PENERAPAN ALGORITMA DIJKSTRA PADA PERMASALAHAN LINTASAN TERPENDEK OBJEK WISATA ALAM KOTA KUPANG BERBASIS WEB
|
|
- Inge Rachman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 J-ICON, Vol. 2 No., Maret 204, pp. ~9 PENERAPAN ALGORITMA DIJKSTRA PADA PERMASALAHAN LINTASAN TERPENDEK OBJEK WISATA ALAM KOTA KUPANG BERBASIS WEB Ahmad Rizal, Sebastianus A. S. Mola 2, Tiwuk Widiastuti 3,2,3 Jurusan Ilmu Komputer, Fakultas Sains dan Teknik, Universitas Nusa Cendana ABSTRAK Pesona wisata alam Kota Kupang tidak kalah dibandingkan dengan wisata alam yang berada di kotakota besar di Indonesia yang banyak dikunjungi oleh wisatawan asing maupun lokal. Kota Kupang memiliki lima belas titik lokasi wisata alam. Letak objek wisata alam Kota Kupang memiliki akses jalan yang baik sehingga wisatawan dapat menggunakan kendaran pribadi maupun biro perjalanan yang telah disediakan hotel-hotel. Dalam perjalanan wisata seringkali wisatawan mengalami masalah dalam menentukan rute mana yang harus dilalui agar tidak membutuhkan banyak waktu dan biaya perjalanan. Algoritma Dijkstra adalah algoritma pencarian pada graph untuk mencari rute dari satu titik asal ke sebuah titik akhir yang telah ditentukan agar mendapatkan bobot jarak yang minimum. Hasil akhir dari penelitian ini adalah sebuah sistem pencarian rute terpendek objek wisata alam Kota Kupang dari asal ke tujuan dengan bobot jarak yang minimum sehingga memudahkan wisatawan dalam menentukan rute mana yang harus dilalui dan informasi lokasi wisata. Pengujian secara manual dengan sistem mendapatkan hasil yang sama. Kata kunci : Graph, Rute terpendek, Dijkstra, Objek wisata alam ABSTRACT Charm of Kupang nature not less than the natural attractions in big cities in Indonesia, which is often visited by foreign and local tourists. Kupang has fifteen points of natural tourist sites. The location of the natural attractions of Kupang has good road access so that tourists can use private vehicles or a travel agency that has supplied by hotels. In a tour travelers often encounter problems in determining which route to go through so they don t use a lot of time and expenses. Dijkstra Algorithm is a search algorithm on the graph to find a route from one start point of to the end point in order to get the minimum distance. The result of this research is a system of searching the shortest route of Kupang natural attractions from the origin to the destination with the minimum distance so that make it easier for travelers to determine which route must be passed and tourist sites information. Manually testing the system gets the same results. Keywords : Graph, Shortest Route, Dijkstra's, Natural attractions I. PENDAHULUAN Kota Kupang merupakan salah satu daerah otonom yang memiliki pesona alam maupun pesona budaya. Objek wisata yang paling disukai wisatawan adalah objek wisata alam dari suatu daerah. Masing-masing daerah memiliki keunikan wisata alam yang berbeda sehingga membuat wisatawan ingin berkunjung dan menikmati keunikan serta atraksi yang dipertunjukan. Pesona objek wisata alam Kota Kupang tidak kalah dibandingkan dengan objek wisata alam yang berada di kotakota besar di Indonesia yang banyak di kunjungi oleh wisatawan asing maupun lokal, Kota Kupang memiliki 5 titik lokasi objek wisata alam yaitu Pantai Nunsui, Panatai Kelapa Lima, Gua Jepang, Kolam Airnona, Mata Air Oelon, Gua Monyet Alak, Taman Nostalgia, Pantai Flobamor, Pantai Paradiso, Gua Monyet Alak, Pantai Ketapang Satu, Pantai Koepang, Pantai Nunhila, Mata Air Bakunase dan Pantai Lasiana yang menjadi unggulan wisata alam Kota Kupang, tidak hanya memilki pantai berpasir putih saja namun Pantai Lasiana juga memiliki keunikan atraksi pembuatan gula nira sebagai oleh-oleh khas Kota Kupang. Potensi ini merupakan aset yang sangat bernilai bagi suatu daerah. ISSN
2 2 ISSN Letak objek wisata di Kota Kupang memiliki akses jalan yang baik sehingga memudahkan wisatawan dalam menempuh perjalanan menggunakan kendaraan pribadi maupun kendaraan umum dan jasa dari biro perjalanan wisata yang telah disediakan oleh hotel-hotel yang berada di Kota Kupang. Namun demikian, permasalahan yang sering dialami wisatawan dalam memulai perjalanan adalah menentukan rute mana yang harus dilalui agar tidak membutuhkan banyak waktu dan biaya perjalanan dari asal ke tujuan. II. MATERI DAN METODE 2. Definisi Graph Secara matematis Graph G didefinisikan sebagai pasangan himpunan (V,E), ditulis dengan notasi G(V,E), dimana V adalah sekumpulan dari titik (verteks/node) dan E adalah sekumpulan garis (rusuk/edge) yang menghubungkan titik yang satu ke titik yang lain. Titik-titik pada graph dapat merupakan obyek sembarang seperti kota, atom-atom suatu zat, nama anak, jenis buah, komponen alat elektronik dan sebagainya. Edge dapat menunjukkan hubungan sembarang seperti rute penerbangan, jalan raya, sambungan telepon, ikatan kimia, dan lain-lain. Jika terdapat sebuah rusuk e yang menghubungkan titik A dan B, ditulis edge (A,B). Gambar merupakan contoh dari suatu graph G [2]. B e A e4 e2 C e3 Gambar. Contoh Graph G Pada gambar 2.4 graph terdiri dari himpunan V dan E yaitu: V = {A, B, C} E = {e, e2, e3, e4} = {(A,B),(B,C),(B,C),(A,C)} 2.2 Terminologi Dasar Graph Dalam Teori graph terdapat beberapa terminologi (istilah) yang berkaitan dengan graph antara lain: a. Bertetangga (Adjacent) Dua buah simpul pada graph tak-berarah G dikatakan bertetangga bila keduanya terhubung langsung oleh sebuah sisi. Dengan kata lain, v j bertetangga dengan v k jika (v j,v k ) adalah sebuah sisi pada graph G. b. Lintasan (Path) Lintasan yang panjangnya n dari simpul awal v 0 ke simpul tujuan v n di dalam graph G ialah barisan berselang-seling simpul-simpul dan sisi-sisi yang berbentuk v 0, e, v, e 2, v 2,..., v n, e n, v n sedemikian sehingga e = (v 0, v ), e 2 = (v, v 2 ),..., e n = (v n-, v n ) adalah sisi-sisi dari graph G. Istilah lain untuk lintasan adalah jalur. c. Graph Berbobot (Weighted graph) Graph berbobot adalah graph yang setiap sisinya diberi sebuah harga (bobot). Bobot pada tiap sisi dapat menyatakan jarak antara dua buah kota, biaya perjalanan antara dua buah kota, waktu tempuh pesan (message) dari sebuah simpul komunikasi ke simpul komunikasi lain (dalam jaringan komputer), ongkos produksi dan sebagainya. Contoh Graph berbobot dapat dilihat pada gambar 2. a e b 5 9 d 4 Gambar 2. Graph Berbobot c J-ICON, Vol. 2 No., Maret 204 : ~9
3 J-ICON ISSN Repersentasi Graph Graph akan diproses dengan program komputer, maka graph harus direpresentasikan di dalam memori. Terdapat tiga macam representasi yang sering digunakan [2]. a. Matriks Ketetanggaan (Adjacency matrix) Matriks ketetanggaan adalah reprsentasi graph yang paling umum. Misalkan G = (V,E) adalah graph dengan n simpul, n matriks ketetanggaan yaitu matriks dwintara yang berukuran n x n bila matriks tersebut dinamakan A= [a ij ], maka a ij = jika simpul i dan j bertetangga, sebaliknya a ij = 0 jika simpul i dan j tidak bertetangga. Karena matriks bertetangga hanya berisi 0 dan, maka matriks tersebut juga dinamakan matriks nol-satu (zero-one). Selain dengan angka 0 dan, elemen matriks dapat juga dinyatakan dengan nilai false (menyatakan 0) dan true (menyatakan ) Aplikasi Graph Terdapat banyak aplikasi yang berkaitan dengan graph, dimana graph digunakan sebagai alat untuk merepresentasikan atau memodelkan persoalan. Ada beberapa aplikasi yang berkaitan dengan lintasan/sirkuit di dalam graph, diantaranya adalah menentukan lintasan terpendek (shortest path), persoalan pedagang keliling (Traveling Salesman Problem) dan pewarnaan graph (graph coloring) [2]. 2.5 Optimasi Optimisasi adalah suatu proses untuk mencapai hasil yang ideal atau optimal (nilai efektif yang dapat dicapai). Dalam matematika, optimisasi merujuk pada studi permasalahan yang mencoba untuk mencari nilai minimal atau maksimal dari suatu fungsi riil. Untuk dapat mencapai nilai optimal baik minimal atau maksimal tersebut, secara sistematis dilakukan pemilihan nilai variabel integer atau riil yang akan memberikan solusi optimal. Tujuan dari permasalahan lintasan terpendek adalah mencari lintasan terpendek dan biaya termurah dari sebuah perjalanan [3] Penyelesaian Masalah Optimasi Secara umum penyelesaian masalah pencarian jalur terpendek dapat dilakukan dengan menggunakan dua metode, yaitu metode konvensional dan metode heuristik. Metode konvensional dihitung dengan perhitungan matematika biasa, sedangkan metode heuristik dihitung dengan menggunakan sistem pendekatan. a. Metode Konvensional Metode konvensional adalah metode yang menggunakan perhitungan matematis biasa, ada beberapa metode konvensional yang biasa digunakan untuk melakukan pencarian jalur terpendek, diantaranya algoritma Dijkstra, algoritma floyd-warshall, dan algoritma bellmanford. b. Metode Heuristik Metode heuristik adalah suatu metode yang menggunakan sistem pendekatan dalam melakukan pencarian dalam optimasi. Ada beberapa Algoritma pada metode heuristik yang biasa digunakan dalam permasalahan optimasi, diantaranya algoritma genetika, ant colony optimization, logika fuzzy, jaringan syaraf tiruan, tabu search, simulated annealing dan lainlain [] 2.6 Lintasan Terpendek Persoalan mencari lintasan terpendek di dalam graph merupakan salah satu persoalan optimasi. Graph yang digunakan dalam pencarian lintasan terpendek adalah graph berbobot (weighted graph), yaitu graph yang setiap sisinya diberikan nilai atau bobot. Bobot pada sisi graph dapat menyatakan jarak antar kota, waktu pengiriman pesan, ongkos pembangunan, dan sebagainya. Asumsi yang kita gunakan disini adalah bahwa semua bobot bernilai positif. Kata terpendek tidak selalu diartikan secara fisik sebagai panjang minimum, sebab kata terpendek berbeda maknanya bergantung tipikal persoalan yang akan diselesaikan. Namun, secara umum terpendek berarti meminimalisasikan bobot. Ada beberapa macam persoalan lintasan terpendek, antara lain: Penerapan Algoritma Dijkstra Pada Permasalahan Lintasan Terpendek Objek Wisata Alam Kota Kupang Berbasis Web (Ahmad Rizal)
4 4 ISSN a. Lintasan terpendek antara dua buah pasangan simpul tertentu. b. Lintasan terpendek antara semua pasangan simpul. c. Lintasan terpendek dari simpul tertentu ke semua simpul yang lain. d. Lintasan terpendek antara dua buah simpul yang melalui beberapa simpul tertentu. Pada dasarnya, jenis persoalan a mirip dengan jenis persoalan c dapat dihentikan bila simpil tujuan yang dikehendaki sudah ditemukan lintasan terpendeknya. Deskripsi persoalan lintasan terpendek pada jenis persoalan c adalah sebagai berikut: Diberikan bobot G=(V,E) dan sebuah simpul awal a. tentukan lintasan terpendek dari a ke setiap simpul lainnya di dalam G. Sebagai ilustrai, tinjau graph jaringan jalan pada gambar Gambar 3. Contoh Graph Jaringan Jalan Lintasan terpendek dari simpul satu ke semua simpul lain diberikan pada tabel di bawah ini (diurut dari lintasan terpendek pertama, kedua, ketiga dan seterusnya). Tabel. Hasil Lintasan Terpendek Simpul Simpul Lintasan jarak asal tujuan terpendek,3,3,4,3,4,5,5 Tidak ada Algoritma Dijkstra Sudah banyak algoritma mencari lintasan terpendek yang pernah ditulis orang. Algoritma lintasan terpendek yang paling terkenal adalah algoritma Djikstra (sesuai dengan nama penemunya, Edsger W. Dijkstra). Dalam naskah aslinya algoritma Dijkstra diterapkan untuk mencari lintasan terpendek pada graph berarah. Namun algoritma ini juga benar untuk graph tak-berarah. Algoritma Dijkstra mencari lintasan terpendek dalam sejumlah langkah. Algoritma ini menggunakan prinsip Greedy. Prinsip Greedy pada alagoritma Dijkstra menyatakan bahwa setiap langkah kita memiliki sisi yang berboot minimum dan memasukkannya kedalam himpunan solusi [2]. Properti algoritma Dijkstra:. Matriks ketetanggaan M[m ij ] m ij = bobot sisi (i, j) (pada graph tak-berarah m ij = m ji ) m ii = 0 m ij =, jika tidak ada sisi dari simpul i ke simpul j 2. Larik S = [s i ] yang dalam hal ini, s i =, jika simpul i termasuk ke dalam lintasan terpendek s i = 0, jika simpul i tidak termasuk ke dalam lintasan terpendek 3. Larik/tabel D = [d i ] yang dalam hal ini, d i = panjang lintasan dari simpul awal s ke simpul i 2.7. Contoh Cara Kerja Algoritma Dijkstra Jaringan Jalan Tinjau kembali graph jaringan jalan pada gambar 3 dengan matriks ketetanggaan m dapat dilihat pada tabel 2. J-ICON, Vol. 2 No., Maret 204 : ~9
5 J-ICON ISSN Tabel 2. Matriks Ketanggaan m Perhitungan lintasan terpendek dari simpul awal a = ke semua simpul lainnya dapat dilihat pada tabel 3. Tabel 3. Hasil Algoritma Dijkstra Dari Simpul Ke Semua Simpul (Keterangan: Angka-angka dalam kurung menyatakan lintasan terpendek dari ke simpul tersebut) Jadi, lintasan terpendek dari: ke 3 adalah, 3 dengan panjang = 0 ke 4 adalah, 3, 4 dengan jarak = 25 ke 2 adalah, 3, 4, 2 dengan jarak = 45 ke 5 adalah, 5 dengan jarak = 45 ke 6 tidak ada Flowchart Algoritma Dijkstra Proses algoritma Dijkstra merupakan proses pencarian lokasi wisata alam asal tujuan yang telah ditentukan wisatawan untuk menghasilkan rute terpendek dengan bobot jarak yang minimum. Flowchart proses cari dapat dilihat pada gambar 4. Mulai Penetapan Matriks Ketetanggaan Pilih Titik Asal dan Titik Tujuan Titik Asal = Titik Tujuan? Ya Tidak Pembaruan Bobot Jarak Ketetanggaan yang Terhubung Dengan Titik Terpilih Pilih Titik Tetangga dengan Bobot terkecil sebagai titik Terpilih Tidak Titik Tetangga yang terhubung dengan Titik terpilih = Titik Tujuan? Ya Tampilkan Titik-Titik Terpilih Selesai Gambar 4. Flowchart Proses Algoritma Dijkstra Penerapan Algoritma Dijkstra Pada Permasalahan Lintasan Terpendek Objek Wisata Alam Kota Kupang Berbasis Web (Ahmad Rizal)
6 6 ISSN III. HASIL DAN PEMBAHASAN 3. Hasil Hasil dari penelitian ini adalah terciptanya sistem pencarian rute terpendek dari lokasi asal ke lokasi tujuan objek wisata alam di Kota Kupang menggunakan algoritma Dijkstra berbasis web. Kegunaan dari sistem ini adalah untuk mendapatkan rute terpendek lokasi wisata alam yang ingin dikunjungi wisatawan dengan total jarak minimum sehingga mendapatkan biaya perjalanan yang minimum, informasi lokasi wisata alam dan perkiraan biaya perjalanan.untuk dapat menggunakan sistem silahkan mengunjungi situs Pembahasan Sistem secara umum dirancang untuk mencari rute perjalanan dengan total jarak yang terpendek menggunakan perhitungan algoritma Dijkstra, perkiraan waktu perjalanan, perkiraan biaya perjalanan dan informasi objek wisata alam Kota Kupang Pembahasan Halaman Hasil Pencarian Pada sistem, halaman hasil pencarian menampilkan visual rute asal dan tujuan lokasi wisata alam yang telah dipilih oleh wisatawan dan hasil perkiraan biaya perjalanan wisatawan. Pembahasan halam hasil pencarian dapat dilihat pada gambar 5. Gambar 5. Halaman Hasil Pencarian Pada gambar 5 dapat dijelaskan bahwa rute terpendek dari Pantai Lasiana ke Permandian Airnona dengan total jarak.35 Km dengan biaya perjalanan Rp Pengujian Terdapat 5 titik objek wisata alam yang berada di Kota Kupang. Dari data titik lokasi dan peta jalan Kota Kupang penulis membuat pemodelan graph untuk digunakan dalam perhitungan algoritma Dijkstra agar mendapatkan rute terpendek dari titik asal ke titik tujuan objek wisata alam. Dalam graph tersebut titik objek wisata alam merupakan node, titik atau vertex sedangkan jalan merupakan garis atau edge yang menghubungkan antara titik objek wisata alam bobot jarak antara titik didapat menggunakan perhitungan jarak garis lurus antara dua titik koordinat. Untuk penerapkan algoritma Dijkstra dalam pencarian rute terpendek dibutuhkan pemodelan graph dan direpresentasikan dalam matriks ketetanggaan. Gambar 6 merupakan pemodelan graph jaringan jalan Kota Kupang. J-ICON, Vol. 2 No., Maret 204 : ~9
7 J-ICON ISSN , TITIK/ NODE/ VERTEX 34 EDGE/ GARIS : Lokasi Wisata : Jalan Gambar 6. Pemodelan Graph Jaringan Jalan Kota Kupang 3.3. Pengujian Secara Manual Algoritma Dijkstra mencari panjang lintasan terpendek dari node/simpul a ke z dalam sebuah Graph berbobot terhubung. Dari hasil pemodelan graph jaringan jalan Kota Kupang dan pembentukan matriks ketetanggaan 5 titik objek wisata alam maka akan dilakukan perhitungan manual untuk mencari lintasan terpendek simpul asal a = ke simpul lainnya menggunakan algoritma Dijkstra. Hasil tabulasi algoritma Dijkstra ke semua simpul dapat dilihat pada tabel 4. Tabel 4. Hasil tabulasi algoritma Dijkstra ke semua simpul Hasil akhir dari algoritma Dijkstra adalah jalur terpendek dari simpul asal a ke semua simpul lain. Untuk mencari jalur terpendek dari semua titik. Algoritma Dijkstra dapat diulang-ulang sebanyak n kali yang dimulai dari semua titik, simpul atau node Penerapan Algoritma Dijkstra Pada Permasalahan Lintasan Terpendek Objek Wisata Alam Kota Kupang Berbasis Web (Ahmad Rizal)
8 8 ISSN Pengujian Dengan Sistem Pada pengujian sistem penulis mencoba mengambil 7 (tujuh) contoh kasus secara acak dari titik asal ke titik tujuan untuk dibandingkan dengan perhitungan manual apakah hasil yang didapat dari sistem sama dengan perhitungan manual. Pantai Lasiana ke Gua Monyet Alak ( ke 5) Pada sistem titik asal dimulai dari Pantai Lasiana ke titik tujuan Gua Monyet Alak terlihat seperti gambar 7. Gambar 7. Hasil Pencarian Dijkstra Pantai Lasiana Ke Gua Monyet Alak Tabel 5. Hasil Manual Dijkstra Pantai Lasiana ke Gua Monyet Alak Asal ke tujuan -5 ( ) Rute Keterangan Jarak Pantai Lasiana Pantai Nunsui Gua Monyet Kelapa Lima Pantai Ketapang Satu Pantai Koepang Pantai Nunhila Gua Monyet Alak ( ) Total Jarak 6.33 Dari hasil pencarian rute dengan menggunakan algoritma Dijkstra secara manual dengan sistem yang telah dibuat dari titik Pantai Lasiana ke titik 5 Gua Monyet Alak maka hasil yang diperoleh sama dengan rute yang ditempuh yaitu Pantai Lasiana => Pantai Nunsui => Gua Monyet Kelapa Lima => Pantai Ketapang Satu => Pantai Koepang => Pantai Nunhila => Gua Monyet alak dengan total jarak 6.33 Km. IV. KESIMPULAN DAN SARAN 4. Kesimpulan Dari analisis, pembahasan dan pengujian yang telah dilakukan, maka dapat diambil beberapa kesimpulan sebagai berikut: a. Algoritma Dijkstra telah berhasil diterapkan untuk menyelesaikan masalah lintasan terpendek rute asal ke tujuan objek wisata alam Kota Kupang. b. Didalam sistem ini, output memberikan solusi rute perjalanan dengan total jarak yang minimum dari titik asal ke titik tujuan yang ingin dikunjungi wisatawan. c. Hasil perhitungan secara manual dan hasil perhitungan dengan sistem diperoleh hasil yang sama. 4.2 Saran Berdasarkan kesimpulan yang diperoleh, maka penulis dapat memberikan beberapa saran yang mungkin dapat digunakan untuk keperluan pengembangan selanjutnya : a. Sistem yang dibuat hanya membahas permasalahan jalur terpendek dengan algoritma Dijkstra saja. Untuk pengembangan lebih lanjut dapat ditambahkan algoritma lain yang dapat dijadikan bahan pertimbangan dalam permasalahan rute terpendek. J-ICON, Vol. 2 No., Maret 204 : ~9
9 J-ICON ISSN b. Pada sistem, visual rute perjalanan dari asal ke tujuan tidak sesuai jalan sebenarnya hanya garis lurus. Untuk penelitian selanjutnya disarankan visual rute sesuai dengan jalan sebenarnya. c. Untuk penelitian selanjutnya disarankan menggunakan jalur dua arah. DAFTAR PUSTAKA [] Hasanah, N, dkk., 2007, Pemetaan Metode Heuristik Dalam Pencarian Jalur Terpendek dengan Algoritma Semut dan Algoritma Genetik, Seminar Nasional Aplikasi Teknologi Informasi, Yogyakarta. [2] Munir, R., 2005, Matematika Diskrit. Informatika Bandung, Bandung. [3] Wardy, I, S., 2007, Penggunaan Graph Dalam Algoritma Semut Untuk Melakukan Optimisasi, Program Studi Teknik Informatika, Jurnal Prodi Teknologi Informasi, Institut Teknologi Bandung(ITB), Bandung. Penerapan Algoritma Dijkstra Pada Permasalahan Lintasan Terpendek Objek Wisata Alam Kota Kupang Berbasis Web (Ahmad Rizal)
BAB 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 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 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 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 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 terperinciAplikasi Algoritma Dijkstra dalam Pencarian Lintasan Terpendek Graf
Aplikasi Algoritma Dijkstra dalam Pencarian Lintasan Terpendek Graf Nur Fajriah Rachmah - 0609 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan
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 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 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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Konsep Dasar Graph Sebelum sampai pada pendefenisian masalah lintasan terpendek, terlebih dahulu pada bagian ini akan diuraikan mengenai konsep-konsep dasar dari model graph dan
Lebih terperinciStudi Algoritma Optimasi dalam Graf Berbobot
Studi Algoritma Optimasi dalam Graf Berbobot Vandy Putrandika NIM : 13505001 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung E-mail : if15001@students.if.itb.ac.id
Lebih terperinciSEARCHING SIMULATION SHORTEST ROUTE OF BUS TRANSPORTATION TRANS JAKARTA INDONESIA USING ITERATIVE DEEPENING ALGORITHM AND DJIKSTRA ALGORITHM
SEARCHING SIMULATION SHORTEST ROUTE OF BUS TRANSPORTATION TRANS JAKARTA INDONESIA USING ITERATIVE DEEPENING ALGORITHM AND DJIKSTRA ALGORITHM Ditto Djesmedi ( 0222009 ) Jurusan Teknik Elektro, 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Graph Graf adalah struktur data yang terdiri dari atas kumpulan vertex (V) dan edge (E), biasa ditulis sebagai G=(V,E), di mana vertex adalah node pada graf, dan edge adalah rusuk
Lebih terperinciPENGGUNAAN ALGORITMA GENETIKA UNTUK MENENTUKAN LINTASAN TERPENDEK STUDI KASUS : LINTASAN BRT (BUS RAPID TRANSIT) MAKASSAR
PENGGUNAAN ALGORITMA GENETIKA UNTUK MENENTUKAN LINTASAN TERPENDEK STUDI KASUS : LINTASAN BRT (BUS RAPID TRANSIT) MAKASSAR Karels, Rheeza Effrains 1), Jusmawati 2), Nurdin 3) karelsrheezaeffrains@gmail.com
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Pembuatan Web Sistem Informasi Geografis (SIG) salah satunya didorong karena penggunaan internet yang sangat luas dimasyarakat dan pemerintah, karena internet maka
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA BRANCH AND BOUND
PENYEESAIAN TRAVEING SAESMAN PROBEM DENGAN AGORITMA BRANCH AND BOND Yogo Dwi Prasetyo Pendidikan Matematika, niversitas Asahan e-mail: abdullah.prasetyo@gmail.com Abstract The shortest route search by
Lebih terperinciIMPLEMENTASI ALGORITMA DIJKSTRA UNTUK MENENTUKAN JALUR TERPENDEK WILAYAH PISANGAN DAN KAMPUS NUSA MANDIRI TANGERANG
Jurnal Pilar Nusa Mandiri Vol. 13 No. 2. September 2017 25 IMPLEMENTASI ALGORITMA DIJKSTRA UNTUK MENENTUKAN JALUR TERPENDEK WILAYAH PISANGAN DAN KAMPUS NUSA MANDIRI TANGERANG Astrid Noviriandini 1, Maryanah
Lebih terperinciPencarian Jalur Terpendek dengan Algoritma Dijkstra
Volume 2 Nomor 2, Oktober 207 e-issn : 24-20 p-issn : 24-044X Pencarian Jalur Terpendek dengan Algoritma Dijkstra Muhammad Khoiruddin Harahap Politeknik Ganesha Medan Jl.Veteran No. 4 Manunggal choir.harahap@yahoo.com
Lebih terperinciPenerapan Travelling Salesman Problem dalam Penentuan Rute Pesawat
Penerapan Travelling Salesman Problem dalam Penentuan Rute Pesawat Aisyah Dzulqaidah 13510005 1 Program Sarjana Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Adapun landasan teori yang dibutuhkan dalam pembahasan tugas akhir ini di antaranya adalah definisi graf, lintasan terpendek, lintasan terpendek fuzzy, metode rangking fuzzy, algoritma
Lebih terperinciOPTIMASI RUTE ARMADA KEBERSIHAN KOTA GORONTALO MENGGUNAKAN ANT COLONY OPTIMIZATION. Zulfikar Hasan, Novianita Achmad, Nurwan
OPTIMASI RUTE ARMADA KEBERSIHAN KOTA GORONTALO MENGGUNAKAN ANT COLONY OPTIMIZATION Zulfikar Hasan, Novianita Achmad, Nurwan ABSTRAK Secara umum, penentuan rute terpendek dapat dibagi menjadi dua metode,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Sistem informasi adalah suatu sistem manusia dan mesin yang terpadu untuk menyajikan informasi guna mendukung fungsi operasi, manajemen, dan pengambilan keputusan. Tujuan dari sistem
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 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 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 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 terperinciPENENTUAN RUTE TERPENDEK PADA OPTIMALISASI JALUR PENDISTRIBUSIAN BARANG DI PT. X DENGAN MENERAPKAN ALGORITMA FLOYD-WARSHALL
PENENTUAN RUTE TERPENDEK PADA OPTIMALISASI JALUR PENDISTRIBUSIAN BARANG DI PT. X DENGAN MENERAPKAN ALGORITMA FLOYD-WARSHALL Vera Apriliani Nawagusti 1), Ali Nurdin 2), Aryanti aryanti 3) 1),2),3 ) Jurusan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah dalam menentukan rantaian terpendek diantara pasangan node (titik) tertentu dalam suatu graph telah banyak menarik perhatian. Persoalan dirumuskan sebagai kasus
Lebih terperinciMENENTUKAN LINTASAN TERPENDEK SUATU GRAF BERBOBOT DENGAN PENDEKATAN PEMROGRAMAN DINAMIS. Oleh Novia Suhraeni 1, Asrul Sani 2, Mukhsar 3 ABSTRACT
MENENTUKAN LINTASAN TERPENDEK SUATU GRAF BERBOBOT DENGAN PENDEKATAN PEMROGRAMAN DINAMIS Oleh Novia Suhraeni 1, Asrul Sani 2, Mukhsar 3 ABSTRACT One of graph application on whole life is to establish the
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari hari, selalu dilakukan perjalanan dari satu titik atau lokasi ke lokasi yang lain dengan mempertimbangkan efisiensi waktu dan biaya sehingga
Lebih terperinciVol: 4, No. 1, Maret 2015 ISSN:
PENCARIAN SPBU TERDEKAT DAN PENENTUAN JARAK TERPENDEK MENGGUNAKAN ALGORITMA DIJKSTRA (STUDI KASUS DI KABUPATEN JEMBER) Windi Eka Yulia R., Dwiretno Istiadi, Abdul Roqib Program Studi Sistem Informasi Universitas
Lebih terperinciIMPLEMENTASI HIERARCHICAL CLUSTERING DAN BRANCH AND BOUND PADA SIMULASI PENDISTRIBUSIAN PAKET POS
IMPLEMENTASI HIERARCHICAL CLUSTERING DAN BRANCH AND BOUND PADA SIMULASI PENDISTRIBUSIAN PAKET POS SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program
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 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 terperinciPencarian Jalur Terpendek dengan Menggunakan Graf dan Greedy dalam Kehidupan Sehari-hari
Pencarian Jalur Terpendek dengan Menggunakan Graf dan Greedy dalam Kehidupan Sehari-hari Andika Mediputra - NIM : 13509057 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 TEORI GRAF 2.1.1 Definisi Definisi 2.1 (Munir, 2009, p356) Secara matematis, graf G didefinisikan sebagai pasangan himpunan (V,E), ditulis dengan notasi G = (V,E), yang dalam hal
Lebih terperinciBAB I PENDAHULUAN. Di tengah masyarakat dengan aktivitas yang tinggi, mobilitas menjadi hal yang penting.
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Di tengah masyarakat dengan aktivitas yang tinggi, mobilitas menjadi hal yang penting. Namun pada kenyataannya, terdapat banyak hal yang dapat menghambat
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 terperinciMINIMASI BIAYA DISTRIBUSI DENGAN MENGGUNAKAN METODE TRAVELING SALESMAN PROBLEM (TSP)
MINIMASI BIAYA DISTRIBUSI DENGAN MENGGUNAKAN METODE TRAVELING SALESMAN PROBLEM (TSP) Astria Yumalia Pascasarjana Magister Ilmu Komputer, STMIK Nusa Mandiri, Jakarta Jl. Kramat Raya No. 18, 10440 E-mail:
Lebih terperinciPermodelan Pohon Merentang Minimum Dengan Menggunakan Algoritma Prim dan Algoritma Kruskal
Permodelan Pohon Merentang Minimum Dengan Menggunakan Algoritma Prim dan Algoritma Kruskal Salman Muhammad Ibadurrahman NIM : 13506106 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Lintasan Terpendek Lintasan terpendek merupakan lintasan minumum yang diperlukan untuk mencapai suatu titik dari titik tertentu (Pawitri, ) disebutkan bahwa. Dalam permasalahan pencarian
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Terminologi graf Tereminologi termasuk istilah yang berkaitan dengan graf. Di bawah ini akan dijelaskan beberapa definisi yang sering dipakai terminologi. 2.1.1 Graf Definisi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI.. Definisi Graf Secara matematis, graf G didefinisikan sebagai pasangan himpunan (V,E) ditulis dengan notasi G = (V, E), yang dalam hal ini: V = himpunan tidak-kosong dari simpul-simpul
Lebih terperinciBAB 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 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 terperinciAlgoritma Branch & Bound untuk Optimasi Pengiriman Surat antar Himpunan di ITB
Algoritma Branch & Bound untuk Optimasi Pengiriman Surat antar Himpunan di ITB Mohamad Ray Rizaldy - 13505073 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciImplementasi Graf dalam Penentuan Rute Terpendek pada Moving Object
Implementasi Graf dalam Penentuan Rute Terpendek pada Moving Object Firdaus Ibnu Romadhon/13510079 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciRANCANG BANGUN APLIKASI MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL
RANCANG BANGUN APLIKASI MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL Naskah Publikasi diajukan oleh: Trisni jatiningsih 06.11.1016 kepada JURUSAN TEKNIK INFORMATIKA SEKOLAH TINGGI MANAJEMEN
Lebih terperinciPenentuan Rute Terpendek Tempat Wisata di Kota Tasikmalaya Dengan Algoritma Floyd-warshall
Penentuan Rute Terpendek Tempat Wisata di Kota Tasikmalaya Dengan Algoritma Floyd-warshall Muhamad Fikri Alhawarizmi - 13513009 Program Studi Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciAplikasi Teori Graf dalam Pencarian Jalan Tol Paling Efisien
Aplikasi Teori Graf dalam Pencarian Jalan Tol Paling Efisien Rianto Fendy Kristanto ) ) Jurusan Teknik Informatika ITB, Bandung 40, email: if706@students.if.itb.ac.id Abstract Makalah ini membahas tentang
Lebih terperinciUJM 3 (1) (2014) UNNES Journal of Mathematics.
Info Artikel UJM 3 (1) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PENERAPAN ALGORTIMA BRANCH AND BOUND UNTUK MENENTUKAN RUTE OBJEK WISATA DI KOTA SEMARANG Fera Marlinda
Lebih terperinciPenggunaan Algoritma Greedy dalam Membangun Pohon Merentang Minimum
Penggunaan Algoritma Greedy dalam Membangun Pohon Merentang Minimum Gerard Edwin Theodorus - 13507079 Jurusan Teknik Informatika ITB, Bandung, email: if17079@students.if.itb.ac.id Abstract Makalah ini
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 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 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 terperinciA. TUJUAN PEMBELAJARAN
Praktikum 14 Graph (Algoritma Multipath) A. TUJUAN PEMBELAJARAN Setelah melakukan praktikum dalam bab ini, mahasiswa diharapkan mampu: 1. Memahami struktur data graph. 2. Mampu mengimplementasikan algoritma
Lebih terperinciVISUALISASI PENCARIAN LINTASAN TERPENDEK ALGORITMA FLOYD- WARSHALL DAN DIJKSTRA MENGGUNAKAN TEX
VISUALISASI PENCARIAN LINTASAN TERPENDEK ALGORITMA FLOYD- WARSHALL DAN DIJKSTRA MENGGUNAKAN TEX Imam Husni Al Amin 1, Veronica Lusiana 2, Budi Hartono 3 1,2,3 Program Studi Teknik Informatika, Fakultas
Lebih terperinciAplikasi Algoritma Greedy pada Optimasi Pelaksanaan Misi dalam Permainan Assassins Creed : Revelations
Aplikasi Algoritma Greedy pada Optimasi Pelaksanaan Misi dalam Permainan Assassins Creed : Revelations Miftahul Mahfuzh 13513017 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciSISTEM ALOKASI PENYIMPANAN BARANG PADA GUDANG
SISTEM ALOKASI PENYIMPANAN BARANG PADA GUDANG Achmad Hambali Jurusan Teknik Informatika PENS-ITS Kampus PENS-ITS Keputih Sukolilo Surabaya 60 Telp (+6)3-59780, 596, Fax. (+6)3-596 Email : lo7thdrag@ymail.co.id
Lebih 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 terperinciSirkuit Euler & Sirkuit Hamilton SISTEM INFORMASI UNIVERSITAS GUNADARMA 2012/2013
Sirkuit Euler & Sirkuit Hamilton SISTEM INFORMASI UNIVERSITAS GUNADARMA 2012/2013 Sirkuit Euler Lintasan Euler ialah lintasan yang melalui masing-masing sisi di dalam graf tepat satu kali. Sirkuit Euler
Lebih terperinciGRAF. V3 e5. V = {v 1, v 2, v 3, v 4 } E = {e 1, e 2, e 3, e 4, e 5 } E = {(v 1,v 2 ), (v 1,v 2 ), (v 1,v 3 ), (v 2,v 3 ), (v 3,v 3 )}
GRAF Graf G(V,E) didefinisikan sebagai pasangan himpunan (V,E), dengan V adalah himpunan berhingga dan tidak kosong dari simpul-simpul (verteks atau node). Dan E adalah himpunan berhingga dari busur (vertices
Lebih terperinciAplikasi Teori Graf dalam Manajemen Sistem Basis Data Tersebar
Aplikasi Teori Graf dalam Manajemen Sistem Basis Data Tersebar Arifin Luthfi Putranto (13508050) Program Studi Teknik Informatika Institut Teknologi Bandung Jalan Ganesha 10, Bandung E-Mail: xenoposeidon@yahoo.com
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sistem Informasi Geografis (SIG) sebagai salah satu bidang ilmu yang tergolong baru, saat ini telah mampu menyelesaikan masalah routing, baik untuk masalah pencarian
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Semakin dengan berkembangnya teknologi fotografi di Indonesia, khususnya di Kota Medan, fotografi tidak hanya sebagai sarana atau alat untuk mengabadikan suatu kejadian
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 terperinciSimulasi Pencarian Rute Terpendek dengan Metode Algoritma A* (A-Star) Agus Gustriana ( )
Simulasi Pencarian Rute Terpendek dengan Metode Algoritma A* (A-Star) Agus Gustriana (0222182) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia E-mail
Lebih terperinciBAB 2 LANDASAN TEORI
4 BAB 2 LANDASAN TEORI 2.1 Pengertian Kemacetan Kemacetan adalah situasi atau keadaan tersendatnya atau bahkan terhentinya lalu lintas yang disebabkan oleh banyaknya jumlah kendaraan melebihi kapasitas
Lebih terperinciPENGEMBANGAN APLIKASI UNTUK MEMPERMUDAH PENCARIAN RUMAH SAKIT UMUM DENGAN ALGORITMA TABU SEARCH
PENGEMBANGAN APLIKASI UNTUK MEMPERMUDAH PENCARIAN RUMAH SAKIT UMUM DENGAN ALGORITMA TABU SEARCH Paska Marto Hasugian Program Studi Teknik Informatika STMIK Pelita Nusantara Medan, Jl. Iskandar Muda No.1,
Lebih terperinciPenghematan BBM pada Bisnis Antar-Jemput dengan Algoritma Branch and Bound
Penghematan BBM pada Bisnis Antar-Jemput dengan Algoritma Branch and Bound Chrestella Stephanie - 13512005 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPenggunaan Algoritma Greedy Dalam Penentuan Rute Wisata
Penggunaan Algoritma Greedy Dalam Penentuan Rute Wisata Renusa Andra Prayogo (13511063) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10
Lebih terperinciAplikasi Perencanaan Wisata di Malang Raya dengan Algoritma Greedy
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1459-1467 http://j-ptiik.ub.ac.id Aplikasi Perencanaan Wisata di Malang Raya dengan Algoritma
Lebih terperinciBAB II KAJIAN PUSTAKA. Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi
BAB II KAJIAN PUSTAKA Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi graf, permasalahan optimasi, model matematika dari objek wisata di Yogyakarta, dan algoritma genetika
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
21 2 TINJUN PUSTK 2.1. lgoritma lgoritma merupakan suatu langkah langkah untuk menyelesaikan masalah yang disusun secara sistematis, tanpa memperhatikan bentuk yang akan digunakan sebagai implementasinya,
Lebih terperinciAplikasi Graf pada Penentuan Jadwal dan Jalur Penerbangan
Aplikasi Graf pada Penentuan Jadwal dan Jalur Penerbangan Hishshah Ghassani - 13514056 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10
Lebih terperinciProsiding Matematika ISSN:
Prosiding Matematika ISSN: 2460-6464 Aplikasi Graf Hamilton pada Penentuan Rute Terpendek Jalur Trans Metro Bandung Hamilton Graph Application on the Shortest Path Routing Trans Metro Bandung 1 Yusuf Ibrahim
Lebih terperinciPenentuan Jarak Terpendek dan Jarak Terpendek Alternatif Menggunakan Algoritma Dijkstra Serta Estimasi Waktu Tempuh
Penentuan Jarak Terpendek dan Jarak Terpendek Alternatif Menggunakan Algoritma Dijkstra Serta Estimasi Waktu Tempuh Asti Ratnasari 1, Farida Ardiani 2, Feny Nurvita A. 3 Magister Teknik Informatika, Universitas
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 I PENDAHULUAN. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakang Setelah berkembangnya AI (Artifical Intelligence), banyak sekali ditemukan sejumlah algoritma yang terinspirasi dari alam. Banyak persoalan yang dapat diselesaikan
Lebih terperinciRANCANG BANGUN SISTEM INFORMASI RUTE WISATA TERPENDEK BERBASIS ALGORITMA FLOYD-WARSHALL
Sistem Prediksi Penyakit Diabetes Berbasis Decision Tree RANCANG BANGUN SISTEM INFORMASI RUTE WISATA TERPENDEK BERBASIS ALGORITMA FLOYD-WARSHALL Anik Andriani Manajemen Informatika AMIK BSI Jakarta Jl.
Lebih terperinciBAB II. TINJAUAN PUSTAKA. Terdapat beberapa jenis persoalan lintasan terpendek, antara lain:
0 BAB II. TINJAUAN PUSTAKA 2. LANDASAN TEORI 2.. LINTASAN TERPENDEK (Shortest Path) Persoalan mencari lintasan terpendek di dalam graf merupakan persoalan optimasi klasik. Graf yang diacu adalah graf berbobot
Lebih terperinciPENERAPAN TEORI GRAF UNTUK MENYELESAIKAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL
PENERAPAN TEORI GRAF UNTUK MENYELESAIKAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL Swaditya Rizki Program Studi Pendidikan Matematika, Fakultas Keguruan dan Ilmu Pendidikan, Universitas
Lebih terperinciALGORITMA DIJKSTRA UNTUK MENCARI LINTASAN TERPENDEK DAN OPTIMALISASI KENDARAAN PENGANGKUT SAMPAH DI KOTA PONTIANAK
Buletin Ilmiah Math Stat dan Terapannya (Bimaster) Volume 04, No 3 (2015), hal 243 250 ALGORITMA DIJKSTRA UNTUK MENCARI LINTASAN TERPENDEK DAN OPTIMALISASI KENDARAAN PENGANGKUT SAMPAH DI KOTA PONTIANAK
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 terperinciAlgoritma Prim sebagai Maze Generation Algorithm
Algoritma Prim sebagai Maze Generation Algorithm Muhammad Ecky Rabani/13510037 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciKonsep. Graph adalah suatu diagram yang memuat informasi tertentu. Contoh : Struktur organisasi
GRPH 1 Konsep Graph adalah suatu diagram yang memuat informasi tertentu. Contoh : Struktur organisasi 2 Contoh Graph agan alir pengambilan mata kuliah 3 Contoh Graph Peta 4 5 Dasar-dasar Graph Suatu graph
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 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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori graf 2.1.1 Defenisi graf Graf G adalah pasangan {,} dengan adalah himpunan terhingga yang tidak kosong dari objek-objek yang disebut titik (vertex) dan adalah himpunan pasangan
Lebih terperinciPERBANDINGAN ALGORITMA GREEDY, ALGORITMA CHEAPEST INSERTION HEURISTICS DAN DYNAMIC PROGRAMMING DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM
PERBANDINGAN ALGORITMA GREEDY, ALGORITMA CHEAPEST INSERTION HEURISTICS DAN DYNAMIC PROGRAMMING DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM Gea Aristi Program Studi Manajemen Informatika AMIK BSI Tasikmalaya
Lebih terperinciDiktat Algoritma dan Struktur Data 2
BB X GRF Pengertian Graf Graf didefinisikan sebagai pasangan himpunana verteks atau titik (V) dan edges atau titik (E). Verteks merupakan himpunan berhingga dan tidak kosongdari simpul-simpul (vertices
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada umumnya beragam model penjadwalan telah dikembangkan seperti program matematis dengan berbagai teknik diantaranya Wardoyo (2003) menggunakan logika Fuzzy, yakni suatu cara untuk
Lebih terperinciPENDISTRIBUSIAN BARANG FARMASI MENGGUNAKAN ALGORITMA DIJKSTRA (STUDI KASUS : PT. AIR MAS CHEMICAL)
ISSN : 1978-6603 PENDISTRIBUSIAN BARANG FARMASI MENGGUNAKAN ALGORITMA DIJKSTRA (STUDI KASUS : PT. AIR MAS CHEMICAL) Sulindawaty #1, Hendryan Winata #2,Trinanda Syahputra #3 #1,2 Program Studi Sistem Informasi,
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 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Teori Graf 2.1.1 Definisi Graf Graf G didefenisikan sebagai pasangan himpunan (V,E) yang dalam hal ini V adalah himpunan tidak kosong dari verteks (vertex atau node) = {v 1,
Lebih terperinci