BAB 2 TINJAUAN PUSTAKA

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 TINJAUAN PUSTAKA"

Transkripsi

1 BAB 2 TINJAUAN PUSTAKA 2.1. Teori Graf Definisi Graf Graf G adalah pasangan (V(G),E(G)) dengan (V(G)) adalah himpunan tidak kosong dan berhingga dari objek-objek yang disebut titik, (E(G)) adalah himpunan (mungkin kosong) pasangan tak berurutan dari titik- titik berbeda di (V(G)) yang disebut sisi. Banyaknya unsur di V(G) disebut order dari G dan dilambangkan dengan p(g), dan banyaknya unsur di E(G) disebut ukuran dari G dan dilambangkan dengan q(g). Jika graf yang dibicarakan hanya graf G, maka order dan ukuran dari G masing-masing cukup ditulis p dan q. Graf dengan order p dan q disebut graf-(p,q). [1] Nama Graf diberikan karena graf dapat disajikan secara grafik atau gambar, dan justru dengan bentuk gambar inilah sifat-sifat graf dapat dikenali secara detail. Titik disajikan dalam bentuk noktah atau lingkaran kecil dan sisi disajikan dalam bentuk garis atau kurva yang memasangkan dua titik. [1] Perhatikan graf G yang memuat himpunan titik V(G) dan himpunan sisi E(G) seperti berikut ini. V(G) = {a,b,c,d,e} E(G) = {(a, b), (a, c), (a, d), (b, d), (b, c), (d, e)}

2 7 Graf G tersebut secara lebih jelas dapat digambar sebagai berikut. a e2 c G : e1 e3 e b e4 d e6 Gambar 2.1 Graf G Graf G mempunyai 5 titik sehingga order G adalah p = 5. Graf G mempunyai 6 sisi sehingga ukuran graf G adalah 6. Graf G dengan himpunan titik dan sisi masing-masing V(G) = {a, b, c, d, e} E(G) = {(a, b), (a, c), (a, d), (b, d), (b, c), (d, e)} Dapat juga ditulis dengan V(G) = {a, b, c, d, e} E(G) = {e1, e2, e3, e4, e5, e6} Dengan e1 = (a, b) e2 = (a, c) e3 = (a, d) e4 = (b, d) e5 = (b, c) e6 = (d, e) Sisi e = (a, b) dikatakan menghubungkan titik a dan b. Jika e = (a, b) adalah sisi graf G, maka a dan b disebut terhubung langsung (adjacent), a dan e serta b dan e disebut terkait langsung (incident), dan titik a dan b disebut ujung dari e. Dua sisi

3 8 berbeda e1 dan e2 disebut terhubung langsung (adjacent), jika terkait langsung pada satu titik yang sama. Untuk selanjutnya, sisi e = (a, b) akan ditulis e = ab Graf Berbobot Graf berbobot adalah graf yang setiap sisinya diberi sebuah nilai atau bobot. Bobot pada setiap sisi graf dapat berbeda-beda bergantung pada masalah yang dimodelkan. Bobot dapat menyatakan jarak antara dua buah kota, biaya perjalanan antara dua buah kota, waktu tempuh antara dua buah kota, waktu tempuh pesan antara simpul komunikasi dengan simpul komunikasi lainya, ongkos produksi dan sebagainya. Graf berbobot juga sering dikaitkan dengan istilah graf berlabel. [7] Untuk membuat label, masing-masing vertex diberi sebuah label dan setiap edge diberikan sebuah nilai atau bobot. Tampilan graf berlabel dapat dilihat pada Gambar 2.2. P 9 Q T R 9 S Gambar 2.2 Graf Berbobot Representasi Graf Pada Komputer Meskipun menggambar merupakan cara yang mudah untuk menjelaskan suatu graf, cara ini tentunya mempunyai kelemahan ketika akan menyimpan data tentang graf dalam komputer, atau ketika akan mengkaji sifat-sifat sutau graf melalui hitungan matematis. Merepresentasikan graf dalam bentuk matriks akan memberikan

4 9 kemudahan bagi sesorang yang senang menggunakan komputer ketika mengkaji informasi atau menyelesaikan permasalahan yang melibatkan graf. [1] Matriks keterhubungan suatu graf G adalah matriks simetri dengan unsur 0 dan 1 dan memuat nilai 0 pada diagonal utamanya. Hal ini karena graf tidak memuat lup dan tidak memuat sisi parallel. Perhatikan contoh berikut. Misalkan graf G dengan himpunan titik V(G) = {v1, v2, v3, v4} Dan himpunan sisi E(G) = {v1v2, v1v4, v2v3, v2v4, v3v4 } Maka, diagram dan matriks keterhubungan graf G sebagai berikut. V 1 V 2 V 4 V 3 v 1 v 2 = v 3 v 4 v1 v2 v3 v Gambar 2.3 Diagram dan Matriks Keterhubungan Graf G Derajat suatu simpul deg(v) adalah banyaknya ruas yang menghubungkan suatu simpul. Secara umum, jika graf G dengan order p (p 1) dengan himpunan titik V(G) = {v1,v2, vp} dan A (G) = [aij], 1 i, j p adalah matriks keterhubungan dari G, maka deg (vi) = Hal yang sama juga berlaku jika menghitung derajat titik melalui kolom, yaitu deg (vi) =

5 10 Dengan melihat matriks keterhubungan dari graf G dapat diperoleh bahwa a11 + a12 + a13 + a14 = = 2 = deg(v1), a21 + a22 + a23 + a24 = = 3 = deg(v2), a31 + a32 + a33 + a34 = = 2 = deg(v3), dan a41 + a42 + a43 + a44 = = 3 = deg(v4). Dari diagram terlihat bahwa deg(v1) = 2, deg(v2) = 3, deg(v3) = 2, dan deg(v4) = Algoritma Ant Colony Optimization Algoritma semut (Ant Colony) yang terinspirasi oleh tingkah laku semut dalam suatu koloni. Semut mampu menemukan jalur terpendek dari sumber makanan ke sarang mereka tanpa menggunakan isyarat visual dengan memanfaatkan informasi feromon. Sambil berjalan, semut meninggalkan jejak feromon di tanah, dan feromon ini akan membimbing semut lain untuk menemukan sumber makanan. [6] Ant Colony Optimization Ant Colony Optimization (ACO) melakukan pendekatan menggunakan model probabilistik untuk membangun kombinasi baru. Dalam pendekatannya, model probabilistik berkembang selama proses pencarian dengan mengacu pada kombinasi sebelumnya yang dibangun berulang selama proses pembelajaran. [11] Kontribusi utama algoritma ACO adalah yang meniru dari perilaku kolektif seekor semut untuk memperbarui model probabilistik. Kemungkinan memilih

6 11 komponen tergantung pada kualitas feromon yang merepresentasikan perjalanan koloni semut. Jumlah feromon berkembang dengan menggabungkan dua mekanisme. mekanisme pertama adalah langkah meletakkan feromon. Jejak feromon berhubungan dengan kombinasi terbaik yang memungkinan untuk memilih jalur tersebut. Mekanisme kedua adalah penguapan feromon. Jejak feromon akan semakin menurun pada peninggalan jejak yang tidak dikunjungi. [11] Marco Dorigo (1992) menyatakan Ant Colony Optimization (ACO) adalah pendekatan metaheuristik baru yang diusulkan untuk memecahkan masalah optimasi kombinatorial yang sulit. Sumber inspirasi dari ACO adalah jejak feromon peletakan dan mengikuti perilaku semut nyata yang menggunakan feromon sebagai media komunikasi. Dalam analogi dengan contoh biologi, ACO didasarkan pada komunikasi tidak langsung dari koloni agen sederhana, disebut (buatan) semut, dimediasi oleh (buatan) jejak feromon. Jalan feromon di ACO berfungsi sebagai penyampai informasi numerik yang semut gunakan untuk probabilistik membangun solusi untuk masalah yang sedang diselesaikan dan dimana semut beradaptasi selama eksekusi algoritma untuk mencerminkan pengalaman pencarian. [5] Perilaku semut yang cukup menarik adalah ketika mereka mencari makan, di mana mereka dapat menemukan jalur terpendek antara sumber makanan dan sarang mereka. Semut sampai pada titik keputusan di mana mereka harus memutuskan apakah akan belok kiri atau kanan. Karena mereka tidak memiliki petunjuk yang merupakan pilihan terbaik, mereka memilih acak. Hal ini dapat diharapkan bahwa rata-rata, setengah dari semut memutuskan untuk berbelok ke kiri dan yang lainnya berbelok ke kanan. Hal ini terjadi baik untuk semut bergerak dari kiri ke kanan (L) dan untuk mereka yang pindah dari kanan ke kiri (R). Ketika berjalan dari sumber makanan ke sarang dan sebaliknya, semut meletakkan suatu zat (yang disebut feromon) di sepanjang jalur yang mereka lalui. Ketika zat tersebut disekresikan sebagai isyarat seekor semut, maka semut yang lain dapat mengenalinya. Ketika mencari makan, pada awalnya semut akan berkeliling di daerah sekitar sarangnya secara acak. Begitu mengetahui ada makanan, semut akan menganalisa kualitas dan kuantitas makanan tersebut dan membawa beberapa bagian ke sarangnya. Dalam perjalanannya, mereka meninggalkan jejak berupa zat kimia, yang disebut feromon.

7 12 Feromon ini akan membimbing semut lain untuk menemukan sumber makanan. Jumlah feromon yang ditinggalkan oleh semut bergantung pada jumlah makanan yang ditemukan. Semakin banyak makanan yang didapat, semakin banyak pula jumlah feromon yang ditinggalkan. Sehingga semakin banyak semut yang melewati suatu jalur, semakin kuat pula jejak feromon yang terkumpul di jalur tersebut. Cara semut memanfaatkan feromon untuk menemukan jalur terpendek antara dua titik ditunjukkan pada Gambar 2.4 [6]. Gambar 2.4 Mekanisme Pergerakan Koloni Semut. Inisialisasi parameter-parameter algoritma. 1. Intensitas jejak semut antar kota dan perubahannya (τij). 2. Banyak kota (n) termasuk koordinat (x,y)atau jarak antar kota (dij) serta kota berangkat dan kota tujuan. 3. Tetapan siklus-semut (Q). 4. Tetapan pengendali intensitas jejak semut(α), nilai α Tetapan pengendali visibilitas (β), nilai β Visibilitas antar kota = 1/dij (ηij). 7. Banyak semut (m). 8. Tetapan penguapan jejak semut (ρ), nilai ρ harus > 0 dan < 1 untuk mencegah jejak pheromone yang tak terhingga. 9. Jumlah siklus maksimum (NCmax) bersifat tetap selama algoritma dijalankan, sedangkan τij akan selalu diperbaharui harganya pada setiap

8 13 siklus algoritma mulai dari siklus pertama (NC=1) sampai tercapai jumlah siklus maksimum(nc=ncmax) atau sampai terjadi konvergensi. Aturan transisi digunakan oleh sistem semut, disebut sebagai random-proportional rule diberikan oleh persamaan (1), yang memberikan probabilitas semut k di kota r memilih untuk pindah ke kota s.,=,., "#$,! % &.,! 0 '() * ' (1) Dimana : Pk(r, s) : Probabilitas semut k memilih untuk berpindah dari kota r ke kota s τ(r,s) : jumlah feromon pada sisi dari simpul r ke simpul s. η (r,s) : (panjang sisi dari simpul r ke simpul s) -1 τ(r,u) : jumlah feromon pada sisi dari simpul r ke simpul u. η(r,u) : (panjang sisi dari simpul r ke simpul u) -1 Jk : himpunan yang berisi simpul simpul yang telah dikunjungi oleh semut u : simpul yang berada dalam Jk Aturan Transisi Status Dalam ACS (Ant Colony System) aturan transisi status adalah sebagai berikut: semut diposisikan pada node r memilih kota s untuk berpindah dengan menerapkan aturan yang diberikan oleh persamaan (2). [4] = + max/0,1.2, '() (2) Dimana : τ(r,u) : jumlah feromon pada sisi dari simpul r ke simpul s. η(r,u) : (panjang sisi dari simpul r ke simpul s ) -1

9 14 β : parameter perbandingan jumlah feromon relatif terhadap jarak (merupakan parameter yang telah ditentukan sebelumnya) q : bilangan random q0 : parameter perbandingan terhadap simpul yang belum ditemuinya S : simpul berikutnya yang dipilih berdasarkan persamaan (1) Aturan Pembaruan Feromone Global Dalam ACS hanya semut terbaik secara global (yaitu, perjalanan semut yang terpendek dari awal sebuah jejak) yang diperbolehkan untuk meninggalkan feromon. Pilihan ini, bersama-sama dengan penggunaan aturan pseudo-random-proportional, dimaksudkan untuk membuat pencarian yang lebih terarah. Semut mencari di lingkungan pada tour terbaik ditemukan sampai akhir iterasi algoritma. Pembaharuan feromon global dilakukan setelah semua semut telah menyelesaikan tour mereka. Tingkat feromon diperbarui dengan menerapkan aturan memperbarui persamaan global (3). [4] 0, 1 ;.0,+;. 0, (3) Dimana: τ(r,s) : nilai feromon akhir setelah mengalami pembaruan α : tetapan pengendali feromon. Δτ : perubahan intensitas feromon. Seperti halnya dalam sistem semut, pembaharuan feromon global dimaksudkan untuk menyediakan sejumlah besar feromon untuk kunjungan terpendek. Persamaan. (3) menyatakan bahwa hanya sebuah edge tour terbaik secara global akan menerima penguatan. Jenis lain aturan pembaharuan feromon global, yang disebut iteration-best, sebagai lawan di atas yang disebut global-best. Dalam persamaan (3). Juga, dengan iterasi-terbaik edge yang menerima penguatan adalah yang termasuk tour terbaik dari iterasi saat ini. Percobaan telah menunjukkan bahwa perbedaan antara dua skema

10 15 minimal, dengan preferensi sedikit untuk global terbaik, karena yang digunakan dalam percobaan berikutnya Aturan Pembaruan Feromone Lokal Ketika membangun solusi (yaitu, tour) sebuah TSP, semut mengunjungi edge dan mengubah tingkat feromon mereka dengan menerapkan aturan memperbarui lokal persamaan (4). [4] 0, 1 >.0,+>. 0, (4) dimana: τ(r,s) : jumlah feromon pada sisi dari simpul r ke simpul s ρ : tetapan penguapan feromon. Δτ : perubahan intensitas feromon. Peran aturan memperbarui lokal ACS adalah untuk mengacak tour, sehingga kota-kota di awal tour seekor semut dapat dieksplorasi selanjutnya oleh tour semut lain. Dengan kata lain, efek dari pembaruan feromon lokal adalah untuk membuat edge berubah secara dinamis. setiap kali semut menggunakan edge ini menjadi sedikit kurang diinginkan (karena kehilangan beberapa feromon nya). Dengan cara ini semut akan membuat lebih baik menggunakan informasi feromon. tanpa pembaruan feromon lokal semua semut akan mencari di lingkungan yang terbatas pada tour terbaik sebelumnya. 2.3 Google Maps API Google Maps API merupakan aplikasi antarmuka yang dapat diakses lewat javascript agar Google Maps dapat ditampilkan pada halaman web yang sedang dibangun. [8]

11 16 Ada 2 cara untuk mengakses data Google Maps, tergantung dari data yang ingin diambil dan diuraikan dari Google Maps. 1. Mengakses data Google Maps tanpa menggunakanapi key. 2. Mengakses data Google Maps menggunakan API key. Pendaftaran API key dilakukan dengan data pendaftaran berupa nama domain web yang kita bangun Request URL Google Map Developer merumuskan sebuah request URL menggunkanan PHP di remote server Aplikasi PHP membuat request ke Google Request Valid N Google Maps mengirimkan error atau hasil nol Y Google Maps mengirimkan data ke user menggunakan format data JSON PHP dapat menggunkanan fungsi curl untuk mengambil dan melakukan pengelolahan data JSON Gambar 2.5 Flowchart Request URL Google Maps Geocoding Geocoding adalah proses mengubah alamat (seperti 1600 Amphitheatre Parkway, Mountain View, CA ) ke koordinat geografis (lintang 37, dan bujur - 122,08379), yang dapat digunakan untuk menempatkan penanda atau posisi peta.

12 17 Geocoding API Google menyediagakn cara langsung untuk mengakses geocoder melalui HTTP. Selain itu, layanan ini memungkinkan kita untuk melakukan operasi sebaliknya (berubah koordinat menjadi alamat), proses ini dikenal sebagai reverse geocoding. [8] Waypoint Waypoint adalah titik referensi dalam ruang fisik yang digunakan untuk tujuan navigasi. Waypoint merupakan koordinat yang mengidentifikasi titik dalam ruang fisik. Koordinat yang digunakan dapat bervariasi tergantung pada aplikasi. Untuk navigasi darat koordinat berupa bujur dan lintang, sedangkan untuk navigasi udara juga mencakup ketinggian. Waypoint biasanya digunakan untuk sistem navigasi pada GPS dan jenis-jenis tertentu dari radio navigasi. Waypoint yang terletak di permukaan bumi biasanya didefinisikan dalam dua dimensi (misalnya, bujur dan lintang), sedangkan yang digunakan dalam atmosfer bumi atau di luar angkasa didefinisikan dalam setidaknya tiga dimensi atau empat jika waktu merupakan salah satu koordinat untuk beberapa titik yang berada di luar bumi. Waypoint ini digunakan untuk membantu menentukan jalur routing yang tak terlihat untuk navigasi. Misalnya, artificial airways " highways in the sky" yang diciptakan khusus untuk keperluan navigasi udara dan hanya terdiri dari serangkaian waypoint abstrak di langit dimana pilot menavigasi airways ini dirancang untuk memudahkan kontrol lalu lintas udara dan routing lalu lintas antara lokasi pada saat bepergian. Waypoints abstrak semacam ini telah dibuat praktis dengan teknologi navigasi modern, seperti land-based radio beacons dan satelit berbasis GPS. [8] Perhitungan Jarak Antara Dua Waypoints Untuk melakukan perhitungan jarak antara dua waypoints pada Google Maps menggunakan persamaan hukum kosinus koordinat bola (spherical law of F +cose F.cosE F.cosI F I.J ()

13 18 Dimana : D : Jarak antar dua titik (km) E I J : Posisi titik i(1,2, n) pada garis lintang dalam derajat : Posisi titik i(1,2, n) pada garis bujur dalam derajat : Jari-jari bumi (6371 km) Karena untuk menggunakan persamaan ini nilai lintang dan bujur harus dalam radian, sedangkan data masukan dari pengguna dalam derajat, maka terlebih dahulu mengubah nilai derajat menjadi radian dengan membagi dengan 180 / π. π adalah konstanta matematika yaitu 3,14. [8] 2.4 GPS Rancangan terbaru dari GPS dikembangkan dari sebuah prototype pada akhir Rancangan ini berdasarkan pada rasi dua puluh empat satelit buatan manusia yang mengorbit bumi setiap dua belas jam pada ketinggian km dari permukaan laut. Secara kolektif, ini berdasarkan konstelasi membentuk Segmen angkasa, seperti yang ditunjukkan pada Gambar 2. setiap satelit terus mengirimkan pesan posisi, dengan ketepatan waktu antara semua komponen sistem dan antar satelit. Waktu tersebut dikelola oleh pemantauan transmisi satelit di lima stasiun darat yang dapat mengirim pembaharuan ke satelit ketika penyimpangan yang tidak diinginkan terdeteksi. Seperangkat stasiun membuat segmen ground. [10] Gambar 2.6 Konstelasi Dua Puluh Empat GPS Satelit Dalam Enam Bidang Orbit.

14 19 Segmen ketiga adalah pengguna segmen peralatan yaitu terdiri dari apa yang telah menjadi berbagai jenis penerima GPS yang dirancang untuk memanfaatkan sinyal berbasis ruang untuk posisi akurat dan penentuan waktu. semua penerima tersebut beroperasi pada prinsip yang sama yaitu estimasi waktu kedatangan sinyal dari sedikitnya empat satelit terpisah, kemudian untuk mengetahui transmisi waktu dan kecepatan cahaya untuk memperkirakan jarak antara pengguna dan satelit. Penerima GPS kemudian menggunakan rentang untuk menghitung posisi pengguna. [10] Setiap sinyal GPS dirancang untuk membawa waktu yang tertera memungkinkan penerima untuk mengetahui kapan sinyal meninggalkan satelit GPS. Sebuah peralatan penerima yang dilengkapi dengan baik kemudian dapat mengukur ketika sinyal menjangkau pengguna. Jika jam satelit dan jam pengguna secara sempurna disinkronkan, jarak antara mereka dapat dihitung sebagai waktu tunda dikalikan dengan kecepatan cahaya. Namun, meskipun jam GPS semua sangat tepat dan disinkronkan dengan satu sama lain, jam pengguna juga dapat memiliki bias relatif yang tidak diketahui terhadap waktu sistem GPS. Istilah pseudorange digunakan untuk mengenali bahwa pengguna hanya dapat memperkirakan setiap sinyal GPS waktu kedatangan relatif terhadap jam bias. [10] Sumber Kesalahan Sumber kesalahan dari GPS pada umumnya diakibatkan oleh: [9] a. Ionosphere and troposphere delays, signal satelite lambat dalam menembus atmosfer. Pada GPS yang baru telah dilengkapi oleh perhitungan rata-rata delays (waktu tunda) untuk mengoreksi kesalahan yang terjadi. b. Signal multipath, Kesalahan yang terjadi akibat signal dipantulkan oleh gedung atau batuan besar, sebelum mencapai receiver. c. Penerimaan satelite yang terganggu akibat gedung, interferensi gelombang elektro magnetik, blok signal, sehingga GPS tidak bekerja dalam rumah (indoor), dibawah permukaan air atau di bawah tanah.

15 Kesalahan pada GPS Kesalahan-kesalahan satelite, antara lain: [9] a. Receiver clock errors, b. Orbital Error, c. Satellite geometry/shading dan d. Intentional degradation of the satellite signal Tracking Tracking dalam per-istilahan GPS adalah melakukan kuisisi data koordinat secara otomatis berdasarkan jalur yang kita lalui dan data tersebut disimpan dalam kartu memori GPS secara otomatis. [9]

LANDASAN TEORI. Bab Konsep Dasar Graf. Definisi Graf

LANDASAN 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 terperinci

BAB III ANALISIS DAN PERANCANGAN

BAB III ANALISIS DAN PERANCANGAN BAB III ANALISIS DAN PERANCANGAN III.1. Analisis Sistem yang Berjalan Analisa sistem yang berjalan bertujuan untuk mengidentifikasi persoalanpersoalan yang muncul dalam pembuatan sistem, hal ini dilakukan

Lebih terperinci

Penyelesaian Masalah Travelling Salesman Problem Menggunakan Ant Colony Optimization (ACO)

Penyelesaian Masalah Travelling Salesman Problem Menggunakan Ant Colony Optimization (ACO) Penyelesaian Masalah Travelling Salesman Problem Menggunakan Ant Colony Optimization (ACO) Anna Maria 1, Elfira Yolanda Sinaga 2, Maria Helena Iwo 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen

Lebih terperinci

BAB IV ANALISIS MASALAH

BAB IV ANALISIS MASALAH BAB IV ANALISIS MASALAH 4.1 Tampilan Program Persoalan TSP yang dibahas pada tugas akhir ini memiliki kompleksitas atau ruang solusi yang jauh lebih besar dari TSP biasa yakni TSP asimetris dan simetris.

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 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 terperinci

PENCARIAN RUTE TERPENDEK OBJEK WISATA DI MAGELANG MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO)

PENCARIAN RUTE TERPENDEK OBJEK WISATA DI MAGELANG MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO) PENCARIAN RUTE TERPENDEK OBJEK WISATA DI MAGELANG MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO) Bagus Fatkhurrozi *, Ika Setyowati Jurusan Teknik Elektro, Fakultas Teknik, Universitas Tidar Jl. Kapten Suparman

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Tsunami Tsunami adalah gelombang laut yang terjadi karena adanya gangguan impulsif pada laut. Gangguan impulsif tersebut terjadi akibat adanya perubahan bentuk dasar laut secara tiba-tiba

Lebih terperinci

SISTEM ALOKASI PENYIMPANAN BARANG PADA GUDANG

SISTEM ALOKASI PENYIMPANAN BARANG PADA GUDANG SISTEM ALOKASI PENYIMPANAN BARANG PADA GUDANG Achmad Hambali Jurusan Teknik Informatika PENS-ITS Kampus PENS-ITS Keputih Sukolilo Surabaya 60 Telp (+6)3-59780, 596, Fax. (+6)3-596 Email : lo7thdrag@ymail.co.id

Lebih terperinci

ANALISIS ALGORITMA ANT SYSTEM (AS) PADA KASUS TRAVELLING SALESMAN PROBLEM (TSP)

ANALISIS 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 terperinci

ANT COLONY OPTIMIZATION

ANT COLONY OPTIMIZATION ANT COLONY OPTIMIZATION WIDHAPRASA EKAMATRA WALIPRANA - 13508080 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung e-mail: w3w_stay@yahoo.com ABSTRAK The Ant Colony Optimization

Lebih terperinci

Analisa Pencarian Jarak Terpendek Lokasi Wisata di Provinsi Sumatera Utara Menggunakan Algoritma Ant Colony Optimization (ACO)

Analisa Pencarian Jarak Terpendek Lokasi Wisata di Provinsi Sumatera Utara Menggunakan Algoritma Ant Colony Optimization (ACO) Analisa Pencarian Jarak Terpendek Lokasi Wisata di Provinsi Sumatera Utara Menggunakan Algoritma Ant Colony Optimization (ACO) Juanda Hakim Lubis Prorgram Studi Teknik Informatika, Fakultas Teknik, Universitas

Lebih terperinci

Gambar 3.1. Semut dalam Proses menemukan sumber makanan

Gambar 3.1. Semut dalam Proses menemukan sumber makanan BAB III LANDASAN TEORI 3.1 Algortima Semut Koloni semut merupakan algoritma yang bersifat heuristik untuk menyelesaikan masalah optimasi. Algoritma ini diinspirasikan oleh lingkungan koloni semut pada

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada awalnya komputer hanya digunakan untuk alat hitung saja tetapi seiring dengan perkembangan teknologi, komputer diharapkan mampu melakukan semua yang dapat

Lebih terperinci

BAB 2 LANDASAN TEORI. Perancangan sistem merupakan penguraian suatu sistem informasi

BAB 2 LANDASAN TEORI. Perancangan sistem merupakan penguraian suatu sistem informasi BAB 2 LANDASAN TEORI 2.1 Teori Umum 2.1.1 Perancangan Sistem Perancangan sistem merupakan penguraian suatu sistem informasi yang utuh ke dalam bagian komputerisasi yang dimaksud, mengidentifikasi dan mengevaluasi

Lebih terperinci

REKAYASA APLIKASI PENCARI RUTE LOKASI INDUSTRI MENGGUNAKAN ALGORITMA ANT COLONY SYSTEM

REKAYASA APLIKASI PENCARI RUTE LOKASI INDUSTRI MENGGUNAKAN ALGORITMA ANT COLONY SYSTEM REKAYASA APLIKASI PENCARI RUTE LOKASI INDUSTRI MENGGUNAKAN ALGORITMA ANT COLONY SYSTEM Anwar Hidayat 1), Agung Budi Prasetyo 2) 1, 2) Teknik Informatika, STMIK AKAKOM Jl.Raya Janti 143 Karangjambe, Yogyakarta

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

IMPLEMENTASI ALGORITMA SEMUT UNTUK PENCARIAN RUTE TERPENDEK BERBASIS SISTEM INFORMASI GEOGRAFIS

IMPLEMENTASI ALGORITMA SEMUT UNTUK PENCARIAN RUTE TERPENDEK BERBASIS SISTEM INFORMASI GEOGRAFIS IMPLEMENTASI ALGORITMA SEMUT UNTUK PENCARIAN RUTE TERPENDEK BERBASIS SISTEM INFORMASI GEOGRAFIS Edi Iskandar Teknik Informatika STMIK Akakom e-mail: edi_iskandar@akakom.ac.id Abstrak Dalam kehidupan global

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

STUDI PERBANDINGAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN ANT COLONY SYSTEM DALAM PEMECAHAN TRAVELLING SALESMAN PROBLEM

STUDI 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 terperinci

OPTIMASI 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 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 terperinci

Penyelesaian Traveling Salesperson Problem dengan Menggunakan Algoritma Semut

Penyelesaian Traveling Salesperson Problem dengan Menggunakan Algoritma Semut Penyelesaian Traveling Salesperson Problem dengan Menggunakan Algoritma Semut Irfan Afif (13507099) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung,

Lebih terperinci

ALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP

ALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP Media Informatika, Vol. 2, No. 2, Desember 2004, 75-81 ISSN: 0854-4743 ALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP Zainudin Zukhri, Shidiq Alhakim Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas

Lebih terperinci

Perbandingan Algoritma Dijkstra Dan Algoritma Ant Colony Dalam Penentuan Jalur Terpendek

Perbandingan 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 terperinci

BAB II LANDASAN TEORI. 2.1 Penjadwalan Definisi Penjadwalan Kegiatan Belajar Mengajar

BAB II LANDASAN TEORI. 2.1 Penjadwalan Definisi Penjadwalan Kegiatan Belajar Mengajar BAB II LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Definisi Penjadwalan Kegiatan Belajar Mengajar Penjadwalan terkait pada aktivitas dalam hal untuk membuat sebuah jadwal. Sebuah jadwal adalah sebuah tabel dari

Lebih terperinci

LEMBAR PENGESAHAN LEMBAR PERNYATAAN HAK CIPTA ABSTRAK...

LEMBAR PENGESAHAN LEMBAR PERNYATAAN HAK CIPTA ABSTRAK... DAFTAR ISI Halaman LEMBAR PENGESAHAN LEMBAR PERNYATAAN HAK CIPTA ABSTRAK... i KATA PENGANTAR... iii DAFTAR ISI... v DAFTAR TABEL... vii DAFTAR GAMBAR... viii DAFTAR SIMBOL... ix BAB I PENDAHULUAN... 1

Lebih terperinci

IMPLEMENTASI MOBILE TRACKING MENGGUNAKAN METODE ANT COLONY OPTIMIZATION DAN GOOGLE MAPS API SKRIPSI DONNY SANJAYA

IMPLEMENTASI MOBILE TRACKING MENGGUNAKAN METODE ANT COLONY OPTIMIZATION DAN GOOGLE MAPS API SKRIPSI DONNY SANJAYA IMPLEMENTASI MOBILE TRACKING MENGGUNAKAN METODE ANT COLONY OPTIMIZATION DAN GOOGLE MAPS API SKRIPSI DONNY SANJAYA 111421056 PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI

Lebih terperinci

BAB III ALGORITMA ANT DISPERSION ROUTING (ADR)

BAB III ALGORITMA ANT DISPERSION ROUTING (ADR) BAB III ALGORITMA ANT DISPERSION ROUTING (ADR) Pada permasalahan pencarian rute optimal dalam rangka penyebaran rute lalu lintas untuk mencapai keseimbangan jaringan lalu lintas sebagai upaya untuk mengurangi

Lebih terperinci

Desain Rute Terpendek untuk Distribusi Koran Dengan Algoritma Ant Colony System

Desain 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 terperinci

JURNAL IT STMIK HANDAYANI

JURNAL IT STMIK HANDAYANI Nurilmiyanti Wardhani Teknik Informatika, STMIK Handayani Makassar ilmyangel@yahoo.com Abstrak Algoritma semut atau Ant Colony Optimization merupakan sebuah algoritma yang berasal dari alam. Algoritma

Lebih terperinci

Matematika dan Statistika

Matematika 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 terperinci

Pemanfaatan Algoritma Semut untuk Penyelesaian Masalah Pewarnaan Graf

Pemanfaatan Algoritma Semut untuk Penyelesaian Masalah Pewarnaan Graf Pemanfaatan Algoritma Semut untuk Penyelesaian Masalah Pewarnaan Graf Anugrah Adeputra - 13505093 Program Studi Informatika, Sekolah Teknik Elektro & Informatika ITB Jl. Ganesha No.10 If15093@students.if.itb.ac.id

Lebih terperinci

IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS)

IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) Devie Rosa Anamisa, S.Kom, M.Kom Jurusan D3 Teknik Multimedia Dan Jaringan-Fakultas Teknik Universitas Trunojoyo

Lebih terperinci

PENEMUAN JALUR TERPENDEK DENGAN ALGORITMA ANT COLONY. Budi Triandi

PENEMUAN 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 terperinci

VEHICLE ROUTING PROBLEM UNTUK DISTRIBUSI BARANG MENGGUNAKAN ALGORITMA SEMUT

VEHICLE ROUTING PROBLEM UNTUK DISTRIBUSI BARANG MENGGUNAKAN ALGORITMA SEMUT VEHICLE ROUTING PROBLEM UNTUK DISTRIBUSI BARANG MENGGUNAKAN ALGORITMA SEMUT Agung Hadhiatma 1*, Alexander Purbo 2* 1,2 Program Studi Informatika, Fakultas Sains dan Teknologi, Universitas Sanata Dharma

Lebih terperinci

Optimasi pada Rute Truk Peti Kemas dengan Algoritma Optimasi Koloni Semut

Optimasi pada Rute Truk Peti Kemas dengan Algoritma Optimasi Koloni Semut E-journal Teknik Elektro dan Komputer (tahun), ISSN : 20-8402 7 Optimasi pada Rute Truk Peti Kemas dengan Algoritma Optimasi Koloni Semut Feisy D. Kambey feisy.kambey@yahoo.co.id Abstrak Perdagangan global

Lebih terperinci

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis

Lebih terperinci

BAB II KAJIAN TEORI. semut, dan travelling salesman problem. Teori graf digunakan untuk menerapkan

BAB II KAJIAN TEORI. semut, dan travelling salesman problem. Teori graf digunakan untuk menerapkan BAB II KAJIAN TEORI Pada bab kajian teori akan dibahas tentang teori graf, algoritma, algoritma semut, dan travelling salesman problem. Teori graf digunakan untuk menerapkan aplikasi rute Trans Jogja.

Lebih terperinci

IkhsanJaelani Mahasiswa Informatika, FT UMRAH, ABSTRAK. Kata Kunci : Rute Terpendek, meta-heuristics, algoritma semut

IkhsanJaelani Mahasiswa Informatika, FT UMRAH, ABSTRAK. Kata Kunci : Rute Terpendek, meta-heuristics, algoritma semut PENERAPAN ALGORITMA SEMUT UNTUK OPTIMISASI RUTE PENJEMPUTAN BARANG PADA TEMPAT JASA PENITIPAN SEMENTARA LION EXPRESS Studi Kasus : Konsolidator Lion Express Tanjungpinang IkhsanJaelani Mahasiswa Informatika,

Lebih terperinci

Analisis dan Implementasi Ant Colony Algorithm untuk Clustering

Analisis dan Implementasi Ant Colony Algorithm untuk Clustering Analisis dan Implementasi Ant Colony Algorithm untuk Clustering Kurniawan Nur Ramadhani Program Studi Manajemen Informatika Politeknik Telkom, Bandung andiess26@yahoo.co.id Abstrak Paper ini memaparkan

Lebih terperinci

Pemanfaatan Algoritma Hybrid Ant Colony Optimization dalam Menyelesaikan Permasalahan Capacitated Minimum Spanning Tree. Tamam Asrori ( )

Pemanfaatan Algoritma Hybrid Ant Colony Optimization dalam Menyelesaikan Permasalahan Capacitated Minimum Spanning Tree. Tamam Asrori ( ) Pemanfaatan Algoritma Hybrid Ant Colony Optimization dalam Menyelesaikan Permasalahan Capacitated Minimum Spanning Tree Tamam Asrori (5104 100 146) Pendahuluan Latar Belakang Tujuan Dan Manfaat Rumusan

Lebih terperinci

Akses Informasi Pengiriman Barang Di Kantor Pos Jemur Sari Untuk Area Surabaya Timur Menggunakan Metode Ant Colony Optimization Berbasis J2ME

Akses Informasi Pengiriman Barang Di Kantor Pos Jemur Sari Untuk Area Surabaya Timur Menggunakan Metode Ant Colony Optimization Berbasis J2ME Akses Informasi Pengiriman Barang Di Kantor Pos Jemur Sari Untuk Area Surabaya Timur Menggunakan Metode Ant Colony Optimization Berbasis J2ME Neny Wahyuningdiyah 1, M.Zen Samsono Hadi 2, Mike Yuliana 2

Lebih terperinci

PENERAPAN ALGORITMA ANT COLONY UNTUK TRAVELLING SALESMAN PROBLEM PADA PERANGKAT BERGERAK

PENERAPAN ALGORITMA ANT COLONY UNTUK TRAVELLING SALESMAN PROBLEM PADA PERANGKAT BERGERAK PENERAPAN ALGORITMA ANT COLONY UNTUK TRAVELLING SALESMAN PROBLEM PADA PERANGKAT BERGERAK PRIYANKA GEMET ARISMOYO NRP 5109100178 Dosen Pembimbing I Henning Titi Ciptanigntyas S.Kom., M.Kom. Dosen Pembimbing

Lebih terperinci

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah PT. TIKI (Abadi Express) adalah perusahaan jasa yang menerima pengiriman paket dan paket tersebut akan diantar kealamat tujuan. Para kurir yang bertugas mengantar

Lebih terperinci

IMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS

IMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS IMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS Yudis Anggara Putra Chastine Fatichah Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Graf 2.1.1 Definisi Graf Graf G merupakan representasi dari suatu masalah yang digambarkan sebagai sekumpulan noktah (simpul) yang dihubungkan dengan sekumpulan garis (sisi).

Lebih terperinci

PENENTUAN RUTE OPTIMAL PADA KEGIATAN PENJEMPUTAN PENUMPANG TRAVEL MENGGUNAKAN ANT COLONY SYSTEM

PENENTUAN RUTE OPTIMAL PADA KEGIATAN PENJEMPUTAN PENUMPANG TRAVEL MENGGUNAKAN ANT COLONY SYSTEM JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1 PENENTUAN RUTE OPTIMAL PADA KEGIATAN PENJEMPUTAN PENUMPANG TRAVEL MENGGUNAKAN ANT COLONY SYSTEM Laksana Samudra dan Imam Mukhlash Matematika, Fakultas

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Teori Graf Suatu graf G terdiri atas himpunan yang tidak kosong dari elemen elemen yang disebut titik (vertek), dan suatu daftar pasangan vertek yang tidak terurut disebut sisi

Lebih terperinci

BAB 1 PENDAHULUAN. bagian dalam pekerjaan. Dalam melakukan pemasangan kabel perlu

BAB 1 PENDAHULUAN. bagian dalam pekerjaan. Dalam melakukan pemasangan kabel perlu BAB 1 PENDAHULUAN 1.1 Latar Belakang Bagi perusahaan kontraktor perumahan, pemasangan kabel menjadi bagian dalam pekerjaan. Dalam melakukan pemasangan kabel perlu dilakukan perencanaan urutan rumah yang

Lebih terperinci

PENDUKUNG SISTEM PEMASARAN DENGAN ALGORITMA ANT COLONY ABSTRAK

PENDUKUNG SISTEM PEMASARAN DENGAN ALGORITMA ANT COLONY ABSTRAK PENDUKUNG SISTEM PEMASARAN DENGAN ALGORITMA ANT COLONY Vendy Steven Tandiko, Halim Agung steven_vendy@yahoo.co.id, halimagung89@gmail.com Tekhnik Informatika Universitas Bunda Mulia ABSTRAK Kemudahan untuk

Lebih terperinci

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ANT COLONY SYSTEM (KASUS: PARIWISATA KOTA BOGOR)

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ANT COLONY SYSTEM (KASUS: PARIWISATA KOTA BOGOR) PENCARIAN JALUR TERPENDEK MENGGUNAKAN ANT COLONY SYSTEM (KASUS: PARIWISATA KOTA BOGOR) RINI AMALIA reen_amaleea@yahoo.com Program Studi Teknik Informatika, Fakultas Teknik, Matematika dan IPA Universitas

Lebih terperinci

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisa Masalah Proses yang sedang berjalan dalam pencarian daerah rawan tindak kejahatan masih bersifat manual. Bentuk manual yaitu masyarakat yang akan bepergian

Lebih terperinci

PENYUSUNAN PENJADWALAN UJIAN MENGGUNAKAN ALGORITMA RANK BASED ANT SYSTEM INTISARI

PENYUSUNAN PENJADWALAN UJIAN MENGGUNAKAN ALGORITMA RANK BASED ANT SYSTEM INTISARI Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 02(2017), hal 151 158. PENYUSUNN PENJDWLN UJIN MENGGUNKN LGORITM RNK BSED NT SYSTEM Ria Fuji stuti, Neva Satyahadewi, Hendra Perdana INTISRI

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI.1 Ant Colony System dan Asal Usulnya Pada subbab ini akan diuraikan mengenai asal usul Ant Colony System (ACS), yaitu membahas tentang semut dan tingkah lakunya yang merupakan sumber

Lebih terperinci

Edu Komputika Journal

Edu Komputika Journal EDUKOM 1 (2) (2014) Edu Komputika Journal http://journal.unnes.ac.id/sju/index.php/edukom IMPLEMENTASI METODE ANT COLONY UNTUK TRAVELING SALESMAN PROBLEM MENGGUNAKAN GOOGLE MAPS PADA KOTA-KOTA DI JAWA

Lebih terperinci

1 BAB I PENDAHULUAN. 1.1 Latar Belakang dan Permasalahan

1 BAB I PENDAHULUAN. 1.1 Latar Belakang dan Permasalahan 1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Fokus dalam bidang teknologi saat ini tidak hanya berada pada proses pengembangan yang disesuaikan dengan permasalahan yang dapat membantu manusia

Lebih terperinci

Aplikasi Penentuan Jalur Terpendek Pendistribusian Bantuan Bencana alam Dengan Menggunakan Algoritma Semut Pada Wilayah Sumatera Utara

Aplikasi Penentuan Jalur Terpendek Pendistribusian Bantuan Bencana alam Dengan Menggunakan Algoritma Semut Pada Wilayah Sumatera Utara Aplikasi Penentuan Jalur Terpendek Pendistribusian Bantuan Bencana alam Dengan Menggunakan Algoritma Semut Pada Wilayah Sumatera Utara Marlince NK. Nababan 1 Yonata Laia 2, Mardi Turnip 3 Universitas Prima

Lebih terperinci

OPTIMALISASI TRAVELLING SALESMAN WITH TIME WINDOWS (TSPTW) DENGAN ALGORITMA SEMUT

OPTIMALISASI TRAVELLING SALESMAN WITH TIME WINDOWS (TSPTW) DENGAN ALGORITMA SEMUT OPTIMALISASI TRAVELLING SALESMAN WITH TIME WINDOWS (TSPTW) DENGAN ALGORITMA SEMUT Budi Prasetyo Wibowo, Purwanto, dansusy Kuspambudi Andaini Universitas Negeri Malang ABSTRAK: Travelling Salesman Problem

Lebih terperinci

Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol. 1, No. 2, (2015) 1 Rancangan Sistem Penjadwalan Akademik Menggunakan Algoritma Max Min Ant System (Studi Kasus: STMIK Atma Luhur Pangkalpinang) Delpiah

Lebih terperinci

PERANCANGAN SISTEM OPTIMASI RUTE DISTRIBUSI PENGANGKUTAN SAMPAH DI SURABAYA SECARA ADAPTIF MENGGUNAKAN METODE ALGORITMA KOLONI SEMUT

PERANCANGAN SISTEM OPTIMASI RUTE DISTRIBUSI PENGANGKUTAN SAMPAH DI SURABAYA SECARA ADAPTIF MENGGUNAKAN METODE ALGORITMA KOLONI SEMUT PERANCANGAN SISTEM OPTIMASI RUTE DISTRIBUSI PENGANGKUTAN SAMPAH DI SURABAYA SECARA ADAPTIF MENGGUNAKAN METODE ALGORITMA KOLONI SEMUT Raditya Arizal Pranata, Ira Prasetyaningrum S.Si,MT., Arna Fariza, S.Kom,

Lebih terperinci

OPTIMASI PENCAPAIAN TARGET PADA SIMULASI PERENCANAAN JALUR ROBOT BERGERAK DI LINGKUNGAN DINAMIS

OPTIMASI PENCAPAIAN TARGET PADA SIMULASI PERENCANAAN JALUR ROBOT BERGERAK DI LINGKUNGAN DINAMIS OPTIMASI PENCAPAIAN TARGET PADA SIMULASI PERENCANAAN JALUR ROBOT BERGERAK DI LINGKUNGAN DINAMIS Yisti Vita Via Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember

Lebih terperinci

Artikel Ilmiah oleh Siti Hasanah ini telah diperiksa dan disetujui oleh pembimbing.

Artikel Ilmiah oleh Siti Hasanah ini telah diperiksa dan disetujui oleh pembimbing. Artikel Ilmiah oleh Siti Hasanah ini telah diperiksa dan disetujui oleh pembimbing. Malang, 1 Agustus 2013 Pembimbing Dra. Sapti Wahyuningsih,M.Si NIP 1962121 1198812 2 001 Penulis Siti Hasanah NIP 309312426746

Lebih terperinci

BAB II LANDASAN TEORI. membentuk satu kesatuan. Pada sistematikanya, sistem informasi melakukan 3

BAB II LANDASAN TEORI. membentuk satu kesatuan. Pada sistematikanya, sistem informasi melakukan 3 BAB II LANDASAN TEORI 2.1 Sistem Informasi Sistem merupakan kumpulan 2 atau lebih bagian atau komponen yang saling terkait, berhubungan dan berinteraksi, yang artinya saling bekerja sama membentuk satu

Lebih terperinci

ANALISIS ALGORITMA HYBRID ANT COLONY OPTIMIZATION (ACO) DAN LOCAL SEARCH UNTUK OPTIMASI PEMOTONGAN BAHAN BAKU

ANALISIS ALGORITMA HYBRID ANT COLONY OPTIMIZATION (ACO) DAN LOCAL SEARCH UNTUK OPTIMASI PEMOTONGAN BAHAN BAKU ANALISIS ALGORITMA HYBRID ANT COLONY OPTIMIZATION (ACO) DAN LOCAL SEARCH UNTUK OPTIMASI PEMOTONGAN BAHAN BAKU Warih Maharani Fakultas Teknik Informatika, Institut Teknologi Telkom Jl. Telekomunikasi No.1

Lebih terperinci

ABSTRAK. Universitas Kristen Maranatha

ABSTRAK. Universitas Kristen Maranatha ABSTRAK Permasalahan transportasi yang terjadi akibat kenaikan harga bahan bakar minyak (BBM) yang tinggi membuat para pengguna jasa transportasi berpikir untuk dapat meminimalisasi biaya yang dikeluarkan.

Lebih terperinci

BAB II DASAR TEORI 2.1 Penjadwalan Kuliah

BAB II DASAR TEORI 2.1 Penjadwalan Kuliah BAB II DASAR TEORI 2.1 Penjadwalan Kuliah Penjadwalan Kuliah merupakan pengaturan penempatan waktu dan ruangan berdasarkan jumlah kuliah dan akademik sejenis, dengan memperhatikan sejumlah aturan yang

Lebih terperinci

OPTIMISASI POLA DISTRIBUSI DENGAN LOGIKAFUZZY DAN ALGORITMA SEMUT PADA PT. SRI ANEKA PANGAN NUSANTARA TUGAS AKHIR SKRIPSI

OPTIMISASI POLA DISTRIBUSI DENGAN LOGIKAFUZZY DAN ALGORITMA SEMUT PADA PT. SRI ANEKA PANGAN NUSANTARA TUGAS AKHIR SKRIPSI OPTIMISASI POLA DISTRIBUSI DENGAN LOGIKAFUZZY DAN ALGORITMA SEMUT PADA PT. SRI ANEKA PANGAN NUSANTARA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Negeri

Lebih terperinci

Penerapan Algoritma Ant System dalam Menemukan Jalur Optimal pada Traveling Salesman Problem (TSP) dengan Kekangan Kondisi Jalan

Penerapan Algoritma Ant System dalam Menemukan Jalur Optimal pada Traveling Salesman Problem (TSP) dengan Kekangan Kondisi Jalan JNTETI, Vol. 1, No. 3, November 2012 43 Penerapan Algoritma Ant System dalam Menemukan Jalur Optimal pada Traveling Salesman Problem (TSP) dengan Kekangan Kondisi Jalan Andhi Akhmad Ismail 1, Samiadji

Lebih terperinci

Ant Colony Optimization

Ant Colony Optimization Ant Colony Optimization Budi Santosa, PhD Dosen Teknik Industri ITS, Surabaya Lab Komputasi dan Optimasi Industri Email : budi_s@ie.its.ac.id 1.1 Pahuluan Dalam dua dekade terakhir ini, banyak penelitian

Lebih terperinci

BAB IV IMPLEMENTASI DAN EVALUASI SISTEM. geografis dengan pemanfaatan pemetaan secara langsung.

BAB IV IMPLEMENTASI DAN EVALUASI SISTEM. geografis dengan pemanfaatan pemetaan secara langsung. BAB IV IMPLEMENTASI DAN EVALUASI SISTEM Berdasarkan data lokasi dan data kebutuhan yang dimiliki oleh setiap user atau pengguna, akan dilakukan proses pencarian lokasi serta instansi secara geografis dengan

Lebih terperinci

Sistem Informasi Penentuan Jalur Terpendek Bagi Pengantar Surat Menggunakan Algoritma Semut

Sistem Informasi Penentuan Jalur Terpendek Bagi Pengantar Surat Menggunakan Algoritma Semut Sistem Informasi Penentuan Jalur Terpendek Bagi Pengantar Surat Menggunakan Algoritma Semut Yopri Satria Dahni 1, Rahmiati 2 Program Studi Teknik Informatika STMIK Amik Riau, Jalan Purwodadi Km 10 Panam

Lebih terperinci

PERGERAKAN AGEN CERDAS PADA PEMODELAN GAME EDUKASI DENGAN MENGGUNAKAN ALGORITMA ANT SYSTEM KONSENTRASI PENEMUAN JALUR KE PASAR TRADISIONAL

PERGERAKAN AGEN CERDAS PADA PEMODELAN GAME EDUKASI DENGAN MENGGUNAKAN ALGORITMA ANT SYSTEM KONSENTRASI PENEMUAN JALUR KE PASAR TRADISIONAL PERGERAKAN AGEN CERDAS PADA PEMODELAN GAME EDUKASI DENGAN MENGGUNAKAN ALGORITMA ANT SYSTEM KONSENTRASI PENEMUAN JALUR KE PASAR TRADISIONAL Asti Riani Putri 1), Fajar Hendro Utomo 2), 1), 2) Pendidikan

Lebih terperinci

IMPLEMENTASI DAN ANALISA KINERJA ALGORITMA ANT SYSTEM (AS) DALAM PENYELESAIAN MULTIPLE TRAVELLING SALESMAN PROBLEM (MTSP)

IMPLEMENTASI DAN ANALISA KINERJA ALGORITMA ANT SYSTEM (AS) DALAM PENYELESAIAN MULTIPLE TRAVELLING SALESMAN PROBLEM (MTSP) IMPLEMENTASI DAN ANALISA KINERJA ALGORITMA ANT SYSTEM (AS) DALAM PENYELESAIAN MULTIPLE TRAVELLING SALESMAN PROBLEM (MTSP) Boko Susilo, Rusdi Efendi, Siti Maulinda Program Studi Teknik Informatika, Fakultas

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Pada bagian ini akan dijelaskan beberapa konsep dasar yang berkaitan dengan permasalahan, seperti definisi dan teorema yang dijadikan landasan dalam penelitian ini. 2.1 Graf Graf

Lebih terperinci

BAB III IMPLEMENTASIALGORITMA GENETIK DAN ACS PADA PERMASALAHAN TRAVELLING SALESMAN PROBLEM

BAB III IMPLEMENTASIALGORITMA GENETIK DAN ACS PADA PERMASALAHAN TRAVELLING SALESMAN PROBLEM BAB III IMPLEMENTASIALGORITMA GENETIK DAN ACS PADA PERMASALAHAN TRAVELLING SALESMAN PROBLEM 3.1 TRAVELLING SALESMAN PROBLEM Sebelum membahas pencarian solusi Travelling Salesman Problem menggunakan algoritma

Lebih terperinci

Aplikasi Pencarian Rute Terbaik dengan Metode Ant Colony Optimazation (ACO)

Aplikasi Pencarian Rute Terbaik dengan Metode Ant Colony Optimazation (ACO) IJCCS, Vol.7, No.1, January 2013, pp. 55~64 ISSN: 1978-1520 55 Aplikasi Pencarian Rute Terbaik dengan Metode Ant Colony Optimazation (ACO) Yuliyani Siyamtining Tyas * 1, Widodo Prijodiprodjo 2 1 Jurusan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 6 BAB II TINJAUAN PUSTAKA Pada bagian pada bagian ini akan diuraikan tentang tinjauan pustaka dan landaran teori yang sesuai dengan ACO dan AG. 2.1 Algoritma Ant Colony Optimization Secara umum pencarian

Lebih terperinci

Penerapan Dynamic Programming pada sistem GPS (Global Positioning System)

Penerapan Dynamic Programming pada sistem GPS (Global Positioning System) Penerapan Dynamic Programming pada sistem GPS (Global Positioning System) Christy Gunawan Simarmata - 13515110 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI SISTEM. Implementasi dan pengujian dalam merancang program aplikasi

BAB 4 IMPLEMENTASI DAN EVALUASI SISTEM. Implementasi dan pengujian dalam merancang program aplikasi BAB 4 IMPLEMENTASI DAN EVALUASI SISTEM 41 Implementasi Sistem 411 Spesifikasi Hardware dan Software Implementasi dan pengujian dalam merancang program aplikasi penentuan jalur pendistribusian barang ini

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Kemacetan Kemacetan adalah situasi atau keadaan terhentinya arus lalu lintas yang disebabkan oleh banyaknya jumlah kendaraan melebihi kapasitas jalan. Kemacetan banyak terjadi

Lebih terperinci

PERANCANGAN PROGRAM APLIKASI OPTIMASI PEMASANGAN KABEL DENGAN METODE ANT COLONY

PERANCANGAN PROGRAM APLIKASI OPTIMASI PEMASANGAN KABEL DENGAN METODE ANT COLONY PERANCANGAN PROGRAM APLIKASI OPTIMASI PEMASANGAN KABEL DENGAN METODE ANT COLONY Joni Cukri Binus University, Jalan KH. Syahdan No. 9 Palmerah, Jakarta 11480, Indonesia joni.cukri@yahoo.co.id ABSTRACT Cabling

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Algoritma. Untuk. Problem Dengan. Vehicle. Window. Jasa

Algoritma. Untuk. Problem Dengan. Vehicle. Window. Jasa Pengembangan Algoritma Heuristik Ant Colony System Untuk Menyelesaikan Permasalahan Dynamic Vehicle Routing Problem Dengan Time Window (DVRPTW) Pada Penyedia Jasa Inter-City Courier Nurlita Gamayanti (2207

Lebih terperinci

ANALISIS ALGORITMA SEMUT UNTUK PEMECAHAN MASALAH PENUGASAN

ANALISIS ALGORITMA SEMUT UNTUK PEMECAHAN MASALAH PENUGASAN ANALISIS ALGORITMA SEMUT UNTUK PEMECAHAN MASALAH PENUGASAN Zainudin Zukhri Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia Kampus Terpadu UII Jl Kaliurang Km 14.5 Yogyakarta

Lebih terperinci

AKSES INFORMASI PENGIRIMAN BARANG DI KANTOR POS JEMUR SARI UNTUK AREA SURABAYA TIMUR MENGGUNAKAN METODE ANT COLONY OPTIMIZATION BERBASIS WAP

AKSES INFORMASI PENGIRIMAN BARANG DI KANTOR POS JEMUR SARI UNTUK AREA SURABAYA TIMUR MENGGUNAKAN METODE ANT COLONY OPTIMIZATION BERBASIS WAP AKSES INFORMASI PENGIRIMAN BARANG DI KANTOR POS JEMUR SARI UNTUK AREA SURABAYA TIMUR MENGGUNAKAN METODE ANT COLONY OPTIMIZATION BERBASIS WAP Titik Sri Mulyani 1. Zen Samsono Hadi 2. Haryadi Amran Darwito

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Graf 2.1.1 Defenisi Graf Graf G adalah pasangan (V(G),E(G)) dengan (V(G)) adalah himpunan tidak kosong dan berhingga dari objek-objek yang disebut titik, (E(G)) adalah himpunan

Lebih terperinci

RANCANG BANGUN APLIKASI MOBILE UNTUK MENENTUKAN SOLUSI OPTIMAL PENCARIAN RUTE TERBAIK MENGGUNAKAN ALGORITMA ANT COLONY OPTIMIZATION

RANCANG BANGUN APLIKASI MOBILE UNTUK MENENTUKAN SOLUSI OPTIMAL PENCARIAN RUTE TERBAIK MENGGUNAKAN ALGORITMA ANT COLONY OPTIMIZATION RANCANG BANGUN APLIKASI MOBILE UNTUK MENENTUKAN SOLUSI OPTIMAL PENCARIAN RUTE TERBAIK MENGGUNAKAN ALGORITMA ANT COLONY OPTIMIZATION Budhi Irawan 1, Casi Setianingsih 2, Izzat Arramsyah 3 1 budhiirawan@telkomuniversity.ac.id,

Lebih terperinci

Jurnal Coding, Sistem Komputer Untan Volume 04, No.1 (2016), hal ISSN : x

Jurnal Coding, Sistem Komputer Untan Volume 04, No.1 (2016), hal ISSN : x PROTOTIPE APLIKASI PENGUKUR LUAS LAHAN WILAYAH BERBASIS ANDROID [1] Mushlihun, [2] Ilhamsyah, [3] Yulrio Brianorman [1] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura [2] Jurusan Sistem

Lebih terperinci

BAB III PEMBAHASAN. Pembahasan pada bab ini adalah penentuan rute tercepat pendistribusian

BAB III PEMBAHASAN. Pembahasan pada bab ini adalah penentuan rute tercepat pendistribusian BAB III PEMBAHASAN Pembahasan pada bab ini adalah penentuan rute tercepat pendistribusian makanan ringan PT. Sri Aneka Pangan Nusantara dengan aplikasi Logika Fuzzy dan Algoritma Semut. Logika fuzzy digunakan

Lebih terperinci

PENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING

PENYELESAIAN 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 terperinci

PEMBUATAN SKEMA JALUR ANGKUTAN KOTA PALU BERDASARKAN PENCARIAN LINTASAN DENGAN BOBOT MAKSIMUM MENGGUNAKAN ALGORITMA ANT COLONY SYSTEM (ACS)

PEMBUATAN SKEMA JALUR ANGKUTAN KOTA PALU BERDASARKAN PENCARIAN LINTASAN DENGAN BOBOT MAKSIMUM MENGGUNAKAN ALGORITMA ANT COLONY SYSTEM (ACS) JIMT Vol. 12 No. 1 Juni 2015 (Hal. 44 52) Jurnal Ilmiah Matematika dan Terapan ISSN : 2450 766X PEMBUATAN SKEMA JALUR ANGKUTAN KOTA PALU BERDASARKAN PENCARIAN LINTASAN DENGAN BOBOT MAKSIMUM MENGGUNAKAN

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN

BAB 3 METODOLOGI PENELITIAN 60 BAB 3 METODOLOGI PENELITIAN Gambar 3.1 Flow Chart Tugas Akhir 61 Gambar 3.1 Flow Chart Tugas Akhir (Lanjutan) Wawancara dan Observasi Lapangan Wawancara dilakukan untuk mengetahui alur proses bisnis

Lebih terperinci

Aplikasi dan Optimasi Kombinatorial pada Ant Colony

Aplikasi dan Optimasi Kombinatorial pada Ant Colony Aplikasi dan Optimasi Kombinatorial pada Ant Colony Letivany Aldina / 13514067 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang GPS(Global Positioning System) adalah sebuah sistem navigasi berbasiskan radio yang menyediakan informasi koordinat posisi, kecepatan, dan waktu kepada pengguna di

Lebih terperinci

DOSEN PEMBIMBING Chastine Fatichah, S.Kom, M.Kom MAHASISWA Yudis Anggara P. ( )

DOSEN PEMBIMBING Chastine Fatichah, S.Kom, M.Kom MAHASISWA Yudis Anggara P. ( ) Sidang Tugas Akhir September 2009 Implementasi Metode Ant Colony Optimization untuk Pemilihan Fitur pada Kategorisasi Dokumen Teks DOSEN PEMBIMBING Chastine Fatichah, S.Kom, M.Kom MAHASISWA Yudis Anggara

Lebih terperinci

Aplikasi Shortest Path dengan Menggunakan Graf dalam Kehidupan Sehari-hari

Aplikasi 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

MONITORING AKTIVITAS KELUARGA BERBASIS GPS TRACKING

MONITORING AKTIVITAS KELUARGA BERBASIS GPS TRACKING 1 MONITORING AKTIVITAS KELUARGA BERBASIS GPS TRACKING Faiqunisa 1, Gelar Aditya Pratama 2 1 STMIK BANDUNG Sekolah Tinggi Manajemen Informatika dan Komputer Bandung JL. Cikutra no 113-A, Bandung Jawa Barat,

Lebih terperinci