PENGARUH PERUBAHAN FAKTOR JARINGAN IP MENGGUNAKAN DYNAMIC PENALTY FUNCTION METHOD
|
|
- Sonny Sudirman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal ELTEK, Vol 11 Nomor 02, Oktober 2013 ISSN PENGARUH PERUBAHAN FAKTOR JARINGAN IP MENGGUNAKAN DYNAMIC PENALTY FUNCTION METHOD Har Kurna Saftr 1 Abstrak QoS routng adalah kemampuan arngan untuk memberkan layanan yang lebh bak untuk trafk arngan yang dplh melalu berbaga macam teknolog. QoS arngan dkatakan bak ka waktu yang dgunakan untuk mengrmkan data dar sumber ke penerma sekecl mungkn dengan bandwdth yang besar. Dengan menngkatnya kebutuhan pengguna sepert program chattng, vdeo conference, socal networkng, dan sebaganya memberkan banyak tantangan kepada para perancang arngan, yatu bagamana memenuh kualtas layanan (Qualty of Servce/QoS) dar arngan tersebut, yatu bagamana mengatur bandwdth dan delay yang pendek, serta packet loss yang rendah dalam rangka memperbak kualtas penermaan. QoS routng pada arngan IP dengan menggunakan dynamc penalty funton method, topolog arngan yang akan dtelt adalah topolog mesh dengan 8 node, dengan fungs kendala batasan bandwth adalah 1 pada maka QoS routng arngan akan semakn bak. Dar hasl peneltan routng arngan, total waktu pengrman data dar node sumber ke node penerma uga akan berubah. Hasl yang ddapatkan dengan merubah ftness yang optmum dan waktu pengrman data yang optmum, serta waktu untuk konvergen uga semakn cepat. Kata-kata kunc: faktor penalt, qualty of servce, routng, dynamc penalty functon 1 Har Kurna S. Program Stud Teknk Elektronka, Jurusan Teknk Elektro, Polteknk Kota Malang. 102
2 Har Kurna S, Pengaruh Perubahan Faktor Penalt, Hal Abstract QoS routng s the ablty of a network to provde better servce to selected network traffc over varous technologes. QoS networks are sad to be good f the tme s used to transmt data from the source to the recever as small as possble wth a large bandwdth. Wth the ncreasng needs of users such as chat programs, vdeo conferencng, socal networkng, and so provde many challenges to the network desgners, namely how to meet qualty of servce (Qualty of Servce/ QoS ) of the network, e how to set the bandwdth and short delay, as well as low packet loss n order to mprove the recepton qualty. Ths research wll dscuss the changes n the value of the penalty factor dynamc funton penalty method, the network topology to be studed s a mesh topology wth 8 nodes, wth the bandwdth constrant s 1 Mbps. Hopefully, by the ) on the QoS routng network, the better. Bychangng the value of penalty factor ( n ths research, the total tme of data transmsson from the source node to the recevng node s wll be changng. The result obtaned by changng the, 1, 2, 2.5, the value of the penalty factor 1 has the optmum ftness value and optmum data transmsson tme, and the tme to converge faster. Keywords: penalty factor, qualty of servce, routng, dynamc penalty functon 1. PENDAHULUAN Kebutuhan pengguna terhadap layanan data nternet yang semakn menngkat sehngga konds tersebut menyebabkan sebuah network yang besar akan dbag menad network-network yang lebh kecl (dsebut dengan network segmentatno) untuk menngkatkan unuk kera suatu arngan. Sebuah network yang besar cenderung melambat kecepatan datanya akbat trafk terlalu padat sehngga terad kemacetan. Penyebab teradnya kemacetan d arngan karena terlalu banyak host, broadcast, dan bandwdth yang kecl. Routng adalah proses pengrman paket data melalu path dalam arngan dar sumber ke tuuan melalu sebuah protokol. Alran trafk drutekan melalu path yang terpendek, pemecahan alran pada node dengan beberapa lnk dengan path terpendek 103
3 Jurnal ELTEK, Vol 11 Nomor 02, Oktober 2013 ISSN menuu node tuuan Sehngga routng dkatakan bak ka proses pengrman paket data dlakukan dengan rute terpendek dan dalam waktu yang sesngkat mungkn (delay yang pendek) Dalam arngan nternet, QoS routng adalah proses pemlhan path yang dgunakan oleh alran paket data berdasarkan kebutuhan QoS yatu bandwdth dan delay[5]. Dalam mendesan layanan salah satu hal yang umum dlakukan adalah bagamana mengdentfkas rute yang mungkn dan mengefsenskan sumber daya arngan, dengan menerapkan algortma routng dan membuat batasan-batasan (fungs kendala) yang dperlukan dalam arngan. Pada arngan nternet, path length merupakan penumlahan bobot dar lnk pada path tersebut, dengan semakn menngkatnya bobot pada path akan muncul masalah kemacetan (congesty) pada arngan, sehngga delay routng akan semakn besar. Untuk memnmalkan kemacetan pada pada arngan, dgunakan algortma genetk pada proses routngnya dan untuk menyelesakan masalah yang memlk fungs kendala dapat dselesakan dengan menambahkan fungs penalt. Berdasarkan uraan d atas, maka pada peneltan n akan arngan IP dengan menggunakan dynamc penalty functon method.. Parameter QoS yang dtelt adalah total waktu pegrman paket data dar sumber ke penerma, serta path/rute optmum mana yang dplh untuk melewatkan paket data tersebut. Dharapkan dengan adanya perubahan nla probabltas mutas pada QoS routng arngan IP dengan menggunakan dynamc penalty functon method, maka total waktu pegrman paket data dar sumber ke penerma akan semakn kecl dan akan ddapatkan path/rute yang optmum. 2. KAJIAN PUSTAKA 2.1 QoS Routng QoS routng adalah kemampuan arngan untuk memberkan layanan yang lebh bak untuk trafk arngan yang dplh melalu berbaga macam teknolog.tuuan utama QoS routng adalah untuk menyedakan prortas untuk aplkas yang berbeda, user yang berbeda atau perbedaan alran data, serta untuk menamn 104
4 Har Kurna S, Pengaruh Perubahan Faktor Penalt, Hal unuk kera alran data pada level yang dngnkan. Sepert kebutuhan bandwdth, tter, delay dan packet loss pada arngan nternet. Ukuran/satuan yang dgunakan untuk menentukan QoS adalah metrc. Pada algortma routng semakn kecl nla dar metrc maka semakn bagus path/alur yang dtempuh. Ada beberapa metrc yang dgunakan pada path/lnk arngan, yatu addtve metrc, multplcaton metrc, dan concave metrc. Pada peneltan n metrc yang dgunakan adalah addtve metrc, yatu delay (lattency). Lattency dpengaruh oleh waktu transms, waktu propagas dan node delay. 2.2 Routng Routng adalah sebuah proses untuk meneruskan paket-paket arngan dar satu arngan ke arngan lan melalu sebuah nternetwork dengan nla cost yang mnmal. Routng merupakan fungs yang bertanggung awab membawa data melewat sekumpulan arngan dengan cara memlh alur terbak untuk dlewat data. Tugas routng akan dlakukan devce arngan yang dsebut sebaga router. Ada dua hal pentng dalam routng yatu protokol routng dan algortma routng. Protokol routng dgunakan untuk memfasltas pertukaran nformas routng antar router. Protokol routng memungknkan router untuk secara dnams berbag nformas tentang arngan remote dan secara otomats menambahkan nformas n ke tabel routng mereka sendr. Protokol routng menentukan alur terbak ke setap arngan yang kemudan dtambahkan ke tabel routng. Algortma routng adalah bagan algortma dar perangkat lunak network layer yang bertanggung awab untuk menentukan alur mana yang menad alur transms paket. Algortma routng harus dapat menyesuakan dr atau bertahan terhadap perubahanperubahan dalam topolog dan lalu lntas data. 2.3 Dynamc Penalty Functon Algortma genetk merupakan metode adaptve yang bsa dgunakan untuk memecahkan suatu pencaran nla dalam sebuah masalah optmas. 105
5 Jurnal ELTEK, Vol 11 Nomor 02, Oktober 2013 ISSN Algortma genetk dtemukan oleh John Holland pada awal tahun 1970 yang dlandas oleh sfat-sfat evolus alam. Holland percaya bahwa n sangat cocok dgabungkan dalam sebuah algortma komputer, menghaslkan sebuah teknk penyelesaan permasalahan-permasalah yang sult dengan langkah alamah yatu melalu evolus. John Holland mula bekera dengan algortma yang dbentuk dengan strng-strng bner 1 dan 0 yang dsebut kromosom. Sepert halnya alam, algortma n menyelesakan permasalahan-permasalahan dengan menemukan kromosom-kromosom yang bak dengan memanpulas mater dan sfat (gene) kromosom-kromosom. Algortma n mengetahu tpe permasalahan yang akan dselesakan. Hanya nformas yang telah dberkan dar evaluas berupa nla ftness setap kromosom yang dhaslkan dgunakan untuk seleks kromosom sehngga kromosom dengan nla ftness terbak yang bertahan hdup dan selalu dproduks. Pada umumnya algortma genetc akan melalu suatu sklus yang terdr dar 4 fase, yatu: 1. Membangun sebuah populas yang terdr dar kromosom-kromosom. 2. Mengevaluas masng-masng kromosom 3. Proses seleks agar ddapat kromosom ya ng terbak. 4. Manpulas genetc untk mencptakan populas baru dar kromosom-kromosom. Mekansme kera algortma genetk sangat sederhana yatu melbatkan penyalnan strng dan pertukaran bagan strng. Sklus perkembangbakan algortma genetc dawal dengan pembuatan hmpunan solus secara random dnamakan populas, dmana d dalamnya terdapat ndvdu-ndvdu yang dnamakan kromosom. Kromosom n secara lambat laun mengalam teras pemlhan dalam sebuah generas. Selama dalam sebuah generas, kromosom n devaluas, dengan menggunakan rumus-rumus yang ada dalam fungs ftness. Untuk mencptakan generas berkutnya dengan kromosom yang baru (dnamakan keturunan/offsprng) dapat dlakukan dengan menggabungkan dua kromosom yang telah ddapat sebelumnya dengan menggunakan operator pndah slang (crossover) ataupun dengan modfkas 106
6 Har Kurna S, Pengaruh Perubahan Faktor Penalt, Hal sebuah kromosom dengan operator mutas. Sebuah generas baru sebelum devaluas lag, maka da akan melalu proses seleks berdasarkan fungs ftnessnya. Dar seleks n, kromosomkromosom yang palng bagus mempunya kemungknan besar untuk terseleks. Setelah beberapa generas, algortma akan mengalam konvergen pada seumlah kromosom terbak, yang memlk nla optmum dar permasalahan yang dselesakan. Karena operas algortma genetk dgunakan untuk memanpulas genome dar populas adalah acak, aplkas algortma genetk terbatas pada optmas yang menghaslkan solus yang tak layak. Hal n dapat dselesakan dengan mencegah beberapa solus dar populas yang masuk degan memperbak offsprng yang tdak layak. Pendekatannya dengan menggunakan penalty functon method. Penalty functon method merupakan metode yang dgunakan untuk menyelesakan optmas kendala. Secara umum pendekatan penalty functon adalah sebaga berkut : n p (1) ( x) f ( x) r G 1 1 dengan (x) adalah fungs obektve baru yang akan doptmas, G dan L adalah fungs yang memlk kendala c L g dan h, r dan c konstanta yang bernla postf yang dkenal sebaga penalty factor. G max 0, g ( x) (2) L h (x) (3) Dengan nla dan adalah 1 atau 2. Penalty functon dapat menangan kendala-kendala yang memlk kesetaraan dan ketdaksetaraan, dan bentuk pendekatan normal dnyatakan dalam bentuk persamaan (4) h (x), 0 (4) Nla dapat dabakan karena nlanya kecl sekal. Pada dynamc penalty functon, akan dpertmbangkan fungs penalt dmana umlah generas sekarang terlbat dalam 107
7 Jurnal ELTEK, Vol 11 Nomor 02, Oktober 2013 ISSN perhtungan pada fungs penalt yang berhubungan ( basanya fungs penalt ddefnskan sedemkan rupa sehngga akan menngkat selama waktu generas). Pendekatan dynamc penalty pada genera t adalah sebaga berkut : ftness ( x) f ( x) ( C t) SVC(, x) (5) Dengan adalah konstanta yang dtentukan oleh user (Jones dan Houck(1994) menggunakan C = 0,5, = 1 atau 2, dan = 1 ) n p (6) SVC( D D ( x), x) D ( x) 1 1 g ( x) g ( x) otherwse 0 D ( x) 0 (7) h ( x) 0 h ( x) otherwse 3. METODE Metodolog peneltan menelaskan tentang tahapan keseluruhan solus permasalahan peneltan yang dungkapkan dalam bentuk dagram alr dan algortma. Dagram alr untuk solus permasalahan pada penelan n terdapat pada Gambar 1. Solus permasalahan dawal dengan pengukuran parameter masukan untuk penentuan waktu transms, waktu propagas dan delay node pada arngan dengan skenaro yang telah dtentukan sebelum dlakukan penguan performans QoS routng dynamc penalty functon method pada arngan. Penguan dlakukan dengan smulas QoS routng menggunakan dynamc penalty functon method karena software arngan komputer tdak memungknkan untuk daplkaskan dynamc penalty functon method. Penguan melput perhtungan waktu pengrman data dar path/rute optmum yang terpllh, perhtungan ftness dan rata-rata ftnes, dan rute/path terplh pada arngan dengan dynamc penalty functon method. Hasl penguan dengan smulas dlakukan untuk menganalss QoS berdasarkan parameter yang dbutuhkan. (8) 108
8 Har Kurna S, Pengaruh Perubahan Faktor Penalt, Hal Gambar 1. Dagram Alr Solus Permasalahan 4. HASIL DAN PEMBAHASAN Pada peneltan n arngan yang akan dtelt mempunya topolog mesh dengan 8 node yang sudah dtentukan lnk dan araknya. Meda transms yang dgunkan adalah fber optk dengan keceptan meda transms adalah m/s. Ilusras toplog arngan yang akan dtelt dtunukkan pada Gambar 2, dan arak antar node terdapat pada Tabel 1. Gambar 2. Ilustras Topolof Jarngan Tabel 1. Jarak Antar Node Pada Jarngan Lnk Jarak (m)
9 Jurnal ELTEK, Vol 11 Nomor 02, Oktober 2013 ISSN Sedangkan throughput pada masng-masng lnk (sesua dengan skenaro yatu dengan batasan bandwdth yang dngnkan adalah 1Mbps, atau volume data yang dlewatkan adalah 1MB) dtunukkan pada tabel 2. Tabel 2. Througput Antar Node Volume Data (MB) Lnk Bandwdth (Mbps) Throughput (kbps) Pada Konds Jarngan Sbuk ( ) Mbps 529, , , , , , , , , , , ,38 Proses selanutnya adalah proses algortma routng dengan dynamc penalty functon method, prosesnya adalah sebaga berkut : - Pengkodean, pengkodean yang dgunakan adalah varabel strng yang dnyatakan dalam bentuk blangan nteger (urutan dar node), dengan fungs kendala adalah bahwa Bandwth throughput lnk. Pada peneltan n menggunakan 8 node, bandwdth = 1Mbps. - Penentuan umlah populas dan umlah generas, umlah populas 10 dan umlah generas Reproduks/seleks, seleks yang dgunakan adalah roulette wheel. - Crossover, crossover yang dgunakan adalah one pont crossover dengan probabltas crossover yang dgunakan adalah 90%. - Mutas, pada proses mutas probabltas mutas yang dgunakan adalah 1%. 110
10 Har Kurna S, Pengaruh Perubahan Faktor Penalt, Hal Faktor penalt, parameter untuk faktor penalt adalah C = 0,5; akan dtelt. Smulas untuk QoS routng n menggunakan software DELPHI, dengan hasl smulas dtunukkan pada Gambar 3, 4, 5, dan 6. Gambar 3. Grafk fungs rata-rata ftness generas Pada konds arngan d Pada gambar 3 terlhat bahwa rata-rata ftness tertngg adalah dan terad pada generas ke-48. Rata-rata ftness dar generas ke-1 sampa ke -50 tdak pernah mencapa konvergens, sehngga pada konds pengaturan parameter tdak bsa dgunakan sebaga alternatf solus, karena nla rata-rata ftness tdak pernah konvergen. Pada gambar 4 terlhat bahwa dengan drubahnya nla, rata-rata fungs ftness mencapa konvergen mula generas ke-41 sampa ke-50, dengan nla rata-rata ftnessnya adalah 0,0478, waktu total adalah 16,239 detk dan alur yang terplh adalah Pada gambar 5 terlhat bahwa dengan drubahnya nla, rata-rata fungs ftness mencapa konvergen mula generas ke-42 sampa ke-50, dengan nla rata-rata ftnessnya adalah 0,0482, waktu total adalah 16,366 detk dan alur yang terplh adalah Pada gambar 6 terlhat bahwa rata-rata ftness tertngg adalah dan terad pada generas ke-17. Rata-rata ftness dar 111
11 Jurnal ELTEK, Vol 11 Nomor 02, Oktober 2013 ISSN generas ke-1 sampa ke-50 tdak pernah mencapa konvergens, sehngga pada konds pengaturan parameter tdak bsa dgunakan sebaga alternatf solus, karena nla rata-rata ftness tdak pernah konvergen. Gambar 4. Grafk Fungs Rata-Rata Ftness Generas Gambar 5. Grafk Fungs Rata-Rata Ftness Generas Gambar 6. Grafk Fungs Rata-Rata Ftness Generas 112
12 Har Kurna S, Pengaruh Perubahan Faktor Penalt, Hal PENUTUP Dar hasl keseluruhan proses peneltan n perubahan nla fa -rata ftness, waktu konvergens dan total waktu pengrman data pada proses routng dar arngan IP menggunakan dynamc penalt functon method. ddapatkan nla rata-rata ftness yang optmum dan konds konvergen arngan serta waktu total pengrman data optmum Routng dengan menggunakan dynamc penalty functon method dgunakan sebaga salah satu stud atau referenas perbandngan dengan algortma routng yang lan, karena tdak bsa secara langsung dapat dmplementaskan pada arngan rl, karena untuk mengmplementaskannya membutuhkan syaratsyarat tertentu. 6. DAFTAR PUSTAKA Cauvery,N dan Vswanatha,K V Routng n Dynamc Network Usng Ant and Genetc Algorthm. Internatonal Journal of Computer Scence and Network Securty (Vol. 9, No. 3, March 2009). Chtra dan Subbara A Nondomnate Sortng Genetc Algorth for Short Path Routng Problem. Internatonal Journal of Electrcal and Computer Engneerng. 5 : Coello, Carlos A, Constrant Handlng Technques used wth Evolutonary Algorthm. CINVENTAV-IPN (EVOCINV). San Pedro Zacatenco. Leela,R dan Selvakumar,S QoS Routng Usng Genetc Algorthm. Internatonal Journal Computer and Electrcal Engneerng (Vol.1. No. 3, August 2009). Nagb, G dan Al, W G Network Routng Protocol Usng Genetc Algorthm. Internatonal Journal of Electrcal and Computer Scence. Vol.10. No. Nar, FRG dan Sooda,K Comparson of Genetc Algorthm and Smulated Annealng Technque for Optmal Path Selecton n Network Routng. (NCVN-09 9th and 10th, October 2009). 113
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciPENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL
Arad Retno TH, Pengembangan Metode Algortma Gen, Hal 93-0 PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL Arad Retno Tr Hayat Abstrak Metode optmas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinciBAB II TINJAUAN PUSTAKA
7 II TINJUN PUSTK 2.1 Manaemen Proyek 2.1.1 Pengertan Manaemen Proyek Sebelum mengemukakan apa art dar Manaemen Proyek, terlebh dahulu akan mengetahu art dar Manaemen dan Proyek tu. Menurut Hamng dan Nurnaamuddn
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang
Lebih terperinciBAB 2 KAJIAN PUSTAKA
BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciBAB II TEORI ALIRAN DAYA
BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinciOPTIMASI LETAK DAN SIFAT PEREDAM MASSA SELARAS UNTUK MENGURANGI RESPONS STRUKTUR AKIBAT GEMPA
Konferens Nasonal Teknk Spl 4 (KoNTekS 4) Sanur-Bal, -3 Jun 010 OPTIMASI LETAK DAN SIFAT PEREDAM MASSA SELARAS UNTUK MENGURANGI RESPONS STRUKTUR AKIBAT GEMPA Yoyong Arfad 1 1 Program Stud Teknk Spl, Unverstas
Lebih terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciOptimasi Fungsi Keanggotaan Fuzzy
Optmas Fungs Keanggotaan Fuzzy Tsukamoto Dua Tahap Menggunakan Algortma Genetka Pada Pemlhan Calon Penerma Beasswa dan BBP-PPA (Stud Kasus: PTIIK Unverstas Brawjaya Malang) Bunga Amela Restuputr 1, Wayan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tnjauan Pustaka 2.1.1 Tmetable Tmetable merupakan alokas subjek yang memlk kendala untuk dtempatkan pada ruang waktu (Gan dkk, 2004). Permasalahan Tmetable cukup luas. Masalah
Lebih terperinci(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a
Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg
Lebih terperinciPENERAPAN METODE FORGY PADA PERILAKU LEBAH PENJELAJAH DALAM ARTIFICIAL BEE COLONY
PENERAPAN METODE FORGY PADA PERILAKU LEBAH PENJELAJAH DALAM ARTIFICIAL BEE COLONY I Made Wdartha Program Stud Teknk Informatka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Udayana emal : madewdartha@cs.unud.ac.d
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Bab n membahas tentang prosedur pengembangan pembelajaran dan mplementas model Problem Based Learnng dalam pembelajaran Konsep Dasar Matematka, Subjek Peneltan, Teknk dan Instrumen
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinci3 METODE HEURISTIK UNTUK VRPTW
12 3 METODE HEURISTIK UNTUK VRPTW 3.1 Metode Heurstk Metode heurstk merupakan salah satu metode penentuan solus optmal dar permasalahan optmas kombnatoral. Berbeda dengan solus eksak yang menentukan nla
Lebih terperinciPrediksi Jumlah Follower Official Account Line Menggunakan Regresi dan Algoritma Genetika
Jurnal Pengembangan Teknolog Informas dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 11, November 217, hlm. 1312-132 http://j-ptk.ub.ac.d Predks Jumlah Follower Offcal Account Lne Menggunakan Regres dan
Lebih terperinciOPTIMASI METODE DISCRIMINATIVELY REGULARIZED LEAST SQUARE CLASSIFICATION DENGAN ALGORITMA GENETIKA
Vol. 5, o. 3, Januar 2010 ISS 0216-0544 OPIMASI MEODE DISCRIMIAIVELY REGULARIZED LEAS SQUARE CLASSIFICAIO DEGA ALGORIMA GEEIKA * Arad Retno r Hayat Rrd, ** Agus Zanal Arfn, *** Anny Yunart * Program Stud
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI09191 IMPLEMENTASI SEGMENTASI CITRA RESONANSI MAGNETIK OTAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS YANG DIMODIFIKASI BERDASARKAN KORELASI ANTAR PIKSEL (Kata Kunc : Segmentas Fuzzy
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciPERANCANGAN JARINGAN AKSES KABEL (DTG3E3)
PERCG JRIG KSES KBEL (DTG3E3) Dsusun Oleh : Hafdudn,ST.,MT. (HFD) Rohmat Tulloh, ST.,MT (RMT) Prod D3 Teknk Telekomunkas Fakultas Ilmu Terapan Unverstas Telkom 015 Peramalan Trafk Peramalan Trafk Peramalan
Lebih terperinciBAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis
BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan
Lebih terperinciMahasiswa Program Studi Informatika / Ilmu Komputer Universitas Brawijaya
Implementas Evoluton Strateges untuk Penyelesaan Vehcle Routng Problem Wth Tme Wndows pada Dstrbus Mnuman Soda XYZ Isyar Andka Harun 1, Wayan F. Mahmudy 2, Novanto Yudstra 3 1 Mahasswa Program Stud Informatka
Lebih terperinciBab V Aliran Daya Optimal
Bab V Alran Daya Optmal Permasalahan alran daya optmal (Optmal Power Flow/OPF) telah menjad bahan pembcaraan sejak dperkenalkan pertama kal oleh Carpenter pada tahun 196. Karena mater pembahasan tentang
Lebih terperinciPENERAPAN MULTI OBJECTIVE GENETIC ALGORITHM (MOGA) PADA PENJADWALAN DYNAMIC-MULTI OBJECTIVE
PENERAPAN MULTI OBJECTIVE GENETIC ALGORITHM (MOGA) PADA PENJADWALAN DYNAMIC-MULTI OBJECTIVE DAN SEQUENCE DEPENDENT SETUP TIMES COMPOUND FLOW SHOP DI PT.X Fredy Hartanto dan Udsubakt Cptomulyono Magster
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciOPTIMASI MASALAH PENUGASAN. Siti Maslihah
JPM IIN ntasar Vol. 01 No. 2 Januar Jun 2014, h. 95-106 OPTIMSI MSLH PNUGSN St Maslhah bstrak Pemrograman lner merupakan salah satu lmu matematka terapan yang bertuuan untuk mencar nla optmum dar suatu
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciDesain Kontroler PID-Genetic Algorithm untuk Sistem Pengaturan Level Air Steam Drum pada Pembangkit Listrik Tenaga Uap (PLTU)
JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: 2337-3539 (2301-9271 Prnt) A-153 Desan Kontroler PID-Genetc Algorthm untuk Sstem Pengaturan Level Ar Steam Drum pada Pembangkt Lstrk Tenaga Uap (PLTU) Mohamad
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, No. 1 (Sept. 2012) ISSN: A-185
JURNAL TEKNIK ITS Vol. 1, No. 1 (Sept. 2012) ISSN: 2301-9271 A-185 Analss Penggunaan Algortma Useless Packet Transmsson Avodance () untuk Menghndar Transms Paket Tdak Berguna pada Multmeda d Jarngan dengan
Lebih terperinciBAB 3. METODOLOGI PENELITIAN
BAB 3. METODOLOGI PENELITIAN 3.1. Bagan Alr Peneltan Vergds et al. (2007) mengusulkan dua langkah dasar dar framework multobectve optmsas untuk perancangan proses bsns. Langkah pertama adalah membuat konstruks
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciPENGURUTAN DATA. A. Tujuan
PENGURUTAN DATA A. Tuuan Pembahasan dalam bab n adalah mengena pengurutan data pada sekumpulan data. Terdapat beberapa metode untuk melakukan pengurutan data yang secara detl akan dbahas ddalam bab n.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciDalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang
LARGE SCALE SYSEM Course by Dr. Ars rwyatno, S, M Dept. of Electrcal Engneerng Dponegoro Unversty BAB V OPIMASI SISEM Dalam sstem pengendalan berhrark level, maka optmas dapat dlakukan pada level pertama
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN :
JURNA MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN : 1410-8518 MASAAH RUTE TERPENDEK PADA JARINGAN JAAN MENGGUNAKAN AMPU AU-INTAS Stud Kasus: Rute Peralanan Ngesrep Smpang ma Eko Bud
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
I ENDHULUN. Latar elakang Mengambl keputusan secara aktf memberkan suatu tngkat pengendalan atas kehdupan spengambl keputusan. lhan-plhan yang dambl sebenarnya membantu dalam penentuan masa depan. Namun
Lebih terperinciSEARAH (DC) Rangkaian Arus Searah (DC) 7
ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan
Lebih terperinciEFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR
EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral
Lebih terperinciUKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a
UKURAN SAMPEL Prof. Dr. H. Almasd Syahza, SE., MP Emal: asyahza@yahoo.co.d Webste: http://almasd. almasd.staff. staff.unr.ac.d Penelt Senor Unverstas Rau Penentuan Sampel Peneltan lmah hampr selalu hanya
Lebih terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinciGambar 3.1 Diagram alir penelitian
BAB 3 METODE PENELITIAN 3.1 Dagram Alr Peneltan Materal Amorph Magnetk (Fe 73 Al 5 Ga 2 P 8 C 5 B 4 S 3 ) Ekspermen DfraksNeutron (I vs 2theta) Smulas Insalsas atom secara random Fungs struktur, F(Q) Perhtungan
Lebih terperinciAPLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )
APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka
Lebih terperinciPENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD
Semnar Nasonal Sstem dan Informatka 2007; Bal, 6 November 2007 PENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD Nur Hasanah ) Istkhomah 2) Taufq Hdayat 3) Sr Kusumadew 4) Jurusan
Lebih terperinciBAB III METODE KOMPRESI DAN DEKOMPRESI. untuk setiap B X. fraktal. Penjelasan dimulai dengan pengenalan Multiple Reduction Copy
BAB III METODE KOMPRESI DAN DEKOMPRESI Kompres ctra fraktal memodelkan ctra sebaga lmt dar suatu proses teras. Jka dberkan suatu ctra A X, metode n akan mencar suatu proses W sedemkan sehngga ttk tetap
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciBab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu
Bab 2 Tnjauan Pustaka 2.1 Peneltan Terdahulu Pemlhan stud pustaka tentang sstem nformas penlaan knerja karyawan n juga ddasar pada peneltan sebelumnya yang berjudul Penerapan Metode TOPSIS untuk Pemberan
Lebih terperinciMODEL OPTIMAL SISTEM TRANSPORTASI ANGKUTAN KOTA
ODEL OPTIAL SISTE TRANSPORTASI ANGKUTAN KOTA PRAPTO TRI SUPRIYO Departemen atematka Fakultas atematka dan Ilmu Pengetahuan Alam Insttut Pertanan Bogor Jl erant, Kampus IPB Darmaga, Bogor 16680 Indonesa
Lebih terperinciPENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT
PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos Pabelan
Lebih terperinciPerbaikan Unjuk Kerja Sistem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB
Perbakan Unjuk Kerja Sstem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB Endryansyah Penddkan Teknk Elektro, Jurusan Teknk Elektro,
Lebih terperinciBAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada
BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka
Lebih terperinciOptimasi Perencanaan Hasil Produksi dengan Aplikasi Fuzzy Linear Programming (FLP)
Semnar Nasonal Waluyo Jatmko II FTI UPN Veteran Jawa Tmur Optmas Perencanaan Hasl Produks dengan Aplkas Fuzzy Lnear Programmng (FLP) Akhmad Fauz Jurusan Teknk Informatka UPNV Veteran Jawa Tmur Emal: masuz@upnatm.ac.d
Lebih terperinciALGORITMA GENETIKA SEBAGAI SOLUSI OPTIMAL POWER FLOW PADA SISTEM KELISTRIKAN 500 KV JAWA BALI
ALGORITMA GENETIKA SEBAGAI SOLUSI OPTIMAL POWER FLOW PADA SISTEM KELISTRIKAN 500 KV JAWA BALI Yassr *), Sarya *), and T. Haryono *) Jurusan Teknk Elektro dan Teknolog Informas, Fakultas Teknk, Unverstas
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER
UNIVERSITAS DIPONEGORO 013 ISBN: 978-60-14387-0-1 FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER Saftr Daruyan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Kamus Buku acuan yang memuat kata dan ungkapan, basanya dsusun menurut abjad berkut keterangan tentang makna, pemakaan, atau terjemahannya, kamus juga dsebut buku yang memuat
Lebih terperinciPembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1
Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciTINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph
TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper
Lebih terperinciOPTIMISASI PELETAKAN DAN SIZING DISTRIBUTED GENERATION (DG) MENGGUNAKAN TWO LAYER PARTICLE SWARM OPTIMIZATION (TLPSO)
OPTIMISASI PELETAKAN DAN SIZING DISTRIBUTED GENERATION (DG) MENGGUNAKAN TWO LAYER PARTICLE SWARM OPTIMIZATION (TLPSO) Efrta Arfah Z Jurusan Teknk Elektro, FTI-ITATS Surabaya Jl. Aref Rahman Hakm 100 Tlp
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MASALAH PENJADWALAN JOB SHOP PADA LINGKUNGAN INDUSTRI PAKAIAN
PENERAPAN ALGORITMA GENETIKA UNTUK MASALAH PENJADWALAN JOB SHOP PADA LINGKUNGAN INDUSTRI PAKAIAN Fachrudn Afand, Mahendrawath ER, S.T, M.Sc, Ph.D, Fazal Mahananto, S.Kom Fakultas Teknolog Informas, Insttut
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciBAB I PENDAHULUAN. konsep strategi yang cocok untuk menghadapi persaingan baik itu mengikuti marketing
BAB I PENDAHULUAN 1.1 Latar Belakang Konds persangan dalam berbaga bdang ndustr saat n dapat dkatakan sudah sedemkan ketatnya. Persangan dalam merebut pasar, adanya novas produk, mencptakan kepuasan pelanggan
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciSIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI
ISSN: 1693-6930 167 SIMULASI OPTIMASI ALIRAN DAA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAA OPERASI Subyanto Teknk Elektro Fakultas Teknk Unverstas Neger Semarang Gedung E6 Lt. Kampus Sekaran
Lebih terperinciJurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN
Jurnal Ilmah Wdya Teknk Volume 16 Nomor 1 2017 ISSN 1412-7350 PEMODELAN MATEMATIKA UNTUK PERANCANGAN PRODUK LEMARI KABINET Rcky Yulanton Prhandaa, Dan Retno Sar Dew * Jurusan Teknk Industr, Fakultas Teknk,
Lebih terperinciNama : Crishadi Juliantoro NPM :
ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinciPERHITUNGAN PENILAIAN MAHASISWA TERHADAP MENGAJAR DOSEN BERBASIS KASUS MENGGUNAKAN ALGORITMA BAYESIAN
JURNAL DAI IN: - Vol. No. JUNI ERHITUNGAN ENILAIAN MAHAIWA TERHADA MENGAJAR DOEN BERBAI KAU MENGGUNAKAN ALGORITMA BAYEIAN Ern enwat TMIK AMIKOM Yogyakarta ern.s@amkom.ac.d ABTRAKI roses belaar mengaar
Lebih terperinciMEMINIMALKAN RUGI-RUGI PADA SISTEM DISTRIBUSI TEGANGAN MENENGAH DENGAN PEMASANGAN KAPASITOR
MEMINIMALKAN RUGI-RUGI PADA SISTEM DISTRIBUSI TEGANGAN MENENGAH DENGAN PEMASANGAN KAPASITOR Adranus Dr Program Stud Teknk Elektro Jurusan Teknk Elektro Fakultas Teknk Unverstas Tanjungpura adranus_dr@yahoo.co.d
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus
Lebih terperincitoto_suksno@uny.ac.d Economc load dspatch problem s allocatng loads to plants for mnmum cost whle meetng the constrants, (lhat d http://en.wkpeda.org/) Economc Dspatch adalah pembagan pembebanan pada pembangktpembangkt
Lebih terperinciPEMILIHAN LAHAN TERBAIK UNTUK TANAMAN KELAPA SAWIT MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING
Semnar Nasonal Inovas Dan Aplkas Teknolog D Industr 2017 ISSN 2085-4218 ITN Malang, 4 Pebruar 2017 PEMILIHAN LAHAN TERBAIK UNTUK TANAMAN KELAPA SAWIT MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Helza
Lebih terperinciBAB II KAJIAN PUSTAKA. karakteristik atau perilaku logam, ditinjau dari sifat mekanik (kekuatan,
BAB II KAJIAN PUSTAKA A. Metalurg Materal Regulator LPG Metalurg ddefnskan sebaga suatu lmu yang mempelaar karakterstk atau perlaku logam, dtnau dar sfat mekank (kekuatan, keuletan, kekerasan, ketahanan
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
Lebih terperinciIMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING
IMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING M. Helmy Noor 1, Moh. Harad 2 Program Pasasarjana, Jurusan Teknk Elektro, Program Stud Jarngan Cerdas
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinci