Algoritma Pencarian A* dengan Fungsi Heuristik Jarak Manhattan
|
|
- Farida Tedjo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Algorita Pencarian A* dengan Fungsi Heuristik Jarak Manhattan Puanta Della Maharani Riyadi Teknik Inforatika Institut Teknologi Bandung Jl. Ganesha no. 10, Bandung If17135@students.if.itb.ac.id ABSTRAK Perasalahan encari dua titik terdekat sudah sering dijupai dala kehidupan sehari-hari. Dala dunia koputasi, sangat banyak algorita yang dapat digunakan untuk encari 2 pasang titik yang terdapat pada suatu atriks (peta). Salah satu dari algorita pencari pasangan titik terdekat itu ialah algorita A*. Algorita ini sangat irip dengan algorita BFS, naun ia eiliki fungsi heuristik tabahan. Algorita A* juga terkenal sebagai algorita yang angkus dan pasti eberikan hasil yang optial. Keberhasilan dari algorita A* dala eecahkan puzzle tak lepas dari penggunaan fungsi heuristik didalanya, bahkan sifat (kelakuan) dari algorita A* ini bisa berubah-rubah tergantung fungsi heuristik yang digunakannya. Fungsi heuristik ini sangat berpengaruh terhadap kecepatan kinerja aupun penggunaan suber daya eori dari algorita A*. Disini akan diuji coba jenis fungsi heuristik jarak Manhattan. Dari hasil pengujian itu akan dapat kita lihat kinerja A* dengan suatu fungsi heuristik tertentu. Pengujian algorita A* akan dilakukan dengan 2 atriks berbeda. Kata kunci: Algorita A*, Heuristik, Jarak Manhattan, BFS, DFS, labirin. 1. PENDAHULUAN Gabar 1. Hasil algorita pencarian A* A* (dibaca "A bintang"/"a star") adalah algorita pencarian graf/pohon yang encari jalur dari satu titik awal ke sebuah titik akhir yang telah ditentukan. Algorita A* enggunakan pendekatan heuristik h(x) yang eberikan peringkat ke tiap-tiap titik x dengan cara eperkirakan rute terbaik yang dapat dilalui dari titik tersebut. Setelah itu tiap-tiap titk x tersebut dicek satu-persatu berdasarkan urutan yang dibuat dengan pendekatan heuristik tersebut. Maka dari itulah algorita A* adalah contoh dari best-first search. Algorita ini pertaa kali diteukan pada tahun 1968 oleh Peter Hart, Nils Nilsson dan Bertra Raphael. Dala tulisan ereka, algorita ini dinaakan algorita A. Penggunaan algorita ini dengan fungsi heuristik yang tepat dapat eberikan hasil yang optial, aka algorita inipun disebut A*. 1.1 Deskripsi Algorita Berikut diberikan pseudo-code dari algorita A*: function A*(start,goal) closedset := the epty set % The set of nodes already evaluated. openset := set containing the initial node % The set of tentative nodes to be evaluated. g_score[start] := 0 % Distance fro start along optial path. h_score[start] := heuristic_estiate_of_distance(start, goal) f_score[start] := h_score[start] % Estiated total distance fro start to goal through y. while openset is not epty x := the node in openset having the lowest f_score[] value if x = goal return reconstruct_path(cae_fro,goal) reove x fro openset add x to closedset foreach y in neighbor_nodes(x)
2 if y in closedset continue tentative_g_score := g_score[x] + dist_between(x,y) if y not in openset add y to openset := true elseif tentative_g_score < g_score[y] := true else := false if = true cae_fro[y] := x g_score[y] := tentative_g_score h_score[y] := heuristic_estiate_of_distance(y, goal) f_score[y] := g_score[y] + h_score[y] return failure function reconstruct_path(cae_fro,current_no de) if cae_fro[current_node] is set p = reconstruct_path(cae_fro,cae_fro[ current_node]) return (p + current_node) else return the epty path queue). Prioritas yang diberikan pada suatu jalur ditentukan oleh fungsi f(x) = g(x) + h(x). Di sini, g(x) adalah ongkos yang diperlukan sapai ke titik x sejauh ini, h(x) adalah perkiraan heuristik dari ongkos inial untuk eraih titik tujuan dari titik x. Singkat kata, ongkos adalah jarak yang telah ditepuh sejauh ini, dan panjang garis lurus antara titik x dengan titik akhir adalah perkiraan heuristiknya. Seakin rendah nilai f(x), seakin tinggi prioritasnya. Di sini, suksesor(p) engebalikan sebuah hipunan titik yang bertetangga dengan p. Diasusikan bahwa antrian disini enjaga urutan anggotanya dengan nilai f secara otoatis. Gabar 2. Arah gerak pencarian algorita A* Sebenarnya, Depth-first search(dfs) dan breadth-first search(bfs) adalah dua kasus khusus dari algorita A*. Algorita Dijkstra, salah satu BFS, adalah kasus khusus dari A* diana h(x) = 0 untuk seua nilai x. Untuk DFS, ciptakan suatu counter global C yang diinisialisasi dengan nilai yang sangat besar. Pada setiap langkahnya, periksa sebuah titik, lalu berikan nilai C ke seua titik yang bertetangga dengan titik tadi. Setelah tiap-tiap peberian nilai, kurangi counter C dengan 1. Jadi seakin awal sebuah titik diproses, seakin tinggi nilai h(x) yang diilikinya. A* enyipan sebuah hipunan solusi parsial, jalur yang diabil yang berawal dari titik awal, disipan dala sebuah antrian berprioritas(priority Gabar 3. Hasil pencarian algorita A* Dala hipunan hipunan_tertutup, seua titik akhir dari p (titik diana asih terdapat jalur) disipan, untuk enghindari pengulangan dan peutaran. Antrian yang digunakan disini juga biasa disebut sebagai hipunan terbuka. Hipunan tertutup bisa saja dihilangkan (yang akan enghasilkan algorita pencarian pada pohon) apabila sebuah solusi(jalur) telah dijain keberadaannya, atau apabila fungsi suksesor telah disesuaikan agar tidak eneria titik yang sudah pernah diperiksa.
3 1.2 Sifat Seperti BFS, A* akan selalu eneukan sebuah solusi, jika eang ada. Apabila fungsi heuristik h dapat diteria, yang berarti nilai h tidak akan pernah elebihi ongkos inial untuk eraih tujuan yang sebenarnya, aka A* sendiri akan dapat diteria (atau dapat disebut optial) apabila hipunan tertutup tidak digunakan. Apabila digunakan sebuah hipunan tertutup, aka h harus onoton (atau konsisten) agar A* dapat enjadi optial. Ini berarti fungsi heuristik tidak akan pernah berlebihan dala enghitung ongkos dari sebuah titik ke titik tetangganya. Secara foral, unutuk seua jalur x,y diana y adalah suksesor dari x: h(x) g(y) - g(x) + h(y) (1) A* juga dapat dijain keoptialannya untuk sebarang heuristikh, yang berarti bahwa tidak ada satupun algorita lain yang epergunakan heuristik yang saa akan engecek lebih sedikit titik dari A*, kecuali ketika ada beberapa solusi parsial diana h dapat dengan tepat eprediksi ongkos jalur inial. 1.3 Kopleksitas Kopleksitas waktu dari A* sangat bergantung dari heuristik yang digunakannya. Pada kasus terburuk, julah titik yang diperiksa berjulah eksponensial terhadap panjang solusi (jalur terpendek), tetapi A* akan eiliki kopleksitas waktu polinoial apabila fungsi eenuhi kondisi berikut: h(x) - h*(x) O(log h*(x) (2) diana h* adalah heuristik optial, yaitu ongkos sebenarnya dari jalur x ke tujuan. Dengan kata lain, galat dari h tidak akan elaju lebih cepat dari logarita dari heuristik optial h* yang eberikan jarak sebenarnya dari x ke tujuan (Russel dan Norvig 2003, p. 101). Penggunaan eori dari A* bahkan lebih berasalah dari kopleksitas waktunya. Beberapa varian dari A* telah dikebangkan untuk engatasi asalah ini, terasuk diantaranya Iterative-Deepening- A*, Meory-Bounded-A* (MA*) dan Siplified- Meory-Bounded-A* (SMA*) dan Recursive-Best- First-Search (RBFS). RBFS juga akan eberikan hasil yang optial apabila heuristiknya dapat diteria. 2. FUNGSI HEURISTIK UNTUK A* Seperti yang telah disebutkan diatas, fungsi heuristik sangat berpengaruh terhadap kelakuan algorita A*: Apabila h(n) selalu bernilai 0, aka hanya g(n) yang akan berperan, dan A* berubah enjadi Algorita Dijkstra, yang enjain selalu akan eneukan jalur terpendek. Apabila h(n) selalu lebih rendah atau saa dengan ongkos perpindahan dari titik n ke tujuan, aka A* dijain akan selalu eneukan jalur terpendek. Seakin rendah nilai h(n), seakin banyak titik-titik yang diperiksa A*, ebuatnya seakin labat. Apabila h(n) tepat saa dengan ongkos perpindahan dari n ke tujuan, aka A* hanya akan engikuti jalur terbaik dan tidak pernah eeriksa satupun titik lainnya, ebuatnya sangat cepat. Walaupun hal ini belu tentu bisa diaplikasikan ke seua kasus, ada beberapa kasus khusus yang dapat enggunakannya. Apabila h(n) kadangkala lebih besar dari ongkos perpindahan dari n ke tujuan, aka A* tidak enjain diteukannya jalur terpendek, tapi prosesnya cepat. Apabila h(n) secara relatif jauh lebih besar dari g(n), aka hanya h(n) yang eainkan peran, dan A* berubah enjadi BFS. Heuristik yang paling uu digunakan adalah jarak Manhattan. Fungsi heuristik ini hanya akan enjulahkan selisih nilai x dan nilai y dari dua buah titik. Heuristik ini dinaakan Manhattan ungkin karena di kota Manhattan di Aerika, jarak dari dua lokasi uunya dihitung dari blok-blok yang harus dilalui saja dan tentunya tidak bisa dilintasi secara diagonal. Perhitungannya dapat ditulis sebagai berikut: h(n) = abs(n.x-tujuan.x) + abs(n.y-tujuan.y) (3) Hal lain yang harus diperhatikan adalah seberapa cepat fungsi heuristik dapat dikoputasi. Selalu akan ada trade-off antara akurasi dari fungsi heuristik dan waktu yang dibutuhkannya untuk engoputasinya. Napaknya bagus jika fungsi heuristik yang digunakan sangat akurat, dilihat dari berbagai aca percobaan bahwa jika heuristik yang digunakan sepurna aka A* akan selalu elewati jalur yang tepat dan akan selalu eberikan optiu global. Naun, heuristik yang sepurna seaca itu tidak ada (dan tidak akan pernah ada), dan bahkan untuk endekatinya saja akan eerlukan tabahan koputasi yang tidak ringan. Seringkali dala aplikasinya heuristik yang eberikan hasil yang sangat akurat naun labat, kurang disenangi dibanding heuristik yang tidak begitu optial naun eberikan hasil dengan cepat. Maka dari itu, peilihan heuristik sangat bergantung pada tujuan penggunaan A*. Jika hasil yang dibutuhkan adalah optiu global, aka fungsi heuristik yang digunakannya haruslah "sepurna", sedang jika yang dibutuhkan adalah hasil yang cepat dan tidak harus jalur
4 terpendek, aka lebih bijak enggunakan heuristik yang lebih ringan. 3. PENGAPLIKASIAN ALGORITMA A* Algorita A* akan diaplikasikan pada dua buah peta yang berbeda disini. Peta pertaa adalah suatu atriks yang berisi tebok-tebok sei labirin, dengan tapilan seperti di gabar 2. Untuk selanjutnya atriks tersebut akan disebut sebagai Peta 1 untuk eudahkan. Peta kedua erupakan suatu atriks kosong yang dikelilingi tebok seperti yang tertera pada gabar 3, yang berikutnya akan disebut Peta 2. Seua atriks yang digunakan disini eiliki ukuran 12x12, dengan hitungan untuk tebok, aka atriks yang digunakan enjadi 10x10 saja. A 0 Gabar 2. Peta 1 A 0 Gabar 3. Peta 2 Karakter A dan 0 dipergunakan untuk enunjukkan lokasi titik awal(a) dan titik akhir(0), sedangkan adalah tebok (penghalang). Tujuan dala percobaan kali ini bukan untuk eneukan suatu optiu global dari suatu peta, elainkan hanya gabaran kasar dari sangat bergantungnya kecepatan algorita A* dari fungsi heuristik yang digunakannya. Perhitungan keangkusan dari suatu heuristik disini enggunakan banyaknya titik yang diperiksa sebelu didapat suatu hasil akhir. Perbandingan dari segi waktu tidak ditapilkan disini karena hasilnya bisa sangat bervariasi tergantung pada keapuan koputasi koputer yang digunakan, selain itu julah titik yang diperiksa juga selalu berbanding lurus dengan waktu. Hasil yang akan didapat ungkin saja lebih besar dari banyak titik yang berada pada peta yang digunakan (10x10). Hal ini dikarenakan algorita A* bisa saja engganti nilai g(n) dari suatu titik n, jika terdapat jalur yang lebih dekat untuk eraih titik tersebut. 3.1 Hasil Percobaan Peta 1 Tanpa Heuristik: 124 titik yang diperiksa sebelu titik tujuan diteukan. Jarak Manhattan: 175 titik yang diperiksa sebelu titik tujuan diteukan. A Gabar 4. Peta 1 setelah diaplikasikan algorita A* A Gabar 5. Peta 2 setelah diaplikasikan algorita A*
5 Peta 2 Tanpa Heuristik: 344 titik yang diperiksa sebelu titik tujuan diteukan. Jarak Manhattan: 344 titik yang diperiksa sebelu titik tujuan diteukan. 3.2 Analisis Hasil Jika elihat hasil yang didapatkan diatas aka satu hal pasti yang dapat kita lihat adalah betapa berpengaruhnya fungsi heuristik terhadap algorita A* ini, walaupun dala kasus ini hasil yang didapat jika enggunakan fungsi heuristik alah lebih buruk. 4. KESIMPULAN Seperti yang telah disapaikan di awal, algorita A* ini benar-benar terpengaruh oleh fungsi heuristik yang digunakannya. Hasil yang didapat jika kita enggunakan fungsi heuristik yang tepat benar-benar dapat engoptialisasi waktu yang dibutuhkan untuk encari solusi. Selain ini, dapat dibuktikan untuk kasus ini ketiga fungsi heuristik jarak Manhattan, jarak Euclid dan jarak Euclid yang dikuadratkan saa-saa berpengaruh buruk terhadap kinerja algorita A*. Mungkin saja pendekatan-pendekatan fungsi heuristik lainnya bisa ebantu eningkatkan kinerja algorita A* ini. REFERENSI [1] A* search algorith, Wikipedia, tanggal akses 2 januari 2010 pukul WIB. [2] www. policyalanac.org/gaes/ Tanggal akses 2 Januari 2010 pukul [3] theory.stanford.edu/~aitp/ Tanggal akses 2 Januari 2010 pukul [4]Russell, S. J., Norvig, P, Artificial Intelligence: A Modern Approach, [3] Munir, Rinaldi, Diktat Kuliah IF2251 Strategi Algoritik, Penerbit ITB, 2007.
VARIASI PENGGUNAAN FUNGSI HEURISTIK DALAM PENGAPLIKASIAN ALGORITMA A*
VARIASI PENGGUNAAN FUNGSI HEURISTIK DALAM PENGAPLIKASIAN ALGORITMA A* Mohammad Riftadi - NIM : 13505029 Teknik Informatika ITB Jalan Ganesha No. 10, Bandung e-mail: if15029@students.if.itb.ac.id ABSTRAK
Lebih terperinciPenerapan Algoritma A* dalam Penentuan Lintasan Terpendek
Penerapan Algoritma A* dalam Penentuan Lintasan Terpendek Johannes Ridho Tumpuan Parlindungan/13510103 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciMetode Path Finding pada Game 3D Menggunakan Algoritma A* dengan Navigation Mesh
Metode Path Finding pada Game 3D Menggunakan Algoritma A* dengan Navigation Mesh Freddi Yonathan - 13509012 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciI. PENDAHULUAN. Kata Kunci Greedy-Best First Search, SMA*, jalur pendek-efisien, Heuristic
Penerapan Algoritma Simplified-Memory-Bounded A* dan Algoritma Greedy-Best First Search dalam Pencarian Lintasan Terpendek dan Efisiensi Tarif Perjalanan Antar Kota Yongke Yoswara - 13508034 Program Studi
Lebih terperinciRepresentasi Graf Berarah dalam Mencari Solusi Jalur Optimum Menggunakan Algoritma A*
Representasi Graf Berarah dalam Mencari Solusi Jalur Optimum Menggunakan Algoritma A* Denny Nugrahadi Teknik informatika ITB, Bandung, email: d_nugrahadi@yahoo.com Abstract Makalah ini membahas mengenai
Lebih terperinciPenerapan Graf dalam Menentukan Jalur Penerbangan Teraman dan Tercepat
Penerapan Graf dalam Menentukan Jalur Penerbangan Teraman dan Tercepat Danang Afnan Hudaya (13512156) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPenerapan Graf dalam Menentukan Jalur Penerbangan Efektif Dengan Algoritma Graf yang Tepat
Penerapan Graf dalam Menentukan Jalur Penerbangan Efektif Dengan Algoritma Graf yang Tepat Danang Afnan Hudaya (13512056) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciPembahasan Pencarian Lintasan Terpendek Menggunakan Algoritma Dijkstra dan A*
Pembahasan Pencarian Lintasan Terpendek Menggunakan Algoritma Dijkstra dan A* Willy Setiawan - 13508043 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPencarian Lintasan Terpendek Pada Peta Digital Menggunakan Teori Graf
Pencarian Lintasan Terpendek Pada Peta Digital Menggunakan Teori Graf Erfandi Suryo Putra 13515145 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciJurusan Teknik Elektro ITS Surabaya, Jurusan Teknik Elektro ITS Surabaya, Jurusan Teknik elektro ITS Surabaya
1 PERENCANAAN JALUR TERPENDEK PADA ROBOT NXT DENGAN OBSTACLE DINAMIS MENGGUNAKAN ALGORITMA D* Wahris Shobri Atmaja 1), Diah Puspito Wulandari, ST.,Msc 2), Ahmad Zaini, ST., MT. 3) Jurusan Teknik Elektro
Lebih terperinciIMPLEMENTASI DAN ANALISIS PENGGUNAAN ALGORITMA A-STAR DENGAN PRIORITAS PADA PEMILIHAN RUTE LINTAS KENDARAAN RODA DUA
IMPLEMENTASI DAN ANALISIS PENGGUNAAN ALGORITMA A-STAR DENGAN PRIORITAS PADA PEMILIHAN RUTE LINTAS KENDARAAN RODA DUA IMPLEMENTATION AND ANALYSIS THE USE A-STAR ALGORITHM WITH PRIORITY ON TWO-WHEELS VEHICLE
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Algoritma Breadth First Search Berikut ini adalah proses yang dilakukan dengan menggunakan algoritma Breadth first search untuk pencarian jalur. Proses pencarian
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data dan Variabel 2.1.1 Data Pengertian data enurut Webster New World Dictionary adalah things known or assued, yang berarti bahwa data itu sesuatu yang diketahui atau dianggap.
Lebih terperinciPencarian Lintasan Terpendek Pada Aplikasi Navigasi Menggunakan Algoritma A*
Pencarian Lintasan Terpendek Pada Aplikasi Navigasi Menggunakan Algoritma A* Erfandi Suryo Putra 13515145 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Algoritma Algoritma merupakan urutan langkah langkah untuk menyelesaikan masalah yang disusun secara sistematis, algoritma dibuat dengan tanpa memperhatikan bentuk
Lebih terperinciALGORITMA PENCARIAN SIMPUL SOLUSI DALAM GRAF
ALGORITMA PENCARIAN SIMPUL SOLUSI DALAM GRAF Anthony Rahmat Sunaryo NIM: 3506009 Jurusan Teknik Informatika ITB, Bandung email : if6009@students.if.itb.ac.id Abstract -- Makalah ini membahas tentang analsis
Lebih terperinciImplementasi Histogram Thresholding Fuzzy C-Means untuk Segmentasi Citra Berwarna
JURNAL TEKNIK POMITS Vol., No., (03) ISSN: 337-3539 (30-97 Print) Ipleentasi Histogra Thresholding Fuzzy C-Means untuk Segentasi Citra Berwarna Risky Agnesta Kusua Wati, Diana Purwitasari, Rully Soelaian
Lebih terperinciAplikasi dan Analisis Algoritma BFS dan DFS dalam Menemukan Solusi pada Kasus Water Jug
Aplikasi dan Analisis Algoritma BFS dan DFS dalam Menemukan Solusi pada Kasus Water Jug Rizkydaya Aditya Putra NIM : 13506037 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika, Institut
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Konsep Dasar Graph Sebelu sapai pada pendefinisian asalah network flow, terlebih dahulu pada bagian ini akan diuraikan engenai konsep-konsep dasar dari odel graph dan representasinya
Lebih terperinciPENGGUNAAN ALGORITMA BRANCH AND BOUND UNTUK MENYELESAIKAN PERSOALAN PENCARIAN JALAN (PATH-FINDING)
PENGGUNAAN ALGORITMA BRANCH AND BOUND UNTUK MENYELESAIKAN PERSOALAN PENCARIAN JALAN (PATH-FINDING) R. Aditya Satrya Wibawa (NIM. 30064) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciPENGEMBANGAN APLIKASI GAME ARCADE 3D MARI SELAMATKAN HUTAN INDONESIA
PENGEMBANGAN APLIKASI GAME ARCADE 3D MARI SELAMATKAN HUTAN INDONESIA Dyah Ayu Irawati 1, Abdillah Ibnu Firdaus 2, Ridwan Rismanto 3 Program Studi Teknik Informatika, Jurusan Teknologi Informasi,Politeknik
Lebih terperinciAplikasi Graf Pada Algoritma Pathfinding Dalam Video Game
Aplikasi Graf Pada Algoritma Pathfinding Dalam Video Game Luqman Faizlani Kusnadi and 13512054 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciPertemuan ke-3 Persamaan Non-Linier: Metode ½ Interval (Bisection) 27 September 2012
Perteuan ke-3 Persaaan Non-Linier: Metode ½ Interval (Bisection) 7 Septeber 01 Analisa Terapan Terapan:: Metode Nuerik Dr.Eng. Agus S. Muntohar Metode Bisection Dasar Teorea: Suatu persaaan ()0, diana
Lebih terperinciBILANGAN PRIMA : PERKEMBANGAN DAN APLIKASINYA
J. J. Siang BILANGAN PRIMA : PERKEMBANGAN DAN APLIKASINYA Intisari Dala tulisan ini dipaparkan engenai sejarah peneuan bilangan pria, pengujian bilangan pria besar, serta salah satu aplikasinya dala kriptografi
Lebih terperinciPenggunaan Algoritma Pathfinding pada Game
Penggunaan Algoritma Pathfinding pada Game Ahmad Fauzan (000) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 0 Bandung 0, Indonesia 000@std.stei.itb.ac.id
Lebih terperinciPenyelesaian N-Puzzle Menggunakan A* dan Iterative Deepening A*
Penyelesaian N-Puzzle Menggunakan A* dan Iterative Deepening A* Makalah IF2211 Strategi Algoritma Marvin Jerremy Budiman (13515076) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciKriptografi Visual Menggunakan Algoritma Berbasiskan XOR dengan Menyisipkan pada K-bit LSB Gambar Sampul
Kriptografi Visual Menggunakan Algorita Berbasiskan XOR dengan Menyisipkan pada K-bit LSB Gabar Sapul Yusuf Rahatullah Progra Studi Teknik Inforatika Institut Teknologi Bandung Bandung, Indonesia 13512040@std.stei.itb.a.id
Lebih terperinciPemanfaatan Algoritma BFS pada Graf Tak Berbobot untuk Mencari Jalur Terpendek
Pemanfaatan Algoritma BFS pada Graf Tak Berbobot untuk Mencari Jalur Terpendek Aswin Juari Institut Teknologi Bandung Jl. Ganesha 10 Bandung Jawa Barat Indonesia E-mail: if15076@students.if.itb.ac.id ABSTRAK
Lebih terperinciTujuan Instruksional
Pertemuan 4 P E N C A R I A N T A N P A I N F O R M A S I B F S D F S U N I F O R M S E A R C H I T E R A T I V E D E E P E N I N G B I D I R E C T I O N A L S E A R C H Tujuan Instruksional Mahasiswa
Lebih terperinciBAHASAN ALGORITME ARITMETIK GF(3 ) Telah dijelaskan sebelumnya bahwa dalam mengonstruksi field GF(3 )
BAB IV BAHASAN ALGORITME ARITMETIK GF(3 ) Telah dijelaskan sebelunya bahwa dala engonstruksi field GF(3 ) diperoleh dari perluasan field 3 dengan eilih polinoial priitif berderajat atas 3 yang dala hal
Lebih terperinciAnalisis Pengimplementasian Algoritma Greedy untuk Memilih Rute Angkutan Umum
Analisis Pengimplementasian Algoritma Greedy untuk Memilih Rute Angkutan Umum Arieza Nadya -- 13512017 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciMetode Searching. Blind/Un-informed Search. Heuristic/Informed Search. Breadth-First Search (BFS) Depth-First Search (DFS) Hill Climbing A*
SEARCHING Russel and Norvig. 2003. Artificial Intelligence: a Modern Approach. Prentice Hall. Suyanto, Artificial Intelligence. 2005. Bandung:Informatika Program Studi Ilmu Komputer FPMIPA UPI RNI IK460(Kecerdasan
Lebih terperinciPERBANDINGAN ALGORITMA BFS DAN DFS DALAM PEMBUATAN RUTE PERJALANAN OBJEK PERMAINAN 2 DIMENSI
PERBANDINGAN ALGORITMA BFS DAN DFS DALAM PEMBUATAN RUTE PERJALANAN OBJEK PERMAINAN 2 DIMENSI David Steven Wijaya NIM : 13505044 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika,
Lebih terperinciPenerapan Search Tree pada Penyelesaian Masalah Penentuan Jalur Kota Terpendek.
Penerapan Search Tree pada Penyelesaian Masalah Penentuan Jalur Kota Terpendek. Arnold Nugroho Sutanto - 13507102 1) 1) Jurusan Teknik Informatika ITB, Bandung 40132, email: if17102@students.if.itb.ac.id
Lebih terperinciBreadth/Depth First Search. Bahan Kuliah IF2211 Strategi Algoritmik Oleh: Rinaldi Munir Update: Masayu Leylia Khodra 22 September 2013
Breadth/Depth First Search (BFS/DFS) Bahan Kuliah IF2211 Strategi Algoritmik Oleh: Rinaldi Munir Update: Masayu Leylia Khodra 22 September 2013 1 Traversal Graf Algoritma traversal graf: mengunjungi simpul
Lebih terperinciBAB III ALGORITMA GREEDY DAN ALGORITMA A* membangkitkan simpul dari sebuah simpul sebelumnya (yang sejauh ini terbaik di
BAB III ALGORITMA GREEDY DAN ALGORITMA A* 3.1 Best First Search Sesuai dengan namanya, best-first search merupakan sebuah metode yang membangkitkan simpul dari sebuah simpul sebelumnya (yang sejauh ini
Lebih terperinciPERANCANGAN TATA LETAK SEL UNTUK MEMINIMASI VARIASI BEBAN SEL DAN MAKESPAN
PERANCANGAN TATA LETAK SEL UNTUK MEMINIMASI VARIASI BEBAN SEL DAN MAKESPAN Agus Ristono Teknik Industri UPN Veteran Yogyakarta Jl. Babarsari 02 Tabakbayan Yogyakarta Indonesia 55281 Phone: + 62 274 485
Lebih terperinciCLASSIFIER BERDASAR TEORI BAYES. Pertemuan 4 KLASIFIKASI & PENGENALAN POLA
CLASSIFIER BERDASAR TEORI BAYES Perteuan 4 KLASIFIKASI & PENGENALAN POLA Miniu distance classifiers elakukan klasifikasi berdasarkan jarak terpendek. Ada dua jenis yang dibahas:. The Euclidean Distance
Lebih terperinciPenerapan Algoritma Branch and Bound untuk Penentuan Jalur Wisata
Penerapan Algoritma Branch and Bound untuk Penentuan Jalur Wisata Janice Laksana / 350035 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Beberapa Defenisi Pada analisa keputusan, si pebuat keputusan selalu doinan terhadap penjabaran seluruh alternatif yang terbuka, eperkirakan konsequensi yang perlu dihadapi pada setiap
Lebih terperinciPenerapan Algoritma A* Sebagai Algoritma Pencari Jalan Dalam Game
ABSTRAK Penerapan Algoritma A* Sebagai Algoritma Pencari Jalan Dalam Game Makalah ini membahas tentang bagaimana suatu entitas di dalam game mampu mencari jalan terpendek dari titik koordinatnya sekarang
Lebih terperinciPENERAPAN ALGORITMA A* PADA PERMASALAHAN OPTIMALISASI PENCARIAN SOLUSI DYNAMIC WATER JUG
PENERAPAN ALGORITMA A* PADA PERMASALAHAN OPTIMALISASI PENCARIAN SOLUSI DYNAMIC WATER JUG Firman Harianja (0911519) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Graf Graf G= (V G,E G ) adalah suatu siste yang terdiri dari hipunan berhingga tak kosong V G dari objek yang dinaakan titik (ertex) dan hipunan E G, pasangan tak berurut dari
Lebih terperinciMATRIKS DALAM LABORATORIUM oleh : Sugata Pikatan
Kristal no.12/april/1995 1 MATRIKS DALAM LABORATORIUM oleh : Sugata Pikatan Di dala ateatika anda pasti sudah pernah berhadapan dengan sebuah siste persaaan linier. Cacah persaaan yang berada di dala siste
Lebih terperinciIMPLEMENTASI ALGORITMA BREADTH FIRST SEARCH DAN STRING MATCHING PADA SISTEM PAKAR
IMPLEMENTASI ALGORITMA BREADTH FIRST SEARCH DAN STRING MATCHING PADA SISTEM PAKAR Abstrak Fajar J. Ekaputra 1, Windarto Harimurti 2, Aqsa Adhiperwira 3 Sekolah Teknik Elektro dan Informatika, Institut
Lebih terperinciDAFTAR ISI KATA PENGANTAR... DAFTAR ISI...
DAFTAR ISI KATA PENGANTAR DAFTAR ISI Halaan i iii I PENGAWASAN DAN PEMERIKSAAN 11 Latar Belakang 1 12 Fungsi Pengawas dan Peeriksa 2 13 Pengawasan 2 14 Peeriksaan 3 II PEMERIKSAAN ISIAN DAFTAR VIMK14-L2
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Geographical Information System (GIS) Geographical Information System (GIS) yang dalam bahasa Indonesia dikenal sebagai Sistem Informasi Geografis (SIG) didefenisikan sebagai
Lebih terperinciPenerapan Algoritma Runut-Balik (Backtracking) pada Permainan Nurikabe
Penerapan Runut-Balik (Backtracking) pada Permainan Nurikabe Putri Amanda Bahraini Program Studi Teknik Informatika, Institut Teknologi Bandung Jalan Ganesha 10, Bandung e-mail: if14041@students.if.itb.ac.id
Lebih terperinciPenerapan Algoritma BFS dan DFS dalam Mencari Solusi Permainan Rolling Block
Penerapan Algoritma dan DFS dalam Mencari Solusi Permainan Rolling Block Zakiy Firdaus Alfikri 13508042 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPembentukan pohon pencarian solusi dan perbandingan masingmasing algoritma pembentuknya dalam simulasi N-Puzzle
Pembentukan pohon pencarian solusi dan perbandingan masingmasing algoritma pembentuknya dalam simulasi N-Puzzle Windarto Harimurti NIM : 13503089 Program Studi Teknik Informatika, Institut Teknologi Bandung
Lebih terperinciAnalisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek
Analisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek Hugo Toni Seputro Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Jl. Ganesha 10 Bandung Jawa Barat Indonesia
Lebih terperinciIMPLEMENTASI ALGORITMA GREEDY PADA PERMAINAN OTHELLO
IMPLEMENTASI ALGORITMA GREEDY PADA PERMAINAN OTHELLO Nur Fajriah Rachmah NIM 13506091 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Jalan Ganesha nomor
Lebih terperinciAlgoritma Pathfinding untuk Game
Algoritma Pathfinding untuk Game Riefky Amarullah Romadhoni - 13511038 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah 1.2 Perumusan Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Saat ini teknologi telah berkembang dengan cukup pesat. Perkembangan teknologi mengakibatkan pemanfaatan atau pengimplementasian teknologi tersebut dalam berbagai
Lebih terperinciPenerapan Algoritma A* (A Star) Pada Game Edukasi The Maze Island Berbasis Android
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Penerapan Algoritma A* (A Star) Pada Game Edukasi The Maze Island Berbasis Android Agung Pamungkas 1, Eka Puji Widiyanto 2, Renni Angreni 3 1,2 STMIK
Lebih terperinciPenentuan Akar-Akar Sistem Persamaan Tak Linier dengan Kombinasi Differential Evolution dan Clustering
Jurnal Kubik, Volue No. ISSN : 338-0896 Penentuan Akar-Akar Siste Persaaan Tak Linier dengan Kobinasi Differential Evolution dan Clustering Jaaliatul Badriyah Jurusan Mateatika, Universitas Negeri Malang
Lebih terperinciMendeteksi Blob dengan Menggunakan Algoritma BFS
Mendeteksi Blob dengan Menggunakan Algoritma BFS Ahmad Fajar Prasetiyo (13514053) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI Pada bab ini enjelaskan engenai berbagai teori yang digunakan untuk elakukan penelitian ini. Bab ini terdiri dari penjelasan engenai penghitung pengunjung, lalu penjelasan engenai
Lebih terperinciBAB I PENDAHULUAN UKDW. dalam kehidupan kita sehari-hari, terutama bagi para pengguna sarana
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pencarian jalur terpendek merupakan sebuah masalah yang sering muncul dalam kehidupan kita sehari-hari, terutama bagi para pengguna sarana transportasi. Para
Lebih terperinciBAB I PENDAHULUAN. dalam skala prioritas pembangunan nasional dan daerah di Indonesia
BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan ekonoi erupakan asalah penting bagi suatu negara, untuk itu sejak awal pebangunan ekonoi endapat tepat penting dala skala prioritas pebangunan nasional
Lebih terperinciPenggunaan Algoritma DFS dan BFS pada Permainan Three Piles of Stones
Penggunaan Algoritma DFS dan BFS pada Permainan Three Piles of Stones Muharram Huda Widaseta NIM 13508033 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciBUKU 3 PEDOMAN PENGAWAS/PEMERIKSA BADAN PUSAT STATISTIK
BUKU 3 PEDOMAN PENGAWAS/PEMERIKSA BADAN PUSAT STATISTIK KATA PENGANTAR Buku 3 ini erupakan seri buku pedoan yang disusun dala rangka Survei Industri Mikro dan Kecil 2013 (VIMK13) Buku ini euat pedoan bagi
Lebih terperinciAplikasi Graf pada Persoalan Lintasan Terpendek dengan Algoritma Dijkstra
Aplikasi Graf pada Persoalan Lintasan Terpendek dengan Algoritma Dijkstra Adriansyah Ekaputra 13503021 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung Abstraksi Makalah
Lebih terperinciSTUDI SIMULASI BIAS ESTIMATOR GPH PADA DATA SKIP SAMPLING
Statistika, Vol., No., Noveber 0 STUDI SIMULASI BIAS ESTIMATOR GPH PADA DATA SKIP SAMPLING Gede Suwardika, Heri Kuswanto, Irhaah Jurusan Statistika,Fakultas Mateatika dan Ilu Pengetahuan Ala, Universitas
Lebih terperinciKecerdasan Buatan Penyelesaian Masalah dengan Pencarian
Kecerdasan Buatan Pertemuan 02 Penyelesaian Masalah dengan Pencarian Kelas 10-S1TI-03, 04, 05 Husni Lunix96@gmail.com http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM, 2012 Outline Pendahuluan
Lebih terperinciBAB I PENDAHULUAN. Masalah lintasan terpendek berkaitan dengan pencarian lintasan pada graf
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Masalah lintasan terpendek berkaitan dengan pencarian lintasan pada graf berbobot yang menghubungkan dua buah simpul sedemikian hingga jumlah bobot sisi-sisi
Lebih terperinciBAB I PENDAHULUAN. pembangunan di bidang-bidang lain, seperti sosial, politik, dan budaya. perbedaan antara yang kaya dengan yang miskin.
BAB I PENDAHULUAN A. Latar Belakang Masalah Pebangunan ekonoi erupakan asalah penting bagi suatu negara, untuk itu sejak awal pebangunan ekonoi endapat tepat penting dala skala prioritas pebangunan nasional
Lebih terperinciI. PENDAHULUAN. Konsep teori graf diperkenalkan pertama kali oleh seorang matematikawan Swiss,
I. PENDAHULUAN. Latar Belakang Konsep teori graf diperkenalkan pertaa kali oleh seorang ateatikawan Swiss, Leonard Euler pada tahun 736, dala perasalahan jebatan Konigsberg. Teori graf erupakan salah satu
Lebih terperinciPENGARUH DISTRIBUSI PEMBOBOTAN TERHADAP POLA ARRAY PADA DELAY AND SUM BEAMFORMING
INDEPT, Vol., No., Juni 0 ISSN 087 945 PENGARUH DISTRIBUSI PEBOBOTAN TERHADAP POLA ARRAY PADA DELAY AND SU BEAFORING Ananto E. Prasetiadi Dosen Tetap Jurusan Teknik Elektro, Fakultas Teknik Universitas
Lebih terperinciMETODE BRANCH AND BOUND UNTUK MENEMUKAN SHORTEST PATH
METODE BRANCH AND BOUND UNTUK MENEMUKAN SHORTEST PATH Mira Muliati NIM : 35050 Program Studi Teknik Informatika Sekolah Teknik Elektro Informatika Institut Teknologi Bandung Jl. Ganesha 0, Bandung E-mail
Lebih terperinciAlgoritma A* Memanfaatkan Navigation Meshes dalam 3 Dimensional Pathfinding
Algoritma A* Memanfaatkan Navigation Meshes dalam 3 Dimensional Pathfinding Edwin Kumara Tandiono, 13515039 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPenerapan strategi BFS untuk menyelesaikan permainan Unblock Me beserta perbandingannya dengan DFS dan Branch and Bound
Penerapan strategi BFS untuk menyelesaikan permainan Unblock Me beserta perbandingannya dengan DFS dan Branch and Bound Eric 13512021 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciMAKALAH SISTEM BASIS DATA
MAKALAH SISTEM BASIS DATA (Entity Relationship Diagra (ERD) Reservasi Hotel) Disusun Oleh : Yulius Dona Hipa (16101055) Agustina Dau (15101635) Arsenia Weni (16101648) PROGRAM STUDI TEKNIK INFORMARIKA
Lebih terperinciBab III S, TORUS, Sebelum mempelajari perbedaan pada grup fundamental., dan figure eight terlebih dahulu akan dipelajari sifat dari grup
GRUP FUNDAMENTAL PADA Bab III S, TORUS, P dan FIGURE EIGHT Sebelu epelajari perbedaan pada grup fundaental S, Torus, P, dan figure eight terlebih dahulu akan dipelajari sifat dari grup fundaental asing-asing
Lebih terperinciPENERAPAN ALGORITMA BIDIRECTIONAL A* PADA MOBILE NAVIGATION SYSTEM
PENERAPAN ALGORITMA BIDIRECTIONAL A* PADA MOBILE NAVIGATION SYSTEM Indra Siregar 13508605 Program Studi Teknik Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan
Lebih terperinciIMPLEMENTASI PANORAMIC IMAGE MOSAIC DENGAN METODE 8 PARAMETER PERSPECTIVE TRANSFORMATION
IMPLEMENTSI PNORMIC IMGE MOSIC DENGN METODE 8 PRMETER PERSPECTIVE TRNSFORMTION Rud dipranata, Hendra Litoo, Cherr G. Ballangan Teknik Inforatika, Fakultas Teknologi Industri, Universitas Kristen Petra
Lebih terperinciPenerapan Algoritma A-star (A*) Untuk Menyelesaikan Masalah Maze
Penerapan Algoritma A-star (A*) Untuk Menyelesaikan Masalah Maze Hapsari Tilawah - 13509027 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciPenerapan Algoritma Greedy Best First Search untuk Menyelesaikan Permainan Chroma Test : Brain Challenge
Penerapan Algoritma Greedy Best First Search untuk Menyelesaikan Permainan Chroma Test : Brain Challenge Ikhwanul Muslimin/13514020 Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika
Lebih terperinciPENYELESAIAN MASALAH MISSIONARIES DAN CANNIBAL MENGGUNAKAN ALGORITMA DFS DENGAN VARIASI PENGHINDARAN REPEATED STATE
PENYELESAIAN MASALAH MISSIONARIES DAN CANNIBAL MENGGUNAKAN ALGORITMA DFS DENGAN VARIASI PENGHINDARAN REPEATED STATE Gia Pusfita (13505082) Program Studi Teknik Informatika Institut Teknologi Bandung Jalan
Lebih terperinciKecerdasan Buatan. Penyelesaian Masalah dengan Pencarian... Pertemuan 02. Husni
Kecerdasan Buatan Pertemuan 02 Penyelesaian Masalah dengan Pencarian... Husni Lunix96@gmail.com http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM, 2013 Outline Konsep Pencarian Pencarian
Lebih terperinciKecerdasan Buatan. Pertemuan 03. Pencarian Branch & Bound dan Heuristik (Informed)
Kecerdasan Buatan Pertemuan 03 Pencarian Branch & Bound dan Heuristik (Informed) Husni Lunix96@gmail.com http://www.facebook.com/lunix96 http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM,
Lebih terperinciPenyelesaian Permainan Sliding Puzzle 3x3 Menggunakan Algoritma Greedy Dengan Dua Fungsi Heuristik
Penyelesaian Permainan Sliding Puzzle 3x3 Menggunakan Algoritma Greedy Dengan Dua Fungsi Heuristik Akbar Gumbira - 13508106 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciPenggunaan Media Manik-Manik Untuk Meningkatkan Kemampuan Belajar Matematika Anak Tunagrahita. Maman Abdurahman SR dan Hayatin Nufus
Riset PenggunaanMedia Manik-Manik* Maan Abdurahan SR HayatinNufus Penggunaan Media Manik-Manik Untuk Meningkatkan Keapuan Belajar Mateatika Anak Tunagrahita Maan Abdurahan SR Hayatin Nufus Universitas
Lebih terperinciISSN WAHANA Volume 67, Nomer 2, 1 Desember 2016
ISSN 0853 4403 WAHANA Volue 67, Noer 2, Deseber 206 PERBANDINGAN LATIHAN BOLA DIGANTUNG DAN BOLA DILAMBUNGKAN TERHADAP HASIL BELAJAR SEPAK MULA DALAM PERMAINAN SEPAK TAKRAW PADA SISWA PUTRA KELAS X-IS
Lebih terperinciPenerapan Pohon dengan Algoritma Branch and Bound dalam Menyelesaikan N-Queen Problem
Penerapan Pohon dengan Algoritma Branch and Bound dalam Menyelesaikan N-Queen Problem Arie Tando (13510018) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciSISTEM RESI GUDANG SOLUSI BAGI PETANI
SISTEM RESI GUDANG SOLUSI AGI PETANI Noviarina Purnai Putri Siste Resi Gudang ulai di kenal di Indonesia sejak 5 tahun terakhir. Sebelu uncul Undang- Undang no 9 Tahun 2006 Tentang Siste Resi Gudang banyak
Lebih terperinciPenerapan Algoritma Greedy dan Algoritma BFS untuk AI pada Permainan Greedy Spiders
Penerapan Algoritma Greedy dan Algoritma BFS untuk AI pada Permainan Greedy Spiders Rachmawaty 13509071 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPenerapan Algoritma BFS, DFS, DLS dan IDS dalam Pencarian Solusi Water Jug Problem
Penerapan Algoritma BFS, DFS, DLS dan IDS dalam Pencarian Solusi Water Jug Problem Abstrak Nursyamsiah Pertiwi 1, Esty Hutami Dewi Lubis 2, Lafrania Taufik 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen
Lebih terperinciPencarian Pohon Solusi Permainan Alchemy Menggunakan Algoritma BFS dan DFS
Pencarian Pohon Solusi Permainan Alchemy Menggunakan Algoritma BFS dan DFS Emil Fahmi Yakhya - 13509069 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciImplementasi Algoritma DFS pada Pewarnaan Gambar Sederhana Menggunakan Bucket tool
Implementasi Algoritma DFS pada Pewarnaan Gambar Sederhana Menggunakan Bucket tool Sharon Loh (13510086) 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciBAB 4. HASIL DAN PEMBAHASAN
BAB 4. HASIL DAN PEMBAHASAN Analisa pelat lantai gedung rawat inap RSUD Surodinawan Kota Mojokerto dengan enggunakan teori garis leleh ebutuhkan beberapa tahap perhitungan dan analsis aitu perhitungan
Lebih terperinciPERBANDINGAN APLIKASI ALGORITMA BRUTE-FORCE DAN KOMBINASI ALGORITMA BREADTH FIRST SEARCH DAN GREEDY DALAM PENCARIAN SOLUSI PERMAINAN TREASURE HUNT
PERBANDINGAN APLIKASI ALGORITMA BRUTE-FORCE DAN KOMBINASI ALGORITMA BREADTH FIRST SEARCH DAN GREEDY DALAM PENCARIAN SOLUSI PERMAINAN TREASURE HUNT Adi Purwanto Sujarwadi (13506010) Program Studi Teknik
Lebih terperinciIII. KERANGKA PEMIKIRAN. Proses produksi di bidang pertanian secara umum merupakan kegiatan
2 III. KERANGKA PEMIKIRAN Proses produksi di bidang pertanian secara uu erupakan kegiatan dala enciptakan dan enabah utilitas barang atau jasa dengan eanfaatkan lahan, tenaga kerja, sarana produksi (bibit,
Lebih terperinciPenerapan Algoritma A* (A Star) Sebagai Solusi Pencarian Rute Terpendek Pada Maze
Penerapan Algoritma A* (A Star) Sebagai Solusi Pencarian Rute Terpendek Pada Maze 1 Rakhmat Kurniawan. R., ST, M.Kom, 2 Yusuf Ramadhan Nasution, M.Kom Program Studi Ilmu Komputer, Fakultas Sains dan Teknologi
Lebih terperinciPedoman Pemeriksa/Pengawas VIMK14 Triwulanan
Pedoan Peeriksa/Pengawas VIMK14 Triwulanan i ii Pedoan Pengawas/ Peeriksa VIMK14 Triwulanan DAFTAR ISI KATA PENGANTAR i DAFTAR ISI iii I PENGAWASAN DAN PEMERIKSAAN 11 Latar Belakang 1 12 Fungsi Pengawas
Lebih terperinciINSTANTON. Casmika Saputra Institut Teknologi Bandung
INSTANTON Casika Saputra 02200 Institut Teknologi Bandung Abstrak. Solusi klasik pada kasus Double Well Potential dala ekanika kuantu dala iaginary tie Euclidian eberikan dua buah solusi yaitu solusi trivial
Lebih terperinciPenerapan DFS dan BFS dalam Pencarian Solusi Game Japanese River IQ Test
Penerapan DFS dan BFS dalam Pencarian Solusi Game Japanese River IQ Test Hanif Eridaputra / 00 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciBab 2 Tinjauan Pustaka
5 Bab 2 Tinjauan Pustaka 2.1. Definisi Penjadwalan Penjadwalan adalah kegiatan pengalokasian suber-suber atau esin-esin yang ada untuk enjalankan sekupulan tugas dala jangka waktu tertentu. (Baker,1974).
Lebih terperinciImplementasi Logika Penurunan Persamaan Aritmatika pada Program Komputer
Implementasi Logika Penurunan Persamaan Aritmatika pada Program Komputer Cendhika Imantoro - 13514037 Program Studi Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciBUKU 3 PEDOMAN PENGAWAS/PEMERIKSA BADAN PUSAT STATISTIK
BUKU 3 PEDOMAN PENGAWAS/PEMERIKSA BADAN PUSAT STATISTIK BAB I PENGAWASAN DAN PEMERIKSAAN 11 Latar Belakang Keberhasilan suatu kegiatan survei tidak terlepas dari tanggung jawab, fungsi dan peran seluruh
Lebih terperinci