Prediksi Harga Saham Dengan Algoritma Genetika
|
|
- Fanny Pranoto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Prediksi Harga Saham Dengan Algoritma Genetika Ir. H. Arry Andriana Independent Investor Abstrak:- Bagi banyak orang, pasar saham adalah bidang yang sangat menantang dan menarik. Dalam tulisan ini saya mencoba untuk memprediksi apakah harga saham akan naik pada hari berikutnya. Saya memprediksi harga saham dari beberapa perusahaan yang berbeda secara individual. Untuk memprediksi digunakan perbandingan antara harga High, Low, Close dari beberapa saham yang digunakan yang membantu kita untuk menemukan apakah harga akan naik atau turun. Teknik evolusi digunakan untuk percobaan ini adalah algoritma genetika. Harga High, Low dan Close di hari tertentu akan dibandingkan dengan nilai mereka sebelumnya (lebih kecil sama dengan <= atau lebih besar > ). Hasil perbandingan tersebut menghasilkan dua buah sinyal 0 menyatakan harga Close esok hari tidak naik dan 1 harga Close akan naik. Jika sinyal bernilai 1 maka harga Close esok akan naik. Untuk memudahkan perhitungan, saya berasumsi untuk melakukan transaksi beli/buy 10 lot (10000 lembar) saham dalam satu hari (intraday) pada harga penutupan kemarin dan melakukan transaksi jual pada harga Close hari ini dan tanpa ada komisi transaski. Melalui kurva profit kumulatif yang dibuat dalam periode optimisasi dan di luar periode sampel (out of sample), hasil percobaan menunjukkan bahwa cara baru ini memprediksi harga saham cukup menjanjikan.. Kata kunci: Pembelajaran mesin, pasar saham, algoritma genetika. I. Pendahuluan Prediksi harga saham selalu menjadi tugas yang menantang. Telah diamati bahwa harga saham dari perusahaan mana pun tidak selalu tergantung pada situasi ekonomi suatu negara. Hal ini tidak terkait langsung dengan perkembangan ekonomi negara atau daerah tertentu. Dengan demikian prediksi harga saham telah menjadi sulit bahkan lebih sulit dari sebelumnya. Harga harian saham ini dipengaruhi karena berbagai alasan seperti terkait berita perusahaan, peristiwa politik, bencana alam, dan lain-lain. Pengolahan data yang cepat dari peristiwa tersebut dengan bantuan teknologi dan sistem komunikasi yang meningkat telah menyebabkan harga saham berfluktuasi sangat cepat. Dengan demikian banyak bank, lembaga keuangan, investor skala besar dan pialang saham harus membeli dan menjual saham dalam waktu sesingkat mungkin. Jadi rentang waktu bahkan beberapa jam antara pembelian dan penjualan tidak biasa. Untuk menginvestasikan uang di pasar saham kita perlu memiliki ide apakah harga saham akan meningkatkan atau menurunkan pada hari berikutnya. Jadi dalam proyek ini saya mencoba untuk memprediksi apakah harga tertinggi saham akan menambah atau mengurangi pada hari berikutnya. Dalam tulisan ini saya mencoba untuk memprediksi harga saham dari lima perusahaan yang berbeda. Untuk setiap perusahaan saya memprediksi apakah harga Close naik atau turun hari berikutnya. Jadi ini merupakan masalah klasifikasi dengan hanya dua kelas yang terlibat. Dengan demikian kita telah mencoba untuk membuat masalah sesederhana mungkin. Sinyal dibuat berdasarkan perbandingan antara harga High, Low, atau Close di satu hari dengan harga High, Low, atau Close di beberapa hari sebelumnya. Saya melakukan pembatasan bahwa periode hari paling lama adalah 11 hari. Jadi pada dasarnya, dengan algoritma genetika, kita berusaha mendefinisikan aturan/rule yang menghasilkan profit kumulatif terbaik. Secara sederhana, hasil prediksi akan berupa kalimat di bawah ini: Jika Low hari ini <= High 3 hari sebelumnya dan Close 3 hari sebelumnya > Low 11 hari sebelumnya maka Close esok hari diperkirakan naik Selanjutnya kita melakukan tarnsaksi pembelian esok hari dan menutupnya sebelum penutupan pasar saham. Keuntungan/kerugian harian di dasarkan pada perbandingan harga Close hari sebelumnya dengan harga Close hari ini. Beberapa peneliti GA sebelumnya telah menggunakan algoritma genetika untuk memprediksi pergerakan harga saham. Kyoung Jae Kim dan Won Boo Lee [3] mengembangkan metode transformasi fitur menggunakan algoritma genetika. Pendekatan ini mengurangi dimensi ruang fitur dan menghilangkan faktorfaktor yang tidak relevan terlibat dalam prediksi harga saham. Pendekatan ini dilakukan lebih baik bila dibandingkan dengan transformasi linear dan transformasi fuzzification. Transformasi berdasarkan GA ini tampak menjanjikan jika dibandingkan dengan transformasi fitur lainnya. Penelitian lain yang dilakukan pada algoritma genetika (GAs) oleh Kyoung Jae Kim [2] lagi untuk memprediksi pasar saham adalah dengan menggunakan GA tidak hanya untuk meningkatkan algoritma pembelajaran, tetapi juga untuk mengurangi kompleksitas ruang fitur. Dengan demikian pendekatan ini mengurangi dimensi dari ruang fitur dan meningkatkan generalisasi classifier. Juga Ajith Abraham [4] mengembangkan sistem hybrid cerdas, yang terdiri dari Hal 1 dari 5
2 jaringan saraf, sistem inferensi fuzzy, penalaran perkiraan dan teknik optimasi gratis derivatif. sistem yang juga memberikan hasil yang menjanjikan tetapi tidak dibandingkan dengan sistem cerdas lain yang ada. Frank Cross [5] mencoba untuk menemukan hubungan yang bisa ada antara perubahan harga saham pada hari Senin dan Jumat di pasar saham. Ia telah mengamati bahwa harga pada Jumat telah meningkat lebih sering daripada hari lain. Ini juga telah mengamati bahwa pada hari Senin harga telah setidaknya sering meningkat dibanding hari-hari lainnya. Boris Podobnik [6] mencoba untuk menemukan korelasi silang antara perubahan volume dan perubahan harga. Untuk harga saham berubah, dibutuhkan volume untuk memindahkan harga saham. Mereka menemukan dua hasil empiris utama. Salah satunya adalah kuasa hukum korelasi silang antara perubahan harga logaritma dan perubahan volume logaritmik dan yang lainnya adalah bahwa perubahan volume logaritmik mengikuti hukum kubik sama dengan perubahan harga logaritmik. Banyak teknik pembelajaran mesin yang digunakan untuk memprediksi nilai target yang berbeda. Ini bisa lebih untuk memprediksi harga saham. Algoritma genetika telah digunakan untuk prediksi dan ekstraksi fitur penting. Banyak analisis yang telah dilakukan pada apa faktor-faktor yang mempengaruhi harga saham dan pasar keuangan. Ada berbagai cara dengan mana harga saham dapat diprediksi. Salah satu cara adalah untuk mengurangi kompleksitas dengan mengekstraksi fitur terbaik atau dengan pilihan fitur. Pendekatan ini akan membantu saya memprediksi harga saham dengan akurasi yang lebih baik sebagai kompleksitas mengurangi. Teknik algortima genetika yang evolusioner yang digunakan untuk memprediksi harga saham diberikan di bawah ini: Algoritma genetika: Sebuah algoritma genetika (GA) adalah teknik pencarian yang digunakan dalam komputasi untuk mencari solusi yang tepat atau perkiraan untuk mencari dan masalah optimasi. Algoritma genetik adalah kelas khusus dari perhitungan evolusi yang menggunakan teknik terinspirasi oleh biologi evolusioner seperti sebagai warisan, mutasi, seleksi, dan crossover. Sebuah algoritma genetika menemukan solusi potensial untuk masalah tertentu sebagai kromosom sederhana seperti struktur data sehingga dapat menjaga informasi penting. Pelaksanaannya dimulai dengan pemilihan populasi kromosom, yang merupakan seperangkat solusi untuk masalah yang bisa terjadi untuk skenario tertentu. Satu mengevaluasi fitness dan kemudian melakukan reproduksi untuk mendapatkan solusi yang lebih baik sehubungan dengan masalah sasaran. Kromosom, yang merupakan solusi yang lebih baik, diberi lebih banyak kesempatan untuk reproduksi daripada mereka yang mewakili solusi yang lebih miskin. Proses ini berlanjut selama beberapa generasi setelah kita mendapatkan solusi yang optimal. Operator digunakan untuk percobaan ini adalah duatitik crossover dan mutasi merayap. Crossover adalah operator genetika digunakan untuk beragam struktur gen kromosom mana informasi gen dipertukarkan antara orang tua yang dipilih dengan memilih dua poin dalam struktur gen dari setiap orang tua. Gambar 1. Dua titik persilangan Mutasi merayap (creep mutation) digunakan dengan menambahkan nilai kecil untuk setiap gen dengan probabilitas p. Dalam metode ini fitness ditugaskan untuk setiap individu digunakan untuk proses seleksi. fitness ini digunakan untuk mengaitkan pilihan probabilitas dengan masing-masing individu. Hal ini dapat diberikan sebagai berikut: Di mana fi fitness individu i dan N adalah ukuran populasi. II Pengaturan Eksperimental Dataset yang digunakan: Dataset yang digunakan untuk percobaan ini terdiri dari data optimisasi selama sepuluh tahun (sekitar 2500 hari) dan data di luar sample untuk pengujian sekitar enam tahun terakhir (sekitar 800 hari). Sebanyak tiga atribut untuk setiap perusahaan yang digunakan untuk prediksi. Yaitu High (harga tertinggi), Low (harga terendah), dan Close (harga penutupan). Lima perusahaan yang digunakan untuk percobaan ini adalah BBRI (Bank Rakyat Indonesia), TLKM (Telkom Indonesia), BMRI (Bank Mandiri) dan BBCA (Bank BCA) dan AKRA (AKR Corporindo). Dua dataset yang digunakan untuk percobaan. Salah satu dataset training digunakan untuk melakukan optimisasi dari setiap atribut yang digunakan. Saya menggunakan dataset pengujian lain sehingga kita bisa memverifikasi hasilnya atau disebut juga data di luar sampel optimisasi (out of sample). Dengan demikian kita dapat memeriksa apakah over-fit terjadi atau tidak. Hasil yang diperoleh benar-benar menunjukkan bahwa tidak ada over-fit yang terjadi, dan aturan/rule yang dibuat memberikan keuntungan pada periode optimisasi dan masih memberikan keuntungan di masa mendatang (data di luar sample). Pengaturan parameter yang berbeda untuk setiap algoritma diberikan di bawah ini: Pengaturan parameter untuk algoritma genetik adalah sebagai berikut: Hal 2 dari 5
3 No. Parameter Nilai 1 Ukuran Populasi: 50 2 Panjang Kromosom 32 bit 3 Laju Crossover: Laju Mutasi: Generasi Gap (Loncatan generasi): generasi tanpa 6 Kriteria Penghenti: perbaikan Chart 1: Pengaturan parameter untuk algoritma genetika III. Hasil Tabel 1 menunjukkan rentang data dan persen keberhasilan memprediksi secara benardalam rentang data optimisasi dan rentang data di luar sample dengan algoritma genetika. Gambar 1 menunjukkan tampilan umum pada layar Excel untuk saham BMRI yang dibuat sejenis untuk saham lainnya. Gambar 2, 3, 4, 5 menunjukkan kurva profit kumulatif dari nilai fitness yang dievaluasi untuk masing-masing perusahaan. Perlunya rentang data di luar sampel optimisasi adalah untuk menunjukkan kemungkinan terjadinya over-fit pada saat optimisasi. Jika terjadi over-fit di rentang optimisasi maka profit di luar sampel akan terlihat merugi. Gambar 6 menunjukkan kondisi over-fit, di mana profit kumulatif menunjukkan nilai tertinggi dibanding hasil pada Gambar 2, namun profit kumulatif saat data di luar sampel menunjukkan hasil yang tidak begitu baik. Hal ini dapat dilihat dari Tabel 1 bahwa kita mampu untuk memprediksi harga saham dengan cukup akurat (>= 70%). Akurasi tertinggi diperoleh dengan menggunakan algoritma genetika adalah 82% pada rentang data optimisasi dan 79% pada rentang data pengujian di luar sampel. Company Jumlah Data Jumlah Data Luar % Prediksi Benar % Prediksi Benar Optimisasi Sample Optimisasi di Luar Sample BMRI % 70% BBRI % 76% BBCA % 76% TLKM % 79% AKRA % 78% Table 1: Jumlah Rentang Data Optimisasi dan Di luar Sample Gambar 1: Tampilan Sejenis Dalam Excel Untuk Data Saham Bank Mandiri Hal 3 dari 5
4 Gb 2 Tampilan Profit Kumulatif Bank Mandiri Gb 6 Tampilan Profit Kumulatif TLKM Gb 3 Tampilan Profit Kumulatif BCA Gb 6 Tampilan Profit Kumulatif BMRI saat Over-Fit IV. Kesimpulan dan Penelitian Lanjutan Gb 4 Tampilan Profit Kumulatif BRI Gb 5 Tampilan Profit Kumulatif TLKM Metode baru untuk memprediksi harga saham dengan menggunakan algoritma genetika tampak menjanjikan. Ditemukan bahwa algoritma dan evolusi genetik strategi telah dilakukan hampir merata. Akurasi terbaik ditemukan dengan menggunakan algoritma genetika adalah 82% pada rentang data optimisasi dan 79% pada rentang data pengujian di luar sampel. Saya menggunakan dua dataset yang berbeda untuk memprediksi harga saham. Yang pertama bertindak sebagai set pelatihan/optimisasi dan dataset lain untuk pengujian di luar sampel optimisasi. Pembagian data ini diperlukan agar kita dapat menguji apakah over-fit terjadi atau tidak. Melalui kurva Profit Kumulatif di kedua rentang data kita bisa mengetahui terjadinya over-fit atau tidak. Ada banyak aspek yang kita dapat mempertimbangkan di masa depan. Kita perlu untuk memasukkan lebih banyak atribut untuk memprediksi harga saham. Tiga atribut yang digunakan sangat mirip satu sama lain maka kita perlu lebih banyak atribut, yang tidak serupa tetapi mempengaruhi pergerakan harga. Metode ini dapat dibandingkan dengan algoritma populer lainnya digunakan untuk prediksi harga saham seperti jaringan saraf dan mesin dukungan vektor. Hal 4 dari 5
5 Pekerjaan Lanjutan:- Algoritma evolusioner digunakan untuk percobaan ini terlihat sangat menjanjikan. Oleh karena itu, penelitian lebih lanjut diperlukan dalam bidang ini. Kita bahkan dapat mencoba untuk menggunakan atribut perusahaan lain untuk memprediksi harga untuk memeriksa apakah mereka membantu dalam memprediksi harga. Jadi kita hanya bisa menggunakan data tersebut perusahaan, yang akan membantu dalam memprediksi data dalam cara yang lebih baik. Ada kemungkinan besar bahwa akurasi prediksi akan di atas 80% jika kita menggunakan data perusahaan lain juga bukan menggunakan hanya data individu perusahaan. Karena hasil yang diperoleh di atas 70% dalam setiap kasus maka kita dapat menguji kinerja pada data real time juga. Ini akan memberi kita gambaran apakah hanya data historis cukup baik untuk memprediksi data atau tidak. Jika tidak, maka kita perlu mencari faktor-faktor lain selain data historis yang mempengaruhi harga. Informasi ini juga dapat diberikan kepada algoritma kita digunakan untuk percobaan ini. Ada kemungkinan besar bahwa akurasi akan meningkat. Perusahaan yang digunakan dalam penelitian ini adalah perusahaan-perusahaan besar. Kita bisa memeriksa kinerja algoritma mereka pada perusahaan ukuran kecil juga. REFERENSI: [1] Abdüsselam Altunkaynak, Sediment load prediction by genetic algorithms Advances in Engineering Software, Volume 40, Issue 9, September 2009, Pages [2] Kyoung-jae Kim, Ingoo Han. Genetic algorithms approach to feature discretization in artificial neural networks for the prediction of stock price index. Expert systems with Applications, [3] Kyoung-jae Kim, Won Boo Lee. Stock market prediction using artificial neural networks with optimal feature transformation. Neural Computing and Applications (2004), Volume: 13, Issue: 3, Publisher: Citeseer, Pages: [4] Ajith Abraham, Baikunth Nath and P. K. Mahanti. Hybrid intelligent systems for stock market analysis. Proceedings of the International Conference on Computational Science Part 2, Pages [5] Frank Cross. The behavior of stock prices on Fridays and Mondays. Financial Analyst Journal Vol. 29 No. 6, pages [6] Boris Podobnik, Davor Horvatic, Alexander M. Peterson and Eugene Stanley. Cross-correlations between volume change and price change. Proceedings of the National Academy of Sciences of the United States of America, Vol. 106, No. 52, pp , December 2009 Hal 5 dari 5
OPTIMASI 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 terperinciPERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH. Iqbal Dwihanandrio
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6447 PERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH Iqbal Dwihanandrio S1 Teknik Informatika
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 terperinciOptimasi Teknik Klasifikasi Modified k Nearest Neighbor Menggunakan Algoritma Genetika
Optimasi Teknik Klasifikasi Modified k Nearest Neighbor Menggunakan Algoritma Genetika Siti Mutrofin 1, Arrie Kurniawardhani 2, Abidatul Izzah 3, Mukhamad Masrur 4 Universitas Pesantren Tinggi Darul Ulum
Lebih terperinciBAB III PEMBAHASAN. menggunakan model Fuzzy Mean Absolute Deviation (FMAD) dan penyelesaian
BAB III PEMBAHASAN Dalam bab ini akan dibahas mengenai pembentukan portofolio optimum menggunakan model Fuzzy Mean Absolute Deviation (FMAD) dan penyelesaian model Fuzzy Mean Absolute Deviation (FMAD)
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 terperinciJaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit
Jaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit Abidatul Izzah 1), Ratih Kartika Dewi 2) 1)2) Jurusan Teknik Informatika ITS Surabaya Jl. Teknik
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Clustering adalah proses di dalam mencari dan mengelompokkan data yang memiliki kemiripan karakteristik (similarity) antara satu data dengan data yang lain. Clustering
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 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 terperinciPenerapan Algoritma Genetika pada Peringkasan Teks Dokumen Bahasa Indonesia
Penerapan Algoritma Genetika pada Peringkasan Teks Dokumen Bahasa Indonesia Aristoteles Jurusan Ilmu Komputer FMIPA Universitas Lampung aristoteles@unila.ac.id Abstrak.Tujuan penelitian ini adalah meringkas
Lebih terperinciGenetic Algorithme. Perbedaan GA
Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Seiring dengan perkembangan pasar modal yang pesat, menuntut investor untuk memiliki banyak strategi dalam berinvestasi. Dalam berinvestasi dituntut untuk selalu mengelola
Lebih terperinciPenentuan Portofolio Saham Optimal Menggunakan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 1, Januari 2017, hlm. 63-68 http://j-ptiik.ub.ac.id Penentuan Portofolio Saham Optimal Menggunakan Algoritma Genetika
Lebih terperinci2 TINJAUAN PUSTAKA. 2.1 Peringkasan Teks
4 2 TINJAUAN PUSTAKA 2.1 Peringkasan Teks Peringkasan teks adalah proses pemampatan teks sumber ke dalam versi lebih pendek namun tetap mempertahankan informasi yang terkandung didalamnya (Barzilay & Elhadad
Lebih terperinciAdapun rumus matematis dari analisa regresi linier yaitu : y = A 0 + B 0 X + ε Dimana : y = Variable dependent ( variable yang akan diprediksi ) A 0 =
PREDIKSI NILAI SAHAM MENGGUNAKAN PEMROGRAMAN GENETIK DAN PEMROGRAMAN EKSPRESI GEN Aris Sularno Jurusan Informatika, Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia Abstrak Prediksi harga
Lebih terperinciOPTIMISASI PEMBENTUKAN SEL DIINTEGRASIKAN DENGAN PENEMPATAN MESIN DAN PENJADWALAN DI DALAM SELULAR MANUFAKTUR MENGGUNAKAN ALGORITMA GENETIKA
OPTIMISASI PEMBENTUKAN SEL DIINTEGRASIKAN DENGAN PENEMPATAN MESIN DAN PENJADWALAN DI DALAM SELULAR MANUFAKTUR MENGGUNAKAN ALGORITMA GENETIKA Oleh : Moh Khoiron 1209 100 705 Dosen pembimbing : Dr. Imam
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada penelitian machine learning banyak sekali diperbincangkan tentang perilaku belajar mesin (komputer) agar mampu belajar dan berpikir cerdas layaknya manusia yang
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 terperinciPRESENTASI TUGAS AKHIR
PRESENTASI TUGAS AKHIR Travelling Salesman Problem menggunakan Algoritma Genetika Via GPS berbasis Android (kata kunci : android,gps,google Maps, Algoritma Genetika, TSP) Penyusun Tugas Akhir : Azmi Baharudin
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 terperinciPelatihan Multi-Layer Neural Network Menggunakan Algoritma Genetika untuk Memprediksi Harga Saham Esok Hari (T+1)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 58-96X Vol., No. 6, Juni 08, hlm. 30-308 http://j-ptiik.ub.ac.id Pelatihan Multi-Layer Neural Network Menggunakan Algoritma Genetika untuk
Lebih terperinciOptimasi Kendali Distribusi Tegangan pada Sistem Tenaga Listrik dengan Pembangkit Tersebar
Optimasi Kendali Distribusi Tegangan pada Sistem Tenaga Listrik dengan Pembangkit Tersebar Soni Irawan Jatmika 2210 105 052 Pembimbing : 1. Prof. Dr. Ir. Adi Soeprijanto, MT. 2. Heri Suryoatmojo, ST. MT.
Lebih terperinciBAB III PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017.
BAB III PEMBAHASAN Data yang digunakan dalam bab ini diasumsikan sebagai data perkiraan harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017. Dengan demikian dapat disusun model Fuzzy
Lebih terperinciAnalisis Komparasi Genetic Algorithm dan Firefly Algorithm pada Permasalahan Bin Packing Problem
Analisis Komparasi Genetic Algorithm dan Firefly Algorithm pada Permasalahan Bin Packing Problem Adidtya Perdana Sekolah Tinggi Teknik Harapan Medan Jl. H.M. Jhoni No. 70 C Medan adid.dana@gmail.com Abstrak
Lebih terperinciBAB 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 terperinciA. ADHA. Program Studi Teknik Sipil, Fakultas Teknik,Universitas Islam Riau, Pekanbaru, Indonesia Corresponding author:
Institut Teknologi Padang, 27 Juli 217 ISBN: 978-62-757-6-7 http://eproceeding.itp.ac.id/index.php/spi217 Optimasi Bentuk Struktur dan Penampang pada Struktur Rangka Baja Terhadap Kendala Kehandalan Material
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MEMAKSIMALKAN LABA PRODUKSI JILBAB
Journal of Environmental Engineering & Sustainable Technology Vol. 02 No. 01, July 2015, Pages 06-11 JEEST http://jeest.ub.ac.id PENERAPAN ALGORITMA GENETIKA UNTUK MEMAKSIMALKAN LABA PRODUKSI JILBAB Samaher
Lebih terperinciBAB I PENDAHULUAN. wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat
BAB I PENDAHULUAN A. Latar Belakang Masalah Objek pariwisata di Yogyakarta sudah semakin beragam mulai dari wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat wisatawan dapat dibuat
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 terperinciAPLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN
APLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN Eva Haryanty, S.Kom. ABSTRAK Komputer adalah salah satu peralatan yang pada saat ini banyak pula digunakan
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 terperinciHASIL DAN PEMBAHASAN. Gambar 7 Diagram alur proses mutasi.
5 Mulai HASIL DAN PEMBAHASAN Kromosom P = rand [0,1] Ya P < Pm R = random Gen(r) dimutasi Selesai Tidak Gambar 7 Diagram alur proses mutasi. Hasil populasi baru yang terbentuk akan dievaluasi kembali dan
Lebih terperinciGambar 1. Hop multi komunikasi antara sumber dan tujuan
Routing pada Jaringan Wireless Ad Hoc menggunakan teknik Soft Computing dan evaluasi kinerja menggunakan simulator Hypernet Tulisan ini menyajikan sebuah protokol untuk routing dalam jaringan ad hoc yang
Lebih terperinciOTOMASI PENJADWALAN KEGIATAN PRKULIAHAN DI PERGURUAN TINGGI MENGGUNAKAN METODE ALGORITMA GENETIKA ( STUDI KASUS STIKI )
OTOMASI PENJADWALAN KEGIATAN PRKULIAHAN DI PERGURUAN TINGGI MENGGUNAKAN METODE ALGORITMA GENETIKA ( STUDI KASUS STIKI ) Siska Diatinari Andarawarih 1) 1) Program Studi Teknik Informatika, Sekolah Tinggi
Lebih terperinciV. HASIL DAN PEMBAHASAN
V. HASIL DAN PEMBAHASAN Pengumpulan Data dan Praproses Data yang digunakan berdasarkan data yang dipublikasikan oleh Bursa Efek Indonesia dari bulan Januari 2004 sampai dengan Desember 2009. Sampai dengan
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 terperinci1. BAB I PENDAHULUAN 1.1 Latar Belakang
1. BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia menganut ekonomi terbuka, jadi pertumbuhan ekonomi Indonesia dipengaruhi pertumbuhan ekonomi Internasional. Oleh karena itu, jika terjadi fluktuasi pada
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 II LANDASAN TEORI. digunakan sebagai alat pembayaran yang sah di negara lain. Di dalam
BAB II LANDASAN TEORI 2.1 Valuta Asing Valuta asing dapat diartikan sebagai mata uang yang dikeluarkan dan digunakan sebagai alat pembayaran yang sah di negara lain. Di dalam hukum ekonomi bila terdapat
Lebih terperinciALGORITMA GENETIKA UNTUK OPTIMASI STRUKTUR ANFIS
ALGORITMA GENETIKA UNTUK OPTIMASI STRUKTUR ANFIS Ariesta Damayanti 1), Rudy Cahyadi 2) 1) Teknik Informatika STMIK AKAKOM Yogyakarta, 2) Politeknik Negeri Media Kreatif Jakarta 1) Jl. Janti 143 Yogyakarta,
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 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 terperinciBAB II LANDASAN TEORI. Tahun 2001 pemilik CV. Tunas Jaya membuka usaha di bidang penjualan dan
BAB II LANDASAN TEORI 2.1 Sejarah Perusahaan Tahun 2001 pemilik CV. Tunas Jaya membuka usaha di bidang penjualan dan pengadaan suku cadang computer. Dalam bidang tersebut diharuskan berbadan hukum PD,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Fuzzy Local Binary Pattern (FLBP) Fuzzifikasi pada pendekatan LBP meliputi transformasi variabel input menjadi variabel fuzzy, berdasarkan pada sekumpulan fuzzy rule. Dalam
Lebih terperinci1. Pendahuluan 1.1. Latar Belakang
1. Pendahuluan 1.1. Latar Belakang Perkembangan teknologi informasi yang begitu pesat sekarang ini memberikan dampak yang besar terhadap kinerja manusia khususnya dalam bekerja. Segala sesuatu yang dahulu
Lebih terperinciOPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA andra Aditya 1), Wayan Firdaus Mahmudy 2) 1) Program Studi Teknik Informatika, Fakultas Ilmu Komputer Malang Jl. Veteran, Malang 65145, Indonesia
Lebih terperinciBAB I PENDAHULUAN. telah diadopsi untuk mengurangi getaran pada gedung-gedung tinggi dan struktur
BAB I PENDAHULUAN 1.1 Latar Belakang Tuned mass damper (TMD) telah banyak digunakan untuk mengendalikan getaran dalam sistem teknik mesin. Dalam beberapa tahun terakhir teori TMD telah diadopsi untuk mengurangi
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. 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 terperinciPENENTUAN KOMPETENSI MAHASISWA DENGAN ALGORITMA GENETIK DAN METODE FUZZY C- MEANS
Teknologi Elektro, Vol. 15, No. 2, Juli - Desember 2016 101 PENENTUAN KOMPETENSI MAHASISWA DENGAN ALGORITMA GENETIK DAN METODE FUZZY C- MEANS Rosalia Hadi 1, I Ketut Gede Darma Putra 2, I Nyoman Satya
Lebih terperinciPERANCANGAN PENGATURAN DURASI LAMPU LALU LINTAS ADAPTIF
PERANCANGAN PENGATURAN DURASI LAMPU LALU LINTAS ADAPTIF Rudericus Andika Pramudya, Mahmud Imrona 2, Fhira Nhita 3,2,3 Prodi S Teknik Informatika, Fakultas Teknik, Universitas Telkom rudericusdika@gmail.com,
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 terperinciALGORITMA GENETIKA. Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Disusun oleh: Achmad Basuki Politeknik Elektronika Negeri Surabaya, PENS ITS Surabaya 2003 Algoritma
Lebih terperinciImplementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah
Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah Leonard Tambunan AMIK Mitra Gama Jl. Kayangan No. 99, Duri-Riau e-mail : leo.itcom@gmail.com Abstrak Pada saat ini proses penjadwalan kuliah
Lebih terperinciALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS Surabaya 2003 Algoritma Genetika Algoritma
Lebih terperinciPerancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali) I Made Budi Adnyana
Lebih terperinciOPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM
OPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM Poetri Lestari Lokapitasari Belluano poe3.setiawan@gmail.com Universitas Muslim Indonesia Abstrak Non Dominated Sorting pada
Lebih terperinci3.2.3 Resiko, Keuntungan dan Kerugian Forex Metode Prediksi dalam Forex MetaTrader 4 sebagai Platform Trading dalam Forex...
DAFTAR ISI HALAMAN PENGESAHAN... iii PERNYATAAN... iv HALAMAN MOTTO DAN PERSEMBAHAN... v PRAKATA... vi DAFTAR ISI... viii DAFTAR GAMBAR... xi DAFTAR TABEL... xiv DAFTAR PERSAMAAN... xv DAFTAR LAMPIRAN...
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 terperinciPENERAPAN ALGORITMA GENETIKA UNTUK PENENTUAN BATASAN FUNGSI KENGGOTAAN FUZZY TSUKAMOTO PADA KASUS PERAMALAN PERMINTAAN BARANG
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 3, No. 3, September 2016, hlm. 169-173 PENERAPAN ALGORITMA GENETIKA UNTUK PENENTUAN BATASAN FUNGSI KENGGOTAAN FUZZY TSUKAMOTO PADA KASUS PERAMALAN
Lebih terperinciBab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
Lebih 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 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 terperinciOPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA Mike Susmikanti Pusat Pengembangan Informatika Nuklir, Badan Tenaga Nuklir Nasional Kawasan
Lebih terperinciOPTIMASI TEKNIK KLASIFIKASI MODIFIED K NEAREST NEIGHBOR MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI TEKNIK KLASIFIKASI MODIFIED K NEAREST NEIGHBOR MENGGUNAKAN ALGORITMA GENETIKA Optimization Techniques Modi ed k Nearest Neighbor Classi cation Using Genetic Algorithm Siti Mutro n 1, Abidatul
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. A. Latar Belakang Pasar modal merupakan pasar untuk berbagai instrumen keuangan jangka
BAB I PENDAHULUAN A. Latar Belakang Pasar modal merupakan pasar untuk berbagai instrumen keuangan jangka panjang yang dapat diperjualbelikan, baik dalam bentuk utang ataupun modal sendiri. Pasar modal
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 terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pemilu 2014 sudah di depan mata, banyak partai politik bermunculan baik yang sudah lama berdiri maupun yang baru saja berdiri. Namun tidak semua partai politik dapat
Lebih terperinciKeywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN
Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com
Lebih terperinciPENJADWALAN UJIAN AKHIR SEMESTER DENGAN ALGORITMA GENETIKA (STUDI KASUS JURUSAN TEKNIK INFORMATIKA UNESA)
Penjadwalan Ujian Akhir Semester dengan Algoritma Genetika PENJADWALAN UJIAN AKHIR SEMESTER DENGAN ALGORITMA GENETIKA (STUDI KASUS JURUSAN TEKNIK INFORMATIKA UNESA) Anita Qoiriah Jurusan 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 terperinciTugas Mata Kuliah E-Bisnis REVIEW TESIS
Tugas Mata Kuliah E-Bisnis REVIEW TESIS Desain Algoritma Genetika Untuk Optimasi Penjadwalan Produksi Meuble Kayu Studi Kasus Pada PT. Sinar Bakti Utama (oleh Fransiska Sidharta dibawah bimbingan Prof.Kudang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pembentukan kelas belajar merupakan kegiatan rutin yang dilakukan oleh setiap sekolah pada setiap tahun ajaran baru. Pembentukan kelas biasanya dilakukan dengan membagi
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 terperinciPrediksi Jumlah Kunjungan Pasien Rawat Jalan Menggunakan Metode Genetic Fuzzy Systems Studi Kasus: Rumah Sakit Usada Sidoarjo
JURNAL TEKNIK ITS Vol. 1, No. 1(Sept. 2012) ISSN: 2301-9271 A-482 Prediksi Jumlah Kunjungan Pasien Rawat Jalan Menggunakan Metode Genetic Fuzzy Systems Studi Kasus: Rumah Sakit Usada Sidoarjo Lia Farihul
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Globalisasi dunia berdampak luas tidak hanya pada hubungan perdagangan antar negara tetapi juga pada kondisi perekonomian antar negara. Hal ini terbukti dengan meningkatnya
Lebih terperinciMENGUKUR KINERJA ALGORITMA GENETIK PADA PEMAMPATAN MATRIKS JARANG
MENGUKUR KINERJA ALGORITMA GENETIK PADA PEMAMPATAN MATRIKS JARANG Nico Saputro dan Joice Aritonang Email : nico@home.unpar.ac.id, jo_aritonang@yahoo.com A matrix that has lots of zero elements is called
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN Pasar modal memiliki peran penting bagi perekonomian suatu negara karena pasar modal menjalankan tiga fungsi, yaitu pertama sebagai tempat berinteraksi pembeli
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 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 terperinciOPTIMASI HASIL PREDIKSI KETERSEDIAAN ENERGI SUMBER DAYA MINERAL MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI HASIL PREDIKSI KETERSEDIAAN ENERGI SUMBER DAYA MINERAL MENGGUNAKAN ALGORITMA GENETIKA Eka Handayani 1, Jondri,Drs.,M.T. 2, Siti Sa adah,s.t.,m.t. 3 1,2,3 ProdiS1 Teknik Informatika, Fakultas Teknik,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3 Agar penelitian yang dilakukan sesuai dengan tujuan yang diharapkan maka diperlukan langkah-langkah yang tersusun secara sistematis seperti yang dijabarkan pada gambar 3.1
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bab ini membahas tentang teori penunjang serta penelitian sebelumnya yang berhubungan dengan penerapan metode tournament selection pada metode seleksi parent dalam algoritma genetika
Lebih terperinciKNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA
LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu
Lebih terperinciOPTIMASI PENEMPATAN KAPASITOR PADA SALURAN DISTRIBUSI 20 kv DENGAN MENGGUNAKAN METODE KOMBINASI FUZZY DAN ALGORITMA GENETIKA
OPTIMASI PENEMPATAN KAPASITOR PADA SALURAN DISTRIBUSI 20 kv DENGAN MENGGUNAKAN METODE KOMBINASI FUZZY DAN ALGORITMA GENETIKA I Made Wartana, Mimien Mustikawati Program Studi Teknik Elektro, Fakultas Teknologi
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 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 terperinciTINJAUAN PUSTAKA Algorit Allgor me Genetika
6 TINJAUAN PUSTAKA Algoritme Genetika Algoritma Genetika (GA) adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan proses evolusi. Dalam proses evolusi, individu secara terus menerus
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 terperinciAlgoritma Genetika dan Penerapannya dalam Mencari Akar Persamaan Polinomial
Algoritma Genetika dan Penerapannya dalam Mencari Akar Persamaan Polinomial Muhammad Abdy* 1, Maya Sari Wahyuni* 2, Nur Ilmi* 3 1,2,3 Jurusan Matematika, Universitas Negeri Makassar e-mail: * 1 m.abdy@unm.ac.id,
Lebih terperinciPELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 65-72 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE
Lebih terperinciPengantar Kecerdasan Buatan (AK045218) Algoritma Genetika
Algoritma Genetika Pendahuluan Struktur Umum Komponen Utama Seleksi Rekombinasi Mutasi Algoritma Genetika Sederhana Referensi Sri Kusumadewi bab 9 Luger & Subblefield bab 12.8 Algoritma Genetika 1/35 Pendahuluan
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 terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-222
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-222 Implementasi Algoritma Genetika pada Struktur Backpropagation Neural Network untuk Klasifikasi Kanker Payudara Adam Mizza Zamani, Bilqis Amaliah
Lebih terperinciOptimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi
Optimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi Rahman Aulia Universitas Sumatera Utara Pasca sarjana Fakultas Ilmu Komputer Medan, Indonesia Rahmanaulia50@gmail.com Abstract
Lebih terperinciANALISA OPTIMASI PORTOFOLIO DENGAN KENDALA JUMLAH LOT SAHAM
Perjanjian No: III/LPPM/2016-02/35-P ANALISA OPTIMASI PORTOFOLIO DENGAN KENDALA JUMLAH LOT SAHAM Disusun Oleh: Liem Chin, M.Si Erwinna Chendra, M. Si Drs. Agus Sukmana, M.Sc Lembaga Penelitian dan Pengabdian
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 terperinciBAB 1 PENDAHULUAN. disebut Univesitas Timetabling Problems (UTP). Permasalahan ini dilihat dari sisi
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Penjadwalan perkuliahan merupakan suatu masalah yang sangat kompleks yang sering disebut Univesitas Timetabling Problems (UTP). Permasalahan ini dilihat dari sisi
Lebih terperinci