PENYUSUNAN PENJADWALAN UJIAN MENGGUNAKAN ALGORITMA RANK BASED ANT SYSTEM INTISARI
|
|
- Hartono Sutedja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 02(2017), hal PENYUSUNN PENJDWLN UJIN MENGGUNKN LGORITM RNK BSED NT SYSTEM Ria Fuji stuti, Neva Satyahadewi, Hendra Perdana INTISRI Penyusunan jadwal ujian merupakan salah satu permasalahan yang sering terjadi di suatu Perguruan Tinggi. Penjadwalan ujian merupakan proses penyusunan jadwal pelaksanaan ujian yang menginformasikan sejumlah mata kuliah yang diberikan, ruang tempat belajar, waktu serta mahasiswa yang mengambil mata kuliah teebut. Salah satu metode untuk menyusun suatu jadwal yaitu lgoritma nt Colony. lgoritma nt Colony merupakan metode metaheuristik yang terinspirasi terhadap semut yang berkemampuan untuk berkoordinasi dalam mengumpulkan makanan. Pada penelitian ini digunakan algoritma S untuk memperoleh jadwal ujian pada Program Studi Sistem Komputer FMIP Untan. Dengan menginputkan jumlah mata kuliah, jumlah mahasiswa, dan jumlah ruangan, maka diperoleh suatu jadwal ujian yang optimal dengan menggunakan metode algoritma S. Kata Kunci: mata kuliah, penjadwalan ujian, algoritma S PENDHULUN Penjadwalan terkait pada aktivitas membuat sebuah jadwal. Sebuah jadwal adalah sebuah tabel dari kegiatan-kegiatan yang disusun berdasarkan waktu ditempatkan atau disusunnya [1]. Di setiap semester, beberapa Perguruan Tinggi menghadapi permasalahan yang sama, yaitu bagaimana menjadwalkan ujian semester dengan tidak adanya kendala waktu yang beamaan. Kendala lain yang dihadapi adalah jumlah ruangan yang terbatas, dan mahasiswa yang mengambil mata kuliah. Proses penjadwalan teebut tetap memperhatikan sejumlah batasan dan ketentuan yang berlaku sesuai dengan kebijakan Perguruan Tinggi. Metode optimasi yang diterapkan untuk menyusun jadwal ujian dalam sebuah permasalahan penjadwalan mata kuliah di Program Studi Sistem Komputer. Proses pencarian solusi yang dapat digunakan untuk mendapatkan solusi teebut adalah dengan menggunakan algoritma berbasis agent. Oleh karena itu perlu ditetapkan suatu batasan dalam penyusunan jadwal yang beifat harus dipenuhi (hard constraint) dan tidak harus dipenuhi (soft constraint) tetapi tetap menjadi acuan dalam proses pembuatan jadwal. Sebuah solusi jadwal dikatakan layak jika solusi teebut telah memenuhi semua ketentuan hard constraint tanpa ada pelanggaran. Sebuah solusi jadwal dikatakan optimal jika jumlah pelanggaran terhadap soft constraint minimum [2]. Salah satu algoritma berbasis agent yang dapat digunakan untuk menyelesaikan permasalahan optimasi kombinatorial seperti permasalahan penjadwalan ujian adalah lgoritma nt Colony. lgoritma nt Colony merupakan algoritma yang terinspirasi dari perilaku semut yang mencari makan hingga semut itu kembali ke koloninya dengan memberikan tanda dengan jejak pheromone. lgoritma optimasi colony semut telah digunakan untuk menghasilkan penyelesaian yang mendekati optimal [3]. Sesuai dengan analisis untuk masalah penjadwalan ujian, maka akan lebih sesuai jika pembuatan aplikasi menggunakan lgoritma nt Colony Optimization (CO), khususnya Rank Based nt System S Rank. 151
2 152 R. F. stuti, N. Satyahadewi, H. Perdana Penelitian ini bertujuan menganalisis lgoritma S Rank pada permasalahan penjadwalan ujian dan memperoleh jadwal ujian dengan lgoritma S Rank. Dalam penelitian ini adalah mata kuliah praktikum, kerja praktek dan tugas akhir tidak dijadwalkan. Selain itu, kapasitas ruang ujian dibatasi sebanyak 50 mahasiswa, satu mata kuliah dalam ujian dapat memiliki lebih dari satu ruangan, bila mata kuliah memiliki jumlah mahasiswa melebihi kapasitas ruang. lokasi waktu dan hari yang digunakan sama, hanya yang membedakan adalah ruangan saja. Dan mata kuliah dengan semester yang sama, dibatasi maksimal terdapat dua ujian dihari yang sama. Penelitian ini dimulai dengan inisialisasi parameter dilakukan pengujian untuk menentukan parameter terbaik. Setelah parameter diperoleh kemudian dicari visibilitasnya, dimana visibilitas teebut digunakan dalam menghitung peluang titik yang dilewati. Hal ini dilakukan hingga ditemukan rute terpendeknya. RNK BSED NT SYSTEM (S Rank ) Setelah semua semut menyelesaikan rutenya, semut akan mengelompokkan diri berdasarkan peringkat (panjang pendeknya rute yang mereka temukan) [3]. Kemudian, semut meng-update slotslot yang telah mereka lalui dengan jumlah pheromone yang berbeda, sesuai dengan tingkatannya. Update pheromone disini hanya dilakukan pada (w 1) semut terbaik dan semut yang memiliki solusi best-so-far rute yang diperbolehkan menambahkan pheromone. dapun komponen-komponen dari S Rank untuk menyelesaikan masalah penjadwalan dapat digambarkan sebagai berikut: a. Semut adalah agen perantara untuk mencoba lintasan rute. b. Colony adalah sekumpulan semut yang digunakan untuk mencoba lintasan-lintasan rute. c. Route adalah jalur lintasan slot yang akan dilalui colony. d. Elite adalah jalur lintasan slot yang ditemukan berdasarkan jarak terpendek. e. Elite trails adalah jalur lintasan elite yang sudah ditambahkan informasi penguapan dan deposit pheromone. f. Best global route adalah jalur lintasan terbaik berdasarkan elite trails. PENETPN PRMETER DN PHEROMONE WL Dalam menyelesaikan algoritma (S ) maka dilakukan proses inisialisasi harga parameterparameter, yaitu: a. Intensitas pheromone antar titik dan perubahan update pheromone (τ ). Nilai (τ ) akan selalu diperbaharui pada setiap iterasi algoritma, mulai dari iterasi pertama sampai iterasi maksimum yang ditentukan atau telah mencapai hasil yang optimal. b. Banyaknya titik (n) dan juga koordinat (x, y) atau jarak antar titik (d ) simetrik nilai d = (x x ) + (y y ) c. Titik awal dan titik tujuan, dalam kasus ini adalah sama. d. Parameter penguapan pheromone (Q) e. Tetapan pengendali intensitas jejak semut (α > 0). Parameter yang mengontrol bobot (weight) relatif dari pheromone, f. Tetapan pengendali visibilitas(β > 0). Parameter pengendali jarak visibilitas antar titik η = g. Banyaknya semut (m) h. Tetapan penguapan pheromone (ρ), nilainya 0 < ρ 1. Hal ini untuk mencegah jumlah pheromone yang tak terhingga. i. Jumlah iterasi maksimum (NC ), beifat tetap selama algoritma berjalan.
3 Penyusunan Penjadwalan Ujian Menggunakan lgoritma j. Parameter yang menyatakan adanya rute terbaik (w) k. Peringkat semut (z) l. Panjang rute yang dilewati semut ke-z (c ) m. Panjang rute terbaik (c ) TURN TRNSISI Dalam aturan transisi sebuah semut k yang berada pada titik r akan memilih untuk menuju ke titik s. Hal ini dipilih berdasarkan distribusi peluang dengan peamaan sebagai berikut: P k k, untuk s J r (1) k u Jr 0, untuk s lainnya Dengan: P J : Peluang dari semut k pada titik r yang memilih untuk menuju ke titik s : Himpunan titik yang akan dikunjungi oleh semut k yang sedang berada pada titik r. PERHITUNGN PNJNG RUTE DN PENCRIN JLUR TERPENDEK Perhitungan panjang rute setiap semut k (C ) dilakukan setelah setiap semut menyelesaikan rutenya masing-masing. Perhitungan ini dilakukan berdasarkan tabu dengan peamaan berikut: dengan: d (), (), d (), (), C n1 k tabuk n, tabuk 1 tabuk s, tabuk s1 (2) s1 C d d : Jarak dari titik s sampai titik s + 1 pada tabulist yang ditempati oleh semut k : Jarak antara titik n (akhir) dan titik pertama (awal) pada tabulist yang ditempati oleh semut k : Panjang rute yang dilalui semut k UPDTE PHEROMONE Saat melakukan update pheromone hanya w 1 semut terbaik dan semut yang memiliki solusi best-so-far yang diperbolehkan meninggalkan pheromone. Semut yang ke-z terbaik memberikan kontribusi pheromone sebesar max (0, w z). Sementara jalur best-so-far rute memberikan kontribusi pheromone paling besar yaitu sebanyak w, dimana w adalah parameter yang menyatakan adanya rute terbaik dan z adalah peringkat semut. Dalam (S ) aturan pheromone update-nya diberikan sebagai berikut: w1 z bs 1 w z w z1 1 bs 1 dan z C C bs (3)
4 154 R. F. stuti, N. Satyahadewi, H. Perdana dengan: C C : Panjang rute yang dilalui semut ke-z : Panjang rute terbaik. 0 < ρ 1 : Sebuah parameter tingkat evaporasi pheromone Colony semut akan meninggalkan pheromone pada lintasan antar titik yang dilaluinya. danya penguapan dan perbedaan jumlah semut yang lewat, menyebabkan kemungkinan terjadinya perubahan harga intensitas pheromone antar titik. IMPLEMENTSI LGORITM RNK BSED NT SYSTEM Pengujian program algoritma (S ) ini menggunakan kasus penjadwalan ujian pada sistem perkuliahan di Univeitas Tanjungpura Fakultas Matematika dan Ilmu Pengetahuan lam (FMIP) Program Studi Sistem Komputer Tahun jaran 2014/2015. Mata kuliah yang akan dibuat penjadwalan terlebih dahulu diurutkan berdasarkan jumlah slot terbanyak yang dibutuhkan mata kuliah. Selain berdasarkan jumlah slot, mata kuliah teebut juga diurutkan berdasarkan jumlah mahasiswa. Tabel 1 Rincian Informasi Mata Kuliah JUMLH TOTL No MT KULIH SEM MHS PESERT 1 2 Kalkulus B 58 2 Kalkulus 52 Pend. gama () 2 41 Pend. gama (B) 2 9 Pend. gama (C) 2 5 Pend. gama (D) 2 2 JUMLH SLOT lgoritma dan pemograman II () lgoritma dan pem ograman II (B) Matematika Diskret Struktur data () 2 28 Struktur data (B) ljabar Linear dan Matriks Pemograman Visual () 4 32 Pemograman visual (B) Bahasa Inggris II Fisika II Komputer dan masyarakat Sistem operasi () 4 28 Sistem operasi (B) Tehnik dan sistem digital Etika profesi Elektronika Jaringan komputer () 4 25 Jaringan komputer (B) ISBD itektur komputer Sistem mikroprosesor
5 Penyusunan Penjadwalan Ujian Menggunakan lgoritma Lanjutan Tabel No MT KULIH SEM JUMLH MHS TOTL PESERT JUMLH SLOT 19 Mikrokontroler Tehnik penulisan ilmiah Komunikasi data Keamanan jaringan Pengolahan sinyal digital Interaksi manusia dan komputer Sistem waktu nyata Jaringan syaraf tiruan TOTL SLOT 45 Berdasarkan Tabel 1, total slot yang dibutuhkan dalam penjadwalan mata kuliah adalah sebanyak 45. Kemudian jumlah ruang yang disediakan sebanyak 4. Pembagian waktu/sesi ujian dibagi menjadi 3 yaitu sesi pagi ( ), sesi siang ( ) dan sesi sore ( ). lokasi lama waktu ujian untuk mata kuliah disamakan yaitu selama 120 menit. Kemudian alokasi hari yang digunakan adalah selama 10 hari kerja (Senin-Jumat). Berdasarkan ketentuan teebut maka total slot yang teedia adalah sebanyak 4x3x10=120 slot. PENENTUN PRMETER WL Penyelesaian permasalahan diawali dengan menginisialisasi setiap titik (slot), dimana jumlah slot sudah ditentukan. Dalam proses penjadwalan ini, tidak mempunyai lokasi/koordinat, sehingga untuk menentukan koordinat tiap slot menggunakan koordinat cartesius yang ditentukan secara acak. Kemudian koordinat teebut akan digunakan untuk mencari jarak antar slot. Dalam menentukan rute yang optimal dengan menggunakan algoritma (S ) diperlukan parameter-parameter pendukung. Parameter teebut untuk proses inisialisasi awal dalam menentukan rute yang optimal. Parameter teebut untuk proses inisialisasi awal dalam menentukan rute yang optimal. Parameter alpha adalah sebuah parameter pengendalian intensitas jejak semut yang memiliki syarat (α > 0) Sedangkan parameter beta adalah sebuah parameter pengendalian jarak yang memiliki syarat (β > 0). Pada penyelesaian masalah penjadwalan ujian ini digunakan α = 1, β = 2. Nilai pheromone awal ditentukan terlebih dahulu dan nilainya di set sama untuk semua node yaitu sebesar 0.5. Kemudian nilai theta awal diperoleh dengan inve jarak antar slot. Inisialisasi parameter rho sebesar 0.5 dan parameter Q sebesar 2.5. Proses berikutnya adalah menentukan rute-rute yang akan diuji berdasarkan jumlah semut, yaitu sama dengan jumlah slot yang dibutuhkan sebanyak 45. Hal ini untuk menghindari jumlah semut yang berlebih sehingga akan menimbulkan ketidakoptimalan dalam penyelesaian. Penempatan semut pada awal algoritma yaitu dengan setiap alternatif rute hanya boleh ditempati satu semut saja, hal ini untuk menghindari penumpukan semut pada satu jalur yang sama. Peluang slot-slot yang akan dikunjungi dari slot yang sekarang sedang dikunjungi dihitung menggunakan Peamaan (1). Proses perhitungan teebut diulang sampai semua slot sudah dikunjungi sehingga terbentuk rute yang baru. Setelah setiap semut menghasilkan rute yang baru, maka dilakukan perhitungan jarak untuk menentukan rute terbaik. Rute terbaik ini akan dipakai untuk meng-update pheromone. Penguapan pheromone dihitung setiap kali semut-semut teebut melakukan 1 kali perjalanan. Besarnya deposit pheromone dan penguapan pheromone dihitung berdasarkan Peamaan (2).
6 156 R. F. stuti, N. Satyahadewi, H. Perdana Proses mencari rute baru ini diulang sampai jumlah iterasi maksimum yang ditentukan atau sudah mencapai iterasi maksimum. Bagian akhir dari penelitian ini adalah menampilkan rute terbaik yang dihasilkan dan grafik nilai rute terbaik. RUTE WL RUTE KHIR Gambar 1 Output Rute awal menggunakan S Rank Gambar 2 Output Rute Terbaik menggunakan S Rank Rute awal yang terbentuk dari algoritma S : Rute terbaik yang terbentuk dari algoritma S : Urutan mata kuliah yang akan diinput ke dalam slot berdasarkan kriteria yang telah dijelaskan pada Tabel 2 Proses penginputan mata kuliah ke dalam slot berdasarkan rute yang terbentuk.
7 Penyusunan Penjadwalan Ujian Menggunakan lgoritma Tabel 2 Output Penjadwalan Ujian Minggu Pertama R U N G 1 R U N G 2 R U N G 3 R U N G 4 Sesi Sesi Sesi Sesi Hari Senin Selasa Rabu Kamis Jumat Sistem Operasi B Komputer dan masyarakat B Etika Profesi B gama B Struktur Data ISBD Sistem Waktu Nyata Kalkulus B1 Hari MatematikaDiskret B lgoritma dan pemograman II B1 Mikrokontroler Senin Selasa Rabu Kamis Jumat Sistem Operasi Pemograman Visual B Elektronika B gama Teknik Penulisan Ilmiah Komputer dan Masyarakat Struktur Data B Kalkulus 1 Hari Etika Profesi Matematik Diskret lgoritma dan pemograman II 2 Interaksi Manusia dan Komputer Bahasa Inggris II B Senin Selasa Rabu Kamis Jumat Tehnik dan Sistem Digital Pemograman Visual Elektronika B gama C Etika Profesi B Jaringan Syaraf Tiruan Komunikasi Data Kalkulus 2 Hari ljabar Linear dan Matriks Jaringan Komputer Fisika II B lgoritma dan pemograman II 1 Bahasa Inggris II Senin Selasa Rabu Kamis Jumat Tehnik dan Sistem Digital B Keamanan Jaringan Pengolahan Sinyal Digital Sistem Mikroposesor gama D Etika Profesi itektur Komputer Kalkulus B2 ljabar Linear dan Matriks B Jaringan Komputer B Fisika II lgoritma dan pemograman II B2 PENUTUP lgoritma S dapat memberikan solusi untuk masalah penjadwalan ujian mata kuliah dengan menghasilkan suatu jadwal ujian mata kuliah yang optimal. Suatu jadwal dapat dikatakan optimal apabila tidak terjadi ujian pada mahasiswa yang sama untuk mata kuliah yang berbeda. Penyelesaian permasalahan penjadwalan ujian mata kuliah pada Program Studi Sistem Komputer FMIP Untan dengan menggunakan algoritma S berlangsung dalam jangka waktu 5 hari. Selanjutnya, ujian dibagi menjadi 3 sesi waktu yaitu sesi I pukul , sesi II , dan sesi III dengan keteediaan ruangan sebanyak 4 ruangan. Pada hari Jumat ujian dilaksanakan dalam dua sesi yaitu sesi I pukul dan sesi II pukul
8 158 R. F. stuti, N. Satyahadewi, H. Perdana DFTR PUSTK [1]. nggasyati, 2008, Penerapan lgoritma Rank Based nt System (S ) Pada Optimasi Penjadwalan Sumber Daya Proyek, Jurnal Teknik Informatika Institut Teknologi Telkom, Bandung. [2]. Saragih,H., plikasi Sistem Perangkat Lunak Menggunakan lgoritma nt untuk Mengatur Penjadwalan Kuliah, Jurnal Tehnik dan Ilmu Komputer, Volume 01 Nomor 03, [3]. Purnomo,H.D., 2004, Cara Mudah Belajar Metode Optimasi Metaheuristik Menggunakan Matlab, Gava media: Yogyakarta. RI FUJI STUTI NEV STYHDEWI HENDR PERDN : FMIP Untan Pontianak, riafujiastuti59@gmail.com : FMIP Untan Pontianak, neva.satya@math.untan.ac.id : FMIP Untan Pontianak, hendra.perdana@math.untan.ac.id
BAB IV ANALISIS MASALAH
BAB IV ANALISIS MASALAH 4.1 Tampilan Program Persoalan TSP yang dibahas pada tugas akhir ini memiliki kompleksitas atau ruang solusi yang jauh lebih besar dari TSP biasa yakni TSP asimetris dan simetris.
Lebih terperinciANALISIS ALGORITMA ANT SYSTEM (AS) PADA KASUS TRAVELLING SALESMAN PROBLEM (TSP)
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 201 210. ANALISIS ALGORITMA ANT SYSTEM (AS) PADA KASUS TRAVELLING SALESMAN PROBLEM (TSP) Cindy Cipta Sari, Bayu Prihandono,
Lebih terperinciLANDASAN TEORI. Bab Konsep Dasar Graf. Definisi Graf
Bab 2 LANDASAN TEORI 2.1. Konsep Dasar Graf Definisi Graf Suatu graf G terdiri atas himpunan yang tidak kosong dari elemen elemen yang disebut titik atau simpul (vertex), dan suatu daftar pasangan vertex
Lebih terperinciSISTEM ALOKASI PENYIMPANAN BARANG PADA GUDANG
SISTEM ALOKASI PENYIMPANAN BARANG PADA GUDANG Achmad Hambali Jurusan Teknik Informatika PENS-ITS Kampus PENS-ITS Keputih Sukolilo Surabaya 60 Telp (+6)3-59780, 596, Fax. (+6)3-596 Email : lo7thdrag@ymail.co.id
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Penjadwalan Definisi Penjadwalan Kegiatan Belajar Mengajar
BAB II LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Definisi Penjadwalan Kegiatan Belajar Mengajar Penjadwalan terkait pada aktivitas dalam hal untuk membuat sebuah jadwal. Sebuah jadwal adalah sebuah tabel dari
Lebih terperinciIMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS)
IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) Devie Rosa Anamisa, S.Kom, M.Kom Jurusan D3 Teknik Multimedia Dan Jaringan-Fakultas Teknik Universitas Trunojoyo
Lebih terperinciALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP
Media Informatika, Vol. 2, No. 2, Desember 2004, 75-81 ISSN: 0854-4743 ALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP Zainudin Zukhri, Shidiq Alhakim Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas
Lebih terperinciAPLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 1 (2015), hal 25 32. APLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM Edi Samana, Bayu Prihandono, Evi Noviani
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 TEORI GRAF 2.1.1 Definisi Definisi 2.1 (Munir, 2009, p356) Secara matematis, graf G didefinisikan sebagai pasangan himpunan (V,E), ditulis dengan notasi G = (V,E), yang dalam hal
Lebih terperinciPenyelesaian Masalah Travelling Salesman Problem Menggunakan Ant Colony Optimization (ACO)
Penyelesaian Masalah Travelling Salesman Problem Menggunakan Ant Colony Optimization (ACO) Anna Maria 1, Elfira Yolanda Sinaga 2, Maria Helena Iwo 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen
Lebih terperinciJurnal Edukasi dan Penelitian Informatika (JEPIN) Vol. 1, No. 2, (2015) 1 Rancangan Sistem Penjadwalan Akademik Menggunakan Algoritma Max Min Ant System (Studi Kasus: STMIK Atma Luhur Pangkalpinang) Delpiah
Lebih terperinciPenyelesaian Traveling Salesperson Problem dengan Menggunakan Algoritma Semut
Penyelesaian Traveling Salesperson Problem dengan Menggunakan Algoritma Semut Irfan Afif (13507099) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Tsunami Tsunami adalah gelombang laut yang terjadi karena adanya gangguan impulsif pada laut. Gangguan impulsif tersebut terjadi akibat adanya perubahan bentuk dasar laut secara tiba-tiba
Lebih terperinciVEHICLE ROUTING PROBLEM UNTUK DISTRIBUSI BARANG MENGGUNAKAN ALGORITMA SEMUT
VEHICLE ROUTING PROBLEM UNTUK DISTRIBUSI BARANG MENGGUNAKAN ALGORITMA SEMUT Agung Hadhiatma 1*, Alexander Purbo 2* 1,2 Program Studi Informatika, Fakultas Sains dan Teknologi, Universitas Sanata Dharma
Lebih terperinciDesain Rute Terpendek untuk Distribusi Koran Dengan Algoritma Ant Colony System
Desain Rute Terpendek untuk Distribusi Koran Dengan Algoritma Ant Colony System Jan Alif Kreshna, Satria Perdana Arifin, ST, MTI., Rika Perdana Sari, ST, M.Eng. Politeknik Caltex Riau Jl. Umbansari 1 Rumbai,
Lebih terperinciUsulan Rute Distribusi Tabung Gas Menggunakan Algoritma Ant Colony Systems di PT. Limas Raga Inti
Prosiding Seminar Nasional Teknoin 2012 ISBN No. 978-979-96964-3-9 Usulan Rute Distribusi Tabung Gas Menggunakan Algoritma Ant Colony Systems di PT. Limas Raga Inti Fifi Herni Mustofa 1), Hari Adianto
Lebih terperinciPENCARIAN RUTE TERPENDEK OBJEK WISATA DI MAGELANG MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO)
PENCARIAN RUTE TERPENDEK OBJEK WISATA DI MAGELANG MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO) Bagus Fatkhurrozi *, Ika Setyowati Jurusan Teknik Elektro, Fakultas Teknik, Universitas Tidar Jl. Kapten Suparman
Lebih terperinciGambar 3.1. Semut dalam Proses menemukan sumber makanan
BAB III LANDASAN TEORI 3.1 Algortima Semut Koloni semut merupakan algoritma yang bersifat heuristik untuk menyelesaikan masalah optimasi. Algoritma ini diinspirasikan oleh lingkungan koloni semut pada
Lebih terperinciBAB 3 METODOLOGI Metode Penelitian. Dalam melakukan penelitian akan permasalahan ini, penulis menggunakan metode
BAB 3 METODOLOGI 3.1. Metode Penelitian Dalam melakukan penelitian akan permasalahan ini, penulis menggunakan metode rapid application development (RAD), dengan alur pengerjaan sebagai berikut: Gambar
Lebih terperinciANT COLONY OPTIMIZATION
ANT COLONY OPTIMIZATION WIDHAPRASA EKAMATRA WALIPRANA - 13508080 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung e-mail: w3w_stay@yahoo.com ABSTRAK The Ant Colony Optimization
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1. Analisis Sistem yang Berjalan Analisa sistem yang berjalan bertujuan untuk mengidentifikasi persoalanpersoalan yang muncul dalam pembuatan sistem, hal ini dilakukan
Lebih terperinciPENEMUAN JALUR TERPENDEK DENGAN ALGORITMA ANT COLONY. Budi Triandi
Budi, Penemuan Jalur Terpendek Dengan 73 PENEMUAN JALUR TERPENDEK DENGAN ALGORITMA ANT COLONY Budi Triandi Dosen Teknik Informatika STMIK Potensi Utama STMIK Potensi Utama, Jl.K.L Yos Sudarso Km 6,5 No.3-A
Lebih terperinciIkhsanJaelani Mahasiswa Informatika, FT UMRAH, ABSTRAK. Kata Kunci : Rute Terpendek, meta-heuristics, algoritma semut
PENERAPAN ALGORITMA SEMUT UNTUK OPTIMISASI RUTE PENJEMPUTAN BARANG PADA TEMPAT JASA PENITIPAN SEMENTARA LION EXPRESS Studi Kasus : Konsolidator Lion Express Tanjungpinang IkhsanJaelani Mahasiswa Informatika,
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH
Buletin Ilmiah Mat. Stat. Dan Terapannya (Bimaster) Volume 04, No. 1 (2015), hal 17 24. PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH Fatmawati, Bayu Prihandono, Evi Noviani INTISARI
Lebih terperinciPemanfaatan Algoritma Hybrid Ant Colony Optimization dalam Menyelesaikan Permasalahan Capacitated Minimum Spanning Tree. Tamam Asrori ( )
Pemanfaatan Algoritma Hybrid Ant Colony Optimization dalam Menyelesaikan Permasalahan Capacitated Minimum Spanning Tree Tamam Asrori (5104 100 146) Pendahuluan Latar Belakang Tujuan Dan Manfaat Rumusan
Lebih terperinciArtikel Ilmiah oleh Siti Hasanah ini telah diperiksa dan disetujui oleh pembimbing.
Artikel Ilmiah oleh Siti Hasanah ini telah diperiksa dan disetujui oleh pembimbing. Malang, 1 Agustus 2013 Pembimbing Dra. Sapti Wahyuningsih,M.Si NIP 1962121 1198812 2 001 Penulis Siti Hasanah NIP 309312426746
Lebih terperinciPENENTUAN RUTE OPTIMAL PADA KEGIATAN PENJEMPUTAN PENUMPANG TRAVEL MENGGUNAKAN ANT COLONY SYSTEM
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1 PENENTUAN RUTE OPTIMAL PADA KEGIATAN PENJEMPUTAN PENUMPANG TRAVEL MENGGUNAKAN ANT COLONY SYSTEM Laksana Samudra dan Imam Mukhlash Matematika, Fakultas
Lebih terperinciOptimasi pada Rute Truk Peti Kemas dengan Algoritma Optimasi Koloni Semut
E-journal Teknik Elektro dan Komputer (tahun), ISSN : 20-8402 7 Optimasi pada Rute Truk Peti Kemas dengan Algoritma Optimasi Koloni Semut Feisy D. Kambey feisy.kambey@yahoo.co.id Abstrak Perdagangan global
Lebih terperinciOPTIMASI RUTE ARMADA KEBERSIHAN KOTA GORONTALO MENGGUNAKAN ANT COLONY OPTIMIZATION. Zulfikar Hasan, Novianita Achmad, Nurwan
OPTIMASI RUTE ARMADA KEBERSIHAN KOTA GORONTALO MENGGUNAKAN ANT COLONY OPTIMIZATION Zulfikar Hasan, Novianita Achmad, Nurwan ABSTRAK Secara umum, penentuan rute terpendek dapat dibagi menjadi dua metode,
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciBAB I PENDAHULUAN. sejumlah aktivitas kuliah dan batasan mata kuliah ke dalam slot ruang dan waktu
18 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Penjadwalan merupakan kegiatan administrasi utama di berbagai institusi. Masalah penjadwalan merupakan masalah penugasan sejumlah kegiatan dalam periode
Lebih terperinciPerbandingan Algoritma Dijkstra Dan Algoritma Ant Colony Dalam Penentuan Jalur Terpendek
Perbandingan Algoritma Dijkstra Dan Algoritma Ant Colony Dalam Penentuan Jalur Terpendek Finsa Ferdifiansyah NIM 0710630014 Jurusan Teknik Elektro Konsentrasi Rekayasa Komputer Fakultas Teknik Universitas
Lebih terperinciAnalisa Pencarian Jarak Terpendek Lokasi Wisata di Provinsi Sumatera Utara Menggunakan Algoritma Ant Colony Optimization (ACO)
Analisa Pencarian Jarak Terpendek Lokasi Wisata di Provinsi Sumatera Utara Menggunakan Algoritma Ant Colony Optimization (ACO) Juanda Hakim Lubis Prorgram Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciAlgoritma. Untuk. Problem Dengan. Vehicle. Window. Jasa
Pengembangan Algoritma Heuristik Ant Colony System Untuk Menyelesaikan Permasalahan Dynamic Vehicle Routing Problem Dengan Time Window (DVRPTW) Pada Penyedia Jasa Inter-City Courier Nurlita Gamayanti (2207
Lebih terperinciIMPLEMENTASI ALGORITMA SEMUT UNTUK PENCARIAN RUTE TERPENDEK BERBASIS SISTEM INFORMASI GEOGRAFIS
IMPLEMENTASI ALGORITMA SEMUT UNTUK PENCARIAN RUTE TERPENDEK BERBASIS SISTEM INFORMASI GEOGRAFIS Edi Iskandar Teknik Informatika STMIK Akakom e-mail: edi_iskandar@akakom.ac.id Abstrak Dalam kehidupan global
Lebih terperinciDOSEN PEMBIMBING Chastine Fatichah, S.Kom, M.Kom MAHASISWA Yudis Anggara P. ( )
Sidang Tugas Akhir September 2009 Implementasi Metode Ant Colony Optimization untuk Pemilihan Fitur pada Kategorisasi Dokumen Teks DOSEN PEMBIMBING Chastine Fatichah, S.Kom, M.Kom MAHASISWA Yudis Anggara
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 0, No. (2015), hal 17 180. PENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING Kristina Karunianti Nana, Bayu Prihandono,
Lebih terperinciBAB 2 LANDASAN TEORI
17 BAB 2 LANDASAN TEORI 2.1 Permasalahan Optimasi Optimasi adalah proses memaksimasi atau meminimasi suatu fungsi tujuan dengan tetap memperhatikan pembatas yang ada. Optimasi memegang peranan penting
Lebih terperinciIMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS
IMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS Yudis Anggara Putra Chastine Fatichah Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih 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 III PENJADWALAN KULIAH DI DEPARTEMEN MATEMATIKA DENGAN ALGORITMA MEMETIKA. Penjadwalan kuliah di departemen Matematika UI melibatkan
BAB III PENJADWALAN KULIAH DI DEPARTEMEN MATEMATIKA DENGAN ALGORITMA MEMETIKA Penjadwalan kuliah di departemen Matematika UI melibatkan beberapa komponen yakni ruang kuliah, dosen serta mahasiswa. Seorang
Lebih terperinciPEMBUATAN SKEMA JALUR ANGKUTAN KOTA PALU BERDASARKAN PENCARIAN LINTASAN DENGAN BOBOT MAKSIMUM MENGGUNAKAN ALGORITMA ANT COLONY SYSTEM (ACS)
JIMT Vol. 12 No. 1 Juni 2015 (Hal. 44 52) Jurnal Ilmiah Matematika dan Terapan ISSN : 2450 766X PEMBUATAN SKEMA JALUR ANGKUTAN KOTA PALU BERDASARKAN PENCARIAN LINTASAN DENGAN BOBOT MAKSIMUM MENGGUNAKAN
Lebih terperinciJADWAL KULIAH/RESPONSI/PRAKTIKUM MATRIKULASI T.A 2014/2015 TINGKAT PERSIAPAN BERSAMA - INSTITUT PERTANIAN BOGOR
C5/G7 SENIN 30 Juni 2014 08.00-10.00 FIS101 3(2-3) FISIKA DASAR 1 KULIAH RK CCR 1.02 G7 SENIN 30 Juni 2014 12.30-15.00 FIS101 3(2-3) FISIKA DASAR 1 PRAKTIKUM lab 1 C5 SENIN 30 Juni 2014 15.00-17.30 FIS101
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Graf 2.1.1 Definisi Graf Graf G merupakan representasi dari suatu masalah yang digambarkan sebagai sekumpulan noktah (simpul) yang dihubungkan dengan sekumpulan garis (sisi).
Lebih terperinciOPTIMISASI POLA DISTRIBUSI DENGAN LOGIKAFUZZY DAN ALGORITMA SEMUT PADA PT. SRI ANEKA PANGAN NUSANTARA TUGAS AKHIR SKRIPSI
OPTIMISASI POLA DISTRIBUSI DENGAN LOGIKAFUZZY DAN ALGORITMA SEMUT PADA PT. SRI ANEKA PANGAN NUSANTARA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Negeri
Lebih terperinciANALISIS ALGORITMA SEMUT UNTUK PEMECAHAN MASALAH PENUGASAN
ANALISIS ALGORITMA SEMUT UNTUK PEMECAHAN MASALAH PENUGASAN Zainudin Zukhri Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia Kampus Terpadu UII Jl Kaliurang Km 14.5 Yogyakarta
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada awalnya komputer hanya digunakan untuk alat hitung saja tetapi seiring dengan perkembangan teknologi, komputer diharapkan mampu melakukan semua yang dapat
Lebih 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
12 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah penjadwalan secara umum adalah aktifitas penugasan yang berhubungan dengan sejumlah kendala, sejumlah kejadian yang dapat terjadi pada suatu periode waktu
Lebih terperinciBAB II TINJAUAN PUSTAKA
6 BAB II TINJAUAN PUSTAKA Pada bagian pada bagian ini akan diuraikan tentang tinjauan pustaka dan landaran teori yang sesuai dengan ACO dan AG. 2.1 Algoritma Ant Colony Optimization Secara umum pencarian
Lebih terperinciAnalisis dan Implementasi Ant Colony Algorithm untuk Clustering
Analisis dan Implementasi Ant Colony Algorithm untuk Clustering Kurniawan Nur Ramadhani Program Studi Manajemen Informatika Politeknik Telkom, Bandung andiess26@yahoo.co.id Abstrak Paper ini memaparkan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Teori Graf 2.1.1 Definisi Graf Graf G adalah pasangan (V(G),E(G)) dengan (V(G)) adalah himpunan tidak kosong dan berhingga dari objek-objek yang disebut titik, (E(G)) adalah
Lebih terperinciPERBANDINGAN ALGORITMA ANT COLONY DAN ALGORITMA GENETIKA UNTUK PENCARIAN JARAK TERPENDEK DALAM PENGANGKUTAN HASIL TAMBANG
TESIS PERBANDINGAN ALGORITMA ANT COLONY DAN ALGORITMA GENETIKA UNTUK PENCARIAN JARAK TERPENDEK DALAM PENGANGKUTAN HASIL TAMBANG DIANA YANNI ARISWATI FALLO No. Mhs. : 135302019/PS/MTF PROGRAM STUDI MAGISTER
Lebih terperinciALGORITMA AFFINE SCALING UNTUK MENGOPTIMALKAN AKSES LISTRIK PEDESAAN JAWA DAN KALIMANTAN
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 4, No. 3 (5), hal 43-5 LGORITM FFINE SCLING UNTUK MENGOPTIMLKN KSES LISTRIK PEDESN JW DN KLIMNTN Muhariah, Bayu Prihandono, Helmi INTISRI Program
Lebih terperinciPENDUKUNG SISTEM PEMASARAN DENGAN ALGORITMA ANT COLONY ABSTRAK
PENDUKUNG SISTEM PEMASARAN DENGAN ALGORITMA ANT COLONY Vendy Steven Tandiko, Halim Agung steven_vendy@yahoo.co.id, halimagung89@gmail.com Tekhnik Informatika Universitas Bunda Mulia ABSTRAK Kemudahan untuk
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Penjadwalan mata kuliah merupakan permasalahan kompleks tiap semester yang harus dihadapi oleh perguruan tinggi. Setiap jadwal perkuliahan dikeluarkan, seringkali
Lebih terperinciBAB III ALGORITMA ANT DISPERSION ROUTING (ADR)
BAB III ALGORITMA ANT DISPERSION ROUTING (ADR) Pada permasalahan pencarian rute optimal dalam rangka penyebaran rute lalu lintas untuk mencapai keseimbangan jaringan lalu lintas sebagai upaya untuk mengurangi
Lebih terperinciBAB 2 LANDASAN TEORI. Perancangan sistem merupakan penguraian suatu sistem informasi
BAB 2 LANDASAN TEORI 2.1 Teori Umum 2.1.1 Perancangan Sistem Perancangan sistem merupakan penguraian suatu sistem informasi yang utuh ke dalam bagian komputerisasi yang dimaksud, mengidentifikasi dan mengevaluasi
Lebih terperinciANALISIS ALGORITMA FLOYD UNTUK MENYELESAIKAN MASALAH PENCARIAN LINTASAN TERPENDEK PADA SETIAP PASANGAN SIMPUL
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume, No. (), hal - ANALISIS ALGORITMA FLOYD UNTUK MENYELESAIKAN MASALAH PENCARIAN LINTASAN TERPENDEK PADA SETIAP PASANGAN SIMPUL Syurya Pratiningsih,
Lebih terperinciSTUDI PERBANDINGAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN ANT COLONY SYSTEM DALAM PEMECAHAN TRAVELLING SALESMAN PROBLEM
Seminar Nasional Aplikasi Teknologi Informasi (SNATI ) ISSN: `1907-5022 Yogyakarta, 19 Juni STUDI PERBANDINGAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN ANT COLONY SYSTEM DALAM PEMECAHAN TRAVELLING SALESMAN
Lebih terperinciPemanfaatan Algoritma Semut untuk Penyelesaian Masalah Pewarnaan Graf
Pemanfaatan Algoritma Semut untuk Penyelesaian Masalah Pewarnaan Graf Anugrah Adeputra - 13505093 Program Studi Informatika, Sekolah Teknik Elektro & Informatika ITB Jl. Ganesha No.10 If15093@students.if.itb.ac.id
Lebih terperinciVol. 5, No. 1, Januari 2009 ISSN DAFTAR ISI
Vol. 5, No. 1, Januari 2009 ISSN 0216-0544 DAFTAR ISI IMPLEMENTASI PENJADWALAN MATAKULIAH..1-11 MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) DI JURUSAN TEKNIK INFORMATIKA ITS 1-11 Sarwosri, Devie Rosa Anamisa
Lebih terperinciJURNAL IT STMIK HANDAYANI
Nurilmiyanti Wardhani Teknik Informatika, STMIK Handayani Makassar ilmyangel@yahoo.com Abstrak Algoritma semut atau Ant Colony Optimization merupakan sebuah algoritma yang berasal dari alam. Algoritma
Lebih terperinciMata Kuliah Wajib PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN KOMPUTER UNIVERSITAS KRISTEN IMMANUEL YOGYAKARTA
Mata Kuliah Wajib PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN KOMPUTER UNIVERSITAS KRISTEN IMMANUEL YOGYAKARTA 1 2 3 4 5 6 7 8 9 10 SEMESTER I 401001 W Matematika 4-0 - 4 401002 W Logika Informatika
Lebih terperinciPENERAPAN ALGORITMA ANT COLONY PADA PENJADWALAN PRODUKSI
PENERAPAN ALGORITMA ANT COLONY PADA PENJADWALAN PRODUKSI Nurul Imamah, S.Si 1, Dr.Imam Mukhlas, S.Si, MT 2 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan, Institut Teknologi Sepuluh Nopember
Lebih terperinciREKAYASA APLIKASI PENCARI RUTE LOKASI INDUSTRI MENGGUNAKAN ALGORITMA ANT COLONY SYSTEM
REKAYASA APLIKASI PENCARI RUTE LOKASI INDUSTRI MENGGUNAKAN ALGORITMA ANT COLONY SYSTEM Anwar Hidayat 1), Agung Budi Prasetyo 2) 1, 2) Teknik Informatika, STMIK AKAKOM Jl.Raya Janti 143 Karangjambe, Yogyakarta
Lebih terperinciALGORITMA ANT COLONY OPTIMIZATION (ACO) UNTUK MENYELESAIKAN TRAVELING SALESMAN PROBLEM (TSP) SKRIPSI. Oleh : Agus Leksono J2A
ALGORITMA ANT COLONY OPTIMIZATION (ACO) UNTUK MENYELESAIKAN TRAVELING SALESMAN PROBLEM (TSP) SKRIPSI Oleh : Agus Leksono J2A 002 002 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari hari, selalu dilakukan perjalanan dari satu titik atau lokasi ke lokasi yang lain dengan mempertimbangkan efisiensi waktu dan biaya sehingga
Lebih terperinciALGORITMA DIJKSTRA UNTUK MENCARI LINTASAN TERPENDEK DAN OPTIMALISASI KENDARAAN PENGANGKUT SAMPAH DI KOTA PONTIANAK
Buletin Ilmiah Math Stat dan Terapannya (Bimaster) Volume 04, No 3 (2015), hal 243 250 ALGORITMA DIJKSTRA UNTUK MENCARI LINTASAN TERPENDEK DAN OPTIMALISASI KENDARAAN PENGANGKUT SAMPAH DI KOTA PONTIANAK
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI.1 Ant Colony System dan Asal Usulnya Pada subbab ini akan diuraikan mengenai asal usul Ant Colony System (ACS), yaitu membahas tentang semut dan tingkah lakunya yang merupakan sumber
Lebih terperinciAPLIKASI TRAVELLING SALESMAN PROBLEM DENGAN METODE ARTIFICIAL BEE COLONY
APLIKASI TRAVELLING SALESMAN PROBLEM DENGAN METODE ARTIFICIAL BEE COLONY Andri 1, Suyandi 2, WinWin 3 STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id 1, suyandiz@gmail.com
Lebih terperinciBAB III PEMBAHASAN. Pembahasan pada bab ini adalah penentuan rute tercepat pendistribusian
BAB III PEMBAHASAN Pembahasan pada bab ini adalah penentuan rute tercepat pendistribusian makanan ringan PT. Sri Aneka Pangan Nusantara dengan aplikasi Logika Fuzzy dan Algoritma Semut. Logika fuzzy digunakan
Lebih terperinciBAB III IMPLEMENTASIALGORITMA GENETIK DAN ACS PADA PERMASALAHAN TRAVELLING SALESMAN PROBLEM
BAB III IMPLEMENTASIALGORITMA GENETIK DAN ACS PADA PERMASALAHAN TRAVELLING SALESMAN PROBLEM 3.1 TRAVELLING SALESMAN PROBLEM Sebelum membahas pencarian solusi Travelling Salesman Problem menggunakan algoritma
Lebih terperinciIMPLEMENTASI PERBANDINGAN ALGORITMA ANT COLONY SYSTEM DENGAN ALGORITMA SUBSET DYNAMIC PROGRAMMING PADA KASUS TRAVELLING SALESMAN PROBLEM
IMPLEMENTASI PERBANDINGAN ALGORITMA ANT COLONY SYSTEM DENGAN ALGORITMA SUBSET DYNAMIC PROGRAMMING PADA KASUS TRAVELLING SALESMAN PROBLEM Tommi Poltak Mario Program Studi Teknik Informatika, STTI RESPATI
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Fokus dalam bidang teknologi saat ini tidak hanya berada pada proses pengembangan yang disesuaikan dengan permasalahan yang dapat membantu manusia
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
43 BAB 3 METODOLOGI PENELITIAN 3.1 Diagram Alir Penelitian Metodologi penelitian merupakan suatu langkah-langkah sistematis yang akan menjadi pedoman dalam menyelesaan masalah (Sugiyono, 2004). Bab ini
Lebih terperinciAkses Informasi Pengiriman Barang Di Kantor Pos Jemur Sari Untuk Area Surabaya Timur Menggunakan Metode Ant Colony Optimization Berbasis J2ME
Akses Informasi Pengiriman Barang Di Kantor Pos Jemur Sari Untuk Area Surabaya Timur Menggunakan Metode Ant Colony Optimization Berbasis J2ME Neny Wahyuningdiyah 1, M.Zen Samsono Hadi 2, Mike Yuliana 2
Lebih terperinciPemilihan Jalur Evakuasi Dalam Keadaan Darurat Menggunakan Algoritma Quantum Ant-Colony
Pemilihan Jalur Evakuasi Dalam Keadaan Darurat Menggunakan Algoritma Quantum Ant-Colony Path Selection In Emergency Evacuation Using Quantum Ant- Colony Algorithm Fransisca Arvevia I A 1, Jondri 2, Anditya
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Permasalahan transportasi yang terjadi akibat kenaikan harga bahan bakar minyak (BBM) yang tinggi membuat para pengguna jasa transportasi berpikir untuk dapat meminimalisasi biaya yang dikeluarkan.
Lebih terperinciAplikasi dan Optimasi Kombinatorial pada Ant Colony
Aplikasi dan Optimasi Kombinatorial pada Ant Colony Letivany Aldina / 13514067 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciDISTRIBUSI MATA KULIAH PER SEMESTER PROGRAM STUDI SISTEM INFORMASI JENJANG PENDIDIKAN STRATA SATU (S1) Mata Kuliah
DISTRIBUSI MATA KULIAH PER SEMESTER PROGRAM STUDI SISTEM INFORMASI JENJANG PENDIDIKAN STRATA SATU (S1) SEMESTER 1 SKS Kel 1. DU-21102 Bahasa Inggris 1 1 BB 2. DK-11204 Kalkulus 1 2 KK 3. DK-11206 Logika
Lebih terperinciLEMBAR PENGESAHAN LEMBAR PERNYATAAN HAK CIPTA ABSTRAK...
DAFTAR ISI Halaman LEMBAR PENGESAHAN LEMBAR PERNYATAAN HAK CIPTA ABSTRAK... i KATA PENGANTAR... iii DAFTAR ISI... v DAFTAR TABEL... vii DAFTAR GAMBAR... viii DAFTAR SIMBOL... ix BAB I PENDAHULUAN... 1
Lebih terperinciPengisian Kota Pertama ke dalam Tabu List Penyusunan Rute Kunjungan Setiap Semut ke Setiap Kota
ix DAFTAR ISI HALAMAN JUDUL... i LEMBAR PENGESAHAN DOSEN PEMBIMBING... ii LEMBAR PENGESAHAN DOSEN PENGUJI... iii HALAMAN PERSEMBAHAN... iv MOTTO... v KATA PENGANTAR... vi ABSTRAKSI... viii DAFTAR ISI...
Lebih terperinciOPTIMALISASI TRAVELLING SALESMAN WITH TIME WINDOWS (TSPTW) DENGAN ALGORITMA SEMUT
OPTIMALISASI TRAVELLING SALESMAN WITH TIME WINDOWS (TSPTW) DENGAN ALGORITMA SEMUT Budi Prasetyo Wibowo, Purwanto, dansusy Kuspambudi Andaini Universitas Negeri Malang ABSTRAK: Travelling Salesman Problem
Lebih terperinciANALISIS ALGORITMA HYBRID ANT COLONY OPTIMIZATION (ACO) DAN LOCAL SEARCH UNTUK OPTIMASI PEMOTONGAN BAHAN BAKU
ANALISIS ALGORITMA HYBRID ANT COLONY OPTIMIZATION (ACO) DAN LOCAL SEARCH UNTUK OPTIMASI PEMOTONGAN BAHAN BAKU Warih Maharani Fakultas Teknik Informatika, Institut Teknologi Telkom Jl. Telekomunikasi No.1
Lebih terperinciSelvia Lorena Br Ginting 1, Hayi Akbar 2. Abstrak
PEMBANGUNAN PERANGKAT LUNAK MENGGUNAKAN ALGORITMA ANT COLONY OPTIMIZATION UNTUK OPTIMALISASI PENJADWALAN KULIAH (STUDI KASUS PENJADWALAN KULIAH JURUSAN TEKNIK KOMPUTER UNIKOM) Selvia Lorena Br Ginting
Lebih terperinciPenerapan Algoritma Ant System dalam Menemukan Jalur Optimal pada Traveling Salesman Problem (TSP) dengan Kekangan Kondisi Jalan
JNTETI, Vol. 1, No. 3, November 2012 43 Penerapan Algoritma Ant System dalam Menemukan Jalur Optimal pada Traveling Salesman Problem (TSP) dengan Kekangan Kondisi Jalan Andhi Akhmad Ismail 1, Samiadji
Lebih terperinciPENJADWALAN PROSES PRODUKSI MENGGUNAKAN ANT COLONY ALGORITHM
PENJADWALAN PROSES PRODUKSI MENGGUNAKAN ANT COLONY ALGORITHM Dedy Kurniadi 1), Sam Farisa Chaerul Haviana 2) 1,2 Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Sultan Agung
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI Pada bab ini akan dibahas beberapa konsep dasar dan beberapa definisi yang akan digunakan sebagai landasan berpikir dalam melakukan penelitian ini sehingga mempermudah penulis untuk
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
digilib.uns.ac.id BAB I PENDAHULUAN 1.1 Latar Belakang Jadwal merupakan daftar atau tabel kegiatan atau rencana kegiatan dengan pembagian waktu pelaksanaan yang terperinci. Universitas menggunakan tabel
Lebih terperinciJADWAL KULIAH SEMESTER GANJIL TAHUN AJARAN 2017/2017 FAKULTAS TEKNOLOGI INFORMASI
PRODI SISTEM JADWAL KULIAH SEMESTER GANJIL TAHUN AJARAN 2017/2017 FAKULTAS TEKNOLOGI INFORMASI SMT Kode Mata Kuliah Nama Mata Kuliah Nama Dosen Hari Lokasi Mulai Akhir Durasi Senen Jumlah Peserta Kelas
Lebih terperinciBAB II DASAR TEORI 2.1 Penjadwalan Kuliah
BAB II DASAR TEORI 2.1 Penjadwalan Kuliah Penjadwalan Kuliah merupakan pengaturan penempatan waktu dan ruangan berdasarkan jumlah kuliah dan akademik sejenis, dengan memperhatikan sejumlah aturan yang
Lebih terperinciMODIFIKASI ALGORITMA SEMUT UNTUK OPTIMASI PROBABILITAS PEMILIHAN NODE DALAM PENENTUAN JALUR TERPENDEK
MODIFIKASI ALGORITMA SEMUT UNTUK OPTIMASI PROBABILITAS PEMILIHAN NODE DALAM PENENTUAN JALUR TERPENDEK Erlin Windia Ambarsari Program Studi Informatika, Universitas Indraprasta PGRI erlinunindra@gmail.com
Lebih terperinciPencarian Jalur Terpendek dengan Algoritma Dijkstra
Volume 2 Nomor 2, Oktober 207 e-issn : 24-20 p-issn : 24-044X Pencarian Jalur Terpendek dengan Algoritma Dijkstra Muhammad Khoiruddin Harahap Politeknik Ganesha Medan Jl.Veteran No. 4 Manunggal choir.harahap@yahoo.com
Lebih terperinciIMPLEMENTASI DAN ANALISA KINERJA ALGORITMA ANT SYSTEM (AS) DALAM PENYELESAIAN MULTIPLE TRAVELLING SALESMAN PROBLEM (MTSP)
IMPLEMENTASI DAN ANALISA KINERJA ALGORITMA ANT SYSTEM (AS) DALAM PENYELESAIAN MULTIPLE TRAVELLING SALESMAN PROBLEM (MTSP) Boko Susilo, Rusdi Efendi, Siti Maulinda Program Studi Teknik Informatika, Fakultas
Lebih terperinciAnalisis Penggunaan Algoritma Backtracking dalam Penjadwalan Kuliah
Analisis Penggunaan Algoritma Backtracking dalam Penjadwalan Kuliah Farhan Makarim 13515003 Teknik Informatika Institut Teknologi Bandung Bandung, Indonesia Farhan_makarim@student.itb.ac.id Abstrak model
Lebih terperinciOPTIMISASI POLA DISTRIBUSI DENGAN LOGIKA FUZZY DAN ALGORITMA SEMUT PADA PT. SRI ANEKA PANGAN NUSANTARA
Optimisasi Pola Distribusi... (Rizka Nur Pratiwi) 11 OPTIMISASI POLA DISTRIBUSI DENGAN LOGIKA FUZZY DAN ALGORITMA SEMUT PADA PT. SRI ANEKA PANGAN NUSANTARA OPTIMIZATION OF ROUTE DISTRIBUTION WITH FUZZY
Lebih terperinciMETODE PROGRAM DINAMIS PADA PENYELESAIAN TRAVELING SALESMAN PROBLEM
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 329 336. METODE PROGRAM DINAMIS PADA PENYELESAIAN TRAVELING SALESMAN PROBLEM Hermianus Yunus, Helmi, Shantika Martha INTISARI
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Penjadwalan merupakan suatu proses pengorganisasian untuk mengalokasikan waktu kapan dan dimana suatu kegiatan akan dilakukan. Banyak hal yang menjadi pertimbangan
Lebih terperinciANALISIS PEMBANGKITAN JADWAL PERKULIAHAN DENGAN DISCRETE PARTICLE SWARM OPTIMIZATION
TESIS ANALISIS PEMBANGKITAN JADWAL PERKULIAHAN DENGAN DISCRETE PARTICLE SWARM OPTIMIZATION ROCHIM WIDARYANTO No. Mhs. : 105301536/PS/MT PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA PROGRAM PASCASARJANA UNIVERSITAS
Lebih terperinci