PENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA
|
|
- Agus Johan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 LOGO PENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA Oleh : Aris Saputro Pembimbing : Dr. M. Isa Irawan, MT JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2010
2 ABSTRAK LALU LINTAS KAPAL SEMAKIN PADAT PENGELOLAAN DERMAGA PELABUHAN PENDAPATAN JASA TAMBAT YANG OPTIMAL ALGORITMA GENETIKA PENENTUAN KOMBINASI OPTIMUM JUMLAH,BERAT DAN WAKTU TAMBAT KAPAL
3 PENDAHULUAN LATAR BELAKANG PELABUHAN GRESIK PERHITUNGAN TARIF TAMBAT TUJUAN KEPADATAN LALU LINTAS KAPAL SEMAKIN PADAT KAPASITAS DERMAGA TERBATAS OPTIMASI PENGELOLAAN PELABUHAN PENDAPATAN JASA TAMBAT BELUM OPTIMAL
4 PENDAHULUAN LATAR BELAKANG PELABUHAN GRESIK PERHITUNGAN TARIF TAMBAT TUJUAN PELABUHAN GRESIK DERMAGA NUSANTARA ( 335 M ) DERMAGA TALUD TEGAK ( 310 M ) DERMAGA PELRA ( 670 M )
5 PENDAHULUAN LATAR BELAKANG PELABUHAN GRESIK PERHITUNGAN TARIF TAMBAT TUJUAN PERHITUNGAN TARIF TAMBAT KAPAL tarif jasa tambat = {Gross Tonage (GT) kapal. masa tambat I kapal (etmal). T. 100%} + {Gross Tonage (GT) kapal. masa tambat II kapal (etmal). T. 200% } T = tarif jasa tambat per GT kapal, dimana tarif saat ini adalah Rp. 38,00.
6 PENDAHULUAN LATAR BELAKANG PELABUHAN GRESIK PERHITUNGAN TARIF TAMBAT TUJUAN Membuat model yang dapat digunakan sebagai antisipasi perkembangan layanan bongkar muat kapal di masa yang akan datang yang saat ini ditandai terlihat kecenderungan yang meningkat untuk mengoptimalkan pendapatan jasa tambat PT Pelindo cabang Gresik dengan cara penentuan kombinasi optimum dari jumlah kapal, berat kapal, panjang kapal dan waktu tambat kapal menggunakan algoritma genetika.
7 ANALISIS PROSES OPTIMASI KOMBINASI JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DARI SUATU DERMAGA LURUS PEMBAGIAN DERMAGA FUNGSI OBYEKTIF ALGORITMA GENETIKA FLOWCHART OPTIMASI JUMLAH KAPAL Program optimasi ini dilakukan dengan membagi tiga dermaga berbeda yang terdapat di pelabuhan Gresik. Hal ini dikarenakan bentuk dermaga pelabuhan Gresik yang tidak beraturan. Adapun pembagian 3 dermaga tersebut antara lain : dermaga nusantara dermaga pelra(pelayaran rakyat) dermaga talud tegak Pengelompokan data kapal perlu dilakukan sebagai data masukan untuk melakukan optimasi suatu dermaga. Penggolongan kapal yang akan bertambat di suatu dermaga ditentukan berdasarkan jenis muatan dari kapal tersebut.
8 ANALISIS PROSES OPTIMASI KOMBINASI JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DARI SUATU DERMAGA LURUS PEMBAGIAN DERMAGA FUNGSI OBYEKTIF ALGORITMA GENETIKA FLOWCHART OPTIMASI JUMLAH KAPAL Inisialisasi Variabel setiap kapal memiliki 3 variabel yang akan dijadikan parameter optimasi yaitu : x = panjang kapal / LOA (meter) y = berat kapal (ton) z = waktu tambat rata-rata kapal (etmal) Dan variabel yang lain : m = masa tambat I kapal c = tarif tambat kapal per GT kapal n = jumlah kapal Fungsi Obyektif Karena tarif tambat kapal per GT kapal berbanding lurus dengan berat dan waktu tambat, maka nilai produksi tambat kapal dapat diperoleh dengan menghapuskan variable tarif tambat kapal (c).
9 ANALISIS PROSES OPTIMASI KOMBINASI JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DARI SUATU DERMAGA LURUS PEMBAGIAN DERMAGA FUNGSI OBYEKTIF ALGORITMA GENETIKA FLOWCHART OPTIMASI JUMLAH KAPAL
10 ANALISIS ALGORITMA GENETIKA INISIALISASI POPULASI FUNGSI FITNESS SELEKSI CROSS OVER MUTASI ELITISME Dalam Algoritma genetika ini setiap kromosom terdiri dari sejumlah gen. Kromosom mempresentasikan konfigurasi kapal yang memungkinkan bertambat pada suatu dermaga. Gen mempresentasikan nomor indeks kapal didalam data kapal yang akan bertambat di suatu dermaga. No indeks kapal dari data kapal
11 ANALISIS ALGORITMA GENETIKA INISIALISASI POPULASI FUNGSI FITNESS SELEKSI CROSS OVER MUTASI ELITISME nilai fitness dari optimasi ini didefinisikan sebagai fungsi berikut : Dimana : n = jumlah kapal masa tambat I kapal yang ke- i (etmal) = berat kapal (ton) = waktu tambat kapal rata-rata (etmal) Setiap kromosom selain memiliki nilai fitness juga menyimpan nilai sisa panjang dermaga dari setiap konfigurasi kapal di dermaga dari representasi didalam kromosom tersebut. Sedangkan perhitungan sisa panjang dermaga dari setiap konfigurasi kapal: Dimana : = panjang kapal / Length Over All / LOA (meter)
12 ANALISIS ALGORITMA GENETIKA INISIALISASI POPULASI FUNGSI FITNESS SELEKSI CROSS OVER MUTASI ELITISME Pada pembahasan tugas akhir ini, metode seleksi yang digunakan adalah roulette wheel Konstruksi Roulette wheel adalah sebagai berikut : Menghitung nilai fitness untuk tiap kromosom ( i = 1,.., popsize) Menghitung nilai total fitness, F popsize i 1 f ( Menghitung nilai probabilitas untuk setiap kromosom Pi f ( vi ) / F (i = 1, 2,..., popsize) Menghitung probabilitas komulatif untuk setiap kromosom v i ) Melakukan proses seleksi dengan tahapan sebagai berikut :» membangkitkan bilangan r secara acak (float) pada range [ 0,1] q 1» jika r < maka kromosom pertama akan terpilih» jika qi 1 r q i maka kromosom yang ke i yang terseleksi
13 ANALISIS ALGORITMA GENETIKA INISIALISASI POPULASI FUNGSI FITNESS SELEKSI CROSS OVER MUTASI ELITISME Pada tugas akhir ini akan digunakan metode Partial Mapped Crossover (PMX). Prosedur Partial Mapped Crossover (PMX) sebagai berikut : Menentukan posisi dua titik crossover sepanjang kromosom (string) secara random. Substring yang dibatasi oleh dua titik crossover disebut mapping section. Parent 1 Parent Sub string Mapping Section Sub string Memindahkan dua substring-substring antara dua orang tua (parents) untuk menghasilkan proto-child. Proto-child 1 Proto-child Menentukan mapping relationship antara dua mapping section Menentukan kromosom anak (offstring) berdasarkan mapping relationship. offstring 1 offstring
14 ANALISIS ALGORITMA GENETIKA INISIALISASI POPULASI FUNGSI FITNESS SELEKSI CROSS OVER MUTASI ELITISME Mutasi dikenakan pada suatu gen jika suatu bilangan random [0,1) yang dibangkitkan kurang dari probabilitas mutasi. Biasanya nilai probabilitas mutasi berkisar antara 0,005 0,01. Pada program ini probabilitas mutasi sebesar 0,005 Mutasi dilakukan dengan mengacak kembali nilai 1- N, dimana N adalah jumlah data kapal yang tersimpan. Jika nilai yang dihasilkan dari pengambilan acak tersebut telah dimiliki oleh gen yang lain dalam satu kromosom yang sama, maka dilakukan pengambilan acak sekali lagi.
15 ANALISIS ALGORITMA GENETIKA INISIALISASI POPULASI FUNGSI FITNESS SELEKSI CROSS OVER MUTASI ELITISME Karena seleksi dilakukan secara random, maka tidak ada jaminan bahwa suatu kromosom / individu bernilai fitness tertinggi akan selalu terpilih. Kalaupun individu bernilai fitness tertinggi terpilih, mungkin saja individu tersebut akan rusak (nilai fitnessnya menurun) karena proses crossover. Untuk menjaga agar individu bernilai fitness tertinggi tersebut tidak hilang selama evolusi, maka perlu dibuat satu atau beberapa kopinya. Prosedur ini dikenal sebagai Elitisme.
16 ANALISIS PENYELESAIAN TEKNIK OPTIMASI TEKNIK OPTIMASI DI DERMAGA NUSANTARA TEKNIK OPTIMASI DI DERMAGA TALUD TEGAK TEKNIK OPTIMASI DI DERMAGA PELRA OPTIMASI PADA DERMAGA LURUS 70 M OPTIMASI PADA DERMAGA LURUS 265 M HASIL OPTIMASI KOMBINASI DARI JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI DERMAGA NUSANTARA
17 ANALISIS PENYELESAIAN TEKNIK OPTIMASI TEKNIK OPTIMASI DI DERMAGA NUSANTARA TEKNIK OPTIMASI DI DERMAGA TALUD TEGAK TEKNIK OPTIMASI DI DERMAGA PELRA OPTIMASI PADA DERMAGA LURUS 210 M OPTIMASI PADA DERMAGA LURUS 100 M HASIL OPTIMASI KOMBINASI DARI JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI DERMAGA TALUD TEGAK
18 ANALISIS PENYELESAIAN TEKNIK OPTIMASI TEKNIK OPTIMASI DI DERMAGA NUSANTARA TEKNIK OPTIMASI DI DERMAGA TALUD TEGAK TEKNIK OPTIMASI DI DERMAGA PELRA OPTIMASI PADA DERMAGA LURUS (180-30)=150 M OPTIMASI PADA DERMAGA LURUS (180-30)=150 M OPTIMASI PADA DERMAGA LURUS 290 M (LOA KAPAL <=30 M) HASIL OPTIMASI KOMBINASI DARI JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI DERMAGA PELRA
19 ANALISIS PENJADWALAN KAPAL
20 PENGUJIAN SISTEM PENGUJIAN PROGRAM UJI COBA OPTIMASI DI DERMAGA NUSANTARA UJI COBA OPTIMASI DI DERMAGA TALUD TEGAK UJI COBA OPTIMASI DI DERMAGA PELRA EVALUASI Uji coba pada perangkat lunak dalam Tugas Akhir ini dilakukan pada data sekunder dari PT Pelindo III tentang data lalu lintas kapal di pelabuhan Gresik periode Januari 2008 hingga Agustus Dari data tersebut diperoleh data berat kapal (GT), data panjang (LOA) atau lebar kapal, waktu tambat kapal di pelabuhan. Sedangkan untuk memperoleh data waktu berlayar kapal dilakukan dengan memilih kapal yang pernah bertambat dua kali dari data lalu lintas kapal tersebut. Waktu berlayar kapal diambil dari rata-rata selisih waktu kapal keluar dari tambatan dan waktu kapal bertambat kembali. Tujuan dari uji coba ini untuk mendapatkan hasil kombinasi optimum dari jumlah, berat, dan waktu tambat kapal yang bertambat di masing-masing dermaga dengan melihat pendapatan jasa tambat yang diperoleh PT Pelindo ketika menggunakan penjadwalan kapal selama enam bulan.
21 PENGUJIAN SISTEM PENGUJIAN PROGRAM UJI COBA OPTIMASI DI DERMAGA NUSANTARA UJI COBA OPTIMASI DI DERMAGA TALUD TEGAK UJI COBA OPTIMASI DI DERMAGA PELRA EVALUASI Uji coba penjadwalan dilakukan menggunakan algoritma genetika dengan mengambil nilai-nilai parameter untuk inisialisasi populasi dan tarif jasa tambat sebagai berikut: Ukuran Populasi : 100 Jumlah Minimum Generasi : 1000 Tarif jasa tambat : Rp 38,00 Hasil Pendapatan jasa tambat dari proses penjadwalan kapal di dermaga nusantara selama 6 bulan pertama Bulan Pendapatan jasa tambat ke- nusantara 1 Rp ,00 2 Rp ,00 3 Rp ,00 4 Rp ,00 5 Rp ,00 6 Rp ,00
22 PENGUJIAN SISTEM PENGUJIAN PROGRAM UJI COBA OPTIMASI DI DERMAGA NUSANTARA UJI COBA OPTIMASI DI DERMAGA TALUD TEGAK UJI COBA OPTIMASI DI DERMAGA PELRA EVALUASI Uji coba penjadwalan dilakukan menggunakan algoritma genetika dengan mengambil nilai-nilai parameter untuk inisialisasi populasi dan tarif jasa tambat sebagai berikut: Ukuran Populasi : 100 Jumlah Minimum Generasi : 1000 Tarif jasa tambat : Rp 38,00 Hasil pendapatan jasa tambat dari proses penjadwalan kapal di dermaga talud tegak selama 6 bulan pertama Bulan Pendapatan jasa ke- tambat talud tegak 1 Rp ,00 2 Rp ,00 3 Rp ,00 4 Rp ,00 5 Rp ,00 6 Rp ,00
23 PENGUJIAN SISTEM PENGUJIAN PROGRAM UJI COBA OPTIMASI DI DERMAGA NUSANTARA UJI COBA OPTIMASI DI DERMAGA TALUD TEGAK UJI COBA OPTIMASI DI DERMAGA PELRA EVALUASI Uji coba optimasi dilakukan dengan algoritma genetika dengan mengambil nilai-nilai parameter untuk inisialisasi populasi dan tarif jasa tambat sebagai berikut: Ukuran Populasi : 100 Jumlah Minimum Generasi : 1000 Tarif jasa tambat : Rp 38,00 Hasil pendapatan jasa tambat dari proses penjadwalan kapal di dermaga pelra selama 6 bulan pertama. Bulan ke- Pendapatan jasa tambat pelra 1 Rp ,00 2 Rp ,00 3 Rp ,00 4 Rp ,00 5 Rp ,00 6 Rp ,00
24 PENGUJIAN SISTEM PENGUJIAN PROGRAM UJI COBA OPTIMASI DI DERMAGA NUSANTARA UJI COBA OPTIMASI DI DERMAGA TALUD TEGAK UJI COBA OPTIMASI DI DERMAGA PELRA EVALUASI Pendapatan jasa tambat hasil optimasi untuk penjadwalan kapal 6 bulan pertama Bulan ke- Pendapatan jasa tambat pelra Pendapatan jasa tambat nusantara Pendapatan jasa tambat talud tegak Total jasa pendapatan jasa tambat 1 Rp ,00 Rp ,00 Rp ,00 Rp ,00 2 Rp ,00 Rp ,00 Rp ,00 Rp ,00 3 Rp ,00 Rp ,00 Rp ,00 Rp ,00 4 Rp ,00 Rp ,00 Rp ,00 Rp ,00 5 Rp ,00 Rp ,00 Rp ,00 Rp ,00 6 Rp ,00 Rp ,00 Rp ,00 Rp ,00 nilai pendapatan jasa tambat maksimal per bulan selama periode Januari Agustus 2009 adalah Rp ,00. Sedangkan pendapatan jasa tambat maksimal dari hasil optimasi adalah Rp ,00. Sehingga seharusnya kalau metode ini digunakan akan didapatkan kenaikan keuntungan setelah dioptimasi adalah Rp ,00 untuk bulan pertama. 1 Dari tabel pendapatan jasa tambat hasil optimasi selama enam bulan menunjukkan nilai pendapatan jasa tambat hasil optimasi masih lebih besar dibandingkan dengan nilai pendapatan jasa tambat PT Persero Pelabuhan Indonesia II Gresik selama Januari 2008-Agustus
25 PENUTUP KESIMPULAN SARAN 1 Algoritma genetika dapat digunakan sebagai metode dalam menentukan kombinasi optimum dari jumlah, berat, dan waktu tambat kapal dalam suatu dermaga. Dengan mengambil memberikan nilai ukuran populasi dan jumlah pembangkitan generasi, sistem optimasi ini akan berjalan dengan mengaplikasikan algoritma genetika berulang kali mengoptimasi dermaga sampai didapatkan sisa panjang dermaga yang minimal hingga tidak dapat dipakai sebagai tambatan kapal. 2 hasil pendapatan dari proses optimasi lebih besar dari nilai maksimal dari data pendapatan PT Pelindo cabang Gresik.
26 PENUTUP KESIMPULAN SARAN 1 Salah satu kelemahan algoritma genetika adalah waktu perhitungan yang relatif lama, sehingga proses optimasi jumlah, berat dan waktu tambat kapal yang menggunakan algoritma genetika berulang-ulang membutuhkan running time cukup lama. Jadi saran untuk pengembangan Tugas Akhir ini adalah penggunaan metode nondeterministik yang lain untuk proses optimalisasi. 2 Diharapkan untuk penelitian selanjutnya dapat dikembangkan untuk mengoptimasi waktu tambat setiap kapal yang akan bertambat di dermaga.
27 DAFTAR PUSTAKA 1) Dahuri, R Pengelolaan Sumber Daya Wilayah Pesisir dan Lautan Secara Terpadu, Edisi Revisi. Pradnya Paramita. Jakarta. 2) Nasution, N.M Manajemen Transportasi. Edisi Kedua, Ghalia Indonesia. Jakarta. 3) Gen, Mitsuo., Cheng, R Genetic Algorithms and Engineering Design. John Wiley and Son. NewYork. 4) Hermawanto, D. Tutorial Algoritma Genetika. 5) Suyanto Algoritma Genetika dalam MATLAB. Penerbit ANDI. Yogyakarta. 6) Direksi PT (Persero) Pelabuhan Indonesia III Keputusan Direksi Nomor: KEP.13/PJ.5.03/P.III-2000 tentang Tarif Pelayanan Jasa Kapal di Lingkungan PT (Persero) Pelabuhan Indonesia III. Surabaya. 7) PT (Persero) Pelindo III. Profil Pelabuhan Gresik. 8) Clark, J.R Integrated Management of Coastal Zones. FAO Fisheries Technical Paper. No Rome, Italy. 9) Louis J. Sushi Genetic Algorithm as a Computational Tool for Design. 10) Goldstein M. Jonathan Genetic Algorithm Simulation of the SHOP Schedulling Problem. ICMS/Shell Oil Business Consultancy 11) Aswoyo B Aplikasi Algoritma Genetika dalam Optimasi Pancaran Link Radio Komunikasi Berbasis Antena Array Empat Elemen. Seminar Ilmiah Nasional Komputer dan Sistem Intelejen (KOMMIT 2006). Depok. 12) Widyastutik N, Ratnawati A, Nurcahyani R Optimasi Penjadwalan Kegiatan Belajar Mengajar Dengan Algoritma Genetika. Skripsi Jurusan Matematika Universitas Sebelas Maret Surakarta. 13) Ridwan. September Priok Masih Terancan Stagnan, Kepadatan Peti Kemas diatas 90%. <URL:
28 LOGO Terima Kasih
PENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA
PENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA Nama Mahasiswa : Aris Saputro NRP : 1206 100 714 Jurusan :
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Travelling Salesman Problem (TSP) Travelling Salesmen Problem (TSP) termasuk ke dalam kelas NP hard yang pada umumnya menggunakan pendekatan heuristik untuk mencari solusinya.
Lebih terperinciPendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner
Vol. 7, 2, 108-117, Januari 2011 Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner Jusmawati Massalesse Abstrak Tulisan ini dimaksudkan untuk memperlihatkan proses
Lebih terperinciPEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 3 No. 1 Hal. 98 106 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL YOSI PUTRI, NARWEN
Lebih terperinciKeywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN
Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com
Lebih terperinciJl. Ahmad Yani, Pontianak Telp./Fax.: (0561)
APLIKASI PENCARIAN RUTE TERPENDEK MENGGUNAKANALGORITMA GENETIKA (Studi Kasus: Pencarian Rute Terpendek untuk Pemadam Kebakaran di Wilayah Kota Pontianak) [1] Putri Yuli Utami, [2] Cucu Suhery, [3] Ilhamsyah
Lebih terperinciERWIEN TJIPTA WIJAYA, ST.,M.KOM
ERWIEN TJIPTA WIJAYA, ST.,M.KOM DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk
Lebih terperinciImplementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah
Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah Leonard Tambunan AMIK Mitra Gama Jl. Kayangan No. 99, Duri-Riau e-mail : leo.itcom@gmail.com Abstrak Pada saat ini proses penjadwalan kuliah
Lebih terperinciOPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA Mike Susmikanti Pusat Pengembangan Informatika Nuklir, Badan Tenaga Nuklir Nasional Kawasan
Lebih terperinciPENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 1 9 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL MULIA AFRIANI KARTIKA
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP)
Abstrak PENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP) Aulia Fitrah 1, Achmad Zaky 2, Fitrasani 3 Program Studi Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi
Lebih terperinciPENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA
PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA Kartina Diah KW1), Mardhiah Fadhli2), Charly Sutanto3) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1 Rumbai-Pekanbaru-Riau
Lebih terperinciGenetic Algorithme. Perbedaan GA
Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari
Lebih terperinciALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 03(2016), hal 265 274. ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR Abdul Azis, Bayu Prihandono, Ilhamsyah INTISARI Optimasi
Lebih terperinciKNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA
LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka (Samuel, Toni & Willi 2005) dalam penelitian yang berjudul Penerapan Algoritma Genetika untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover
Lebih terperinciCrossover Probability = 0.5 Mutation Probability = 0.1 Stall Generation = 5
oleh pengguna sistem adalah node awal dan node tujuan pengguna. Lingkungan Pengembangan Sistem Implementasi Algoritme Genetika dalam bentuk web client menggunakan bahasa pemrograman PHP dan DBMS MySQL.
Lebih terperinciBAB III PERANCANGAN. Gambar 3.1 di bawah ini mengilustrasikan jalur pada TSP kurva terbuka jika jumlah node ada 10:
BAB III PERANCANGAN Pada bagian perancangan ini akan dipaparkan mengenai bagaimana mencari solusi pada persoalan pencarian rute terpendek dari n buah node dengan menggunakan algoritma genetika (AG). Dari
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 PENDEKATAN CROSSOVER TERBARU UNTUK MENYELESAIKAN MULTIPLE TRAVELLING SALESMEN PROBLEM MENGGUNAKAN ALGORITMA GENETIKA (Kata kunci: multiple salemen problem, algoritma genetika,
Lebih terperinciOPTIMISASI PENEMPATAN TURBIN ANGIN DI AREA LAHAN ANGIN
OPTIMISASI PENEMPATAN TURBIN ANGIN DI AREA LAHAN ANGIN MENGGUNAKAN ALGORITMA GENETIKA Azimatul Khulaifah 2209 105 040 Bidang Studi Sistem Tenaga Jurusan Teknik Elektro FTI ITS Dosen Pembimbing : Dosen
Lebih terperinciDenny Hermawanto
Algoritma Genetika dan Contoh Aplikasinya Denny Hermawanto d_3_nny@yahoo.com http://dennyhermawanto.webhop.org Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Konsep Umum Optimasi Optimasi merupakan suatu cara untuk menghasilkan suatu bentuk struktur yang aman dalam segi perencanaan dan menghasilkan struktur yang
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION
PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION Samuel Lukas 1, Toni Anwar 1, Willi Yuliani 2 1) Dosen Teknik Informatika,
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
Lebih terperinci2 TINJAUAN PUSTAKA. 2.1 Peringkasan Teks
4 2 TINJAUAN PUSTAKA 2.1 Peringkasan Teks Peringkasan teks adalah proses pemampatan teks sumber ke dalam versi lebih pendek namun tetap mempertahankan informasi yang terkandung didalamnya (Barzilay & Elhadad
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih terperinciAlgoritma Evolusi Real-Coded GA (RCGA)
Algoritma Evolusi Real-Coded GA (RCGA) Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Siklus RCGA 2. Alternatif Operator Reproduksi pada Pengkodean Real 3. Alternatif Operator Seleksi 4.
Lebih terperinciALGORITMA GENETIKA. Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Disusun oleh: Achmad Basuki Politeknik Elektronika Negeri Surabaya, PENS ITS Surabaya 2003 Algoritma
Lebih terperinci8. Evaluasi Solusi dan Kriteria Berhenti Perumusan Masalah METODE PENELITIAN Studi Pustaka Pembentukan Data
Gambar 4 Proses Swap Mutation. 8. Evaluasi Solusi dan Kriteria Berhenti Proses evaluasi solusi ini akan mengevaluasi setiap populasi dengan menghitung nilai fitness setiap kromosom sampai terpenuhi kriteria
Lebih terperinciPENGEPAKAN PALLET DALAM KONTAINER DENGAN FORKLIF MENGGUNAKAN METODE ALGORITMA GENETIKA
PENGEPAKAN PALLET DALAM KONTAINER DENGAN FORKLIF MENGGUNAKAN METODE ALGORITMA GENETIKA Ira Prasetyaningrum Jurusan Teknik Informatika Politeknik Elektronika Negeri Surabaya-ITS Email : ira@eepis-its.edu
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Algoritma Genetika Algoritma genetika merupakan algoritma pencarian heuristik ysng didasarkan atas mekanisme seleksi alami dan genetika alami (Suyanto, 2014). Adapun konsep dasar
Lebih terperinciPenjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Jurnal Telematika, vol.9 no.1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-251 Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Lebih terperinciPengantar Kecerdasan Buatan (AK045218) Algoritma Genetika
Algoritma Genetika Pendahuluan Struktur Umum Komponen Utama Seleksi Rekombinasi Mutasi Algoritma Genetika Sederhana Referensi Sri Kusumadewi bab 9 Luger & Subblefield bab 12.8 Algoritma Genetika 1/35 Pendahuluan
Lebih terperinciAPLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS
APLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS Hafid Hazaki 1, Joko Lianto Buliali 2, Anny Yuniarti 2
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Pada saat sekarang ini, setiap perusahaan yang ingin tetap bertahan dalam persaingan dengan perusahaan lainnya, harus bisa membuat semua lini proses bisnis perusahaan tersebut
Lebih terperinciAlgoritma Evolusi Dasar-Dasar Algoritma Genetika
Algoritma Evolusi Dasar-Dasar Algoritma Genetika Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Pengantar 2. Struktur Algoritma Genetika 3. Studi Kasus: Maksimasi Fungsi Sederhana 4. Studi
Lebih terperinciBab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Konsep Dasar Sistem dan Informasi 2.1.1 Sistem Menurut Sutabri (2004), bahwa sistem adalah sekelompok unsur yang erat hubungannya satu dengan yang lainnya berfungsi untuk mencapai
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM
IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM Anies Hannawati, Thiang, Eleazar Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas Kristen Petra Jl. Siwalankerto 121-131,
Lebih terperinciPemaksimalan Papan Sirkuit Di Pandang Sebagai Masalah Planarisasi Graf 2-Layer Menggunakan Algoritma Genetika
Vol. 14, No. 1, 19-27, Juli 2017 Pemaksimalan Papan Sirkuit Di Pandang Sebagai Masalah Planarisasi Graf 2-Layer Menggunakan Algoritma Genetika Jusmawati Massalesse dan Muh. Ali Imran Abstrak Tulisan ini
Lebih terperinciOPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK
OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK Usulan Skripsi S-1 Jurusan Matematika Diajukan oleh 1. Novandry Widyastuti M0105013 2. Astika Ratnawati M0105025 3. Rahma Nur Cahyani
Lebih terperinciOptimasi Penjadwalan Ujian Menggunakan Algoritma Genetika
Optimasi Penjadwalan Ujian Menggunakan Algoritma Genetika Nia Kurnia Mawaddah Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Jurusan Matematika, FMIPA Universitas Brawijaya, Malang 65145 Abstrak Penjadwalan
Lebih terperinciBAB III. Metode Penelitian
BAB III Metode Penelitian 3.1 Diagram Alir Penelitian Secara umum diagram alir algoritma genetika dalam penelitian ini terlihat pada Gambar 3.1. pada Algoritma genetik memberikan suatu pilihan bagi penentuan
Lebih terperinciOptimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi
Optimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi Rahman Aulia Universitas Sumatera Utara Pasca sarjana Fakultas Ilmu Komputer Medan, Indonesia Rahmanaulia50@gmail.com Abstract
Lebih terperinciPEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM
PEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM Syafiul Muzid Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia, Yogyakarta E-mail:
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka. Penelitian serupa mengenai penjadwalan matakuliah pernah dilakukan oleh penelliti yang sebelumnya dengan metode yang berbeda-neda. Berikut
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan skripsi ini. Teori-teori yang dibahas mengenai optimisasi, pengertian penjadwalan,
Lebih terperinciTugas Mata Kuliah E-Bisnis REVIEW TESIS
Tugas Mata Kuliah E-Bisnis REVIEW TESIS Desain Algoritma Genetika Untuk Optimasi Penjadwalan Produksi Meuble Kayu Studi Kasus Pada PT. Sinar Bakti Utama (oleh Fransiska Sidharta dibawah bimbingan Prof.Kudang
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN
APLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN Eva Haryanty, S.Kom. ABSTRAK Komputer adalah salah satu peralatan yang pada saat ini banyak pula digunakan
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP)
PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) Mohamad Subchan STMIK Muhammadiyah Banten e-mail: moh.subhan@gmail.com ABSTRAK: Permasalahan pencarian rute terpendek dapat
Lebih terperinciOPTIMISASI PEMBENTUKAN SEL DIINTEGRASIKAN DENGAN PENEMPATAN MESIN DAN PENJADWALAN DI DALAM SELULAR MANUFAKTUR MENGGUNAKAN ALGORITMA GENETIKA
OPTIMISASI PEMBENTUKAN SEL DIINTEGRASIKAN DENGAN PENEMPATAN MESIN DAN PENJADWALAN DI DALAM SELULAR MANUFAKTUR MENGGUNAKAN ALGORITMA GENETIKA Oleh : Moh Khoiron 1209 100 705 Dosen pembimbing : Dr. Imam
Lebih terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA DALAM OPTIMASI JALUR PENDISTRIBUSIAN KERAMIK PADA PT. CHANG JUI FANG
IMPLEMENTASI ALGORITMA GENETIKA DALAM OPTIMASI JALUR PENDISTRIBUSIAN KERAMIK PADA PT. CHANG JUI FANG Adnan Buyung Nasution 1 1,2 Sistem Infomasi, Tehnik dan Ilmu Komputer, Universitas Potensi Utama 3 Universitas
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI SKRIPSI
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI
Lebih terperinciAplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)
JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan tugas akhir ini. Teori-teori yang dibahas mengenai pengertian penjadwalan, algoritma
Lebih terperinciPENJADWALAN MESIN BERTIPE JOB SHOP UNTUK MEMINIMALKAN MAKESPAN DENGAN METODE ALGORITMA GENETIKA (STUDI KASUS PT X)
PENJADWALAN MESIN BERTIPE JOB SHOP UNTUK MEMINIMALKAN MAKESPAN DENGAN METODE ALGORITMA GENETIKA (STUDI KASUS PT X) Ria Krisnanti 1, Andi Sudiarso 2 1 Jurusan Teknik Mesin dan Industri, Fakultas Teknik,
Lebih terperinciABSTRAK. Kata kunci : Aplikasi, Penjadwalan, Algoritma Genetika. viii
ABSTRAK Di program studi Teknik Informatika UPN Veteran Yogyakarta, mahasiswa yang akan melakukan pendadaran tidak bisa menentukan jadwal pendadarannya sendiri. Mahasiswa hanya menunggu jadwal pendadaran
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Algoritma Genetika
6 BAB 2 LANDASAN TEORI 2.1 Algoritma Genetika Algoritma genetika merupakan metode pencarian yang disesuaikan dengan proses genetika dari organisme-organisme biologi yang berdasarkan pada teori evolusi
Lebih terperinciSOLUSI KOMBINASI CONTAINER LOADING PROBLEM DAN VEHICLE ROUTING PROBLEM MENGGUNAKAN ALGORITMA GENETIKA
PROS ID I NG 2 0 1 1 HASIL PENELITIAN FAKULTAS TEKNIK SOLUSI KOMBINASI CONTAINER LOADING PROBLEM DAN VEHICLE ROUTING PROBLEM MENGGUNAKAN ALGORITMA GENETIKA Jurusan Mesin Fakultas Teknik Universitas Hasanuddin
Lebih terperinciPERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH. Iqbal Dwihanandrio
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6447 PERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH Iqbal Dwihanandrio S1 Teknik Informatika
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004 Perbandingan Metode-Metode dalam Algoritma Genetika untuk Travelling Salesman Problem Irving Vitra P. Jurusan Teknik Informatika,
Lebih terperinciALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS Surabaya 2003 Algoritma Genetika Algoritma
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY
PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY Arief Kelik Nugroho Fakultas Teknik, Universitas PGR Yogyakarta e-mail : ariefkeliknugroho@gmail.com Abstrak
Lebih terperinciMEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB
MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB Syafiul Muzid 1, Sri Kusumadewi 2 1 Sekolah Pascasarjana Magister Ilmu Komputer, Universitas Gadjah Mada, Yogyakarta e-mail: aakzid@yahoo.com 2 Jurusan
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM
PERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM Nico Saputro dan Suryandi Wijaya Jurusan Ilmu Komputer Universitas Katolik Parahyangan nico@home.unpar.ac.id
Lebih terperinciGENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR
MULTI TRAVELING SALESMAN PROBLEM (MTSP) DENGAN ALGORITMA Abstrak GENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR Oleh : Fitriana Yuli Saptaningtyas,M.Si. Jurusan Pendidikan Matematika FMIPA
Lebih terperinciOptimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika
Optimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika Rozak Arief Pratama 1, Esmeralda C. Djamal, Agus Komarudin Jurusan Informatika, Fakultas MIPA Universitas Jenderal
Lebih terperinciPENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA. Abstraksi
PENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA I Dewa Made Adi Baskara Joni 1, Vivine Nurcahyawati 2 1 STMIK STIKOM Indonesia, 2 STMIK STIKOM
Lebih terperinciPeramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika
Peramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika M. Syafrizal, Luh Kesuma Wardhani, M. Irsyad Jurusan Teknik Informatika - Universitas Islam Negeri Sultan Syarif Kasim Riau
Lebih terperinciA. ADHA. Program Studi Teknik Sipil, Fakultas Teknik,Universitas Islam Riau, Pekanbaru, Indonesia Corresponding author:
Institut Teknologi Padang, 27 Juli 217 ISBN: 978-62-757-6-7 http://eproceeding.itp.ac.id/index.php/spi217 Optimasi Bentuk Struktur dan Penampang pada Struktur Rangka Baja Terhadap Kendala Kehandalan Material
Lebih terperinciPENENTUAN MATCHING MAKSIMUM PADA GRAPH BIPARTISI BERBOBOT DENGAN MENGGUNAKAN ALGORITMA GENETIKA
PENENTUAN MATCHING MAKSIMUM PADA GRAPH BIPARTISI BERBOBOT DENGAN MENGGUNAKAN ALGORITMA GENETIKA,, Universitas Negeri Malang E-mail: love_nisza@yahoo.co.id ABSTRAK: Matching berguna untuk menyelesaikan
Lebih terperinciPERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP)
PERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP) Rezki Susan Ardyati dan Dida D. Damayanti Program Studi Teknik Industri Institut Teknologi
Lebih terperinciSistem Penjadwalan Outsourcing Menggunakan Algoritma Genetika (Studi Kasus : PT. Syarikatama)
Sistem Penjadwalan Outsourcing Menggunakan Algoritma Genetika (Studi Kasus : PT. Syarikatama) Ari Janata 1, Elin Haerani 2 1,2 Teknik Informatika, UIN Sultan Syarif Kasim Riau Jl. H.R. Soebrantas no. 155
Lebih terperinciOptimasi Persediaan Multi-item Fuzzy EOQ Di PT UWBM dengan Algoritma Genetika
Optimasi Persediaan Multi-item Fuzzy EOQ Di PT UWBM dengan Algoritma Genetika Disusun Oleh : Ainy Mahmudah 1307 100 002 Pembimbing I Pembimbing II : Dr. Irhamah, S.Si., M.Si : Dra. Sri Mumpuni R, M.Si
Lebih terperinciPENJADWALAN UJIAN AKHIR SEMESTER DENGAN ALGORITMA GENETIKA (STUDI KASUS JURUSAN TEKNIK INFORMATIKA UNESA)
Penjadwalan Ujian Akhir Semester dengan Algoritma Genetika PENJADWALAN UJIAN AKHIR SEMESTER DENGAN ALGORITMA GENETIKA (STUDI KASUS JURUSAN TEKNIK INFORMATIKA UNESA) Anita Qoiriah Jurusan Teknik Informatika,
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENENTUKAN BIAYA MINIMAL DISTRIBUSI BARANG TIGA TAHAP PT. SEMEN TONASA
PENERAPAN ALGORITMA GENETIKA UNTUK MENENTUKAN BIAYA MINIMAL DISTRIBUSI BARANG TIGA TAHAP PT. SEMEN TONASA Andi Baharuddin 1, Aidawayati Rangkuti 2, Armin Lawi 3 Program Studi Matematika, Jurusan Matematika,
Lebih terperinciPENYELESAIAN MINIMUM SPANNING TREE (MST) PADA GRAF LENGKAP DENGAN ALGORITMA GENETIKA MENGGUNAKAN TEKNIK PRUFER SEQUENCES
J~ICON, Vol. 2 No. 2, Oktober 2014, pp. 84 ~ 91 84 PENYELESAIAN MINIMUM SPANNING TREE (MST) PADA GRAF LENGKAP DENGAN ALGORITMA GENETIKA MENGGUNAKAN TEKNIK PRUFER SEQUENCES Emsi M. Y. Monifani 1, Adriana
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Dalam beberapa tahun terakhir ini, peranan algoritma genetika terutama untuk masalah optimisasi, berkembang dengan pesat. Masalah optimisasi ini beraneka ragam tergantung dari bidangnya. Dalam
Lebih terperinciPENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI TRANSFER DAYA PADA SISTEM SENSOR GAS. Muthmainnah
TESIS PENEAPAN ALGOITMA GENETIK UNTUK OPTIMASI TANSFE DAYA PADA SISTEM SENSO GAS Muthmainnah 1108201008 DOSEN PEMBIMBING Dr. Melania Suweni Muntini, MT PENDAHULUAN Sensor gas yang sering ditemui dipasaran
Lebih terperinciPENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI DENGAN MENGUNAKAN PENYELEKStAN RODA ROULETTE
PENERAPAN ALGORTMA GENETK UNTUK OPTMAS DENGAN MENGUNAKAN PENYELEKStAN RODA ROULETTE Samuel Lukas, M.Tech." Abstract The purpose of this paper is to introducing genetic algorithm. This algorithm is one
Lebih terperinciPENERAPAN ALGORITMA GENETIKA DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM WITH PRECEDENCE CONSTRAINTS (TSPPC)
PENERAPAN ALGORITMA GENETIKA DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM WITH PRECEDENCE CONSTRAINTS (TSPPC) Yayun Hardianti 1, Purwanto 2 Universitas Negeri Malang E-mail: yayunimoet@gmail.com ABSTRAK:
Lebih terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinciRancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika
1 Rancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika Annisti Nurul Fajriyah Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciAPLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN TATA LETAK MESIN
APLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN TATA LETAK MESIN Hari Purnomo, Sri Kusumadewi Teknik Industri, Teknik Informatika Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyakarta ha_purnomo@fti.uii.ac.id,
Lebih terperinciOPTIMASI PENYUSUNAN BOX KOMPONEN PROGRAM SPIRIT DI DALAM CONTAINER UNTUK MEMINIMASI SPACE KOSONG MENGGUNAKAN METODE ALGORITMA GENETIKA
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 2890 OPTIMASI PENYUSUNAN BOX KOMPONEN PROGRAM SPIRIT DI DALAM CONTAINER UNTUK MEMINIMASI SPACE KOSONG MENGGUNAKAN METODE ALGORITMA
Lebih terperinciT I N J A U A N P U S T A K A Algoritma Genetika [5]
Algoritma Genetika [5] Fitness adalah nilai yang menyatakan baik-tidaknya suatu jalur penyelesaian dalam permasalahan TSP,sehingga dijadikan nilai acuan dalam mencari jalur penyelesaian optimal dalam algoritma
Lebih terperinciPenerapan Algoritma Genetika dalam Job Shop Scheduling Problem
Penerapan Algoritma Genetika dalam Job Shop Scheduling Problem Haris Sriwindono Program Studi Ilmu Komputer Universitas Sanata Dharma Paingan, Maguwoharjo, Depok Sleman Yogyakarta, Telp. 0274-883037 haris@staff.usd.ac.id
Lebih terperinciBAB III METODE PENELITIAN. Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika
BAB III METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Waktu penelitian dilaksanakan
Lebih terperinciBAB I PENDAHULUAN. hampir di seluruh dunia, termasuk Indonesia. Alat transportasi ini memiliki
BAB I PENDAHULUAN 1.1 Latar Belakang Kereta api merupakan alat transportasi darat utama yang digunakan hampir di seluruh dunia, termasuk Indonesia. Alat transportasi ini memiliki multi keunggulan komparatif,
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 III MODEL DAN TEKNIK PEMECAHAN
BAB III MODEL DAN TEKNIK PEMECAHAN III.1. Diskripsi Sistem Sistem pendistribusian produk dalam penelitian ini adalah berkaitan dengan permasalahan vehicle routing problem (VRP). Berikut ini adalah gambar
Lebih terperinciOptimasi Fungsi Tanpa Kendala Menggunakan Algoritma Genetika Dengan Kromosom Biner dan Perbaikan Kromosom Hill-Climbing
Optimasi Fungsi Tanpa Kendala Menggunakan Algoritma Genetika Dengan Kromosom Biner dan Perbaikan Kromosom Hill-Climbing Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas
Lebih terperinciV. MENENTUKAN NILAI MINIMUM DARI SEBUAH FUNGSI OBJEKTIVE DGN MENGGUNAKAN ALGORITMA GENETIKA (GA)
V. MENENTUKAN NILAI MINIMUM DARI SEBUAH FUNGSI OBJEKTIVE DGN MENGGUNAKAN ALGORITMA GENETIKA (GA) 5.1 Pendahuluan Algoritma genetika baru-baru ini telah menjadi subjek yang sangat menarik dan relatif berkembang
Lebih terperinciBAB I PENDAHULUAN. kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta
BAB I PENDAHULUAN A. Latar Belakang Matematika adalah cabang ilmu pengetahuan yang dapat digunakan dalam kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta tidak merupakan
Lebih terperinciGenerator Jadwal Perkuliahan Menggunakan Algoritma Genetika
Generator Jadwal Perkuliahan Menggunakan Algoritma Genetika Zainal Akbar 1), Muh. Fajri Raharjo 2), Eddy Tungadi 3) CAIR, Politeknik Negeri Ujung Pandang Jl. Perintis Kemerdekaan km. 10, Tamalanrea Makassar,
Lebih terperinciRancang Bangun Robot PANTILT: Pendeteksian Posisi Kepala Manusia Menggunakan Algoritma Genetika
Rancang Bangun Robot PANTILT: Pendeteksian Posisi Kepala Manusia Menggunakan Algoritma Genetika Ferman Hakiki 1, Indra Adji Sulistijono 2 1 Jurusan Teknik Elektornika, Politeknik Elekronika Negeri Surabaya
Lebih terperinciBAB 2 DASAR TEORI. 2.1 Teka-Teki Silang
BAB 2 DASAR TEORI 2.1 Teka-Teki Silang Teka-teki silang atau disingkat TTS adalah suatu permainan yang mengharuskan penggunanya untuk mengisi ruang-ruang kosong dengan huruf-huruf yang membentuk sebuah
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada awal diciptakan, komputer hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan zaman, maka peran komputer semakin mendominasi kehidupan.
Lebih terperinci