Amalia Utami¹, Suyanto², Retno Novi Dayawati³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
|
|
- Sri Sasmita
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ALGORITMA BEE COLONY OPTIMIZATION PADA TRAVELING SALESMAN PROBLEM MENGGUNAKAN METODE FREQUENCY BASED PRUNING SYSTEM DAN FIXED RADIUS NEAR NEIGHBOUR 2-OPT Amalia Utami¹, Suyanto², Retno Novi Dayawati³ ¹Teknik Informatika,, Universitas Telkom Abstrak Traveling Salesman Problem (TSP) adalah pencarian urutan tur kota terdekat yang harus dikunjungi dengan meminimalkan total biaya dimana setiap kota hanya boleh dikunjungi maksimum satu kali. Untuk kasus TSP jumlah kota yang besar dan terdapat batas waktu untuk mencapai kota tujuan, metode yang sebaiknya digunakan yaitu penerapan algoritma heuristik. Algoritma Bee Colony Optimization (BCO) menggunakan Frequency Based Pruning System (FBPS) dan Fixed Radius Near Neighbour (FRNN) 2-Opt merupakan salah satu algoritma heuristik yang mempunyai performansi yang baik untuk pemecahan kasus TSP. Pada Tugas Akhir ini dilakukan analisis setting parameter sistem terbaik; skalabilitas sistem; dan untuk analisis tingkat performansi sistem dilakukan perbandingan antara output sistem dan output algoritma Ant Colony Optimization (ACO). Data kota pengujian diperoleh dari TSPLIB. Berdasarkan observasi yang telah dilakukan, diketahui bahwa dengan menggunakan setting parameter terbaik dapat menghasilkan tur kota terpendek dalam waktu eksekusi yang dapat diterima; Pada tingkat skalabilitas sistem, semakin besar kota yang diproses maka akurasi sistem semakin menurun dan ketepatan solusi untuk mendekati panjang tur kota optimum semakin sulit dicapai; dan pada performansi sistem, akurasi sistem dan kecepatan sistem algoritma BCO menggunakan metode FBPS,FRNN 2-Opt kurang lebih 1,0098 kali lipat dan 2,6 kali lipat lebih baik daripada algoritma ACO. Kata Kunci : TSP, BCO, FBPS, FRNN 2-Opt, ACO Abstract Traveling Salesman Problem (TSP) is a sequence search nearby city tour to be visited by minimizing the total cost which each city can only be visited maximum one time. For the TSP lager number case of cities and there is a limit of time to reach the destination, the method should be used is the application of heuristic algorithms. Bee Colony Optimization (BCO) Algorithm with Frequency Based Pruning System (FBPS) and Fixed Radius Near Neighbor (FRNN) 2-Opt methodes is one of heuristic algorithm that has good performance for solving TSP cases. At this task is done the analysis of the best system parameter settings; system scalability and for the performance system-level analysis is done by do the comparison between the system output and the output of Ant Colony Optimization (ACO) algorithm. The city data testing is obtained from TSPLIB. Based on the observations that have been made, known that by using the best parameter settings can result the shortest city tour in acceptable execution time. At the level of system scalability, the greater the processing of the city so that system accuracy of the system decreased and even harder to reach the solution precision come closer to the optimum length city tour; and in the system performance, the system accuracy and the system speed execution of BCO algorithm with FBPS,FRNN 2-Opt methodes more or less 1,0098 and 2,6 times over better than ACO algorithm Keywords : TSP, BCO, FBPS, FRNN 2-Opt, ACO
2 1. Pendahuluan 1.1 Latar belakang Dalam kehidupan sehari-hari, sering dilakukan perjalanan dari satu tempat atau kota ke kota yang lain dengan mempertimbangkan efisiensi waktu dan biaya. Sehingga diperlukan ketepatan dalam menentukan tur terpendek antar suatu kota. Kasus seperti ini disebut juga dengan Traveling Salesman Problem (TSP). TSP adalah pencarian urutan tur kota terdekat yang harus dikunjungi yang meminimalkan total biaya dimana setiap kota hanya boleh dikunjungi maksimum satu kali. Pencarian tur kota dengan jumlah kota yang sedikit dapat dengan mudah diselesaikan dengan metode pencarian klasik yaitu dengan cara menghitung akumulasi tiap tur dan dipilih tur yang terpendek, namun permasalahan akan muncul bila pencarian tur kota terjadi pada jumlah kota yang besar dan terdapat batas waktu untuk mencapai kota tujuan. Pemecahan kasus TSP seperti ini kurang efisien bila menggunakan penerapan algoritma determenistik, karena waktu eksekusi yang dibutuhkan kemungkinan akan melebihi batas waktu, jadi metode yang lebih baik digunakan yaitu penerapan algoritma heuristik. Ada banyak metode untuk pemecahan kasus TSP ini dengan menggunakan algoritma heuristik. Dalam perkembangan ilmu pengetahuan dan penelitian para ahli, ditemukan salah satu algoritma heuristik yaitu algoritma Bee Colony Optimization (BCO). Berangkat dari beberapa literatur yang ada, menyatakan bahwa implementasi algoritma BCO mempunyai performansi yang baik untuk pemecahan kasus TSP, maka pada tugas akhir ini, penulis akan mencoba penerapan implementasi algoritma BCO pada pemecahan kasus TSP. Algoritma BCO adalah algoritma yang terinspirasi akan tingkah laku koloni lebah dalam mencari makanan untuk bertahan hidup, khususnya bagaimana lebah dapat menemukan jalur terpendek antara sumber makanan dan sarang mereka. Keunikan koloni lebah ini yaitu terdapat pada komunikasi yang mereka lakukan untuk menginformasikan jarak dan petunjuk arah menuju sumber makanan terbaik yang telah ditemukan oleh lebah sebelumnya dengan menggunakan dance getar lebah (waggle dance). Pada implementasi algoritma BCO untuk pemecahan kasus TSP, sumber makanan ini diibaratkan kota tujuan yang akan dikunjungi dan waggle dance hanya dapat dilakukan oleh lebah yang menghasilkan panjang tur lebih pendek daripada best tour length miliknya sendiri, kemudian tur kota lebah tersebut akan menjadi tur kota panduan untuk lebah selanjutnya. Sehingga pencarian solusi tur kota akan lebih efisien dan lebih cepat. Untuk mendapatkan hasil yang lebih optimal, algoritma BCO ini dapat digabungkan dengan metode-metode tambahan. Salah satu metode tersebut yaitu metode Frequency Based Pruning System (FBPS) dan Fixed Radius Near Neighbour (FRNN) 2-Opt. FBPS merupakan suatu metode penyaring tur-tur kota, yaitu dengan cara membentuk suatu bentuk building blok, digambarkan dalam bentuk matriks, yang merupakan rangkuman dari sejumlah tur-tur kota yang dihasilkan oleh para lebah. Dari matriks ini, kemudian akan terbentuk suatu list kota-kota yang paling sering 1
3 dikunjungi. Tur kota yang berhasil melalui metode FBPS ini merupakan tur kota yang terindikasi baik dan selanjutnya dapat diproses oleh metode FRNN 2-Opt. FRNN 2-Opt merupakan bentuk adaptasi dan perpaduan antara metode swap pada operasi 2-Opt dan metode pencarian jarak terdekat dengan kota tetangga pada operasi FRNN. FRNN itu sendiri merupakan varian dari Nearest Neighbour Search, sedangkan 2-Opt merupakan salah satu metode k-opt. FRNN 2-Opt ini berfungsi sebagai pemfilter hasil tur kota dari metode FBPS, yaitu dengan cara menukarkan posisi dua buah edge yang kiranya akan mengurangi panjang tur kota tersebut. Metode FBPS dan FRNN 2-opt ini bekerja secara sekuen dan saling melengkapi sehingga performansinya menjadi lebih baik, terlebih lagi digabungkan dengan algoritma BCO. Ruang pencarian tidak meluas dan melalui penyaringan hasil data kota yang lebih baik, sehingga dapat menghasilkan tur kota terpendek dengan lebih cepat. 1.2 Perumusan masalah Perumusan masalah pada tugas akhir ini adalah sebagai berikut : 1. Bagaimana mendapatkan waktu eksekusi yang dapat diterima dan tur kota terpendek untuk setiap data kota yang diolah pada sistem pemecahan kasus TSP dengan implementasi algoritma BCO, FBPS dan FRNN 2-opt. 2. Bagaimana pengaruh setting parameter untuk output sistem. 3. Bagaimana tingkat skalabilitas atau jumlah kota maksimum yang dapat dieksekusi oleh sistem, dalam batas waktu eksekusi yang telah ditentukan. 4. Bagaimana tingkat performansi sistem, dengan melakukan perbandingan antara output sistem dan output algoritma ACO, menggunakan spesifikasi yang sama, baik pada jumlah kota, jumlah individu agent maupun batas akurasi output sistem yang ditetapkan kedua algoritma tersebut. Sedangkan batas masalah pada tugas akhir ini adalah sebagai berikut : 1. Data kota yang diuji diperoleh dari TSPLIB [11] 2. Jumlah individu agent lebah yang disebarkan sama dengan jumlah kota yang sedang dieksekusi. 3. Pengujian tingkat performansi sistem, dengan cara melakukan perbandingan dari hasil implementasi algoritma ACO, yang diunduh dari internet pada alamat: solving-symmetrical-and-dissymmetrical-tsp-base-on-ant-colonyalgorithm?controller=file_infos&download=true, pada 9 Februari Batas waktu yang diberikan untuk melihat tingkat skalabilitas sistem, yaitu 3 jam. Waktu yang masih bisa diterima, baik bagi seseorang yang akan melakukan tur kota ataupun bagi seorang sales yang mempunyai batas waktu pengiriman barang. 1.3 Tujuan Tujuan yang ingin dicapai pada tugas akhir ini adalah sebagai berikut: 1. Mendapatkan waktu eksekusi yang dapat diterima dan tur kota terpendek untuk setiap data kota yang diolah pada sistem pemecahan kasus TSP dengan implementasi algoritma BCO, FBPS dan FRNN 2-opt. 2
4 2. Menganalisa pengaruh setting parameter untuk output sistem. 3. Menganalisa tingkat skalabilitas atau jumlah kota maksimum yang dapat dieksekusi oleh oleh sistem, dalam batas waktu eksekusi yang telah ditentukan. 4. Menganalisa tingkat performansi sistem, dari sisi waktu eksekusi yang dapat diterima dan tur kota terpendek yang diperoleh, dengan melakukan perbandingan antara output sistem dan output algoritma ACO. 1.4 Metodologi penyelesaian masalah Metodologi yang digunakan dalam memecahkan masalah di atas adalah dengan menggunakan langkah-langkah berikut: 1. Studi literatur Pencarian referensi dan sumber-sumber yang berhubungan dengan TSP, algoritma BCO, metode FBPS dan FRNN 2-opt. 2. Analisis dan desain Pada tahap analisis dilakukan, langkah-langkah untuk penyelesaian masalah, yaitu: a. Menerapkan dan menggabungkan algoritma BCO, metode FBPS dan FRNN 2-opt untuk perancangan dan pembuatan sistem pemecahan kasus TSP. b. Melakukan testing perubahan setting parameter untuk dapat menghasilkan tur kota terpendek dengan waktu eksekusi yang dapat diterima, terutama pada kasus dengan kota berjumlah besar. Sedangkan pada tahap desain, gambaran perancangan sistem yang dibangun pada tugas akhir ini dapat dilihat pada bagan berikut : INPUT PROSES OUTPUT ALGORITMA BCO TUR KOTA SEMENTARA PROSES PEMILIHAN TUR KOTA YANG BAIK MENGGUNAKAN METODE FBPS DATA TUR KOTA SETTING PARAMETER HASIL TUR KOTA SEMENTARA TUR KOTA TERSELEKSI TUR KOTA TERPENDEK PROSES OPTIMALISASI PANJANG TUR KOTA MENGGUNAKAN METODE FRNN 2-OPT DILAKUKAN SEBANYAK JUMLAH LEBAH YANG TELAH DINPUTKAN DILAKUKAN SEBANYAK JUMLAH MAKSIMUM GENERASI YANG TELAH DINPUTKAN Gambar 1-1 : Perancangan sistem Dari Gambar 1.1 tersebut, maka diketahui bahwa inputan sistem berupa data tur kota dan setting parameter yang dibutuhkan, yaitu seperti jumlah lebah, jumlah iterasi, dan lain-lain. Sistem akan melakukan proses yang melibatkan perulangan dalam perulangan, yaitu perulangan berdasarkan jumlah iterasi dan jumlah lebah yang diinputkan. Pada proses algoritma BCO ini, hasil dari tur kota sementara akan diolah dengan menggunakan metode FBPS, tur yang tidak ter-pruning oleh FBPS akan difilter kembali oleh FRNN 2-Opt. Setelah kriteria proses perulangan terpenuhi, maka dihasilkan output sistem berupa tur kota terpendek. 3. Implementasi sistem 3
5 Melakukan pembangunan sistem berdasarkan hasil analisis dan desain pada tahap sebelumnya, dengan menggunakan Matlab Pengujian dan analisis hasil Pengujian dan analisis hasil sistem yang dilakukan oleh penulis, yaitu : a. Pengujian terhadap sistem yang telah dibangun, dan sekaligus melakukan analisis sistem dengan memberikan nilai inputan data kota yang diperoleh dari TSPLIB. b. Menganalisis tingkat skalabilitas sistem dengan memberikan batas waktu tertentu, seberapa banyak jumlah kota yang dapat dieksekusi oleh sistem dalam batas waktu tersebut. c. Untuk membuktikan bahwa tingkat performansi sistem yang dibangun telah mencapai tingkat yang baik, maka dilakukan perbandingan antara output sistem dan output algoritma ACO menggunakan spesifikasi yang sama baik pada jumlah kota, jumlah individu agent maupun jumlah waktu eksekusi yang dilakukan oleh kedua algoritma tersebut. Kemudian di analisis hasil perbandingan diantara kedua lagoritma tersebut. 5. Penyusunan laporan Penyusunan laporan terhadap penelitian yang telah dilakukan, dan membuat kesimpulan dari hasil analisa dan penelitian tersebut. 4
6 5. Kesimpulan dan Saran 5.1 Kesimpulan Dari hasil pengujian dan analisis yang telah dilakukan, dapat diambil beberapa kesimpulan sebagai berikut : 1. Dengan menggunakan setting parameter yang baik hasil pengujian, maka algoritma Bee Colony Optimization (BCO) menggunakan metode Frequency Based Pruning System (FBPS) dan Fixed Radius Near Neighbour 2 Opt, dapat menghasilkan tur kota terpendek dalam waktu eksekusi yang dapat diterima. 2. Pada tingkat skalabilitas sistem pemecahan kasus TSP menggunakan algoritma BCO, FBPS dan FRNN 2-opt, semakin besar kota yang diproses maka akurasi sistem semakin menurun dan ketepatan solusi untuk mendekati panjang tur kota optimum semakin sulit dicapai. 3. Pada performansi sistem pemecahan kasus TSP, dari sisi akurasi sistem algoritma BCO kurang lebih 1,0098 kali lipat lebih baik daripada algoritma ACO, sedangkan dari sisi kecepatan sistem, algoritma BCO kurang lebih 2,6 kali lipat jauh lebih cepat daripada algoritma ACO. 5.2 Saran Saran yang dapat diberikan untuk melakukan pengembangan berikutnya yaitu : 1. Mencoba penerapan metode lain pada algoritma BCO dalam memecahkan kasus TSP, untuk mendapatkan tingkat skalabilitas dan performansi sistem yang lebih baik, dilihat dari sisi akurasi output dan kecepatan eksekusi sistem. 33
7 Daftar Pustaka [1] D. Karaboga, An Idea Based on Honey Bee Swarm for Numerical Optimization, Technical Report-TR06, Erciyes University, Engineering Faculty, Computer Engineering Department, Diunduh pada: 15 September 2009 [2] Frisch, K. von. Decoding the language of the bee, Science, vol. 185, no. 4152, pp , Diunduh pada : 28 September 2009 [3] Kierkegaard, Jakob, and Jean-Luc Ngassa, ACO and TSP, 2nd module project, Computer Science, RUC, Diunduh pada : 03 Desember 2009 [4] L. P. Wong, M. Y. H. Low, and C. S. Chong, "An efficient bee colony optimization algorithm for traveling salesman problem using frequency-based pruning," in Proc. of the 7th IEEE Int. Conf. on Industrial Informatics, pp Diunduh pada : 27 Agustus [5] L. P. Wong, M. Y. H. Low, and C. S. Chong, Bee colony optimization with local search for traveling salesman problem, in Proc. of 6 th IEEE International Conference on Industrial Informatics (INDIN 2008). IEEE, 2008, pp Diunduh pada : 28 Agustus [6] Munir, Rinaldi. (2003). Matematika Diskrit. Departemen Teknik Informatika, Institut Teknologi Bandung. [7] Pambudi, Kris, 2003, Implementasi Algoritma Ant Colony Pada Pemecahan Travelling Salesman Problem, Bandung: IT Telkom [8] Reinelt, Gerhard.(1995), Universitat Heidelber, Institut fur Angewandte Mathematik. TSPLIB 95. Diunduh pada : 8 Agustus 2009 [9] Suyanto. (2007). Artificial Intelligence Searching Reasoning Planning and Learning. Bandung : Informatika Bandung. [10] Suyanto. (2007). Evolutionary Computation Komputasi Berbasis Evolusi dan Genetika. Bandung : Informatika Bandung. [11] TSPLIB95, (2009): Ruprecht-Karls-Universitat Heildelberg. Diunduh pada : 8 Agustus 2009 [12] Wikipedia, Fixed Radius Nearest Neighbors, Diunduh pada: 28 September [13] Wikipedia, NP-complete, Diunduh pada: NP-complete, 26 November [14] Wikipedia, Traveling Salesman Problem, Diunduh pada: 28September
Penerapan Bee Colony Optimization Algorithm untuk Penentuan Rute Terpendek (Studi Kasus : Objek Wisata Daerah Istimewa Yogyakarta)
IJCCS, Vol.7, No.1, January 2013, pp. 65~76 ISSN: 1978-1520 65 Penerapan Bee Colony Optimization Algorithm untuk Penentuan Rute Terpendek (Studi Kasus : Objek Wisata Daerah Istimewa Yogkarta) Danuri* 1,
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM ( TSP ) DENGAN MENGGUNAKAN ARTIFICIAL BEE COLONY
PENYELESAIAN TRAVELLING SALESMAN PROBLEM ( TSP ) DENGAN MENGGUNAKAN ARTIFICIAL BEE COLONY Rendra Firman Pratama, Purwanto, dan Mohammad Yasin e-mail: Ren_mr07@yahoo.com Universitas Negeri Malang ABSTRAK:
Lebih terperinciSTUDI KOMPARATIF ALGORITMA ANT DAN ALGORITMA GENETIK PADA TRAVELLING SALESMAN PROBLEM
Jurnal Computech & Bisnis, Vol. 3, No. 1, Juni 2009, 30-36 ISSN Studi 1978-9629 Komparatif Algoritma Ant...(Bambang Siswoyo & Andrianto) STUDI KOMPARATIF ALGORITMA ANT DAN ALGORITMA GENETIK PADA TRAVELLING
Lebih terperinciALGORITMA OPTIMASI UNTUK PENYELESAIAN TRAVELLING SALESMAN PROBLEM (Optimization Algorithm for Solving Travelling Salesman Problem)
ALGORITMA OPTIMASI UNTUK PENYELESAIAN TRAVELLING SALESMAN PROBLEM (Optimization Algorithm for Solving Travelling Salesman Problem) Dian Tri Wiyanti Program Studi Teknik Informatika, Jurusan Teknologi Informasi
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 terperinciPENYELESAIAN VEHICLE ROUTING PROBLEM WITH TIME WINDOWS (VRPTW) MENGGUNAKAN ALGORITMA ANT COLONY SYSTEM
TUGAS AKHIR SM 1330 PENYELESAIAN VEHICLE ROUTING PROBLEM WITH TIME WINDOWS (VRPTW) MENGGUNAKAN ALGORITMA ANT COLONY SYSTEM HARMERITA NRP 1202 100 006 Dosen Pembimbing Drs. Soetrisno, MIKomp JURUSAN MATEMATIKA
Lebih terperinciBAB I PENDAHULUAN. Traveling Salesman Problem (TSP) dikenal sebagai salah satu masalah
BAB I PENDAHULUAN I.1. Latar Belakang Traveling Salesman Problem (TSP) dikenal sebagai salah satu masalah optimasi yang banyak menarik perhatian para peneliti sejak beberapa dekade terdahulu. Pada mulanya,
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 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 terperinciJURNAL KHATULISTIWA INFORMATIKA, VOL. IV, NO. 2 DESEMBER 2016
PENYELESAIAN TRAVELING SALESMAN PROBLEM PADA PERUSAHAAN DISTRIBUSI PRODUK DENGAN ALGORITMA FARTHEST INSERTION Lisnawanty Program Studi Komputerisasi Akuntansi, AMIK BSI Pontianak Jalan Abdurahman Saleh
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 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 terperinciSWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm
Lebih 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 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 terperinciSistem Optimasi Rute Tempat Wisata Kuliner Di Malang Menggunakan Algoritma Bee Colony
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 3, Maret 2017, hlm. 215-223 http://j-ptiik.ub.ac.id Sistem Optimasi Rute Tempat Wisata Kuliner Di Malang Menggunakan
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam setiap hari, masyarakat tidak akan luput dari kegiatan distribusi barang. Dari rakyat kecil sampai pada perusahaan besar sangat memperhatikan masalah distribusi
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Dalam beberapa tahun terakhir ini, peranan algoritma genetika terutama untuk masalah optimisasi, berkembang dengan pesat. Masalah optimisasi ini beraneka ragam tergantung dari bidangnya. Dalam
Lebih terperinciALGORITMA SEMUT UNTUK MENCARI JALUR TERPENDEK YAAYU
ALGORITMA SEMUT UNTUK MENCARI JALUR TERPENDEK YAAYU 060803040 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM MEDAN 2012 ALGORITMA SEMUT UNTUK MENCARI JALUR TERPENDEK SKRIPSI Diajukan
Lebih terperinciANALISIS ALGORITMA A* DAN BDA* PADA PERMASALAHAN PLANNING (STUDI KASUS: LOGISTIK)
ANALISIS ALGORITMA A* DAN BDA* PADA PERMASALAHAN PLANNING (STUDI KASUS: LOGISTIK) Ezra Juliemma Silalahi¹, Ririn Dwi Agustin², Agung Toto Wibowo³ ¹Teknik Informatika,, Universitas Telkom Abstrak Dalam
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 terperinciPenjadwalan Mata Kuliah Menggunakan Metode Hybrid Algoritma Genetika Dan Algoritma Koloni Semut
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3711 OPEN ACCESS ISSN XXXX-XXXX IND. SYMPOSIUM ON COMPUTING VOL. XX, NO. XX, SEPT 2016 SOCJ.TELKOMUNIVERSITY.AC.ID/INDOSC Penjadwalan
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE OPTIMUM OBJEK WISATA DI KABUPATEN PEMALANG
IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE OPTIMUM OBJEK WISATA DI KABUPATEN PEMALANG SKRIPSI Oleh: Indra Surada J2A 605 060 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN
Lebih terperinciSTMIK GI MDP. Program StudiTeknikInformatika SkripsiSarjanaKomputer Semester GanjilTahun 2010/2011
STMIK GI MDP Program StudiTeknikInformatika SkripsiSarjanaKomputer Semester GanjilTahun 2010/2011 STUDI ANALISIS ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PERENCANAAN INSTALASI LISTRIK PADA RUMAH Willi
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 terperinciPERENCANAAN SUMBER DAYA PADA PROYEK DENGAN MENGGUNAKAN METODE ANT COLONY
PERENCANAAN SUMBER DAYA PADA PROYEK DENGAN MENGGUNAKAN METODE ANT COLONY Niken A. Savitri, I Nyoman Pujawan, Budi Santosa Jurusan Teknik Industri, Fakultas Teknologi Industri Institut Teknologi Sepuluh
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 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 terperinciBAB I PENDAHULUAN. alam dan operator genetika. Particle swarm optimization algoritm mensimulasikan
BAB I PENDAHULUAN A. Latar Belakang Alam menginspirasi para peneliti untuk mengembangkan model dalam meyelesaikan permasalahan mereka. Optimasi merupakan satu bidang yang secara berkala dikembangkan dan
Lebih terperinciBAB 1 PENDAHULUAN. bagian dalam pekerjaan. Dalam melakukan pemasangan kabel perlu
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bagi perusahaan kontraktor perumahan, pemasangan kabel menjadi bagian dalam pekerjaan. Dalam melakukan pemasangan kabel perlu dilakukan perencanaan urutan rumah yang
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 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pencarian rute terpendek merupakan masalah dalam kehidupan sehari-hari, berbagai kalangan menemui masalah yang sama dalam pencarian rute terpendek (shortest path) dengan
Lebih terperinciOptimisasi Dynamic Economic Dispatch Menggunakan Algoritma Artificial Bee Colony
Optimisasi Dynamic Economic Dispatch Menggunakan Algoritma Artificial Bee Colony Nurlita Gamayanti 1, Abdullah Alkaff 2, Amien Karim 3 Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember (ITS) Surabaya,
Lebih terperinciPERANCANGAN APLIKASI PENJADWALAN TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA GENETIKA
PERANCANGAN APLIKASI PENJADWALAN TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA GENETIKA Hendy Tannady; Andrew Verrayo Limas Industrial Engineering Department, Faculty of Engineering, Binus University Jl.
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA BRANCH AND BOUND
PENYEESAIAN TRAVEING SAESMAN PROBEM DENGAN AGORITMA BRANCH AND BOND Yogo Dwi Prasetyo Pendidikan Matematika, niversitas Asahan e-mail: abdullah.prasetyo@gmail.com Abstract The shortest route search by
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 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 terperinciGambar 1.1 Contoh Ilustrasi Kasus CVRP 13
BAB I PENDAHULUAN 1.1. Latar Belakang Vehicle Routing Problem (VRP) merupakan konsep umum yang digunakan untuk semua permasalahan yang melibatkan perancangan rute optimal untuk armada kendaraan yang melayani
Lebih 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN Pada bab ini akan dibahas mengenai beberapa hal seputar penelitian yang dilakukan, antara lain: latar belakang penelitian, perumusan masalah, batasan masalah, keaslian penelitian, manfaat
Lebih terperinciSKRIPSI Diajukan untuk memenuhi sebagian persyaratan mendapatkan gelar Strata Satu Jurusan Informatika. Disusun Oleh: WINA ISTI RETNANI NIM.
PERBANDINGAN ALGORITMA BACKPROPAGATION LEVENBERG MARQUARDT (LM) DENGAN BACKPROPAGATION GRADIENT DESCENT ADAPTIVE GAIN (BPGD/AG) DALAM PREDIKSI JUMLAH PENGANGGURAN DI PROVINSI JAWA TENGAH SKRIPSI Diajukan
Lebih terperinciCLONING-BASED ALGORITHM DAN APLIKASINYA DALAM TRAVELLING SALESPERSON PROBLEM
CLONING-BASED ALGORITHM DAN APLIKASINYA DALAM TRAVELLING SALESPERSON PROBLEM Pranoto Budi Sasongko NIM: 13506098 Jurusan Teknik Informatika Institut Teknologi Bandung Jl. Ganesha 10, Bandung pranoto_budi_s@students.itb.ac.id
Lebih terperinciPERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR
PERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR Ragil Anggararingrum Perwira Nagara¹, Adiwijaya², Ratri Dwi Atmaja³ ¹Teknik
Lebih terperinciPENYELESAIAN PERMASALAHAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN ALGORITMA DIFFERENTIAL EVOLUTION
PENYELESAIAN PERMASALAHAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN ALGORITMA DIFFERENTIAL EVOLUTION Heri Awalul Ilhamsah Jurusan Teknik Industri Universitas Trunojoyo Email: hilhamsah@gmail.com ABSTRAK
Lebih terperinciBAB 1 PENDAHULUAN. selalu bertambah disetiap tahunnya. Hal ini dapat menimbulkan semakin. memperoleh keuntungan yang maksimal, maka diperlukan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini perkembangan perekonomian di Indonesia semakin meningkat, ditandai dengan banyaknya jumlah pabrik dan perusahaan yang selalu bertambah disetiap tahunnya. Hal
Lebih terperinciOPTIMASI PENJADWALAN SUMBER DAYA DENGAN METODE ALGORITMA GENETIK TESIS MAGISTER OLEH: DEDE SUMIRTO PEMBIMBING: DR.IR. BIEMO W.
OPTIMASI PENJADWALAN SUMBER DAYA DENGAN METODE ALGORITMA GENETIK TESIS MAGISTER OLEH: DEDE SUMIRTO PEMBIMBING: DR.IR. BIEMO W. SOEMARDI BIDANG MANAJEMEN DAN REKAYASA KONSTRUKSI DEPARTEMEN TEKNIK SIPIL
Lebih terperinciArtificial Bee Colony Algorithm untuk Menyelesaikan Travelling Salesman Problem
JURNAL DUNIA TEKNOLOGI INFORMASI Vol. 1, No. 1, (2012) 8-13 8 Artificial Bee Colony Algorithm untuk Menyelesaikan Travelling Salesman Problem 1 Faisal Amri, 1 Erna Budhiarti Nababan, 1 Mohammad Fadly Syahputra
Lebih terperinciPENGGUNAAN ALGORITMA GENETIKA UNTUK MENENTUKAN LINTASAN TERPENDEK STUDI KASUS : LINTASAN BRT (BUS RAPID TRANSIT) MAKASSAR
PENGGUNAAN ALGORITMA GENETIKA UNTUK MENENTUKAN LINTASAN TERPENDEK STUDI KASUS : LINTASAN BRT (BUS RAPID TRANSIT) MAKASSAR Karels, Rheeza Effrains 1), Jusmawati 2), Nurdin 3) karelsrheezaeffrains@gmail.com
Lebih terperinciPREDIKSI PENYAKIT MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR DAN ALGORITMA GENETIKA UNTUK DATA BERDIMENSI TINGGI
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3771 PREDIKSI PENYAKIT MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR DAN ALGORITMA GENETIKA UNTUK DATA BERDIMENSI TINGGI DISEASE
Lebih terperinciBAB 1 PENDAHULUAN. dapat menyelesaikan masalah maka perlu dirumuskan terlebih dahulu langkahlangkah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Komputer merupakan salah satu alat bantu untuk menyelesaikan masalah. Untuk dapat menyelesaikan masalah maka perlu dirumuskan terlebih dahulu langkahlangkah
Lebih terperinciPENERAPAN ALGORITMA CUCKOO SEARCH PADA TRAVELLING SALESMAN PROBLEM
Seminar Nasional Sistem Informasi Indonesia, 2-4 Desember 2013 PENERAPAN ALGORITMA CUCKOO SEARCH PADA TRAVELLING SALESMAN PROBLEM Hardy 1), Ng Poi Wong 2), Dedy Suwandi 3) 1,2,3 Teknik Informatika, STMIK
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 terperinciPENYELESAIAN MULTI-DEPOT MULTIPLE TRAVELING SALESMAN PROBLEM MENGGUNAKAN K-MEANS DAN ANT COLONY OPTIMIZATION
PENYELESAIAN MULTI-DEPOT MULTIPLE TRAVELING SALESMAN PROBLEM MENGGUNAKAN K-MEANS DAN ANT COLONY OPTIMIZATION Olief Ilmandira Ratu Farisi 1) dan Gulpi Qorik Oktagalu Pratamasunu 2) 1, 2) Jurusan Teknik
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 terperinciHibridisasi Simulated Annealing dengan Algorithm Evolutionary dalam Penyelesaian Travelling Salesman problem (TSP)
Hibridisasi Simulated Annealing dengan Algorithm Evolutionary dalam Penyelesaian Travelling Salesman problem (TSP) Erdiwansyah *1, Taufik A. Gani *2, Yuwaldi Away *3 # Magister Teknik Elektro Program Pascasarjana
Lebih terperinciPENERAPAN KOMBINASI ALGORITMA GEOMETRIC DIFFERENTIAL EVOLUTION DAN SISTEM FUZZY DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) TUGAS AKHIR
PENERAPAN KOMBINASI ALGORITMA GEOMETRIC DIFFERENTIAL EVOLUTION DAN SISTEM FUZZY DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) TUGAS AKHIR Diajukan sebagai salah satu syarat untuk memperoleh gelar
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 terperinciPenempatan Dan Penentuan Kapasitas Optimal Distributed Generator (DG) Menggunakan Artificial Bee Colony (ABC)
JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 2012) ISSN: 2301-9271 B-16 Penempatan Dan Penentuan Kapasitas Optimal Distributed Generator (DG) Menggunakan Artificial Bee Colony (ABC) Ahmad Zakaria H, Sjamsjul
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 terperinciPenerapan Algoritma A* (A Star) Sebagai Solusi Pencarian Rute Terpendek Pada Maze
Penerapan Algoritma A* (A Star) Sebagai Solusi Pencarian Rute Terpendek Pada Maze 1 Rakhmat Kurniawan. R., ST, M.Kom, 2 Yusuf Ramadhan Nasution, M.Kom Program Studi Ilmu Komputer, Fakultas Sains dan Teknologi
Lebih terperinciPERBANDINGAN ALGORITME ANT COLONY OPTIMIZATION DENGAN ALGORITME GREEDY DALAM TRAVELING SALESMAN PROBLEM
PERBANDINGAN ALGORITME ANT COLONY OPTIMIZATION DENGAN ALGORITME GREEDY DALAM TRAVELING SALESMAN PROBLEM Djasli Djamarus, Meiril Mediawan Laboratorium Informatika Dasar Jurusan Teknik Informatika FTI -
Lebih terperinciPERBANDINGAN ALGORITMA GREEDY, ALGORITMA CHEAPEST INSERTION HEURISTICS DAN DYNAMIC PROGRAMMING DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM
PERBANDINGAN ALGORITMA GREEDY, ALGORITMA CHEAPEST INSERTION HEURISTICS DAN DYNAMIC PROGRAMMING DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM Gea Aristi Program Studi Manajemen Informatika AMIK BSI Tasikmalaya
Lebih terperinciThe Application of Fitness Sharing Method in Evolutionary Algorithm to Optimizing the Travelling Salesman Problem (TSP)
Jurnal Natural Vol. 14, No. 2, 23-32, September 2014 ISSN 1141-8513 The Application of Fitness Sharing Method in Evolutionary Algorithm to Optimizing the Travelling Salesman Problem (TSP) Nurmaulidar Jurusan
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 terperinciAKUISISI PENGETAHUAN MENGGUNAKAN MULTIPLE CLASSIFICATION RIPPLE DOWN RULES (MCRDR)
AKUISISI PENGETAHUAN MENGGUNAKAN MULTIPLE CLASSIFICATION RIPPLE DOWN RULES (MCRDR) Diana Pratiwi¹, Ririn Dwi Agustin², Agung Toto Wibowo³ ¹Teknik Informatika,, Universitas Telkom Abstrak Proses ekstraksi
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 terperinciPENERAPAN METODE ANT COLONY OPTIMIZATION PADA METODE K-HARMONIC MEANS UNTUK KLASTERISASI DATA HALAMAN JUDUL
PENERAPAN METODE ANT COLONY OPTIMIZATION PADA METODE K-HARMONIC MEANS UNTUK KLASTERISASI DATA KOMPETENSI JARINGAN KOMPUTER SKRIPSI HALAMAN JUDUL I MADE KUNTA WICAKSANA NIM : 0708605050 PROGRAM STUDI TEKNIK
Lebih terperinciBAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya
5 BAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya Traveling salesman problem (TSP) merupakan salah satu permasalahan yang telah sering diangkat dalam berbagai studi kasus dengan penerapan berbagai
Lebih terperinciPERSOALAN OPTIMASI FAKTOR KEAMANAN MINIMUM DALAM ANALISIS KESTABILAN LERENG DAN PENYELESAIANNYA MENGGUNAKAN MATLAB
PERSOALAN OPTIMASI FAKTOR KEAMANAN MINIMUM DALAM ANALISIS KESTABILAN LERENG DAN PENYELESAIANNYA MENGGUNAKAN MATLAB TUGAS AKHIR Sebagai Salah Satu Syarat Memperoleh Gelar Sarjana Teknik Pertambangan Oleh:
Lebih terperinciBAB 1 PENDAHULUAN. Pengiriman barang dari pabrik ke agen atau pelanggan, yang tersebar di berbagai
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pengiriman barang dari pabrik ke agen atau pelanggan, yang tersebar di berbagai tempat, sering menjadi masalah dalam dunia industri sehari-hari. Alokasi produk
Lebih 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Traveling Salesperson Problem selanjutnya dalam tulisan ini disingkat menjadi TSP, digambarkan sebagai seorang penjual yang harus melewati sejumlah kota selama perjalanannya,
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 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 terperinciRaden Abi Hanindito¹, -². ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) ANALISIS & IMPLEMENTASI IMAGE DENOISING DENGAN MENGGUNAKAN METODE NORMALSHRINK SEBAGAI WAVELET THRESHOLDING ANALYSIS & IMPLEMENTATION IMAGE DENOISING USING NORMALSHRINK
Lebih terperinciBAB 1 PENDAHULUAN. Saat ini perkembangan industri semakin meningkat, dengan munculnya alatalat
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini perkembangan industri semakin meningkat, dengan munculnya alatalat bantu untuk pekerjaan manusia berupa mesin. Dan dengan adanya mesin-mesin ini maka jumlah
Lebih terperinciImplementasi Teknik Iterative Improvement Heuristic for Flight Path Optimization dalam Penyelesaian TSP
Implementasi Teknik Iterative Improvement for Flight Path Optimization dalam Penyelesaian TSP Adi Purnama Program Studi Teknik Informatika Institut Teknologi Bandung Bandung, Indonesia 13514006@std.stei.itb.ac.id
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pembangunan daerah perkotaan atau city development memiliki beberapa aspek penting salah satunya adalah logistik perkotaan atau city logistics. Alasan mengapa city
Lebih terperinciSimulasi Pencarian Rute Terpendek dengan Metode Algoritma A* (A-Star) Agus Gustriana ( )
Simulasi Pencarian Rute Terpendek dengan Metode Algoritma A* (A-Star) Agus Gustriana (0222182) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia E-mail
Lebih 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 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 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 terperinciIMPLEMENTASI ALGORITMA PALGUNADI DALAM OPTIMALISASI VEHICLE ROUTING PROBLEM DELIVERY AND PICK-UP (VRPDP)
IMPLEMENTASI ALGORITMA PALGUNADI DALAM OPTIMALISASI VEHICLE ROUTING PROBLEM DELIVERY AND PICK-UP (VRPDP) SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Jurusan Informatika HALAMAN
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Yogya Chicken merupakan sebuah usaha yang bergerak di bidang kuliner, khususnya ayam goreng tepung di kota Yogyakarta. Yogya Chicken menggunakan sistem waralaba dalam
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENENTUKAN JALUR TERPENDEK (SHORTEST PATH) SKRIPSI RION SIBORO
PENERAPAN ALGORITMA GENETIKA UNTUK MENENTUKAN JALUR TERPENDEK (SHORTEST PATH) SKRIPSI RION SIBORO 060803025 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004 Penyelesaian Masalah Penugasan dengan Algoritma Genetika Zainudin Zukhri Jurusan Teknik Informatika, Fakultas Teknologi Industri,
Lebih terperinciDINAMISASI PARAMETER ALGORITMA GENETIKA MENGGUNAKAN POPULATION RESIZING ON FITNESS IMPROVEMENT FUZZY EVOLUTIONARY ALGORITHM (PROFIFEA)
DINAMISASI PARAMETER ALGORITMA GENETIKA MENGGUNAKAN POPULATION RESIZING ON FITNESS IMPROVEMENT FUZZY EVOLUTIONARY ALGORITHM (PROFIFEA) Syafiul Muzid Program Studi Sistem Informasi, Fakulktas Teknik, Universitas
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION
PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION Samuel Lukas 1, Toni Anwar 1, Willi Yuliani 2 1) Dosen Teknik Informatika,
Lebih terperinciPenyelesaian Traveling Salesman Problem dengan Algoritma Heuristik
Penyelesaian Traveling Salesman Problem dengan Algoritma Heuristik Filman Ferdian - 13507091 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan Ganesha
Lebih terperinciVukovich dinamis yang digabungkan dengan model PRoFIGA didalamnya.
BAB I PENDAHULUAN 1.1. Latar Belakang Fuzzy Evolutionary Algorithm (FEA) merupakan salah satu model hybrid yang menggabungkan dua buah model soft computing yaitu algoritma genetika dan logika fuzzy. FEA
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 terperinciVEHICLE ROUTING PROBLEM BERBASIS ANT COLONY SYSTEM UNTUK OPTIMASI PENENTUAN RUTE KENDARAAN PADA SISTEM DISTRIBUSI BARANG DAN JASA
VEHICLE ROUTING PROBLEM BERBASIS ANT COLONY SYSTEM UNTUK OPTIMASI PENENTUAN RUTE KENDARAAN PADA SISTEM DISTRIBUSI BARANG DAN JASA Indra Maryati, Gunawan, C. Pickerling, Henry Kurniawan Wibowo,,, Teknik
Lebih terperinciPENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) MENGGUNAKAN ALGORITMA RECURSIVE BEST FIRST SEARCH (RBFS)
PENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) MENGGUNAKAN ALGORITMA RECURSIVE BEST FIRST SEARCH (RBFS) Hari Santoso 146060300111019 haripinter@gmail.com Prodi Sistem Komunikasi dan Infromatika Teknik Elektro
Lebih terperinciIMPLEMENTASI PERANGKAT LUNAK DENGAN PENERAPAN PENCARIAN RELATIF (HASH SEARCH)
Techno.COM, Vol. 10, No. 1, Februari 2011: 7-14 IMPLEMENTASI PERANGKAT LUNAK DENGAN PENERAPAN PENCARIAN RELATIF (HASH SEARCH) Sri Winarno, Sumardi Program Studi Teknik Informatika, Fakultas Ilmu Komputer,
Lebih terperinciIMPLEMENTASI ALGORITMA LEBAH UNTUK PENCARIAN JALUR TERPENDEK DENGAN MEMPERTIMBANGKAN HEURISTIK
IMPLEMENTASI ALGORITMA LEBAH UNTUK PENCARIAN JALUR TERPENDEK DENGAN MEMPERTIMBANGKAN HEURISTIK Dian Nurdiana ABSTRAK Rekomendasi jalur yang optimum sangatlah dibutuhkan oleh para pemudik. Hal ini disebabkan
Lebih terperinciABSTRAK. Kata Kunci : Artificial Neural Network(ANN), Backpropagation(BP), Levenberg Marquardt (LM), harga emas, Mean Squared Error(MSE), prediksi.
ABSTRAK Prediksi harga emas merupakan masalah yang sangat penting dalam menentukan pengambilan keputusan perdagangan dalam pertambangan. Prediksi yang akurat untuk pertambangan dapat memberikan keuntungan
Lebih terperinci