reach the finish. We use a rat character in this game, so the rat must walk
Lebih terperinciBab 4. Informed Search
Bab 4. Informed Search Review Pada bab 3 dapat disimpulkan hal hal sbb: Ada banyak cara untuk memanfaatkan knowledge saat menformulasikan suatu masalah dalam bentuk states dan operators. GENERAL-SEARCH
Lebih terperinciPENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH BERDASARKAN PERSENTASE PENDUDUK MISKIN TAHUN MENGGUNAKAN METODE KOHONEN
Prosiding Seminar Nasional Matematika dan Terapannya 016 p-issn : 550-0384; e-issn : 550-039 PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH BERDASARKAN PERSENTASE PENDUDUK MISKIN TAHUN 009-013 MENGGUNAKAN
Lebih terperinciPenerapan Algoritma A Star Pada Permainan Snake
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Penerapan Algoritma A Star Pada Permainan Snake Andreas Hersiandi 1, Pieter Indradinata Palim 2, Daniel Udjulawa 3 1,2 STMIK GI MDP; Jl. Rajawali
Lebih terperinciPENERAPANAN ALGORITMA BFS, DFS, DAN UCS UNTUK MENCARI SOLUSI PADA MASALAH ROMANIA
PENERAPANAN ALGORITMA BFS, DFS, DAN UCS UNTUK MENCARI SOLUSI PADA MASALAH ROMANIA 1. PENDAHULUAN Pada zaman serba modern ini, peta masih digunakan oleh kebanyakan orang untuk menuju dari suatu titik awal
Lebih terperinciPERANCANGAN APLIKASI PENCARIAN RUTE TERPENDEK MENEMUKAN TEMPAT PARIWISATA TERDEKAT DI KEDIRI DENGAN METODE FLOYD- WARSHALL UNTUK SMARTPHONE
PERANCANGAN APLIKASI PENCARIAN RUTE TERPENDEK MENEMUKAN TEMPAT PARIWISATA TERDEKAT DI KEDIRI DENGAN METODE FLOYD- WARSHALL UNTUK SMARTPHONE SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh
Lebih terperinciPertemuan 11. Teori Graf
Pertemuan 11 Teori Graf Pendahuluan Graf digunakan untuk merepresentasikan objek-objek diskrit dan hubungan antara objek-objek tersebut. Gambar di bawah ini sebuah graf yang menyatakan peta jaringan jalan
Lebih terperinciFuzzy Node Combination untuk Menyelesaikan Masalah Pencarian Rute Terpendek. Studi Kasus : Antar Kota di Pulau Jawa
Fuzzy Node Combination untuk Menyelesaikan Masalah Pencarian Rute Terpendek. Studi Kasus : Antar Kota di Pulau Jawa Samodro Bagus Prasetyanto Bilqis Amaliah, S.Kom., M.Kom. Dr. Chastine Fatichah, S.Kom.,
Lebih terperinciIMPLEMENTASI ALGORITMA DIJKSTRA UNTUK PENCARIAN RUTE TERPENDEK MENUJU PELABUHAN BELAWAN BERBASIS SISTEM INFORMASI GEOGRAFIS SKRIPSI
1 IMPLEMENTASI ALGORITMA DIJKSTRA UNTUK PENCARIAN RUTE TERPENDEK MENUJU PELABUHAN BELAWAN BERBASIS SISTEM INFORMASI GEOGRAFIS SKRIPSI DEFI RAKHMAWATI 091421023 PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS
Lebih terperinciPENCARIAN LOKASI FASILITAS UMUM TERDEKAT DILENGKAPI DENGAN RUTE KENDARAAN UMUM LYN
PENCARIAN LOKASI FASILITAS UMUM TERDEKAT DILENGKAPI DENGAN RUTE KENDARAAN UMUM LYN Esther Irawati S. 1, Gunawan 2, Indra Maryati 1, Joan Santoso 1, Rossy P.C. 1 1 Jurusan Teknik Informatika, Sekolah Tinggi
Lebih terperinciRepresentasi Graf Berarah dalam Mencari Solusi Jalur Optimum Menggunakan Algoritma A*
Representasi Graf Berarah dalam Mencari Solusi Jalur Optimum Menggunakan Algoritma A* Denny Nugrahadi Teknik informatika ITB, Bandung, email: d_nugrahadi@yahoo.com Abstract Makalah ini membahas mengenai
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Algoritma Algoritma merupakan urutan langkah langkah untuk menyelesaikan masalah yang disusun secara sistematis, algoritma dibuat dengan tanpa memperhatikan bentuk
Lebih terperinciKI Kecerdasan Buatan Materi 7: Pencarian dgn. Batasan Kondisi (Constraint Satisfaction Problems)
[AIMA] Russel, Stuart J., Peter Norvig, "Artificial Intelligence, A Modern Approach" 3rd Ed., Prentice Hall, New Jersey, 200 KI09322 Kecerdasan Buatan Materi 7: Pencarian dgn. Batasan Kondisi (Constraint
Lebih terperinciAPLIKASI PENCARIAN JALUR TERPENDEK PADA RUMAH SAKIT UMUM BAHTERAMAS MENGGUNAKAN ALGORITMA A* (A-STAR)
APLIKASI PENCARIAN JALUR TERPENDEK PADA RUMAH SAKIT UMUM BAHTERAMAS MENGGUNAKAN ALGORITMA A* (A-STAR) #1 Muh. Yamin, #2 Moh. Bandrigo Talai #1,2 Jurusan Teknik Informatika, FTEKNIK UHO, Kendari Abstrak
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Geographical Information System (GIS) digunakan dalam rangka mendukung pengambilan keputusan untuk perencanaan dan pengelolaan dari penggunaan lahan (Murai, 1999).
Lebih terperinciPENENTUAN ARAH TUJUAN OBJEK DENGAN TABU SEARCH
PENENTUAN ARAH TUJUAN OBJEK DENGAN TABU SEARCH Kampami Kelimay Fitri 1,Suriati 2 Jurusan Sistem Informasi Sekolah Tinggi Teknik Harapan Medan Jl. HM Jhoni No 70 Medan, Indonesia 1 Kelimayammii@gmail.com
Lebih terperinciEvaluasi dan Usaha Optimalisasi Algoritma Depth First Search dan Breadth First Search dengan Penerapan pada Aplikasi Rat Race dan Web Peta
Evaluasi dan Usaha Optimalisasi Algoritma Depth First Search dan Breadth First Search Tjatur Kandaga, Alvin Hapendi Jurusan Teknik Informatika, Fakultas Teknologi informasi, Universitas Kristen Maranatha
Lebih terperinciGraf. Matematika Diskrit. Materi ke-5
Graf Materi ke-5 Pendahuluan Graf digunakan untuk merepresentasikan objek-objek diskrit dan hubungan antara objek-objek tersebut. Gambar di bawah ini sebuah graf yang menyatakan peta jaringan jalan raya
Lebih terperinciKevin Christoper Andy Untoro Dimas Rizky Lazuardi Kenneth Halim Apriyando Haganta Singarimbun
1501142932 Kevin Christoper 1501143771 Andy Untoro 1501147744 Dimas Rizky Lazuardi 1501157215 Kenneth Halim 1501187142 Apriyando Haganta Singarimbun TUGAS GSLC02 : PAA (T0034) 12 Desember 2012 Kelas 03PST
Lebih terperinciPENYELESAIAN MASALAH ALIRAN MAKSIMUM MENGGUNAKAN EDMONS KARP ALGORITHM
PENYELESAIAN MASALAH ALIRAN MAKSIMUM MENGGUNAKAN EDMONS KARP ALGORITHM Fathimatuzzahro, Sapti Wahyuningsih, dan Darmawan Satyananda Universitas Negeri Malang E-mail: fathimatuzzahro90@gmail.com ABSTRAK:
Lebih terperinciBAB II TINJAUAN PUSTAKA. a) Purwadhi (1994) dalam Husein (2006) menyatakan: perangkat keras (hardware), perangkat lunak (software), dan data, serta
BAB II TINJAUAN PUSTAKA 2.1 Sistem Informasi Geografis (SIG) 2.1.1 Pengertian Sistem Informasi Geografis Ada beberapa pengertian dari sistem informasi geografis, diantaranya yaitu: a) Purwadhi (1994) dalam
Lebih terperinciAPLIKASI PENCARI RUTE OPTIMUM PADA PETA GUNA MENINGKATKAN EFISIENSI WAKTU TEMPUH PENGGUNA JALAN DENGAN METODE A* DAN BEST FIRST SEARCH 1
APLIKASI PENCARI RUTE OPTIMUM PADA PETA GUNA MENINGKATKAN EFISIENSI WAKTU TEMPUH PENGGUNA JALAN DENGAN METODE A* DAN BEST FIRST SEARCH 1 Rudy Adipranata 1, Andreas Handojo 2, Happy Setiawan 3 1,2 Teknik
Lebih terperinciLATIHAN ALGORITMA-INTEGER
LATIHAN ALGORITMA-INTEGER Nyatakan PBB(295,70) = 5 sebagai kombinasi lanjar 295 dan 70 Tentukan inversi dari 27(mod 7) Tentukan solusi kekongruenan lanjar dari 27.x kongruen 1(mod 7) dengan cara 1 ( cara
Lebih terperinciPENERAPAN TEORI GRAF UNTUK MENYELESAIKAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL
PENERAPAN TEORI GRAF UNTUK MENYELESAIKAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL Swaditya Rizki Program Studi Pendidikan Matematika, Fakultas Keguruan dan Ilmu Pendidikan, Universitas
Lebih terperinciMatematika dan Statistika
ISSN 1411-6669 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Majalah Ilmiah Matematika dan Statistika APLIKASI ALGORITMA SEMUT DAN ALGORITMA CHEAPEST
Lebih terperinciBAB I PENDAHULUAN. berinteraksi mengikuti pola yang tidak selalu mudah dipahami. Apabila
BAB I PENDAHULUAN A. Latar Belakang Masalah Pengangguran merupakan masalah yang sangat kompleks karena mempengaruhi sekaligus dipengaruhi oleh beberapa faktor yang saling berinteraksi mengikuti pola yang
Lebih terperinciPENGEMBANGAN LONGEST PATH ALGORITHM (LPA) DALAM RANGKA PENCARIAN LINTASAN TERPANJANG PADA GRAF BERSAMBUNG BERARAH BERUNTAI
PENGEMBANGAN LONGEST PATH ALGORITHM (LPA) DALAM RANGKA PENCARIAN LINTASAN TERPANJANG PADA GRAF BERSAMBUNG BERARAH BERUNTAI Oliver Samuel Simanjuntak Prodi Teknik Informatika UPN eteran Yogyakarta Jl. Babarsari
Lebih terperinciALGORITMA PENCARIAN (HEURISTIC)
ALGORITMA PENCARIAN (HEURISTIC) Farah Zakiyah Rahmanti, M.T Diperbarui 2016 Overview Pengertian Pencarian Heuristik Generate and Test Hill Climbing Best First Searching Latihan Pencarian Heuristik Merupakan
Lebih terperinciANALISIS DAN PERBANDINGAN ALGORITMAL-DEQUE DANALGORITMA BELLMAN-FORD DALAM MENCARI JARAK TERPENDEK SKRIPSI
ANALISIS DAN PERBANDINGAN ALGORITMAL-DEQUE DANALGORITMA BELLMAN-FORD DALAM MENCARI JARAK TERPENDEK SKRIPSI NATASHA MAHARANI SIREGAR 121401099 PROGRAM STUDI S-1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN
Lebih terperinciARTIFICIAL INTELEGENCE ALGORITMA A* (A STAR) SEBAGAI PATHFINDING ENEMY ATTACK PADA GAME TRASH COLLECTION
ARTIFICIAL INTELEGENCE ALGORITMA A* (A STAR) SEBAGAI PATHFINDING ENEMY ATTACK PADA GAME TRASH COLLECTION TUGAS AKHIR Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika
Lebih terperinciPerbandingan Pencarian Rute Optimal Pada Sistem Navigasi Lalu Lintas Kota Semarang Dengan Menggunakan Algoritma A* Dan Algoritma Djikstra
Perbandingan Pencarian Rute Optimal Pada Sistem Navigasi Lalu Lintas Kota Semarang Dengan Menggunakan Algoritma A* Dan Algoritma Djikstra Ibnu Utomo WM Ana Setyaningsih Abstract : This research is to build
Lebih terperinciPERBANDINGAN ALGORITMA A* DAN DIJKSTRA BERBASIS WEBGIS UNTUK PENCARIAN RUTE TERPENDEK
PERBANDINGAN ALGORITMA A* DAN DIJKSTRA BERBASIS WEBGIS UNTUK PENCARIAN RUTE TERPENDEK SKRIPSI Diajukan untuk Memenuhi Sebagian dari Syarat Memperoleh Gelar Sarjana Komputer Program Studi Ilmu Komputer
Lebih terperinciMANAJEMEN BASIS DATA SARANA KAMPUS UNIVERSITAS BENGKULU MENGGUNAKAN ALGORITMA A* BERBASIS SPASIAL
MANAJEMEN BASIS DATA SARANA KAMPUS UNIVERSITAS BENGKULU MENGGUNAKAN ALGORITMA A* BERBASIS SPASIAL Foni Panca Wardhani 1, Asahar Johar 2, Yulian Fauzi 3 1,2,3 Program Studi Teknik Informatika, Fakultas
Lebih terperinciBAB 2 LANDASAN TEORI. dihadapi di dunia nyata (real world). Banyak metode yang dibangun dalam Operations
BAB 2 LANDASAN TEORI 2.1 Simulasi 2.1.1 Pengertian Simulasi Simulasi merupakan salah satu cara untuk memecahkan berbagai persoalan yang dihadapi di dunia nyata (real world). Banyak metode yang dibangun
Lebih terperinciBAB IV GAMBARAN UMUM OBJEK
BAB IV GAMBARAN UMUM OBJEK A. Gambaran Umum Objek/Subjek Penelitian 1. Batas Administrasi. Gambar 4.1: Peta Wilayah Jawa Tengah Jawa Tengah sebagai salah satu Provinsi di Jawa, letaknya diapit oleh dua
Lebih terperinciBAB IV GAMBARAN UMUM
BAB IV GAMBARAN UMUM A. Gambaran Umum Provinsi Jawa Tengah 1. Peta Provinsi Jawa Tengah Sumber : Jawa Tengah Dalam Angka Gambar 4.1 Peta Provinsi Jawa Tengah 2. Kondisi Geografis Jawa Tengah merupakan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Transportasi telah menjadi salah satu kebutuhan penting dalam kegiatan sehari-hari di kehidupan bermasyarakat. Kemajuan teknologi informasi yang ada sekarang,
Lebih terperinciAPLIKASI TEORI PRIM DALAM MENENTUKAN JALUR MUDIK
APLIKASI TEORI PRIM DALAM MENENTUKAN JALUR MUDIK Biyan Satyanegara NIM : 0807 Program Studi Teknik Informatika, Sekolah Teknik Elektro Informatika, Institut Teknologi Bandung Jalan Ganesha 10, Bandung
Lebih terperinciIMPLEMENTASI SISTEM PARKIR CERDAS DI UNIVERSITAS TELKOM. SUBSISTEM : APLIKASI MOBILE
IMPLEMENTASI SISTEM PARKIR CERDAS DI UNIVERSITAS TELKOM. SUBSISTEM : APLIKASI MOBILE Implementation Of Smart Parking System In Telkom University. Subsystem : Mobile Application Annis Waziroh 1, Agus Virgono,
Lebih terperinciKEADAAN KETENAGAKERJAAN JAWA TENGAH AGUSTUS 2011: TINGKAT PENGANGGURAN TERBUKA SEBESAR 5,93 PERSEN
No. 62/11/33/Th.V, 07 November 2011 KEADAAN KETENAGAKERJAAN JAWA TENGAH AGUSTUS 2011: TINGKAT PENGANGGURAN TERBUKA SEBESAR 5,93 PERSEN Jumlah angkatan kerja di Jawa Tengah Agustus 2011 mencapai 16,92 juta
Lebih terperinciImplementasi Teori Graf Dalam Topologi Distribusi Data
Implementasi Teori Graf Dalam Topologi Distribusi Data Andarias Silvanus - 13512022 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciPENENTUAN RUTE TERPENDEK UNTUK DISTRIBUSI PAKET POS MENGGUNAKAN ALGORITMA FLOYD WARSHALL SKRIPSI AHMAD NAZAM
PENENTUAN RUTE TERPENDEK UNTUK DISTRIBUSI PAKET POS MENGGUNAKAN ALGORITMA FLOYD WARSHALL SKRIPSI AHMAD NAZAM 091402101 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS
Lebih terperinciPENERAPAN MODIFIKASI ALGORITMA A* PATHFINDING DALAM GAME BALAP 3D BERBASIS MOBILE KOMPETENSI REKAYASA PERANGKAT LUNAK SKRIPSI
PENERAPAN MODIFIKASI ALGORITMA A* PATHFINDING DALAM GAME BALAP 3D BERBASIS MOBILE KOMPETENSI REKAYASA PERANGKAT LUNAK SKRIPSI OLEH : INDRA MAULANA BACHTIFAR NIM.1108605031 PROGRAM STUDI TEKNIK INFORMATIKA
Lebih terperinciPENERAPAN ALGORITMA A* (STAR) UNTUK MENCARI RUTE TERCEPAT DENGAN HAMBATAN
PENERAPAN ALGORITMA A* (STAR) UNTUK MENCARI RUTE TERCEPAT DENGAN HAMBATAN Yenie Syukriyah 1) Falahah 2) Hermi Solihin 3) 1,2,3) Teknik Informatika Universitas Widyatama Jl. Cikutra no. 204 A Bandung yenie.syukriyah@widyatama.ac.id
Lebih terperinciBAB IV GAMBARAN UMUM OBJEK PENELITIAN. Provinsi Jawa Tengah sebagai salah satu Provinsi di Jawa, letaknya diapit
BAB IV GAMBARAN UMUM OBJEK PENELITIAN A. Gambaran Umum Objek Penelitian 1. Kondisi Fisik Daerah Provinsi Jawa Tengah sebagai salah satu Provinsi di Jawa, letaknya diapit oleh dua Provinsi besar, yaitu
Lebih terperinciImplementasi Algoritma A Star pada Pemecahan Puzzle 8
1 Implementasi Algoritma A Star pada Pemecahan Puzzle 8 Yuliana, Ananda dan Ibnu Sur Progr;am Studi Teknik Informatika Politeknik Caltek Riau, Jln. Umbansari no.1 Rumbai Pekanbaru 28261 1 can_1ee14@hoo.com,
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Loket Bus merupakan tempat dimana masyarakat yang akan memesan atau membeli suatu tiket untuk menggunakan sarana transportasi bus sebagai keperluan
Lebih terperinciDAFTAR NOMINASI SEKOLAH PENYELENGGARA UN CBT TAHUN 2015
280 Jawa Tengah Kab. Banjarnegara SMA SMAN 1 Banjarnegara 281 Jawa Tengah Kab. Banjarnegara SMA SMAN 1 Purwareja Klampok 282 Jawa Tengah Kab. Banjarnegara SMK SMK HKTI 1 Purwareja Klampok 283 Jawa Tengah
Lebih terperinciPerancangan Aplikasi Wisata Kabupaten Lebak Menggunakan Algoritma A* (A-Star) Berbasis Android
Perancangan Kabupaten Lebak Menggunakan Algoritma A* (A-Star) Berbasis Android Ujang Anwar 1, Anggi Puspita Sari 2, Raudah Nasution 3 1 STMIK Nusamandiri e-mail: maydanfikra@outlook.com 2 AMIK BSI Bekasi
Lebih terperinciPRODUKSI CABAI BESAR, CABAI RAWIT, DAN BAWANG MERAH TAHUN 2014 PROVINSI JAWA TENGAH
No. 56/08/33 Th.IX, 3 Agustus 2015 PRODUKSI CABAI BESAR, CABAI RAWIT, DAN BAWANG MERAH TAHUN 2014 PROVINSI JAWA TENGAH PRODUKSI CABAI BESAR SEBESAR 167,79 RIBU TON, CABAI RAWIT SEBESAR 107,95 RIBU TON,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Permainan komputer atau yang sering kita sebut game merupakan salah satu aplikasi yang banyak diminati oleh para pengguna perangkat teknologi informasi dan komunikasi
Lebih terperinciPRODUKSI CABAI BESAR, CABAI RAWIT, DAN BAWANG MERAH PROVINSI JAWA TENGAH TAHUN 2013
No. 50/08/33/Th. VIII, 4 Agustus 2014 PRODUKSI CABAI BESAR, CABAI RAWIT, DAN BAWANG MERAH PROVINSI JAWA TENGAH TAHUN 2013 PRODUKSI CABAI BESAR SEBESAR 145,04 RIBU TON, CABAI RAWIT 85,36 RIBU TON, DAN BAWANG
Lebih terperinciPEMBERIAN NOMOR VERTEX PADA TOPOLOGI JARINGAN GRAF WHEEL, GRAF HELM DAN GRAF LOLLIPOP
PEMBERIAN NOMOR VERTEX PADA TOPOLOGI JARINGAN GRAF WHEEL, GRAF HELM DAN GRAF LOLLIPOP Oleh : MUHAMAD SIDIQ NIM. M0108095 SKRIPSI Ditulis dan diajukan untuk memenuhi sebagian persyaratan memeperoleh gelar
Lebih terperinciAPLIKASI PENGGUNAAN METODE KOHONEN PADA ANALISIS CLUSTER (Studi Kasus: Pendapatan Asli Daerah Jawa Tengah Dalam Menghadapi Asean Community 2015)
APLIKASI PENGGUNAAN METODE KOHONEN PADA ANALISIS CLUSTER (Studi Kasus: Pendapatan Asli Daerah Jawa Tengah Dalam Menghadapi Asean Community 015) Rezzy Eko Caraka 1 (1) Statistics Center Undip, Jurusan Statistika,
Lebih terperinciPENERAPAN ALGORITMA A* PATHFINDING DALAM MENGATUR PRILAKU PERGERAKAN KERBAU DALAM GAME 3D MAKEPUNG KOMPETENSI REKAYASA PERANGKAT LUNAK SKRIPSI
PENERAPAN ALGORITMA A* PATHFINDING DALAM MENGATUR PRILAKU PERGERAKAN KERBAU DALAM GAME 3D MAKEPUNG KOMPETENSI REKAYASA PERANGKAT LUNAK SKRIPSI I PUTU AGUS EDY SAPUTRA NIM. 1108605050 PROGRAM STUDI TEKNIK
Lebih terperinciANALISIS ASIMTOTIK DAN REAL TIME MENGGUNAKAN ALGORITMA L-DEQUE DALAM MENENTUKAN JARAK TERPENDEK ANTAR KANTOR CABANG BANK MANDIRI DI KOTA MEDAN SKRIPSI
1 ANALISIS ASIMTOTIK DAN REAL TIME MENGGUNAKAN ALGORITMA L-DEQUE DALAM MENENTUKAN JARAK TERPENDEK ANTAR KANTOR CABANG BANK MANDIRI DI KOTA MEDAN SKRIPSI FACHROZI FAHMI 141421117 PROGRAM STUDI EKSTENSI
Lebih terperinciBAB 2 LANDASAN TEORI 2.2. Algoritma A* (A Star)
BAB 2 LANDASAN TEORI Bab ini membahas tentang teori pendukung beserta penelitian terdahulu yang berhubungan dengan penerapan algoritma A Star dalam pencarian jarak terdekat indekos dari kampus. 2.1. Indekos
Lebih terperinciBab 4 Hasil dan Pembahasan
32 Bab 4 Hasil dan Pembahasan 4.1 Implementasi Model dan Hasil Perhitungan Implementasi program merupakan langkah merealisasikan perancangan menjadi sistem yang nyata dan dapat digunakan. Sistem dibangun
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Dewasa ini game semakin canggih dan kompleks. Tidak hanya dari sisi tampilannya, tetapi juga kecerdasan dari agen-agen yang ada didalam game tersebut. Sering kita temui
Lebih terperinciPenerapan Search Tree pada Penyelesaian Masalah Penentuan Jalur Kota Terpendek.
Penerapan Search Tree pada Penyelesaian Masalah Penentuan Jalur Kota Terpendek. Arnold Nugroho Sutanto - 13507102 1) 1) Jurusan Teknik Informatika ITB, Bandung 40132, email: if17102@students.if.itb.ac.id
Lebih terperinciPerbandingan Kompleksitas Algoritma Prim, Algoritma Kruskal, Dan Algoritma Sollin Untuk Menyelesaikan Masalah Minimum Spanning Tree
Perbandingan Kompleksitas Algoritma Prim, Algoritma Kruskal, Dan Algoritma Sollin Untuk Menyelesaikan Masalah Minimum Spanning Tree 1 Wamiliana, 2 Didik Kurniawan, 3 Cut Shavitri N.F. 1 Jurusan Matematika
Lebih terperinciPENYUSUNAN JADWAL PRAKTIKUM MAHASISWA MENGGUNAKAN METODE BEST FIRST SEARCH ABSTRAK
PENYUSUNAN JADWAL PRAKTIKUM MAHASISWA MENGGUNAKAN METODE BEST FIRST SEARCH Jerry Wiyono (0827003) Jurusan Sistem Komputer, Fakultas Teknik, Jalan Prof. drg. Suria Sumantri, MPH. No 65 Bandung 40164, Indonesia
Lebih terperinciAplikasi Teori Graf untuk Pencarian Rute Angkutan Kota Terdekat untuk Tempat-tempat di Bandung
Aplikasi Teori Graf untuk Pencarian Rute Angkutan Kota Terdekat untuk Tempat-tempat di Bandung Luqman Abdul Mushawwir NIM: 13507029 Jurusan Teknik Informatika ITB, Jalan Ganeca 10, Bandung, email: if17029@students.if.itb.ac.id
Lebih terperinci