Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) PENYELESAIAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ANT COLONY SYSTEM (ACS)
|
|
- Hartanti Irawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Volume. I Nomor. 2, Bulan Otober ISSN : PENYELESAIAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ANT COLONY SYSTEM (ACS) Irawan Afrianto 1, Euis Wiiani Jamilah 2 1,2 Program Stui Teni Informatia UNIKOM Jl. Dipati Uur Banung irawan@uniom.ac.i ABSTRAK Masalah optimasi jaringan menjaian aanya ebutuhan untu mencari nilai terecil (minimal) paa suatu eaaan jaringan. Salah satu masalah optimasi jaringan aalah Minimum spanning tree (MST), yaitu suatu eaaan imana semua noe alam graf terhubung, namun tia boleh terapat loop ialamnya an ihitung bobot tree yang terecil..salah satu apliasi MST aalah pembuatan jaringan omuniasi atau telepon yang aan menghubungan semua stasiun telepon paa suatu ota yang aa. Permasalahannya aalah mencari jara terpene antara ota-ota tersebut sehingga penggunaan abel aan lebih seiit yang berarti menghemat biaya pembangunan jaringan telepon tersebut. Ant Colony System (ACS) aalah salah satu algoritma heuristi yang apat igunaan untu menyelesaian masalah MST tersebut. Dalam pencarian solusi asus MST, Permasalahan irepresentasi seperti seumpulan semut yang beerja sama untu menetuan solusi MST yang paling bai, semut-semut beerja sama melalui omuniasi tia langsung engan menggunaan jeja pheromone yang isimpan paa sisi-sisi ari graph MST. Dari hasil uji yang ilauan engan menggunaan parameter 1, 0. 5, 0. 1, 0. 5,Q = 100, an NC max = 10 iperoleh esimpulan bahwa ACS apat aian sebagai alternatif untu memecahan masalah MST mesipun tia selalu memberian solusi yang optimal, iarenaan cara erja ACS yang bersifat heuristi. Kata unci : Optimasi, Minimum spanning tree, Ant Colony System, Heuristi. 1. PENDAHULUAN Kemajuan Tenologi omuniasi berembang pesat seiring engan meningatnya ebutuhan informasi. Komuniasi aalah salah satu sarana untu menapatan informasi engan cepat, sebagai contohnya aalah telepon. Dengan telepon, manusia tia lagi memerluan watu yang lama untu menyampaian informasi walaupun berbea ota, propinsi an negara. Tetapi masih aa ota yang belum bisa terjangau engan jaringan telepon, sehingga penistribusian jaringan telepon tersebut belum optimum. Suatu jaringan yang optimum harus mampu menghubungan semua ota atau semua tempat agar apat beromuniasi, engan jara sepene mungin sehingga aan meminimuman penggunaan abel. Masalah optimasi jaringan ini bisa iselesaian salah satunya engan menggunaan Minimum spanning tree (MST). Minimum spanning tree merupaan suatu graph yang memilii bobot terecil yang membentu pohon (Tree). Dengan Minimum spanning tree ini, apat merencanaan jaringan omuniasi atau istribusi ari obje yang imilii secara eonomis, arena icari jara terpene ari sejumlah stasiun jaringan telepon. Untu menyelesaian masalah tersebut, apat igunaan beberapa metoe atau algoritma, antara lain aalah algoritma ant colony system an algoritma rusal. Algoritma ant colony system merupaan salah satu algoritma pencarian heuristic. Paa asarnya ant colony system mengaaptasi cara erja semut riil alam pencarian maanan engan mencari lintasan terpene untu sampai e tujuan, ant colony system ini iharapan apat aian sebagai alternatif untu memecahan masalah Minimum spanning tree. Untu melihat performansi ari ant colony system maa igunaan algoritma rusal sebagai algoritma pembaning. Algoritma Krusal merupaan salah satu algoritma untu pemecahan masalah Minimum spanning tree secara onvensional 2. TEORI PENDUKUNG 2.1 Graph Graph merupaan representasi ari suatu masalah yang igambaran sebagai seumpulan notah atau simpul (vertex) yang ihubungan engan seumpulan garis atau sisi (ege). Secara singat suatu graph apat itulis sebagai G = (V,E) yang alam hal ini: V = Himpunan berhingga an tia osong ari simpul-simpul (vertex).
2 Volume. I Nomor. 2, Bulan Otober ISSN : = { v1, v2, vn } E =Himpunan sisi yang menghubungan sepasang simpul. = { e1, e2, en } Simpul paa graph apat inomori engan huruf, seperti v,w,, engan bilangan asli 1, 2,3,, atau gabungan euanya. Sisi (ege) yang menghubungan ua simpul (vertex) vi an vj inyataan engan pasangan (vi, vj) atau engan lambang e1, e2, engan ata lain, jia e aalah sisi yang menghubungan simpul vi an vj, maa e apat itulis sebagai e = (vi, vj). c. Graf berarah an tia berbobot: tiap busur mempunyai ana panah yang tia berbobot. Gambar 4 menunjuan graf berarah an tia berbobot. Gambar 4. Graf berarah an tia berbobot. Graf tia berarah an tia berbobot: tiap busur tia mempunyai ana panah an tia berbobot. Gambar 1 Graph Seerhana (a), Graph Gana (b), Graph Semu (c) Menurut arah an bobotnya, graf ibagi menjai empat bagian, yaitu: a. Graf berarah an berbobot : tiap busur mempunyai ana panah an bobot. Gambar 2. menunjuan graf berarah an berbobot yang teriri ari tujuh titi yaitu titi A,B,C,D,E,F,G. Titi menujuan arah e titi B an titi C, titi B menunjuan arah e titi D an titi C, an seterusnya. Bobot antar titi A an titi B pun telah i etahui. Gambar 5 Graf tia berarah an tia berbobot 2.2 Pohon Rentang (Spanning Tree) Pohon rentang merupaan suatu Subgraph ari suatu graph imana setiap simpul paa pohon rentang sama engan semua simpul paa graph. Gambar 6 aalah graph lengap an empat buah pohon rentangnya. Gambar 2. Graf berarah an berbobot b. Graf tia berarah an berbobot : tiap busur tia mempunyai ana panah tetapi mempunyai bobot. Gambar 3 menunjuan graf tia berarah an berbobot. Graf teriri ari tujuh titi yaitu titi A,B,C,D,E,F,G. Titi A tia menunjuan arah e titi B atau C, namun bobot antara titi A an titi B telah ietahui. Begitu juga engan titi yang lain. G T1 T2 T3 Gambar 6 Graph Lengap G engan pohon rentangnya T1, T2, T3 2.3 Pohon Rentang Minimum ( Minimum spanning tree ) Pohon Rentang (Spanning Tree) paa suatu graph aalah subgraph minimal yang menghubungan semua simpul paa graph. Apabila graph tersebut aalah graph berbobot (Weighte Graph), emuian ari pohon rentang yang imilii oleh graph iefinisian sebagai penjumlahan ari bobot bobot seluruh cabang paa pohon rentang maa aan iperoleh pohon rentang yang memilii bobot. Pohon rentang yang memilii bobot terecil paa suatu graph berbobot isebut Pohon rentang Minimum (Minimum spanning tree). Gambar 3 Graf tia berarah an berbobot
3 Volume. I Nomor. 2, Bulan Otober ISSN : a a 14 9 b c Gambar 7 (a) Graph berbobot engan (b) pohon rentang minimumnya. Secara umum penyelesaian masalah Minimum spanning tree apat ilauan engan menggunaan metoe onvensial an metoe heuristi. Metoe onvensional menggunaan perhitungan matematis biasa untu menyelesaian masalah MST sepeti algortima Prim an Krusal. Sementara metoe heuristi menggunaan ecerasan buatan untu menentuan rute terpene paa MST, salah satu metoe yang apat igunaan aalah Ant Colony System (ACS). 2.4 Konsep Ant Colony System (ACS) Koloni semut merupaan algorima yang bersifat heuristi untu menyelesaian masalah optimasi. Algoritma ini iinspirasian oleh lingungan ooni semut paa saat mencari maanan. Semut apat mencari maanan. Semut apat mencari lintasan terpene ari suatu sumber maanan menuju sarangnya, tanpa harus melihatnya secara langsung. Karena terinspirasi ari semut asli inamaan algoritma oloni semut. Semut-semut mempunyai penyelesaian yang uni an sangat maju, yaitu menggunaan jeja pheromone paa suatu jalur untu beromuniasi an membangun solusi, semain banya jeja pheromone itinggalan, maa jalur tersebut aan iiuti oleh semut lain. Gambar 8. Ilustrasi semut menemuan sumber maanan 2.5 Penerapan Ant Colony System (ACS) Paa Minimum spanning tree Ant Colony System (ACS) merupaan salah satu algoritma pencarian alam penyelesaian asus ombinatorial. Dalam pencarian solusi asus ombinatorial, algoritma ini memanfaatan informasi loal ari solusi yang telah itemuan sebelumnya secara ranom (aca) an memperbaii solusi yang telah itemuan melalui sebuah meanisme pengumpulan informasi. a 11 8 b 9 b c Aapun langah-langah yang ilauan oleh ACS untu menyelesaiaan masalah Minimum spanning tree aalah sebagai beriut : Langah 1 : Inisialisasi harga parameter-parameter algoritma an Inisialisasi ota pertama setiap semut. Masuan algoritma aalah n (banya ota) beriut x an y (oorinat) atau (jara antar ota). Aapun Beberapa Parameter algoritma, yaitu : 1. Q : Tetapan Silus Semut 2. α :Tetapan Pengenali Intensitas jeja semut 3. β : Tetapan Pengenali Visibilitas 4. η : Visibilitas antar ota = 1/ 5. m : Banya semut 6. ρ : Tetapan penguapan jeja semut 7. NC max : Jumlah silus maximum, Bersifat tetap selama algoritma alanan 8. τ : Intensitas jeja semut antar ota, aan selalu iperbaharui harganya paa setiap silus algoritma mulai ari silus pertama (NC = 1) sampai tercapai. Jumlah silus maximum (NC = NC max )atau sampai terjai onvergensi. Intensitas jeja semut antar ota perlu iinisialisasi engan harga tertentu. Biasanya harga yang igunaan aalah bilangan positif ecil engan perubahan intensitas jeja semut antar ota sama engan nol. Misalan b : t(i = 1,,n) aalah jumlah semut ialam suatu ota i paa saat t an misalan n i 1 i m b ( t) aalah jumlah total semut. Setiap semut aalah umpulan yang seerhana engan arateristi beriut : 1. Semut memilih ota yang aan iunjungi engan probabilitas yang ifungsian paa jara ota an jumlah jeja yang terapat paa setiap hubungan batas. 2. Sebuah Strutur ata, isebut tabu list yang iasosiasian engan tiap semut. Tabu list ini igunaan untu menyimpan aftar ota yang telah iunjungi an larangan semut untu mengunjunginya lagi sampai perjalanan selesai. 3. Saat perjalanan selesai, semut ini meninggalan bagian yang isebut trail atau jeja paa setiap batas (i,j) yang telah iunjungi. Algoritma imulai engan menistribusian semut paa ota pertama masing-masing. Setiap semut itempatan i ota-ota tertentu secara aca. Penistribusian semut paa ota pertama inilah yang isebut engan inisialisasi ota pertama setiap semut. Langah 2 : Pengisian ota pertama ealam tabu list. Kota-ota pertama setiap semut hasil inisialisasi langah 1 harus iisian sebagai elemen pertama
4 Volume. I Nomor. 2, Bulan Otober ISSN : tabu list. Dari langah ini aan iapat elemen pertama tabu list setiap semut berisi ines ota tertentu. Jai setiap tabu (l) bisa berisi ines ota antara l sampai n sebagaimana hasil inisialisasi paa langah 1. Tabu list igunaan untu menyimpan aftar urutan noe-noe yang suah iunjungi setiap semut. Paa awalnya, etia algoritma belum alanan atau sebelum sebuah silus unjungan imulai, tabu list setiap semut osong. Kemuian setiap ali seeor semut berunjung esetiap ota, elemen tabu list bertambah satu, emiian seterusnya sampai tabu list penuh atau mempunyai banya elemen sama engan banya semua noe yang harus iunjungi. Selain berfungsi sebagai penyimpan aftar urutan noe, tabu list juga ipaai untu mengetahui noenoe yang belum iunjungi semut sebelum sampai e noe terahir. Gambar 9. Array MST paa Tabu list Langah 3 : Penyusunan rute unjungan setiap semut e setiap ota. Setelah semut-semut teristribusi e setiap noe, semut-semut aan mulai melauan perjalanan ari noe pertama sebagai noe asal an salah satu noe-noe lainnya sebagai noe tujuan. Kemuian ari noe eua semut-semut aan melanjutan perjalanan engan memilih salah satu ari noenoe yang tia terapat paa tabu sebagai noe tujuan beriutnya. Demiian seterusnya sampai semua noe satu persatu telah menempati tabu. Jia s menyataan ines urutan unjungan, noe asal inyataan sebagai sebagai tabu (s) an noe-noe lainnya inyataan sebagai {N-tabu }, i merupaan noe asal an j menyataan noe tujuan, maa untu menentuan noe tujuan igunaan persamaan probabilitas noe untu iunjungi sebagai beriut :. p. i ' i ' ' N tabu,untu j{n - tabu } p 0, untu j lainnya (1) Langah 4 : Perhitungan Panjang Rute setiap Semut, Pencarian Rute Terpene an Perhitungan Perubahan Harga Intensitas Jeja Kai Semut antar Noe Setelah satu silus iselesaian oleh semua semut, maa panjang rute atau L setiap semut apat ihitung berasaran tabu masing-masing engan persamaan beriut: L n 1 s1 tabu ( s).( s1) Dengan aalah jara antara noe i e noe j yang ihitung berasaran persamaan : x x y y 2 i 2 j i j Selanjutnya icari harga minimal panjang rute setiap silus atau L minnc sebagai : L minnc = min (L 1, L 2, L m ) (4) Seangan harga minimal panjang rute secara eseluruhan aalah L min = min (L min1, L min2,.., L min3 ) (5) Perjalanan semut antar noe aan meninggalan jeja-jeja ai paa semua lintasan yang ilaluinya. Aanya penguapan menyebaban emunginan terjainya perubahan harga intensitas jeja ai semut antar noe. Persamaan perubahan ini aalah: m 1 Dengan Δτ aalah perubahan harga intensitas jeja ai semut antar noe setiap yang ihitung engan persamaan sebagai beriut : Q L, untu (i,j) noe asal an noe tujuan alam tabu 0, untu (i,j) lainnya Langah 5 : Perhitungan Harga Intensitas Jeja ai Semut antar Noe untu Silus Beriutnya an Reset Harga intensitas Jeja ai semut antar noe Semua lintasan antar noe yang aian jalur semut mempunyai emunginan untu ilewati semut-semut paa silus beriutnya. Karena aanya penguapan an intensitasnya juga mengalami perubahan tergantung paa semut-semut yang melewatinya, maa imata semut yang aan lewat paa lintasan tersebut untu silus beriutnya, harga intensitas suah berubah. Harga Intensitas jeja ai semut antar noe untu silus beriutnya ihitung engan persamaan :. (2) (3) (6) (7) Selanjutnya untu silus yang beriutnya perubahan harga intensitas jeja semut antar noe perlu i-reset embali agar berharga sama engan nol. Langah 6 : Pengosongan tabu list Apabila belum tercapai jumlah silus masimum atau belum teronvergensi, maa algoritma perlu iulang lagi ari langah 2 engan harga parameter intensitas jeja ai semut antar noe yang suah iperbaharui. Disamping itu tabu list perlu iosongan untu iisi lagi engan urutan noe yang baru paa silus beriutnya. Proses ini berlangsung sampai perjalanan mencapai jumlah masimum paa alur NC max atau semua semut membuat pola perjalanan yang sama. Karena hal ini
5 Volume. I Nomor. 2, Bulan Otober ISSN : isebut engan Stagnation Behavior arena ini igunaan paa situasi imana titi algoritma mencapai solusi alternatif. 3. PEMBAHASAN 3.1 Metoe Penelitian Metoe penelitian yang ilauan alam penelitian ini mencaup egiatan : a. Metoe epustaaan Mengumpulan sumber-sumber ari buu-buu tes, jurnal an penelitian-penelitian yang relevan engan penelitian b. Pengembangan Perangat Luna Menggunaan peneatan waterfall alam pengembangan perangat luna Ant Colony System alam penyelesaian MST. Gambar 10. Moel Waterfall Pressman 3.2 Anasisis Sistem Sistem beerja engan memasuan jumlah ota yang aan ihitung Minimum spanning treenya (alam hal ini panjang abel minimum). Tetapan parameter ACS igunaan sebagai parameter masuan guna mengeseusi algoritma ACS alam memproses masalah MST sesuai engan alur erja algoritmanya. Setelah proses omputasi ACS-MST selesai ilauan (berhenti arena iterasi masimum), maa sistem aan mengeluaran eluaran berupa watu omputasi an panjang abel minimum yang menghubungan antar ota tersebut. Sistem Optimasi Minimum Spanning Tree engan Ant Colony System Memasuan Jumlah Kota (Mas 30 Kota) Tetapan Parameter ACS Q NCmax Hitung MST (Proses ACS Hingga Iterasi terahir) alam bentu tabel jara ota seperti paa Tabel 1. Jumlah ota alam penelitian ini ibatasi sebanya 30 ota. Tabel 1. Data Jara Antar Kota Keterangan : 1 : Paneglang, 2 : Rangasbitung, 3.: Cipanas, 4 : Tangerang, 5 : Banara Soearno Hatta,., 30 : Cirebon. Data tersebut irepresentasian alam bentu array 2 imensi an merupaan graf lengap, arena semua ota terhubung engan semua ota lainnya. Sementara untu parameter ACS yang igunaan untu penyelesaian masalah MST apat ilihat paa Tabel 2. Tabel 2. Parameter ACS Parameter Nilai Q 100 NC max IMPLEMENTASI an PENGUJIAN SISTEM 4.1 Implementasi Sistem Apliasi penyelesaian masalah MST engan ACS ini iembangan menggunaan Borlan Delphi 7.0 engan masimal ota yang apat imasuan sebanya 30. Dialam apliasi tersebut menyertaan algoritma onvensional (algoritma Krusal) sebagai pembaning algortima ACS. Aapun tampilan ari apliasi MST ACS terlihat paa gambar 12. Menampilan Hasil Optimasi (Watu Komputasi an Panjang Kabel Minimum) Gambar 11. Alur Kerja Sistem ACS-MST 3.3 Analisis Data an Parameter ACS Data yang igunaan alam penelitian ini aalah ata jara antar ota i Jawa Barat, yang ibuat Gambar 12. Tampilan Apliasi MST ACS
6 Volume. I Nomor. 2, Bulan Otober ISSN : Aapun jara yang aan ihitung paa MST aalah jara antar ota i Jawa Barat yang imoelan berupa graf lengap, imana setiap ota terhubung e ota lainnya, seperti paa gambar 13. Gambar 13. Tampilan Jara Antar Kota MST ACS Keluaran ari apliasi MST-ACS aalah berupa simulasi Minimum spanning tree yang ihasilan yang menghubungan jumlah ota sesuai pilihan. yang sama engan algoritma rusal. Watu omputasi algortima ACS lebih cepat untu jumlah ota ibawah 20 ota, sementara untu jumlah ota iatas 25 ota, algoritma Krusal lebih cepat proses omputasinya. 5. PENUTUP Dari hasil pengujian yang ilauan apat iambil esimpulan sebagai beriut : 1. Ant Colony System apat aian sebagai alternatif untu memecahan masalah Minimum spanning tree, hasil yang iperoleh sama algoritma onvensioanl (rusal) alam penyelesaian masalah Minimum spanning tree. 2. Susunan ota yang ihubungan untu menghasilan panjang abel minimum setiap algoritma berbea, namun menghasilan jara MST yang sama. 3. Paa Algoritma ant colony system, iterasi sangat berpengaruh paa watu omputasi, walaupun susunan stasiun telepon yang terlewati relatif sama. 4. Dilihat ari segi watu omputasi : Paa algoritma semut untu iterasi 10, watu omputasi lebih cepat jia jumlah stasiun telepon yang ihubungan urang ari 15. Seangan jia iterasinya 25, proses lebih cepat jia stasiun yang ihubungannya urang ari 11. Paa Algoritma Krusal, Proses omputasi lebih cepat jia stasiun telepon yang ihubungannya lebih ari 15. DAFTAR PUSTAKA Gambar 14. Tampilan Keluaran MST ACS 4.2 Pengujian Sistem Sistem iuji engan menggunaan parameter ACS yang telah itetapan paa Tabel 2 engan jumlah ota yang aan iuji aalah 8, 10, 15, 20, 25, an 30 ota. Aapun hasil eluaran sistem aalah MST yang iperoleh (panjang abel) serta watu omputasinya. Tabel 3. Hasil Pengujian Sistem Panjang Kabel Watu Komputasi Jumlah (m) (ms) Kota ACS Krusal ACS Krusal 8 145,88 145, ,27 195, ,40 324, ,68 412, ,60 531, ,78 674, Hasil pengujian menunjuan bahwa algoritma ACS mampu menghasilan Minimum spanning tree [1]. Afrianto, Irawan. Perbaningan Algoritma Konvensional an Algoritma Geneti alam memecahan masalah Minimum spanning tree, Sripsi, Jurusan Teni Informatia, UNIKOM, [2]. Deo, Narsingh. Graph Theory (With aplications To Engineering An Computer Science), Prentice-Hall of Inia Pvt.Lt, [3]. Dimyati, Tjuju T,. Dimyati,Ahma. Operations Research, Sinar baru Algensino, [4]. Kusumaewi, Sri,. Purnomo, Hari,. Penyelesaian Masalah Optimasi engan Teni teni Heuristi, Yogyaarta: Graha Ilmu, [5]. Lipschutz, Saymour. Lipson, Marc Lars. Matematia Dis.rit. Jili 2. Penerbit Salemba Tenia, [6]. Marco Dorigo an Gianni Di Caro, The Ant 1. Colony Optimization Meta Heuristic Belgium, [7]. Sufa atin, Penyelesaian Travelling Salesman menggunaan Simulate Annealing, Sripsi; Jurusan Teni Informatia, UNIKOM, 2003.
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 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 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 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 terperinciPEMANFAATAN METODE HEURISTIK DALAM PENCARIAN MINIMUM SPANNING TREE DENGAN ALGORITMA SEMUT
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
Lebih terperinciBAB III METODE PENELITIAN. Lokasi yang dijadikan tempat dalam penelitian ini adalah Tempat
BAB III METODE PENELITIAN 3.1 Loasi an Watu Penelitian 3.1.1 Loasi penelitian Loasi yang ijaian tempat alam penelitian ini aalah Tempat Pelelangan Ian (TPI) Kota Gorontalo. 3.1. Watu penelitian Penelitian
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 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 terperinciAplikasi Neural-Fuzzy pada Regresi Interval untuk Data Time Series
Apliasi Neural-Fuzzy paa Regresi Interval untu Data Time Series Sri Kusumaewi Jurusan Teni Informatia, Universitas Islam Inonesia, Yogyaarta Jl. Kaliurang K, 4, Yogyaarta (04 E-mail : cicie@fti.uii.ac.i
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 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 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 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 terperinciPERBANDINGAN METODE BRANCH AND BOUND UNTUK PENYELESAIAN MASALAH DISTRIBUSI AQUA GALON DI PT.TIRTA INVESTAMA YOGYAKARTA
PERBANDINGAN METODE BRANCH AND BOUND DENGAN METODE CLARKE AND WRIGHT SAVINGS UNTUK PENYELESAIAN MASALAH DISTRIBUSI AQUA GALON DI PT.TIRTA INVESTAMA YOGYAKARTA SKRIPSI Diajuan Kepaa Faultas Matematia an
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 terperinciMAKALAH TUGAS AKHIR DIMENSI METRIK PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 + mk n
MAKALAH TUGAS AKHIR DIMENSI METRIK PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 + mk n Oleh : JOHANES ARIF PURWONO 105 100 00 Pembimbing : Drs. Suhu Wahyui, MSi 131 651 47 ABSTRAK Graph aalah suatu sistem
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 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 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 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 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 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 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 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 terperinciMETODE PENELITIAN Data Langkah-Langkah Penelitian
METODE PENELITIAN Data Inonesia merupakan salah satu negara yang tiak mempunyai ata vital statistik yang lengkap. Dengan memperhatikan hal tersebut, sangat tepat menggunakan Moel CPA untuk mengukur tingkat
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 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 terperinciJURNAL PEMBELAJARAN FISIKA
Volume 1, Nomor 3, Desember 2012 ISSN : 2301-9794 JURNAL PEMBELAJARAN FISIKA Diterbitan Oleh: Program Stui Peniian Fisia FKIP Universitas Jember JURNAL PEMBELAJARAN FISIKA (JPF) Terbit empat ali setahun
Lebih terperinciBREAK EVEN ANALYSIS PENYUSUTAN (DEPRESIASI)
BREAK EVEN ANALYSIS PENYUSUTAN (DEPRESIASI) 1. Brea Even Analysis Pengertian Langah-langah perhitungan Contoh 2. Penyusutan (Depresiasi) Pengertian Metoe Depresiasi Contoh BREAK EVEN ANALYSIS Paa investasi
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 terperinciANT COLONY OPTIMIZATION
ANT COLONY OPTIMIZATION WIDHAPRASA EKAMATRA WALIPRANA - 13508080 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung e-mail: w3w_stay@yahoo.com ABSTRAK The Ant Colony Optimization
Lebih terperinciPemanfaatan Algoritma Hybrid Ant Colony Optimization dalam Menyelesaikan Permasalahan Capacitated Minimum Spanning Tree. Tamam Asrori ( )
Pemanfaatan Algoritma Hybrid Ant Colony Optimization dalam Menyelesaikan Permasalahan Capacitated Minimum Spanning Tree Tamam Asrori (5104 100 146) Pendahuluan Latar Belakang Tujuan Dan Manfaat Rumusan
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 terperinciBAB IV ANALISIS MASALAH
BAB IV ANALISIS MASALAH 4.1 Tampilan Program Persoalan TSP yang dibahas pada tugas akhir ini memiliki kompleksitas atau ruang solusi yang jauh lebih besar dari TSP biasa yakni TSP asimetris dan simetris.
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 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 terperinciANALISIS ALGORITMA SEMUT UNTUK PEMECAHAN MASALAH PENUGASAN
ANALISIS ALGORITMA SEMUT UNTUK PEMECAHAN MASALAH PENUGASAN Zainudin Zukhri Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia Kampus Terpadu UII Jl Kaliurang Km 14.5 Yogyakarta
Lebih terperinciMETODE KEKAKUAN (METODE DEFORMASI)
METODE KEKAKUAN (METODE DEORMASI) (DISPLACEMENT METHOD ATAU STINESS METHOD) Hanayanu Metoe Elemen Hingga (LL6) JTK-TK-ITS DEINISI MATRIK KEKAKUAN Matri eauan elemen: ˆ sehingga persamaan sistem aalah:
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 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 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 terperinciUniversitas Indonusa Esa Unggul Fakultas Ilmu Komputer Teknik Informatika. Integral Lipat Dua
Universitas Inonusa Esa Unggul Faultas Ilmu Komputer Teni Informatia Integral Lipat ua Integral Lipat ua Misalan z = f(,) terefinisi paa merupaan suatu persegi panjang tertutup, aitu : = {(, ) : a b, c
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 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 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 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 Traveling Salesperson Problem dengan Menggunakan Algoritma Semut
Penyelesaian Traveling Salesperson Problem dengan Menggunakan Algoritma Semut Irfan Afif (13507099) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung,
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 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 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 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 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 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 terperinciBAB II KAJIAN TEORI. semut, dan travelling salesman problem. Teori graf digunakan untuk menerapkan
BAB II KAJIAN TEORI Pada bab kajian teori akan dibahas tentang teori graf, algoritma, algoritma semut, dan travelling salesman problem. Teori graf digunakan untuk menerapkan aplikasi rute Trans Jogja.
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 terperinciSTUDI PERBANDINGAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN ANT COLONY SYSTEM DALAM PEMECAHAN TRAVELLING SALESMAN PROBLEM
Seminar Nasional Aplikasi Teknologi Informasi (SNATI ) ISSN: `1907-5022 Yogyakarta, 19 Juni STUDI PERBANDINGAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN ANT COLONY SYSTEM DALAM PEMECAHAN TRAVELLING SALESMAN
Lebih terperinciANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT
Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry
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 terperinciAx b Cx d dan dua persamaan linier yang dapat ditentukan solusinya x Ax b dan Ax b. Pada sistem Ax b Cx d solusi akan
SOLUSI SISTEM PERSAMAAN LINIER PADA ALJABAR MAX-PLUS Bui Cahyono Peniikan Matematika, FSAINSTEK, Universitas Walisongo Semarang bui_oplang@yahoo.com Abstrak Dalam kehiupan sehari-hari seringkali kita menapatkan
Lebih terperinciBAB 2 LANDASAN TEORI. yang akan diproduksi oleh perusahaan dalam satu periode yang akan datang.
7 BAB LANDASAN TEORI. Perencanaan Prousi Perencanaan prousi merupaan perencanaan tentang prou an berapa umlah yang aan iprousi oleh perusahaan alam satu perioe yang aan atang. Perencanaan prousi merupaan
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 terperinciANALISIS ALGORITMA ANT SYSTEM (AS) PADA KASUS TRAVELLING SALESMAN PROBLEM (TSP)
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 201 210. ANALISIS ALGORITMA ANT SYSTEM (AS) PADA KASUS TRAVELLING SALESMAN PROBLEM (TSP) Cindy Cipta Sari, Bayu Prihandono,
Lebih terperinciSTUDI KOMPARATIF ALGORITMA ANT DAN ALGORITMA GENETIK PADA TRAVELLING SALESMAN PROBLEM
Jurnal Computech & Bisnis, Vol. 3, No. 1, Juni 2009, 30-36 ISSN Studi 1978-9629 Komparatif Algoritma Ant...(Bambang Siswoyo & Andrianto) STUDI KOMPARATIF ALGORITMA ANT DAN ALGORITMA GENETIK PADA TRAVELLING
Lebih 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Graf adalah salah satu metode yang sering digunakan untuk mencari solusi dari permasalahan diskrit dalam dunia nyata. Dalam kehidupan sehari-hari, graf digunakan untuk
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 terperinciPROGRAM KOMPUTER UNTUK PEMODELAN SEBARAN PERGERAKAN. Abstrak
PROGRAM KOMPUTER UNTUK PEMODELAN SEBARAN PERGERAKAN Ruy Setiawan, ST., MT. Sukanto Tejokusuma, Ir., M.Sc. Jenny Purwonegoro, ST. Staf Pengajar Fakultas Staf Pengajar Fakultas Alumni Fakultas Teknik Sipil
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 terperinciPERSAMAAN DIFFERENSIAL PARSIAL DALAM KOORDINAT SILINDIRS PADA MASALAH KONDUKSI PANAS
PERSAMAAN DIFFERENSIAL PARSIAL DALAM KOORDINA SILINDIRS PADA MASALAH KONDUKSI PANAS Agung Hanayanto Absta Poses pepinahan panas/enegi melalui suatu meia at paat atau ai yang tejai aena onta langsung iantaa
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 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 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 terperinciUniversitas Pendidikan Indonesia Jalan Dr. Setiabudi no 229, Bandung
Transmitansi Eletron yang Melalui Penghalang engan Ketebalan Nanometer paa Heterostrutur Anisotropi yang Diberi Tegangan Panjar Lili Hasanah # Khairurrijal Mirajuin Abullah Toto Winata an Suirno KK Fisia
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 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 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 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 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 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 terperinciMETODE PERSAMAAN DIOPHANTINE LINEAR DALAM PENENTUAN SOLUSI PROGRAM LINEAR INTEGER
METODE PERSAMAAN DIOPHANTINE LINEAR DALAM PENENTUAN SOLUSI PROGRAM LINEAR INTEGER Asrul Syam Program Stui Teknik Informatika, STMIK Dipanegara, Makassar e-mail: assyams03@gmail.com Abstrak Masalah optimasi
Lebih terperinci1 PRINSIP DASAR PEMODELAN
Seri Mata Kuliah : PEMODELN an MTEMTIK TERPN PRINSIP DSR PEMODELN an MODEL MTEMTIS.. Prinsip Dasar Pemoelan Secara funamental, pemoelan i alam ajian-ajian proses teni imia an proses aalah : Penggambaran
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI.. Definisi Graf Secara matematis, graf G didefinisikan sebagai pasangan himpunan (V,E) ditulis dengan notasi G = (V, E), yang dalam hal ini: V = himpunan tidak-kosong dari simpul-simpul
Lebih terperinciBAB 3 MODEL DASAR DINAMIKA VIRUS HIV DALAM TUBUH
BAB 3 MODEL DASA DINAMIKA VIUS HIV DALAM TUBUH 3.1 Moel Dasar Moel asar inamika virus HIV alam tubuh menggunakan beberapa asumsi sebagai berikut: Mula-mula tubuh alam keaaan tiak terinfeksi virus atau
Lebih terperinciJURNAL IT STMIK HANDAYANI
Nurilmiyanti Wardhani Teknik Informatika, STMIK Handayani Makassar ilmyangel@yahoo.com Abstrak Algoritma semut atau Ant Colony Optimization merupakan sebuah algoritma yang berasal dari alam. Algoritma
Lebih 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 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 terperinciStudi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya
Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id
Lebih terperinciPENERAPAN METODE PARTICLE SWARM OPTIMIZATION PADA METODE K-HARMONIC MEANS UNTUK DATA CLUSTERING
PENERAPAN METODE PARTICLE SWARM OPTIMIZATION PADA METODE K-HARMONIC MEANS UNTUK DATA CLUSTERING Yoe Ota a, Ahmad Saihu, S.Si,MT. b Jurusan Teni Informatia, Faultas Tenologi Informasi, Institut Tenologi
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 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 terperinciNeural Network menyerupai otak manusia dalam dua hal, yaitu:
2.4 Artificial Neural Networ 2.4.1 Konsep dasar Neural Networ Neural Networ (Jaringan Saraf Tiruan) merupaan prosesor yang sangat besar dan memilii ecenderungan untu menyimpan pengetahuan yang bersifat
Lebih terperinciKLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE
KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108
Lebih terperinciFUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL
Seminar Nasional Matematia dan Apliasinya, 2 Otober 27 FUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL Ridwan Pandiya #, Emi Iryanti #2 # S Informatia, Faultas Tenologi Industri dan
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 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 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 terperinciAnalisa Pencarian Jarak Terpendek Lokasi Wisata di Provinsi Sumatera Utara Menggunakan Algoritma Ant Colony Optimization (ACO)
Analisa Pencarian Jarak Terpendek Lokasi Wisata di Provinsi Sumatera Utara Menggunakan Algoritma Ant Colony Optimization (ACO) Juanda Hakim Lubis Prorgram Studi Teknik Informatika, Fakultas Teknik, Universitas
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 terperinciEstimasi Harga Saham Dengan Implementasi Metode Kalman Filter
Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter eguh Herlambang 1, Denis Fidita 2, Puspandam Katias 2 1 Program Studi Sistem Informasi Universitas Nahdlatul Ulama Surabaya Unusa Kampus B
Lebih terperinci