ANALISA PERBANDINGAN KINERJA ALGORITMA SIMPLIFIED MEMORY- BOUNDED A* (SMA*) PADA FORWARD PLANNING DAN BACKWARD PLANNING (STUDI KASUS: DUNIA BALOK)
|
|
- Veronika Rachman
- 5 tahun lalu
- Tontonan:
Transkripsi
1 ANALISA PERBANDINGAN KINERJA ALGORITMA SIMPLIFIED MEMORY- BOUNDED A* (SMA*) PADA FORWARD PLANNING DAN BACKWARD PLANNING (STUDI KASUS: DUNIA BALOK) Bagas Ryant Setiawan¹, Ririn Dwi Agustin², Agung Toto Wibowo³ ¹Teknik Informatika,, Universitas Telkom Abstrak Salah satu teknik problem solving dalam Artificial Intelligence adalah planning. Planning adalah proses pemilihan aksi-aksi yang dapat digunakan untuk mengubah initial state menjadi goal state. Dalam menyelesaikan masalah planning, algoritma searching dapat digunakan. Simplified Memory-bounded A* (SMA*) adalah salah satu algoritma searching yang menjanjikan solusi yang optimal jika memori yang tersedia setidaknya sebesar jumlah node pada jalur solusi optimal. Heuristic additive digunakan sebagai biaya perkiraan agar algoritma ini dapat diimplementasikan ke dalam planning. Ada dua strategi dalam Planning, yaitu Forward Planning dan Backward Planning. Pada Forward Planning, pencarian jalur solusi akan dilakukan dari initial state menuju goal state, sementara pada Backward Planning pencarian jalur solusi akan dilakukan terbalik dari goal state menuju initial state. Planning sebagai heuristic search adalah cara yang menggabungkan heuristic search dengan planning untuk menemukan jalur solusi. Dalam tugas akhir ini algoritma SMA* dengan menggunakan heuristic additive sebagai biaya estimasi digunakan untuk menyelesaikan permasalahan planning pada studi kasus dunia balok. Pembatasan memori pada algoritma ini aka disimulasikan dalam array of node. Sistem ini akan menampilkan output berupa aksi-aksi yang dilakukan oleh sistem untuk mencapai goal state, menampilkan jumlah aksi yang dilakukan, menghitung jumlah iterasi yang diperlukan, serta menampilkan waktu proses yang dibutuhkan sistem untuk menyelesaikan problem. Dari penelitian tugas akhir ini terbukti bahwa implementasi algoritma SMA* dalam strategi Forward Planning dan Backward Planning mampu menyelesaikan segala permasalahan yang ada pada dunia balok selama ukuran memori yang tersedia setidaknya sebesar jumlah node pada jalur solusi optimal. Untuk permasalahan dengan sejumlah besar kemungkinan aksi pada initial state dan sejumlah kecil kemungkinan aksi dari goal state, Backward Planning terbukti lebih baik dibandingkan Forward Planning karena dapat menemukan solusi lebih cepat. Solusi yang didapat dari algoritma ini sudah optimal dibandingkan dengan solusi yang dihasilkan algoritma Graphplan. Kata Kunci : SMA*, heuristic additive, artificial intelligence, planning, Forward Planning, Backward Planning, dunia balok, goal state, initial state, Graphplan.
2 Abstract One of the problems solving technique in Artificial Intelligence is planning. Planning is a selection process of a sequence of action that can be used to change initial state into goal state. In solving planning problem, searching algorithm can be used. Simplified Memory-bounded A* is one of a searching algorithm which is guarantee to return an optimal solution if provided memory is at least as large as the number of nodes on the optimal solution path. Heuristic additive is used as estimate cost for this algorithm so it can be implemented into the planning. There are two methods in planning, Forward Planning and Backward Planning. In forward planning, the solution path search will be done from initial state to goal state, while in backward planning it will be done in reverse, from goal state to initial state. Planning as heuristic search is a method that implement heuristic search in planning. In this final project, SMA* algorithm with heuristic additive as estimate cost is used to solve planning problem for case study blocks-world. Memory limitation on this algorithm will be simulated in an array of nodes. This system will show steps which has chosen by the system to reach goal state, figure out some acts that have been done, count the needed iteration, and shows timing process that is needed by system to finish the problem. The result of this final project has proved that the implementation of SMA* in Forward Planning and Backward Planning can solve the problem that exist in the blocks-world. For problem with a large number of possible action from initial state and a small number of possible action from goal state, Backward Planning is better because it can found the solution path faster than Forward Planning. The results of this algorithm are optimal compared with Graphplan Algorithm. Keywords : SMA*, heuristic additive, artificial intelligence, planning, Forward Planning, Backward Planning, blocks-world, goal state, initial state, Graphplan.
3 1. Pendahuluan 1.1 Latar Belakang Masalah Dewasa ini bidang Artificial Intelligence (AI) mengalami kemajuan yang amat pesat. Terdapat semakin banyak permasalahan dalam kehidupan sehari-hari yang bisat dipecahkan dengan menggunakan metode AI. Ada empat teknik dasar pemecahan masalah yang terdapat pada bidang AI, yaitu: searching, reasoning, planing, dan learning[11]. Permasalahan planning adalah permasalahan searching juga[7]: ada initial state, ada operator yang memetakan state ke successor state, dan ada goal state yang harus dicapai. Pada planning, permasalahan terletak pada bagaimana mengolah state dari initial state hingga menjadi goal state. Salah satu strategi yang dapat digunakan untuk menyelesaikan masalah planning adalah Means-End Analysis yang meliputi Forward Planning dan Backward Planning. Strategi ini dapat digunakan untuk memecahkan beberapa kasus seperti dunia balok, menara hanoi, logistik, dan puzzle. Dunia balok adalah salah satu studi kasus yang telah digunakan secara umum untuk menguji tingkat keberhasilan suatu metode planning, karena permasalahan yang ada dalam dunia balok mencakup pencapaian goal dan subgoal pada planning[4]. Dunia balok adalah suatu ruang masalah yang terdiri dari sejumlah balok berukuran sama yang terletak pada suatu meja (table) dan sebuah lengan robot (arm) yang dapat memindahkan balok-balok tersebut. Di masa mendatang, peralatan berbasis AI dituntut agar memiliki ukuran yang semakin kecil. Hal ini menyebabkan timbulnya tantangan dalam bidang memori. Dalam memilih langkah pada persoalan planning, dapat digunakan algoritma searching. Algoritma Simplified Memory-bounded A* (SMA*) merupakan algoritma pencarian yang menggunakan fungsi heuristik, yaitu fungsi yang menghitung biaya perkiraan dari simpul tertentu menuju simpul tujuan. SMA* merupakan varian dari algoritma A* yang menjanjikan hasil yang lengkap dan optimal apabila solusinya berada di level yang kurang atau sama dengan jumlah simpul maksimal yang bisa disimpan di memori dikurangi 1. Algoritma ini dipilih karena memori yang diperlukan tidak besar serta tidak membutuhkan iterasi yang terlalu panjang sehingga waktu yang diperlukan untuk memperoleh hasil relatif singkat[8]. Dalam tugas akhir ini akan dianalisa perbandingan kinerja algoritma SMA* yang diimplementasikan kedalam Forward Planning dan Backward Planning untuk menyelesaikan kasus-kasus yang terdapat pada dunia balok. Dengan demikian pada implementasinya nanti dapat digunakan teknik yang sesuai dengan kebutuhan. Untuk menguji keoptimalan hasil yang diperoleh algoritma SMA* akan digunakan hasil yang diperoleh dari algoritma Graphplan sebagai perbandingan. 1.2 Perumusan masalah Perumusan masalah dalam tugas akhir ini adalah sebagai berikut: 1. Apakah benar penggunaan algoritma SMA* dalam strategi Forward Planning dan Backward Planning akan memberikan hasil yang complete 1
4 dan optimal apabila solusi berada pada level yang kurang atau sama dengan jumlah simpul maksimal yang bisa disimpan di memori dikurangi 1 2. Bagaimana algoritma SMA* dengan strategi Forward Planning dan Backward Planning dapat memecahkan kasus dalam dunia balok. 3. Bagaimana mengimplementasikan algoritma SMA* dengan strategi Forward Planning dan Backward Planning untuk studi kasus dunia balok kedalam program 4. Bagimana pengukuran kinerja pada Forward Planning dan Backward Planning dengan algoritma SMA* untuk studi kasus dunia balok Sedangkan masalah yang akan dibahas dalam tugas akhir memiliki batasanbatasan sebagai berikut: 1. Parameter kinerja yang dibandingkan adalah seberapa complete dan optimal solusi yang diperoleh, kompleksitas waktu, serta jumlah langkah penyelesaian yang diperoleh untuk mencapai goal state. 2. Parameter completeness dan optimal dilihat dari keberhasilan dalam menemukan jalur solusi 3. Algoritma pembanding yang digunakan untuk menguji keoptimalan algoritma SMA* adalah algoritma Graphplan karena algoritma ini optimal berdasarkan AIPS98 Planning Contest. 4. Waktu pemrosesan pada algoritma SMA* dan algoritma Graphplan dihitung mulai dari proses pengecekan current state hingga diperolehnya hasil. 5. Jumlah langkah penyelesaian adalah parameter yang dibandingkan untuk menguji apakah algoritma SMA* sudah optimal. 1.3 Tujuan Berdasarkan rumusan masalah diatas, maka tujuan dari tugas akhir ini adalah: 1. Membuktikan bahwa algoritma SMA* akan memberikan hasil yang complete dan optimal jika solusi berada di level yang kurang atau sama dengan jumlah simpul maksimal yang bisa disimpan di memori dikurangi 1 2. Menganalisa sejauh mana algoritma SMA* dapat memecahkan kasus dalam dunia balok. 3. Membandingkan kinerja algoritma SMA* antara strategi Forward Planning dan Backward Planning. 1.4 Metodologi penyelesaian masalah Metodologi yang digunakan dalam penyelesaian tugas akhir ini adalah: 1. Studi literatur, yaitu mempelajari beberapa literatur berupa makalah, jurnal, atau buku yang berkaitan dengan Forward Planning, Backward Planning dan algoritma SMA*. 2. Pembuatan desain aplikasi Forward Planning dan Backward Planning menggunakan algoritma SMA*. 3. Implementasi (Coding), yaitu mengimplementasikan perancangan menjadi aplikasi Forward Planning dan Backward Planning menggunakan algoritma SMA*. 2
5 4. Analisis hasil dan testing terhadap kedua aplikasi Forward Planning dan Backward Planning menggunakan algoritma SMA* dan melakukan analisa akhir dengan membandingkan hasil yang didapat dari kedua metode tersebut serta menguji tingkat keoptimalan hasil dengan Algoritma Graphplan. 5. Dokumentasi, yaitu pembuatan proposal dan laporan Tugas Akhir yang mendokumentasikan tahap-tahap kegiatan dan hasil penelitian dalam Tugas Akhir ini. 3
6 5. Kesimpulan dan Saran Kesimpulan 1. Terbukti bahwa algoritma SMA* pada strategi Forward Planning dan Bacward Planning memberikan hasil yang complete dan optimal jika memori yang tersedia cukup untuk menemukan jalur solusi. Hal ini terbukti berdasarkan hasil percobaan skenario 1, 2 dan Besarnya ukuran memori yang tersedia berpengaruh terhadap kecepatan waktu proses. Ukuran memori yang jauh lebih besar dari ukuran minimum akan menyebabkan waktu proses menjadi semakin lama, karena waktu yang diperlukan untuk proses searching dan sorting pada setiap iterasinya akan bertambah. Hal ini terbukti berdasarkan hasil percobaan skenario Jumlah node yang harus diperiksa dan ruang pencarian yang dihasilkan oleh Forward Planning dan Backward Planning berbeda. Hal ini berpengaruh terhadap mana yang akan memiliki waktu proses lebih singkat. 4. Untuk kasus dimana initial state memiliki kemungkinan aksi dalam jumlah besar, seperti pada scenario 1, performansi Forward Planning lebih buruk daripada Backward Planning. Pada kasus dimana kemungkinan aksi yang dapat dijalankan oleh initial state terbatas, seperti pada skenario 2, Forward Planning dan Backward Planning memiliki performansi yang sama baik. Saran 1. Pencarian heuristic sebaiknya tidak menggunakan heuristic additive sebagai biaya perkiraan, dicoba untuk menggunakan fungsi heuristik lainnya yang lebih baik. 2. Sistem coba dikembangkan dengan algoritma searching lain yang complete dan optimal. 3. Sistem coba dikembangkan agar dapat juga menangani masalah planning yang lain seperti logistik, menara Hanoi, dan gripper. 32
7 Daftar Pustaka [1] Bonet, Blai and Geffner, Héctor. Planning as heuristic search. Artificial Intelligence, v.129 n.1-2, p.5-33, June 2001 [2] Bonet, Blai., Loerincs, G., and Geffner, H A Robust and Fast Action Selection Mechanism for Planning. In Proceedings of the Fifth European Conference on Planning, volume Lecture Notes in AI 1809, pages Springer, [3] Gupta, N., and Nau, D Complexity Results for Blocks-Worlds Planning. In Proc. AAAI-91, [4] Gupta, N., and Nau, D On the Complexity of Blocks-World Planning. Artificial Intelligence 56: [5] Haslum, Patrik and Geffner, Hector. Admissible Heuristic for Optimal Planning. In Proceedings of the Fifth International Conference on AI Planning Systems, Menlo Park, CA, AAAI Press. [6] McDermott, D. The 1998 AI Planning Systems Competition. Artificial Intelligence Magazine, 21(2):35-56, 2000 [7] Newell, A., and Simon, H Human Problem Solving. Englewood CLiffs, NJ: Prentice-Hall. [8] Russell, Stuart Efficient Memory-bounded Search Methods. Proceedings of the 10th European conference on Artificial intelligence, pp. 1-5 [9] Russel, Stuart and Norvig, Peter Artificial Intelligence: A Modern Approach. Prentice Hall International, Inc. [10] Slaney, J., and Thiebaux, S Linear Time Near-Optimal Planning in the Blocks World. In Proceedings of AAAI-96, Protland, Oregon: MIT Press. [11] Suyanto Artificial Intelligence : searching, reasoning, planning, and learning. Bandung: Informatika. 33
ANALISIS 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 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 terperinciSTUDI PENERAPAN ALGORITMA DIJKSTRA DAN ALGORITMA A* DALAM MENENTUKAN RUTE TERPENDEK PADA ROBOT PEMADAM API
STUDI PENERAPAN ALGORITMA DIJKSTRA DAN ALGORITMA A* DALAM MENENTUKAN RUTE TERPENDEK PADA ROBOT PEMADAM API Akhmad Alfan Hidayatullah, Anik Nur Handayani, Muhammad Jauharul Fuady Teknik Elektro - Universitas
Lebih terperinciMetode Searching. Blind/Un-informed Search. Heuristic/Informed Search. Breadth-First Search (BFS) Depth-First Search (DFS) Hill Climbing A*
SEARCHING Russel and Norvig. 2003. Artificial Intelligence: a Modern Approach. Prentice Hall. Suyanto, Artificial Intelligence. 2005. Bandung:Informatika Program Studi Ilmu Komputer FPMIPA UPI RNI IK460(Kecerdasan
Lebih terperinciPengembangan Teknik Pencarian Optimal Menggunakan Algoritma Generate and Test dengan Diagram Precedence (GTPRE)
Pengembangan Teknik Pencarian Optimal Menggunakan Algoritma Generate and Test dengan Diagram Precedence (GTPRE) Development of Optimal Search Using Generate and Test Algorithm with Precedence Diagram (GTPRE)
Lebih terperinciANALISIS DAN IMPLEMENTASI SIMULATED ANNEALING PADA CASE BASED REASONING UNTUK STUDI KASUS PEMBELIAN KOMPUTER
ANALISIS DAN IMPLEMENTASI SIMULATED ANNEALING PADA CASE BASED REASONING UNTUK STUDI KASUS PEMBELIAN KOMPUTER Aribawana Budiman¹, Ririn Dwi Agustin², Endro Ariyanto³ ¹Teknik Informatika,, Universitas Telkom
Lebih terperinciIMPLEMENTASI SISTEM PARKIR CERDAS DI UNIVERSITAS TELKOM. SUBSISTEM : APLIKASI MOBILE
IMPLEMENTASI SISTEM PARKIR CERDAS DI UNIVERSITAS TELKOM. SUBSISTEM : APLIKASI MOBILE Implementation Of Smart Parking System In Telkom University. Subsystem : Mobile Application Annis Waziroh 1, Agus Virgono,
Lebih terperinciABSTRACT. Keyword: Algorithm, Depth First Search, Breadth First Search, backtracking, Maze, Rat Race, Web Peta. Universitas Kristen Maranatha
ABSTRACT In a Rat Race game, there is only one way in and one way out. The objective of this game is to find the shortest way to reach the finish. We use a rat character in this game, so the rat must walk
Lebih terperinciSebelumnya... Best-First Search Greedy Search A* Search, karena boros memory, dimunculkan variannya (sekilas): IDA* SMA* D* (DWA*) RBFS Beam
Sebelumnya... Best-First Search Greedy Search A* Search, karena boros memory, dimunculkan variannya (sekilas): IDA* SMA* D* (DWA*) RBFS Beam Kecerdasan Buatan Pertemuan 04 Variasi A* dan Hill Climbing
Lebih terperinciANALISA PERFORMANSI PERTITIONING TABEL PADA RELATIONAL DATABASE MANAGEMENT SYSTEM
ANALISA PERFORMANSI PERTITIONING TABEL PADA RELATIONAL DATABASE MANAGEMENT SYSTEM Eko Purwanto¹, Kiki Maulana², Kusuma Ayu Laksitowening³ ¹Teknik Informatika,, Universitas Telkom Abstrak Besarnya data
Lebih terperinciANALISIS PERBANDINGAN ALGORITMA PATHFINDING GREEDY BEST-FIRST SEARCH DENGAN A*(STAR) DALAM MENENTUKAN LINTASAN PADA PETA
ANALISIS PERBANDINGAN ALGORITMA PATHFINDING GREEDY BEST-FIRST SEARCH DENGAN A*(STAR) DALAM MENENTUKAN LINTASAN PADA PETA Christophorus Yohannes Suhaili 1 ; Mendy Irawan 2 ; Raja Muhammad Fahrizal 3 ; Antonius
Lebih terperinciOverview. Searching. Deskripsi. Intro Searching 2/4/2012 IF-UTAMA 1
Jurusan Teknik Informatika Universitas Widyatama Searching Pertemuan : 2 Dosen Pembina : Danang Junaedi Susetyo Bagas Baskoro Sriyani Violina Overview Deskripsi Search Problem & Answer Search Tree Kriteria
Lebih terperinciEvaluasi dan Usaha Optimalisasi Algoritma Depth First Search dan Breadth First Search dengan Penerapan pada Aplikasi Rat Race dan Web Peta
Evaluasi dan Usaha Optimalisasi Algoritma Depth First Search dan Breadth First Search Tjatur Kandaga, Alvin Hapendi Jurusan Teknik Informatika, Fakultas Teknologi informasi, Universitas Kristen Maranatha
Lebih terperinciProblem solving by Searching. Materi 3 Kecerdasan Buatan Oleh: Dewi Liliana TI PNJ
Problem solving by Searching Materi 3 Kecerdasan Buatan Oleh: Dewi Liliana TI PNJ Pendahuluan Pengantar : Membahas agen cerdas penyelesaian problem serta strategi uninformed untuk memecahkan masalah. Tujuan:
Lebih terperinciKECERDASAN BUATAN ARTIFICIAL INTELLIGENCE. Copyright: Anik Handayani FT-UM
KECERDASAN BUATAN ARTIFICIAL INTELLIGENCE Copyright: Anik Handayani FT-UM ARTIFICIAL INTELLIGENCE Mata Kuliah:Kecerdasan Buatan (Artificial Intelligence/AI) Deskripsi Mengenai Kecerdasan Buatan Kecerdasan
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) IKG2J3 KECERDASAN BUATAN Disusun oleh: PROGRAM STUDI ILMU KOMPUTASI FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Semester (RPS) ini telah disahkan
Lebih terperinciABSTRAK. Teknologi pengkode sinyal suara mengalami kemajuan yang cukup. pesat. Berbagai metode telah dikembangkan untuk mendapatkan tujuan dari
ABSTRAK Teknologi pengkode sinyal suara mengalami kemajuan yang cukup pesat. Berbagai metode telah dikembangkan untuk mendapatkan tujuan dari pengkode sinyal suara yaitu output sinyal suara yang mempunyai
Lebih terperinciPENERAPAN ALGORITMA BIDIRECTIONAL A* PADA MOBILE NAVIGATION SYSTEM
PENERAPAN ALGORITMA BIDIRECTIONAL A* PADA MOBILE NAVIGATION SYSTEM Indra Siregar 13508605 Program Studi Teknik Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan
Lebih terperinciPengembangan Heuristik Diferensial Terkompresi untuk Algoritma Block A*
Pengembangan Heuristik Diferensial Terkompresi untuk Algoritma Block A* Teguh Budi Wicaksono dan Rinaldi Munir Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Bandung firezaps@gmail.com,
Lebih terperinciDAFTAR ISI.. LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK.. ABSTRACT... DAFTAR TABEL.. DAFTAR PERSAMAAN..
ABSTRAK Perkembangan teknologi yang semakin pesat, membuat semakin sedikitnya suatu industri yang memakai operator dalam menjalankan suatu proses produksi. Pada saat ini, kontrol otomatis lebih banyak
Lebih terperinciPENGEMBANGAN HEURISTIK DIFERENSIAL TERKOMPRESI UNTUK ALGORITMA BLOCK A*
PENGEMBANGAN HEURISTIK DIFERENSIAL TERKOMPRESI UNTUK ALGORITMA BLOCK A* Teguh Budi Wicaksono 1), Rinaldi Munir 2) Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Bandung, Jawa Barat
Lebih terperinciIMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK
IMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK Selvy Welianto (1) R. Gunawan Santosa (2) Antonius Rachmat C. (3) selvywelianto@yahoo.com gunawan@ukdw.ac.id anton@ukdw.ac.id Abstraksi
Lebih terperinciPenyelesaian N-Puzzle Menggunakan A* dan Iterative Deepening A*
Penyelesaian N-Puzzle Menggunakan A* dan Iterative Deepening A* Makalah IF2211 Strategi Algoritma Marvin Jerremy Budiman (13515076) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciProblem-solving Agent: Searching
Problem-solving Agent: Searching Kuliah 3 Sistem Cerdas 5 April 2010 STMIK Indonesia Problem-Solving Agent Kelemahan reflex agent tidak cocok untuk menangani masalah besar!! Goal-based agent memiliki tujuan,
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 terperinciMODIFIKASI METODE BACKTRACKING UNTUK MEMBANTU MENCARI PENYELESAIAN PERMAINAN PEG SOLITAIRE
MODIFIKASI METODE BACKTRACKING UNTUK MEMBANTU MENCARI PENYELESAIAN PERMAINAN PEG SOLITAIRE Susana Limanto dan Monica Widiasri Universitas Surabaya, Surabaya susana @ubaya.ad.id dan monica@ubaya.ac.id ABSTRACT
Lebih terperinciBab 4. Informed Search
Bab 4. Informed Search Review Pada bab 3 dapat disimpulkan hal hal sbb: Ada banyak cara untuk memanfaatkan knowledge saat menformulasikan suatu masalah dalam bentuk states dan operators. GENERAL-SEARCH
Lebih terperinciAlgoritma Pencarian Blind. Breadth First Search Depth First Search
Algoritma Pencarian Blind Breadth First Search Depth First Search Deskripsi Merupakan algoritma untuk mencari kemungkinan penyelesaian Sering dijumpai oleh peneliti di bidang AI Mendefinisikan permasalahan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah 1.2 Perumusan Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Saat ini teknologi telah berkembang dengan cukup pesat. Perkembangan teknologi mengakibatkan pemanfaatan atau pengimplementasian teknologi tersebut dalam berbagai
Lebih terperinciKI Kecerdasan Buatan Materi 6: Pencarian dgn. Lihat Status Lawan (Adversarial Search)
[AIMA] Russel, Stuart J., Peter Norvig, "Artificial Intelligence, A Modern Approach" rd Ed., Prentice Hall, New Jersey, KI9 Kecerdasan Buatan Materi 6: Pencarian dgn. Lihat Status Lawan (Adversarial Search)
Lebih terperinciMETODE PENCARIAN BFS dan DFS
METODE PENCARIAN BFS dan DFS Metode Pencarian Terdapat banyak metode yang telah diusulkan. Semua metode yang ada dapat dibedakan ke dalam 2 jenis : Pencarian buta / tanpa informasi (blind / un-informed
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 terperinciALGORITMA DOUBLE SCALING UNTUK MENYELESAIKAN PERMASALAHAN MINIMUM COST FLOW DAN IMPLEMENTASINYA PADA PROGRAM KOMPUTER
ALGORITMA DOUBLE SCALING UNTUK MENYELESAIKAN PERMASALAHAN MINIMUM COST FLOW DAN IMPLEMENTASINYA PADA PROGRAM KOMPUTER Agustina Ardhini 1, Sapti Wahyuningsih 2, Darmawan Satyananda 3 Jurusan Matematika,
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 terperinciJurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2011
Perancangan dan Pembuatan Sistem Navigasi Perjalanan Untuk Pencarian Rute Terpendek Dengan Algoritma A* Berbasis J2ME Oleh : M. ARIEF HIDAYATULLOH 1204 100 071 Dosen Pembimbing : Prof. Dr. M. Isa Irawan,
Lebih terperinciPengembangan Sistem Verifikasi Mata Kuliah Dengan Parsing Data Text Transkrip Siakad Pada Jurusan Ilmu Komputer
Pengembangan Sistem Verifikasi Mata Kuliah Dengan Parsing Data Text Transkrip Siakad Pada Jurusan Ilmu Komputer 1 Astria Hijriani, 2 Dwi Sakethi, 3 Rian Pandu 1 Jurusan Ilmu Komputer FMIPA Unila 2 Jurusan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kecerdasan buatan merupakan sub-bidang ilmu komputer yang khusus ditujukan untuk membuat software dan hardware yang sepenuhnya bisa menirukan beberapa fungsi
Lebih terperinciLEARNING ARTIFICIAL INTELLIGENT. Dr. Muljono, S.Si, M. Kom
LEARNING ARTIFICIAL INTELLIGENT Dr. Muljono, S.Si, M. Kom Outline Decision tree learning Jaringan Syaraf Tiruan K-Nearest Neighborhood Naïve Bayes Decision Tree Learning : Klasifikasi untuk penerimaan
Lebih terperinciARTIFICIAL INTELEGENCE ALGORITMA A* (A STAR) SEBAGAI PATHFINDING ENEMY ATTACK PADA GAME TRASH COLLECTION
ARTIFICIAL INTELEGENCE ALGORITMA A* (A STAR) SEBAGAI PATHFINDING ENEMY ATTACK PADA GAME TRASH COLLECTION TUGAS AKHIR Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika
Lebih terperinciMETODE PENCARIAN. Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc
METODE PENCARIAN Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc Jurusan Informatika Universitas Syiah Kuala http://informatika.unsyiah.ac.id/irvanizam Teknik- Teknik Search (1/3) Hal- hal yang muncul
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA)
Vol., No., Maret, ISSN : - IMPLEMENTSI LGORITM SIMPLIFIED MEMORY BOUNDED * UNTUK PENCRIN KT PD PERMINN WORD SERCH PUZZLE sih Joko Purnomo, Galih Hermawan Program Studi Teknik Informatika Fakultas Teknik
Lebih terperinciKecerdasan Buatan Penyelesaian Masalah dengan Pencarian
Kecerdasan Buatan Pertemuan 02 Penyelesaian Masalah dengan Pencarian Kelas 10-S1TI-03, 04, 05 Husni Lunix96@gmail.com http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM, 2012 Outline Pendahuluan
Lebih terperinciPERANCANGAN SYSTEM PAKAR GENERIC MENGGUNAKAN BINARY TREE
PERANCANGAN SYSTEM PAKAR GENERIC MENGGUNAKAN BINARY TREE Luky Agus Hermanto, ST., MT. Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya Jl. Arif Rahman Hakim
Lebih terperinciANALISIS DAN IMPLEMENTASI PENYELESAIAN GAME MINESWEEPER MENGGUNAKAN ALGORITMA GREEDY BEST FIRST SEARCH SKRIPSI IRMA Y N SIGIRO
ANALISIS DAN IMPLEMENTASI PENYELESAIAN GAME MINESWEEPER MENGGUNAKAN ALGORITMA GREEDY BEST FIRST SEARCH SKRIPSI IRMA Y N SIGIRO 061401069 PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER FAKULTAS
Lebih terperinciAmalia Utami¹, Suyanto², Retno Novi Dayawati³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
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
Lebih terperinciRepresentasi Graf Berarah dalam Mencari Solusi Jalur Optimum Menggunakan Algoritma A*
Representasi Graf Berarah dalam Mencari Solusi Jalur Optimum Menggunakan Algoritma A* Denny Nugrahadi Teknik informatika ITB, Bandung, email: d_nugrahadi@yahoo.com Abstract Makalah ini membahas mengenai
Lebih terperinciArtificial Intelegence/ P_3 EKA YUNIAR
Artificial Intelegence/ P_3 EKA YUNIAR Pokok Bahasan Teknik Pencarian Heuristik Generate And Test Hill Climbing Best First Searching Problem Reduction Constrait Satisfaction Means End Analysis Teknik Pencarian
Lebih terperinciPERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION
PERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION Fitrisia, Adiwijaya, dan Andrian Rakhmatsyah Program Studi S1 Teknik Informatika,
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang semakin pesat menyebabkan kebutuhan akan kecerdasan buatan (artificial intelligence) semakin pesat. Permainan komputer merupakan salah satu
Lebih terperinciTujuan Instruksional
Pertemuan 4 P E N C A R I A N T A N P A I N F O R M A S I B F S D F S U N I F O R M S E A R C H I T E R A T I V E D E E P E N I N G B I D I R E C T I O N A L S E A R C H Tujuan Instruksional Mahasiswa
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 terperinciVARIASI PENGGUNAAN FUNGSI HEURISTIK DALAM PENGAPLIKASIAN ALGORITMA A*
VARIASI PENGGUNAAN FUNGSI HEURISTIK DALAM PENGAPLIKASIAN ALGORITMA A* Mohammad Riftadi - NIM : 13505029 Teknik Informatika ITB Jalan Ganesha No. 10, Bandung e-mail: if15029@students.if.itb.ac.id ABSTRAK
Lebih terperinciUKDW BAB 1 PENDAHULUAN
BAB 1 PENDAHULUAN 1.1 Latar Belakang Permainan melalui aplikasi komputer saat ini cukup pesat perkembangannya. Tampilan yang menarik dan atraktif semakin membuat berbagai kalangan yang telah terbiasa bermain
Lebih terperinciMENENTUKAN LINTASAN TERPENDEK SUATU GRAF BERBOBOT DENGAN PENDEKATAN PEMROGRAMAN DINAMIS. Oleh Novia Suhraeni 1, Asrul Sani 2, Mukhsar 3 ABSTRACT
MENENTUKAN LINTASAN TERPENDEK SUATU GRAF BERBOBOT DENGAN PENDEKATAN PEMROGRAMAN DINAMIS Oleh Novia Suhraeni 1, Asrul Sani 2, Mukhsar 3 ABSTRACT One of graph application on whole life is to establish the
Lebih terperinciKI Kecerdasan Buatan Materi 5: Pencarian dengan Optimasi (Local Search & Optimization )
[AIMA] Russel, Stuart J., Peter Norvig, "Artificial Intelligence, A Modern Approach" 3rd Ed., Prentice Hall, New Jersey, 2010 KI091322 Kecerdasan Buatan Materi 5: Pencarian dengan Optimasi (Local Search
Lebih terperinciPENERAPAN MODIFIKASI ALGORITMA A* PATHFINDING DALAM GAME BALAP 3D BERBASIS MOBILE KOMPETENSI REKAYASA PERANGKAT LUNAK SKRIPSI
PENERAPAN MODIFIKASI ALGORITMA A* PATHFINDING DALAM GAME BALAP 3D BERBASIS MOBILE KOMPETENSI REKAYASA PERANGKAT LUNAK SKRIPSI OLEH : INDRA MAULANA BACHTIFAR NIM.1108605031 PROGRAM STUDI TEKNIK INFORMATIKA
Lebih terperinciPembuatan Program Pembelajaran Integer Programming Metode Branch and Bound. Frengki
Pembuatan Program Pembelajaran Integer Programming Metode Branch and Bound Frengki Jurusan Teknik Informatika / Fakultas Teknik Universitas Surabaya Frengki91@gmail.com Abstrak Linier programming adalah
Lebih terperinciPERBANDINGAN METODE PENCARIAN DEPTH-FIRST SEARCH, BREADTH-FIRST SEARCH DAN BEST-FIRST SEARCH PADA PERMAINAN 8-PUZZLE
e-journal Teknik Elektro dan Komputer (2014) ISSN: 2301-8402 1 PERBANDINGAN METODE PENCARIAN DEPTH-FIRST SEARCH, BREADTH-FIRST SEARCH DAN BEST-FIRST SEARCH PADA PERMAINAN 8-PUZZLE Oleh: Arie S. M. Lumenta
Lebih terperinciPENCARIAN LOKASI FASILITAS UMUM TERDEKAT DILENGKAPI DENGAN RUTE KENDARAAN UMUM LYN
PENCARIAN LOKASI FASILITAS UMUM TERDEKAT DILENGKAPI DENGAN RUTE KENDARAAN UMUM LYN Esther Irawati S. 1, Gunawan 2, Indra Maryati 1, Joan Santoso 1, Rossy P.C. 1 1 Jurusan Teknik Informatika, Sekolah Tinggi
Lebih terperinciPenyelesaian Masalah Syarat Batas dalam Persamaan Diferensial Biasa Orde Dua dengan Menggunakan Algoritma Shooting Neural Networks
Penyelesaian Masalah Syarat Batas dalam Persamaan Diferensial Biasa Orde Dua dengan Menggunakan Algoritma Shooting Neural Networks Dewi Erla Mahmudah 1, Ratna Dwi Christyanti 2, Moh. Khoridatul Huda 3,
Lebih terperinciAI sebagai Masalah Pelacakan. Lesson 2
AI sebagai Masalah Pelacakan Lesson 2 Teknik Pencarian Pendahuluan Setelah permasalahan direpresentasikan dalam bentuk state-space, maka selanjutnya dilakukan pencarian (searching) di dalam state-space
Lebih terperinciKecerdasan Buatan. Penyelesaian Masalah dengan Pencarian... Pertemuan 02. Husni
Kecerdasan Buatan Pertemuan 02 Penyelesaian Masalah dengan Pencarian... Husni Lunix96@gmail.com http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM, 2013 Outline Konsep Pencarian Pencarian
Lebih terperinciPERAMALAN NILAI TUKAR MATA UANG MENGGUNAKAN ALGORITMA GRADIEN CONJUGATE DENGAN METODE FLETCHER-REEVES
PERAMALAN NILAI TUKAR MATA UANG MENGGUNAKAN ALGORITMA GRADIEN CONJUGATE DENGAN METODE FLETCHER-REEVES Wafistrietman Corris¹, Retno Novi Dayawati², Tjokorda Agung Budi Wirayuda³ ¹Teknik Informatika,, Universitas
Lebih terperinciIMPLEMENTASI ALGORITMA GREEDY BEST FIRST SEARCH PADA APLIKASI PERMAINAN CONGKLAK UNTUK OPTIMASI PEMILIHAN LUBANG DENGAN POLA BERFIKIR DINAMIS
IMPLEMENTASI ALGORITMA GREEDY BEST FIRST SEARCH PADA APLIKASI PERMAINAN CONGKLAK UNTUK OPTIMASI PEMILIHAN LUBANG DENGAN POLA BERFIKIR DINAMIS Galih Hermawan Jurusan Teknik Informatika, Universitas Komputer
Lebih terperinciOptimization of Transportation Cost Using Genetic Algorithm
Rizky Kusumawardani Universitas Islam Indonesia, Jl. Kaliurang Km 14.5 Yogyakarta rizky.kusumawardani@uii.ac.id ABSTRACT Transportation model is application of linear programming that is used to obtain
Lebih terperinciBAB I PENDAHULUAN UKDW. dalam kehidupan kita sehari-hari, terutama bagi para pengguna sarana
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pencarian jalur terpendek merupakan sebuah masalah yang sering muncul dalam kehidupan kita sehari-hari, terutama bagi para pengguna sarana transportasi. Para
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan Kecerdasan Buatan atau Artificial Intelligence mengalami kemajuan yang sangat pesat. Saat ini Artificial Intelligence banyak digunakan dalam berbagai
Lebih terperinciKI Kecerdasan Buatan Materi 7: Pencarian dgn. Batasan Kondisi (Constraint Satisfaction Problems)
[AIMA] Russel, Stuart J., Peter Norvig, "Artificial Intelligence, A Modern Approach" 3rd Ed., Prentice Hall, New Jersey, 200 KI09322 Kecerdasan Buatan Materi 7: Pencarian dgn. Batasan Kondisi (Constraint
Lebih terperinciPENDEKATAN BARU PENYELESAIAN KASUS PENJADWALAN UJIAN AKHIR SEMESTER SEKOLAH MENENGAH ATAS (STUDI KASUS SMA NEGERI 3 SURAKARTA)
PENDEKATAN BARU PENYELESAIAN KASUS PENJADWALAN UJIAN AKHIR SEMESTER SEKOLAH MENENGAH ATAS (STUDI KASUS SMA NEGERI 3 SURAKARTA) SKRIPSI Diajukan untuk Memenuhi Sebagian Persyaratan Mendapatkan Gelar Strata
Lebih terperinciAPLIKASI GAME TIC TAC TOE 6X6 BERBASIS ANDROID MENGGUNAKAN ALGORITMA MINIMAX DAN HEURISTIC EVALUATION
APLIKASI GAME TIC TAC TOE 6X6 BERBASIS ANDROID MENGGUNAKAN ALGORITMA MINIMAX DAN HEURISTIC EVALUATION Ever Jayadi1), Muhammad Aziz Fatchur Rachman2), Muhammad Yuliansyah3) 1), 2), 3) Teknik Informatika
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Saat ini pengoptimalan dalam suatu proses merupakan sebuah ukuran sampai sejauh mana pengeluaran biaya dapat ditekan. Salah satu aplikasi yang memerlukan optimasi adalah penentuan lintasan yang
Lebih terperinciLESSON 6 : INFORMED SEARCH Part II
LESSON 6 : INFORMED SEARCH Part II 3.3 Itterative deepening A* search 3.3.1 Algoritma IDA* Itterative deepening search atau IDA* serupa dengan iterative deepening depth first, namun dengan modifikasi sebagai
Lebih terperinciPERBANDINGAN METODE SIMPLEKS DENGAN ALGORITMA TITIK INTERIOR DALAM PENYELESAIAN MASALAH PROGRAM LINIER SKRIPSI AGUSTINA ANGGREINI SITORUS
PERBANDINGAN METODE SIMPLEKS DENGAN ALGORITMA TITIK INTERIOR DALAM PENYELESAIAN MASALAH PROGRAM LINIER SKRIPSI AGUSTINA ANGGREINI SITORUS 120803060 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciSSSS, Problem Solving. State Space Search. Erick Pranata. Edisi I
SSSS, Problem Solving State Space Search Erick Pranata Edisi I 19/04/2013 Definisi Merupakan sebuah teknik dalam kecerdasan buatan yang dapat digunakan untuk mencari langkah-langkah yang perlu ditempuh
Lebih terperinciMendeteksi Blob dengan Menggunakan Algoritma BFS
Mendeteksi Blob dengan Menggunakan Algoritma BFS Ahmad Fajar Prasetiyo (13514053) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciUSER INTERFACE DALAM DESAIN MODEL PENAKSIR RESPON EMOSI
Techno.COM, Vol. 15, No. 3, Agustus 2016: 201-206 USER INTERFACE DALAM DESAIN MODEL PENAKSIR RESPON EMOSI Umi Rosyidah Teknik Informatika,Fakultas Ilmu Komputer,Universitas Dian Nuswantoro Jl. Nakula I
Lebih terperincimatematis siswa SMPN 1 Karangrejo Tulungagung Tahun Pelajaran 2016/2017 yang menggunakan model discovery learning lebih baik daripada menggunakan mode
ABSTRAK Skripsi dengan judul Perbandingan Kemampuan Pemecahan Masalah Matematis Antara Menggunakan Model Discovery Learning dan Model Problem Based Learning Materi Perbandingan pada Siswa SMPN 1 Karangrejo
Lebih terperinciJURNAL INFORMATIKA SIMULASI PERGERAKAN LANGKAH KUDA MENGGUNAKAN METODE BREADTH FIRST SEARCH
SIMULASI PERGERAKAN LANGKAH KUDA MENGGUNAKAN METODE BREADTH FIRST SEARCH Youllia Indrawaty [1], Asep Nana Hermana [2], Vichy Sinar Rinanto [3] Jurusan Teknik Informatika Institut Teknologi Nasional Bandung
Lebih terperinciALGORITMA PENJADWALAN PRODUKSI PADA LINGKUNGAN MESIN JOB SHOP DENGAN MINIMALISASI RATAAN WAKTU TUNGGU OPERASI
ALGORITMA PENJADWALAN PRODUKSI PADA LINGKUNGAN MESIN JOB SHOP DENGAN MINIMALISASI RATAAN WAKTU TUNGGU OPERASI Gamma/13502058 Abstraksi. Pada makalah ini dijelaskan mengenai pengembangan algoritma untuk
Lebih terperinciImplementasi Pemrograman Dinamis dalam Pencarian Solusi Permainan Menara Hanoi
Implementasi Pemrograman Dinamis dalam Pencarian Solusi Permainan Menara Hanoi Jonathan Ery Pradana / 13508007 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciTK36301 PENGANTAR KECERDASAN BUATAN
RENCANA PEMBELAJARAN SEMESTER (RPS) TK36301 PENGANTAR KECERDASAN BUATAN DISUSUN OLEH : APRIANTI PUTRI SUJANA, S.KOM., M.T. PROGRAM STUDI S1 SISTEM KOMPUTER FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4I3 SISTEM REKOGNISI Disusun oleh: Tjokorda Agung Wirayudha PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Semester
Lebih terperinciMETODE SEQUENTIAL QUADRATIC PROGRAMMING (SQP) PADA OPTIMASI NONLINIER BERKENDALA SKRIPSI
METODE SEQUENTIAL QUADRATIC PROGRAMMING (SQP) PADA OPTIMASI NONLINIER BERKENDALA SKRIPSI Diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Program Strata Satu (S1) pada Program Studi Matematika
Lebih terperinciBABI PENDAHULUAN 1.1 Latar Belakang
BABI PENDAHULUAN 1.1 Latar Belakang Wireless Sensor Network (WSN) merupakan teknologi yang digunakan untuk pemantauan dan pengumpulan data secara langsung [1]. WSN mengalami perkembangan yang sangat pesat
Lebih terperinciABSTRAK. Tuti Sarma Sinaga: Pengembangan model distribusi produk..., USU e-repository 2008
ABSTRAK Sistem Iogistik pedesaan adalah suatu sistem logistik yang beroperasi di pedesaan dan menangani produk yang dihasilkan dan dibutuhkan masyarakat pedesaan. Sistem logistik ini dibangun dengan tujuan
Lebih terperinciPencarian Rute Line Follower Mobile Robot Pada Maze Dengan Metode Q Learning
Pencarian Rute Line Follower Mobile Robot Pada Maze Dengan Metode Q Learning Abstrak 1Samsul Arifin, 2 Arya Tandy Hermawan & 2 Yosi Kristian 1Sekolah Tinggi Manajemen Informatika dan Komputer Asia Malang
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 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 terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Gambaran Umum Manusia mempunyai kemampuan untuk belajar sejak dia dilahirkan, baik diajarkan maupun belajar sendiri, hal ini dikarenakan manusia mempunyai jaringan saraf.
Lebih terperinciPertemuan-07 INFORMATIKA FASILKOM UNIVERSITAS IGM
07/04/2016 3. HEURISTIC METHOD Algoritma yang menggunakan Metode Best-First Search, yaitu: 1 Literatur Review KECERDASAN BUATAN Pertemuan-07 INFORMATIKA FASILKOM UNIVERSITAS IGM a. Greedy Best-First Greedy
Lebih terperinciPengantar Sistem Pakar
Chapter 1 Tujuan Instruksional Khusus Mahasiswa mampu menjelaskan konsep dasar Sistem Pakar. Mahasiswa mampu memberi contoh aplikasi-aplikasi sistem pakar dalam sistem komputer modern. Mahasiswa memahami
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 terperinciKhristian Edi Nugroho; Dimas Rahmawan; Prayogo Adi Utomo
USULAN TATA LETAK ULANG MENGGUNAKAN SOFTWARE QUANTITATIVE SYSTEMS UNTUK MEMINIMALKAN JARAK PERPINDAHAN BAHAN DI LANTAI PRODUKSI DEPARTEMEN MECHANIC PT JEFTA PRAKARSA PRATAMA Khristian Edi Nugroho; Dimas
Lebih terperinciABSTRAK. Kata kunci: Artifficial Intelligence (AI), Finite State Machine (FSM), video game
ABSTRAK Video game adalah jenis kegiatan permainan, dilakukan dalam konteks tiruan realitas. Setiap video game memiliki jenis, jenis video game digunakan untuk membagi video game berdasarkan interaksi
Lebih terperinciMetode Pencarian Terdapat banyak metode yang telah diusulkan. Semua metode yang ada dapat dibedakan ke dalam 2 jenis : 1. Pencarian buta / tanpa infor
KCRDASAN UATAN (ARTIFICIAL INTLLIGNC) PRTMUAN 3 SARCHING 1 Metode Pencarian Terdapat banyak metode yang telah diusulkan. Semua metode yang ada dapat dibedakan ke dalam 2 jenis : 1. Pencarian buta / tanpa
Lebih terperinciIMPLEMENTASI KONTROL PID PADA PENDULUM TERBALIK MENGGUNAKAN PENGONTROL MIKRO AVR ATMEGA 16 ABSTRAK
IMPLEMENTASI KONTROL PID PADA PENDULUM TERBALIK MENGGUNAKAN PENGONTROL MIKRO AVR ATMEGA 16 Disusun Oleh: Nama : Earline Ignacia Sutanto NRP : 0622012 Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciAnalisis Penggunaan Algoritma Backtracking dalam Penjadwalan Kuliah
Analisis Penggunaan Algoritma Backtracking dalam Penjadwalan Kuliah Farhan Makarim 13515003 Teknik Informatika Institut Teknologi Bandung Bandung, Indonesia Farhan_makarim@student.itb.ac.id Abstrak model
Lebih 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 terperinciGENERATOR TEKA TEKI SILANG MENGGUNAKAN ALGORITMA GENETIKA DAN MULTITHREADING UNTUK MENGHITUNG FITNESSNYA
GENERATOR TEKA TEKI SILANG MENGGUNAKAN ALGORITMA GENETIKA DAN MULTITHREADING UNTUK MENGHITUNG FITNESSNYA Donny Kurniawan Widodo Program Studi Teknik Informatika, Unika Soegijapranata Semarang dny65@gmail.com
Lebih terperinciIna Ariani Firstaria¹, -². ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2006 STUDI DAN IMPLEMENTASI ALGORITMA TWOFISH UNTUK FILE MP3 DENGAN PARTISI BLOK CIPHER STUDY AND IMPLEMENTATION TWOFISH ALGORITHM FOR MP3 FILE WITH PARTITION
Lebih terperinci