PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN MINIMUM SPANNING TREE DENGAN ALGORITMA SEMUT
|
|
- Yohanes Salim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN MINIMUM SPANNING TREE DENGAN ALGORITMA SEMUT Alamsyah* * Abstract Without a program, computer is just a useless box. In general, the search for the minimum spanning tree can be divided into two methods: conventional and heuristic methods. Use of heuristic methods that are expected to complete the minimum spanning tree problem with the search results are more varied and with a shorter calculation time. In the conventional method of logic that is used only by comparing the distance of each node and then find the shortest distance. However, the weaness of conventional methods on the accuracy of the results obtained and the resulting error rate in the calculation. It would not be a problem if the data they need only a little, by contrast with the number of points that a lot will cause increased levels of calculation errors and decrease the accuracy. The results showed that the parameters of the number of ants (m) and maximum cycle (NCmax) provided a major influence on the length of the cable and are consistent with the additional parameters α, β, ρ, ζ, and Q are used for the optimal solution. For the settlement in the case of graph seerhana who has 8 points with the number of ants (m = 15) and the maximum cycle (NCmax = 10) obtained an optimal solution to the cable length by 149 meters with a time computation 0 ms, the optimal cycle 1 and the optimal solution by 60%. Keyword: spanning tree, algoritma semut, heuristi 1. Pendahuluan Untu menggunaan atau memfungsian sebuah omputer maa harus terdapat program yang terdistribusi di dalamnya, tanpa program omputer hanyalah menjadi sebuah ota yang ta berguna. Program yang terdapat pada omputer sangat bervariasi dan setiap program pasti menggunaan algoritma. Algoritma merupaan umpulan perintah untu menyelesaian suatu masalah. Perintah-perintahnya dapat diterjemahan secara bertahap dari awal hingga ahir. Masalah tersebut dapat berupa apapun dengan catatan untu setiap masalah memilii riteria ondisi awal yang harus dipenuhi sebelum menjalanan algoritma. Dalam penyelesaian graf sederhana seringali terjadi pemborosan abel yang mengaibatan pembengaan biaya yang cuup besar, sehingga diperluan etepatan dalam pencarian minimum spanning tree antara titi yang satu dengan yang lainnya. Hasil pencarian minimum spanning tree aan menjadi pertimbangan dalam pengambilan eputusan dalam menentuan lintasan yang aan ditempuh dan menampilan nilai omputasi algoritma semut. Pemanfaatan metode heuristi masih sangat jarang digunaan, sehingga dapat dirumusan sebuah masalah yaitu dengan pemanfaatan metode heuristi diharapan nantinya dapat menyelesaian masalah pencarian minimum spanning tree dengan hasil yang lebih variatif dan dengan watu perhitungan yang lebih singat. Penelitian bertujuan menyelesaian masalah lintasan dengan menggunaan metode heuristi hususnya algoritma semut pada graf sederhana. Manfaat yang dapat diambil dari penelitian adalah menawaran penyelesaian yang lebih mudah dalam perhitungan (sesuai dengan tujuan algoritma heuristi) untu pencarian minimum spanning tree dan dapat diapliasian menjadi sebuah perangat luna hususnya pada graf sederhana. Dari latar belaang dan rumusan masalah yang telah delasan, penelitian dibatasi pada * Staf Pengajar Jurusan Teni Eletro Faultas Teni Universitas Tadulao, Palu
2 algoritma yang digunaan dalam metode heuristi, yaitu algoritma semut (Ant Algorithm) dalam asus graf sederhana. 2. Tinjauan Pustaa 2.1 Algoritma Dalam dunia omputasi, istilah algoritma menjadi dasar pemiiran sebuah formulasi. Algoritma dapat didefinisian sebagai teni penyusunan langah-langah penyelesaian masalah dalam bentu alimat dengan jumlah ata terbatas tetapi tersusun secara logis dan sistematis. Kalimatalimat ini dapat diterjemahan secara bertahap dari awal hingga ahir. Algoritma harus berhenti setelah mengerjaan serangaian tugas atau langahnya terbatas dan setiap langah harus didefinisian dengan tepat sehingga tida memilii arti ganda [Suarga, 2006]. Algoritma sering mempunyai langah pengulangan (iterasi) atau memerluan eputusan (logia Boolean dan perbandingan) sampai tugasnya selesai. Desain dan analisis algoritma adalah suatu cabang husus dalam ilmu omputer yang mempelajari arateristi dan performansi dari suatu algoritma dalam menyelesaian masalah. Algoritma pun bersifat bebas, artinya tida bergantung pada sistem omputer atau bahasa pemrograman yang digunaan. Algoritma yang berbeda dapat diterapan pada suatu masalah dengan riteria yang sama. Dalam penyelesaian masalah, uuran banya omputasi dari suatu algoritma dinyataan dalam omplesitas. Jia sebuah permasalahan dalam diselesaian dalam watu yang singat diataan omplesitas algoritma rendah, sementara algoritma yang membutuhan watu lama untu menyelesaian masalahnya mempunyai omplesitas yang tinggi [Suarga, 2006]. nama ana, jenis buah, omponen alat eletroni dan sebagainya. Busur dapat menunjuan hubungan (relasi) sembarang seperti rute penerbangan, jalan raya, sambungan telepon, iatan imia, dan lain-lain. Notasi graf: G(V,E) artinya graf G memilii V simpul dan E busur. Menurut arah dan bobotnya, graf dibagi menjadi empat bagian, yaitu: a. Graf berarah dan berbobot : tiap busur mempunyai ana panah dan bobot. Gambar 1. menunjuan graf berarah dan berbobot yang terdiri dari tujuh titi yaitu titi A,B,C,D,E,F,G. Titi menujuan arah e titi B dan titi C, titi B menunjuan arah e titi D dan titi C, dan seterusnya. Bobot antar titi A dan titi B pun telah di etahui. Gambar 1. Graf berarah dan berbobot b. Graf tida berarah dan berbobot : tiap busur tida mempunyai ana panah tetapi mempunyai bobot. Gambar 2 menunjuan graf tida berarah dan berbobot. Graf terdiri dari tujuh titi yaitu titi A,B,C,D,E,F,G. Titi A tida menunjuan arah e titi B atau C, namun bobot antara titi A dan titi B telah dietahui. Begitu juga dengan titi yang lain. 2.2 Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) [Bucley, 1990]. Suatu Graf G terdiri dari dua himpunan yaitu himpunan V dan himpunan E. a. Vertes (simpul) : V = himpunan simpul yang terbatas dan tida osong b. Edge (sisi/busur): E = himpunan busur yang menghubungan sepasang simpul. Simpul-simpul pada graf dapat merupaan obye sembarang seperti ota, atom-atom suatu zat, Gambar 2. Graf tida berarah dan berbobot c. Graf berarah dan tida berbobot: tiap busur mempunyai ana panah yang tida berbobot. Gambar 3. menunjuan graf berarah dan tida berbobot. 190
3 Pemanfaatan Metode Heuristi dalam Pencarian Minimum Spanning Tree dengan Algoritma Semut Gambar 3. Graf berarah dan tida berbobot d. Graf tida berarah dan tida berbobot: tiap busur tida mempunyai ana panah dan tida berbobot. Gambar 4.. Graf tida berarah dan tida berbobot beserta jara berupa biaya, watu dan besaran lainnya antar nodes. Contoh-contoh pratis dari persoalan spanning tree antara lain : a. Perencanaan jaringan tranportasi. Dalam hal ini nodesnya merupaan terminal, sedangan busur-busurnya dapat berupa jalan raya. Persoalan ialah menentuan pola transportasi yang dapat melayani seluruh terminal dengan jara minimum b. Perencanaan jaringan omuniasi bersala besar c. Perencanaan jaringan distribusi Persoalan Spanning Tree ini dapat diselesaian dengan cara mudah sebagai beriut: memilih sembarang salah satu nodes, emudian menghubungan nodes tersebut dengan nodes lain yang terdeat, menentuan nodes lain yang belum terhubung, jara yang paling deat dengan nodes yang sudah terhubung pada langah sebelumnya, emudian menghubungan nodes ini. mengulangi langah ini sehingga seluruh nodes dapat terhubungi. 2.3 Pohon Rentang Minimum (Minimum Spanning Tree) Suatu masalah pohon rentang minimum (minimum spanning tree) menyangut suatu himpunan nodes dan suatu himpunan cabang yang diusulan (proposed), yang satupun tida ada yang terorientasi. Tiap-tiap cabang yang diusulan memilii suatu biaya ta-negatif yang beraitan dengannya. Tujuannya adalah menyusun suatu jaringan tersambung yang mengandung semua nodes dan sedemiian rupa sehingga jumlah biaya yang beraitan dengan cabang-cabang yang benar digunaan adalah minimum. Minimum Spanning Tree merupaan variasi dari persoalan rute terpende yang perbedaannya terleta pada lintasan yang dicari [Dimyati, 1987]. Pada rute terpende dicari lintasan/rute dari sumber e tujuan yang memberi total jara minimum, sedangan pada Minimum Spanning Tree ini yang dipersoalan adalah menentuan busur-busur yang menghubungan nodes yang ada pada pada jaringan, sehingga diperoleh panjang busur total minimum. Sedangan persamaan pada edua asus ini adalah suatu jaringan ta terarah, dengan informasi yang mencaup nodes-nodes yang Gambar 5. Contoh minimum spanning tree Secara umum penyelesaian masalah pencarian minimum spanning tree dapat dilauan menggunaan dengan dua buah metode, yaitu metode algoritma onvensional dan metode heuristi. Metode algoritma onvensional diterapan dengan cara perhitungan matematis seperti biasa, sedangan metode heuristi diterapan dengan perhitungan ecerdasan buatan, dengan menentuan basis pengetahuan dan perhitungannya. a. Metode onvensional Metode onvensional berupa algoritma yang menggunaan perhitungan matematis biasa. MEKTEK TAHUN XII NO. 3, SEPTEMBER
4 Ada beberapa metode onvensional yang biasa digunaan untu melauan pencarian minimum spanning tree, diantaranya algoritma Prim dan Krusal. b. Metode heuristi Adalah sub bidang dari ecerdasan buatan yang digunaan untu melauan pencarian dan penentuan rite terpende. Ada beberapa algoritma pada metode heuristi yang biasa digunaan dalam pencarian minimum spanning tree. Namun dalam penelitian dibatasi hanya membahas algoritma semut. 2.4 Algorita semut Algoritma Semut diadopsi dari perilau oloni semut yang dienal sebagai sistem semut (Dorigo, 1996). Secara alamiah oloni semut mampu menemuan rute terpende dalam perjalanan dari sarang e tempat-tempat sumber maanan. Gambar 6. Perjalanan semut e sumber maanan Koloni semut dapat menemuan rute terpende antara sarang dan sumber maanan berdasaran jeja ai pada lintasan yang telah dilalui. Semain banya semut yang melalui suatu lintasan, maa semain jelas beas jeja ainya. Hal ini menyebaban lintasan yang dilalui semut dalam jumlah sediit, semain lama semain berurang epadatan semut yang melewatinya, atau bahan aan tida dilewati sama seali. Sebalinya lintasan yang dilalui semut dalam jumlah banya, semain lama aan semain bertambah epadatan semut yang melewatinya, atau bahan semua semut melalui lintasan tersebut. Gambar 6 menujuan perjalanan semut dalam menemuan jalur terpende dari sarang e sumber maanan, terdapat dua elompo semut yang melauan perjalanan. Kelompo semut L berangat dari arah iri e anan dan elompo semut R berangat dari anan e iri. Kedua elompo berangat dari titi yang sama dan dalam posisi pengambilan eputusan jalan sebelah mana yang aan diambil. Kelompo L membagi dua elompo lagi. Sebagian melalui jalan atas dan sebagian melalui jalan bawah. Hal ini juga berlau pada elompo R. Gambar 6.b dan Gambar 6.c menunjuan bahwa elompo semut berjalan pada ecepatan yang sama dengan meninggalan feromon atau jeja ai di jalan yang telah dilalui. Feromon yang ditinggalan oleh umpulan semut yang melalui jalan atas telah mengalami banya penguapan arena semut yang melalui jalan atas berjumlah lebih sediit dari pada jalan yang di bawah. Hal ini disebaban jara yang ditempuh lebih panjang daripada jalan bawah. Sedangan feromon yang berada di jalan bawah penguapannya cenderung lebih lama. Karena semut yang melalui jalan bawah lebih banya daripada semut yang melalui jalan atas. Gambar 6.d menunjuan bahwa semut-semut yang lain pada ahirnya memutusan untu melewati jalan bawah arena feromon yang ditinggalan masih banya. Sedangan feromon pada jalan atas sudah banya menguap sehingga semut-semut tida memilih jalan atas tersebut. Semain banya semut yang melalui jalan maa semain banya semut yang mengiutinya, semain sediit semut yang melalui jalan, maa feromon yang ditinggalan semain berurang bahan hilang. Dari sinilah emudian terpilihlah jalur terpende antara sarang dan sumber maanan. Dalam algoritma semut, diperluan beberapa variabel dan langah-langah untu menentuan jalur terpende, yaitu: Langah 1: a. Inisialisasi harga parameterparameteralgoritma.parameter-parameter yang di inisialisasian adalah: 1). Intensitas jeja semut antar ota dan perubahannya (τ) 2). Banya ota (n) termasu x dan y (oordinat) atau d (jara antar ota) 3). Tetapan silus-semut (Q) 4). Tetapan pengendali intensitas jeja semut (α) 5). Tetapan pengendali visibilitas (β) 6). Visibilitas antar ota = 1/d (η) 7). Banya semut (m) 8). Tetapan penguapan jeja semut (ρ) 9). Jumlah silus masimum (NCmax) bersifat tetap selama algoritma dalanan, sedangan τ aan selalu diperbaharui 192
5 Pemanfaatan Metode Heuristi dalam Pencarian Minimum Spanning Tree dengan Algoritma Semut harganya pada setiap silus algoritma mulai dari silus pertama (NC=1) sampai tercapai jumlah silus masimum (NC=NCmax) atau sampai terjadi onvergensi. b. Inisialisasi ota pertama setiap semut. Setelah inisialisasi τ dilauan, emudian m semut ditempatan pada ota pertama tertentu secara aca. Langah 2: Pengisian ota pertama e dalam tabu list. Hasil inisialisasi ota pertama setiap semut dalam langah 1 harus diisian sebagai elemen pertama tabu list. Hasil dari langah ini adalah terisinya elemen pertama tabu list setiap semut dengan indes ota tertentu, yang berarti bahwa setiap tabu(1) bisa berisi indes ota antara 1 sampai n sebagaimana hasil inisialisasi pada langah 1. Langah 3: Penyusunan rute unjungan setiap semut e setiap ota. Koloni semut yang sudah terdistribusi e sejumlah atau setiap ota, aan mulai melauan perjalanan dari ota pertama masing-masing sebagai ota asal dan salah satu ota-ota lainnya sebagai ota tujuan. Kemudian dari ota edua masingmasing, oloni semut aan melanjutan perjalanan dengan memilih salah satu dari ota-ota yang tida terdapat pada tabu sebagai ota tujuan selanjutnya. Perjalanan oloni semut berlangsung terus menerus sampai semua ota satu persatu diunjungi atau telah menempati tabu. Jia s menyataan indes urutan unjungan, ota asal dinyataan sebagai tabu(s) dan ota-ota lainnya dinyataan sebagai {N-tabu}, maa untu menentuan ota tujuan digunaan persamaan probabilitas ota untu diunjungi sebagai beriut: p = ' { N α [ τ ] [ η ] α τ i ' tabu j {N-tabu } p = 0, untu j lainnya. [ ] [ η ] } β i ' β (1) dengan i sebagai indes ota asal dan j sebagai indes ota tujuan. Langah 4: a. Perhitungan panjang rute setiap semut. Perhitungan panjang rute tertutup (length closed tour) atau L setiap semut dilauan setelah satu silus diselesaian oleh semua semut. Perhitungan dilauan berdasaran tabu masing-masing dengan persamaan beriut: L = n 1 s= 1 d tabu ( s), tabu ( s+ 1)..(2) dengan d adalah jara antara ota i e ota j yang dihitung berdasaran persamaan: d 2 2 = (xi xj) + (yi yj) b. Pencarian rute terpende. Setelah L setiap semut dihitung, aan didapatharga minimal panjang rute tertutup setiap silus atau LminNC dan harga minimal panjang rute tertutup secara eseluruhan adalah atau Lmin. c. Perhitungan perubahan harga intensitas jeja ai semut antar ota. Koloni semut aan meninggalan jeja-jeja ai pada lintasan antar ota yang dilaluinya. Adanya penguapan dan perbedaan jumlah semut yang lewat, menyebaban emunginan terjadinya perubahan harga intensitas jeja ai semut antar ota. Persamaan perubahan ini adalah: Δ τ = m = 1 Δ τ..(3) dengan Δ adalah perubahan harga intensitas jeja ai semut antar ota setiap semut yang dihitung berdasaran persamaan : Q L Δτ = tujuan dalam tabu untu (i,j) ota asal dan ota MEKTEK TAHUN XII NO. 3, SEPTEMBER
6 Δ τ = 0 untu (i,j) lainnya. dari eranga onseptual penelitian ini dapat diilustrasian pada gambar 8. Langah 5: a. Perhitungan harga intensitas jeja ai semut antar ota untu silus selanjutnya. Harga intensitas jeja ai semut antar ota pada semua lintasan antar ota ada emunginan berubah arena adanya penguapan dan perbedaan jumlah semut yang melewati. Untu silus selanjutnya, semut yang aan melewati lintasan tersebut harga intensitasnya telah berubah. Harga intensitas jeja ai semut antarota untu silus selanjutnya dihitung dengan persamaan: τ = ρ τ + Δ τ..(4) b. Atur ulang harga perubahan intensitas jeja ai semut antar ota. intensitas jeja semut antar ota perlu diatur embali agar memilii nilai sama dengan nol. Langah 6: Pengosongan tabu list, dan ulangi langah 2 jia diperluan. Tabu list perlu diosongan untu diisi lagi dengan urutan ota yang baru pada silus selanjutnya, jia jumlah silus masimum belum tercapai atau belum terjadi onvergensi. Algoritma diulang lagi dari langah 2 dengan harga parameter intensitas jeja ai semut antar ota yang sudah diperbaharui. 2.5 Flowchart Algoritma Semut Flowchart Algoritma semut disajian pada Gambar 7. A Ya Terjadi Konvergensi Tida Perbaharui harga intensitas semut antara titi (tho) Δτ = + 1 Δτ Silus = Banya silus masimal m τ = ρτ. + Δ τ Tida B 2.6 Keranga onseptual Penelitian dimulai dari pengambilan titi yang merupaan titi asal sampai e titi tujuan beserta lintasan yang menghubungannya. Karena semua titi aan digunaan, maa dilauan proses selesi lintasan yang nantinya aan diproses secara pola semut. Selanjutnya lintasan ini aan diproses secara semut hingga diperoleh lintasan optimal dan watu omputasi tertentu. Gambaran umum Hitung rute terpende Selesai Ya Lintasan abel optimal Gambar 7. Flowchart Algoritma Semut 194
7 Pemanfaatan Metode Heuristi dalam Pencarian Minimum Spanning Tree dengan Algoritma Semut Mengambil data titi Input data (Jumlah titi, ordinat titi, dan jara antar titi) Memproses dengan algoritma semut Output data (Lintasan optimal, grafi output, grafi jara minimum tiap silus) Gambar 8. Keranga Konseptual Penelitian 3. Metode Penelitian 3.1 Rancangan penelitian Pada penelitian ini, terdapat beberapa metode pengumpulan data yang digunaan, yaitu: a. Metode epustaaan Metode pengumpulan data epustaaan dilauan dengan mengumpulan data-data dari sumber atau buu yang relevan terhadap penelitian. b. Metode wawancara Metode wawancara dilauan dengan cara tatap mua dan menanyaan langsung epada obje yang pernah melauan penelitian sebelumnya. c. Penyusunan Algoritma Menentuan spesifiasi sistem yang aan digunaan dalam hal ini penyusunan algoritma semut dengan metode pencarian minimum spanning tree. d. Pembuatan Program Apliasi Pada tahap ini dibuat program yang menggunaan algoritma semut dengan diduung oleh perangat luna Delphi Jenis penelitian Penelitian ini adalah penelitian ualitatif dengan melauan esprimen dalam menganalisis dan merancang perangat luna untu menyelesaian masalah pencarian minimum spanning tree dengan menggunaan algoritma semut pada asus graf sederhana. 3.3 Analisa sistem Algoritma Semut melalui tahap-tahap erja, yaitu menginput data ordinat titi dan jara antar titi, selanjutnya menghitung invers jara antar titi emudian menetapan parameter algoritma (jumlah semut, jumlah silus masimum, pengendali visibilitas, pengendali intensitas jeja semut, penguapan jeja semut, intensitas jeja semut), proses algoritma semut (semua semut mengunjungi semua ota sebanya silus masimum), menampilan hasil optimal. Seperti yang tampa pada gambar 9. Menginput data ordinat titi dan jara antar titi, Menghitung invers jara antar titi (η) Menetapan parameter algoritma (m, NCmax, β,α, Q, ρ, ζ) Proses algoritma semut (semua semut mengunjungi semua ota sebanya silus masimum) Menampilan hasil optimal Gambar 9. Bagan erja algoritma semut 3.4 Metode Penguuran Penulis melauan percobaan dengan menggunaan tujuh buah parameter yang ditentuan sendiri. Parameter-parameter tersebut adalah jumlah semut, jumlah silus masimum, pengendali visibilitas, pengendali intensitas jeja semut, penguapan jeja semut, intensitas jejaj semut. Ketujuh parameter tersebut diinisiasian dengan batasan sebagai beriut: a. Banyanya semut b. Silus masimal 1-10 c. Tetapan pengendali visibilitas 0-1 d. Tetapan pengendali intensitas jeja semut 0 1 MEKTEK TAHUN XII NO. 3, SEPTEMBER
8 e. Tetapan silus semut 0-1 f. Tetapan penguapan jeja semut 0-1 g. Intensitas jeja semut antar titi 0-1 Banyanya semut, silus masimum, tetapan pengendali visibilitas, tetapan pengendali intensitas jeja semut dan tetapan penguapan jeja semut bernilai tetap untu semua silus, sedangan intensitas jeja semut nilainya berbeda untu setiap silus. Setelah diperoleh solusi optimal (semut telah melauan proses sebanya silus masimum maa proses dihentian dan hasil optimal ditampilan). 4. Hasil dan Pembahasan Pada dasarnya permasalahan pencarian minimum spanning tree antar titi merupaan pencarian rute antar titi yang telah dietahui titi oordinat atau jara. Dengan mengetahui onsep pencarian pencarian minimum spanning tree antar titi, untu selanjutnya dapat diterapan pada asus graf sederhana pada berbagai rute yang ingin dietahui panjang abel yang dibutuhan. Contoh asus yang aan diambil adalah seperti terlihat pada gambar 8 dengan asus graf sederhana 8 titi. Terdapat dua jenis asus yang bisa diturunan dari gambar di atas. Kasus pertama adalah mengetahui jara antar node yang ditunjuan dengan garis penghubung antar titi. Kasus yang edua adalah dengan mengetahui oordinat titi saja. Gambar 10 merupaan jenis asus yang pertama yaitu dengan mengetahui jara antar titi. Untu asus pertama, penyelesaian cenderung lebih mudah arena jara antar titi telah dietahui sebagai beriut: Tabel 1. Jara antar titi Titi diberian 15 semut buatan dan menggunaan harga parameter NCmax = 10, α = 1, β = 1, ρ= 1, dan ζ = 1. Dari hasil 20 ali proses algoritma semut diperoleh panjang abel optimal 149 meter, watu omputasi 15 ms, solusi optimal sebesar 60%, silus optimal 1 serta lintasan optimal 4>>2 2>>1 1>>3 3>>5 5>>7 7>>6 7>>8 seperti yang terlihat pada gambar 11 dan gambar 12. Tabel 2. Invers jara antar titi Titi Gambar 11. Lintasan optimal hasil proses algoritma semut 196
9 Pemanfaatan Metode Heuristi dalam Pencarian Minimum Spanning Tree dengan Algoritma Semut Gambar 12. Silus optimal dan watu omputasi 5. Kesimpulan dan Saran 5.1 Kesimpulan a. Pemanfaatan tenologi informasi pada pencarian minimum spanning tree menghasilan suatu hasil atau eluaran yang aurat dan tepat, untu asus perencanaan jaringan telepon pada graf sederhana dengan mempertimbangan beberapa parameter yang lain. b. Untu asus yang berbeda algoritma aan memberian hasil yang berbeda, tida dapat dipastian bahwa algoritma semut lebih bai dibanding dengan algoritma lain (heuristi). c. Dengan metode heuristi, penyelesaian asus pada perencaanaan jaringan abel telepon pada graf sederhan yang memilii 8 titi dengan memberian jumlah semut (m=15) dan silus masimum (NCmax = 10) diperoleh panjang abel optimal sebesar 149 meter, watu omputasi 0 ms, silus optimal 1 dan solusi optimal sebesar 60 %. d. Secara onsep algoritma, metode onvesional lebih mudah untu dipahami, namun hasil yang diperoleh dari metode heuristi lebih variatif. 5.2 Saran a. Diharapan ada penelitian lebih lanjut untu mengetahui efisiensi dari pencarian minimum spanning tree menggunaan metode heuristi. b. Diharapan adanya penelitian yang dapat membandingan antar metode heuristi yang lain. 6. Daftar Pustaa Buclely, Fred and Fran Harary Distance in Graph, Addison Wesley Publishing Company. Capriles, Priscila V. S. Z., Fonseca, Leonardo Goliatt da dan Barbosa, Helio J.C. Ant Colony Algorithms Applied To Discrete OptimizationProblems. 253/cnmac/storal2/leonardo_fonseca_ST1 8.pdf (ases terahir pada tanggal 2 Otober 2009.) Deo, Marsingh Graph Theory Aplication to Enggineering and Computer Science. Prentice Hall Inc. New Delhi Dorigo The Ant System:Optimization by a colony of cooperating agents, IEEE Transaction System, Man and Cybernetics-Part B, Vol.26, No. 1, pp.1-13 Kusumadewi, S., H., Purnomo Penyelesaian Masalah Optimasi dengan Teni-teni Heuristi. Graha Ilmu, Yogyaarta MEKTEK TAHUN XII NO. 3, SEPTEMBER
10 Munir, Rinaldi Matematia Disrit. Informatia, Bandung Munir, Rinaldi Algoritma dan Pemrograman. Informatia, Bandung Rosen, Kenneth H Discrete mathematics and its application 2nd. Vaga New Yor. Suarga Algoritma Pemrograman. Andi, Yogyaarta Dari hasil pengujian secara eseluruhan terlih 198
BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain
8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan
Lebih terperinciPENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT
Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya
Lebih terperinciPEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA
PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia
Lebih terperinciPERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM
Seminar Nasional Sistem dan Informatia 2007; Bali, 16 November 2007 PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Fajar Saptono 1) I ing Mutahiroh
Lebih terperinciIMPLEMENTASI ALGORITMA KOLONI SEMUT PADA PROSES PENCARIAN JALUR TERPENDEK JALAN PROTOKOL DI KOTA YOGYAKARTA
Seminar Nasional Informatia 2009 (semnasif 2009) ISSN: 1979-2328 UPN Veteran Yogyaarta, 23 Mei 2009 IMPLEMENTASI ALGORITMA KOLONI SEMUT PADA PROSES PENCARIAN JALUR TERPENDEK JALAN PROTOKOL DI KOTA YOGYAKARTA
Lebih terperinciSistem Navigasi Perjalanan Berbasis Web Dengan Algoritma Koloni Semut (Ant Colony Algorithm)
Sistem Navigasi Perjalanan Berbasis Web Dengan Algoritma Koloni Semut (Ant Colony Algorithm) Arna Fariza 1, Entin Martiana 1, Fidi Wincoo Putro 2 Dosen 1, Mahasiswa 2 Politeni Eletronia Negeri Surabaya
Lebih terperinciPENENTUAN JALUR TERPENDEK MENGGUNAKAN TEKNOLOGI GOOGLE MAPS MASHUPS DENGAN MOBILE SYSTEM ANDROID
menciptaan apliasi merea sendiri untu digunaan oleh bermacam peranti bergera, oleh arena itu Android memilii omunitas besar Satria Prasamya, Ary Mazharuddin pengembang S., S.Kom, M.Comp.Sc program apliasi
Lebih terperinciModifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa
187 Modifiasi ACO untu Penentuan Rute Terpende e Kabupaten/Kota di Jawa Ahmad Jufri, Sunaryo, dan Purnomo Budi Santoso Abstract This research focused on modification ACO algorithm. The purpose of this
Lebih terperinciPELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.
JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses
Lebih terperinciPenggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler
Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,
Lebih terperinciImplementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf
JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan
Lebih terperinciLANDASAN TEORI. Bab Konsep Dasar Graf. Definisi Graf
Bab 2 LANDASAN TEORI 2.1. Konsep Dasar Graf Definisi Graf Suatu graf G terdiri atas himpunan yang tidak kosong dari elemen elemen yang disebut titik atau simpul (vertex), dan suatu daftar pasangan vertex
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Landasan Teori Tentang Permasalahan Merupaan landasan teori yang terdapat pada permasalahan yang dibahas. 2.1.1 Masalah tranportasi Masalah tranportasi dalam dunia distribusi
Lebih terperinciBAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciVariasi Spline Kubik untuk Animasi Model Wajah 3D
Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) PENYELESAIAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ANT COLONY SYSTEM (ACS)
Volume. I Nomor. 2, Bulan Otober 2012 - ISSN :2089-9033 35 PENYELESAIAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ANT COLONY SYSTEM (ACS) Irawan Afrianto 1, Euis Wiiani Jamilah 2 1,2 Program Stui
Lebih terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti
Lebih terperinciSISTEM ALOKASI PENYIMPANAN BARANG PADA GUDANG
SISTEM ALOKASI PENYIMPANAN BARANG PADA GUDANG Achmad Hambali Jurusan Teknik Informatika PENS-ITS Kampus PENS-ITS Keputih Sukolilo Surabaya 60 Telp (+6)3-59780, 596, Fax. (+6)3-596 Email : lo7thdrag@ymail.co.id
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Tempat dan Watu Penelitian Penelitian ini dilauan di Jurusan Matematia Faultas Matematia dan Ilmu Pengetahuan Alam Universitas Lampung. Watu penelitian dilauan selama semester
Lebih terperinciAPLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID
APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)
Lebih terperincipada Permasalahan Traveling Salesman Problem
Studi Perbandingan Algoritma Ant Colony System dan Algoritma Ant System Leonardo Z Tomarere Laboratorium Ilmu dan Reayasa Komputasi Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Jl. Ganesa
Lebih terperinciBAB III METODE SCHNABEL
BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan
Lebih terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp
Lebih terperinciPENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )
PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132
Lebih terperinciBAB 3 PRINSIP SANGKAR BURUNG MERPATI
BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana
Lebih terperinciBAB IV Solusi Numerik
BAB IV Solusi Numeri 4. Algoritma Genetia Algoritma Genetia (AG) [2] merupaan teni pencarian stoasti yang berdasaran pada meanisme selesi alam dan prinsip penurunan genetia. Algoritma genetia ditemuan
Lebih terperinciOPTIMASI RUTE ARMADA KEBERSIHAN KOTA GORONTALO MENGGUNAKAN ANT COLONY OPTIMIZATION. Zulfikar Hasan, Novianita Achmad, Nurwan
OPTIMASI RUTE ARMADA KEBERSIHAN KOTA GORONTALO MENGGUNAKAN ANT COLONY OPTIMIZATION Zulfikar Hasan, Novianita Achmad, Nurwan ABSTRAK Secara umum, penentuan rute terpendek dapat dibagi menjadi dua metode,
Lebih terperinciEstimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga
JURNAL SAINS DAN SENI POMITS ol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Estimasi Konsentrasi Polutan Sungai Menggunaan Metode Redusi Kalman Filter dengan Pendeatan Elemen Hingga Muyasaroh, Kamiran,
Lebih terperinciPENCARIAN RUTE TERBAIK MENGGUNAKAN LOGIKA FUZZYDAN ALGORITMA SEMUT
PENCARIAN RUTE TERBAIK MENGGUNAKAN LOGIKA FUZZYDAN ALGORITMA SEMUT Syaiful Anam 1) 1) Program Studi Matematia, Jurusan Matematia, FMIPA, Universitas Brawaya Email: syaiful@ub.ac.id Abstra Rute terbai pada
Lebih terperinciek SIPIL MESIN ARSITEKTUR ELEKTRO
ek SIPIL MESIN ARSITEKTUR ELEKTRO PEMANFAATAN METODE HEURISTIK PADA PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA GENETIKA Alamsyah * Abstract This is a research project to develop a genetic algorithmic approach
Lebih terperinciI. PENDAHULUAN. Teori graf merupakan salah satu bagian ilmu dari matematika dan merupakan
I. PENDAHULUAN. Latar Belaang Teori graf merupaan salah satu bagian ilmu dari matematia dan merupaan poo bahasan yang relatif muda jia dibandingan dengan cabang ilmu matematia yang lain seperti aljabar
Lebih terperinciPenggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan
Jurnal Penelitian Sains Volume 16 Nomor 1(A) Januari 013 Penggunaan Metode Bagi Dua Terboboti untu Menari Aar-aar Suatu Persamaan Evi Yuliza Jurusan Matematia, FMIPA, Universitas Sriwijaya, Indonesia Intisari:
Lebih terperinciAplikasi diagonalisasi matriks pada rantai Markov
J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,
Lebih terperinciBAB II TINJAUAN PUSTAKA. Gambar 2.1 Graf dengan 4 node dan 5 edge
BAB II TINJAUAN PUSTAKA 2.1. Teori Graf Graf digunaan untu merepresentasian obje-obje disrit dan hubungan antara obje-obje tersebut (Munir, 2005). Dalam menggambar graf, simpul digambaran dengan lingaran
Lebih terperinciKORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak
KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi
Lebih terperinciPenempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming
JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul
Lebih terperinciALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP)
ALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP) Igusta Wibis Vidi Abar Purwanto 2 FMIPA Universitas Negeri Malang E-mail: wibis.roccity@gmail.com Abstra: Multi Depot Vehicle Routing
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3
Lebih terperinciPENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB
PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB Wirda Ayu Utari Universitas Gunadarma utari.hiaru@gmail.com ABSTRAK Program pengenalan pola ini merupaan program yang dibuat
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 terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni
Lebih terperinciISSN: TEKNOMATIKA Vol.1, No.2, JANUARI
ISSN: 1979-7656 TEKNOMATIKA Vol.1, No.2, JANUARI 2009 25 PERANCANGAN DAN IMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK MENDIAGNOSA JENIS PENYAKIT KANDUNGAN Bambang Yuwono Jurusan Teni Informatia UPN Veteran
Lebih terperinciBEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman
JMP : Volume 4 Nomor 2, Desember 2012, hal. 271-278 BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE Triyani dan Irham Taufiq Universitas Jenderal Soedirman trianisr@yahoo.com.au ABSTRACT.
Lebih terperinciIMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA
94 IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA Yudhi Purwananto 1, Diana Purwitasari 2, Agung Wahyu Wibowo Jurusan Teni Informatia, Institut Tenologi Sepuluh Nopember
Lebih terperinciAnalisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network
Analisa Drop Tegangan dan Susut Daya pada Jaringan Listri Penyulang Renon Menggunaan Metode Artificial Neural Networ I Gede Dyana Arana Jurusan Teni Eletro Faultas Teni, Universitas Udayana Denpasar, Bali,
Lebih terperinciKARAKTERISTIK POHON FUZZY
KARAKTERISTIK POHON FUZZY Yuli Stiawati 1, Dwi Juniati 2, 1 Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan Alam, Universitas Negeri Surabaya, 60231 2 Jurusan Matematia, Faultas Matematia dan
Lebih terperinciKata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan
Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro
Lebih terperinciPENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR
PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS
Jurnal Teni dan Ilmu Komputer ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS AN ANALYSIS OF THE VARIATION PARAMETERS OF THE ARTIFICIAL NEURAL NETWORK
Lebih terperinciANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY
Jurnal Manti Penusa Vol No Desember ISSN 88-9 ANALISIS EPUASAN ONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAET (URIR DENGAN MENGGUNAAN METODE TOPSIS FUZZY Desi Vinsensia Program Studi Teni Informatia
Lebih terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinciBAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING
Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan
Lebih terperinciAPLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK
APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK Novhirtamely Kahar, ST. 1, Nova Fitri, S.Kom. 2 1&2 Program Studi Teni Informatia, STMIK
Lebih terperinciBAB ELASTISITAS. Pertambahan panjang pegas
BAB ELASTISITAS 4. Elastisitas Zat Padat Dibandingan dengan zat cair, zat padat lebih eras dan lebih berat. sifat zat padat yang seperti ini telah anda pelajari di elas SLTP. enapa Zat pada lebih eras?
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1 Keranga Pemiiran Pemerintah ahir-ahir ini sering dihadapan pada masalah persediaan pupu bersubsidi yang daya serapnya rendah dan asus elangaan di berbagai loasi di Indonesia.
Lebih terperinciPENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Wahyudi, Sorihi, dan Iwan Setiawan. Jurusan Teni Eletro Faultas Teni Universitas Diponegoro Semarang e-mail : wahyuditinom@yahoo.com.
Lebih terperinciRINGKASAN SKRIPSI MODUL PERKALIAN
RINGKASAN SKRIPSI MODUL PERKALIAN SAMSUL ARIFIN 04/177414/PA/09899 DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS GADJAH MADA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM YOGYAKARTA 2008 HALAMAN PENGESAHAN
Lebih terperinciModel Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009
Model Pembelaaran Off-Line Menggunaan Jaringan Syaraf Tiruan Untu Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teni Eletronia PENS 2009 Arie Setya Wulandari#, Eru Puspita S.T., M.Kom#2 # Jurusan
Lebih terperinciSifat-sifat Nilai Eigen dan Vektor Eigen Matriks atas Aljabar Maxplus
J. Sains Dasar () Sifat-sifat Nilai Eigen dan Vetor Eigen Matris atas ljabar Maxplus (The Properties of Eigen Value and Eigen Vector of Matrices Over Maxplus lgebra) Musthofa * dan Nienasih inatari * Jurusan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciPenentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway
Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA
Lebih terperinciCATATAN KULIAH RISET OPERASIONAL
CATATAN KULIAH RISET OPERASIONAL Pertemuan minggu pertama ( x 50 menit) Pemrograman Bulat Linear (Integer Linear Programming - ILP) Tuuan Instrusional Umum : Mahasiswa dapat menggunaan algoritma yang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,
Lebih terperinciMakalah Seminar Tugas Akhir. Aplikasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self Tuning Regulator (STR)
Maalah Seminar ugas Ahir Apliasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self uning Regulator (SR) Oleh : Muhammad Fitriyanto e-mail : D_3_N2@yahoo.com Maalah Seminar ugas Ahir Apliasi
Lebih terperinciPENCARIAN RUTE TERPENDEK OBJEK WISATA DI MAGELANG MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO)
PENCARIAN RUTE TERPENDEK OBJEK WISATA DI MAGELANG MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO) Bagus Fatkhurrozi *, Ika Setyowati Jurusan Teknik Elektro, Fakultas Teknik, Universitas Tidar Jl. Kapten Suparman
Lebih terperinciIDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD
JMP : Vol. 9 No. 1, Juni 17, hal. 13-11 ISSN 85-1456 IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR Gumgum Darmawan Statistia FMIPA UNPAD gumgum@unpad.ac.id Budhi Handoo Statistia
Lebih terperinciII. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode
3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode
Lebih terperinciMENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/f(x) DAN h(x)/f(x) ABSTRACT
MENENTUKAN TURUNAN DAN SIFAT-SIFAT TURUNAN DARI FUNGSI 1/(x DAN h(x/(x Yuliana Saitri 1, Sri Gemawati 2, Musraini 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan
Lebih terperinciPENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN
PENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN Amethis Otaorora 1, Bilqis Amaliah 2, Ahmad Saihu 3 Teni Informatia, Faultas Tenologi
Lebih terperinciALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER
ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER Oleh: Supardi SEKOLAH PASCA SARJANA JURUSAN ILMU FISIKA UNIVERSITAS NEGERI YOGYAKARTA 2012 1 PENDAHULUAN Liquid Crystal elastomer (LCE
Lebih terperinciIII DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT
III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT 3.1 Studi Literatur tentang Pengelolaan Sampah di Beberapa Kota di Dunia Kaian ilmiah dengan metode riset operasi tentang masalah
Lebih terperinciADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT
Jurnal Teni Eletro Vol. 3 No.1 Januari - Juni 1 6 ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoo Sumaryono ABSTRACT Noise is inevitable in communication
Lebih terperinciMENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE
MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE Desfrianta Salmon Barus - 350807 Jurusan Teni Informatia, Institut Tenologi Bandung Bandung e-mail: if807@students.itb.ac.id ABSTRAK
Lebih terperinciALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP
Media Informatika, Vol. 2, No. 2, Desember 2004, 75-81 ISSN: 0854-4743 ALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP Zainudin Zukhri, Shidiq Alhakim Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas
Lebih terperinciPENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL
PENERAPAN PROGRAM DINAMIS UNTUK MENGHITUNG ANGKA FIBONACCI DAN KOEFISIEN BINOMIAL Reisha Humaira NIM 13505047 Program Studi Teni Informatia Institut Tenologi Bandung Jl. Ganesha 10, Bandung E-mail : if15047@students.if.itb.ac.id
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan
Lebih terperinciESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)
SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi
Lebih terperinciSOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK (STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS)
Prosiding Semirata15 bidang MIPA BKS-PTN Barat Hal 357-36 SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS) Budi Rudianto 1, Narwen Jurusan
Lebih terperinciMASALAH VEKTOR EIGEN MATRIKS INVERS MONGE DI ALJABAR MAX-PLUS
Seminar Sains Penidi Sains VI UKSW Salatiga Juni 0 MSLH VEKTOR EIGEN MTRIKS INVERS MONGE DI LJBR MX-PLUS Farida Suwaibah Subiono Mahmud Yunus Jurusan Matematia FMIP Institut Tenologi Sepuluh Nopember Surabaya
Lebih terperinciPenerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik
Penerapan Sistem Persamaan Lanjar untu Merancang Algoritma Kriptografi Klasi Hendra Hadhil Choiri (135 08 041) Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,
Lebih terperinciMakalah Seminar Tugas Akhir
Maalah Seminar Tugas Ahir PENDETEKSI POSISI MENGGUNAKAN SENSOR ACCELEROMETER MMA7260Q BERBASIS MIKROKONTROLER ATMEGA 32 Muhammad Riyadi Wahyudi, ST., MT. Iwan Setiawan, ST., MT. Abstract Currently, determining
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 TEORI GRAF 2.1.1 Definisi Definisi 2.1 (Munir, 2009, p356) Secara matematis, graf G didefinisikan sebagai pasangan himpunan (V,E), ditulis dengan notasi G = (V,E), yang dalam hal
Lebih terperinciUJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure
8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher
Lebih terperinciSISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT GAGAL GINJAL DENGAN MENGGUNAKAN METODE BAYES
Pelita Informatia Budi Darma, Volume : IV, Nomor: 3, Agustus 203 ISSN : 230-425 SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT GAGAL GINJAL DENGAN MENGGUNAKAN METODE BAYES Sri Rahayu 044) Mahasiswa Program Studi
Lebih terperinciVI. PEMILIHAN MODA (Modal Split/Choice)
VI. PEMILIHAN MODA (Modal Split/Choice) 6.. UMUM Tujuan: Mengetahui proporsi pengaloasian perjalanan e berbagai moda transportasi. Ada dua emunginan situasi yang dihadapi dalam meramal pemilihan moda:
Lebih terperinciVARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL
SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS
Lebih terperinciPENEMUAN JALUR TERPENDEK DENGAN ALGORITMA ANT COLONY. Budi Triandi
Budi, Penemuan Jalur Terpendek Dengan 73 PENEMUAN JALUR TERPENDEK DENGAN ALGORITMA ANT COLONY Budi Triandi Dosen Teknik Informatika STMIK Potensi Utama STMIK Potensi Utama, Jl.K.L Yos Sudarso Km 6,5 No.3-A
Lebih terperinciBAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA
BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan
Lebih terperinciRANCANG BANGUN VEHICLE ROUTING PROBLEM MENGGUNAKAN ALGORITMA TABU SEARCH
JURNAL FOURIER Otober 2015, Vol. 4, No. 2, 155 167 ISSN: 2252-763X RANCANG BANGUN VEHICLE ROUTING PROBLEM MENGGUNAKAN ALGORITMA TABU SEARCH Sulistiono 1, Noor Saif Muhammad Mussafi 2 1 Program Studi Matematia
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Tinjauan Pustaa Untu menacapai tujuan penulisan sripsi, diperluan beberapa pengertian dan teori yang relevan dengan pembahasan. Karena itu, dalam subbab ini aan diberian beberapa
Lebih terperinci