BAB II LANDASAN TEORI
|
|
- Susanto Lesmana
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB II LANDASAN TEORI 2.1 Teori Graf 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 (vertices atau node) dan E adalah himpunan sisi (edges atau arcs) yang menghubungkan sepasang simpul (Munir, 2009). Simpul pada graf dapat dinomori dengan huruf, seperti a,b,c,d,..., atau dengan bilangan asli 1,2,3, atau juga gabungan dengan keduanya. Sedangkan untuk sisi yang menghubungkan antara simpul u dan v dinyatakan dengan (u,v) atau dapat dinyatakan dengan lambang e 1, e 2,e 3, dengan 1,2,3 adalah indeks. Dapat dikatakan bahwa jika e merupakan sisi yang menghubungkan simpul u dengan v, maka e dapat ditulis sebagai e = (u,v). Dalam aplikasinya, setiap simpul pada graf dapat dijadikan sebagai objek kehidupan, yaitu sebagai objek titik jaringan pesan atau komunikasi, lokasi penempatan kerja, titik kota, jalur transportasi dan lain sebagainya. Sedangkan untuk sisi graf dijadikan sebagai bobot jarak, waktu, biaya dan kendala lainnya. Dan juga busur (arcs) adalah yang menunjukan hubungan atau relasi dari sepasang simpul.
2 Jenis Graf Berdasarkan orientasi arah pada sisi dan bobotnya, maka secara umum graf dibedakan atas empat jenis : 1. Graf tidak berarah dan berbobot (undirected graph) Graf yang setiap sisinya tidak mempunyai arah anak panah tetapi memiliki bobot pada setiap sisinya. Urutan pasangan simpul yang terhubung oleh sisi tidak diperhatikan. Sehingga (u,v) = (v,u) adalah sisi yang sama. Sehingga graf tak berarah sering dipakai pada jaringan saluran telepon karena sisi pada graf tak berarah menyatakan bahwa saluran telepon dapat beroperasi pada dua arah. Perhatikan contoh graf tak berarah pada Gambar 2.1 dengan enam buah simpul dan sebelas buah sisi. A D B 2 6 E 3 10 C 6 F Gambar 2.1 Graf tak berarah dan berbobot 2. Graf berarah dan berbobot (directed graph) Graf yang setiap sisinya diberikan orientasi arah disebut sebagai graf berarah. Secara umum sisi berarah disebut dengan busur (arc). Pada graf berarah (u,v) dan (v,u) menyatakan dua buah busur yang berbeda, dalam arti kata bahwa (u,v) (v,u). Jadi
3 10 untuk busur (u,v) simpul u dinamakan simpul asal dan simpul v dinamakan simpul terminal atau simpul tujuan. Graf berarah sering dipakai untuk menggambarkan aliran proses, peta lintas kota dan lain sebagainya. Sehingga pada graf berarah gelang atau looping diperbolehkan tetapi sisi ganda tidak diperbolehkan. Perhatikan contoh graf berarah pada Gambar 2.2 dengan enam buah simpul dan sebelas buah sisi. A D 1 7 B E 3 10 C 6 F Gambar 2.2 Graf berarah dan berbobot 3. Graf tidak berarah dan tidak berbobot Graf yang setiap sisinya tidak mempunyai arah dan tidak mempunyai bobot apapun. Perhatikan contoh graf tidak berarah dan tidak berbobot pada Gambar 2.3 A D B E C F Gambar 2.3 Graf tidak berarah dan tidak berbobot
4 11 4. Graf berarah dan tidak berbobot Graf yang setiap sisinya mempunyai arah tetapi tidak mempunyai bobot apapun. Perhatikan contoh graf berarah dan tidak berbobot pada Gambar 2.4 A D B E C F Gambar 2.4 Graf berarah dan tidak berbobot Representasi Graf Terdapat beberapa cara mempresentasikan graf, tiga diantaranya yang sering digunakan adalah matriks ketetanggaan, matriks bersisian dan senarai ketetanggaan. 1. Matriks Ketetanggan (adjacency matrix) Misalkan G = (V,E) adalah graf dengan n simpul, n 1. Matriks ketetanggaan G adalah matriks yang berukuran n n. Bila matriks tersebut dinamakan A a ], maka a 1 jika simpul i dan j bertetangga atau terhubung, sebaliknya 0 ij jika simpul i dan j tidak bertetangga atau tidak terhubung. Matriks bertetanggaan hanya berisi 0 dan 1, selain dengan angka 0 dan 1, elemen matriks dapat juga dinyatakan dengan nilai false (menyatakan 0) dan true (menyatakan 1). a ij [ ij
5 12 Matriks ketetanggaan nol-satu tidak dapat digunakan untuk mempresentasikan graf yang mempunyai sisi ganda (graf ganda). Untuk graf semu, gelang pada simpul dinyatakan dengan nilai 1 pada matriks tetanggaannya. Tabel matriks ketetanggaan untuk graf ABCDEF dapat dilihat pada Tabel 2.1 A B C D E F A B C D E F Tabel 2.1 Matriks Tetanggaan Graf ABCDEF Jumlah elemen matriks ketetanggaan untuk graf dengan n simpul atau titik adalah 2 n. Jika setiap elemen membutuhkan ruang memori sebesar N, maka ruang memori yang diperlukan seluruhnya adalah 2 N n. Pada graf tidak berarah : a. Ruang memori yang diperlukan adalah 2 n n 2 b. Derajat simpulnya adalah d( v i ) a ij Pada graf berarah : n j 1 a. Jumlah nilai pada baris i d out a ij n j 1 b. Jumlah nilai pada kolom j d in a ij n i 1 2. Matriks Bersisian (incidency matrix)
6 13 Matriks bersisian menyatakan kebersisian simpul dengan sisi. Misalkan G = (V,E) adalah graf dengan n simpul dan m buah sisi. Matriks bersisian G adalah matriks yang berukuran n m. Baris menunjukkan label simpul, sedangkan kolom menunjukkan label sisi. Bila matriks tersebut dinamakan A a ], maka 1 jika simpul i bersisian dengan j, sebaliknya a 0 jika simpul i tidak bersisian dengan simpul j. ij [ ij a ij Matriks bersisian dapat digunakan untuk mempresentasikan graf yang mengandung sisi ganda atau sisi gelang. Derajat setiap simpul i dapat dihitung dengan menghitung jumlah seluruh elemen pada baris i (kecuali pada graf yang mengandung gelang atau looping). Jumlah elemen matriks bersisian adalah n m. Jika setiap elemen membutuhkan ruang memori sebesar N, maka ruang memori yang diperlukan seluruhnya adalah N n m. Perhatikan Gambar 2.5 menunjukkan graf berarah yang terdiri dari 6 simpul dan 10 sisi serta Tabel 2.2 yang menunjukkan matriks bersisian untuk graf ABCDEF. B e 1 A e 3 e 10 e 4 e 2 C e 5 E e 8 e 9 D e 7 F e 6 Gambar 2.5 Graf berarah ABCDEF e 1 e 2 e 3 e 4 e 5 e 6 e 7 e 8 e 9 e 10 A B C
7 14 D E F Tabel 2.2 Matriks bersisian graf ABCDEF 3. Senarai Ketetanggaan (adjacency list) Jika dilihat dari segi implementasinya terhadap komputer matriks tetanggaan memiliki kebutuhan ruang memori yang boros. Hal ini dikarenakan matriksnya memiliki banyak elemen nol sedangkan didalam komputer elemen nol tidak perlu disimpan. Untuk mengatasi hal tersebut maka senarai ketetanggaan yang lebih baik. Senarai ketetanggaan mengurutkan simpul-simpul yang bertetangga dengan setiap simpul di dalam graf. Sebagai contoh perhatikan senarai ketetanggaan gambar 1.1 pada bab Permasalahan Optimasi Secara umum pencarian jalur terpendek dapat dibagi menjadi dua metode, yaitu metode konvensional dan metode heuristik. Metode konvensional diterapkan dengan menggunakan perhitungan matematika murni, sedangkan metode heuristik diterapkan dengan menggunakan perhitungan kecerdasan buatan. 1. Metode Konvensional Metode konvensional adalah metode yang diterapkan menggunakan perhitungan matematika murni. Ada beberapa metode konvensional yang sering digunakan untuk menyelesaikan masalah optimasi, diantaranya: algoritma Djikstra, algoritma Floyd-Warshall, dan algoritma Bellman-Ford. 2. Metode Heuristik Metode heuristik adalah salah satu dari bidang kecerdasan buatan yang digunakan untuk menyelesaikan masalah optimasi. Terdapat beberapa algoritma dari metode heuristik yang sering digunakan dalam permasalahan
8 15 optimasi, diantaranya adalah algoritma genetika, algoritma pencarian tabu, jaringan saraf tiruan, algoritma semut dan lain-lain Permasalahan Lintasan Terpendek (Shortest Path Problem) Menurut Munir, 2009 persoalan lintasan terpendek di dalam graf merupakan salah satu persoalan optimasi. Graf yang digunakan dalam pencarian lintasan terpendek adalah graf berbobot (weighted graph), yaitu graf yang setiap sisinya diberikan suatu nilai atau bobot. Bobot pada sisi graf dapat dinyatakan sebagai jarak antar kota, waktu pengiriman pesan dan lain-lain. Dengan kata lain lintasan terpendek merupakan suatu jaringan atau kerangka jalur petunjuk perjalanan dari suatu simpul atau titik ke simpul lainnya atau yang menjadi tujuan perjalanan dengan beberapa pilihan jalur yang mungkin untuk di jalani. Gambar 2.6 menunjukkan graf berarah ABCDEF dan tidak berberbobot. A D C F B E Gambar 2.6 graf berarah ABCDEF Dapat dilihat pada Gambar 2.6 untuk malakukan suatu perjalanan dari simpul awal A ke simpul tujuan F, maka terdapat beberapa pilihan jalur yang mungkin untuk di tempuh, yaitu : Jalur ke-1 : A B C F Jalur ke-2 : A B E F Jalur ke-3 : A C F Jalur ke-4 : A D E F
9 16 Jalur ke-5 : A D E F Dari uraian jalur diatas dapat ditentukan jalur atau lintasan terpendek dengan mencari jarak suatu jalur antara simpul-simpulnya kemudian membandingkan dengan jarak pada jalur yang lain dan menentukan total jarak yang terpendek atau yang paling kecil. 2.3 Algoritma Tabu Search (TS) Tabu Search merupakan salah satu algoritma yang berada dalam ruang lingkup metode heuristik. Algoritma ini menggunakan short-term memory untuk menjaga agar proses pencarian tidak terjebak pada nilai optimum lokal. Algoritma ini menggunakan tabu list untuk menyimpan sekumpulan solusi yang baru saja dievaluasi. Selama proses optimasi, pada setiap iterasi, solusi yang akan dievaluasi akan dicocokkan terlebih dahulu dengan isi tabu list untuk melihat apakah solusi tersebut sudah ada pada tabu list. Apabila solusi tersebut sudah ada pada tabu list, maka solusi tersebut tidak akan dievaluasi lagi pada iterasi berikutnya. Dan jika sudah tidak ada lagi solusi yang tidak akan menjadi anggota tabu list, maka nilai terbaik yang baru saja diperoleh merupakan solusi yang sebenarnya. Beberapa elemen utama pada Tabu Search adalah sebagai berikut : 1. Representasi solusi : setiap solusi yang mungkin pada suatu permasalahan optimasi harus direpresentasikan. 2. Fungsi cost : setiap fungsi cost akan memetakan setiap solusi yang mungkin ke nilai cost-nya 3. Neightbourhood (tetangga) : suatu fungsi yang memetakan setiap solusi yang mungkin ke solusi-solusi yang lainnnya. 4. Tabu list : suatu list atau daftar yang berisi solusi gerakan terakhir. 5. Jumlah elemen yang harus ada pada suatu solusi. Algoritma Tabu Search secara garis besar dapat ditulis sebagai berikut :
10 17 Langkah 0 : Tetapkan : X = Matriks input berukuran (n x m). MaxItr = Maksimum Iterasi. Langkah 1 : S = bangkitkan solusi secara random. Langkah 2 : GlobalMin = FCost(S). Langkah 3 : Best = S. Langkah 4 : TabuList = [ ]. Langkah 5 : Kerjakan dari k = 1 sampai MaxItr: Langkah 6 : BestSoFar = Cost. Langkah 7 : BestMove = S. Langkah 8 : Kerjakan dari i = 1 sampai MaxItr: Langkah 9 : Kerjakan dari j = i sampai n: Langkah 10: L = Tukar(S[i],S[j]). Langkah 11: Cost = FCost(L). Langkah 12: Jika(L TabuList)atau(Cos<GlobalMin),kerjakan : Langkah 13: Jika (Cost < BestSoFar), kerjakan : Langkah 14: BestSoFar = Cost. Langkah 15: BestMove = L. Langkah 16: S = BestMove. Langkah 17: Tambahkan S ke Tabu List. Langkah 18: Jika BestSoFar < GlobalMin, kerjakan : Langkah 19: GlobalMin = BestSoFar. Langkah 20: Best = BestMove. Solusi Akhir adalah Best, dengan cost sebesar GlobalMin. Contoh penyelesaian kasus Travelling Sales Problem menggunakan algoritma TS : Misalkan pada kasus ini jalur yang ditetapkan dimulai dari kota ke-5 dan berakhir di kota ke-2. Menggunakan TS dengan maksimum 6 iterasi. Perhatikan Gambar 2.7 graf tidak berarah dan tidak berbobot dan Tabel 2.3 Matriks jarak antar titik Gambar 2.7 graf tidak berarah
11 Tabel 2.3 Matriks jarak pada graf tidak berarah Jalur awal : Panjang jalur = 102 Iterasi ke-1 : Tabu List : Panjang jalur = 102 Tetangga (Jalur alternatif berikutnya) : Jalur ke-1 : Panjang jalur = 98 BestSoFar = 98 Jalur ke-2 : Panjang jalur = 115 Jalur ke-3 : Panjang jalur = 93 BestSoFar = 93 Jalur ke-4 : Panjang jalur = 113 Jalur ke-5 : Panjang jalur = 112 Jalur ke-6 : Panjang jalur = 101 BestSoFar = 93, yaitu pada jalur ke-3 diterima sebagai GlobalMin GlobalMin = 93 Iterasi ke-2 : Tabu List : Panjang jalur = Panjang jalur = 93
12 19 Tetangga (Jalur alternatif berikutnya) : Jalur ke-1 : Panjang jalur = 85 BestSoFar = 85 Jalur ke-2 : Panjang jalur = 102 Jalur ke-3 : Panjang jalur = 102 Jalur ke-4 : Panjang jalur = 82 BestSoFar = 82 Jalur ke-5 : Panjang jalur = 116 Jalur ke-6 : Panjang jalur = 105 BestSoFar = 82, yaitu pada jalur ke-4 diterima sebagai GlobalMin GlobalMin = 82 Iterasi ke-3 : Tabu List : Panjang jalur = Panjang jalur = Panjang jalur = 82 Tetangga (Jalur alternatif berikutnya) : Jalur ke-1 : Panjang jalur = 88 Jalur ke-2 : Panjang jalur = 88 Jalur ke-3 : Panjang jalur = 113 Jalur ke-4 : Panjang jalur = 93 Jalur ke-5 : Panjang jalur = 108 Jalur ke-6 : Panjang jalur = 101 GlobalMin = 82 Seterusnya hingga 6 iterasi, dan pada iterasi ke-2 akan diperoleh suatu jalur terpendek, yaitu : Jalur ke-4 : Panjang jalur = 82
13 Kompleksitas Algoritma Algoritma adalah urutan logis langkah-langkah penyelesaian masalah secara sistematis. Sebuah algoritma tidak saja harus benar tetapi juga harus efisien (Munir, 2009). Efisiensi algoritma dinilai berdasarkan kecepatan waktu eksekusi dan penggunaan struktur data yang menyebabkan banyaknya ruang memori komputer yang terpakai Efficiency Algoritma Algorima yang terbaik adalah bukan karena algoritma itu harus benar, akan tetapi juga harus di pandang dari efisiensinya. Jadi algoritma yang terbaik adalah algoritma yang efisien dalam penggunaan waktu eksekusi dan ruang memori komputer. Efisiensi algoritma juga berguna dalam membandingkan algoritma. sebuah masalah dapat mempunyai lebih dari satu jenis algoritma. Misalkan untuk masalah pengurutan data dalam array, dapat digunakan berbagai macam algoritma seperti: bubble sort, selection sort, merge sort dan lain-lain Kebutuhan Waktu dan Ruang Kebutuhan waktu suatu algoritma biasanya dihitung dalam satuan detik, milidetik dan lain sebagainya. Sedangkan untuk ruang memori yang digunakan dapat dihitung dalam satuan byte atau kilobyte. Biasanya seorang pengguna algoritma mengukur kebutuhan waktu sebuah algoritma dengan mengeksekusi langsung algoritma tersebut pada sebuah komputer, lalu dihitung berapa lama durasi waktu yang dibutuhkan untuk menyelesaikan sebuah persoalan yang berbeda-beda. Keakuratan waktu eksekusi algoritma dapat diperoleh dengan tidak menghitung kebutuhan waktu untuk menampilkan antarmuka program, operasi input/output dan sebagainya. Sehingga akan dihitung bagian inti dari programnya saja.
14 Kompleksitas Waktu Setelah siap untuk menjalankan suatu program maka untuk mengukur kompleksitas waktunya adalah dengan menghitung banyaknya operasi yang dilakukan oleh algoritma, seperti: operasi penjumlahan, pengurangan, perkalian, pembagian dan lain sebagainya. Namun yang paling idealnya adalah cukup menghitung berapa kali operasi yang sama terjadi secara berulang dan mencatat waktu yang terjadi selama eksekusi.
BAB 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 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 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 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 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 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Pengertian Algoritma Menurut (Suarga, 2012 : 1) algoritma: 1. Teknik penyusunan langkah-langkah penyelesaian masalah dalam bentuk kalimat dengan jumlah kata terbatas tetapi tersusun
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 terperinciBAB II LANDASAN TEORI
II LNSN TEORI Landasan teori dalam penyusunan tugas akhir ini menggunakan beberapa teori pendukung yang akan digunakan untuk menentukan lintasan terpendek pada jarak esa di Kecamatan Rengat arat. 2.1 Graf
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Algoritma Algoritma adalah teknik penyusunan langkah-langkah penyelesaian masalah dalam bentuk kalimat dengan jumlah kata terbatas tetapi tersusun secara logis dan sitematis
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 terperinci= himpunan tidak-kosong dan berhingga dari simpul-simpul (vertices) = himpunan sisi (edges) yang menghubungkan sepasang simpul
Struktur Data Graf 1. PENDAHULUAN Dalam bidang matematika dan ilmu komputer, teori graf mempelajari tentang graf yaitu struktur yang menggambarkan relasi antar objek dari sebuah koleksi objek. Definisi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Informasi Geografis (SIG) Sistem Informasi Geografis atau Geographic Information System (GIS) merupakan suatu sistem informasi yang berbasis komputer, dirancang untuk bekerja
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 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 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 terperinciBAB 2 LANDASAN TEORI
5 BAB 2 LANDASAN TEORI 2.1 Pengertian Algoritma Algoritma adalah urutan logis langkah-langkah penyelesaian yang disusun secara sistematis. Meskipun algoritma sering dikaitkan dengan ilmu komputer, namun
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Teori Graf Teori graf merupakan pokok bahasan yang sudah tua usianya namun memiliki banyak terapan sampai saat ini. Graf digunakan untuk merepresentasikan objek-objek diskrit dan hubungan
Lebih terperinciBAB 2 LANDASAN TEORI. Algoritma adalah urutan atau deskripsi langkah-langkah untuk memecahkan suatu masalah.
BAB 2 LANDASAN TEORI 2.1. Pengertian Algoritma Algoritma adalah urutan atau deskripsi langkah-langkah untuk memecahkan suatu masalah. Algoritma merupakan jantung ilmu komputer atau informatika. Banyak
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 terperinciBAB 2 LANDASAN TEORI
17 BAB 2 LANDASAN TEORI 2.1 Permasalahan Optimasi Optimasi adalah proses memaksimasi atau meminimasi suatu fungsi tujuan dengan tetap memperhatikan pembatas yang ada. Optimasi memegang peranan penting
Lebih terperinciPemanfaatan Directed Acyclic Graph untuk Merepresentasikan Hubungan Antar Data dalam Basis Data
Pemanfaatan Directed Acyclic Graph untuk Merepresentasikan Hubungan Antar Data dalam Basis Data Winson Waisakurnia (13512071) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
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 terperinciStudi dan Implementasi Struktur Data Graf
Studi dan Implementasi Struktur Data Graf Fajar Dwi Anggara Program Studi Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung, Jalan Ganesha 10, Bandung email: if15039@students.if.itb.ac.id
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 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 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 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Graf 2.1.1 Definisi Graf Graf adalah pasangan himpunan (V, E), dan ditulis dengan notasi G = (V, E), V adalah himpunan tidak kosong dari verteks-verteks {v 1, v 2,, v n } yang
Lebih terperinciBAB II LANDASAN TEORI. Menurut Schroeder (2000) Penjadwalan dapat didefinisikan sebagai suatu
BAB II LANDASAN TEORI 2.1 Penjadwalan Menurut Schroeder (2000) Penjadwalan dapat didefinisikan sebagai suatu petunjuk atau indikasi apa saja yang harus dilakukan, dengan siapa, dan dengan peralatan apa
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
39 BAB 2 TINJAUAN PUSTAKA 2.1. Teori Graf 2.1.1 Definisi Graf Teori graf merupakan salah satu cabang matematika yang paling banyak aplikasinya dalam kehidupan sehari hari. Salah satu bentuk dari graf adalah
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Graf (Graph) Graf G didefinisikan sebagai pasangan himpunan (V, E) yang dinotasikan dalam bentuk G = {V(G), E(G)}, dimana V(G) adalah himpunan vertex (simpul) yang tidak kosong
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 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 terperinciMetode Pencarian & Pelacakan dengan Heuristik
Metode Pencarian & Pelacakan dengan Heuristik Pencarian Buta (Blind Search) Breadth-First Search Depth-First Search Pencarian Terbimbing (Heuristics Search) Generate & Test Hill Climbing Best-First Search
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 terperinciDiscrete Mathematics & Its Applications Chapter 10 : Graphs. Fahrul Usman Institut Teknologi Bandung Pengajaran Matematika
Discrete Mathematics & Its Applications Chapter 10 : Graphs Fahrul Usman Institut Teknologi Bandung Pengajaran Matematika 16/12/2015 2 Sub Topik A. Graf dan Model Graf B. Terminologi Dasar Graf dan Jenis
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 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 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 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 terperinciAPLIKASI PEWARNAAN SIMPUL GRAF UNTUK MENGATASI KONFLIK PENJADWALAN MATA KULIAH DI FMIPA UNY
APLIKASI PEWARNAAN SIMPUL GRAF UNTUK MENGATASI KONFLIK PENJADWALAN MATA KULIAH DI FMIPA UNY Latar belakang Masalah Pada setiap awal semester bagian pendidikan fakultas Matematika dan Ilmu Pengetahuan Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
18 BAB 2 LANDASAN TEORI 2.1. Pengertian Algoritma Algoritma adalah urutan atau deskripsi langkah- langkah penyelesaian masalah yang tersusun secara logis, ditulis dengan notasi yang mudah dimengerti sedemikian
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 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 terperinciGraf digunakan untuk merepresentasikan objek-objek diskrit dan hubungan antara objek-objek tersebut. Demak Semarang. Kend al. Salatiga.
GRAF PENDAHULUAN Graf digunakan untuk merepresentasikan objek-objek diskrit dan hubungan antara objek-objek tersebut. Gambar di bawah ini sebuah graf yang menyatakan peta jaringan jalan raya yang menghubungkan
Lebih terperinciG r a f. Pendahuluan. Oleh: Panca Mudjirahardjo. Graf digunakan untuk merepresentasikan objek-objek diskrit dan hubungan antara objek-objek tersebut.
G r a f Oleh: Panca Mudjirahardjo Pendahuluan Graf digunakan untuk merepresentasikan objek-objek diskrit dan hubungan antara objek-objek tersebut. 1 Pendahuluan Jaringan jalan raya di propinsi Jawa Tengah
Lebih terperinciElvira Firdausi Nuzula, Purwanto, dan Lucky Tri Oktoviana Universitas Negeri Malang
PENERAPAN ALGORITMA AUCTION UNTUK MENGATASI MASALAH LINTASAN TERPENDEK (SHORTEST PATH) Elvira Firdausi Nuzula, Purwanto, dan Lucky Tri Oktoviana Universitas Negeri Malang E-mail : elvira_firdausi@yahoo.co.id
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 2 LANDASAN TEORI. Definisi Graf G didefinisikan sebagai pasangan himpunan (V, E), yang dalam hal ini:
10 BAB 2 LANDASAN TEORI 2.1.Konsep Dasar Graf Definisi 2.1.1 Graf G didefinisikan sebagai pasangan himpunan (V, E), yang dalam hal ini: V = himpunan tidak kosong dari simpul-simpul (vertices atau node)
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 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 terperinciGraf. Program Studi Teknik Informatika FTI-ITP
Graf Program Studi Teknik Informatika FTI-ITP Pendahuluan Graf digunakan untuk merepresentasikan objek-objek diskrit dan hubungan antara objek-objek tersebut. Gambar di bawah ini sebuah graf yang menyatakan
Lebih terperinciAplikasi Algoritma Prim dalam Penentuan Pohon Merentang Minimum untuk Jaringan Pipa PDAM Kota Tangerang
Aplikasi Algoritma Prim dalam Penentuan Pohon Merentang Minimum untuk Jaringan Pipa PDAM Kota Tangerang Adam Fadhel Ramadhan/13516054 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
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 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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Graf Graf G didefinisikan sebagai pasangan himpunan (V, E), ditulis dengan notasi G = (V, E). Dalam hal ini, V merupakan himpunan tidak kosong dari simpul-simpul (vertices atau
Lebih terperinciPenerapan Graf dalam Optimasi Jalur Penerbangan Komersial dengan Floyd-Warshall Algorithm
Penerapan Graf dalam Optimasi Jalur Penerbangan Komersial dengan Floyd-Warshall Algorithm Hisham Lazuardi Yusuf 13515069 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciPenerapan Teori Graf Pada Algoritma Routing
Penerapan Teori Graf Pada Algoritma Routing Indra Siregar 13508605 Program Studi Teknik Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan Ganesha 10, Bandung
Lebih terperinciPencarian Lintasan Hamilton Terpendek untuk Taktik Safe Full Jungle Clear dalam Permainan League of Legends
Pencarian Lintasan Hamilton Terpendek untuk Taktik Safe Full Jungle Clear dalam Permainan League of Legends Reinaldo Ignatius Wijaya 13515093 Program Studi Teknik Informatika Sekolah Teknik Elektro dan
Lebih terperinciRepresentasi Graf dalam Jejaring Sosial Facebook
Representasi Graf dalam Jejaring Sosial Facebook Muhammad Harits Shalahuddin Adil Haqqi Elfahmi 13511046 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Matematika merupakan ilmu yang tidak dapat dipisahkan dari kehidupan manusia. Matematika juga merupakan media untuk melatih kemampuan berfikir kritis, kreatif dan dapat
Lebih terperinciLATIHAN ALGORITMA-INTEGER
LATIHAN ALGORITMA-INTEGER Nyatakan PBB(295,70) = 5 sebagai kombinasi lanjar 295 dan 70 Tentukan inversi dari 27(mod 7) Tentukan solusi kekongruenan lanjar dari 27.x kongruen 1(mod 7) dengan cara 1 ( cara
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini, akan dibahas landasan teori mengenai teori-teori yang digunakan dan konsep yang mendukung pembahasan, serta penjelasan mengenai metode yang digunakan. 2.1. Jalur Terpendek
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 terperinciKode MK/ Matematika Diskrit
Kode MK/ Matematika Diskrit TEORI GRAF 1 8/29/2014 Cakupan Himpunan, Relasi dan fungsi Kombinatorial Teori graf Pohon (Tree) dan pewarnaan graf 2 8/29/2014 1 TEORI GRAF Tujuan Mahasiswa memahami konsep
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 terperinciGraf. Matematika Diskrit. Materi ke-5
Graf Materi ke-5 Pendahuluan Graf digunakan untuk merepresentasikan objek-objek diskrit dan hubungan antara objek-objek tersebut. Gambar di bawah ini sebuah graf yang menyatakan peta jaringan jalan raya
Lebih terperinciBAB III KONSEP DASAR TEORI GRAF. Teori graf adalah salah satu cabang matematika yang terus berkembang
BAB III KONSEP DASAR TEORI GRAF Teori graf adalah salah satu cabang matematika yang terus berkembang dengan pesat. Teori ini sangat berguna untuk mengembangkan model-model terstruktur dalam berbagai keadaan.
Lebih terperinciPENYELESAIAN MASALAH ALIRAN MAKSIMUM DENGAN MENGGUNAKAN ALGORITMA DIJKSTRA DAN ALGORITMA FORD-FULKERSON TUGAS AKHIR
PENYELESAIAN MASALAH ALIRAN MAKSIMUM DENGAN MENGGUNAKAN ALGORITMA DIJKSTRA DAN ALGORITMA FORD-FULKERSON TUGAS AKHIR Diajukan Sebagai salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sains pada Jurusan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI.1 Sejarah Graf Lahirnya teori graf pertama kali diperkenalkan oleh Leonhard Euler seorang matematikawan berkebangsaan Swiss pada Tahun 1736 melalui tulisan Euler yang berisi tentang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Simulasi Sistem didefinisikan sebagai sekumpulan entitas baik manusia ataupun mesin yang yang saling berinteraksi untuk mencapai tujuan tertentu. Dalam prakteknya,
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 terperinciAplikasi Pewarnaan Graf untuk Sistem Penjadwalan On-Air Stasiun Radio
Aplikasi Pewarnaan Graf untuk Sistem Penjadwalan On-Air Stasiun Radio Muhamad Irfan Maulana - 13515037 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPENDAHULUAN MODUL I. 1 Teori Graph Pendahuluan Aswad 2013 Blog: 1.
MODUL I PENDAHULUAN 1. Sejarah Graph Teori Graph dilaterbelakangi oleh sebuah permasalahan yang disebut dengan masalah Jembatan Koningsberg. Jembatan Koningsberg berjumlah tujuh buah yang dibangun di atas
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 terperinciPemanfaatan Algoritma Sequential Search dalam Pewarnaan Graf untuk Alokasi Memori Komputer
Pemanfaatan Algoritma Sequential Search dalam Pewarnaan Graf untuk Alokasi Memori Komputer Vivi Lieyanda - 13509073 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bab ini akan membahas landasan teori, penelitian terdahulu, kerangka pikir dan hipotesis yang mendasari penyelesaian permasalahan dalam penentuan jarak terpendek untuk Pendistribusian
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Graf Menurut Foulds (1992) graf G adalah pasangan terurut (VV,) dimana V adalah himpunan simpul yang berhingga dan tidak kosong. Dan E adalah himpunan sisi yang merupakan pasangan
Lebih terperinciPendeteksian Deadlock dengan Algoritma Runut-balik
Pendeteksian Deadlock dengan Algoritma Runut-balik Rita Wijaya - 13509098 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciStruktur dan Organisasi Data 2 G R A P H
G R A P H Graf adalah : Himpunan V (Vertex) yang elemennya disebut simpul (atau point atau node atau titik) Himpunan E (Edge) yang merupakan pasangan tak urut dari simpul, anggotanya disebut ruas (rusuk
Lebih terperinciPenerapan Algoritma Steiner Tree dalam Konstruksi Jaringan Pipa Gas
Penerapan Algoritma Steiner Tree dalam Konstruksi Jaringan Pipa Gas Achmad Baihaqi, NIM: 13508030 Program Studi Teknik Informatika Institut Teknologi Bandung Jalan Ganesa 10 Bandung e-mail: baihaqi@students.itb.ac.id
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 Brute-Force dan Greedy dalam Pemrosesan Graf
Algoritma Brute-Force dan Greedy dalam Pemrosesan Graf Marvin Jerremy Budiman / 13515076 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Graf adalah salah satu metode yang sering digunakan untuk mencari solusi dari permasalahan diskrit dalam dunia nyata. Dalam kehidupan sehari-hari, graf digunakan untuk
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 terperinciPenerapan Graf pada PageRank
Penerapan Graf pada PageRank Hartono Sulaiman Wijaya 13509046 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia
Lebih terperinciTEORI GRAF UNIVERSITAS MUHAMMADIYAH JEMBER ILHAM SAIFUDIN PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK. Selasa, 13 Desember 2016
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH JEMBER TEORI GRAF ILHAM SAIFUDIN Selasa, 13 Desember 2016 Universitas Muhammadiyah Jember Pendahuluan 1 OUTLINE 2 Definisi Graf
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 terperinciAplikasi Shortest Path dalam Strategy Game Mount & Blade: Warband
Aplikasi Shortest Path dalam Strategy Game Mount & Blade: Warband Kevin Leonardo Handoyo/13509019 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperinciBAB II KAJIAN PUSTAKA. Sebuah graf G didefinisikan sebagai pasangan himpunan (V,E), dengan V
BAB II KAJIAN PUSTAKA A. Pengertian Graf Sebuah graf G didefinisikan sebagai pasangan himpunan (V,E), dengan V adalah himpunan tak kosong dari simpul-simpul (vertices) pada G. Sedangkan E adalah himpunan
Lebih terperinciBAB 2 LANDASAN TEORI
11 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Algoritma 2.1.1 Sejarah Algoritma Para ahli berusaha menemukan asal kata algorism ini namun hasilnya kurang memuaskan. Akhirnya para ahli sejarah matematika menemukan
Lebih terperinciGraf dan Pengambilan Rencana Hidup
Graf dan Pengambilan Rencana Hidup M. Albadr Lutan Nasution - 13508011 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung e-mail: albadr.ln@students.itb.ac.id
Lebih terperinciCRITICAL PATH. Menggunakan Graph berbobot dan mempunya arah dari Critical Path: simpul asal : 1 simpul tujuan : 5. Graph G. Alternatif
CRITICAL PATH Menggunakan Graph berbobot dan mempunya arah dari Critical Path: simpul asal : 1 simpul tujuan : 5 Graph G Path Bobot Alternatif 1 4 5 16 1 2 5 15 1 2 3 5 24 1 4 3 5 19 1 2 3 4 5 29 1 4 3
Lebih terperinciMata Kuliah Penelitian Operasional II OPERATIONS RESEARCH AN INTRODUCTION SEVENTH EDITION BY HAMDY A. TAHA BAB 6.
Mata Kuliah Penelitian Operasional II OPERATIONS RESEARCH AN INTRODUCTION SEVENTH EDITION BY HAMDY A. TAHA BAB 6 Analisis Jaringan Dipresentasikan oleh: Herman R. Suwarman, S.Si Pendahuluan- Ilustrasi
Lebih terperinciPENERAPAN GRAF DAN POHON DALAM SISTEM PERTANDINGAN OLAHRAGA
PENERAPAN GRAF DAN POHON DALAM SISTEM PERTANDINGAN OLAHRAGA Penerapan Graf dan Pohon dalam Sistem Pertandingan Olahraga Fahmi Dumadi 13512047 Program Studi Teknik Informatika Sekolah Teknik Elektro dan
Lebih terperinciDeteksi Wajah Menggunakan Program Dinamis
Deteksi Wajah Menggunakan Program Dinamis Dandun Satyanuraga 13515601 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia
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 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 2.2. Algoritma A* (A Star)
BAB 2 LANDASAN TEORI Bab ini membahas tentang teori pendukung beserta penelitian terdahulu yang berhubungan dengan penerapan algoritma A Star dalam pencarian jarak terdekat indekos dari kampus. 2.1. Indekos
Lebih terperinci