PENCARIAN RUTE TERBAIK MENGGUNAKAN LOGIKA FUZZYDAN ALGORITMA SEMUT
|
|
- Susanti Setiabudi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENCARIAN RUTE TERBAIK MENGGUNAKAN LOGIKA FUZZYDAN ALGORITMA SEMUT Syaiful Anam 1) 1) Program Studi Matematia, Jurusan Matematia, FMIPA, Universitas Brawaya Abstra Rute terbai pada umumnya didasaran jara tempuh terpende dari suatu titi e titi yang lain. Pada enyataannya rute terbai seharusnya memperhatianondisi jalan misalnya apasitas jalan, banya endaraan yang melewati dan lain-lain. Pada tulisan ini dibahas pencarian rute terbai dengan menggunaan logia fuzzy dan agoritma semut. Langah pertama adalah membangun suatu graf berbobot dimana bobot-bobot diperoleh melalui metode inferensi dari himpunan fuzzy dari epadatan jalan dan himpunan fuzzy jara tempuh. Metode yang digunaan untu inferensi adalah metode Tsuamoto. Metode ini digunaan arena cuup mudah digunaan dan sudah terbuti suses digunaan untu inferensi dalam pengambilan eputusan. Langah edua adalah mencari rute terbai dari graf berbobot tersebut dengan menggunaan algoritma semut. Algoritma semut merupaan algoritma optimasi global yang diinspirasi oleh emampuan dari seumpulan semut dalam mencari maanan. Kumpulan semut tersebut mampu menemuan umpulan maanan dengan jalur terpende dari sarangnya e sumber maanan. Metode ini memilii beberapa eunggulan diantaranya mampu menemuan solusi dengan bai dan cepat dan efisien digunaan untu menyelesaian masalah rute terpende. Kata Kunci: rute terbai; logia fuzzy, algoritma semut 1. PENDAHULUAN Dalam melauan perjalanan dari suatu tempat asal e tempat tujuan, perjalanan dengan rute terbai menjadi harapan setiap orang. Rute terbai yang dimasudan disini adalah rute perjalanan yang emunginan besar memilii watu tempuh tercepat. Rute terbai pada umumnya adalah berdasaran jara tempuh dari suatu tempat e tempat yang lain. Pada enyataannya rute terbai seharusnya memperhatian ondisi jalan misalnya apasitas jalan, banya endaraan yang melewati, jara tempuh dan lain-lain. Hal ini arena watu tempuh dari suatu tempat asal e tempat tujuan selain ditentuan oleh jara juga dipengaruhi epadatan jalan.oleh arena itu dalam tulisan ini rute terbai didefinisian sebagai rute yang emunginan besar memilii watu tercepat, dimanarute dipilih dengan memperhatian jara tempuh danepadatan lalu lintas. Jadi rute terbai belum tentu memilii jara tempuh terpende. Saat ini rute terbai lebih realitis digunaan dari pada rute terpende. Hal ini arena hampir di setiap ota di Indonesia sering terjadi emacetan lalu lintas, sehingga pemilihan rute dengan memperhatian epadatan lalu lintas menjadi suatu eharusan. Kemacetan lalu lintas aan berdampa pada watu tempuh dan biaya, watu tempuh aan semain lama dan biaya aan semain mahal arena dengan ada emacetan perjajanan aan membutuhan bahan baar yang lebih banya. Dengan rute terbai ini perjalanan dari satu ota e ota lain aan lebih efisien. Konferensi Nasional Penelitian Matematia dan Pembelajarannya (KNPMP I) 873
2 Penentuan jalur terbai aan dadianbahan pertimbangan dalam pengambilan eputusan untudalam memilih rute yang aan ditempuh. Pemilihan rute terbai ini seharusnya bisa ditentuan secara real time, oleh arena itu penentuan rute terbai secara cepat dan aurat dibutuhan. Penyelesaian masalah rute bai dengan berbantuan omputer adalah solusi yang dapat digunaan. Pada penelitian sebelumnya yang dilauan hanya memperhatian rute terpende (Mutahiroh et al, 2007). Pada penelitian ini menggunaan algoritma semut (Dorigo, 1996). Algoritma semut diadopsi dari perilau oloni semut.koloni semut mampu menemuanrute terpende dalam perjalanan dari sarang etempat-tempat sumber maanan. Setiap semut yang melewati suatu jalan selalu meninggalan feromon sehingga semain banya semut yang melewati suatu jalan maa adar feromonnya semain tinggi. Koloni semut dapatmenemuan rute terpende antara sarang dansumber maanan berdasaran adarferomon padarute yang telah dilalui. Semainbanya adar feremonpada suatu rute menyebaban jumlah semut yang melalui rute tersebut semain banya. Algoritma semut telah berhasil diapliasian untu menyelesaian berbagai permasalahan misalnya Travelling Salesman Problem (TSP) (Brezina & Čičová, 2011), Job Shop Schedulling (Umarini et al, 2012) dan lain-lain. Berdasaran eunggulan algoritma semut tersebut maaalgoritma semut sangattepat digunaan untu menyelesaian masalahrute terbai. Kepadatan lalu lintas secara umum dinyataan secara linguisti yaitu tida padat, sedang atau padat. Logia fuzzy merupaan metode biasa digunaan untu menangani fuzziness.logia fuzzy merepresentasian nilai yang bersifat linguisti. Logia fuzzy pertama ali diusulan oleh Zadeh pada tahun 1965 (Brezina & Čičová, 2011). Permasalahan epadatan lalu lintas tida dapat dilihat sebagai lalu lintas padat atau lalu lintas tida padat saja, tetapi aan lebih realistis alau tedapat hal lalu lintas aga padat. Jia dalam epadatan lalu lintas memperhatian yang samar-samar aan membuateputusan yang lebih adil dan lebih realistis. Oleh arena itulogia fuzzy lebih coco digunaan pada sebagian besar permasalahan yang terjadi di dunia nyata. Berdasaran elebihan algoritma semut dan logia fuzzy, maa pada tulisan ini mengusulanpencarian rute terbai dengan menggunaan logia fuzzy dan algoritma semut. Langah pertama yang dilauan adalah dengan membangun suatu graf berbobot. Bobot dari graf dihitung dengan melauan metode inferensilogia fuzzy atau metode Tsuamoto. Banyanya fator yang digunaan untu inferensi sebanya dua buah fator. Fator pertama adalah jara tempuh dan fator yang edua adalah epadatan lalu lintas. Setelah membangun graf berbobot dengan metode Tsuamoto, langah selanjutnya adalah mencari rute terbai dengan menggunaan algoritma semut. 2. METODE PENELITIAN Penelitian ini merupaan penelitian ajian teori dan esperimen. Langah-langah penelitian aan delasan dalam tahapan beriut ini: a. Menentuan epadatan lalu lintas. b. Membangun graf berbobot dengan menggunaan metode Tsuamoto. Konferensi Nasional Penelitian Matematia dan Pembelajarannya (KNPMP I) 874
3 c. Membangun algoritma semut untu menyelesaian masalah rute terbai. d. Mengimplementasian metode Tsuamoto dan algoritma semut dengan Matlab. e. Mengevaluasi hasil rute yang diperoleh. 3. HASIL PENELITIAN DAN PEMBAHASAN Sebelum membahas hasil penelitian maa pertama-tama aan delasan tiap langah dari metode yang diusulan Menentuan Kepadatan Lalu Lintas Kepadatan lalu lintas ditentuan berdasaran apasitas ruas jalan dan epadatan endaraan yang melewati jalan tersebut.kepadatan endaraan pada suatu jalan merupaan jumlah endaraan yang menempati panjang ruas jalan tertentu atau lajur, yang umumnya dinyataan sebagai jumlah endaraan per ilometer atau satuan mobil penumpang per ilometer (smp/m).semua nilai arus lalu lintas (per arah dan total) diubah menjadi satuan mobil penumpang (smp) dengan menggunaan eivalensi mobil penumpang (emp) yang diturunan secara empiris untu tipe endaraan beriut: 1. Kendaraan ringan (LV) termasu mobil penumpang, minibus, pi-up, tru ecil dan jeep. 2. Kendaraan berat (HV) termasu tru dan bus. 3. Sepeda Motor (MC). Eivalensi mobil penumpang (emp) untu masing-masing tipe endaraan tergantung pada tipe jalan dan arus lalu lintas total yang dinyataan dalamend/jam. Semua nilai emp untu endaraan yang berbeda ditunjuan dalam tabel Tabel 1 (Zadeh, 1965). Kapasitas ruas jalan adalah arus lalu lintas masimum yang dapat melintas dengan stabil pada suatu potongan melintang jalan pada eadaan tertentu. Perbandingan apasitas ruas jalan dengan epadatan endaraan ini digunaan untu menentuan epadatan lalu lintas. Jia perbandingannya menghasilan Tabel 1. Eivalensi Mobil Penumpang Tipe Kendaraan Eivalensi Mobil Penumpang (emp) Kendaraan ringan (LV) 1 Kendaraan berat (HV) 1,2 Sepeda Motor (MC) 0,25 Gambar. 1. Graf dari suatu peta perjalanan Konferensi Nasional Penelitian Matematia dan Pembelajarannya (KNPMP I) 875
4 mendeati satu atau lebih dari satu maa ruas jalan tersebut diataan padat dan jia mendeati nol maa diataan tida padat atau jarang. Rute perjalanan dapat dimodelan dengan menggunaan graf. Misal dietahui graf dari suatu peta sebagai terlihat pada Gambar 1. K1, K2,...,K7 mewaili ujung-ujung dari suatu ruas jalan. Rusu-rusu pada graf tersebut mewaili suatu suatu ruas jalan. Misalnya untu graf pada Gambar 1 maa epadatan ruas lalu lintas jalan K1K2maa ditentuan dengan cara membagai apasitas ruas jalan dengan epadatan endaraan yang melewati ruas jalan K1K2. Setiap ruas jalan yang ada pada graf tersebut dihitung dengan cara yang sama untu ruas jalan K1K Membangun Graf Berbobot dengan Menggunaan Metode Tsuamoto Pada langah ini, bobot dari graf diinferensi dengan menggunaan metode Tsuamoto.Pada metode Tsuamoto, setiap onseuen pada aturan yang berbentu IF-THEN harus direpresentasian dengan suatu himpunan fuzzy dengan fungsi eanggotaan yang monton (Juniarta, 2012).Pada penentuan rute terbai ini menggunaan variabel input yaitu jara antar tempat dan epadatan lalu lintas. Gambar 2. Inferensi menggunaan Metode Tsuamoto Variabel jara antar tempat terbagi menjadi dua himpunan fuzzy yaitu himpunan JAUH dan DEKAT sedangan variabel epadatan lalu lintas terbagi menjadi dua himpunan fuzzy yaitu himpunan PADAT dan JARANG. Sedang Konferensi Nasional Penelitian Matematia dan Pembelajarannya (KNPMP I) 876
5 variabel output ada satu buah yaitu watu. Variabel output terbagi menjadi tiga himpunan fuzzy yaitu himpunan CEPAT dan LAMBAT. Himpunan CEPAT mewaili reteria bai pada suatu rute. Ini artinya semain ecil nilai yang dihasilan semain bai. Aturan yang digunaan untu inferensi sebanya 4 aturan seperti pada daftar aturanberiut: R1 IF (x is DEKAT) and (y is JARANG) THEN z is CEPAT R2 IF (x is JAUH ) and (y is JARANG) THEN z is CEPAT R3 IF (x is DEKAT) and (y is PADAT) THEN z is LAMBAT R4 IF (x is JAUH) and (y is PADAT) THEN z is LAMBAT. Alur inferensi untu mendapatan satu nilai crips z seperti terlihat pada Gambar Membangun algoritma semut untu menyelesaian masalah rute terbai Rute terbai adalah suatu rute dengan jumlah bobot terecil dari graf berbobot yang diperoleh pada langah sebelumnya. Algoritma semut digunaan untu mencari rute terbai tersebut. Beriut langah-langah untu menentuanjalur terbai dengan menggunaan algoritma semut. Langah 1: a. Inisialisasi harga parameter-parameteralgoritma semut. Parameter-parameter yang di inisialisasianadalah: 1. Intensitas feremon semut antar tempat danperubahannya (τ) 2. Jara antar tempatd 3. Penentuan tempat asaldan tempat tujuan 4. Tetapan pengendali intensitas feromon semut(α) 5. Tetapan pengendali visibilitas (β) 6. Tetapan silus semut ( Q ) 7. Visibilitas antar ota 1/d (η) 8. Jumlah semut (m) 9. Tetapan penguapan feromon semut (ρ) 10. Jumlah silus masimum (NCmax) b. Inisialisasi tempat awal setiap semut. Pada langah ini, msemut ditempatan pada tempat asalyangsudah ditentuan. Langah 2: Pengisiantempat pertama e dalam tabu list.pada langah initempat asal diisian sebagai elemen pertama tabu listtabu(,1) dimana =1,..,m. Langah 3: Pada langah ini untu setiap semut berpindah dari tempat asal e tempat-tempat lainnya yang belum pernah diunjungi sampai etemu tempat Konferensi Nasional Penelitian Matematia dan Pembelajarannya (KNPMP I) 877
6 tujuan. Semut-semut tersebut berpindah berdasaran peluang yang bergantung pada visibilitas unjungan. Persamaan peluang ota yang aan diunjungi adalah sebagai beriut: p, j [ N Tabu ] i' i' (1) ' [ N Tabu ] p 0, j lainnya dengan i indes tempat asal dan j indes tempat tujuan. Dalam setiap unjungan setiap semut menyimpan tempat-tempat yang diunjungi pada tabu list.jia s menyataan indesurutan unjungan dan menunjuan urutan semut, maa tempatyang diunjungi dinyataan sebagaitabu(,s). Langah 4: Perhitungan panjang jalur setiap semut.perhitungan panjang jalur tertutupatau L setiap semut dilauan setelah satusilus diselesaian oleh semua semut.perhitungan dilauan berdasaran tabu(). Selanjutnya adalah mencari rute terpende.setelah L setiap semut dihitung, aan diperolehharga minimal panjang jalur tertutup setiapsilus atau Lmin. Kolonisemut aan meninggalan feromon pada lintasan antar ota yang dilaluinya.adanya penguapan dan perbedaan jumlah semutyang lewat, penyebaban emunginanterjadinya perubahan nilai intensitas feromonsemut antar tempat Oleh arena itu perubahan intensitas feromon diperbarui dengan menggunaan persamaan (2). m (2) 1. Dengan adalah perubahan intensitas feromon antar tempat setiap semut yang dhitung dengan persamaan (3) L (3) Q untu ( i, j) tempat asal dan tujuan dalam tabu(). Langah 5: Perhitungan harga intensitas feroman semutantar tempat untu silus selanjutnya.harga intensitas feromon semut antar tempat pada semua lintasan antar tempat adaemunginan berubah arena adanyapenguapan dan perbedaan jumlah semut yangmelewati. Harga intensitasferomon semut antar tempat untu silusselanjutnya diperbarui dengan rumus beriut. (4) Selanjutnya harga perubahan intensitas feromonsemut antar tempat diatur ulang. Langah 6: Konferensi Nasional Penelitian Matematia dan Pembelajarannya (KNPMP I) 878
7 Tabu list perlu diosonganuntu diisi lagi dengan urutan ota yang baru padasilus selanjutnya, jia jumlah silus masimumbelum tercapai atau belum terjadi onvergensi.algoritma diulang lagi dari langah dua denganmenggunaan parameter intensitas feromon semut antartempat yang sudah diperbaharui Mengimplementasian metode Tsuamoto dan algoritma semut dengan Matlab Pada tahap ini metode Tsuamoto dan algoritma semut diimplementasian dengan menggunaan Matlab Mengevaluasi hasil rute yang diperoleh. Pada tahapan ini program aan diujian pada graf. Rute terbai ditentuan oleh jumlah bobot terecil pada rute yang dilalui. Selain itu juga ditentuan watu omputasi untu setiap percobaan Contoh asus Dietahui data endaraan yang melewati jalan dapat dilihat pada Tabel. 2. Kolom total endaraan pada Tabel 2 dihitung dari jumlah endaraan ringan, berat dan sepeda motor dengan menggunaan aturan pada Tabel 1. Selanjutnya epadatan jalan dihitung dengan membagi total endaraan dengan apasitas jalan (Tabel 2). Himpunan fuzzy JAUH dibentu dari Jara. Jara dinormalisasi dalam sala 0 sampai 1. Derajat eanggataan himpunan JAUH sama dengan satu jia jara hasil normalisasi sama lebih besar sama dengan 0,7 dan sama dengan nol j i a j a r a h a s i l n o r m a l i a s i u r a n g d a r i s a m a d e n g a n 0, 3. Jalan Jumlah Kend. Ringan Jumlah Kend. Berat Tabel 2. Data Jalan dan Kendaraan Jumlah Total Kap. Sepeda Kend. Jalan Motor (emp) Kepadatan Jara Nrm. Jara , , ,98 5 0, ,00 2 0, ,97 5 0, ,62 8 0, ,15 7 0, , , ,90 7 0, ,80 4 0, ,89 2 0, , , ,31 5 0,5 Konferensi Nasional Penelitian Matematia dan Pembelajarannya (KNPMP I) 879
8 Gambar 3. Graf berbobot Tabel 3. Hasil pencarian rute terbai Awal Ahir Rute Panjang Rute , , , ,31 Himpunan DEKAT berlau sebalinya. Himpunan fuzzy JARANG dibentudari Kepadatan. Jia epadatan lebih besar besar 0,7 maa derajat eanggotan himpunan JARANG sama dengan nol dan urang dari sama dengan 0,3 maa derajat eanggotaannya sama dengan satu. Himpunan PADAT berlau sebainya. Bobot dari graf pada Gambar 3 diperoleh dengan melauan inferensi menggunaan metode Tsuamoto. Selanjutnya program algoritma semut dalanan untu mencari rute terbai. Tabel 3 menampilan hasil percobaan pencarian rute terbai dari satu tempat e tempat yang lain. Tabel 3 dan Gambar 3 memperlihatan bahwa algoritma semut mencari rute terbai dengan tepat. Dari hasil percobaan juga menunjuan jumlah semut mempengaruhi aurasi yang diperoleh. Jumlah semut yang terlalu sediit menyebaban hasilnya tida aurat. Jumlah silus masimal juga mempengaruhi aurasi dari algoritma ini. Semain sediit jumlah silus masimal maa metode ini emunginan besar rute yang dihasilan buan rute yang terbai. Selain itu juga pemilihan parameter pada algoritma juga perlu diperhatian arena juga mempengaruhi emampuan dari metode ini. 4. SIMPULAN Rute terbai lebih realitis digunaan dari pada menggunaan rute terpende pada daerah yang sering mengalami macet. Logia fuzzy dan algoritmasemut telah berhasil digunaan untu mencari rute terbai denganpemilihan parameter algoritma semut secara tepat. Banyanya semut, silus serta parameter lain dari algoritma semut yang digunaan mempengaruhi tingat aurasi rute yang dihasilan. Konferensi Nasional Penelitian Matematia dan Pembelajarannya (KNPMP I) 880
9 5. DAFTAR PUSTAKA Mutahiroh, I., Indrato, dan Hidayat, T. (2007). Pencarian Jalur Terpende Menggunaan Algoritma Semut: Prosiding Seminar Nasional Apliasi Tenologi Informasi, Diselenggaraan oleh JurusanTeni Informatia, Universitas Islam Indonesia, 16Juni 2007 (hal. B81- B85). Yogyaarta. Diases dari Dorigo,M. (1996), The Ant System: Optimization by a colony of cooperating agents, IEEE transactions on Systems, Man, and Cybernetics Part B, 26(1), Brezina, I. Jr and Čičová, Z. (2011). Solving the Travelling Salesman Problem Using the Ant Colony Optimization,Management Information Systems, 6(4), Umarini, S., Nithya, L. M and Shanmugam, A. (2012). Efficient Multiple Ant Colony Algorithm forjob Scheduling In Grid Environment, International Journal of Computer Science and Information Technologies, 3(2), Zadeh, L. (1965). Fuzzy Sets, Information and Control.8, Juniarta, I. W., Negara, I. N. W. dan Wirama, I. A. A. N. A. J. (2012). Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan. Jurnal Ilmiah Eletroni Infrastrutur Teni Sipil. X1- X7, =911&title= Kusumadewi, S. dan Purnomo, H. (2004). Apliasi Logia Fuzzy Untu Penduung Keputusan. Yogyaarta, Graha Ilmu. Konferensi Nasional Penelitian Matematia dan Pembelajarannya (KNPMP I) 881
PENCARIAN 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 terperinciBAB 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciPENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK
PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK Nurul Khotimah *), Farida Hanum, Toni Bahtiar Departemen Matematia FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor
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 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 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 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 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 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 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 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 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 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 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 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 terperinciDeret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII
Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam
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 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 terperinciSTUDI KOMPARASI IMPLEMENTASI JARINGAN BASIS RADIAL DAN FUZZY INFERENCE SYSTEM TSK UNTUK PENYELESAIAN CURVE FITTING
STUDI KOPARASI IPEENTASI JARINGAN BASIS RADIA DAN FUZZY INFERENCE SYSTE TSK UNTUK PENYEESAIAN CURVE FITTING Sri Kusumadewi Teni Informatia Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyaarta cicie@fti.uii.ac.id
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 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 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 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 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 terperinciLEMBAR PENGESAHAN LEMBAR PERNYATAAN HAK CIPTA ABSTRAK...
DAFTAR ISI Halaman LEMBAR PENGESAHAN LEMBAR PERNYATAAN HAK CIPTA ABSTRAK... i KATA PENGANTAR... iii DAFTAR ISI... v DAFTAR TABEL... vii DAFTAR GAMBAR... viii DAFTAR SIMBOL... ix BAB I PENDAHULUAN... 1
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 terperinciBAB 1 PENDAHULUAN. bagian dalam pekerjaan. Dalam melakukan pemasangan kabel perlu
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bagi perusahaan kontraktor perumahan, pemasangan kabel menjadi bagian dalam pekerjaan. Dalam melakukan pemasangan kabel perlu dilakukan perencanaan urutan rumah yang
Lebih 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 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 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 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 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 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 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 terperinciMANAJEMEN DISTRIBUSI MULTI PRODUK BERDASARKAN BOBOT PROSENTASE PENJUALAN DAN EFISIENSI BIAYA DISTRIBUSI (STUDI KASUS DI PT THAMRIN BROTHERS)
Seminar Nasional Apliasi Tenologi Informasi 2011 (SNATI 2011) ISSN: 1907-5022 Yogyaarta, 17-18 Juni 2011 MANAJEMEN DISTRIBUSI MULTI PRODUK BERDASARKAN BOBOT PROSENTASE PENJUALAN DAN EFISIENSI BIAYA DISTRIBUSI
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 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 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 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 terperinciINTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh
INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON Maalah Disusun guna memenuhi tugas Mata Kuliah Metode Numeri yang dibimbing oleh Dr. Nur Shofianah Disusun oleh: M. Adib Jauhari Dwi Putra 146090400111001
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 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 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 terperinciPENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU
PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU Wahyudi 1, Adhi Susanto 2, Sasongo P. Hadi 2, Wahyu Widada 3 1 Jurusan Teni Eletro, Faultas Teni, Universitas Diponegoro, Tembalang,
Lebih terperinciBAB III METODE PENELITIAN (BAHAN DAN METODE)
BAB III METODE PENELITIAN (BAHAN DAN METODE) Tahapan-tahapan pengerjaan yang dilauan dalam penelitian ini adalah sebagai beriut : 1. Tahap Persiapan Penelitian Pada tahapan ini aan dilauan studi literatur
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 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 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 terperinciMateri. Menggambar Garis. Menggambar Garis 9/26/2008. Menggambar garis Algoritma DDA Algoritma Bressenham
Materi IF37325P - Grafia Komputer Geometri Primitive Menggambar garis Irfan Malii Jurusan Teni Informatia FTIK - UNIKOM IF27325P Grafia Komputer 2008 IF27325P Grafia Komputer 2008 Halaman 2 Garis adalah
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 terperinciOPTIMISASI POLA DISTRIBUSI DENGAN LOGIKAFUZZY DAN ALGORITMA SEMUT PADA PT. SRI ANEKA PANGAN NUSANTARA TUGAS AKHIR SKRIPSI
OPTIMISASI POLA DISTRIBUSI DENGAN LOGIKAFUZZY DAN ALGORITMA SEMUT PADA PT. SRI ANEKA PANGAN NUSANTARA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Negeri
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 terperinciSTUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT
TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
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 terperinci( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang
Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan
Lebih terperinciMakalah Seminar Tugas Akhir
Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,
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 terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau
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 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 terperinciSistem Pendukung Keputusan Penerima Beasiswa SMK Menggunakan Metode Backpropagation
Seminar Nasional e 9: Reayasa Tenologi Industri dan Informasi Sistem Penduung Keputusan Penerima Beasiswa SMK Menggunaan Metode Bacpropagation Teti Rohaeti 1, Yoyon Kusnendar Suprapto 2, Eo Mulyanto 3
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 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 terperinciPENERAPAN METODE FUZZY MULTI CRITERIA DECISION MAKING PADA SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SMARTPHONE
PENERAPAN METODE FUZZY MULTI CRITERIA DECISION MAKING PADA SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SMARTPHONE Novhirtamely Kahar 1, Rii 2 12 Program Studi Teni Informatia, STMIK Nurdin Hamzah, Jambi ` E-mail:
Lebih terperinciBAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.
BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas
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 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 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 terperinciPrediksi Volume Impor Beras Nasional dengan Metode Multi-Factors High-Order Fuzzy Time Series
Jurnal Pengembangan Tenologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol., No. 2, esember 207, hlm. 77-778 http://j-ptii.ub.ac.id Predisi Volume Impor eras Nasional dengan Metode Multi-Factors High-Order
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 terperinciPREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION
Konferensi Nasional Sistem dan Informatia 2008; Bali, November 5, 2008 PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION Wahyudi Setiawan
Lebih terperinciMENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL
MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL Sarta Meliana 1, Mashadi 2, Sri Gemawati 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan
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 terperinciOSN 2014 Matematika SMA/MA
Soal 5. Suatu barisan bilangan asli a 1, a 2, a 3,... memenuhi a + a l = a m + a n untu setiap bilangan asli, l, m, n dengan l = mn. Jia m membagi n, butian bahwa a m a n. Solusi. Andaian terdapat bilangan
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK PADA SISTEM PENGENALAN WAJAH BERBASIS PRINCIPAL COMPONENT ANALYSIS
ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK PADA SISTEM PENGENALAN WAJAH BERBASIS PRINCIPAL COMPONENT ANALYSIS 1 Ihwannul Kholis, 2 Ahmad Rofii. 1 Universitas 17 Agustus 1945 Jaarta,
Lebih terperinciKENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN
KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN Pardi Affandi, Faisal, Yuni Yulida Abstra: Banya permasalahan yang melibatan teori sistem dan teori ontrol serta apliasinya. Beberapa referensi
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 terperinci