Generator Jadwal Perkuliahan Menggunakan Algoritma Genetika
|
|
- Suryadi Tanuwidjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Generator Jadwal Perkuliahan Menggunakan Algoritma Genetika Zainal Akbar 1), Muh. Fajri Raharjo 2), Eddy Tungadi 3) CAIR, Politeknik Negeri Ujung Pandang Jl. Perintis Kemerdekaan km. 10, Tamalanrea Makassar, zainalakbar89@gmail.com, aji.poltek@gmail.com, eddy.tungadi@poliupg.ac.id Abstrak - Penjadwalan mata kuliah merupakan salah satu kegiatan rutin yang dilakukan oleh kepala program studi disetiap memasuki masa perkuliahan dan hal ini bukanlah perkara yang mudah. Jadwal mata kuliah yang baik adalah jadwal yang memperhatikan semua variabel dasar penyusunnya. Variabel dasar terdiri atas dosen, mata kuliah, ruangan, dan jam kuliah. Untuk mencari alternatif dari penjadwalan digunakan algoritma genetika, yaitu algoritma yang menyelesaikan masalah dengan melakukan pemodelan mekanisme evolusi biologis. Kombinasi parameter genetika yang digunakan adalah seleksi roulette-wheel, kawin silang satu titik, dan mutasi. Aplikasi ini menghasilkan solusi jadwal perkuliahan dengan performansi maksimal. Program ditulis dengan menggunakan bahasa pemrograman VB6. Dari penggunaan algoritma genetika dalam penyelesaian masalah ini diharapkan dapat menjadi alternatif untuk penjadwalan dan menjadi bahan untuk diadakan penelitian mengenai algoritma genetika lebih lanjut. Kata kunci: penjadwalan, algoritma genetika PENDAHULUAN Penjadwalan mata kuliah dalam sebuah kampus merupakan pekerjaan yang tidak mudah. Banyak hal yang harus diperhatikan untuk menghasilkan jadwal yang baik. Hal-hal yang harus diperhatikan mengenai pembuatan jadwal perkuliahan antara lain : 1. Adanya jadwal jadwal di mana dosen yang bersangkutan mengajar pada waku yang sama. 2. Adanya jadwal-jadwal yang ruangan yang akan digunakan tidak bisa digunakan karena telah digunakan kelas yang lain. 3. Adanya mata kuliah yang membutuhkan ruangan khusus. 4. Penjadwalan mata kuliah akan semakin sulit jika melibatkan banyak program kelas dan tidak diimbangi dengan penambahan ruang perkuliahan. Sementara itu, Algoritma genetika merupakan algoritma pencarian yang berdasarkan pada seleksi alamiah dan genetika alamiah [1]. Algoritma ini berguna untuk masalah yang memerlukan pencarian yang efektif dan efisien. Algoritma genetika ini dapat digunakan untuk mendapatkan solusi tepat untuk masalah satu atau banyak variabel. Kekuatan algoritma genetika terdapat pada kemampuannya mendapatkan solusi global optimum METODOLOGI PENELITIAN Penelitian akan menggunakan algoritma genetika untuk memecahkan masalah penjadwalan dengan beberapa parameter. Sementara metode yang digunakan akan memanfaatkan keadaan steady state dan generational replacement. [1] Proses replacement dilakukan setiap kali dihasilkan dua offspring hasil crossover. Offspring menggantikan kromsom yang nilai fitness-nya paling kecil. Pseudo code untuk steady state dapat dilihat pada gambar 1. Proses replacement dilakukan sekaligus ketika dihasilkan satu populasi baru. Untuk mempertahankan individu terbaik diperlukan satu komponen yang disebut Elitisme, yakni penyalinan individu terbaik untuk dimasukkan sebagai anggota populasi pada generasi berikutnya, seperti pada gambar 2. Algoritma genetika dimulai dengan membentuk beberapa set solusi yang dipilih secara acak yang akan membentuk populasi. Setiap set solusi ini disebut kromosom. Di dalam populasi ini kromosom disebut juga individu. Algoritma ini mengoperasikan dua populasi induk.setiap set solusi atau kromosom ini direpresentasikan sebagai string kode.
2 Bangkitkan populasi awal, P individu Loop untuk P individu Dekodekan individu Evaluasi individu Loop sampai kondisi berhenti Pilih dua individu sebagai parent1 dan parent2 If perlu crossover then Offspring = crossover(parent1, parent2) If perlu mutation then Offspring = mutation(offspring) Ifoffspring lebih baik then Populasi = Replacement(populasi, offspring) Gambar 1. Pseudocode steady state Bangkitkan populasi awal, P individu Loop sampai kondisi berhenti Loop untuk P individu Dekodekan individu Evaluasi individu Buat satu atau dua individu terbaik Loop sampaidiadapatkan P individu baru Pilih dua individu sebagai parent1 dan parent2 If perlu crossover then Offspring = crossover(parent1, parent2) If perlu mutation then Offspring = mutation(offspring) Gambar 2. Psedocode generational replacement A. Flowchart Program Flowchart program ini terdiri dari beberapa sub program yaitu input data, proses data input, pembuatan kromosom dengan skema pengkodean, evaluai fitness, seleksi, pindah silang, mutasi serta cek kondisi selesai. Penjelasan untuk tiap proses. Skema pengkodean Dalam proses algoritma genetika, suatu permasalahan harus dikonversi kedalam bentuk individu yang diwakili oleh satu atau lebih kromosom dengan kode tertentu. Setiap individu dievaluasi dengan fungsi fitness. Individu bernilai fitness tinggi akan memiliki probabilitas terpilih besar juga dan pada akhirnya akan menjadi solusi pemecahan masalah. Seleksi Untuk mendapatkan solusi yang terbaik, maka program harus menyeleksi solusi yang ditawarkan. Seleksi menggunakan metode roulette-wheel. Metode ini menirukan permainan roullete-wheel dimana masing-masing individu menempati lingkaran pada roda roullete secara proporsional sesuai dengan nilai fitness. Semakin besar nilai fitness individu tersebut maka semakin kecil kemungkinan untuk terseleksi. Pindah silang Agar tidak terjadi dua individu yang identik maka dilakukan pindah silang. Sebuah nilai acak dibangkitkan untuk mewakili setiap individu dimana jika nilai acak tersebut kurang dari probabilitas pindah silang maka individu tersebut akan menjadi parent yang akan dipindah silangkan. Hal ini dapat menghasilkan offspring dengan keragaman yang lebih bervariasi. Mutasi Mutasi mengembalikan informasi gen yang hilang akibat proses pindah silang. Proses ini merupakan proses eksploitasi terhadap kemungkinankemungkinan modifikasi pada jadwal yang telah ada. Proses mutasi dapat menjadikan individu memiliki nilai fitness yang lebih tinggi maupun lebih rendah. Jika nilai fitness yang dihasilkan menjadi tinggi maka hal itulah yang diharapkan. Namun jika nilai fitness menjadi rendah maka bisa terjadi pada iterasi berikutnya diperoleh individu dengan nilai fitness yang lebih baik. Oleh karena itu kita tidak perlu memperhatikan naik turunnya nilai fitness akibat
3 mutasi karena hal ini akan berulang hingga mendapatkan solusi terbaik. Mutasi dilakukan pada tingkat gen, dalam hal ini mata kuliah, dengan probabilitas mutasi yang sangat kecil. Hal ini bertujuan agar mutasi tidak merusak gen pada individu unggul. Nilai acak dibangkitkan untuk mewakili setiap mata kuliah. jika nilai tersebut lebih kecil dari probabilitas mutasi maka mata kuliah tersebut akan dijawal ulang. Mulai Input data Proses data Pembuatan kromosom Evaluasi fitness Seleksi Pindah silang Mutasi Cek kondisi Selesai Gambar 3. Flowchart program Kondisi Selesai Terdapat tiga kondisi selesai yang dapat menghentikan proses algoritma genetika pada program ini, yaitu: 1. Jika nilai fitness salah satu individu telah mencapai nilai fitness yang telah ditentukan. 2. Jika jumlah generasi atau iterasi maksimum telah tercapai. 3. Jika tidak terjadi perubahan nilai fitness terbaik dari populasi setelah beberapa generasi berturutturut. Jika salah satu kondisi di atas telah diperoleh maka iterasi akan dihentikan. HASIL DAN PEMBAHASAN Algoritma diuji dalam penjadwalan mata kuliah di Jurusan Elektro Politeknik Negeri Ujung Pandang semster genap dengan melibatkan empat program studi. Terdapat delapan masukan kelompok data yang perlu diberikan, yaitu : 1. Tabel mata kuliah 2. Tabel dosen 3. Tabel dosen ampu 4. Tabel ruang 5. Tabel ruang khusus 6. Tabel waktu 7. Bobot fitness 8. Kondisi selesai Tabel mata kuliah berisikan daftar mata kuliah yang ada. Tabel ini merinci kode mata kuliah, nama mata kuliah, dan sks. Tabel dosen, kelas, ruang dan waktu masingmasing berisikan rincian data-data dosen, kelas, ruangan yang tersedia dan slot-slot waktu yang tersedia. Tabel dosen ampu berisikan rincian dosen pengampu mata kuliah. Sedangkan tabel ruang khusus berisikan rincian mata kuliah yang hanya bisa dilaksanakan di dalam ruang tersebut, misalnya laboratorium.
4 Proses Data Input Agar dapat diproses oleh algoritma genetika ini tabel kelas, tabel mata kuliah, tabel dosen, tabel ruang, dan tabel waktu harus digabungkan terlebih dahulu dengan cara memilih mata kuliah yang sesuai dengan semester yang berjalan. Dalam proses ini diharapkan tidak ada kelas dan mata kuliah yang tidak terjadwal. Pembuatan kromosom Berdasarkan dari proses data input, setiap mata kuliah akan dijadwalkan secara acak kedalam tabel temporary. Tabel ini menyimpan data sementara jadwal selama proses algoritma genetika berlangsung. Evaluasi fitness Faktor-faktor yang mempengaruhi evaluasi fitness terhadap alternatif solusi adalah sebagai berikut : 1. Dosen ampu; terhadap mata kuliah yang tidak sesuai pengajar yang mengampu mata kuliah tersebut. 2. Ruang; dikarenakan mata kuliah terdiri dari tiga kategori, maka kesesuaian antara kategori mata kuliah dan kategori ruang menjadi variabel dalam menghitung nilai fitness. 3. Waktu; merupakan faktor utama yang menjadi masalah dalam penyusunan jadwal mata kuliah. Adapun masalah waktu terdiri dua faktor, yaitu antara jam mengajar dosen yang tidak boleh bersamaan di satu waktu dan juga penggunaan ruangan pada waktu yang sama. Fitness = %Fitness = ( ) (1) x 100% (2) dengan: Err1 = banyaknya mata kuliah ruangan yang tidak bersesuaian Err2 = banyaknya mata kuliah yang tidak diajar oleh dosen ampu Err3 = banyaknya jam mengajar dosen pada waktu bersamaan Err4 = banyaknya ruang belajar yang terpakai pada waktu bersamaan Setiap faktor yang mempengaruhi fitness memiliki tingkat pengaruh yang berbeda terhadap fitness. Tingkat pengaruh ini disebut bobot. Jika suatu faktor tersebut terjadi berulang kali akan sangat mempengaruhi nilai fitness dari solusi tersebut. Dari rumus diatas terlihat bahwa nilai error berbanding terbalik dengan nilai fitness. Semakin besar total error maka semakin kecil nilai fitness dari solusi tersebut. Karena diinginkan dari solusi dengan fitness terbesar, maka diharapkan program tidak menghasilkan fatktor-faktor pengaruh ini terlalu banyak dalam solusi yang ditawarkan. Adapun parameter yang diberikan pada pengujian adalah sebagai berikut : 1. Iterasi maksimal : Fitness minimal : 90 % 3. Individu : Probabilitas pindah silang : 0,6 5. Probabilitas mutasi : 0,01 Pada hasil akhir iterasi diperoleh solusi penjadwalan 85%. Dimana masih ada beberapa ruangan yang digunakan tidak sesuai dengan jenis mata kuliah, tidak ada mata kuliah yang diajarkan oleh dosen selain dosen pengampunya dan tidak adanya dosen yang mengajar pada waktu yang bersamaan. Faktor yang paling banyak muncul sehingga mengurangi nilai fitness adalah penggunaan ruangan pada waktu bersamaan. Hal ini mengindikasikan bahwa ruangan yang tersedia tidak mampu menampung keseluruhan perkuliahan. Namun demikian, dengan tercapainya 85% nilai fitness bisa menjadi acuan memperbaiki jadwal perkuliahan.
5 Gambar 4. Tampilan program generator jadwal perkuliahan menggunakanvisual Basic 6 KESIMPULAN Dengan bantuan algoritma genetika, generator penjadwalan mata kuliah dapat mengoptimalkan hasil penjadwalan. Program dapat mencari solusi penjadwalan pada waktu yang berbeda untuk setiap dosen dan ruang walaupun masih ada beberapa yang berada pada waktu yang bersamaan. Selain itu program dapat meminimalkan waktu dan tenaga dalam menyusun jadwal perkuliahan dimana selama ini jadwal perkuliahan disusun oleh masing-masing kepala program studi. Proses penjadwalan mata kuliah menggunakan algoritma genetika ini dapat diterapkan pada kasuskasus penjadwalan dengan multi program studi, multi angkatan dan multi ruangan. REFERENSI [1] Suyanto, ST, MSc :Artificial Inteligence Searching-Reasoning-Planning-Learning (2011). [2] Basuki, Achmad : Strategi Menggunakan Algoritma Genetika (2013). [3] Davis, Lawrance :Handbook Of Genetic Algorithms (2013). [4] Ulfa, Lina Maria : Optimasi Perkuliahan Menggunakan Algoritma Genetika (2013).
BAB II LANDASAN TEORI
27 BAB II LANDASAN TEORI 2.1. Penelitian Terkait Penelitian terkait yang menggunakan algoritma genetika untuk menemukan solusi dalam menyelesaikan permasalahan penjadwalan kuliah telah banyak dilakukan.
Lebih terperinciBAB I PENDAHULUAN. sejumlah aktivitas kuliah dan batasan mata kuliah ke dalam slot ruang dan waktu
18 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Penjadwalan merupakan kegiatan administrasi utama di berbagai institusi. Masalah penjadwalan merupakan masalah penugasan sejumlah kegiatan dalam periode
Lebih terperinciImplementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah
Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah Leonard Tambunan AMIK Mitra Gama Jl. Kayangan No. 99, Duri-Riau e-mail : leo.itcom@gmail.com Abstrak Pada saat ini proses penjadwalan kuliah
Lebih terperinciBAB III. Metode Penelitian
BAB III Metode Penelitian 3.1 Diagram Alir Penelitian Secara umum diagram alir algoritma genetika dalam penelitian ini terlihat pada Gambar 3.1. pada Algoritma genetik memberikan suatu pilihan bagi penentuan
Lebih terperinciAplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)
JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Penjadwalan Perkuliahan Penjadwalan memiliki pengertian durasi dari waktu kerja yang dibutuhkan untuk melakukan serangkaian untuk melakukan aktivitas kerja[10]. Penjadwalan juga
Lebih terperinciKONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN
Jurnal Teknik dan Ilmu Komputer KONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN (Binary Genetic Algorithm Concept to Optimize Course Timetabling) Iwan Aang Soenandi
Lebih terperinciKeywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN
Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com
Lebih terperinciBAB III PERANCANGAN. Gambar 3.1 di bawah ini mengilustrasikan jalur pada TSP kurva terbuka jika jumlah node ada 10:
BAB III PERANCANGAN Pada bagian perancangan ini akan dipaparkan mengenai bagaimana mencari solusi pada persoalan pencarian rute terpendek dari n buah node dengan menggunakan algoritma genetika (AG). Dari
Lebih terperinciPENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA
PENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA Bagus Priambodo Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Mercu Buana e- mail : bagus.priambodo@mercubuana.ac.id
Lebih terperinciOPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK
OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK Usulan Skripsi S-1 Jurusan Matematika Diajukan oleh 1. Novandry Widyastuti M0105013 2. Astika Ratnawati M0105025 3. Rahma Nur Cahyani
Lebih terperinciTugas Mata Kuliah E-Bisnis REVIEW TESIS
Tugas Mata Kuliah E-Bisnis REVIEW TESIS Desain Algoritma Genetika Untuk Optimasi Penjadwalan Produksi Meuble Kayu Studi Kasus Pada PT. Sinar Bakti Utama (oleh Fransiska Sidharta dibawah bimbingan Prof.Kudang
Lebih terperinciAPLIKASI ALGORITMA GENETIK UNTUK OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR
APLIKASI ALGORITMA GENETIK UNTUK OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR Ivan Nugraha - 13506073 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung
Lebih terperinciISSN VOL. 12, NO. 2, OKTOBER 2011
ANALISIS OPTIMASI PENJADWALAN JAGA DOKTER RESIDEN PENYAKIT DALAM PADA RUMAH SAKIT PENDIDIKAN Erlanie Sufarnap 1, Sudarto 2 STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 airlanee@yahoo.com 1,
Lebih terperinciALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS Surabaya 2003 Algoritma Genetika Algoritma
Lebih terperinciPEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 3 No. 1 Hal. 98 106 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL YOSI PUTRI, NARWEN
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih terperinciOptimasi Penjadwalan Ujian Menggunakan Algoritma Genetika
Optimasi Penjadwalan Ujian Menggunakan Algoritma Genetika Nia Kurnia Mawaddah Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Jurusan Matematika, FMIPA Universitas Brawijaya, Malang 65145 Abstrak Penjadwalan
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Algoritma Genetika
6 BAB 2 LANDASAN TEORI 2.1 Algoritma Genetika Algoritma genetika merupakan metode pencarian yang disesuaikan dengan proses genetika dari organisme-organisme biologi yang berdasarkan pada teori evolusi
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION
PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION Samuel Lukas 1, Toni Anwar 1, Willi Yuliani 2 1) Dosen Teknik Informatika,
Lebih terperinciKNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA
LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Algoritma Genetika Algoritma genetika merupakan algoritma pencarian heuristik ysng didasarkan atas mekanisme seleksi alami dan genetika alami (Suyanto, 2014). Adapun konsep dasar
Lebih terperinciALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 03(2016), hal 265 274. ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR Abdul Azis, Bayu Prihandono, Ilhamsyah INTISARI Optimasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Travelling Salesman Problem (TSP) Travelling Salesmen Problem (TSP) termasuk ke dalam kelas NP hard yang pada umumnya menggunakan pendekatan heuristik untuk mencari solusinya.
Lebih terperinciPENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA
PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA Kartina Diah KW1), Mardhiah Fadhli2), Charly Sutanto3) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1 Rumbai-Pekanbaru-Riau
Lebih terperinci2 TINJAUAN PUSTAKA. 2.1 Peringkasan Teks
4 2 TINJAUAN PUSTAKA 2.1 Peringkasan Teks Peringkasan teks adalah proses pemampatan teks sumber ke dalam versi lebih pendek namun tetap mempertahankan informasi yang terkandung didalamnya (Barzilay & Elhadad
Lebih terperinciPERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN
PERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN Eva Desiana, M.Kom Pascasarjana Teknik Informatika Universitas Sumatera Utara, SMP Negeri 5 Pematangsianta Jl. Universitas Medan, Jl.
Lebih terperinciOPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Penjadwalan Penjadwalan kegiatan belajar mengajar pada suatu lembaga pendidikan biasanya merupakan salah satu pekerjaan yang tidak mudah dan menyita waktu. Pada lembaga pendidikan
Lebih terperinciBAB II KAJIAN PUSTAKA. Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi
BAB II KAJIAN PUSTAKA Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi graf, permasalahan optimasi, model matematika dari objek wisata di Yogyakarta, dan algoritma genetika
Lebih terperinciImplementasi Sistem Penjadwalan Akademik Fakultas Teknik Universitas Tanjungpura Menggunakan Metode Algoritma Genetika
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 2, (2017) 28 Implementasi Sistem Penjadwalan Akademik Fakultas Teknik Universitas Tanjungpura Menggunakan Metode Algoritma Genetika Andreas Christian
Lebih terperinciBab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 Edisi... Volume..., Bulan 20.. ISSN :
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENJADWALAN MATA PELAJARAN DI SMAN 1 CIWIDEY Rismayanti 1, Tati Harihayati 2 Teknik Informatika Universitas Komputer
Lebih terperinciOPTIMISASI PENEMPATAN TURBIN ANGIN DI AREA LAHAN ANGIN
OPTIMISASI PENEMPATAN TURBIN ANGIN DI AREA LAHAN ANGIN MENGGUNAKAN ALGORITMA GENETIKA Azimatul Khulaifah 2209 105 040 Bidang Studi Sistem Tenaga Jurusan Teknik Elektro FTI ITS Dosen Pembimbing : Dosen
Lebih terperinciALGORITMA GENETIKA. Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Disusun oleh: Achmad Basuki Politeknik Elektronika Negeri Surabaya, PENS ITS Surabaya 2003 Algoritma
Lebih terperinciGenetic Algorithme. Perbedaan GA
Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari
Lebih terperinciBAB 1 PENDAHULUAN. disebut Univesitas Timetabling Problems (UTP). Permasalahan ini dilihat dari sisi
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Penjadwalan perkuliahan merupakan suatu masalah yang sangat kompleks yang sering disebut Univesitas Timetabling Problems (UTP). Permasalahan ini dilihat dari sisi
Lebih terperinciPELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 65-72 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE
Lebih terperinciBAB III PEMBAHASAN. menggunakan model Fuzzy Mean Absolute Deviation (FMAD) dan penyelesaian
BAB III PEMBAHASAN Dalam bab ini akan dibahas mengenai pembentukan portofolio optimum menggunakan model Fuzzy Mean Absolute Deviation (FMAD) dan penyelesaian model Fuzzy Mean Absolute Deviation (FMAD)
Lebih terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciBAB 2 DASAR TEORI. 2.1 Teka-Teki Silang
BAB 2 DASAR TEORI 2.1 Teka-Teki Silang Teka-teki silang atau disingkat TTS adalah suatu permainan yang mengharuskan penggunanya untuk mengisi ruang-ruang kosong dengan huruf-huruf yang membentuk sebuah
Lebih terperinciPenjadwalan kegiatan merupakan pekerjaan yang tidak mudah, karena dalam. penyusunannya memerlukan perencanaan yang matang agar kegiatan tersebut
BAB I PENDAHULUAN A. Latar Belakang Penjadwalan kegiatan merupakan pekerjaan yang tidak mudah, karena dalam penyusunannya memerlukan perencanaan yang matang agar kegiatan tersebut terlaksana dengan optimal.
Lebih terperinciAPLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS
APLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS Hafid Hazaki 1, Joko Lianto Buliali 2, Anny Yuniarti 2
Lebih terperinciOTOMASI PENJADWALAN KEGIATAN PRKULIAHAN DI PERGURUAN TINGGI MENGGUNAKAN METODE ALGORITMA GENETIKA ( STUDI KASUS STIKI )
OTOMASI PENJADWALAN KEGIATAN PRKULIAHAN DI PERGURUAN TINGGI MENGGUNAKAN METODE ALGORITMA GENETIKA ( STUDI KASUS STIKI ) Siska Diatinari Andarawarih 1) 1) Program Studi Teknik Informatika, Sekolah Tinggi
Lebih terperinciDETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA
DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA Akmal Hidayat 1) & Entin Martiana 2) 1) Teknik Elektro Politeknik Bengkalis Jl.
Lebih terperinciPENGGUNAAN ALGORITMA GENETIKA UNTUK MENENTUKAN LINTASAN TERPENDEK STUDI KASUS : LINTASAN BRT (BUS RAPID TRANSIT) MAKASSAR
PENGGUNAAN ALGORITMA GENETIKA UNTUK MENENTUKAN LINTASAN TERPENDEK STUDI KASUS : LINTASAN BRT (BUS RAPID TRANSIT) MAKASSAR Karels, Rheeza Effrains 1), Jusmawati 2), Nurdin 3) karelsrheezaeffrains@gmail.com
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Penjadwalan Penjadwalan adalah penempatan sumber daya (resource) dalam satu waktu. Penjadwalan mata kuliah merupakan persoalan penjadwalan yang umum dan sulit dimana tujuannya
Lebih terperinciPerancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali) I Made Budi Adnyana
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI SKRIPSI
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI
Lebih terperinciT I N J A U A N P U S T A K A Algoritma Genetika [5]
Algoritma Genetika [5] Fitness adalah nilai yang menyatakan baik-tidaknya suatu jalur penyelesaian dalam permasalahan TSP,sehingga dijadikan nilai acuan dalam mencari jalur penyelesaian optimal dalam algoritma
Lebih terperinciAlgoritma Evolusi Real-Coded GA (RCGA)
Algoritma Evolusi Real-Coded GA (RCGA) Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Siklus RCGA 2. Alternatif Operator Reproduksi pada Pengkodean Real 3. Alternatif Operator Seleksi 4.
Lebih terperinciBAB II KAJIAN TEORI. memindahkan barang dari pihak supplier kepada pihak pelanggan dalam suatu supply
BAB II KAJIAN TEORI Berikut diberikan beberapa teori pendukung untuk pembahasan selanjutnya. 2.1. Distribusi Menurut Chopra dan Meindl (2010:86), distribusi adalah suatu kegiatan untuk memindahkan barang
Lebih terperinciAlgoritma Genetika dan Penerapannya dalam Mencari Akar Persamaan Polinomial
Algoritma Genetika dan Penerapannya dalam Mencari Akar Persamaan Polinomial Muhammad Abdy* 1, Maya Sari Wahyuni* 2, Nur Ilmi* 3 1,2,3 Jurusan Matematika, Universitas Negeri Makassar e-mail: * 1 m.abdy@unm.ac.id,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan tugas akhir ini. Teori-teori yang dibahas mengenai pengertian penjadwalan, algoritma
Lebih terperinciDenny Hermawanto
Algoritma Genetika dan Contoh Aplikasinya Denny Hermawanto d_3_nny@yahoo.com http://dennyhermawanto.webhop.org Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka. Penelitian serupa mengenai penjadwalan matakuliah pernah dilakukan oleh penelliti yang sebelumnya dengan metode yang berbeda-neda. Berikut
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka (Samuel, Toni & Willi 2005) dalam penelitian yang berjudul Penerapan Algoritma Genetika untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover
Lebih terperinciPENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 1 9 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL MULIA AFRIANI KARTIKA
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada awal diciptakan, komputer hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan zaman, maka peran komputer semakin mendominasi kehidupan.
Lebih terperinci8. Evaluasi Solusi dan Kriteria Berhenti Perumusan Masalah METODE PENELITIAN Studi Pustaka Pembentukan Data
Gambar 4 Proses Swap Mutation. 8. Evaluasi Solusi dan Kriteria Berhenti Proses evaluasi solusi ini akan mengevaluasi setiap populasi dengan menghitung nilai fitness setiap kromosom sampai terpenuhi kriteria
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN
APLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN Eva Haryanty, S.Kom. ABSTRAK Komputer adalah salah satu peralatan yang pada saat ini banyak pula digunakan
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP)
PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) Mohamad Subchan STMIK Muhammadiyah Banten e-mail: moh.subhan@gmail.com ABSTRAK: Permasalahan pencarian rute terpendek dapat
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA PADA KNAPSACK PROBLEM UNTUK OPTIMASI PEMILIHAN BUAH KEMASAN KOTAK
IMPLEMENTASI ALGORITMA GENETIKA PADA KNAPSACK PROBLEM UNTUK OPTIMASI PEMILIHAN BUAH KEMASAN KOTAK Komang Setemen Jurusan Manajemen Informatika, Fakultas Teknik Kejuruan, Universitas Pendidikan Ganesha
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 7 Diagram alur proses mutasi.
5 Mulai HASIL DAN PEMBAHASAN Kromosom P = rand [0,1] Ya P < Pm R = random Gen(r) dimutasi Selesai Tidak Gambar 7 Diagram alur proses mutasi. Hasil populasi baru yang terbentuk akan dievaluasi kembali dan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah 1.2 Perumusan Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Masalah pemilihan lokasi usaha yang tepat merupakan salah satu faktor penunjang suksesnya suatu usaha. Dalam pemilihan lokasi usaha yang tepat diperlukan pertimbangan
Lebih terperinciBAB III PENJADWALAN KULIAH DI DEPARTEMEN MATEMATIKA DENGAN ALGORITMA MEMETIKA. Penjadwalan kuliah di departemen Matematika UI melibatkan
BAB III PENJADWALAN KULIAH DI DEPARTEMEN MATEMATIKA DENGAN ALGORITMA MEMETIKA Penjadwalan kuliah di departemen Matematika UI melibatkan beberapa komponen yakni ruang kuliah, dosen serta mahasiswa. Seorang
Lebih terperinciPendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner
Vol. 7, 2, 108-117, Januari 2011 Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner Jusmawati Massalesse Abstrak Tulisan ini dimaksudkan untuk memperlihatkan proses
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM
IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM Anies Hannawati, Thiang, Eleazar Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas Kristen Petra Jl. Siwalankerto 121-131,
Lebih terperinciBAB III METODE PENELITIAN. Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika
BAB III METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Waktu penelitian dilaksanakan
Lebih terperinciM. Ainul Yaqin 1,Totok Lisbiantoro 2, Jurusan Teknik Informatika, Fakultas Sains dan Teknologi Universitas Islam Negeri Maulana Malik Ibrahim Malang
OPTIMASI PENJADWALAN PERKULIAHAN JURUSAN TEKNIK INFORMATIKA UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI RANK M. Ainul Yaqin 1,Totok Lisbiantoro
Lebih terperinciTEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT
TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh Dian Sari Reski, Asrul Sani 2, Norma Muhtar 3 ABSTRACT Scheduling problem is one type of allocating resources problem that exist to
Lebih terperinciOPTIMASI KENAIKAN DAN PEMBAGIAN KELAS MENGGUNAKAN ALGORITMA GENETIKA (STUDI KASUS PADA MADRASAH ALIYAH) ABSTRAK
OPTIMASI KENAIKAN DAN PEMBAGIAN KELAS MENGGUNAKAN ALGORITMA GENETIKA (STUDI KASUS PADA MADRASAH ALIYAH) Sunu Jatmika Magister Teknologi Informasi Sekolah Tinggi Teknik Surabaya sunu.srg@gmail.com ABSTRAK
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP)
Abstrak PENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP) Aulia Fitrah 1, Achmad Zaky 2, Fitrasani 3 Program Studi Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi
Lebih terperinciBAB II LANDASAN TEORI. Suatu graph merupakan suatu pasangan { E(G), V(G) } dimana :
BAB II LANDASAN TEORI 2.1 Defenisi Graph Suatu graph merupakan suatu pasangan { E(G), V(G) } dimana : V(G) adalah sebuah himpunan terhingga yang tidak kosong ( non empty finite set) yang elemennya disebut
Lebih terperinciPENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA. Abstraksi
PENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA I Dewa Made Adi Baskara Joni 1, Vivine Nurcahyawati 2 1 STMIK STIKOM Indonesia, 2 STMIK STIKOM
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY
PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY Arief Kelik Nugroho Fakultas Teknik, Universitas PGR Yogyakarta e-mail : ariefkeliknugroho@gmail.com Abstrak
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Algoritma Genetika merupakan metode yang menggunakan evolusi alam sebagai gagasan utamanya dalam menyelesaikan suatu permasalahan tertentu. Algoritma ini diterapkan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Konsep Dasar Sistem dan Informasi 2.1.1 Sistem Menurut Sutabri (2004), bahwa sistem adalah sekelompok unsur yang erat hubungannya satu dengan yang lainnya berfungsi untuk mencapai
Lebih terperinciOPTIMASI JALUR TRANSPORTASI PRODUK HOUSING CLUTCH DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA PADA PT. SUZUKI INDOMOBIL MOTOR PLANT CAKUNG
OPTIMASI JALUR TRANSPORTASI PRODUK HOUSING CLUTCH DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA PADA PT. SUZUKI INDOMOBIL MOTOR PLANT CAKUNG Disusun Oleh : Nama : Mochammad Brananta Arya Lasmono NPM : 34412653
Lebih terperinciBAB III ANALISA MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISA MASALAH DAN RANCANGAN PROGRAM III.1. Analisa Masalah Perkembangan game dari skala kecil maupun besar sangat bervariasi yang dapat dimainkan oleh siapa saja tanpa memandang umur, dari anak
Lebih terperinciSISTEM PENJADWALAN PERKULIAHAN MENGGUNAKAN ALGORITMA GENETIKA (STUDI KASUS PADA JURUSAN TEKNOLOGI INFORMASI FAKULTAS TEKNIK UNIVERSITAS TADULAKO)
JIMT Vol. 14 No. 2 Desember 2017 (Hal 242-255) ISSN : 2450 766X SISTEM PENJADWALAN PERKULIAHAN MENGGUNAKAN ALGORITMA GENETIKA (STUDI KASUS PADA JURUSAN TEKNOLOGI INFORMASI FAKULTAS TEKNIK UNIVERSITAS TADULAKO)
Lebih terperinciOPTIMALISASI LAHAN TANAH UNTUK AREA RUMAH DAN JALAN MENGGUNAKAN ALGORITMA GENETIKA
Optimalisasi Lahan Tanah untuk Area Rumah dan Jalan... (Fadhil dkk.) OPTIMALISASI LAHAN TANAH UNTUK AREA RUMAH DAN JALAN MENGGUNAKAN ALGORITMA GENETIKA Luthfi Ahmad Fadhil *, Esmeralda C Djamal, Ridwan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang pesat memberikan banyak kemudahan dalam penyelesaian masalah dan pencapaian hasil kerja yang memuaskan bagi kehidupan manusia. Salah satu
Lebih terperinciPENJADWALAN UJIAN AKHIR SEMESTER DENGAN ALGORITMA GENETIKA (STUDI KASUS JURUSAN TEKNIK INFORMATIKA UNESA)
Penjadwalan Ujian Akhir Semester dengan Algoritma Genetika PENJADWALAN UJIAN AKHIR SEMESTER DENGAN ALGORITMA GENETIKA (STUDI KASUS JURUSAN TEKNIK INFORMATIKA UNESA) Anita Qoiriah Jurusan Teknik Informatika,
Lebih terperinci1. Pendahuluan 1.1. Latar Belakang
1. Pendahuluan 1.1. Latar Belakang Perkembangan teknologi informasi yang begitu pesat sekarang ini memberikan dampak yang besar terhadap kinerja manusia khususnya dalam bekerja. Segala sesuatu yang dahulu
Lebih terperinciA. ADHA. Program Studi Teknik Sipil, Fakultas Teknik,Universitas Islam Riau, Pekanbaru, Indonesia Corresponding author:
Institut Teknologi Padang, 27 Juli 217 ISBN: 978-62-757-6-7 http://eproceeding.itp.ac.id/index.php/spi217 Optimasi Bentuk Struktur dan Penampang pada Struktur Rangka Baja Terhadap Kendala Kehandalan Material
Lebih terperinciContoh Penggunaan Algoritma Genetika dan NEH
Contoh Penggunaan Algoritma Genetika dan NEH Mata Kuliah Tawar Program Studi Teknik Informatika Kode_mk Mata Kuliah SKS Semester Kelas Dosen Pengampu TKC108 Aljabar Linear 3 2 A Mula'ab, S.Si., M.Kom TKC108
Lebih terperinciAnalisis Pengendalian Persediaan Produk Dengan Metode EOQ Menggunakan Algoritma Genetika untuk Mengefisiensikan Biaya Persediaan
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-305 Analisis Pengendalian Persediaan Produk Dengan Metode EOQ Menggunakan Algoritma Genetika untuk Mengefisiensikan Biaya Persediaan Indroprasto,
Lebih terperinciSistem Penjadwalan Outsourcing Menggunakan Algoritma Genetika (Studi Kasus : PT. Syarikatama)
Sistem Penjadwalan Outsourcing Menggunakan Algoritma Genetika (Studi Kasus : PT. Syarikatama) Ari Janata 1, Elin Haerani 2 1,2 Teknik Informatika, UIN Sultan Syarif Kasim Riau Jl. H.R. Soebrantas no. 155
Lebih terperinciRancang Bangun Robot PANTILT: Pendeteksian Posisi Kepala Manusia Menggunakan Algoritma Genetika
Rancang Bangun Robot PANTILT: Pendeteksian Posisi Kepala Manusia Menggunakan Algoritma Genetika Ferman Hakiki 1, Indra Adji Sulistijono 2 1 Jurusan Teknik Elektornika, Politeknik Elekronika Negeri Surabaya
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Algoritma
13 BAB 2 LANDASAN TEORI 2.1 Algoritma Dalam matematika dan komputasi, algoritma merupakan kumpulan perintah untuk menyelesaikan suatu masalah. Perintah-perintah ini dapat diterjemahkan secara bertahap
Lebih terperinciGENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR
MULTI TRAVELING SALESMAN PROBLEM (MTSP) DENGAN ALGORITMA Abstrak GENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR Oleh : Fitriana Yuli Saptaningtyas,M.Si. Jurusan Pendidikan Matematika FMIPA
Lebih terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinci2.16. Keaslian Penelitian BAB III ANALISIS DAN PERANCANGAN Analisa sistem Observasi Wawancara
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN PEMBIMBING... ii HALAMAN PENGESAHAN PENGUJI... iii BERITA ACARA DEMO SOFTWARE TUGAS AKHIR... iv SURAT PERNYATAAN KARYA ASLI TUGAS AKHIR...v ABSTRAK.....vi
Lebih terperinciOPTIMASI PENJADWALAN BIMBINGAN BELAJAR MENGGUNAKAN METODE ALGORITMA GENETIKA
OPTIMASI PENJADWALAN BIMBINGAN BELAJAR MENGGUNAKAN METODE ALGORITMA GENETIKA SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.kom) Pada Program Studi Sistem Informasi
Lebih terperinciBAB I PENDAHULUAN. telah diadopsi untuk mengurangi getaran pada gedung-gedung tinggi dan struktur
BAB I PENDAHULUAN 1.1 Latar Belakang Tuned mass damper (TMD) telah banyak digunakan untuk mengendalikan getaran dalam sistem teknik mesin. Dalam beberapa tahun terakhir teori TMD telah diadopsi untuk mengurangi
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA DALAM OPTIMASI JALUR PENDISTRIBUSIAN KERAMIK PADA PT. CHANG JUI FANG
IMPLEMENTASI ALGORITMA GENETIKA DALAM OPTIMASI JALUR PENDISTRIBUSIAN KERAMIK PADA PT. CHANG JUI FANG Adnan Buyung Nasution 1 1,2 Sistem Infomasi, Tehnik dan Ilmu Komputer, Universitas Potensi Utama 3 Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
18 BAB 2 LANDASAN TEORI 2.1 Pengertian Optimasi Optimasi adalah salah satu ilmu dalam matematika yang fokus untuk mendapatkan nilai minimum atau maksimum secara sistematis dari suatu fungsi, peluang maupun
Lebih terperinci