OPTIMASI RUTE ARMADA KEBERSIHAN KOTA GORONTALO MENGGUNAKAN ANT COLONY OPTIMIZATION. Zulfikar Hasan, Novianita Achmad, Nurwan
|
|
- Leony Yuwono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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, yaitu metode konvensional dan metode heuristik. Metode konvensional lebih mudah dipahami daripada metode heuristik, tetapi jika dibandingkan, hasil yang diperoleh dari metode heuristik lebih variatif dan waktu perhitungan yang lebih singkat, salah satunya adalah Ant Colony Optimization. Penelitian ini bertujuan untuk Optimasi Rute Armada Kebersihan Kota Gorontalo Menggunakan Algoritma Ant Colony Optimization. Metode penelitian dilakukan dengan studi pustaka untuk menunjukkan penerapan dari Ant Colony Optimization dalam penentuan rute terpendek. Pembuatan program dengan MATLAB untuk memudahkan perhitungan secara numerik dan juga untuk memudahkan dalam penentuan rute terpendek masing-masing armada kebersihan. Penelitian dilakukan dengan menganalisis data hasil perhitungan program. Hasil penelitian adalah rute hasil perhitungan dengan menggunakan Ant Colony Optimization lebih optimal dari rute yang selama ini dilalui oleh armada kebersihan. Penghematan jarak yang didapatkan adalah 10.6%. Kata kunci : Optimasi, Heuristik, Ant Colony Optimization. PENDAHULUAN Salah satu bidang ilmu yang sering digunakan dalam pemecahan masalah adalah matematika. Dalam matematika terdapat kajian ilmu yang sangat erat dengan pemecahan masalah yaitu matematika terapan. Matematika terapan dapat dimanfaatkan dalam menyelesaikan berbagai masalah, salah satunya masalah optimasi. Salah satu masalah optimasi adalah penentuan rute terpendek. Secara umum, penentuan rute terpendek dapat dibagi menjadi dua metode, yaitu metode konvensional dan metode heuristik. Metode konvensional lebih mudah dipahami daripada metode heuristik, tetapi jika dibandingkan, hasil yang diperoleh dari metode heuristik lebih variatif dan waktu perhitungan yang lebih singkat, salah satunya adalah Ant Colony Optimization (Mutakhirah, I., Indrato dan Hidayat, T., 2007). Algoritma ini terinspirasi oleh perilaku semut dalam menemukan jalur dari koloninya menuju makanan. Secara alamiah koloni semut mampu menemukan rute terpendek dalam perjalanan dari sarang ke tempat-tempat sumber makanan. Berdasarkan prinsip algoritma yang diilhami dari perilaku koloni semut dalam menemukan jarak rute paling pendek, algoritma semut
2 sangat tepat diterapkan dalam penyelesaian optimasi, salah satunya adalah untuk menentukan rute terpendek pada armada kebersihan atau truk pengangkut sampah. Permasalahan pengelolaan sampah adalah permasalahan yang selalu dihadapi oleh kota berkembang. Kota Gorontalo merupakan salah satunya. Kota Gorontalo berupaya meningkatkan pelayanan publik di bidang pengelolaan sampah, khususnya pengangkutan sampah. Proses pengangkutan sampah dilakukan dengan cara pengambilan sampah pada pewadahan sampah (wadah komunal) yang tersebar di setiap jalan umum. Namun proses ini belum ditunjang dengan sistem pengangkutan sampah yang efektif dan efisien. Untuk itu diperlukan sistem pengangkutan sampah yang lebih teratur, sehingga dapat mengurangi pencemaran lingkungan yang disebabkan oleh penumpukan sampah tersebut. Proses pengangkutan sampah ini harus mempertimbangkan efisiensi waktu dan biaya sehingga diperlukan ketepatan dalam menentukan rute terpendek dalam proses ini. Berdasarkan uraian tersebut, penulis tertarik melakukan penelitian dengan judul Optimasi Rute Armada Kebersihan Kota Gorontalo Menggunakan Algoritma Ant Colony Optimization. Adapun yang menjadi tujuan dalam penelitian ini yaitu untuk Optimasi Rute Armada Kebersihan Kota Gorontalo Menggunakan Algoritma Ant Colony Optimization. KAJIAN TEORI 1. Teori Graph Graph adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain melalui sisi/busur (edges) (Zakaria dalam Muttakhiroh, 2007). Suatu Graph G terdiri dari dua himpunan yaitu himpunan V dan himpunan E. a. Verteks (simpul) :V = himpunan simpul yang terbatas dan tidak kosong. b. Edge (sisi/busur):e = himpunan busur yang menghubungkan sepasang simpul. Simpul-simpul pada graph dapat merupakan obyek sembarang seperti kota, atom-atom suatu zat, nama anak, jenis buah, komponen alat elektronik dan sebagainya. Busur dapat menunjukkan hubungan (relasi) sembarang seperti rute penerbangan, jalan raya, sambungan telepon, ikatan kimia, dan lain-lain. Notasi graph: G(V,E) artinya graph G memiliki V simpul dan E busur. 2. Macam-macam Graph Menurut arah dan bobotnya, graph dibagi menjadi empat bagian, yaitu:
3 a. Graph berarah dan berbobot : tiap busur mempunyai anak panah dan bobot. Gambar 2.1 menunjukkan graph berarah dan berbobot yang terdiri dari tujuh titik yaitu titik A,B,C,D,E,F,G. Titik menujukkan arah ke titik B dan titik C, titik B menunjukkan arah ke titik D dan titik C, dan seterusnya. Bobot antar titik A dan titik B pun telah diketahui. b. Graph tidak berarah dan berbobot : tiap busur tidak mempunyai anak panah tetapi mempunyai bobot. Gambar 2.2 menunjukkan graph tidak berarah dan berbobot. Graph terdiri dari tujuh titik yaitu titik A,B,C,D,E,F,G. Titik A tidak menunjukkan arah ke titik B atau C, namun bobot antara titik A dan titik B telah diketahui. Begitu juga dengan titik yang lain. c. Graph berarah dan tidak berbobot: tiap busur mempunyai anak panah yang tidak berbobot. Gambar 2.3 menunjukkan graph berarah dan tidak berbobot. d. Graph tidak berarah dan tidak berbobot: tiap busur tidak mempunyai anak panah dan tidak berbobot. 3. Graph Hamilton Graph hamilton diambil dari nama Sir William Rowan Hamilton. Suatu graph terhubung adalah graph hamilton memuat sirkuit yang melalui setiap vertex tepat satu kali disebut sirkuit hamilton. Lintasan hamilton adalah lintasan yang melalui tiap vertex di dalam graph tepat satu kali. Graph yang hanya memiliki lintasan hamilton disebut graph semi Hamilton. Teorema 3.1 Syarat cukup (jadi bukan syarat perlu) supaya graph sederhana G dengan n 3 buah vertex adalah graph hamilton ialah bila tiap vertex paling sedikit (yaitu, d(v) untuk setiap simpul v di G). Teorema 3.2 Setiap graph lengkap adalah graph hamilton. Graph lengkap dengan n buah simpul dilabangkan dengan K n. Jumlah sisi pada graph lengkap yang terdiri dari n buah simpul adalah. Teorema 3.3 Di dalam graph lengkap G dengan n buah vertex (n 3), terdapat buah sirkuit hamilton. Teorema 3.4 Di dalam graph lengkap G dengan n buah simpul (n 3 dan n ganjil), terdapat buah sirkuit hamilton yang saling lepas (tidak ada sisi yang beririsan). Jika n genap dan n 4, maka di dalam G terdapat buah sirkuit hamilton yang saling lepas.
4 Teorema 3.5 Misalkan G adalah graph terhubung sederhana dengan n titik, dengan n 3 dan deg v + deg w n. Untuk tiap-tiap pasangan titik yang tidak berdekatan v dan w, maka G adalah graph Hamilton. Teorema 3.6 Misalkan G adalah graph sederhana dengan n vertex. Jika jumlah dari derajat masing-masing vertex di G paling sedikit n 1, maka ada lintasan hamilton di G. 4. Optimisasi Optimasi ialah Suatu proses untuk mencapai hasil yang ideal atau optimal (nilai efektif uang dapat dicapai). Dalam disiplin matematika optimisasi merujuk pada studi permasalahan yang mencoba untuk mencari nilai minimal atau maksimal dari suatu fungsi nyata. Untuk dapat mencapai nilai optimal baik minimal atau maksimal tersebut, secara variabel integer atau nyata yang akan memberikan solusi optimal (Wardy, 2007). 5. Algoritma Pohon Rentang Minimal Sebuah graph yang setiap sisinya dikaitkan dengan suatu bilangan real disebut graph bobot. Bilangan yang dikaitkan ke suatu sisi G disebut bobot sisi tersebut. Bobot graph G, dilambangkan w(g), adalah jumlah bobot semua sisi G. diberikan graph bobot G terhubung. Sebuah pohon rentang di G dengan bobot minimum disebut Pohon Rentang Minimal (Budayasa, 2007). Algoritma Prim INPUT : Graph bobot G terhubung dengan n titik. STEP 1: Pilih sebuah titik v di G dan tulis T 1 = v. STEP 2: Pilih sebuah sisi e k dengan bobot minimal yang menghubungkan sebuah titik T k dengan sebuah titik G yang bukan di T k. Jika terdapat lebih dari satu sisi yang demikian, pilih salah satu sebarang. Tulis T k+1 = T k {e k } STEP 3: Jika n-1 sisi telah terpilih (k = n-1), STOP dan beri pesan T k+1 adalah pohon rentang minimal di G. Jika k < n-1, kembali ke STEP Ant Colony Optimization Pada tahun 1996, dunia AI (Artifiacial Intellegence) pun ikut belajar dari semut dengan diperkenalkannya algoritma semut, atau Ant Colony Optimization, sebagai sebuah simulasi multi
5 agen yang menggunakan metafora alami semut untuk menyelesaikan problem ruang fisik. Algoritma koloni semut diperkenalkan oleh Moyson dan Manderick kemudian secara meluas dikembangkan oleh Marco Dorigo, merupakan teknik probabilistik untuk menyelesaikan masalah komputasi dengan menemukan jalur terbaik melalui graphik. Algoritma ini terinspirasi oleh perilaku semut dalam menemukan jalur dari koloninya menuju makanan (Wardy, 2007). Dalam algoritma semut, diperlukan beberapa variabel dan langkah-langkah untuk menentukan jalur terpendek (Mutakhiroh, I., Indrato, Hidayat, T., 2007), yaitu: Langkah 1: a. Inisialisasi harga parameter-parameter algoritma. Parameter-parameter yang diinisialisasikan adalah: 1. Intensitas jejak semut antar kota dan perubahannya ( ) 2. Banyak kota (n) termasuk x dan y (koordinat) atau d ij (jarak antar kota) 3. Penentuan kota berangkat dan kota tujuan 4. Tetapan siklus-semut (Q) 5. Tetapan pengendali intensitas jejak semut ( ) 6. Tetapan pengendali visibilitas ( ) 7. Visibilitas antar kota = ( ) 8. Jumlah semut (m) 9. Tetapan penguapan jejak semut ( ) 10. Jumlah siklus maksimum (NC max ) bersifat tetap selama algoritma dijalankan, sedangkan akan selalu diperbaharui harganya pada setiap siklus algoritma mulai dari siklus pertama (NC=1) sampai tercapai jumlah siklus maksimum (NC=NC max ) atau sampai terjadi konvergensi b. Inisialisasi kota pertama setiap semut Setelah inisialisasi dilakukan, kemudian m semut ditempatkan pada kota pertama yang telah ditentukan. Langkah 2: Pengisian kota pertama ke dalam tabu list. Hasil inisialisasi kota pertama semut pada langkah 1 harus diisikan sebagai elemen pertama tabu list. Hasil dari langkah ini adalah terisinya elemen pertama tabu list setiap semut dengan indeks kota pertama.
6 Langkah 3: Penyusunan jalur kunjungan setiap semut ke setiap kota. Koloni semut yang sudah terdistribusi ke kota pertama akan mulai melakukan perjalanan dari kota pertama sebagai kota asal dan salah satu kota-kota lainnya sebagai kota tujuan. Kemudian dari kota kedua, masingmasing koloni semut akan melanjutkan perjalanan dengan memilih salah satu dari kota-kota yang tidak terdapat pada tabu k sebagai kota tujuan selanjutnya. Perjalanan koloni semut berlangsung terus menerus hingga mencapai kota yang telah ditentukan. Jika s menyatakan indeks urutan kunjungan, kota asal dinyatakan sebagai tabu k (s) dan kota-kota lainnya dinyatakan sebagai {Ntabu k }, maka untuk menentukan kota tujuan digunakan persamaan probabilitas kota untuk dikunjungi sebagai berikut, [ ] [ ] [ ] [ ] untuk j {N-tabu k }j {N-tabu k } untuk j lainnya dengan i sebagai indeks kota asal dan j sebagai indeks kota tujuan. Langkah 4: a. Perhitungan panjang jalur setiap semut. Perhitungan panjang jalur tertutup (length closed tour) atau L k setiap semut dilakukan setelah satu siklus diselesaikan oleh semua semut. Perhitungan dilakukan berdasarkan tabu k masingmasing dengan persamaan berikut: dengan d ij adalah jarak antara kota i ke kota j yang dihitung berdasarkan persamaan: b. Pencarian rute terpendek Setelah L k setiap semut dihitung, akan diperoleh harga minimal panjang jalur tertutup setiap siklus atau L minnc dan harga minimal panjang jalur tertutup secara keseluruhan adalah atau L min. c. Perhitungan perubahan harga intensitas jejak kaki semut antar kota. Koloni semut akan meninggalkan jejak-jejak kaki pada lintasan antar kota yang dilaluinya. Adanya penguapan dan perbedaan jumlah semut yang lewat, menyebabkan kemungkinan
7 terjadinya perubahan harga intensitas jejak kaki semut antar kota. Persamaan perubahannya adalah: Dengan adalah perubahan harga intensitas jejak kaki semut antar kota setiap semut yang dihitung berdasarkan persamaan untuk (i,j) kota asal dan kota tujuan dalam tabu k untuk (i,j) lainnya Langkah 5: a. Perhitungan harga intensitas jejak kaki semut antar kota untuk siklus selanjutnya. Harga intensitas jejak kaki semut antar kota pada semua lintasan antar kota ada kemungkinan berubah karna adanya penguapan dan perbedaan jumlah semut yang melewati. Untuk siklus selanjutnya, semut yang akan melewati lintasan tersebut harga intensitasnya telah berubah. Harga intensitas jejak kaki semut antar kota untuk siklus selanjutnya dihitung dengan persamaan: b. Atur ulang harga perubahan intensitas jejak kaki semut antar kota. untuk siklus selanjutnya perubahan harga intensitas jejak semut antar kota perlu diatur kembali agar memiliki nilai sama dengan nol. Langkah 6: Pengosongan tabu list, dan ulangi langkah 2 jika diperlukan. Tabu list perlu dikosongkan untuk diisi lagi dengan urutan kota yang baru pada siklus selanjutnya, jika jumlah siklus maksimum belum tercapai atau belum terjadi konvergensi. Algoritma diulang lagi dari langkah 2 dengan harga parameter intensitas jejak kaki semut antar kota yang sudah diperbaharui. METODOLOGI PENELITIAN Kebutuhan Masukan Simulasi algoritma ini menggunakan program MATLAB R2012a. Untuk menjalankan simulasi diperlukan input atau masukan berupa parameter-parameter yang diperlukan dalam algoritma ACO, yaitu:
8 a. Peta dua dimensi yang dilengkapi dengan banyaknya titik kunjungan (n) termasuk koordinat (x,y). (n) dan (x,y) ditentukan oleh pengguna. b. Parameter-parameter yang diperlukan dalam perhitungan algoritma ACO, yaitu: 1. Jumlah Semut (m) = 200. Ditentukan berdasarkan atau disesuaikan dengan jumlah titik. Jumlah semut ini akan berpengaruh pada banyaknya variasi rute yang dihasilkan. 2. Jumlah Siklus Maksimum (NC max ) = 500. Digunakan untuk menghentikan program dan berpengaruh pada waktu komputasi, semakin besar jumlah siklus maksimumnya maka semakin besar waktu komputasinya. 3. Tetapan Siklus Semut (Q). Q merupakan konstanta yang digunakan untuk menentukan nilai selisih intensitas jejak kaki semut. 4. Tetapan Pengendali Intensitas Jejak Semut ( ) = 1. Digunakan untuk perhitungan probabilitas pemilihan rute yang akan dilalui semut. 5. Tetapan Pengendali Visibilitas ( ) = 5. Kemampuan semut memberikan atau memancarkan sinyal pada semut-semut selanjutnya. Digunakan dalam persamaan probabilitas pemilihan rute yang akan dilalui semut. 6. Tetapan Penguapan Jejak Semut ( ) = 1. Digunakan untuk menentukan jejak semut sebelumnya. 7. Intensitas Jejak Semut ( ) dan perubahannya ( ). Memberi informasi jumlah semut yang memilih jejak yang sama. Flowchart Algoritma Ant Colony Optimization Dari algoritma yang telah ditentukan dapat dibuat flowchart yang ditunjukkan oleh gambar berikut
9
10 Desain Penelitian Mulai Pengamatan Awal Merumuskan Masalah dan Tujuan Studi Pustaka Pengumpulan Data Data Lengkap? Tidak Ya Penentuan Parameter Algoritma Penyusunan Algoritma Program Pembuatan Program Mengolah dan Menganalisis Data Simpulan Selesai
11 HASIL PENELITIAN DAN PEMBAHASAN 4.1 Klasifikasi Rute Layanan Armada Berdasarkan data yang didapatkan dari Badan Lingkungan Hidup Kota Gorontalo dapat dihitung rute layanan armada kebersihan Badan Lingkungan Hidup adalah sebagai berikut: Tabel Jarak Tempuh Masing-masing Armada NO Armada Jarak (Km) 1 DM 8049 A DM 8010 A DM 8051 A DM 8135 A DM 8011 A DM 8136 A DM 8027 A DM 8114 A 4.06 Total Jarak Rute dan Jarak Tempuh Optimal Hasil Ant Colony Optimization Algoritma Ant Colony Optimization diimplementasikan dan diuji dengan dengan data masukan berupa parameter-parameter dan koordinat titik (x,y) yang ditentukan dengan bantuan software CorelDraw X6 menghasilkan rute dan jarak tempuh optimal sebagai berikut: a. Armada Kebersihan DM 8049 A
12 Berdasarkan gambar dengan skala 1 : diatas dapat dilihat bahwa rute dan jarak optimal dari Armada Kebersihan DM 8049 A adalah: Jarak Rute Layanan Tempuh Perhitungan jarak sebenarnya: 72,68 cm x cm = cm = 12,64 km. Untuk armada kebersihan lainnya dihitung dengan cara yang sama, maka didapatkan hasil berikut: Tabel Total Jarak Tempuh Rute Hasil Perhitungan ACO NO Armada Jarak (Km) 1 DM 8049 A DM 8010 A DM 8051 A DM 8135 A DM 8011 A DM 8136 A DM 8027 A DM 8114 A 3.6 Total Jarak Tabel Perbandingan Jarak Tempuh NO Armada Jarak Sebelumnya Jarak Hasil Perhitungan ACO Selisih (Km) (Km) 1 DM 8049 A DM 8010 A DM 8051 A DM 8135 A DM 8011 A
13 6 DM 8136 A DM 8027 A DM 8114 A Tabel di atas menunjukkan bahwa jarak tempuh rancangan rute dengan menggunakan Ant Colony Optimization merupakan rancangan rute yang optimal. Penghematan jarak = (Total jarak Awal Total Jarak Hasil Pengolahan ACO) km Penghematan jarak = ( ) km = 9,89 km Penghematan (%) = 10.6%. PENUTUP Berdasarkan uraian pembahasan di atas, dapat disimpulkan bahwa: 1. Perancangan rute menggunakan Ant Colony Optimization berdasarkan letak titik yang sudah ditentukan lebih optimal daripada rute yang selama ini dilalui oleh armada kebersihan. 2. Penghematan jarak yang peroleh dari hasil pengolahan data menggunakan Ant Colony Optimization adalah 10.6% dari jarak tempuh rute yang digunakan saat ini. Saran: 1. Pada penelitian ini, program Ant Colony Optimization belum memperhatikan data masukan titik koordinat untuk persimpangan jalan atau pengaturan jalan yang harus dilalui. Oleh karena itu, penulis menyarankan kepada pembaca yang tertarik dengan masalah optimasi ini agar dapat menyertakan titik koordinat dari persimpangan jalan tersebut. 2. Pada kasus ini terjadi local optimum, oleh karena itu program Ant Colony Optimization yang digunakan perlu dimodifikasi. 3. Diharapkan pada penelitian selanjutnya dapat membandingkan antar metode heuristik yang lainnya. DAFTAR PUSTAKA Berlianty Intan, Miftahol Arifin Teknik-Teknik Optimasi Heuristik. Graha Ilmu. Yogyakarta. Budayasa, Ketut Teori Graph dan Aplikasinya. Surabaya: UNESA. Dorigo, M. dan Stutzle, T Ant Colony Optimization.A Bradford book.the MIT Press Cambridge, Massachussetts London, England. Hoetomo, M. A Kamus Lengkap Bahasa Indonesia. Mitra Pelajar. Surabaya.
14 Leksono, Agus Algoritma Ant Colony Optimization (ACO) untuk Menyelesaikan Traveling Salesman Problem (TSP).Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Diponegoro Semarang. Skripsi Dipublikasikan (online). Mutakhiroh I., Indrato dan Hidayat T Pencarian Jalur Terpendek Menggunakan Algoritma Semut. Seminar Nasional Aplikasi Teknologi Informasi. ISSN: Yogyakarta. Mutakhiroh I., Saptono F., Hasanah N., dan Wiryadinata R Pemanfaatan Metode Heuristik dalam Pencarian Jalur Terpendek dengan Algoritma Semut dan Algoritma Genetik. Seminar Nasional Aplikasi Teknologi Informasi. ISSN: Yogyakarta. Pranata R. A., Prasetyaningrum I., Fariza A., dan Martiana E Perancangan Sistem Optimasi Rute Distribusi Pengangkutan Sampah di Surabaya Secara Adaptif Menggunakan Metode Algoritma Koloni Semut. Jurusan Teknik Informatika, PENS-ITS. Surabaya. Suyanto Algoritma Optimasi Deterministik atau Probabilitik. Graha Ilmu. Bandung. Wardy, I. S Penggunaan Graph dalam Algoritma Semut untuk Melakukan Optimisasi. Program Studi Teknik Informatika, Institut Teknologi Bandung. Bandung.
SISTEM 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 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 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 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 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 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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Dasar Graf Graf G didefinisikan sebagai pasangan himpunan (V,E), ditulis dengan notasi G=(V,E), yang dalam hal ini V adalah himpunan tidak-kosong dari simpul-simpul (vertices
Lebih terperinciPenyelesaian Traveling Salesman Problem dengan Algoritma Heuristik
Penyelesaian Traveling Salesman Problem dengan Algoritma Heuristik Filman Ferdian - 13507091 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan Ganesha
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Traveling Salesperson Problem selanjutnya dalam tulisan ini disingkat menjadi TSP, digambarkan sebagai seorang penjual yang harus melewati sejumlah kota selama perjalanannya,
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 terperinciPEMANFAATAN METODE MONTE CARLO DALAM PENCARIAN PATH TERPENDEK PADA GRAF
PEMANFAATAN METODE MONTE CARLO DALAM PENCARIAN PATH TERPENDEK PADA GRAF Said Iskandar Al Idrus Jurusan Matematika FMIPA Universitas Negeri Medan said.iskandar.alidrus@gmail.com Abstrak Pada saat ini ada
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 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 I PENDAHULUAN. Pada awal diciptakan, komputer hanya difungsikan sebagai alat hitung
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pada awal diciptakan, komputer hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan jaman, maka peran komputer semakin mendominasi kehidupan.
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 terperinciBAB II TINJAUAN PUSTAKA
6 BAB II TINJAUAN PUSTAKA Pada bagian pada bagian ini akan diuraikan tentang tinjauan pustaka dan landaran teori yang sesuai dengan ACO dan AG. 2.1 Algoritma Ant Colony Optimization Secara umum pencarian
Lebih terperinciIMPLEMENTASI ALGORITMA SEMUT UNTUK PENCARIAN RUTE TERPENDEK BERBASIS SISTEM INFORMASI GEOGRAFIS
IMPLEMENTASI ALGORITMA SEMUT UNTUK PENCARIAN RUTE TERPENDEK BERBASIS SISTEM INFORMASI GEOGRAFIS Edi Iskandar Teknik Informatika STMIK Akakom e-mail: edi_iskandar@akakom.ac.id Abstrak Dalam kehidupan global
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 terperinciGambar 3.1. Semut dalam Proses menemukan sumber makanan
BAB III LANDASAN TEORI 3.1 Algortima Semut Koloni semut merupakan algoritma yang bersifat heuristik untuk menyelesaikan masalah optimasi. Algoritma ini diinspirasikan oleh lingkungan koloni semut pada
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Sebelum memulai pembahasan lebih lanjut, pertama-tama haruslah dijelaskan apa yang dimaksud dengan traveling salesman problem atau dalam bahasa Indonesia disebut sebagai persoalan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Graph 2.1.1 Definisi Graph Graf didefinisikan dengan G = (V, E), di mana V adalah himpunan tidak kosong dari vertex-vertex = {v1, v2, v3,...,vn} dan E adalah himpunan sisi
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 terperinciPERANCANGAN SISTEM OPTIMASI RUTE DISTRIBUSI PENGANGKUTAN SAMPAH DI SURABAYA SECARA ADAPTIF MENGGUNAKAN METODE ALGORITMA KOLONI SEMUT
PERANCANGAN SISTEM OPTIMASI RUTE DISTRIBUSI PENGANGKUTAN SAMPAH DI SURABAYA SECARA ADAPTIF MENGGUNAKAN METODE ALGORITMA KOLONI SEMUT Raditya Arizal Pranata, Ira Prasetyaningrum S.Si,MT., Arna Fariza, S.Kom,
Lebih terperinciPemanfaatan Algoritma Semut untuk Penyelesaian Masalah Pewarnaan Graf
Pemanfaatan Algoritma Semut untuk Penyelesaian Masalah Pewarnaan Graf Anugrah Adeputra - 13505093 Program Studi Informatika, Sekolah Teknik Elektro & Informatika ITB Jl. Ganesha No.10 If15093@students.if.itb.ac.id
Lebih terperinciBAB 2 LANDASAN TEORI. Perancangan sistem merupakan penguraian suatu sistem informasi
BAB 2 LANDASAN TEORI 2.1 Teori Umum 2.1.1 Perancangan Sistem Perancangan sistem merupakan penguraian suatu sistem informasi yang utuh ke dalam bagian komputerisasi yang dimaksud, mengidentifikasi dan mengevaluasi
Lebih terperinciDesain Rute Terpendek untuk Distribusi Koran Dengan Algoritma Ant Colony System
Desain Rute Terpendek untuk Distribusi Koran Dengan Algoritma Ant Colony System Jan Alif Kreshna, Satria Perdana Arifin, ST, MTI., Rika Perdana Sari, ST, M.Eng. Politeknik Caltex Riau Jl. Umbansari 1 Rumbai,
Lebih terperinciIkhsanJaelani Mahasiswa Informatika, FT UMRAH, ABSTRAK. Kata Kunci : Rute Terpendek, meta-heuristics, algoritma semut
PENERAPAN ALGORITMA SEMUT UNTUK OPTIMISASI RUTE PENJEMPUTAN BARANG PADA TEMPAT JASA PENITIPAN SEMENTARA LION EXPRESS Studi Kasus : Konsolidator Lion Express Tanjungpinang IkhsanJaelani Mahasiswa Informatika,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada awalnya komputer hanya digunakan untuk alat hitung saja tetapi seiring dengan perkembangan teknologi, komputer diharapkan mampu melakukan semua yang dapat
Lebih terperinciSTUDI OPTIMALISASI JUMLAH PELABUHAN TERBUKA DALAM RANGKA EFISIENSI PEREKONOMIAN NASIONAL
BAB III METODOLOGI 3.1 POLA PIKIR Proses analisis diawali dari identifikasi pelabuhan yang terbuka bagi perdagangan luar negeri, meliputi aspek legalitas, penerapan ISPS Code dan manajemen pengelolaan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Tsunami Tsunami adalah gelombang laut yang terjadi karena adanya gangguan impulsif pada laut. Gangguan impulsif tersebut terjadi akibat adanya perubahan bentuk dasar laut secara tiba-tiba
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 0, No. (2015), hal 17 180. PENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING Kristina Karunianti Nana, Bayu Prihandono,
Lebih terperinciAnalisis dan Implementasi Ant Colony Algorithm untuk Clustering
Analisis dan Implementasi Ant Colony Algorithm untuk Clustering Kurniawan Nur Ramadhani Program Studi Manajemen Informatika Politeknik Telkom, Bandung andiess26@yahoo.co.id Abstrak Paper ini memaparkan
Lebih terperinciPerbandingan Algoritma Dijkstra Dan Algoritma Ant Colony Dalam Penentuan Jalur Terpendek
Perbandingan Algoritma Dijkstra Dan Algoritma Ant Colony Dalam Penentuan Jalur Terpendek Finsa Ferdifiansyah NIM 0710630014 Jurusan Teknik Elektro Konsentrasi Rekayasa Komputer Fakultas Teknik Universitas
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 terperinciOptimasi pada Rute Truk Peti Kemas dengan Algoritma Optimasi Koloni Semut
E-journal Teknik Elektro dan Komputer (tahun), ISSN : 20-8402 7 Optimasi pada Rute Truk Peti Kemas dengan Algoritma Optimasi Koloni Semut Feisy D. Kambey feisy.kambey@yahoo.co.id Abstrak Perdagangan global
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 terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1. Analisis Sistem yang Berjalan Analisa sistem yang berjalan bertujuan untuk mengidentifikasi persoalanpersoalan yang muncul dalam pembuatan sistem, hal ini dilakukan
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 terperinciBAB 1 PENDAHULUAN. Persoalan lintasan terpanjang (longest path) merupakan persoalan dalam mencari
BAB 1 PENDAHULUAN 1.1 Latar Belakang Persoalan lintasan terpanjang (longest path) merupakan persoalan dalam mencari lintasan sederhana terpanjang maksimum dalam suatu graph yang diberikan. Lintasan terpanjang
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH
Buletin Ilmiah Mat. Stat. Dan Terapannya (Bimaster) Volume 04, No. 1 (2015), hal 17 24. PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH Fatmawati, Bayu Prihandono, Evi Noviani INTISARI
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 terperinciPENERAPAN ALGORITMA ANT COLONY PADA PENJADWALAN PRODUKSI
PENERAPAN ALGORITMA ANT COLONY PADA PENJADWALAN PRODUKSI Nurul Imamah, S.Si 1, Dr.Imam Mukhlas, S.Si, MT 2 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan, Institut Teknologi Sepuluh Nopember
Lebih terperinciBAB I PENDAHULUAN. dinaikkkan tegangannya untuk meminimalisir rugi-rugi daya, kemudian energi listrik
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem tenaga listrik secara umum dapat di kelompokkan menjadi empat bagian, yaitu : pembangkit, transmisi, distribusi, dan beban. Pembangkit tenaga listrik adalah
Lebih terperinciIMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS
IMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS Yudis Anggara Putra Chastine Fatichah Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah PT. TIKI (Abadi Express) adalah perusahaan jasa yang menerima pengiriman paket dan paket tersebut akan diantar kealamat tujuan. Para kurir yang bertugas mengantar
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Defenisi Graf Graf G didefenisikan sebagai pasangan himpunan (V,E), ditulis dengan notasi G = (V,E), yang dalam hal ini V adalah himpunan tidak kosong dari simpul-simpul
Lebih terperinciAkses Informasi Pengiriman Barang Di Kantor Pos Jemur Sari Untuk Area Surabaya Timur Menggunakan Metode Ant Colony Optimization Berbasis J2ME
Akses Informasi Pengiriman Barang Di Kantor Pos Jemur Sari Untuk Area Surabaya Timur Menggunakan Metode Ant Colony Optimization Berbasis J2ME Neny Wahyuningdiyah 1, M.Zen Samsono Hadi 2, Mike Yuliana 2
Lebih terperinciBAB III ALGORITMA ANT DISPERSION ROUTING (ADR)
BAB III ALGORITMA ANT DISPERSION ROUTING (ADR) Pada permasalahan pencarian rute optimal dalam rangka penyebaran rute lalu lintas untuk mencapai keseimbangan jaringan lalu lintas sebagai upaya untuk mengurangi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Persoalan lintasan terpanjang (longest path) merupakan persoalan dalam mencari lintasan sederhana terpanjang maksimum dalam suatu graph yang diberikan. Lintasan terpanjang
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI Pada bab ini akan dibahas beberapa konsep dasar dan beberapa definisi yang akan digunakan sebagai landasan berpikir dalam melakukan penelitian ini sehingga mempermudah penulis untuk
Lebih terperinciAplikasi Penentuan Jalur Terpendek Pendistribusian Bantuan Bencana alam Dengan Menggunakan Algoritma Semut Pada Wilayah Sumatera Utara
Aplikasi Penentuan Jalur Terpendek Pendistribusian Bantuan Bencana alam Dengan Menggunakan Algoritma Semut Pada Wilayah Sumatera Utara Marlince NK. Nababan 1 Yonata Laia 2, Mardi Turnip 3 Universitas Prima
Lebih terperinciAPLIKASI GRAF DALAM BISNIS TRAVEL BANDUNG-BOGOR
APLIKASI GRAF DALAM BISNIS TRAVEL BANDUNG-BOGOR Achmad Giovani NIM : 13508073 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Jl. Ganeca 10 Bandung e-mail:
Lebih terperinciJurnal Edukasi dan Penelitian Informatika (JEPIN) Vol. 1, No. 2, (2015) 1 Rancangan Sistem Penjadwalan Akademik Menggunakan Algoritma Max Min Ant System (Studi Kasus: STMIK Atma Luhur Pangkalpinang) Delpiah
Lebih terperinciPERANCANGAN PROGRAM APLIKASI OPTIMASI PEMASANGAN KABEL DENGAN METODE ANT COLONY
PERANCANGAN PROGRAM APLIKASI OPTIMASI PEMASANGAN KABEL DENGAN METODE ANT COLONY Joni Cukri Binus University, Jalan KH. Syahdan No. 9 Palmerah, Jakarta 11480, Indonesia joni.cukri@yahoo.co.id ABSTRACT Cabling
Lebih terperinciUsulan Rute Distribusi Tabung Gas Menggunakan Algoritma Ant Colony Systems di PT. Limas Raga Inti
Prosiding Seminar Nasional Teknoin 2012 ISBN No. 978-979-96964-3-9 Usulan Rute Distribusi Tabung Gas Menggunakan Algoritma Ant Colony Systems di PT. Limas Raga Inti Fifi Herni Mustofa 1), Hari Adianto
Lebih terperinciPENDUKUNG SISTEM PEMASARAN DENGAN ALGORITMA ANT COLONY ABSTRAK
PENDUKUNG SISTEM PEMASARAN DENGAN ALGORITMA ANT COLONY Vendy Steven Tandiko, Halim Agung steven_vendy@yahoo.co.id, halimagung89@gmail.com Tekhnik Informatika Universitas Bunda Mulia ABSTRAK Kemudahan untuk
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI.1 Ant Colony System dan Asal Usulnya Pada subbab ini akan diuraikan mengenai asal usul Ant Colony System (ACS), yaitu membahas tentang semut dan tingkah lakunya yang merupakan sumber
Lebih terperinciBAB I PENDAHULUAN. dalam kehidupan sehari-hari. Proses distribusi barang dari suatu tempat ke tempat
BAB I PENDAHULUAN A. Latar Belakang Masalah Permasalahan optimisasi merupakan permasalahan yang banyak dijumpai dalam kehidupan sehari-hari. Proses distribusi barang dari suatu tempat ke tempat lain merupakan
Lebih terperinciPERANCANGAN ALGORITMA GENETIKA UNTUK MENENTUKAN JALUR TERPENDEK. Kata kunci: Algoritma Genetika, Shortest Path Problem, Jalur Terpendek
PERANCANGAN ALGORITMA GENETIKA UNTUK MENENTUKAN JALUR TERPENDEK Fajar Saptono 1, Taufiq Hidayat 2 Laboratorium Pemrograman dan Informatika Teori Jurusan Teknik Informatika, Fakultas Teknologi Industri,
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 terperinciGambar 6. Graf lengkap K n
. Jenis-jenis Graf Tertentu Ada beberapa graf khusus yang sering dijumpai. Beberapa diantaranya adalah sebagai berikut. a. Graf Lengkap (Graf Komplit) Graf lengkap ialah graf sederhana yang setiap titiknya
Lebih terperinciBAB II DASAR TEORI 2.1 Penjadwalan Kuliah
BAB II DASAR TEORI 2.1 Penjadwalan Kuliah Penjadwalan Kuliah merupakan pengaturan penempatan waktu dan ruangan berdasarkan jumlah kuliah dan akademik sejenis, dengan memperhatikan sejumlah aturan yang
Lebih terperinciBAB I PENDAHULUAN. Traveling Salesman Problem (TSP) dikenal sebagai salah satu masalah
BAB I PENDAHULUAN I.1. Latar Belakang Traveling Salesman Problem (TSP) dikenal sebagai salah satu masalah optimasi yang banyak menarik perhatian para peneliti sejak beberapa dekade terdahulu. Pada mulanya,
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Persoalan rute terpendek merupakan suatu jaringan pengarahan rute perjalanan di mana seseorang pengarah jalan ingin menentukan rute terpendek antara dua kota berdasarkan
Lebih terperinciVEHICLE ROUTING PROBLEM UNTUK DISTRIBUSI BARANG MENGGUNAKAN ALGORITMA SEMUT
VEHICLE ROUTING PROBLEM UNTUK DISTRIBUSI BARANG MENGGUNAKAN ALGORITMA SEMUT Agung Hadhiatma 1*, Alexander Purbo 2* 1,2 Program Studi Informatika, Fakultas Sains dan Teknologi, Universitas Sanata Dharma
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Penjadwalan Definisi Penjadwalan Kegiatan Belajar Mengajar
BAB II LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Definisi Penjadwalan Kegiatan Belajar Mengajar Penjadwalan terkait pada aktivitas dalam hal untuk membuat sebuah jadwal. Sebuah jadwal adalah sebuah tabel dari
Lebih terperinciBAB II TINJAUAN PUSTAKA. a) Purwadhi (1994) dalam Husein (2006) menyatakan: perangkat keras (hardware), perangkat lunak (software), dan data, serta
BAB II TINJAUAN PUSTAKA 2.1 Sistem Informasi Geografis (SIG) 2.1.1 Pengertian Sistem Informasi Geografis Ada beberapa pengertian dari sistem informasi geografis, diantaranya yaitu: a) Purwadhi (1994) dalam
Lebih terperinciJl. Ir. M. Putuhena, KampusUnpatti, Poka-Ambon, Maluku
Jurnal Barekeng Vol. 8 No. 1 Hal. 51 59 (2014 APLIKASI ALGORITMA ANT COLONY SYSTEM DALAM PENENTUAN RUTE OPTIMUM DISTRIBUSI BBM PADA PT. BURUNG LAUT Ant Colony System Algorithm Application to Determining
Lebih terperinciMILIK UKDW BAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Saat ini, teknologi komputer menjadi alat bantu yang sangat bermanfaat terutama untuk melakukan pekerjaan dalam hal kalkulasi, pendataan, penyimpanan berkas
Lebih terperinciAKSES INFORMASI PENGIRIMAN BARANG DI KANTOR POS JEMUR SARI UNTUK AREA SURABAYA TIMUR MENGGUNAKAN METODE ANT COLONY OPTIMIZATION BERBASIS WAP
AKSES INFORMASI PENGIRIMAN BARANG DI KANTOR POS JEMUR SARI UNTUK AREA SURABAYA TIMUR MENGGUNAKAN METODE ANT COLONY OPTIMIZATION BERBASIS WAP Titik Sri Mulyani 1. Zen Samsono Hadi 2. Haryadi Amran Darwito
Lebih terperinciAlgoritma Koloni Semut dan Manfaatnya untuk Menentukan Jalur Pengumpulan Sampah
Algoritma Koloni Semut dan Manfaatnya untuk Menentukan Jalur Pengumpulan Sampah Muhtar Hartopo 13513068 Program Sarjana Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciGRAF EULER DAN GRAF HAMILTON
GRAF EULER DAN GRAF HAMILTON ANDI DANIAH PAHRANY (H11113303) A. Eulerian Graf Graf yang memuat sirkut euler Lintasan euler Lintasan pada graf G dikatakan lintasan euler, ketika melalui setiap sisi di graf
Lebih terperinciPenerapan Algoritma Ant System dalam Menemukan Jalur Optimal pada Traveling Salesman Problem (TSP) dengan Kekangan Kondisi Jalan
JNTETI, Vol. 1, No. 3, November 2012 43 Penerapan Algoritma Ant System dalam Menemukan Jalur Optimal pada Traveling Salesman Problem (TSP) dengan Kekangan Kondisi Jalan Andhi Akhmad Ismail 1, Samiadji
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pencarian rute terpendek merupakan masalah dalam kehidupan sehari-hari, berbagai kalangan menemui masalah yang sama dalam pencarian rute terpendek (shortest path) dengan
Lebih terperinciBAB II TINJAUAN PUSTAKA
17 BAB II TINJAUAN PUSTAKA 2.1 Sistem Informasi Geografis Sistem Informasi Geografis atau Geografic Information Sistem (GIS) merupakan sistem komputer yang digunakan untuk memasukkan, menyimpan, memeriksa,
Lebih terperinciBAB 1 PENDAHULUAN. selalu bertambah disetiap tahunnya. Hal ini dapat menimbulkan semakin. memperoleh keuntungan yang maksimal, maka diperlukan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini perkembangan perekonomian di Indonesia semakin meningkat, ditandai dengan banyaknya jumlah pabrik dan perusahaan yang selalu bertambah disetiap tahunnya. Hal
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Graph 2.1.1 Definisi Graph Menurut Dasgupta dkk (2008), graph merupakan himpunan tak kosong titik-titik yang disebut vertex (juga disebut dengan node) dan himpunan garis-garis
Lebih terperinciPenggunaan Graf dalam Algoritma Semut untuk Melakukan Optimisasi
Penggunaan Graf dalam lgoritma Semut untuk Melakukan Optimisasi Ibnu Sina Wardy NIM : 150505 Program Studi Teknik Informatika, Institut Teknologi andung Jl. Ganesha 10, andung E-mail : if1505@students.if.itb.ac.id
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
9 BAB 1 PENDAHULUAN 1.1 Latar Belakang Travelling Salesman Problem (TSP) merupakan salah satu permasalahan yang penting dalam dunia matematika dan informatika. TSP dapat diilustrasikan sebagai perjalanan
Lebih terperinciCourse Note Graph Hamilton
Course Note Graph Hamilton Pada catatan sebelumnya telah dijelaskan tentang definisi graph Hamilton. Suatu graph terhubung adalah graph Hamilton jika graph tersebut memuat sikel yang mencakup semua titik
Lebih terperinciIMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS)
IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) Devie Rosa Anamisa, S.Kom, M.Kom Jurusan D3 Teknik Multimedia Dan Jaringan-Fakultas Teknik Universitas Trunojoyo
Lebih terperinciPENENTUAN RUTE DISTRIBUSI TEH BOTOL MENGGUNAKAN METODE TRAVELING SALESMAN PROBLEM (TSP) UNTUK MINIMASI BIAYA DISTRIBUSI
PENENTUAN RUTE DISTRIBUSI TEH BOTOL MENGGUNAKAN METODE TRAVELING SALESMAN PROBLEM (TSP) UNTUK MINIMASI BIAYA DISTRIBUSI Fahmi Fuadi Al Akbar; Sumiati Prodi Teknik Industri, FTI-UPNV Jawa Timur E-mail :
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu permasalahan optimasi kombinatorial yang terkenal dan sering dibahas adalah traveling salesman problem. Sejak diperkenalkan oleh William Rowan Hamilton
Lebih terperinciPengisian Kota Pertama ke dalam Tabu List Penyusunan Rute Kunjungan Setiap Semut ke Setiap Kota
ix DAFTAR ISI HALAMAN JUDUL... i LEMBAR PENGESAHAN DOSEN PEMBIMBING... ii LEMBAR PENGESAHAN DOSEN PENGUJI... iii HALAMAN PERSEMBAHAN... iv MOTTO... v KATA PENGANTAR... vi ABSTRAKSI... viii DAFTAR ISI...
Lebih terperinciAplikasi Shortest Path dengan Menggunakan Graf dalam Kehidupan Sehari-hari
Aplikasi Shortest Path dengan Menggunakan Graf dalam Kehidupan Sehari-hari Andika Mediputra NIM : 13509057 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI SISTEM. Implementasi dan pengujian dalam merancang program aplikasi
BAB 4 IMPLEMENTASI DAN EVALUASI SISTEM 41 Implementasi Sistem 411 Spesifikasi Hardware dan Software Implementasi dan pengujian dalam merancang program aplikasi penentuan jalur pendistribusian barang ini
Lebih terperinciOleh : CAHYA GUNAWAN JURUSAN SISTEM INFORMASI FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS KOMPUTER INDONESIA BANDUNG 2012
Oleh : CAHYA GUNAWAN 1.05.08.215 JURUSAN SISTEM INFORMASI FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS KOMPUTER INDONESIA BANDUNG 2012 PENDAHULUAN Dalam kehidupan sehari-hari sering dilakukan perjalanan
Lebih terperinciAPLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 1 (2015), hal 25 32. APLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM Edi Samana, Bayu Prihandono, Evi Noviani
Lebih terperinciPENENTUAN RUTE OPTIMAL PADA KEGIATAN PENJEMPUTAN PENUMPANG TRAVEL MENGGUNAKAN ANT COLONY SYSTEM
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1 PENENTUAN RUTE OPTIMAL PADA KEGIATAN PENJEMPUTAN PENUMPANG TRAVEL MENGGUNAKAN ANT COLONY SYSTEM Laksana Samudra dan Imam Mukhlash Matematika, Fakultas
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Bali memiliki bermacam-macam obyek wisata yang sangat potensial untuk dijadikan ladang penghasil devisa bagi negara, tidak hanya itu saja para penduduk di sekitar obyek
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 terperinciANALISA PENCARIAN JALUR TERPENDEK KE PENGINAPAN DI KOTA BATAM DENGAN MENGGUNAKAN ALGORITMA ANT COLONY StudiKasus: DinasPariwisata Kota Batam
ANALISA PENCARIAN JALUR TERPENDEK KE PENGINAPAN DI KOTA BATAM DENGAN MENGGUNAKAN ALGORITMA ANT COLONY StudiKasus: DinasPariwisata Kota Batam DwiRatnaFitriyani Mahasiswa Informatika, FT UMRAH, fitriyani.btm@gmail.com
Lebih terperinciIMPLEMENTASI DAN ANALISA KINERJA ALGORITMA ANT SYSTEM (AS) DALAM PENYELESAIAN MULTIPLE TRAVELLING SALESMAN PROBLEM (MTSP)
IMPLEMENTASI DAN ANALISA KINERJA ALGORITMA ANT SYSTEM (AS) DALAM PENYELESAIAN MULTIPLE TRAVELLING SALESMAN PROBLEM (MTSP) Boko Susilo, Rusdi Efendi, Siti Maulinda Program Studi Teknik Informatika, Fakultas
Lebih terperinciPERANCANGAN APLIKASI PENCARIAN RUTE TERPENDEK MENEMUKAN TEMPAT PARIWISATA TERDEKAT DI KEDIRI DENGAN METODE FLOYD- WARSHALL UNTUK SMARTPHONE
PERANCANGAN APLIKASI PENCARIAN RUTE TERPENDEK MENEMUKAN TEMPAT PARIWISATA TERDEKAT DI KEDIRI DENGAN METODE FLOYD- WARSHALL UNTUK SMARTPHONE SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh
Lebih terperinciPenggunaan Algoritma Dijkstra dalam Penentuan Lintasan Terpendek Graf
Penggunaan Algoritma Dijkstra dalam Penentuan Lintasan Terpendek Graf Rahadian Dimas Prayudha - 13509009 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPerancangan Sistem Transportasi Kota Bandung dengan Menerapkan Konsep Sirkuit Hamilton dan Graf Berbobot
Perancangan Sistem Transportasi Kota Bandung dengan Menerapkan Konsep Sirkuit Hamilton dan Graf Berbobot Rakhmatullah Yoga Sutrisna (13512053) Program Studi Teknik Informatika Sekolah Teknik Elektro dan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Kereta api merupakan salah satu angkutan darat yang banyak diminati masyarakat, hal ini dikarenakan biaya yang relatif murah dan waktu tempuh yang
Lebih terperinciAplikasi dan Optimasi Kombinatorial pada Ant Colony
Aplikasi dan Optimasi Kombinatorial pada Ant Colony Letivany Aldina / 13514067 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinci