Y Y V (1) max (3) Sementara di dalam persamaan untuk menghitung posisi partikel terdapat variabel Yi. merupakan nilai posisi partikel
|
|
- Hamdani Kusuma
- 6 tahun lalu
- Tontonan:
Transkripsi
1 1 IMPLEMENTASI DYNAMIC CLUSTER MENGGUNAKAN METODE K-MEANS CLUSTER DAN PARTICLE SWARM OPTIMIZATION UNTUK IDENTIFKASI KARAKTERISTIK LALU LINTAS BERDASARKAN JUMLAH DAN JENIS KENDARAAN Tsabbit Aqdami Mukhtar, Joko Lianto Buliali dan Diana Purwitasari Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya Indonesia Abstrak Jalan raya merupakan fasilitas umum yang paling sering digunakan oleh masyarakat dalam kehidupan sehari-hari. Hal tersebut disebabkan karena jalan raya berfungsi untuk menghubungkan antar satu tempat dengan tempat lainnya. Setiap jalan raya memiliki lebar dan pembagian jalur yang berbeda-beda disesuaikan dengan jumlah pengguna yang melintas. K-Means merupakan suatu metode yang sering digunakan untuk pengelompokkan data. Namun K-means saja tidak cukup untuk melakukan pengelompokkan jalan raya karena K-means membutuhkan jumlah cluster yang pasti. maka dari itu, dikembangkan suatu metode Dynamic dengan menggunakan K-Means dan Particle Swarm Optimization (PSO) untuk mencari jumlah optimal. Algoritma PSO digunakan untuk mencari Jumlah yang optimal sementara K-Means digunakan untuk menghitung hasil terbaik. Uji coba dilakukan dengan menggunakan uji parameter dan uji skenario berdasarkan jenis kendaraan. Uji parameter dimaksudkan untuk mencari nilai optimal ambang batas dan konstanta dari dari algoritma PSO. Uji skenario berdasarkan jenis kendaraan dibagi menjadi dua yakni dan di dalam rentang waktu tertentu. Hasil dari uji coba yang dilakukan adalah setiap yang terbentuk di dalam subskenario memiliki anggota yang selalu berubah-ubah berdasarkan kedekatan selisih jumlah kendaraan. Kata Kunci K-Means, Dynamic, Particle Swarm Optimization. I. PENDAHULUAN Jalan raya merupakan salah satu fasilitas umum yang sangat penting dan paling sering digunakan oleh masyarakat umum sehari-hari. Hal ini dikarenakan jalan raya berfungsi sebagai penghubung antara tempat yang satu dengan yang lainnya[1]. Setiap jalan raya memiliki lebar dan pembagian jalur yang berbeda-beda tergantung jumlah pengguna kendaraan yang ada. Pencarian persamaan karakteristik jalan raya ini akan memberikan informasi mengenai tingkat kemacetan yang ada, serta memberikan pengetahuan terkait dengan pengawasan oleh pihak berwenang terhadap kondisi jalan raya. Informasi ini berguna baik bagi masyarakat yakni dapat memilih jalan raya lainnya apabila jalan yang akan mereka lintasi sedang macet dan di sisi lain informasi ini efektif untuk melakukan efisiensi sumber daya manusia bagi pihak yang berwenang dalam mengatur lalu lintas khususnya jalan raya. Beberapa penelitian terkait jalan raya ini telah dilakukan sebelumnya, pada penelitian [2] yang telah dilakukan pada tahun 2006 di kota Melbourn Australia. Penelitian ini menghasilkan kesimpulan bahwasannya kemacetan di kota tersebut terus meningkat dalam tahun terakhir. Metode yang digunakan untuk penelitian ini adalah metode Proiristing And Assessing Expansion Initiatives Relating To Congestion. Penelitian lainnya terkait pencarian tingkat kemacetan yakni pengaplikasian metode L-Shapes and Z-Shapes Net [3]. Metode ini diimplementasikan untuk mencari probabilistik kemacetan yang akan terjadi. Hasil yang didapatkan dari percobaan ini dinilai cukup baik. Makalah ini membahas mengenai implementasi algoritma Dynamic di mana di dalam algoritma ini pembentukan menggunakan Particle Swarm Optimization dan K- Means dan Davies Bouldin-Index untuk mengevaluasi hasil. II. ULASAN ALGORITMA A. Algoritma K-Means K-Means merupakan salah satu metode yang digunakan untuk menganalisis data ataupun proses permodelan untuk Unsupervised Data[4]. Metode K-Means digunakan untuk mengelompokkan data dengan cara memartisi sejumlah data yang besar menjadi beberapa kelompok yang memiliki karakteristik yang sama. Adapun yang dimaksud dengan karakteristik yang sama yakni dari sisi kuantitas data. Metode ini berusaha untuk meminimalkan variasi antar data yang ada di dalam dengan data yang ada di dalam. Setiap yang ada, memiliki syarat yakni tidak berisikan himpunan kosong. Selain itu pula, suatu anggota tidak mungkin berisikan data yang duplikat. Maka dari itu, setiap berisikan minimal satu anggota saja dan tidak menjadi anggota di lainnya. Di dalam algoritma K-Means, setiap sekumpulan data dipilih satu diantaranya untuk menjadi pusat dari kumpulan data tersebut yang kemudian disebut sebagai Centroid. Centroid berfungsi sebagai titik pusat nilai dalam kumpulan data, di mana jumlah centroid dapat bernilai 1 ataupun sama dengan jumlah data yang ada pada kumpulan data tersebut.
2 2 Di dalam pembentukan kelompok baru dengan variasi data lebih sedikit daripada kumpulan data yang sebelumnya, algoritma K-Means menggunakan metode Euclidean Distance(1) untuk mengukur selisih antar masing-masing data. Hasil pengukuran data ini kemudian menjadi dasar untuk melakukan pengelompokkan. Data dengan selisih nilai terkecil dengan centroid yang ada kemudian akan menjadi satu. d p 2 i, j { X ik X jk} k 1 (1) Dimana nilai d i,j merupakan nilai hasil selisih antara data ke i dan j, p merupakan jumlah data yang ada, X ik merupakan data ke i pada data ke k dan X jk merupakan data ke j pada data ke k,atau yang disebut dengan Centroid. B. Particle Swarm Optimization Particle Swarm Optimization (PSO) merupakan teknik optimasi berdasarkan populasi yang terinspirasi dari prilaku sosial dan kawanan burung ataupun sekelompok ikan yang sedang mencari makan[]. PSO pertama kali diperkenalkan oleh J.Kennedy dan R.Eberhart pada tahun 199. PSO sebagai alat optimasi menyediakan prosedur pencarian berbasis populasi dimana masing-masing individu yang disebut sebagai partikel mengubah posisinya terhadap waktu. Masing-masing partikel bergerak mengitari ruang solusi dan menyesuaikan posisinya berdasarkan pengalaman sebelumnya secara bersama-sama sebagai kelompok kawanan (swarm). Setiap partikel berisikan kemungkinan solusi jumlah paling optimal yang ada {C 1, C 2,...,C ki }. Ki merupakan jumlah pada partikel ke i dan dan nilainya berada pada nilai rentang minimum dan maksimum yang terbentuk. Setiap partikel pada algoritma PSO memiliki dua hal penting, yakni posisi (x 1,x 2,...,x n ) dan kecepatan (v 1,v 2,...,v n ) dimana n merupakan jumlah partikel yang ada di dalam swarm. Di dalam algoritma PSO kecepatan dan posisi partikel diinisiasi dengan nilai random tertentu. Selanjutnya nilai kecepatan(2) dan posisi(3) akan dihitung melalui fungsi objektif. Y Y V t 1 t t 1 i i i Sementara di dalam persamaan untuk menghitung posisi t 1 partikel terdapat variabel Yi merupakan nilai posisi partikel t i pada iterasi t+1, Yi merupakan nilai posisi partikel ke i pada t 1 iterasi ke t dan Vi merupakan nilai kecepatan partikel ke i pada iterasi ke t+1. Mula-mula setiap partikel diinisiasi untuk bergerak secara acak dengan nilai kecepatan dan posisi diantara rentang nilai -1 dan 1. Selanjutnya di dalam pergerakannya setiap partikel akan menghasilkan nilai kecepatan dan posisi baru. dari posisi baru dari setiap partikel yang ada dan yang didapat ini kemudian dievaluasi. Jika nilai evaluasi dari partikel ini melebihi nilai ambang batas α, maka nilai tersebut termasuk ke dalam pencarian nilai lokal terbaik atau yang disebut sebagai Pbest (4) atau nilai kandidat partikel pencarian Global terbaik atau yang disebut dengan Gbest. Jika tidak, maka nilai tersebut akan diset dengan -1 dan tidak dianggap sebagai kandidat ruang pencarian terbaik partikel (). C. Davies-Bouldin Index Davies-Bouldin Index (DB Index) merupakan salah satu metode yang digunakan untuk mengevaluasi hasil dari setiap [6]. Metode ini pertama kali diusulkan oleh David L. Davies dan Donald W.Bouldin pada tahun Evaluasi menggunakan DB Index ini memiliki skema evaluasi internal, dimana baik atau tidaknya hasil dilihat dari kunatitas dan kedekatan antar data hasil. Di dalam peranannya sebagai metode untuk mengevaluasi hasil luaran, metode DB Index ini sekaligus menjadi nilai untuk menentukan apakah partikel yang dievaluasi menjadi Gbest atau bukan. Persamaan dalam menghitung DB Index (6) ini menghasilkan nilai paling optimum, yakni nilai yang terkecil yang dihasilkan oleh persamaan (7). (3) (4) () (2) k i 1 max j i (6) Dimana merupakan nilai kecepatan pada iterasi ke t+1 dan partikel i. dari merupakan nilai bobot dari iterasi ke t+1, merupakan nilai kecepatan pada iterasi ke t, c1 merupakan nilai dari konstantan kenaikan kecepatan, rand() merupakan fungsi dari nilai acak dari 0 hingga 1, nilai posisi partikel ke i pada iterasi ke t dan c2 merupakan nilai dari konstanta kenaikan nilai posisi. D i,j (di d j) d i,j Di mana DB merupakan nilai DB Index, k merupakan jumlah, D i,j merupakan nilai dari jarak antara i dan j dan d i dan d j merupakan jarak ratarata antara data yang ada di i dan j sementara (7)
3 3 d i,j merupakan nilai dari jarak antara centroid pada ke i dan j. III. HASIL UJI COBA Pada bab ini dijelaskan skenario uji coba yang dilakukan dan hasil yang didapatkan. Uji coba yang dilakukan melibatkan 40 data jalan raya baik pada hari libur maupun hari efektif kerja. Terdapat tiga uji coba yang telah dilakukan di dalam pengerjaan makalah ini. Adapun skenario uji coba tersebut adalah pengujian terhadap konstanta kenaikan kecepatan partikel dan konstanta kenaikan posisi partikel, yang kedua adalah pengujian terhadap nilai ambang batas partikel, dan yang ketiga adalah pengujian kualitas fungsi parameter. A. Pengujian Terhadap Konstanta Kenaikan Kecepatan dan Posisi Partikel Pengujian ini bertujuan untuk mencari kombinasi paling optimal untuk mengisi konstanta kenaikan kecepatan dan posisi partikel. Dalam pengujian ini digunakan pemilihan rentang waktu secara acak. Hasil dari uji coba ini di tunjukkan oleh Tabel 1. Di dalam pemilihan nilai terbaiknya, hasil evaluasi dengan menggunakan DB Index terkecil merupakan nilai konstanta terbaik yang akan dipilih. Pada Tabel 1, di dapatkan untuk jumlah minimum dan maksimum, nilai paling optimal adalah 0, dan 0, B. Uji Coba Ambang Batas Partikel Terbaik Uji coba ini bertujuan untuk mendapatkan nilai optimal terkait nilai pada ambang batas partikel. nilai ini peranannya sangat penting di dalam pencarian ruang solusi terhadap posisi yang dihasilkan partikel dan pencarian kombinasi cluster terbaik terhadap partikel. Hasil percobaan untuk skenario ini ditampilkan pada Tabel 2. Dalam uji coba ini, uji skenario yang dilakukan melibatkan parameter yang sama pada uji skenario pertama yakni jumlah minimum dan jumlah maksimum serta fungsi sevaluasi mengunakan DB Index. Diberikan nilai uji coba yang ada pada Tabel 2. Pada tabel tersebut nilai 0,73172 merupakan nilai paling optimal dengan nilai evaluasinya sebesar 0,062. C. Pengujian Kualitas Fungsi Parameter Setelah mendapatkan kombinasi nilai terbaik untuk konstanta kenaikan kecepatan dan posisi serta nilai ambang batas untuk posisi partikel, maka selanjutnya dilakukan uji coba terhadap kualitas nilai hasil uji coba tersebut. Sebelumnya telah ditentukan tentang data uji coba yang akan digunakan. Data uji coba ini meliputi 40 data jalan raya selama 1 tahun yang di dapat dari pengamatan langsung dan pembangkitan bilangan acak. Pengamatan secara langsung dilakukan untuk mencari persebaran pola data dan sementara pembangkitan data dilakukan untuk melengkapi data selama satu tahun. Pada Tabel 3 dan Tabel 4 diberikan skenario uji coba dengan rentang waktu yang berbeda. Pada Tabel 3 waktu yang ditentukan adalah hari efektif dan Tabel 4 pada hari libur. Tabel 1. Tabel Hasil Uji Coba Pengujian Konstanta Kenaikan Kecepatan Dan Posisi Miniumm Maksimum Konstanta Kenaikan Kecepatan (c1) Konstanta Kenaikan Posisi (c2) Hasil Evaluasi 1 0, , , , , , ,179 0, , , , ,1240 0, , ,48 6 0, ,8121 0, ,6173 0, , , , , , , ,1161 0, , , Tabel 2. Tabel Hasil Uji Coba Ambang Batas Partikel Minimum Maksimum Pengujian Ambang Batas 0, , , , , , , , , Tabel 3. Tabel Uji Skenario Pertama Pada Hari Efektif Kerja Nama Subskenario Jenis Kendaraan Rentang Waktu Skenario Pagi Mobil.-.20 Skenario Siang Mobil Skenario Sore Mobil Skenario Malam Mobil Skenario Pagi Motor.-.20 Skenario Siang Motor Skenario Sore Motor Skenario Malam Motor Tabel 4. Tabel Uji Skenario Kedua Pada Hari Libur Kerja Nama Subskenario Jenis Kendaraan Rentang Waktu Skenario Pagi Mobil Skenario Siang Mobil Skenario Sore Mobil Skenario Malam Mobil Skenario Pagi Motor Skenario Siang Motor Skenario Sore Motor Skenario Malam Motor Tabel. Tabel Pengisian Parameter Jumlah partikel Iterasi Maksimal c1 0, c2 0,76333 W 1 Α 0, Evaluasi
4 4 Jumlah Minimum Jumlah Maksimum Tabel 6. Tabel Hasil Pengujian Evaluasi Parameter Nama Skenario 1 Skenario pagi pada hari kendaraan 2 Skenario siang pada hari kendaraan 3 Skenario sore pada hari kendaraan 4 Skenario malam pada hari kendaraan Skenario pagi pada hari kendaraan 6 Skenario siang pada hari kendaraan 7 Skenario sore pada hari kendaraan 8 Skenario malam pada hari kendaraan 9 Skenario pagi pada hari Skenario siang pada hari 11 Skenario sore pada hari 12 Skenario malam pada hari 13 Skenario pagi pada hari 14 Skenario siang pada hari 1 Skenario sore pada hari 16 Skenario malam pada hari Jumlah Terbentuk Evaluasi Hasil Tabel 7. Tabel Hasil Jalan Raya Pada Pagi Hari Efektif Untuk Jenis Kendaraan Motor DB Index Terbaik Arjuno, Bulak Banteng, Kalianyar, Kembang Jepun, Ketintang, Menganti Lidah Kulon, Menganti, Mercon Jimerto,Randu 1 Deles, Kalimas Barat, Kertajaya, Kusuma Bangsa, Mulyosari 2 Ahmadyani, Ambengan, Arief Rahman Hakim, Basuki Rahmat, Dharmahusada, Ir.Soekarno, Jagir Wonokromo, Kedungcowek, Kenjeran, Manyar Kertoarjo, DB Index Terbaik Mastrip, Mayjen Sungkono, Nginden, Raya Dupak, Raya ITS, Rungkut Industri 3 Jemursari, Ngagel, Rajawali 4 Darmo, Indrapura Kapasari, Mulyorejo, Prof.Dr.Mestopo, Raya Menur Tambaksari Tabel 8. Tabel Hasil Jalan Raya Pada Siang Hari Efektif Untuk Jenis Kendaraan Motor DB Index Terbaik Ahmadyani, Arief Rahman Hakim, Arjuno, Bulak Banteng, Deles, Jemursari, Ketintang, Manyar Kertoarjo, Mulyorejo, Tambaksari 1 Darmo, Dharmahusada, Indrapura, Jagir Wonokromo, Raya Dupak 2 Ambengan, Kalianyar, Kalimas Barat, Menganti Lidah Kulon, Menganti, Mercon Jimerto, Mulyosari, Ngagel 3 Kapasari, Kembang Jepun 4 Basuki Rahmat, Ir.Soekarno, Kedungcowek, Kenjeran, Kertajaya, Kusuma Bangsa, Mastrip, Mayjen Sungkono, Nginden, Prof.Dr.Mestopo, Rajawali, Randu, Raya ITS, Raya Menur, Rungkut Industri Pada uji coba ini parameter parameter yang digunakan tercantum pada Tabel. Sementara untuk hasil pada sknerio Tabel 3 dan Tabel 4 ditunjukkan oleh Tabel 6. Terlihat pada Tabel 6 bahwa pada 16 kondisi yang berbeda baik waktu maupun jenis kendaraan, memperlihatkan jumlah yang terbentuk tidak selalu sama antara kondisi satu dengan kondisi yang lain, begitu juga dengan nilai evaluasi yang dihasilkan. Antara satu dengan yang lainnya memiliki perbedaan. Di dalam proses pembentukan antara jalan raya yang satu dengan jalan raya lainnya tidak memiliki kesamaan dan tidak memiliki ketergantungan. Setiap jalan raya dapat menjadi satu kelompok dengan yang lain di saat tertentu dan bisa tidak menjadi satu kelompok di saat yang lainnya juga. Sebagai contoh Tabel 7 dan Tabel 8 dengan jenis hari dan kendaraan yang sama maka dibuktikan bahwa antara jalan yang satu dengan yang lainnya tidak memiliki ketergantungan. Tabel 7 dan Tabel 8 memiliki kesamaan dalam hal jenis kendaraan, jenis hari dan jumlah yang terbentuk yakni. Namun bukan berarti setiap yang terbentuk pada kedua skenario tersebut memiliki anggota yang sama. Salah satu contohnya adalah ketika jalan raya Deles pada Tabel 7 masuk ke dalam indeks 1 atau dalam kedua, namun pada Tabel 8 jalan raya Deles termasuk ke dalam yang berbeda yakni pada indeks 0 atau pertama.
5 IV. KESIMPULAN DAN SARAN Berdasarkan hasil uji coba yang telah dilakukan, terdapat beberapa kesimpulan yang bisa diambil, yaitu: 1) Pada Particle Swarm Optimization optimasi untuk nilai keonstanta nilai kenaikan kecepatan dan posisi partikel memberikan dampak yang cukup signifikan terhadap nilai evaluasi yang didapatkan. 2) Di dalam algoritma Particle Swarm Optimization (PSO) nilai ambang batas memiliki pengaruh yang cukup signifikan terhadap nilai evaluasi yang didapatkan. 3) Dengan skenario uji coba yang berbeda-beda, setiap jalan raya tidak selalu berada pada kondisi yang sama dan identik serta tidak memiliki ketergantungan antara jalan yang satu dengan yang lainnya. Adapun saran yang dapat dipertimbangkan untuk pengembangan atau penelitian lebih lanjut adalah sebagai berikut : 1) Data uji coba yang digunakan bukanlah data yang merupakan data pembangkitan namun data yang benarbenar diambil dari jalan raya. 2) Menambahkan informasi-informasi penting lainnya ke dalam data uji coba seperti kondisi cuaca, keberadaan lampu lalu lntas dan lain sebagainya. UCAPAN TERIMA KASIH Puji syukur kepada Tuhan atas karya keselamatannya dan karena kasihnya sehingga penulis dapat menyelesaikan Penilitian ini. Penulis juga mengucapkan terima kasih kepada Bapak Joko Lianto Buliali dan Ibu Diana Purwitasari yang telah membantu penulis dalam menyelesaikan penelitian ini dengan lancar. Penulis juga mengucapkan terima kasih kepada pihak-pihak lain yang turut membantu kelancaran penelitian ini. DAFTAR PUSTAKA [1] academia, [Online].Available: 20 Mei 2014]. [2] Vedat Topuz (20). Hourly Traffic Flow Prediction Using Different ANN Models, Urban Transport and Hybrid Vehicles, Seref Soylu (Ed.), ISBN: , InTech,. [3] J. Westra, C. Bartels and P. Groeneveld, "Probabilistic Congestion Prediction," ACM, pp , [4] D. S. Sani Susanto, Pengantar Data Mining, Bandung: ANDI Yogyakarta, 20 [] R. Ebenhart and James kennedy, "Particle Swarm Optimization," vol. 3, pp , 199. [6] Y. Kao and S.-Y. Lee, "Combining K-Means and Particle Swarm Optimization for Dynamic CLUSTER Problems," Intelligent Computing and Intelligent Systems, ICIS 2009, vol. 1, pp , 2009.
ALGORITMA KOMPUTASI CERDAS UNTUK PREDIKSI JUMLAH PENGGUNA KENDARAAN SEBAGAI INDIKATOR RAWAN MACET
ALGORITMA KOMPUTASI CERDAS UNTUK PREDIKSI JUMLAH PENGGUNA KENDARAAN SEBAGAI INDIKATOR RAWAN MACET Diana Purwitasari, Gregorius Edward, Tsabbit Aqdami Mukhtar, Joko Lianto Buliali Teknik Informatika, Fakultas
Lebih terperinciDynamic Optimal Power Flow dengan kurva biaya pembangkitan tidak mulus menggunakan Particle Swarm Optimization
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) B-24 Dynamic Optimal Power Flow dengan kurva biaya pembangkitan tidak mulus menggunakan Particle Swarm Optimization Afif Nur
Lebih terperinciBAB I PENDAHULUAN. teliti. Sehingga tidak terjadi bentrok baik antar mata pelajaran, guru, kelas
1 BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan merupakan salah satu hal terpenting dalam suatu lembaga pendidikan, begitu juga untuk lingkup Sekolah Menengah Kejuruan (SMK). Penjadwalan pelajaran pada
Lebih terperinciBAB VI KESIMPULAN DAN SARAN
129 6.1 KESIMPULAN BAB VI KESIMPULAN DAN SARAN Dengan dioperasikannya Rumah Sakit Pendidikan Universitas Airlangga menyebabkan terjadinya tarikan dan bangkitan perjalanan dari beberapa daerah di sekitar
Lebih terperinci1BAB I PENDAHULUAN 1.1 Latar Belakang Masalah
1BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Clustering merupakan sebuah teknik pemrosesan data yang digunakan untuk menemukan pola-pola tersembunyi pada kumpulan data (Žalik, 2008). Clustering telah
Lebih terperinciRekonfigurasi jaring distribusi untuk meningkatkan indeks keandalan dengan mengurangi rugi daya nyata pada sistem distribusi Surabaya.
Rekonfigurasi jaring distribusi untuk meningkatkan indeks keandalan dengan mengurangi rugi daya nyata pada sistem distribusi Surabaya. RIZKIANANTO WARDANA M Misbach Fachri 2207100038 Sistem Tenaga Listrik
Lebih terperinciPENENTUAN JALUR TERPENDEK PADA APLIKASI OJEK ONLINE GO-JEK DENGAN PROBABILISTIC NEURAL NETWORK (PNN) DAN PARTICLE SWARM OPTIMIZATION (PSO)
PENENTUAN JALUR TERPENDEK PADA APLIKASI OJEK ONLINE GO-JEK DENGAN PROBABILISTIC NEURAL NETWORK (PNN) DAN PARTICLE SWARM OPTIMIZATION (PSO) Levina Fitri Rahmawati, Isnandar Slamet, dan Diari Indriati Program
Lebih terperinciPenerapan Algoritma Greedy pada Optimasi Pengaturan Lampu Lalu Lintas Sederhana
Penerapan Algoritma Greedy pada Optimasi Pengaturan Lampu Lalu Lintas Sederhana Rocky Hartono 1, Devis Wawan Saputra 2, Joel THP Hutasoit 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika,
Lebih terperinciMENEMUKAN AKAR PERSAMAAN POLINOMIAL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION
MENEMUKAN AKAR PERSAMAAN POLINOMIAL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION Oei,EdwinWicaksonoDarmawan, Suyanto Edward Antonius, Ir., M.Sc, Program Studi Teknik Informatika Universitas Katolik Soegijapranata
Lebih terperinciANALISA KAPASITAS RUAS JALAN DAN SIMPANG UNTUK PERSIAPAN BUS RAPID TRANSIT (BRT) KORIDOR TIMUR - BARAT
ANALISA KAPASITAS RUAS JALAN DAN SIMPANG UNTUK PERSIAPAN BUS RAPID TRANSIT (BRT) KORIDOR TIMUR - BARAT S U R A B A Y A Oleh : ADITYA PUTRANTONO 3108.100.639 OKTOBER 2010 DEFINISI Bus Rapid Transit (BRT)
Lebih terperinciBAB II TINJAUAN PUSTAKA. Job shop scheduling problem (JSSP) adalah permasalahan optimasi
BAB II TINJAUAN PUSTAKA 2.1 Job Shop Scheduling Problem (JSSP) Job shop scheduling problem (JSSP) adalah permasalahan optimasi kombinatorial. Misalkan terdapat n buah job atau pekerjaan, yaitu J 1, J 2,,
Lebih terperinciAplikasi GIS Berbasis J2ME Pencarian Jalur Terpendek Menggunakan Algoritma Particle Swarm Optimization (PSO) Di Kabupaten Bangkalan
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Aplikasi GIS Berbasis J2ME Pencarian Jalur Terpendek
Lebih terperinciPengenalan Pola. K-Means Clustering
Pengenalan Pola K-Means Clustering PTIIK - 2014 Course Contents 1 Definisi k-means 2 Algoritma k-means 3 Studi Kasus 4 Latihan dan Diskusi K-Means Clustering K-Means merupakan salah satu metode pengelompokan
Lebih terperinciOptimasi Site Layout Menggunakan Multi-Objectives Function pada Proyek Pembangunan Transmart Rungkut Surabaya
JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: 2337-3539 (2301-9271 Print) C-22 Optimasi Layout Menggunakan Multi-Objectives Function pada Proyek Pembangunan Transmart Rungkut Surabaya Handi Destianno Adhika
Lebih terperinciUnit Commitment Pada Sistem Pembangkitan Tenaga Angin Untuk Mengurangi Emisi Dengan Menggunakan Particle Swarm Optimization
B223 Unit Commitment Pada Sistem Pembangkitan Tenaga Angin Untuk Mengurangi Emisi Dengan Menggunakan Particle Swarm Optimization Muhammad Arindra, Rony Seto Wibowo, dan Dedet Candra Riawan Jurusan Teknik
Lebih terperinciSISTEM INFORMASI GEOGRAFIS KEPADATAN LALU LINTAS DAN DAERAH RAWAN KECELAKAAN KOTA SURABAYA
SISTEM INFORMASI GEOGRAFIS KEPADATAN LALU LINTAS DAN DAERAH RAWAN KECELAKAAN KOTA SURABAYA Witarjo 1, Arna Fariza 2, Arif Basofi 2 Mahasiswa Jurusan Teknik Informatika 1, Dosen Pembimbing 2 Politeknik
Lebih terperinciPENERAPAN ALGORITMA K-MEANS UNTUK MENETAPKAN KELOMPOK MUTU KARET
PENERAPAN ALGORITMA K-MEANS UNTUK MENETAPKAN KELOMPOK MUTU KARET Handi Kurniawan Sohdianata 1, Sushermanto 2 Jurusan Teknik Informatika STMIK Banjarbaru 1, Jurusan Sistem Informasi STMIK Banjarbaru 2 Jl.
Lebih terperinciAnalisa Dampak Lalu Lintas Terhadap Kinerja Simpang dan Ruas Jalan Akibat Pembangunan Apartemen Guna Wangsa Di Kawasan Menur Surabaya
Analisa Dampak Lalu Lintas Terhadap Kinerja Simpang dan Ruas Jalan Akibat Pembangunan Apartemen Guna Wangsa Di Kawasan Menur Surabaya Ir. Rachmad Basuki, MS. Indah Puji Lestari Institut Teknologi Sepuluh
Lebih terperinciJURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print)
JURNAL TEKNIK ITS Vol. 5, No. 2, (216) ISSN: 2337-3539 (231-9271 Print) B27 Optimasi Aliran Daya Satu Phasa Pada Sistem Distribusi Radial 33 Bus IEEE dan Sistem Kelistrikan PT. Semen Indonesia Aceh Untuk
Lebih terperinciBAB II TINJAUAN PUSTAKA. 2.1 Optimasi Berbasis Particle Swarm
BAB II TINJAUAN PUSTAKA Bab ini akan menjelaskan landasan teori yang digunakan dalam pengerjaan tugas akhir. Pada dasarnya ada 2 buah varian PSO yang akan digunakan, yaitu optimasi berbasis particle swarm
Lebih terperinciOptimasi Pencarian Jalur Lalu Lintas Antar Kota di Jawa Timur dengan Algoritma Hybrid Fuzzy-Floyd Warshall
165 Optimasi Pencarian Jalur Lalu Lintas Antar Kota di Jawa Timur dengan Algoritma Hybrid Fuzzy-Floyd Warshall Imam Khairi, Erni Yudaningtyas, Harry Soekotjo Dachlan AbstrakSistem pencarian jalur yang
Lebih terperinciPERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK
Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan
Lebih terperinciPERANCANGAN ALGORITMA BELAJAR JARINGAN SYARAF TIRUAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO)
Jurnal POROS TEKNIK, Volume 5, No. 1, Juni 2013 : 18-23 PERANCANGAN ALGORITMA BELAJAR JARINGAN SYARAF TIRUAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik
Lebih terperinciPerencanaan Trase Tram Sebagai Moda Transportasi Terintegrasi Untuk Surabaya Pusat
Perencanaan Trase Tram Sebagai Moda Transportasi Terintegrasi Untuk Surabaya Pusat Ryan Faza Prasetyo, Ir. Wahyu Herijanto, MT Jurusan Teknik Sipil, Fakultas Teknik Sipil dan Perencanaan, Institut Teknologi
Lebih terperinciPenyelesaian 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 terperinciPENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION
PENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION Fiqihesa Putamawa 1), Budi Santosa 2) dan Nurhadi Siswanto 3) 1) Program Pascasarjana
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Clustering adalah proses di dalam mencari dan mengelompokkan data yang memiliki kemiripan karakteristik (similarity) antara satu data dengan data yang lain. Clustering
Lebih terperinciDynamic Optimal Power Flow Mempertimbangkan Carbon Capture And Storage Plants Menggunakan Metode Multi-Objective Particle Swarm Optimization
B251 Dynamic Optimal Power Flow Mempertimbangkan Carbon Capture And Storage Plants Menggunakan Metode Multi-Objective Particle Swarm Optimization Yauri Mahaputra, Rony Seto Wibowo, Ni Ketut Aryani Jurusan
Lebih terperinciOptimisasi Injeksi Daya Aktif dan Reaktif Dalam Penempatan Distributed Generator (DG) Menggunakan Fuzzy - Particle Swarm Optimization (FPSO)
TESIS Optimisasi Injeksi Daya Aktif dan Reaktif Dalam Penempatan Distributed Generator (DG) Menggunakan Fuzzy - Particle Swarm Optimization (FPSO) Dosen Pembimbing : Prof. Ir. Mochamad Ashari, M.Eng. Ph.D
Lebih terperinciWALIKOTA SURABAYA PROVINSI JAWA TIMUR
WALIKOTA SURABAYA PROVINSI JAWA TIMUR SALINAN PERATURAN WALIKOTA SURABAYA NOMOR 1 TAHUN 2017 TENTANG PENYELENGGARAAN HARI BEBAS KENDARAAN BERMOTOR DENGAN RAHMAT TUHAN YANG MAHA ESA WALIKOTA SURABAYA, Menimbang
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 terperinciWALIKOTA SURABAYA PROVINSI JAWA TIMUR
SALINAN WALIKOTA SURABAYA PROVINSI JAWA TIMUR PERATURAN WALIKOTA SURABAYA NOMOR 24 TAHUN 2014 TENTANG PERUBAHAN ATAS PERATURAN WALIKOTA SURABAYA NOMOR 74 TAHUN 2013 TENTANG PENYELENGGARAAN HARI BEBAS KENDARAAN
Lebih terperinciRencana Pengembangan Jaringan Jalan No. RencanaJaringanJalan Keterangan RencanaTahap I RencanaTahap II 1 Fungsi Arteri Primer Jl. Lingkar Luar Barat
LAMPIRAN I PERATURAN DAERAH KOTA SURABAYA NOMOR : TANGGAL : Rencana Pengembangan Jaringan Jalan No. RencanaJaringanJalan Keterangan RencanaTahap I RencanaTahap II 1 Fungsi Arteri Primer Jl. Lingkar Luar
Lebih terperinciManajemen Lalu Lintas Akibat Pembangunan Surabaya Organ Transplant Center (SOTC) RSUD Dr. Soetomo Surabaya
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Manajemen Lalu Lintas Akibat Pembangunan Surabaya Organ Transplant Center (SOTC) RSUD Dr. Soetomo Surabaya Megasari Prasetya, Cahya Buana Jurusan Teknik
Lebih terperinciRekonfigurasi Jaring Distribusi untuk Meminimalkan Kerugian Daya menggunakan Particle Swarm Optimization
Rekonfigurasi Jaring Distribusi untuk Meminimalkan Kerugian Daya menggunakan Particle Swarm Optimization Stephan, Adi Soeprijanto Fakultas Teknologi Industri Jurusan Teknik Elektro Program Studi Teknik
Lebih terperinciTraffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel
1 Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel Andi Muhammad Ali Mahdi Akbar, Arief Kurniawan, Ahmad Zaini Jurusan Teknik Elektro, Fakultas Teknik Industri Institut
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Aplikasi Pewarnaan Graf Fuzzy untuk Mengklasifikasi Jalur Lalu Lintas di Persimpangan Jalan Insinyur Soekarno Surabaya Sulastri,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB TINJAUAN PUSTAKA DAN DASAR TEORI.1. Penelitian Terdahulu Archetti et al. (009) menggunakan sebuah metode eksak yaitu branch-and-price scheme dan dua metode metaheuristics yaitu algoritma Variable Neighborhood
Lebih terperinciPemanfaatan Algoritma FCM Dalam Pengelompokan Kinerja Akademik Mahasiswa
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Pemanfaatan Algoritma FCM Dalam Pengelompokan Kinerja Akademik Mahasiswa Aidina Ristyawan 1), Kusrini 2), Andi Sunyoto
Lebih terperinciDETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA
DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA Akmal Hidayat 1) & Entin Martiana 2) 1) Teknik Elektro Politeknik Bengkalis Jl.
Lebih terperinciDaftar Alamat & Nama SMPN dan SMAN se Surabaya
Daftar Alamat & Nama SMPN dan SMAN se Surabaya Berikut dibawah ini adalah daftar nama, alamat dan no telpon SMP dan SMA Negeri yang ada di surabaya. SMP Negeri 1 Surabaya o Alamat : Jl Pacar No 4-6 Surabaya
Lebih terperinciPERBANDINGAN KINERJA METODE K-HARMONIC MEANS DAN PARTICLE SWARM OPTIMIZATION UNTUK KLASTERISASI DATA
PERBANDINGAN KINERJA METODE K-HARMONIC MEANS DAN PARTICLE SWARM OPTIMIZATION UNTUK KLASTERISASI DATA Ahmad Saikhu, Yoke Okta 2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciPenentuan Komposisi Pakan Ternak untuk Memenuhi Kebutuhan Nutrisi Ayam Petelur dengan Biaya Minimum Menggunakan Particle Swarm Optimization (PSO)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1642-1651 http://j-ptiik.ub.ac.id Penentuan Komposisi Pakan Ternak untuk Memenuhi Kebutuhan
Lebih terperinciSWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm
Lebih terperinciKLASTERISASI PROSES SELEKSI PEMAIN MENGGUNAKAN ALGORITMA K-MEANS
1 KLASTERISASI PROSES SELEKSI PEMAIN MENGGUNAKAN ALGORITMA K-MEANS (Study Kasus : Tim Hockey Kabupaten Kendal) Alith Fajar Muhammad Jurusan Teknik Informatika FIK UDINUS, Jl. Nakula No. 5-11 Semarang-50131
Lebih terperinciIMPLEMENTASI ALGORITMA PARTICLE SWARM OPTIMIZATION UNTUK OPTIMASI PENGANTARAN BARANG (Studi Kasus : PT.Pos Indonesia, Kota Tanjungpinang)
IMPLEMENTASI ALGORITMA PARTICLE SWARM OPTIMIZATION UNTUK OPTIMASI PENGANTARAN BARANG (Studi Kasus : PT.Pos Indonesia, Kota Tanjungpinang) Ririn Anggraini Mahasiswa Teknik Informatika, FT UMRAH (ririnumrah@gmail.com)
Lebih terperinciAditya Putrantono Jurusan Teknik Sipil Fakultas Teknik Sipil Dan Perencanaan Institut Teknologi Sepuluh Nopember
ANALISA KAPASITAS RUAS JALAN DAN SIMPANG UNTUK PERSIAPAN BUS RAPID TRANSIT (BRT) KORIDOR TIMUR - BARAT SURABAYA (STUDI KASUS JL.KERTAJAYA INDAH S/D JL.KERTAJAYA) Aditya Putrantono Jurusan Teknik Sipil
Lebih terperinciSEMINAR TUGAS AKHIR. Aplikasi Aljabar Max-Plus Pada Pemodelan Dan Penjadwalan Busway Yang Diintegrasikan Dengan Kereta Api Komuter
SEMINAR TUGAS AKHIR Aplikasi Aljabar Max-Plus Pada Pemodelan Dan Penjadwalan Busway Yang Diintegrasikan Dengan Kereta Api Komuter OLEH: Kistosil Fahim DOSEN PEMBIMBING: Dr. Subiono, M.Sc Subchan, M.Sc.,PhD
Lebih terperinciOptimasi (Unequal) Site Layout Menggunakan Multi-Objectives Function Pada Proyek Pembangunan Apartemen Puncak Kertajaya Surabaya
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Optimasi (Unequal) Site Layout Menggunakan Multi-Objectives Function Pada Proyek Pembangunan Apartemen Puncak Kertajaya Surabaya Daniel Tri Effendi, Tri
Lebih terperinciIdentifikasi Panjang Perjalanan Siswa Sekolah Dasar di Kota Surabaya
E47 Identifikasi Panjang Siswa Sekolah Dasar di Kota Surabaya Ayu Tarviana Dewi, Ketut Dewi Martha Erli Handayeni Jurusan Perencanaan Wilayah dan Kota, Fakultas Teknik Sipil dan Perencanaan, Institut Teknologi
Lebih terperinciRekonfigurasi jaring distribusi untuk meningkatkan indeks keandalan dengan mengurangi rugi daya nyata pada sistem distribusi Surabaya.
1 Rekonfigurasi jaring distribusi untuk meningkatkan indeks keandalan dengan mengurangi rugi daya nyata pada sistem distribusi Surabaya. M Fachri, Sjamsjul Anam Jurusan Teknik Elektro-FTI, Institut Teknologi
Lebih terperinciBAB II LANDASAN TEORI 2.1. Sistem Pendukung keputusan Pengertian keputusan Keputusan adalah suatu reaksi terhadap beberapa solusi alternative
BAB II LANDASAN TEORI 2.1. Sistem Pendukung keputusan 2.1.1. Pengertian keputusan Keputusan adalah suatu reaksi terhadap beberapa solusi alternative yang dilakukan secara sadar dengan menganalisa kemungkinan-kemungkinan
Lebih terperinciSTUDI PERBANDINGAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN ANT COLONY SYSTEM DALAM PEMECAHAN TRAVELLING SALESMAN PROBLEM
Seminar Nasional Aplikasi Teknologi Informasi (SNATI ) ISSN: `1907-5022 Yogyakarta, 19 Juni STUDI PERBANDINGAN ALGORITMA CHEAPEST INSERTION HEURISTIC DAN ANT COLONY SYSTEM DALAM PEMECAHAN TRAVELLING SALESMAN
Lebih terperinciSISTEM ALOKASI PENYIMPANAN BARANG PADA GUDANG
SISTEM ALOKASI PENYIMPANAN BARANG PADA GUDANG Achmad Hambali Jurusan Teknik Informatika PENS-ITS Kampus PENS-ITS Keputih Sukolilo Surabaya 60 Telp (+6)3-59780, 596, Fax. (+6)3-596 Email : lo7thdrag@ymail.co.id
Lebih terperinciANALISIS TEMPERATUR DAN ALIRAN UDARA PADA SISTEM TATA UDARA DI GERBONG KERETA API PENUMPANG KELAS EKONOMI DENGAN VARIASI BUKAAN JENDELA
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 ANALISIS TEMPERATUR DAN ALIRAN UDARA PADA SISTEM TATA UDARA DI GERBONG KERETA API PENUMPANG KELAS EKONOMI DENGAN VARIASI BUKAAN JENDELA Lustyyah Ulfa, Ridho
Lebih terperinciUJI KINERJA DAN SIMULASI PENENTUAN JARAK TERPENDEK DENGAN SIMULATED ANNEALING PADA SUHU TETAP DAN SUHU BERUBAH
UJI KINERJA DAN SIMULASI PENENTUAN JARAK TERPENDEK DENGAN SIMULATED ANNEALING PADA SUHU TETAP DAN SUHU BERUBAH Dian Savitri, S.Si, M.Si Jurusan Teknik Sipil Fakultas Teknik Unesa dee_11januari@yahoo.com
Lebih terperinciPENGELOMPOKAN KOLEKSI BUKU PERPUSTAKAAN BERDASARKAN LAMA PEMINJAMAN BUKU MENGGUNAKAN K-MEANS
PENGELOMPOKAN KOLEKSI BUKU PERPUSTAKAAN BERDASARKAN LAMA PEMINJAMAN BUKU MENGGUNAKAN K-MEANS SKRIPSI Diajukan untuk memenuhi salah satu syarat guna memperoleh gelar Sarjana Komputer (S.Kom.) Pada Program
Lebih terperinciBAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya
5 BAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya Traveling salesman problem (TSP) merupakan salah satu permasalahan yang telah sering diangkat dalam berbagai studi kasus dengan penerapan berbagai
Lebih terperinciOptimasi Parameter Kontroler PID Berbasis Particle Swarm Optimization untuk Pengendalian Kecepatan Motor Induksi Tiga Fase
Optimasi Parameter Kontroler PID Berbasis Particle Swarm Optimization untuk Pengendalian Kecepatan Motor Induksi Tiga Fase Suhartono Jurusan Teknik Elektro, Fakultas Teknologi Industri Institut Teknologi
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA Sumber-sumber yang digunakan dalam pembuatan tugas akhir, baik yang diambil dari buku, internet, maupun jurnal diuraikan secara terperinci pada Bab Tinjuan Pustaka. Konsep dan definisi
Lebih terperinciAplikasi Pewarnaan Graf Fuzzy untuk Mengklasifikasi Jalur Lalu Lintas di Persimpangan Jalan Insinyur Soekarno Surabaya
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) A-10 Aplikasi Pewarnaan Graf Fuzzy untuk Mengklasifikasi Jalur Lalu Lintas di Persimpangan Jalan Insinyur Soekarno Surabaya
Lebih terperinciMETODE CLUSTERING DENGAN ALGORITMA K-MEANS. Oleh : Nengah Widya Utami
METODE CLUSTERING DENGAN ALGORITMA K-MEANS Oleh : Nengah Widya Utami 1629101002 PROGRAM STUDI S2 ILMU KOMPUTER PROGRAM PASCASARJANA UNIVERSITAS PENDIDIKAN GANESHA SINGARAJA 2017 1. Definisi Clustering
Lebih terperinciOPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,
Lebih terperinci1 BAB III 2. 3 METODE PENELITIAN
14 1 BAB III 2. 3 METODE PENELITIAN 3.1 Sumber data Data yang digunakan dalam penelitian ini ialah data pengeluaran beban listrik harian sepanjang tahun 2008 sampai dengan tahun 2015 yang didapat dari
Lebih terperinciDAFTAR ISI... HALAMAN JUDUL... HALAMAN PENGESAHAN... HALAMAN PERNYATAAN... HALAMAN PERSEMBAHAN... PRAKATA... DAFTAR LAMBANG... DAFTAR GAMBAR...
DAFTAR ISI Halaman HALAMAN JUDUL... HALAMAN PENGESAHAN... HALAMAN PERNYATAAN... HALAMAN PERSEMBAHAN... PRAKATA... DAFTAR ISI... DAFTAR LAMBANG... DAFTAR GAMBAR... DAFTAR TABEL... INTISARI... ABSTRACT...
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 2 NO. 1 SEPTEMBER 2010
PERBANDINGAN METODE K-NEAREST NEIGHBOR (KNN) dan METODE NEAREST CLUSTER CLASSIFIER (NCC) DALAM PENGKLASIFIKASIAN KUALITAS BATIK TULIS Nesi Syafitri 1 ABSTRACT Various problem that are related to classification
Lebih terperinciPengendalian Jenis Kegiatan pada Koridor Jalan Bukit Darmo Boulevard Surabaya
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Pengendalian Jenis Kegiatan pada Koridor Jalan Bukit Darmo Boulevard Surabaya Satria Witaradya Pratama, dan Dosen Ir. Sardjito, MT Perencanaan Wilayah dan
Lebih terperinciEvaluasi Kinerja Jalan Arteri Primer Jalan Raya Yogya Solo Daerah Istimewa Yogyakarta
JURNAL TKNIK POMITS Vol.,., (0) - valuasi Kinerja Jalan Arteri Primer Jalan Raya Yogya Solo Daerah Istimewa Yogyakarta Mutiara Firdausi, Ir. Wahju Herijanto, M.T Jurusan Teknik Sipil, Fakultas Teknik Sipil
Lebih terperinciBAB III K-MEANS CLUSTERING. Analisis klaster merupakan salah satu teknik multivariat metode
BAB III K-MEANS CLUSTERING 3.1 Analisis Klaster Analisis klaster merupakan salah satu teknik multivariat metode interdependensi (saling ketergantungan). Oleh karena itu, dalam analisis klaster tidak ada
Lebih terperinciUsulan Rute Distribusi Tabung Gas Menggunakan Algoritma Ant Colony Systems di PT. Limas Raga Inti
Prosiding Seminar Nasional Teknoin 2012 ISBN No. 978-979-96964-3-9 Usulan Rute Distribusi Tabung Gas Menggunakan Algoritma Ant Colony Systems di PT. Limas Raga Inti Fifi Herni Mustofa 1), Hari Adianto
Lebih terperinciI. PENDAHULUAN. dalam melakukan kehidupan sehari-hari. Besar kecilnya beban serta perubahannya
I. PENDAHULUAN A. Latar Belakang Pada zaman sekarang, kelistrikan sudah menjadi salah satu hal terpenting dalam melakukan kehidupan sehari-hari. Besar kecilnya beban serta perubahannya tergantung pada
Lebih terperinciEVALUASI KORIDOR JALAN KARANGMENJANGAN JALAN RAYA NGINDEN SEBAGAI JALAN ARTERI SEKUNDER. Jalan Karangmenjangan Jalan Raya BAB I
EVALUASI KORIDOR JALAN KARANGMENJANGAN JALAN RAYA NGINDEN SEBAGAI JALAN ARTERI SEKUNDER BAB I PENDAHULUAN 1.1. Latar Belakang Jalan Karangmenjangan Jalan Raya Nginden jika dilihat berdasarkan Dinas PU
Lebih terperinciPENGOPTIMALAN UMPAN BALIK LINEAR QUADRATIC REGULATOR PADA LOAD FREQUENCY CONTROL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION
PENGOPTIMALAN UMPAN BALIK LINEAR QUADRATIC REGULATOR PADA LOAD FREQUENCY CONTROL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION Oleh : Febriana Kristanti NRP. 1208201011 Dosen Pembimbing : 1. Dr. Erna Apriliani,
Lebih terperinciIMPLEMENTASI 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 terperinciMANAJEMEN LALU LINTAS AKIBAT PEMBANGUNAN APARTEMEN DE PAPILIO TAMANSARI SURABAYA
MANAJEMEN LALU LINTAS AKIBAT PEMBANGUNAN APARTEMEN DE PAPILIO TAMANSARI SURABAYA M. Ekky Gigih Prakoso, Cahya Buana, ST., MT. Jurusan Teknik Sipil, Fakultas Teknik Sipil dan Perencanaan, Institut Teknologi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
2 BAB 2 TINJAUAN PUSTAKA 2.1. Logika Fuzzy Logika fuzzy adalah suatu cara untuk memetakan suatu ruang masukan ke dalam suatu ruang keluaran. Logika fuzzy ditemukan oleh Prof.Lotfi A. Zadeh dari Universitas
Lebih terperinciPENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN
PENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN Fauziah Nur1, Prof. M. Zarlis2, Dr. Benny Benyamin Nasution3 Program Studi Magister Teknik Informatika, Universitas
Lebih terperinciKEPUTUSAN WALIKOTA SURABAYA NOMOR : 188.45/214/436.1.2/2009
KEPUTUSAN WALIKOTA SURABAYA NOMOR : 188.45/214/436.1.2/2009 TENTANG PENETAPAN STATUS PENGGUNAAN TANAH DAN/ATAU BANGUNAN MILIK/DIKUASAI PEMERINTAH KOTA SURABAYA UNTUK PUSAT KESEHATAN MASYARAKAT (PUSKESMAS)
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 terperinciAnalisa Dampak Lalu Lintas Terhadap Kinerja Simpang dan Ruas Jalan Akibat Pembangunan Rumah Sakit Royal Di Kawasan Rungkut Industri Surabaya
Analisa Dampak Lalu Lintas Terhadap Kinerja Simpang dan Ruas Jalan Akibat Pembangunan Rumah Sakit Royal Di Kawasan Rungkut Industri Surabaya Ir. Rachmad Basuki, MS. Jufri Sony Institut Teknologi Sepuluh
Lebih terperinciJURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print)
A141 Penerapan Batas Ramp-Rate Menggunakan Kombinasi Metode FDP (Forward Dynamic Programming) dan QP (Quadratic Programming) Pada Commitment- Economic Dispatch Riza Fahmi Andriyanto, Ontoseno Penangsang,
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Pada penelitian Rismawan dan Kusumadewi (2008) mengelompokkan
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Pada penelitian Rismawan dan Kusumadewi (2008) mengelompokkan mahasiswa berdasarkan status gizi Body Mass Index (BMI) dan ukuran kerangka.
Lebih terperinciAnalisis Perbandingan Algoritma Fuzzy C-Means dan K-Means
Analisis Perbandingan Algoritma Fuzzy C-Means dan K-Means Yohannes Teknik Informatika STMIK GI MDD Palembang, Indonesia Abstrak Klasterisasi merupakan teknik pengelompokkan data berdasarkan kemiripan data.
Lebih terperinciSIMULASI MANAJEMEN LALULINTAS PADA KAWASAN JALAN RAYA NGINDEN DAN JALAN NGAGEL JAYA SELATAN
SIMULASI MANAJEMEN LALULINTAS PADA KAWASAN JALAN RAYA NGINDEN DAN JALAN NGAGEL JAYA SELATAN Ria Novitasari 1, Widya Stevanie Susanto 2, Rudy Setiawan 3 ABSTRAK: Seiring dengan berkembangnya kota Surabaya
Lebih terperinci1.PENDAHULUAN 1.1 Latar Belakang
1.PENDAHULUAN 1.1 Latar Belakang Pemakaian tenaga listrik dapat naik turun sebanding dengan besar kecilnya kegiatan dilakukan oleh manusia dalam periode tertentu. Untuk memenuhi kebutuhan listrik yang
Lebih terperinciPresentasi Tugas Akhir
Presentasi Tugas Akhir OPTIMASI KONTROLER PID BERBASIS ALGORITMA PARTICLE SWARM OPTIMIZATION UNTUK PENGENDALIAN KECEPATAN MOTOR INDUKSI TIGA FASE Oleh: Suhartono (2209 105 008) Pembimbing: Ir. Ali Fatoni,
Lebih terperinciOPTIMASI NURSE SCHEDULING PROBLEM
OPTIMASI NURSE SCHEDULING PROBLEM Disusun Oleh Aditya Pratama H (2510100111) Pembimbing Prof. Ir. Budi Santosa, M.S., Ph.D Pendahuluan Latar Belakang Perumusan Masalah Batasan & Asumsi Penjadwalan Proses
Lebih terperinciALGORITMA 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 terperinciOPTIMISASI PARTICLE SWARM PADA PEMASANGAN JARINGAN PIPA AIR PDAM"
OPTIMISASI PARTICLE SWARM PADA PEMASANGAN JARINGAN PIPA AIR PDAM" Izak Habel Wayangkau Email : izakwayangkau@gmail.com Jurusan Teknik Informatika, Fakultas Teknik Universitas Musamus Merauke Abstrak Penelitian
Lebih terperinciBAB III PEMBAHASAN. Berikut akan diberikan pembahasan mengenai penyelesaikan CVRP dengan
BAB III PEMBAHASAN Berikut akan diberikan pembahasan mengenai penyelesaikan CVRP dengan Algoritma Genetika dan Metode Nearest Neighbour pada pendistribusian roti di CV. Jogja Transport. 3.1 Model Matetematika
Lebih terperinciIMPLEMENTASI DETEKSI OUTLIER PADA ALGORITMA HIERARCHICAL CLUSTERING
IMPLEMENTASI DETEKSI OUTLIER PADA ALGORITMA HIERARCHICAL CLUSTERING Yoga Bhagawad Gita 1, Ahmad Saikhu 2 1,2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK PENGELOMPOKAN NILAI AKADEMIK SISWA MENGGUNAKAN METODE K-MEANS UNTUK SISWA SDN LAKARSANTRI I/472 SURABAYA SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN UNTUK PENGELOMPOKAN NILAI AKADEMIK SISWA MENGGUNAKAN METODE K-MEANS UNTUK SISWA SDN LAKARSANTRI I/472 SURABAYA SKRIPSI Disusun oleh : AYU RAHMAWATI 0934010160 JURUSAN TEKNIK
Lebih terperinciOptimasi Permasalahan Penugasan Dokter Menggunakan Representasi Graf Bipartit Berbobot
JURNAL TEKNIK POMITS Vol., No., (0) ISSN: 7-9 (0-97 Print) Optimasi Permasalahan Penugasan Menggunakan Representasi Graf Bipartit Berbobot Laili Rochmah, Ahmad Saikhu, dan Rully Soelaiman Jurusan Teknik
Lebih terperinciANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA
ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin Ringkasan Kebutuhan
Lebih terperinciOptimasi Komposisi Pakan Untuk Memenuhi Kebutuhan Nutrisi Ayam Petelur dengan Biaya Minimum Menggunakan Improved Particle Swarm Optimization (IPSO)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 1, Januari 2018, hlm. 1-10 http://j-ptiik.ub.ac.id Optimasi Komposisi Pakan Untuk Memenuhi Kebutuhan Nutrisi Ayam
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN Bab Pendahuluan terdiri dari uraian latar belakang yang mendasari pembuatan tugas akhir, pengenalan masalah yang dibahas didalam tugas akhir, manfaat maupun tujuan penelitian yang ingin
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (Juli, 2014) ISSN: ( Print)
JURNAL TEKNIK POMITS Vol., No., (Juli, 04) ISSN: 337-3539 (30-97 Print) Analisis Tata Letak Fasilitas Proyek Menggunakan Activity Relationship Chart dan Multi-Objectives Function pada Proyek Pembangunan
Lebih terperinciOptimasi Tata Letak Fasilitas Menggunakan Metode Multi Objective Function pada Pembangunan Proyek Apartemen Nine Residence Jakarta
JURNAL TEKNIK POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) D-114 Optimasi Tata Letak Fasilitas Menggunakan Metode Multi Objective Function pada Pembangunan Proyek Apartemen Nine Residence
Lebih terperinciLAPORAN KINERJA INSTANSI PEMERINTAH DINAS PERHUBUNGAN KOTA SURABAYA TAHUN 2014
DINAS PERHUBUNGAN KOTA SURABAYA TAHUN 2014 Lampiran II : PENGUKURAN CAPAIAN KINERJA No KEGIATAN PENETAPAN KINERJA Indikator Sasaran Uraian Kegiatan Satuan Anggaran Setelah PAK % Capaian Kinerja Total Realisasi
Lebih terperinciIMPLEMENTASI ALGORITMA CAT SWARM OPTIMIZATION DALAM MENYELESAIKAN JOB SHOP SCHEDULING PROBLEM (JSSP)
E-Jurnal Matematika Vol. 5 (3), Agustus 2016, pp. 90-97 ISSN: 2303-1751 IMPLEMENTASI ALGORITMA CAT SWARM OPTIMIZATION DALAM MENYELESAIKAN JOB SHOP SCHEDULING PROBLEM (JSSP) I Wayan Radika Apriana 1, Ni
Lebih terperinci