Penjadwalan dan Penentuan Rute Kendaraan pada Industri Bahan Kimia Menggunakan Kombinasi Algoritma Genetika dan Algoritma Pencarian Tabu
|
|
- Hendri Lie
- 6 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) Penjadwalan dan Penentuan Rute Kendaraan pada Industri Bahan Kimia Menggunakan Kombinasi Genetika dan Pencarian Tabu Maya Sagita Walalangi, Arif Djunaidy Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya adjunaidy@is.its.ac.id Abstrak Distribusi produk yang dihasilkan oleh sebuah perusahaan memerlukan penjadwalan dan penentuan rute kendaraan yang tepat agar produk tersebut dapat disebarkan dan dipasarkan kepada konsumen akhir sesuai dengan yang diinginkan. Salah satu masalah yang sulit diselesaikan dalam penjadwalan kendaraan untuk proses distribusi produk adalah penentuan ketersedian dan kesiapan kendaraan yang sesuai dengan batasan yang telah ditentukan. Dalam tugas akhir ini dikembangkan sebuah aplikasi untuk membantu sebuah industri bahan kimia dalam melakukan penentuan rute dan penjadwalan kendaraan sesuai dengan batasan-batasan yang ditentukan oleh perusahaan dengan menggunakan kombinasi algoritma genetika dan algoritma pencarian tabu. genetika digunakan untuk menghasilkan jadwal dan rute kendaraan secara umum. Sedang algoritma pencarian tabu digunakan untuk mengoptimumkan jadwal dan rute yang dibentuk oleh algoritma genetika. Kombinasi dari kedua algoritma diharapkan mampu mengoptimumkan penggunaan kendaraan, meminimumkan biaya pengiriman, dan mengupayakan ketepatan waktu pengiriman. Hasil uji coba aplikasi yang menggunakan kombinasi algoritma genetika dan algoritma pencarian tabu mampu memenuhi batasan-batasan yang ditentukan oleh perusahaan. Penjadwalan dan penentuan rute kendaraan yang melibatkan algoritma kombinasi memberikan hasil biaya yang lebih minimum dibandingkan dengan yang dihasilkan oleh salah satu algoritma yang dikombinasikan. Namun demikian, dari aspek waktu komputasi yang diperlukan, algoritma pencarian tabu membutuhkan waktu komputasi yang tercepat. Kata Kunci Penjadwalan dan penentuan rute kendaraan, algoritma genetika, algoritma pencarian tabu, kombinasi algoritma genetika dan algoritma pencarian tabu. D I. PENDAHULUAN ISTRIBUSI merupakan kegiatan yang tidak lepas kaitannya dengan aktifitas memindahkan suatu barang atau material dari perusahaan terkait hingga sampai ke pihak pelanggan akhir[17]. Distribusi merupakan suatu aktivitas penting bagi perusahaan, karena dengan adanya proses ini, produk yang dihasilkan oleh perusahaan dapat disebarkan dan dipasarkan sampai ke konsumen akhir. Untuk memuaskan konsumen, salah satu hal yang dilakukan oleh perusahaan yaitu berusaha mengirimkan produk atau permintaan konsumen dengan tepat. Oleh karena itu proses distribusi juga menjadi proses yang penting bagi perusahaan. Proses distribusi yang dilakukan dibagi-bagi dalam kelompok-kelompok kendaraan yang akan mengirimkan produk ke pelanggan melalui rute yang ditentukan oleh perusahaan. Agar proses distribusi berjalan lancar maka dibutuhkan suatu perencanaan untuk dapat menentukan jadwal distribusi dan rute kendaraan yang tepat dan sesuai. Beberapa masalah yang terjadi karena penjadwalan dan penentuan rute kendaraan yang kurang tepat yaitu terjadinya keterlambatan dan muncul waktu tunggu karena estimasi waktu layanan mulai kendaraan berangkat sampai bongkar muatan di konsumen tidak sesuai. Keterlambatan di satu konsumen akan mempengaruhi waktu layanan pada konsumen yang selanjutnya jika dalam satu rute pengiriman yang dilalui kendaraan pengangkut terdapat lebih dari satu konsumen. Jika terjadi keterlambatan maka yang akan dirugikan nantinya adalah konsumen. Selain itu hal penting yang patut dipikirkan adalah berkenaan dengan utilitas kendaraan yang merupakan tingkat penggunaan kendaraan pada saat proses pengiriman produk berlangsung. Utilitas kendaraan erat kaitannya dengan penjadwalan dan penentuan rute karena dalam proses ini ditentukan kendaraan mana saja yang harus digunakan untuk pengiriman barang yang disesuaikan dengan jumlah produk yang akan dikirimkan pada tiap harinya agar dapat memenuhi permintaan pelanggan. Ada kalanya saat kendaraan telah dijadwalkan, masih ditemukan masalah. Faktanya, kendaraan yang telah dijadwalkan tiap harinya belum tentu berada pada kondisi yang bagus karena ada beberapa kendaraan yang seharusnya dilakukan perawatan atau diperbaiki. Terkadang perawatan tidak bisa dilakukan karena kendaraan harus digunakan untuk memenuhi permintaan. Hal ini dapat membahayakan pekerja karena kondisi kendaraan yang buruk saat digunakan. Permasalahan ini tentu berdampak pada perusahaan. Dampak dari masalah tersebut dapat dirasakan tidak hanya oleh perusahaan namun pelanggan juga ikut merasakan dampak dari masalah yang terjadi. Dampak yang terjadi dapat berpengaruh pada waktu pengiriman dan biaya. Waktu pengiriman menjadi tidak efektif karena banyak waktu yang dibuang karena adanya keterlambatan dan waktu tunggu baik
2 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) di jalan maupun saat menunggu antrian di konsumen. Selain itu, dampak juga berpengaruh pada biaya karena kerugiankerugian yang dapat dialami perusahaan. Penggunaan sumber daya yang tidak efektif dapat mengakibatkan peningkatan biaya untuk proses distribusi. Dari permasalahan tersebut, dibutuhkan suatu perhitungan yang sistematis untuk melakukan penjadwalan dan penentuan rute distribusi produk pada perusahaan. Oleh karena itu, pada penelitian ini dilakukan penyelesaian masalah menggunakan gabungan dari Genetika dan Pencarian Tabu. Gabungan kedua metode ini cukup banyak digunakan dalam menyelesaikan masalah penjadwalan dan penentuan rute kendaraan untuk kegiatan distribusi. II. TAHAPAN PENELITIAN A. Pengumpulan Data dan Identifikasi Masalah Pada tahap ini dilakukan pengumpulan data dan informasi yang dibutuhkan dalam pelaksanaan tugas akhir yang berkenaan dengan proses distribusi pada perusahaan terkait dengan data pelanggan meliputi informasi-informasi terkait dengan pelanggan aktif, data kendaraan meliputi informasiinformasi terkait dengan kendaraan yang dimiliki oleh perusahaan, dan data permintaan pengiriman terkait dengan informasi permintaan pengiriman produk dari pelanggan. Setelah dilakukan pengumpulan informasi dan data, dilakukan identifikasi permasalahan terkait dengan informasi yang didapatkan. B. Perancangan dan Pemodelan Pada bagian ini, semua batasan dan parameter yang dibutuhkan dalam proses analisis dibentuk ke dalam suatu model matematika. Dengan dibentuk ke dalam model matematika agar memudahkan proses perhitungan dengan algoritma yang digunakan. Setelah itu proses perhitungan menggunakan metode atau algoritma yang digunakan dilakukan dengan memanfaatkan model matematika yang telah dibuat sebelumnya. C. Pembuatan Program Pada tahap ini dilakukan pembuatan program penjadwalan dan penentuan rute menggunakan kedua algoritma yang digunakan dan memanfaatkan model matematika yang dibuat pada proses sebelumnya. Berikut ini spesifikasi yang digunakan untuk pembuatan program penjadwalan dan penentuan rute kendaraan : i. Bahasa Pemrograman : Java ii. Database Management System : MySQL D. Uji Coba dan Evaluasi Program Pada tahap ini, program penjadwalan dan penentuan rute dilakukan pengujian untuk mengetahui untuk mengevaluasi kinerja dari program dan algoritma yang digunakan dengan menyajikan pengujian acak untuk jumlah konsumen yang meningkat. III. PENJADWALAN DAN PENENTUAN RUTE MENGGUNAKAN KOMBINASI ALGORITMA Pada penjadwalan dan penentuan rute kendaraan pada kasus ini bertutjuan untuk meminimalkan biaya yang terkait jarak dan waktu transportasi sekaligus untuk mengupayakan ketepatan waktu pengiriman kepada pelanggan. Berikut ini adalah formulasi dari fungsi tujuan yang digunakan. Min C = d t x Fungsi tujuan (1) adalah biaya yang memperhitungkan jarak dan waktu perjalanan kendaraan ke pelanggan. Selaing fungsi (1), fungsi lain yang digunakan pada kasus ini adalah sebagai berikut. 0 y = n (i = 1, 2,, n ) f (i, v) 1 y n (i = 1, 2,, n ) 0 Q y K (v = 1, 2,, v ) f (i, v) = 1 Q y > K (v = 1, 2,, v ) (1) (2) (3) f (j, v) = 0 t l 1 t > l (4) f (i, v) = 0 t e 1 t < e (5) Fungsi (2), (3), (4), dan (5) adalah fungsi batasan yang digunakan dalam kasus ini. Fungsi (2) adalah fungsi batasan yang menentukan apakah semua pelanggan telah terjadwal semuanya pada saat jadwal ditentukan. Fungsi (3) adalah batasan kapasitas dimana muatan kendaraan tidak boleh melebihi kapasitas kendaraan. Fungsi (4) adalah batasan waktu kedatangan dimana waktu kedatangan kendaraan ke pelanggan tidak boleh melebihi batas waktu yang ditentukan. Fungsi (2), (3), dan (4) adalah hard constraint, sedangkan fungsi (5) yang merupakan fungsi yang menunjukkan apakah kendaraan datang lebih dahulu dari waktu awal yang ditentukan merupakan soft constraint yang boleh dilanggar. A. Pemodelan Kromosom Kromosom pada kasus ini berbentuk matrik yang tiap barisnya merepresentasikan jenis produk. Perlu digarisbawahi bahwa tidak boleh ada percampuran muatan antara produk satu dengan produk yang lain. Hal ini karena produk yang dimuat adalah produk kimia. Dalam kasus terdapat 4 jenis produk sehingga banyak baris pada kromosom adalah 4 baris yang tiap barisnya merupakan armada yang ditugaskan pada tiap-tiap produk. Pada contoh kode kromosom pada Gambar 1, T1 sampai dengan T16 adalah Trip Object yang merupakan objek yang menjadi gen dari kromosom yang dibentuk. Keterangan Trip Object ini dapat dilihat pada Tabel 1.
3 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) batasan dimana kesalahan yang terjadi akibat menyalahi batasan dijumlah kemudian diberikan nilai pinalti. 1 fitness(f) = (6) C (E + e) E = error + error + error + error (7) Gambar. 1. Contoh pengkodean kromosom yang digunakan Tabel 1 Komponen-Komponen pada Struktur Trip Object Trip Object (T) Waktu kirim ID Pelanggan Waktu Awal kirim (menit) Jumlah permintaan (kg) Waktu Akhir kirim (menit) Waktu kirim Jenis produk ID Armada ID Kendaraan Kapasitas Kendaraan (ton) B. Pembentukan Populasi Pada kasus ini menggunakan teknik random untuk membentuk individu-individu sebagai calon. Proses random diberlakukan pada Trip Object dimana komponen yang diacak adalah pelanggan dan kendaraan yang akan melakukan pengiriman. Berikut ini tahapan yang dilakukan pada teknik random untuk menghasilkan rute. Tahap 1 : Urutkan tiap node pelanggan berdasarkan waktu awal dan waktu akhir memulai layanan pada pelanggan untuk tiap armada. Tahap 2 : Untuk masing-masing armada, isi Trip Object dengan node pelanggan secara acak berturut-turut mulai dari kunjungan pertama sampai kunjungan ke-n. Kombinasi yang dihasilkan tidak boleh memungkinkan adanya pelanggan yang sama muncul dua kali dalam kunjungan. Satu kunjungan hanya diisi oleh satu pelanggan. Terus lakukan proses random jika ada pelanggan yang belum didaftarkan. Tahap 3 : Setelah tiap-tiap kunjungan telah diisi oleh pelanggan, lakukan proses random kembali terhadap kendaraan. Proses random pada kendaraan harus berkisar pada sejumlah kendaraan yang ditugaskan untuk tiap-tiap armada. Untuk kendaraan, kombinasi yang dihasilkan boleh memungkinkan kendaraan yang sama muncul lebih dari satu kali, namun harus diingat bahwa sebisa mungkin semua kendaraan dapat muncul dalam proses random. Tahap 4 : Setelah Trip Object terisi dengan pelanggan dan kendaraan, masukkan komponen-komponen yang terkait dengan pelanggan dan kendaraan dalam objek. Tahap 5 : Ulangi tahap 2 sampai dengan 4, jika masih ada armada yang belum terisi oleh objek. Setelah terbentuk individu, semua individu yang dihasilkan dihitung nilai fitness untuk tiap-tiap individu. Individu yang memiliki nilai fitness yang baik yang akan dimasukkan ke dalam populasi.urutan penomoran C. Fungsi Fitness Pada kasus ini, fungsi fitness yang digunakan adalah fungsi tujuan yang bertujuan untuk meminimumkan jarak dan waktu dan fungsi tambahan yang didapatkan dari perhitungan fungsi error = W f error = W f error = W f error = W f (8) (9) (10) (11) C merupakan fungsi tujuan, sedangkan E merupakan fungsi eveluasi yang dibentuk berdasarkan pembobotan dari kesalahan yang dimiliki individu atau kromosom karena menyalahi batasan. Pada fungsi fitness di atas diberikan konstanta e, dimana e merupakan bilangan kecil yang ditentukan untuk menghindari pembagi nol atau jika E bernilai nol. Error 1 sampai error 4 adalah fungsi yang memberikan bobot pada kesalahan yang terjadi akibat menyalahi empat batasan yang disebutkan sebelumnya. Sedangkan W1 dan W2 merupakan bobot atau nilai pinalti yang diberikan. W1 diberikan pada batasan-batasan yang bersifat hard constraint sedangkan W2 diberikan batasan yang bersifat soft constraint. W1 = jumlah permintaan terbesar dalam hari tersebut dan W2 = 1/jumlah pelanggan. D. Rekombinasi dan Mutasi Proses rekombinasi dan mutasi merupakan proses untuk meningkatkan kualitas individu pada populasi. Sebelum kedua proses ini dilakukan, individu yang akan dikenakan prosesproses ini harus diseleksi terlebih dahulu. Pada kasus ini dilakukan proses seleksi menggunakan metode Roulette Wheel dengan memilih berdasarkan dua angka acak yang dihasilkan disesuaikan dengan persentase nilai fitness masing-masing individu. Proses rekombinasi yang dilakukan adalah menggunakan metode Order Crossover(OX)( Davis, 1985). Order Crossover dipilih karena metode ini menghasilkan jumlah anak yang sama banyaknya dengan jumlah induk yang diseleksi dari populasi. Gen-gen anak yang dihasilkan dimasukkan secara berurutan dan terstruktur sehingga memudahkan proses rekombinasi walaupun bentuk kromosom berbentuk matrik. Operator rekombinasi ini dipilih karena disesuaikan dengan bentuk kromosom pada kasus ini dimana bentuk kromosom adalah matrik yang tiap barisnya mewakili jenis produk atau armada yang berbeda. Mekanisme Order Crossover dapat dilihat pada Gambar 2. Operasi selanjutnya pada genetika adalah mutasi.
4 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) Proses mutasi merupakan proses penukaran gen dari 1 menjadi 0 pada titik tertentu yang didapatkan secara acak [20].Pada kasus ini digunakan salah satu proses mutasi yang sederhana yaitu Swap Mutation yaitu suatu pertukaran dua buah gen dalam satu kromosom dimana gen-gen yang ditukarkan dapat dihasilkan dengan cara acak. Kromosom yang ditukarkan adalah kromosom sebaris, dimana baris dipilih secara acak kemudian dilakukan pertukaran. Mekanisme proses mutasi ini dapat dilihat pada Gambar 3. namun hanya induk kedua saja yang dioptimalkan. Hal ini dilakukan agar tetap menjaga kualitas induk pertama yang memiliki nilai dari fungsi fitness yang paling baik. Sedangkan kombinasi yang kedua adalah melakukan optimasi menggunakan pencarian tabu setelah populasi dikenakan operasi pada algoritma genetika agar dapat menghasilkan individu baru dengan kualitas yang baik. Alur proses gabungan antara algoritma genetika dan algoritma pencarian tabu yang diadaptasi dari penelitian Yu et. al. dan Thamilselvan dan Balasubramanie dan disesuaikan dengan kebutuhan pada kasus dapat dilihat pada Gambar 4. Gambar. 2. Mekanisme proses rekombinasi menggunakan metode Order Crossover Gambar 3. Mekanisme proses mutasi menggunakan metode Swap Mutation E. Terminasi Terminasi adalah suatu kondisi dimana suatu iterasi atau suatu proses dalam menghasilkan solusi mengalami pemberhentian karena syarat atau kondisi tertentu. Pada kasus ini juga menerapkan terminasi dimana proses pencarian solusi menggunakan algoritma genetika akan berhenti jika dalam kondisi di bawah ini : a) Jika jumlah generasi yang dihasilkan telah mencapai angka maksimum generasi yang ditentukan. b) Solusi terbaik dalam populasi atau solusi terbaik dari individu baru terhadap solusi terbaik dari populasi sebelumnya tidak mengalami peningkatan sebanyak 1000 kali iterasi atau mengalami penurunan pada jumlah generasi tertentu. c) Solusi terbaik dari individu baru dibandingkan solusi terbaik dari populasi generasi sebelumnya memiliki persentase kurang dari error rate yang ditentukan. F. Alur Kombinasi Genetika dan Pencarian Tabu Bagian ini menjelaskan mengenai alur proses pencarian solusi menggunakan kombinasi antara Genetika dan Pencarian Tabu. Proses yang dibuat didalamnya diadaptasi dari alur proses pada penelitian yang dilakukan oleh Yu et. al dan Thamilselvan dan Balasubramanie. Dalam kasus ini, kombinasi antara algoritma genetika dan pencarian tabu berada pada dua tahap dalam proses. Pertama, pencarian tabu disisipkan pada proses seleksi individu yang akan menjadi induk untuk mengoptimalkan induk yang dihasilkan. Namun tidak semua induk yang dipotimalkan Gambar 4. Flowchart Kombinasi Genetika dan Pencarian Tabu IV. HASIL IMPLEMENTASI DAN ANALISIS Proses penjadwalan dan penentuan rute kendaraan pada kasus ini dilakukan pada salah satu perusahaan produsen bahan kimia sebagai studi kasus. Proses perhitungan awal dilakukan pada permintaan pengiriman dengan jumlah pelanggan sebanyak 17 pelanggan. Contoh hasil keluaran dari perhitungan jadwal dan rute pada program dapat dilihat pada Gambar 5. Selain menggunakan kombinasi algoritma, pada penelitian ini juga dbentuk jadwal dan rute menggunakan algoritma genetika, algoritma pencarian tabu, dan metode penjadwala perusahaan untuk membandingkan solusi yang telah dibentuk. Untuk algoritma kombinasi, algoritma genetika dan algoritma pencarian tabu dilakukan perhitungan sebanyak 10 kali replikasi untuk menghasilkan kemungkinan solusi paling baik. Hasil perbandingan empat metode ini dapat dilihat pada Tabel 3
5 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) Grafik dari pengaruh ukuran populasi terhadap jumlah generasi pada Tabel 2 dapat dilihat pada Gambar 7. Dari Tabel 2, didapatkan jumlah generasi yang dipengaruhi oleh ukuran populasi tertentu dalam kurun waktu komputasi selama 1 jam (60 menit). Setiap pertambahan ukuran populasi, jumlah generasi yang dihasilkan dalam waktu komputasi selama satu jam menjadi berkurang. Nilai Fitness Gambar 5. Contoh hasil keluaran program yang berupa jadwal dan rute pengiriman Generasi Gambar.6. Grafik perubahan nilai fitness tiap generasi pada hasil replikasi 1 untuk 17 pelanggan Untuk mengetahui kinerja program dalam menghasilkan solusi, maka pada penelitian ini dilakukan uji kinerja dimana uji yang dilakukan adalah membandingkan jumlah generasi yang dihasilkan oleh ukuran populasi yang berbeda dalam kurun waktu komputasi yang ditentukan. Dalam uji ini waktu komputasi ditentukan dengan lama waktu 1 jam. Hasil dari uji kinerja dapat dilihat pada Tabel Tabel 2 Pengaruh Ukuran Populasi Terhadap Jumlah Generasi pada 1 jam Waktu Komputasi Jumlah Generasi pada Ukuran Populasi Jumlah pelanggan 17 Pelanggan Pelanggan Pelanggan Pelanggan Jumlah Generasi 0, , , , , , Grafik Perubahan Nilai Fitness Grafik Perubahan Jumlah Generasi Terhadap Ukuran Populasi dalam 1 jam Waktu Komputasi 17 Pelanggan 24 Pelanggan 27 Pelanggan 27 Pelanggan 24 Pelanggan 17 Pelanggan Ukuran Populasi Gambar 7. Grafik perubahan jumlah generasi terhadap ukuran populasi dalam kurun waktu komputasi selama 1 jam Tabel 3 Contoh Perbandingan Hasil Perhitungan tiap-tiap untuk Jadwal dan Rute dengan 17 Pelanggan Nilai Fitness Biaya Error 1 Error 2 Error 3 Error 4 Penjadwalan Perusahaan Genetika Pencarian Tabu Kombinasi 0, , , , , , , , Dari perbandingan pada Tabel 3, terlihat bahwa kombinasi algoritma menunjukkan biaya paling baik. Namun hal ini tidak bisa menjadi patokan. Maka dilakukan perbandingan biaya antara empat metode yang digunakan. Perbandingan biaya yang dilakukan adalah perbandingan biaya terbaik dan ratarata biaya yang dihasilkan dari algoritma acuan dengan biaya yang dihasilkan oleh metode penjadwalan kendaraan. Tabel 4 Jadwal 1 (17 2 (24 3 (27 Data Tes 1 (26 Data Tes 2 (20 Perbandingan Biaya Terbaik dari tiap-tiap Penjadwalan Pencarian Genetika Perusahaan Tabu 368, , , , Kombinasi 366, , , , , , , , , , , , , , , , Tabel 5. Perbandingan Biaya Rata-Rata Acuan dengan Biaya dari Penjadwalan Perusahaan Jadwal 1 (17 2 (24 3 (27 Data Tes 1 (26 Data Tes 2 (20 Penjadwalan Perusahaan 368, , , , , Genetika Pencarian Tabu Kombinasi 526, , , , , , , , , , , , , , ,14029 Dari Tabel 5.51, didapatkan dari lima jadwal bahwa biaya terbaik paling banyak dihasilkan oleh kombinasi algoritma pada jadwal 1,3 dan data tes 1. Sedangkan biaya terbaik yang dihasilkan dari metode penjadwalan perusahaan ada pada jadwal 2 dan biaya terbaik pada data tes 2 dihasilkan oleh algoritma pencarian tabu. Dari hasil tersebut dapat
6 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) dikatakan bahwa kombinasi algoritma berpeluang dapat menghasilkan biaya atau solusi yang lebih baik daripada biaya hasil metode penjadwalan perusahaan. Untuk perbandingan rata-rata biaya tiga algoritma acuan dengan biaya dari metode penjadwalan manual pada Tabel 5.52 didapatkan hasil bahwa biaya dari metode penjadwalan perusahaan lebih minimum daripada biaya rata-rata yang dihasilkan oleh tiga algoritma acuan. Namun dari perbandingan tersebut, didapatkan pula bahwa rata-rata biaya yang paling mendekati biaya yang dihasilkan oleh metode penjadwalan perusahaan adalah rata-rata yang dihasilkan oleh kombinasi algoritma. Dari hasil perbandingan dua jenis biaya yang didapatkan dari masing-masing metode, dapat disimpulkan bahwa kombinasi algoritma memiliki peluang dapat menghasilkan biaya solusi yang lebih baik daripada metode penjadwalan perusahaan. Tidak bisa dikatakan bahwa biaya yang dihasilkan oleh kombinasi algoritma lebih minimum daripada biaya dari metode penjadwalan perusahaan karena solusi yang dihasilkan tiap program dijalankan dapat berbeda-beda karena pembentukan individu awal yang dilakukan adalah secara acak sehinggan menimbulkan perbedaan hasil tiap program dijalankan. V. KESIMPULAN DAN SARAN Kesimpulan yang dapat diambil dari penelitian yang dilakukan antara lain : a) Aplikasi yang dibuat mampu menjalankan semua fungsional yang ditentukan dan mampu memberikan solusi yang sama dengan dengan perhitungan manual. Selain itu, solusi yang dihasilkan oleh aplikasi dapat memenuhi batasan-batasan utama (hard constraints) yang ditetapkan dalam penjadwalan dan penentuan rute kendaraan. b) Dari uji coba kinerja aplikasi, kombinasi algoritma yang digunakan mampu menghasilkan solusi jadwal dan rute kendaraan dengan biaya yang lebih minimum dan lebih baik dibandingkan dengan yang dihasilkan oleh masingmasing algoritma yang dikombinasikan. Rataan biaya yang dihasilkan oleh kombinasi algoritma dalam 10 kali replikasi juga menunjukkan hasil yang lebih baik. Namun demikian, dari aspek waktu komputasi yang diperlukan, algoritma pencarian tabu membutuhkan waktu komputasi yang paling sedikit. c) Kombinasi algoritma yang digunakan dalam aplikasi mempunyai peluang untuk menghasilkan biaya yang lebih minimum dibandingkan dengan biaya yang dihasilkan oleh metode penjadwalan manual perusahaan. Dari lima uji coba penjadwalan yang dilakukan, tiga solusi dengan biaya terrendah dihasilkan oleh kombinasi algoritma. Walaupun rataan biaya yang dihasilkan oleh kombinasi algoritma dari 10 kali replikasi lebih besar dari pada biaya yang dihasilkan oleh metode penjadwalan manual perusahaan, tetapi rataan biaya yang dihasilkan mendekati biaya yang dihasilkan oleh metode penjadwalan manual perusahaan. Adapun saran yang ditambahkan untuk mengembangkan penelitian ini adalah aplikasi perlu diintegrasikan pada sistem peta geografis untuk mendapatkan jarak antar pelanggan yang lebih realistis. Selain itu, perhitungan biaya yang dibutuhkan tidak hanya didasarkan pada jarak dan waktu tempuh, tetapi disesuaikan dengan kondisi nyata, seperti biaya bahan bakar, biaya kebutuhan supir, dan biaya-biaya lain-lain yang relevan. UCAPAN TERIMA KASIH Alhamdulillah, penulis ucapkan puja dan puji syukur kehadirat Allah SWT yang telah memberikan kesempatan pada penulis untuk menyelesaikan penelitian ini. Penulis juga mengucapkan terima kasih kepada semua pihak yang telah membantu proses penelitian ini, terutama kepada Dosen Pembimbing yang telah meluangkan waktu dalam membantu membimbing penulis untuk menyelesaikan penelitian ini. DAFTAR PUSTAKA [1] Maulik, U and Bandyopadhyay, S Genetic algorithm-based clustering technique. Pattern Recognition , Available : [2] Bodin, L. et. al Routing and Scheduling of Vehicles and Crews.Computer and Operation Research, Available : [3] Glover, F. et. al Genetic Algorithms and Tabu Search: Hybrids for Optimization. Computer and Operation Research, [4] Thamilselvan, R and Balasubramanie, P A Genetic Algorithm with a Tabu Search (GTA) for Traveling Salesman Problem. International Journal of Recent Trends in Engineering, [5] Yu, S. et al A hybrid GA TS algorithm for open vehicle routing optimization of coal mines material. Expert Systems with Applications, Available: [6] Malmborg, J. C A genetic algorithm for service level based vehicle scheduling. European Joumal of Operational Research , Available: [7] Min, H. et. al The Study of Optimizing of Physical Distribution Routing Problem System with Time Windows Based on Genetic Algorithm. International Forum on Information Technology and Applications, Available: df. [8] Skrlec, D. et. al A Heuristic Modification of Genetic Algorithm Used for Solving the Single Depot Capacited Vehicle Routing Problem. Electrical Engineering and Computing, Available: [9] Mak, K.L and Guo, Z. G A genetic algorithm for vehicle routing problems with Stochastic demand and soft time windows. Systems and Information Engineering Design Symposium, Available: &arnumber= &isnumber= [10] Brandao, J and Mercer, A A tabu search algorithm for the multitrip vehicle routing and scheduling problem. European Journal of Operational Research , Available: /article/pii/ S [11] Qin, J. et. al A New Coding Method for Genetic Algorithm in Vehicle Routing Problem. International Conference on Cyber Technology in Automation, Control, and Intelligent Systems, Available: df?tp=&arnumber= &isnumber= [12] Panggabean, H. P Penjadwalan job shop statik dengan tabu search. Integral,
7 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) Available: 10%20No.%201/Penjadwalan%20Job%20Shop%20dengan%20Tabu%2 0Search.pdf. [13] Mitchell, M An Introduction to Genetic Algorithms. London, England: The MIT Press. [14] Haupt, R. L., & Haupt, S. E Practical Genetic Algorithms (2nd Edition ed.). Hoboken, New Jersey, USA: John Wiley & Sons, Inc. [15] Gendreau, M An Introduction to Tabu Search. Montreal, Canada: Kluwer Academic Publishers. [16] Prabha, K. A. and Saranya, R Refinement of K-Means Clustering Using Genetic Algorithm. Journal of Computer Applications, Available: [17] Rushton, A. et. al The Handbook of Logistics and Distribution Management. : Kogan Page Ltd. [18] Duan, Z. et. al An Improved Genetic Algorithm for Time Dependent Vehicle Routing Problem. Future Computer and Communication International Conference, Available: arnumber= [19] Liaw, C A hybrid genetic algorithm for the open shop scheduling problem. European Journal of Operational Research, [20] Hendrawan, B.E Implementasi Paralel Genetic Algorithm untuk Penyelesaian Heterogeneous Fleet Vehicle Routing Problem. Surabaya : Tugas Akhir Jurusan Teknik Informatika FTIf ITS.
PENJADWALAN DAN PENENTUAN RUTE KENDARAAN PADA INDUSTRI BAHAN KIMIA MENGGUNAKAN KOMBINASI METODE ALGORITMA GENETIKA DAN ALGORITMA PENCARIAN TABU
PRESENTASI TUGAS AKHIR KS091336 PENJADWALAN DAN PENENTUAN RUTE KENDARAAN PADA INDUSTRI BAHAN KIMIA MENGGUNAKAN KOMBINASI METODE ALGORITMA GENETIKA DAN ALGORITMA PENCARIAN TABU Oleh : Maya Sagita W. 5208
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 terperinciPenerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem
Penerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem Tri Kusnandi Fazarudin 1, Rasyid Kurniawan 2, Mahmud Dwi Sulistiyo 3 1,2 Prodi S1 Teknik Informatika,
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 terperinciCrossover Probability = 0.5 Mutation Probability = 0.1 Stall Generation = 5
oleh pengguna sistem adalah node awal dan node tujuan pengguna. Lingkungan Pengembangan Sistem Implementasi Algoritme Genetika dalam bentuk web client menggunakan bahasa pemrograman PHP dan DBMS MySQL.
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM
PERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM Nico Saputro dan Suryandi Wijaya Jurusan Ilmu Komputer Universitas Katolik Parahyangan nico@home.unpar.ac.id
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 terperinciPENGARUH NILAI PARAMETER TERHADAP SOLUSI HEURISTIK PADA MODEL VTPTW
INFOMATEK Volume 19 Nomor 1 Juni 2017 PENGARUH NILAI PARAMETER TERHADAP SOLUSI HEURISTIK PADA MODEL VTPTW Tjutju T. Dimyati Program Studi Teknik Industri Fakultas Teknik Universitas Pasundan Abstrak: Penentuan
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 terperinciOptimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika
Optimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika Rozak Arief Pratama 1, Esmeralda C. Djamal, Agus Komarudin Jurusan Informatika, Fakultas MIPA Universitas Jenderal
Lebih terperinciBAB I PENDAHULUAN. lebih efektif dan efisien karena akan melewati rute yang minimal jaraknya,
BAB I PENDAHULUAN A. Latar Belakang Distribusi merupakan proses penyaluran produk dari produsen sampai ke tangan masyarakat atau konsumen. Kemudahan konsumen dalam mendapatkan produk yang diinginkan menjadi
Lebih terperinciBAB III MODEL DAN TEKNIK PEMECAHAN
BAB III MODEL DAN TEKNIK PEMECAHAN III.1. Diskripsi Sistem Sistem pendistribusian produk dalam penelitian ini adalah berkaitan dengan permasalahan vehicle routing problem (VRP). Berikut ini adalah gambar
Lebih terperinciGENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR
MULTI TRAVELING SALESMAN PROBLEM (MTSP) DENGAN ALGORITMA Abstrak GENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR Oleh : Fitriana Yuli Saptaningtyas,M.Si. Jurusan Pendidikan Matematika FMIPA
Lebih terperinciBAB I PENDAHULUAN. Pemerintah Pusat hingga Pemerintah Daerah, salah satu program dari
BAB I PENDAHULUAN A. Latar Belakang Masalah Peningkatan kesejahteraan dalam memenuhi kebutuhan pangan masyarakat berpendapatan rendah merupakan program nasional dari Pemerintah Pusat hingga Pemerintah
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM
IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM Anies Hannawati, Thiang, Eleazar Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas Kristen Petra Jl. Siwalankerto 121-131,
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 terperinciPENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION
PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION Samuel Lukas 1, Toni Anwar 1, Willi Yuliani 2 1) Dosen Teknik Informatika,
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Traveling Salesman Problem (TSP) adalah permasalahan dimana seorang salesman harus mengunjungi semua kota yang ada dan kota tersebut hanya boleh dikunjungi tepat satu
Lebih terperinciPENGGUNAAN ALGORITMA GENETIKA PADA PENJADWALAN PRODUKSI DI PT DNP INDONESIA PULO GADUNG
PENGGUNAAN ALGORITMA GENETIKA PADA PENJADWALAN PRODUKSI DI PT DNP INDONESIA PULO GADUNG Suriadi AS, Ulil Hamida, N. Anna Irvani STMI Jakarta, Kementerian Perindustrian RI ABSTRAK Permasalahan yang terjadi
Lebih terperinciBAB II KAJIAN TEORI. memindahkan barang dari pihak supplier kepada pihak pelanggan dalam suatu supply
BAB II KAJIAN TEORI Berikut diberikan beberapa teori pendukung untuk pembahasan selanjutnya. 2.1. Distribusi Menurut Chopra dan Meindl (2010:86), distribusi adalah suatu kegiatan untuk memindahkan barang
Lebih terperinciAlgoritma Genetika Ganda (AGG) untuk Capacitated Vehicle Routing Problem (CVRP)
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 T 6 Algoritma Genetika Ganda (AGG) untuk Capacitated Vehicle Routing Problem (CVRP) Daryono Budi Utomo, Mohammad Isa Irawan, Muhammad Luthfi
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 terperinciAplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)
JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak
Lebih terperinciBAB III PEMBAHASAN. diperoleh menggunakan algoritma genetika dengan variasi seleksi. A. Model Matematika CVRPTW pada Pendistribusian Raskin di Kota
BAB III PEMBAHASAN Pada bab ini akan dibahas mengenai model matematika pada pendistribusian raskin di Kota Yogyakarta, penyelesaian model matematika tersebut menggunakan algoritma genetika serta perbandingan
Lebih terperinciGambar 1.1 Contoh Ilustrasi Kasus CVRP 13
BAB I PENDAHULUAN 1.1. Latar Belakang Vehicle Routing Problem (VRP) merupakan konsep umum yang digunakan untuk semua permasalahan yang melibatkan perancangan rute optimal untuk armada kendaraan yang melayani
Lebih terperinciBAB II KAJIAN PUSTAKA. Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi
BAB II KAJIAN PUSTAKA Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi graf, permasalahan optimasi, model matematika dari objek wisata di Yogyakarta, dan algoritma genetika
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 terperinciAlgoritma Genetika Ganda untuk Capacitated Vehicle Routing Problem
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) 2337-3520 (2301-928X Print) A-19 Algoritma Genetika Ganda untuk Capacitated Vehicle Routing Problem Muhammad Luthfi Shahab dan Mohammad Isa Irawan Matematika,
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 terperinciALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 03(2016), hal 265 274. ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR Abdul Azis, Bayu Prihandono, Ilhamsyah INTISARI Optimasi
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 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 terperinciUSULAN RANCANGAN RUTE TRANSPORTASI MULTI TRIP
USULAN RANCANGAN RUTE TRANSPORTASI MULTI TRIP UNTUK MEMINIMASI BIAYA TRANSPORTASI DENGAN HETEROGENEOUS FLEET DAN TIME WINDOW MENGGUNAKAN METODE ALGORITMA GENETIKA DI PT.XYZ Muhammad Zuhdi Aiman Anka 1,
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Pada saat sekarang ini, setiap perusahaan yang ingin tetap bertahan dalam persaingan dengan perusahaan lainnya, harus bisa membuat semua lini proses bisnis perusahaan tersebut
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 terperinciPENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP)
PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) Mohamad Subchan STMIK Muhammadiyah Banten e-mail: moh.subhan@gmail.com ABSTRAK: Permasalahan pencarian rute terpendek dapat
Lebih terperinciBAB 1 PENDAHULUAN. 1 Randy L Haupt & Sue Ellen Haupt, Practical Genetic Algorithms second edition, Wiley Interscience,2004.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Seseorang salesman tentu akan sangat kesulitan jika harus mengunjungi semua kota sendirian, oleh karena itu dibutuhkan beberapa orang salesman untuk membagi
Lebih terperinciJurnal Ilmiah Mustek Anim Ha Vol.1 No. 2, Agustus 2012 ISSN
PENENTUAN RUTE PENGAMBILAN SAMPAH DI KOTA MERAUKE DENGAN KOMBINASI METODE EKSAK DAN METODE HEURISTIC Endah Wulan Perwitasari Email : dek_endah@yahoo.com Jurusan Teknik Informatika Fakultas Teknik Universitas
Lebih terperinciPemilihan Supplier dan Penjadwalan Distribusi CNG dengan Pemodelan Matematis
JURNAL TEKNIK POMITS Vol. 3, No. 2, (23) ISSN: 2337-3539 (23-927 Print) G-49 Pemilihan Supplier dan Penjadwalan Distribusi CNG dengan Pemodelan Matematis Ludfi Pratiwi Bowo, AAB. Dinariyana, dan RO. Saut
Lebih terperinciBAB 1. PENDAHULUAN. Permasalahan pendistribusian barang oleh depot ke konsumen merupakan
BAB 1. PENDAHULUAN 1.1 Latar Belakang Permasalahan pendistribusian barang oleh depot ke konsumen merupakan komponen penting dalam sistem pelayanan depot suatu perusahaan, proses tersebut dapat terjadi
Lebih terperinciANALISIS PENGATURAN INDIVIDU CROSSOVER DAN MUTASI ALGORITMA GENETIKA STUDI KASUS TRAVELLING SALESMAN PROBLEM
ANALISIS PENGATURAN INDIVIDU CROSSOVER DAN MUTASI ALGORITMA GENETIKA STUDI KASUS TRAVELLING SALESMAN PROBLEM Sean Coonery Sumarta* 1 1 Program Studi Teknik Informatika, Universitas Atma Jaya Makassar,
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 terperinciBAB III. Metode Penelitian
BAB III Metode Penelitian 3.1 Diagram Alir Penelitian Secara umum diagram alir algoritma genetika dalam penelitian ini terlihat pada Gambar 3.1. pada Algoritma genetik memberikan suatu pilihan bagi penentuan
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP)
Abstrak PENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP) Aulia Fitrah 1, Achmad Zaky 2, Fitrasani 3 Program Studi Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi
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 terperinciPENJADWALAN MESIN BERTIPE JOB SHOP UNTUK MEMINIMALKAN MAKESPAN DENGAN METODE ALGORITMA GENETIKA (STUDI KASUS PT X)
PENJADWALAN MESIN BERTIPE JOB SHOP UNTUK MEMINIMALKAN MAKESPAN DENGAN METODE ALGORITMA GENETIKA (STUDI KASUS PT X) Ria Krisnanti 1, Andi Sudiarso 2 1 Jurusan Teknik Mesin dan Industri, Fakultas Teknik,
Lebih terperinciBAB 2 LANDASAN TEORI
18 BAB 2 LANDASAN TEORI 2.1 Pengertian Optimasi Optimasi adalah salah satu ilmu dalam matematika yang fokus untuk mendapatkan nilai minimum atau maksimum secara sistematis dari suatu fungsi, peluang maupun
Lebih terperinciBAB III PEMBAHASAN. Berikut akan diberikan pembahasan mengenai penyelesaikan CVRP dengan
BAB III PEMBAHASAN Berikut akan diberikan pembahasan mengenai penyelesaikan CVRP dengan Algoritma Genetika dan Metode Nearest Neighbour pada pendistribusian roti di CV. Jogja Transport. 3.1 Model Matetematika
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Algoritma Genetika
6 BAB 2 LANDASAN TEORI 2.1 Algoritma Genetika Algoritma genetika merupakan metode pencarian yang disesuaikan dengan proses genetika dari organisme-organisme biologi yang berdasarkan pada teori evolusi
Lebih terperinciPERANCANGAN ALGORITMA GENETIKA UNTUK MENENTUKAN JALUR TERPENDEK. Kata kunci: Algoritma Genetika, Shortest Path Problem, Jalur Terpendek
PERANCANGAN ALGORITMA GENETIKA UNTUK MENENTUKAN JALUR TERPENDEK Fajar Saptono 1, Taufiq Hidayat 2 Laboratorium Pemrograman dan Informatika Teori Jurusan Teknik Informatika, Fakultas Teknologi Industri,
Lebih terperinciPERENCANAAN OPERASIONAL DISTRIBUSI SURAT KABAR DARI PERCETAKAN KE SEJUMLAH AGEN DI KOTA SURABAYA ABSTRAK
PERENCANAAN OPERASIONAL DISTRIBUSI SURAT KABAR DARI PERCETAKAN KE SEJUMLAH AGEN DI KOTA SURABAYA Erma Budhi Kurnia Susanti 1),Ahmad Rusdianyah 2) Program Studi Magister Manajemen Teknologi Institut Teknologi
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA HYBRID (BEST IMPROVEMENT SEARCH) PADA VEHICLE ROUTING PROBLEM WITH TIME WINDOW
IMPLEMENTASI ALGORITMA GENETIKA HYBRID (BEST IMPROVEMENT SEARCH) PADA VEHICLE ROUTING PROBLEM WITH TIME WINDOW Fitria Dwi Rosi, Purwanto, dan Mohammad Yasin Universitas Negeri Malang ABSTRAK: Vehicle Routing
Lebih terperinciOptimasi Persediaan Multi-item Fuzzy EOQ Di PT UWBM dengan Algoritma Genetika
Optimasi Persediaan Multi-item Fuzzy EOQ Di PT UWBM dengan Algoritma Genetika Disusun Oleh : Ainy Mahmudah 1307 100 002 Pembimbing I Pembimbing II : Dr. Irhamah, S.Si., M.Si : Dra. Sri Mumpuni R, M.Si
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 terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
Lebih terperinciBAB I PENDAHULUAN. I.1. Latar Belakang Penelitian
BAB I PENDAHULUAN I.1. Latar Belakang Penelitian Dalam banyak perusahaan, pengaturan kegiatan distribusi barang dari produsen ke konsumen merupakan faktor yang memegang peranan penting, dikarenakan pengeluaran
Lebih terperinciDAFTAR ISI. Tim Redaksi... i Kata Pengantar... ii Daftar Isi... iii
DAFTAR ISI Tim Redaksi... i Kata Pengantar... ii Daftar Isi... iii Faiz Rafdh Ch SISTEM INFORMASI ZAKAT BERBASIS WEB MENGGUNAKAN PHP DAN MYSQL PADA RUMAH ZAKATINDONESIA 1-7 Abdul Jamil Syamsul Bachtiar
Lebih terperinciOptimasi Penjadwalan Ujian Menggunakan Algoritma Genetika
Optimasi Penjadwalan Ujian Menggunakan Algoritma Genetika Nia Kurnia Mawaddah Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Jurusan Matematika, FMIPA Universitas Brawijaya, Malang 65145 Abstrak Penjadwalan
Lebih 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 terperinciIMPLEMENTASI ALGORITMA GENETIKA DENGAN VARIASI SELEKSI DALAM PENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM WITH TIME WINDOWS
IMPLEMENTASI ALGORITMA GENETIKA DENGAN VARIASI SELEKSI DALAM PENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM WITH TIME WINDOWS (CVRPTW) UNTUK OPTIMASI RUTE PENDISTRIBUSIAN RASKIN DI KOTA YOGYAKARTA TUGAS
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 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 terperinciOPTIMALISASI LAHAN TANAH UNTUK AREA RUMAH DAN JALAN MENGGUNAKAN ALGORITMA GENETIKA
Optimalisasi Lahan Tanah untuk Area Rumah dan Jalan... (Fadhil dkk.) OPTIMALISASI LAHAN TANAH UNTUK AREA RUMAH DAN JALAN MENGGUNAKAN ALGORITMA GENETIKA Luthfi Ahmad Fadhil *, Esmeralda C Djamal, Ridwan
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 terperinciPENERAPAN ALGORITMA GENETIKA DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM WITH PRECEDENCE CONSTRAINTS (TSPPC)
PENERAPAN ALGORITMA GENETIKA DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM WITH PRECEDENCE CONSTRAINTS (TSPPC) Yayun Hardianti 1, Purwanto 2 Universitas Negeri Malang E-mail: yayunimoet@gmail.com ABSTRAK:
Lebih terperinciOptimasi Penjadwalan Mata Pelajaran Menggunakan Algoritma Genetika (Studi Kasus : SMPN 1 Gondang Mojokerto)
Optimasi Penjadwalan Mata Pelajaran Menggunakan Algoritma Genetika (Studi Kasus : SMPN 1 Gondang Mojokerto) Dianita Dwi Permata Sari 1, Wayan Firdaus Mahmudy 2, Dian Eka Ratnawati 3 Teknik Informatika,
Lebih terperinciPencarian Rute Optimum Menggunakan Algoritma Genetika
Jurnal Teknik Elektro Vol. 2, No. 2, September 2002: 78-83 Pencarian Rute Optimum Menggunakan Algoritma Genetika Anies Hannawati, Thiang, Eleazar Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas
Lebih terperinciDETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA
DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA Akmal Hidayat 1) & Entin Martiana 2) 1) Teknik Elektro Politeknik Bengkalis Jl.
Lebih terperinciPembentukan Rute Distribusi Menggunakan Algoritma Clarke & Wright Savings dan Algoritma Sequential Insertion *
Reka Integra ISSN: 2338-508 Jurusan Teknik Industri Itenas No.02 Vol. 02 Jurnal Online Institut Teknologi Nasional Oktober 204 Pembentukan Distribusi Menggunakan Algoritma Clarke & Wright Savings dan Algoritma
Lebih terperinciOPTIMASI DISTRIBUSI ROTI PADA BERBAGAI TOKO DI KOTA XYZ DENGAN MENGGUNAKAN ALGORITMA GENETIKA. Kelompok A Kelas C
PROYEK AKHIR MATA KULIAH ALGORITMA EVOLUSI SEMESTER GANJIL 2013-2014 OPTIMASI DISTRIBUSI ROTI PADA BERBAGAI TOKO DI KOTA XYZ DENGAN MENGGUNAKAN ALGORITMA GENETIKA Disusun oleh: Kelompok A Kelas C 1. Isyar
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 terperinciPENYELESAIAN VEHICLE ROUTING PROBLEM UNTUK MINIMASI TOTAL BIAYA TRANSPORTASI PADA PT XYZ DENGAN METODE ALGORITMA GENETIKA
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 2566 PENYELESAIAN VEHICLE ROUTING PROBLEM UNTUK MINIMASI TOTAL BIAYA TRANSPORTASI PADA PT XYZ DENGAN METODE ALGORITMA GENETIKA
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka (Samuel, Toni & Willi 2005) dalam penelitian yang berjudul Penerapan Algoritma Genetika untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover
Lebih terperinciTEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT
TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh Dian Sari Reski, Asrul Sani 2, Norma Muhtar 3 ABSTRACT Scheduling problem is one type of allocating resources problem that exist to
Lebih terperinciOPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK
OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK Usulan Skripsi S-1 Jurusan Matematika Diajukan oleh 1. Novandry Widyastuti M0105013 2. Astika Ratnawati M0105025 3. Rahma Nur Cahyani
Lebih terperinciPERANCANGAN APLIKASI PENJADWALAN TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA GENETIKA
PERANCANGAN APLIKASI PENJADWALAN TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA GENETIKA Hendy Tannady; Andrew Verrayo Limas Industrial Engineering Department, Faculty of Engineering, Binus University Jl.
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih 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 terperinciUSULAN PENERAPAN PENJADWALAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA DI PD BLESSING
USULAN PENERAPAN PENJADWALAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA DI PD BLESSING Santoso 1*, Eldad Dufan Sopater Subito 2 1,2 Jurusan Teknik Industri, Fakultas Teknik, Universitas Kristen Maranatha
Lebih terperinciBAB 2 DASAR TEORI. 2.1 Teka-Teki Silang
BAB 2 DASAR TEORI 2.1 Teka-Teki Silang Teka-teki silang atau disingkat TTS adalah suatu permainan yang mengharuskan penggunanya untuk mengisi ruang-ruang kosong dengan huruf-huruf yang membentuk sebuah
Lebih terperinciUSULAN PERBAIKAN RUTE PENDISTRIBUSIAN ICE TUBE MENGGUNAKAN METODE NEAREST NEIGHBOUR DAN GENETIC ALGORITHM *
Reka Integra ISSN: 2338-508 Jurusan Teknik Industri Itenas No.04 Vol.03 Jurnal Online Institut Teknologi Nasional Oktober 205 USULAN PERBAIKAN RUTE PENDISTRIBUSIAN ICE TUBE MENGGUNAKAN METODE NEAREST NEIGHBOUR
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 terperinciIMPLEMENTASI ALGORITMA GENETIKA DALAM OPTIMASI JALUR PENDISTRIBUSIAN KERAMIK PADA PT. CHANG JUI FANG
IMPLEMENTASI ALGORITMA GENETIKA DALAM OPTIMASI JALUR PENDISTRIBUSIAN KERAMIK PADA PT. CHANG JUI FANG Adnan Buyung Nasution 1 1,2 Sistem Infomasi, Tehnik dan Ilmu Komputer, Universitas Potensi Utama 3 Universitas
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam setiap hari, masyarakat tidak akan luput dari kegiatan distribusi barang. Dari rakyat kecil sampai pada perusahaan besar sangat memperhatikan masalah distribusi
Lebih terperinciMEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB
MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB Syafiul Muzid 1, Sri Kusumadewi 2 1 Sekolah Pascasarjana Magister Ilmu Komputer, Universitas Gadjah Mada, Yogyakarta e-mail: aakzid@yahoo.com 2 Jurusan
Lebih terperinciPENYELESAIAN VEHICLE ROUTING PROBLEM WITH TIME WINDOWS (VRPTW) MENGGUNAKAN ALGORITMA GENETIKA HYBRID
JOURNAL OF ENVIRONMENTAL ENGINEERING & SUSTAINABLE TECHNOLOGY P-ISSN : 2356-3109 PENYELESAIAN VEHICLE ROUTING PROBLEM WITH TIME WINDOWS (VRPTW) MENGGUNAKAN ALGORITMA GENETIKA HYBRID Diah Anggraeni Pitaloka
Lebih terperinciOPTIMASI QUERY DATABASE MENGGUNAKAN ALGORITMA GENETIK
Seminar Nasional Aplikasi Teknologi Informasi 2008 (SNATI 2008) ISSN 1907-5022 OPTIMASI QUERY DATABASE MENGGUNAKAN ALGORITMA GENETIK Manahan Siallagan, Mira Kania Sabariah, Malanita Sontya Jurusan Teknik
Lebih terperinciBAB I PENDAHULUAN. kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta
BAB I PENDAHULUAN A. Latar Belakang Matematika adalah cabang ilmu pengetahuan yang dapat digunakan dalam kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta tidak merupakan
Lebih terperinciT I N J A U A N P U S T A K A Algoritma Genetika [5]
Algoritma Genetika [5] Fitness adalah nilai yang menyatakan baik-tidaknya suatu jalur penyelesaian dalam permasalahan TSP,sehingga dijadikan nilai acuan dalam mencari jalur penyelesaian optimal dalam algoritma
Lebih terperinciBAB 1 PENDAHULUAN. Pengiriman barang dari pabrik ke agen atau pelanggan, yang tersebar di berbagai
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pengiriman barang dari pabrik ke agen atau pelanggan, yang tersebar di berbagai tempat, sering menjadi masalah dalam dunia industri sehari-hari. Alokasi produk
Lebih terperinci8. Evaluasi Solusi dan Kriteria Berhenti Perumusan Masalah METODE PENELITIAN Studi Pustaka Pembentukan Data
Gambar 4 Proses Swap Mutation. 8. Evaluasi Solusi dan Kriteria Berhenti Proses evaluasi solusi ini akan mengevaluasi setiap populasi dengan menghitung nilai fitness setiap kromosom sampai terpenuhi kriteria
Lebih terperinciOleh: VINAYANTI EKA RAHMAWATI ( )
Pendekatan Goal Programming untuk Penentuan Rute Kendaraan pada Kegiatan Distribusi (A Goal Programming Approach to Vehicle Routing Problems of Distribution) Oleh: VINAYANTI EKA RAHMAWATI (1207 100 020)
Lebih terperinciPENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA
PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA Kartina Diah KW1), Mardhiah Fadhli2), Charly Sutanto3) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1 Rumbai-Pekanbaru-Riau
Lebih terperinciPERBANDINGAN ALGORITMA EXHAUSTIVE, ALGORITMA GENETIKA DAN ALGORITMA JARINGAN SYARAF TIRUAN HOPFIELD UNTUK PENCARIAN RUTE TERPENDEK
PERBANDINGAN ALGORITMA EXHAUSTIVE, ALGORITMA GENETIKA DAN ALGORITMA JARINGAN SYARAF TIRUAN HOPFIELD UNTUK PENCARIAN RUTE TERPENDEK Rudy Adipranata 1) Felicia Soedjianto 2) Wahyudi Tjondro Teknik Informatika,
Lebih terperinciPENYELESAIAN PENJADWALAN MATAKULIAH MENGGUNAKAN HIBRIDISASI ALGORITMA GENETIKA DAN ALGORITMA KOLONI SEMUT
PENYELESAIAN PENJADWALAN MATAKULIAH MENGGUNAKAN HIBRIDISASI ALGORITMA GENETIKA DAN ALGORITMA KOLONI SEMUT Devie Rosa Anamisa 1), Arif Djunaidy 2) 1) Jurusan Teknik Informatika, Fakultas Teknologi Informasi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Algoritma Genetika Algoritma genetika merupakan algoritma pencarian heuristik ysng didasarkan atas mekanisme seleksi alami dan genetika alami (Suyanto, 2014). Adapun konsep dasar
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada awal diciptakan, komputer hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan zaman, maka peran komputer semakin mendominasi kehidupan.
Lebih terperinciPEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 3 No. 1 Hal. 98 106 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL YOSI PUTRI, NARWEN
Lebih terperinci