Optimasi Pembagian Barang Alat Tulis Kantor Menggunakan Algoritme Genetika
|
|
- Herman Hermawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: -X Vol., No., Maret, hlm. - Optimasi Pembagian Barang Alat Tulis Kantor Menggunakan Algoritme Genetika Ardiansyah Setiajati, Imam Cholissodin, Agus Wahyu Widodo Program Studi Teknik Informatika, ardi.setiajati@gmail.com, imamcs@ub.ac.id, a_wahyu_w@ub.ac.id Abstrak Saat ini hampir di seluruh perusahaan membutuhkan teknologi dalam membantu kegiatan bisnis. Sehingga teknologi informasi dapat membantu kegiatan perusahaan dalam mencapai tujuannya dengan efektif dan efisien. Alat Tulis Kantor (ATK) merupakan salah satu sarana pendukung penting dalam menjalankan fungsi operasional suatu perusahaan. Umumnya, sistem pengelolaan ATK di beberapa perusahaan atau instansi masih dilakukan secara manual, sehingga masih sering timbul kesalahan informasi serta ketidakjelasan dan ketidakteraturan dalam pembagian barang untuk pegawai. Algoritme genetika merupakan algoritme yang berbasis populasi yang dapat menyelesaikan permasalahan yang berkaitan dengan optimasi dengan ruang pencarian yang sangat luas. Algoritme genetika dapat menyelesaikan masalah dengan memberikan himpunan solusi dan menemukan solusi yang paling optimal. Pada penelitian ini, representasi kromosom yang digunakan terdiri dari gen yang terdiri dari jumlah dari setiap barang yang bisa diambil oleh setiap jabatan. Hasil solusi optimal diperoleh pada pengujian yang dilakukan sebanyak kali dengan menggunakan parameter yaitu jumlah generasi sebanyak, nilai Cr sebesar,, nilai Mr sebesar,, dan ukuran populasi sebanyak, dengan nilai fitness sebesar,. Namun dari solusi tersebut masih terdapat pelanggaran yaitu jumlah beberapa barang yang melebihi stok. Sehinga solusi yang dihasilkan tersebut masih belum optimal. Kata kunci: pembagian, alat tulis kantor, algoritme genetika Abstract Nowadays almost all companies need technology in helping business activities. Therefore information technology can help the company's activities in achieving its goals effectively and efficiently. Office stationery is one of the important supporting tools in running the operational functions of a company. Currently, office stationery management system in some companies or agencies are still done manually, so there is still often error information. Genetic algorithm is a population-based algorithm that can solve problems related to optimization with a very wide search space. Genetic algorithms can solve problems by providing a set of solutions and finding the most optimal solution. The chromosome representation consists of genes comprising the sum of each item that each position can take. The optimal solution result is obtained on the test which is done times using parameter that is the number of generation, cr value,, mr value,, and population size, with fitness value equal to,. However, there are still violations which is the number of some items that exceed the stock. Therefore, the solution is still not optimal. Keywords: distribution, office stationery, genetic algorithm.. PENDAHULUAN Pada era modern ini, peranan teknologi sangat dibutuhkan terutama dalam membantu kegiatan bisnis. Dengan adanya teknologi informasi maka informasi dapat diperoleh dan diproses dengan mudah dan cepat. Sehingga teknologi informasi dapat membantu kegiatan perusahaan dalam mencapai tujuannya dengan efektif dan efisien. Alat Tulis Kantor (ATK) merupakan bendabenda yang bersifat habis-pakai untuk pelaksanaan kegiatan kantor sehari-hari oleh karyawan (Gie, ). ATK merupakan salah satu sarana pendukung penting dalam menjalankan fungsi operasional suatu perusahaan. Ketersediaan ATK dapat
2 mempengaruhi keberlangsungan kinerja dari suatu perusahaan. Semakin berkembangnya suatu perusahaan maka bertambah pula kebutuhan yang harus dimiliki untuk alat tulis kantor. Sehingga manajemen pengelolaan ATK berperan penting dalam mengendalikan ketersediaan ATK bagi perusahaan. Namun, sering kali perusahaan tidak memberikan perhatian penuh pada manajemen ATK yang akan mengakibatkan persediaan ATK berlebihan atau kurang serta meningkatnya resiko kecurangan oknum tidak bertanggung jawab yang memanfaatkan ATK perusahaan untuk kepentingan pribadi. Sehingga diperlukan manajemen pengelolaan ATK yang baik (Rahayu, et al., ). Saat ini, sistem pengelolaan ATK di beberapa perusahaan atau instansi masih dilakukan secara manual, sehingga masih sering timbul kesalahan informasi. Dengan masalah tersebut maka akan menyebabkan pembuatan laporan rencana penggunaan barang untuk pengajuan anggaran tahun selanjutnya melambat. Salah satu cabang ilmu Evolution Algorithms yang banyak dikenal ialah algoritme genetika. Algoritme genetika bisa digunakan untuk permasalahan optimasi. Algoritme genetika merupakan metode untuk menyelesaikan permasalahan optimasi dengan model matematika yang kompleks (Mahmudy, ). Algoritme genetika menggunakan konsep natural selection dalam melakukan proses pencarian dan optimasi. Algoritme genetika dapat menyelesaikan masalah dengan memberikan himpunan solusi dan menemukan solusi yang paling optimal. Penerapan algoritme genetika dapat dilakukan pada berbagai macam masalah yang membutuhkan solusi yang optimum seperti penjadwalan dan pembagian. Pada penelitian sebelumnya yang dilakukan ole Saputro (), algoritme genetika digunakan untuk menyelesaikan permasalahan pembagian penggunaan lahan pertanian. Algoritme genetika juga dapat digunakan untuk menyelesaikan permasalahan penjadwalan pelayanan pasien di rumah sakit seperti pada penelitian yang dilakukan oleh Memari (). Pada penelitian lainnya yang dilakukan oleh Mathur (), algoritme genetika digunakan untuk menyelesaikan permasalahan penjadwalan saluran irigasi. Penelitian yang berkaitan dengan algoritme genetika juga dilakukan oleh Nugraha () untuk menyelesaikan permasalahan penjadwalan kegiatan belajar mengajar. Pada penelitian ini algoritme genetika akan diimplementasikan untuk masalah optimasi pembagian barang alat tulis kantor.. ALAT TULIS KANTOR Alat tulis kantor merupakan benda-benda yang bersifat habis-pakai untuk pelaksanaan kegiatan kantor sehari-hari oleh karyawan. Yang tergolong office supplier misalnya adalah pulpen, pensil, tinta, kertas, dan lain sebagainya. Supplies atau biasa disebut peralatan merupakan persediaan yang dibutuhkan oleh suatu organisasi yang pada umumnya berbentuk benda-benda atau bersifat material. Supplies dapat dibedakan menjadi jenis, yaitu barang habis pakai dan barang tahan lama (Pranata, ).. ALGORITME GENETIKA Algoritme genetika meniru konsep evolusi alami dari sebuah populasi individu Algoritme genetika banyak digunakan untuk permasalahan yang berkaitan dengan ilmu fisika, biologi, ekonomi, dan ilmu lainnya yang membutuhkan metode pengoptimasian dengan model matematika yang kompleks (Mahmudy, ). Algoritme genetika dibagi menjadi beberapa tahapan proses, yaitu: Proses inisialisasi bertujuan untuk membentuk individu-individu baru yang digambarkan sebagai susunan gen (kromosom). Proses reproduksi yang bertujuan untuk mendapatkan keturunan (offspring) yang berasal dari individu-individu yang termasuk populasi. Reproduksi dibagi menjadi dua proses yaitu crossover dan mutasi. Proses evaluasi bertujuan untuk mengukur tingkat kebugaran (fitness) dari masingmasing kromosom. Tinggi nilai fitness berbanding lurus dengan peluang individu tersebut mempengaruhi peluang individu tersebut menjadi calon solusi. Proses seleksi, yang bertujuan untuk memilih individu yang berasal dari populasi dan juga merupakan offspring yang mana dipertahankan untuk proses regenerasi selanjutnya. Individu yang memiliki nilai fitness yang tinggi memiliki peluang besar terpilih sebagai calon solusi
3 . PERANCANGAN DAN IMPLEMENTASI Pada bagian ini membahas perancangan dan impelementasi sistem pembagian barang alat tulis kantor dengan algoritme genetika.. Perancangan sistem Perancangan sistem dibuat berdasarkan tahapan dalam algoritme genetika. Tahap penyelesaian masalah ditunjukan pada Gambar berikut ini. Mulai Popsize, Cr, Mr, jumlah generasi Inisialisasi Populasi Awal For i = to generasi - Reproduksi Evaluasi Seleksi i Solusi Terbaik Selesai Gambar Diagram Alur Algoritme Genetika Proses dimulai dengan masukan pengguna sistem berupa parameter yang diperlukan dalam algoritme genetika, kemudian sistem melakukan proses perhitungan dengan algoritme genetika untuk menghasilkan pembagian barang yang optimal. Keluaran sistem berupa jumlah barang alat tulis kantor yang paling optimal yang bisa didapat oleh masing-masing pegawai.. Data Penelitian Data yang digunakan untuk penelitian ini merupakan data yang didapat melalui proses wawancara dan observasi. Data tersebut meliputi data pegawai, data jabatan, data barang alat tulis kantor, serta data batasan dalam pembagian barang alat tulis kantor.. Representasi Kromosom Penelitian ini menggunakan data alat tulis kantor sebanyak jenis barang dan data pegawai sebanyak orang yang dibagi menjadi jabatan. Setiap individu memiliki panjang kromosom sebesar gen. Kromosom tersebut terdiri dari jumlah dari setiap barang yang bisa diambil oleh setiap jabatan. Pada contoh penghitungan manual, hanya akan menggunakan sample kromosom dengan panjang gen yang terdiri dari jenis barang dengan jenis jabatan. Representasi kromosom menggunakan representasi permutasi dengan membangkitkan angka secara acak dengan interval sampai untuk masing-masing gen pada kromosom. Contoh representasi kromosom dalam penelitian ini dapat dilihat pada Tabel sebagai berikut: Tabel Representasi Kromosom Jabatan Gen Barang Kromosom SM AM SPV Setiap gen dalam tiap individu tersebut merepresentasikan permutasi yang nantinya akan dirubah pada proses evaluasi.. Reproduksi.. Crossover Proses crossover dilakukan dengan metode extended intermediate crossover yaitu dengan
4 memilih parent kemudian child didapatkan dari nilai masing-masing gen pada parent yang terpilih yang diolah dalam perhitungan dengan menggunakan rumus seperti berikut. C = P + a(p P ) () C = P + a(p P ) Keterangan: C = Gen pada child C = Gen pada child P = Gen pada parent P = Gen pada parent a = Nilai acak dengan interval [-,,,] Untuk gen dengan nilai yang melebihi maka gen tersebut diberikan nilai. Begitu juga untuk gen dengan nilai yang kurang dari maka gen tersebut diberikan nilai. Contoh proses crossover dalam penelitian ini dapat dilihat pada Tabel sebagai berikut: Tabel Extended Intermediate Crossover Gen P P C C.. Mutasi Proses mutasi dilakukan dengan metode random mutation yaitu dengan memilih salah satu gen secara acak untuk diolah menggunakan perhitungan dengan menggunakan rumus sebagai berikut., x i = x i + r(max min) () x i, Keterangan: = Gen pada child x i = Gen pada parent r = Nilai acak dengan interval [-,,,] max = Nilai maksimal () min = Nilai minimal () Sama seperti pada proses crossover, untuk gen dengan nilai yang melebihi maka gen tersebut diberikan nilai. Begitu juga untuk gen dengan nilai yang kurang dari maka gen tersebut diberikan nilai. Contoh proses mutasi dapat dilihat pada Tabel sebagai berikut.. Evaluasi Tabel. Random Mutation Gen P C Proses evaluasi dibagi menjadi proses yaitu normalisasi, penghitungan harga, penghitungan jumlah barang, dan penghitungan fitness... Normalisasi Proses normalisasi merupakan proses perbaikan dari indeks pada gen untuk masingmasing individu. Normalisasi bertujuan agar nilai gen pada masing-masing kromosom untuk masing-masing individu dapat disesuaikan dengan batasan-batasan pada permasalahan. Perhitungan pada proses normalisasi menggunakan rumus sebagai berikut. gen normal = (( (x b) ) (p q)) + q () (a b)
5 Keterangan: x = Nilai gen ke-i a = Nilai maksimal random permutasi gen () b = Nilai minimal random permutasi gen () p = Nilai maksimal batas pengambilan barang q = Nilai minimal batas pengambilan barang Sebagai contoh penghitungan misal pada gen pertama untuk C yaitu. Batas permutasi pada kromosom adalah pada interval hingga. Gen pertama mewakili barang pertama untuk jabatan pertama pada Tabel. dengan batas atas sebesar dan batas bawah sebesar. Sehingga didapatkan nilai normalisasi untuk gen pertama pada C adalah sebagai berikut. ( ) gen normal ke = (( ) ( )) + =, ( ) Hasil penghitungan tersebut dibulatkan menjadi. Contoh proses normalisasi dalam penelitian ini dapat dilihat pada Tabel sebagai berikut. Tabel. Proses Normalisasi Gen P P P C C C.. Penghitungan Harga Proses penghitungan harga diperoleh dari perkalian antara nilai gen yang telah dinormalisasi dengan harga satuan barang yang diambil dari database. Penghitungan tersebut dilakukan pada seluruh gen pada setiap kromosom untuk setiap individu. Penghitungan tersebut dilakukan pada seluruh gen pada setiap kromosom untuk setiap individu. Contoh proses penghitungan harga dalam penelitian ini dapat dilihat pada Tabel sebagai berikut: Tabel. Proses Penghitungan Harga Gen P P P C C C Dari seluruh harga diatas kemudian dicari total harga untuk masing-masing jabatan pada masing-masing individu. Sehingga didapat nilai total harga untuk masing-masing jabatan pada individu seperti pada Tabel. Tabel. Total Harga Setiap Jabatan Individu SM AM SPV P P P C C C.. Penghitungan Jumlah Barang Proses penghitungan jumlah barang dilakukan untuk memperoleh total barang yang diambil untuk masing-masing jenis barang. Hasil proses normalisasi merepresentasikan jumlah barang yang diambil untuk setiap barang pada masing-masing jabatan. Namun jumlah barang tersebut hanya untuk satu pegawai saja, sehingga untuk memperoleh jumlah barang keseluruhan maka harus dikalikan dengan jumlah pegawai sesuai dengan jabatannya. Penghitungan tersebut dilakukan pada seluruh gen pada setiap kromosom untuk setiap individu. Penghitungan tersebut dilakukan pada seluruh gen pada setiap kromosom untuk setiap individu. Contoh proses penghitungan jumlah barang dalam penelitian ini dapat dilihat pada Tabel sebagai berikut:
6 Tabel. Proses Penghitungan Jumlah Barang Gen P P P C C C Dari hasil penghitungan diatas, kemudian dihitung jumlah total barang yang diambil untuk masing-masing jenis barang. Sehingga didapat nilai jumlah barang untuk masing-masing jenis barang seperti pada Tabel. Tabel. Total Barang Setiap Jenis Barang Ind P P P C C C.. Penghitungan Fitness Penghitungan fitness dilakukan dengan dua proses, yaitu proses penghitungan fitness jumlah barang dan penghitungan fitness harga barang. Setelah mendapatkan masing-masing nilai dari proses penghitungan fitness tersebut, nantinya kedua nilai tersebut akan dijumlahkan untuk memperoleh nilai fitness total. Pada proses penghitungan fitness jumlah barang, dilakukan perhitungan fitness berdasarkan jumlah barang dari masing-masing barang yang ada. Tujuannya adalah untuk menilai apakah nilai jumlah barang yang diperoleh menggunakan algoritme genetika tersebut tidak melebihi jumlah stok barang yang telah ditentukan. Sehingga didapat nilai fitness jumlah barang untuk masing-masing individu sebagai berikut: Tabel. Proses Penghitungan Fitness Jumlah Barang Individu P P P C C C Fitness Jumlah Barang Sedangkan pada proses penghitungan fitness harga, nilai fitness dihitung berdasarkan harga seluruh barang yang diperoleh dari masing-masing jabatan. seluruh barang yang diperoleh dari masing-masing jabatan. Nilai fitness untuk setiap jabatan diperoleh dari selisih dari limit total harga pengambilan barang setiap jabatan dengan total harga masing-masing jabatan. Sehingga didapat nilai fitness harga barang untuk masing-masing individu sebagai berikut: Tabel. Proses Penghitungan Fitness Harga Barang Individu SM AM SPV Fitness Harga Barang P P P C C C - Setelah melakukan kedua proses perhitungan fitness diatas, nilai yang diperoleh dari kedua proses tersebut dijumlahkan untuk mendapatkan nilai fitness total untuk masingmasing individu. Contoh hasil proses penghitungan fitness dalam penelitian ini dapat dilihat pada Tabel sebagai berikut: Tabel. Hasil Penghitungan Fitness Individu P P P C C C Fitness Jumlah Fitness Harga Fitness Total Pada proses pengujian, nantinya nilai fitness akan dikalikan dengan konstanta sebesar. agar nilai fitness tersebut tidak besar sehingga dapat dibandingkan dengan nilai fitness yang dimiliki oleh individu lain.
7 . Seleksi Proses seleksi dilakukan dengan menggunakan metode elitism selection, yaitu mencari dan mengurutkan individu dengan nilai fitness tertinggi sebanyak popsize untuk dijadikan populasi baru pada generasi selanjutnya.. Hasil Implementasi Implementasi antarmuka pada sistem pembagian barang alat tulis kantor terdiri dari halaman utama, yaitu halaman lihat data, halaman algoritme genetika, halaman hasil perhitungan, dan halaman pengambilan barang. Antarmuka sistem ditunjukkan pada Gambar, Gambar, dan Gambar sebagai berikut. Gambar. Antarmuka Pengambilan Barang. PENGUJIAN DAN ANALISIS Penelitian ini melakukan tiga pengujian, yaitu pengujian jumlah generasi, pengujian kombinasi nilai Crossover Rate (Cr) dan Mutation Rate (Mr), serta pengujian ukuran populasi. Pengujian dilakukan sebanyak kali percobaan dengan mengambil nilai rata-rata fitness pada semua percobaan yang dilakukan. Pengujian jumlah generasi dilakukan dengan nilai,,,,,,,,, dan. Nilai fitness tertinggi diperoleh pada percobaan dengan jumlah generasi sebesar dengan nilai fitness sebesar,. Grafik hasil pengujian jumlah generasi ditunjukkan sebagai berikut. Gambar. Antarmuka Algoritme Genetika Gambar. Grafik Pengujian Jumlah Generasi Gambar. Antarmuka Hasil Perhitungan Pengujian nilai Cr dan Mr dilakukan sebanyak kali dengan kombinasi nilai Cr dan Mr yang berbeda. Nilai fitness tertinggi diperoleh dengan kombinasi nilai Cr sebesar, dan Mr sebesar, dengan nilai fitness sebesar,. Grafik hasil pengujian kombinasi nilai Cr dan Mr ditunjukkan sebagai berikut.
8 Gambar. Pengujian Nilai Cr dan Mr Pengujian ukuran populasi dilakukan dengan nilai,,,,,,,,, dan. Nilai fitness tertinggi diperoleh pada percobaan dengan ukuran populasi terbesar yaitu dengan nilai fitness sebesar,. Grafik hasil pengujian ukuran populasi ditunjukkan sebagai berikut. Gambar. Grafik Pengujian Ukuran Populasi. Pengujian Parameter dan Analisis Hasil Berdasarkan pengujian ukuran populasi, jumlah generasi, nilai Cr dan nilai Mr maka diperoleh parameter-parameter yang dapat menghasilkan solusi optimal, yaitu: Popsize : Cr :, Mr :, Jumlah generasi : Dengan menggunakan parameterparameter diatas, diperoleh nilai fitness sebesar,. Kemudian dilakukan pengujian untuk membandingkan hasil solusi yang dilakukan secara manual dengan hasil solusi yang diperoleh menggunakan sistem. Pada pengujian ini hanya akan menggunakan jenis jabatan. Hasil solusi menggunakan cara manual menghasilkan harga yang lebih mahal dan hampir seluruh barang melebihi stok. Sedangkan hasil solusi menggunakan sistem menghasilkan harga yang lebih murah namun masih terdapat beberapa barang yang melebihi stok meskipun tidak sebanyak hasil proses manual. Sehingga dapat disimpulkan bahwa hasil solusi menggunakan sistem belum optimal karena masih terdapat beberapa pelanggaran. Namun penggunaan algoritme genetika membuat waktu pengerjaan menjadi lebih cepat dibandingkan dengan cara manual.. KESIMPULAN Berdasarkan penelitian yang telah dilakukan maka diperoleh kesimpulan sebagai berikut:. Algoritme genetika dapat diimplementasikan pada sistem pembagian barang alat tulis kantor. Tahapan proses yang dilakukan dalam pengimplementasian algoritme genetika untuk pembagian barang akat tulis kantor, yaitu tahap inisialisasi populasi awal, reproduksi (proses crossover menggunakan metode extended intermediate crossover dan proses mutasi menggunakan metode random mutation), normalisasi, penghitungan harga, penghitungan fitness, dan seleksi menggunakan metode elitism selection. Representasi kromosom menggunakan representasi permutasi dengan membangkitkan angka secara acak dengan interval sampai untuk masing-masing gen pada kromosom. Setiap individu memiliki panjang kromosom sebesar gen yang terdiri dari jumlah dari setiap barang yang bisa diambil oleh setiap jabatan. Solusi yang optimal didapat dari nilai fitness yang tertinggi sehingga menghasilkan jumlah barang alat tulis kantor yang paling optimal yang bisa didapat oleh masingmasing pegawai berdasarkan harga barang dan stok barang.. Berdasarkan hasil pengujian parameter algoritme genetika, solusi optimal diperoleh dengan parameter yaitu jumlah generasi sebanyak, nilai Cr sebesar,, nilai Mr sebesar,, dan ukuran populasi sebanyak. Pengujian tersebut dilakukan sebanyak kali dan menghasilkan nilai fitness sebesar,. Namun solusi tersebut belum optimal karena masih terdapat pelanggaran yaitu jumlah beberapa barang yang melebihi stok.
9 Pada penelitian ini masih memiliki banyak kekurangan sehingga terdapat beberapa saran untuk pengembangan dari penelitian ini antara lain adalah:. Pengolahan data pada penelitian ini yang cenderung masih statis. Sistem ini hanya bisa berjalan dengan data yang sudah tetap. Harapannya pada penelitian selanjutnya, data yang digunakan dapat ditambah atau dikurangi sehingga sistem dapat lebih dinamis.. Untuk penelitian selanjutnya dapat memperbaiki fungsi fitness yang digunakan agar dapat menghasilkan solusi yang lebih optimal. Perguruan Tinggi Raharja. s.l.:perguruan Tinggi Raharja. Saputro, H. A., Mahmudy, W. F. & Dewi, C.,. Implementasi Algoritme Genetika untuk Optimasi Penggunaan Lahan Pertanian. Malang: Program Teknologi Informasi dan Ilmu Komputer, Universitas Brawijaya... DAFTAR PUSTAKA Gie, T. L.,. Administrasi Perkantoran Modern. Yogyakarta: Supersukses and Nur Cahaya. Indriani, K. & Sudarmadi,. Sistem Informasi Alat Tulis Kantor (ATK) Menggunakan Metode Waterfall. Jakarta: Jurnal Techno Nusa Mandiri. Mahmudy, W. F.,. Algoritme Evolusi. Malang: Program Teknologi Informasi dan Ilmu Komputer, Universitas Brawijaya. Mathur, Y. P., Sharma, G. & Pawde, A. W.,. Optimal Operation Scheduling of Irrigation Canals Using Genetic Algorithm. Jaipur: Malaviya National Institute of Technology. Memari, H., Rahimi, S., Gupta, B. & Sinha, K.,. Towards Patient Flow Optimization in Emergency Departments Using Genetic Algorithm. Illinois: Southern Illinois University. Nugraha, I.,. Aplikasi Algoritme Genetik untuk Optimasi Penjadwalan Kegiatan Belajar Mengajar. Bandung: Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung. Pranata, G. A.,. Rancang Bangun Sistem Informasi Permintaan Pembelian Barang Berbasis Web. Surabaya : Institut Bisnis dan Informatika STIKOM. Rahayu, S., Nurhaeni, T. & Rohmah, M.,. Sistem Persediaan Alat Tulis Kantor Sebagai Penunjang Pengambilan Keputusan Bagian Logistik Di
Optimasi Penjadwalan Mata Pelajaran Pada Kurikulum 2013 Dengan Algoritme Genetika (Studi Kasus: SMA Negeri 3 Surakarta)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1535-1542 http://j-ptiik.ub.ac.id Optimasi Penjadwalan Mata Pelajaran Pada Kurikulum 2013
Lebih terperinciOPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA andra Aditya 1), Wayan Firdaus Mahmudy 2) 1) Program Studi Teknik Informatika, Fakultas Ilmu Komputer Malang Jl. Veteran, Malang 65145, Indonesia
Lebih terperinciOptimasi Pemilihan Pekerja Bangunan Proyek Pada PT. Citra Anggun Pratama Menggunakan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 2, Februari 2017, hlm. 80-84 http://j-ptiik.ub.ac.id Optimasi Pemilihan Pekerja Bangunan Proyek Pada PT. Citra Anggun
Lebih terperinciPenjadwalan Dinas Pegawai Menggunakan Algoritma Genetika Pada PT Kereta Api Indonesia (KAI) Daerah Operasi 7 Stasiun Besar Kediri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 11, November 2018, hlm. 4371-4376 http://j-ptiik.ub.ac.id Penjadwalan Dinas Pegawai Menggunakan Algoritma Genetika
Lebih terperinciOptimasi Multiple Travelling Salesman Problem Pada Pendistribusian Air Minum Menggunakan Algoritme Genetika (Studi Kasus: UD.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 9, Juni 2017, hlm. 849-858 http://j-ptiik.ub.ac.id Optimasi Multiple Travelling Salesman Problem Pada Pendistribusian
Lebih terperinciPenentuan Portofolio Saham Optimal Menggunakan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 1, Januari 2017, hlm. 63-68 http://j-ptiik.ub.ac.id Penentuan Portofolio Saham Optimal Menggunakan Algoritma Genetika
Lebih terperinciOptimasi Penjadwalan Mata Pelajaran Menggunakan Algoritme Genetika (Studi Kasus: SMK Negeri 2 Kediri)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 10, Oktober 2017, hlm. 1066-1072 http://j-ptiik.ub.ac.id Optimasi Penjadwalan Mata Pelajaran Menggunakan Algoritme
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI SKRIPSI
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI
Lebih terperinciPenerapan Algoritme Genetika Untuk Penjadwalan Latihan Reguler Pemain Brass Marching Band (Studi Kasus: Ekalavya Suara Brawijaya)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 9, September 2018, hlm. 2950-2956 http://j-ptiik.ub.ac.id Penerapan Algoritme Genetika Untuk Penjadwalan Latihan
Lebih terperinciPENJADWALAN KAPAL PENYEBERANGAN MENGGUNAKAN ALGORITMA GENETIKA
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 3, No. 1, Maret 2016, hlm. 48-55 PENJADWALAN KAPAL PENYEBERANGAN MENGGUNAKAN ALGORITMA GENETIKA Ria Febriyana 1, Wayan Firdaus Mahmudy 2 Program
Lebih terperinciOPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK
OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK Usulan Skripsi S-1 Jurusan Matematika Diajukan oleh 1. Novandry Widyastuti M0105013 2. Astika Ratnawati M0105025 3. Rahma Nur Cahyani
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK PENENTUAN BATASAN FUNGSI KENGGOTAAN FUZZY TSUKAMOTO PADA KASUS PERAMALAN PERMINTAAN BARANG
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 3, No. 3, September 2016, hlm. 169-173 PENERAPAN ALGORITMA GENETIKA UNTUK PENENTUAN BATASAN FUNGSI KENGGOTAAN FUZZY TSUKAMOTO PADA KASUS PERAMALAN
Lebih terperinciOPTIMASI JADWAL MENGAJAR ASISTEN LABORATORIUM MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI JADWAL MENGAJAR ASISTEN LABORATORIUM MENGGUNAKAN ALGORITMA GENETIKA Indana Zulfa 1, Wayan Firdaus Mahmudy 2, Budi Darma Setiawan 3 Teknik Informatika, Program Teknologi Informasi dan Ilmu Komputer,
Lebih terperinciTEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT
TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh Dian Sari Reski, Asrul Sani 2, Norma Muhtar 3 ABSTRACT Scheduling problem is one type of allocating resources problem that exist to
Lebih terperinciOptimasi Penataan Barang pada Proses Distribusi Menggunakan Algoritme Evolution Strategies
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 5, Mei 2018, hlm. 1874-1882 http://j-ptiik.ub.ac.id Optimasi Penataan Barang pada Proses Distribusi Menggunakan Algoritme
Lebih terperinciPenentuan Lokasi Pasang Baru Wifi.id Corner Menggunakan Metode AHP dan Algoritma Genetika (Studi Kasus : PT. Telkom Witel Kediri)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1742-1749 http://j-ptiik.ub.ac.id Penentuan Lokasi Pasang Baru Wifi.id Corner Menggunakan
Lebih terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciAlgoritma Evolusi Dasar-Dasar Algoritma Genetika
Algoritma Evolusi Dasar-Dasar Algoritma Genetika Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Pengantar 2. Struktur Algoritma Genetika 3. Studi Kasus: Maksimasi Fungsi Sederhana 4. Studi
Lebih terperinciAlgoritma Evolusi Real-Coded GA (RCGA)
Algoritma Evolusi Real-Coded GA (RCGA) Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Siklus RCGA 2. Alternatif Operator Reproduksi pada Pengkodean Real 3. Alternatif Operator Seleksi 4.
Lebih terperinciAplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)
JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak
Lebih terperinciOptimasi Penjadwalan Mata Pelajaran Menggunakan Algoritma Genetika (Studi Kasus : SMPN 1 Gondang Mojokerto)
Optimasi Penjadwalan Mata Pelajaran Menggunakan Algoritma Genetika (Studi Kasus : SMPN 1 Gondang Mojokerto) Dianita Dwi Permata Sari 1, Wayan Firdaus Mahmudy 2, Dian Eka Ratnawati 3 Teknik Informatika,
Lebih terperinciIMPLEMENTASI ALGORITMA FUZZY EVOLUSI PADA PENJADWALAN PERKULIAHAN
IMPLEMENTASI ALGORITMA FUZZY EVOLUSI PADA PENJADWALAN PERKULIAHAN Herny Wulandari Pangestu. Kartika Yulianti, Rini Marwati Departemen Pendidikan Matematika FPMIPA UPI *Surel: hernyw@ymail.com ABSTRAK.
Lebih terperinciPenerapan Algoritma Genetika untuk Penjadwalan Asisten Praktikum
Penerapan Algoritma Genetika untuk Penjadwalan Asisten Praktikum Okky Cintia Devi 1, Wayan Fidaus Mahmudy 2, Budi Darma Setiawan 3 Teknik Informatika, Program Teknologi Informasi dan Ilmu Komputer, Universitas
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK PERMASALAHAN OPTIMASI DISTRIBUSI BARANG DUA TAHAP
PENERAPAN ALGORITMA GENETIKA UNTUK PERMASALAHAN OPTIMASI DISTRIBUSI BARANG DUA TAHAP Riska Sulistiyorini ), Wayan Firdaus Mahmudy ), Program Studi Teknik Informatika Program Teknologi Informasi dan Ilmu
Lebih terperinciOptimasi Penjadwalan Moving Class Menggunakan Algoritma Genetika (Studi Kasus: SMA Negeri 1 Turatea)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 4, Juli 2018, hlm. 1768-1777 http://j-ptiik.ub.ac.id Optimasi Penjadwalan Moving Class Menggunakan Algoritma Genetika
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 11, November 2017, hlm. 1152-1159 http://j-ptiik.ub.ac.id Implementasi Algoritma Genetika Pada Metode AHP dan SAW
Lebih terperinciOptimasi Penjadwalan Kuliah Pengganti Menggunakan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol 2, No 9, September 218, hlm 2829-284 http://j-ptiikubacid Optimasi Penjadwalan Kuliah Pengganti Menggunakan Algoritme Genetika
Lebih terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinciOPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION
PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION Samuel Lukas 1, Toni Anwar 1, Willi Yuliani 2 1) Dosen Teknik Informatika,
Lebih terperinciPrediksi Jumlah Pengangguran Terbuka di Indonesia menggunakan Metode Genetic-Based Backpropagation
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 4, April 2017, hlm. 341-351 http://j-ptiik.ub.ac.id Prediksi Jumlah Pengangguran Terbuka di Indonesia menggunakan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Algoritma Genetika Algoritma genetika merupakan algoritma pencarian heuristik ysng didasarkan atas mekanisme seleksi alami dan genetika alami (Suyanto, 2014). Adapun konsep dasar
Lebih terperinciOptimasi Asupan Makanan Harian Ibu Hamil Penderita Hipertensi Menggunakan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 9, September 2018, hlm. 2892-2901 http://j-ptiik.ub.ac.id Optimasi Asupan Makanan Harian Ibu Hamil Penderita Hipertensi
Lebih terperinciImplementasi Genetic Algorithm Dan Artificial Neural Network Untuk Deteksi Dini Jenis Attention Deficit Hyperactivity Disorder
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 2, Februari 2018, hlm. 688-694 http://j-ptiik.ub.ac.id Implementasi Genetic Algorithm Dan Artificial Neural Network
Lebih terperinciImplementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah
Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah Leonard Tambunan AMIK Mitra Gama Jl. Kayangan No. 99, Duri-Riau e-mail : leo.itcom@gmail.com Abstrak Pada saat ini proses penjadwalan kuliah
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: -X Vol., No., Maret 0, hlm. - http://j-ptiik.ub.ac.id Optimasi Penjadwalan Asisten Praktikum pada Laboratorium Pembelajaran Menggunakan
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih terperinciAlgoritme Genetika Untuk Optimasi K-Means Clustering Dalam Pengelompokan Data Tsunami
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 10, Oktober 2018, hlm. 3865-3872 http://j-ptiik.ub.ac.id Algoritme Genetika Untuk Optimasi K-Means ring Dalam Pengelompokan
Lebih terperinciPenerapan Algoritma Genetika dalam Job Shop Scheduling Problem
Penerapan Algoritma Genetika dalam Job Shop Scheduling Problem Haris Sriwindono Program Studi Ilmu Komputer Universitas Sanata Dharma Paingan, Maguwoharjo, Depok Sleman Yogyakarta, Telp. 0274-883037 haris@staff.usd.ac.id
Lebih terperinciOptimasi Fungsi Keanggotaan Fuzzy Mamdani menggunakan Algoritme Genetika untuk Penentuan Kesesuaian Lahan Tanam Tembakau
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 254-964 Vol. 2, No. 3, Maret 201, hlm. 96-977 http://j-ptiik.ub.ac.id Optimasi Fungsi Keanggotaan Fuzzy Mamdani menggunakan Algoritme Genetika
Lebih terperinciPenjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Jurnal Telematika, vol.9 no.1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-251 Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Lebih terperinciOptimasi K-Means untuk Clustering Kinerja Akademik Dosen Menggunakan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1652-1659 http://j-ptiik.ub.ac.id Optimasi K-Means untuk Clustering Kinerja Akademik Dosen
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA UNTUK OPTIMASI PENGGUNAAN LAHAN PERTANIAN
IMPLEMENTASI ALGORITMA GENETIKA UNTUK OPTIMASI PENGGUNAAN LAHAN PERTANIAN Harim Adi Saputro 1, Wayan Firdaus Mahmudy 2, Candra Dewi 3 Teknik Informatika, Program Teknologi Informasi dan Ilmu Komputer,
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MEMAKSIMALKAN LABA PRODUKSI JILBAB
Journal of Environmental Engineering & Sustainable Technology Vol. 02 No. 01, July 2015, Pages 06-11 JEEST http://jeest.ub.ac.id PENERAPAN ALGORITMA GENETIKA UNTUK MEMAKSIMALKAN LABA PRODUKSI JILBAB Samaher
Lebih terperinciOptimasi Komposisi Pakan Sapi Perah Menggunakan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 1, Januari 2017, hlm. 69-74 http://j-ptiik.ub.ac.id Optimasi Komposisi Pakan Sapi Perah Menggunakan Algoritma Genetika
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 9, September 2018, hlm. 2957-2964 http://j-ptiik.ub.ac.id Optimasi Batasan Fungsi Keanggotaan Fuzzy Tsukamoto Menggunakan
Lebih terperinciDAFTAR ISI. viii. LEMBAR PENGESAHAN... i. PERNYATAAN ORISINALITAS LAPORAN PENELITIAN... ii. PERNYATAAN PUBLIKASI LAPORAN PENELITIAN...
ABSTRAK Salah satu algoritma yang dapat dipakai untuk memecahkan permasalahan penjadwalan kuliah adalah algoritma genetika. Algoritma genetika merupakan teknik pencarian pemecahan masalah yang berusaha
Lebih terperinciOptimasi Pemodelan Regresi Linier Berganda Pada Prediksi Jumlah Kecelakaan Sepeda Motor Dengan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 5, Mei 2018, hlm. 1932-1939 http://j-ptiik.ub.ac.id Optimasi Pemodelan Regresi Linier Berganda Pada Prediksi Jumlah
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE OPTIMUM OBJEK WISATA DI KABUPATEN PEMALANG
IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE OPTIMUM OBJEK WISATA DI KABUPATEN PEMALANG SKRIPSI Oleh: Indra Surada J2A 605 060 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN
Lebih terperinciKeywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN
Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com
Lebih terperinciAlgoritma Evolusi Evolution Strategies (ES)
Algoritma Evolusi Evolution Strategies (ES) Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Struktur Dasar Evolution Strategies (ES) 2. Siklus ES (µ, λ) 3. Siklus ES (µ/r + λ) 4. Studi Kasus
Lebih terperinci2 TINJAUAN PUSTAKA. 2.1 Peringkasan Teks
4 2 TINJAUAN PUSTAKA 2.1 Peringkasan Teks Peringkasan teks adalah proses pemampatan teks sumber ke dalam versi lebih pendek namun tetap mempertahankan informasi yang terkandung didalamnya (Barzilay & Elhadad
Lebih terperinciMEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB
MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB Syafiul Muzid 1, Sri Kusumadewi 2 1 Sekolah Pascasarjana Magister Ilmu Komputer, Universitas Gadjah Mada, Yogyakarta e-mail: aakzid@yahoo.com 2 Jurusan
Lebih terperinciPenerapan Evolution Strategies untuk Optimasi Travelling Salesman Problem With Time Windows pada Sistem Rekomendasi Wisata Malang Raya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 7, Juli 2018, hlm. 2487-2493 http://j-ptiik.ub.ac.id Penerapan Evolution Strategies untuk Optimasi Travelling Salesman
Lebih terperinci1. Pendahuluan 1.1. Latar Belakang
1. Pendahuluan 1.1. Latar Belakang Perkembangan teknologi informasi yang begitu pesat sekarang ini memberikan dampak yang besar terhadap kinerja manusia khususnya dalam bekerja. Segala sesuatu yang dahulu
Lebih terperinciRANCANG BANGUN PERANGKAT LUNAK PENJADWALAN PERKULIAHAN MENGGUNAKAN METODE META- HEURISTIK (PENGGABUNGAN METODE ALGORITMA GENETIK DAN TABU SEARCH)
RANCANG BANGUN PERANGKAT LUNAK PENJADWALAN PERKULIAHAN MENGGUNAKAN METODE META- HEURISTIK (PENGGABUNGAN METODE ALGORITMA GENETIK DAN TABU SEARCH) TUGAS AKHIR Disusun Oleh : RIO PRAYOGA SUPRAYANA NPM. 06
Lebih terperinciOptimasi distribusi barang dengan algoritma genetika
Optimasi distribusi barang dengan algoritma genetika Yasmin Ghassani Panharesi 1, Wayan Firdaus Mahmudy 2 Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email : yasminghassani@gmail.com 1,
Lebih terperinciOptimasi Penjadwalan Ujian Menggunakan Algoritma Genetika
Optimasi Penjadwalan Ujian Menggunakan Algoritma Genetika Nia Kurnia Mawaddah Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Jurusan Matematika, FMIPA Universitas Brawijaya, Malang 65145 Abstrak Penjadwalan
Lebih terperinciOptimasi Fungsi Keanggotaan Fuzzy Menggunakan Algoritma Genetika Dalam Penentuan Kebutuhan Gizi Bayi MPASI
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 7, Juli 218, hlm. 276-2712 http://j-ptiik.ub.ac.id Optimasi Fungsi Keanggotaan Fuzzy Menggunakan Algoritma Genetika
Lebih terperinciOPTIMASI PENJADWALAN PERAWAT MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PENJADWALAN PERAWAT MENGGUNAKAN ALGORITMA GENETIKA Rifqy Rosyidah Ilmi 1, Wayan Firdaus Mahmudy 2, Dian Eka Ratnawati 2 1 Mahasiswa, 2 Dosen Pembimbing Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperinciPenerapan Genetic Algorithm Untuk Optimasi Peningkatan Laba Persediaan Produksi Pakaian
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 6, Juni 218, hlm. 2168-2172 http://j-ptiik.ub.ac.id Penerapan Genetic Algorithm Untuk Optimasi Peningkatan Laba Persediaan
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENENTUKAN BIAYA MINIMAL DISTRIBUSI BARANG TIGA TAHAP PT. SEMEN TONASA
PENERAPAN ALGORITMA GENETIKA UNTUK MENENTUKAN BIAYA MINIMAL DISTRIBUSI BARANG TIGA TAHAP PT. SEMEN TONASA Andi Baharuddin 1, Aidawayati Rangkuti 2, Armin Lawi 3 Program Studi Matematika, Jurusan Matematika,
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM
PERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM Nico Saputro dan Suryandi Wijaya Jurusan Ilmu Komputer Universitas Katolik Parahyangan nico@home.unpar.ac.id
Lebih terperinciOPTIMASI POLA PENYUSUNAN BARANG DALAM RUANG TIGA DIMENSI MENGGUNAKAN METODE GENETIC ALGORITHMS
OPTIMASI POLA PENYUSUNAN BARANG DALAM RUANG TIGA DIMENSI MENGGUNAKAN METODE GENETIC ALGORITHMS Kartika Gunadi, Irwan Kristanto Julistiono Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas
Lebih terperinciPENGENALAN ANGKA DENGAN MENGGUNAKAN ALGORITMA GENETIK. Fakultas Teknik dan Ilmu Komputer, Jurusan Teknik Informatika Universitas Komputer Indonesia
PENGENALAN ANGKA DENGAN MENGGUNAKAN ALGORITMA GENETIK Frengki Agus f124nk_85@yahoo.com Pembimbing I : Linda Salma, S.Si., M.T. Pembimbing II : Khusnul Novianingsih,M.Si Fakultas Teknik dan Ilmu Komputer,
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka. Penelitian serupa mengenai penjadwalan matakuliah pernah dilakukan oleh penelliti yang sebelumnya dengan metode yang berbeda-neda. Berikut
Lebih terperinciPERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN
PERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN Eva Desiana, M.Kom Pascasarjana Teknik Informatika Universitas Sumatera Utara, SMP Negeri 5 Pematangsianta Jl. Universitas Medan, Jl.
Lebih terperinciPemodelan Regresi Linear dalam Konsumsi Kwh Listrik di Kota Batu Menggunakan Algoritma Genetika
Pemodelan Regresi Linear dalam Konsumsi Kwh Listrik di Kota Batu Menggunakan Algoritma Genetika Arini Indah Permatasari 1), Wayan Firdaus Mahmudy 2) Program Studi Informatika/Ilmu Komputer Program Teknologi
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Pada saat sekarang ini, setiap perusahaan yang ingin tetap bertahan dalam persaingan dengan perusahaan lainnya, harus bisa membuat semua lini proses bisnis perusahaan tersebut
Lebih terperinciBAB III. Metode Penelitian
BAB III Metode Penelitian 3.1 Diagram Alir Penelitian Secara umum diagram alir algoritma genetika dalam penelitian ini terlihat pada Gambar 3.1. pada Algoritma genetik memberikan suatu pilihan bagi penentuan
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM
IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM Anies Hannawati, Thiang, Eleazar Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas Kristen Petra Jl. Siwalankerto 121-131,
Lebih terperinciArif Munandar 1, Achmad Lukman 2 1 Teknik Informatika STMIK El Rahma Yogyakarta, Teknik Informatika STMIK El Rahma Yogyakarta
PENJADWALAN MATAKULIAH DENGAN ALGORITMA GENETIKA MENGGUNAKAN FRAMEWORK CODEIGNITER (STUDI KAUS PROGRAM STUDI S PENDIDIKAN AGAMA ISLAM UNIVERSITAS ALMA ATA YOGYAKARTA) Arif Munandar, Achmad Lukman 2 Teknik
Lebih terperinciOptimasi Daftar Bahan Makanan Untuk Pasien Rawat Jalan dan Keluarga Menggunakan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 1, Januari 2018, hlm. 342-351 http://j-ptiik.ub.ac.id Optimasi Daftar Bahan Makanan Untuk Pasien Rawat Jalan dan
Lebih terperinciPENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA
LOGO PENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA Oleh : Aris Saputro 1206100714 Pembimbing : Dr. M. Isa
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Dalam beberapa tahun terakhir ini, peranan algoritma genetika terutama untuk masalah optimisasi, berkembang dengan pesat. Masalah optimisasi ini beraneka ragam tergantung dari bidangnya. Dalam
Lebih terperinciPencarian Rute Optimum Menggunakan Algoritma Genetika
Jurnal Teknik Elektro Vol. 2, No. 2, September 2002: 78-83 Pencarian Rute Optimum Menggunakan Algoritma Genetika Anies Hannawati, Thiang, Eleazar Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas
Lebih terperinciPENGGABUNGAN ALGORITMA GENETIKA DENGAN TABU SEARCH UNTUK PENGEMBANGAN METODE PENJADWALAN MATA KULIAH DI UNIVERSITAS SEBELAS MARET SURAKARTA SKRIPSI
PENGGABUNGAN ALGORITMA GENETIKA DENGAN TABU SEARCH UNTUK PENGEMBANGAN METODE PENJADWALAN MATA KULIAH DI UNIVERSITAS SEBELAS MARET SURAKARTA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar
Lebih terperinciPendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner
Vol. 7, 2, 108-117, Januari 2011 Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner Jusmawati Massalesse Abstrak Tulisan ini dimaksudkan untuk memperlihatkan proses
Lebih terperinciPerbandingan Algoritma Exhaustive, Algoritma Genetika Dan Algoritma Jaringan Syaraf Tiruan Hopfield Untuk Pencarian Rute Terpendek
Perbandingan Algoritma Exhaustive, Algoritma Genetika Dan Algoritma Jaringan Syaraf Tiruan Hopfield Untuk Pencarian Rute Terpendek Rudy Adipranata 1, Felicia Soedjianto 2, Wahyudi Tjondro Teknik Informatika,
Lebih terperinciPerancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika
Perancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika Hermawan Andika, S.Kom., M.Kom. Jurusan Teknik Informatika Institut
Lebih terperinciPEMODELAN REGRESI NON LINEAR MENGGUNAKAN ALGORITMA GENETIKA UNTUK PREDIKSI KEBUTUHAN AIR PDAM KOTA MALANG
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 3, No. 1, Maret 2016, hlm. 59-65 PEMODELAN REGRESI NON LINEAR MENGGUNAKAN ALGORITMA GENETIKA UNTUK PREDIKSI KEBUTUHAN AIR PDAM KOTA MALANG Vitara
Lebih terperinciOptimasi Komposisi Pupuk Tanaman Jagung Menggunakan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2534-2541 http://j-ptiik.ub.ac.id Optimasi Komposisi Pupuk Tanaman Jagung Menggunakan Algoritme
Lebih terperinciPENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA
PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA Kartina Diah KW1), Mardhiah Fadhli2), Charly Sutanto3) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1 Rumbai-Pekanbaru-Riau
Lebih terperinciOptimasi Penjadwalan Damping Mahasiswa Difabel Menggunakan Algoritma Genetika (Studi Kasus PSLD Universitas Brawijaya)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 9, Juni 2017, hlm. 774-782 http://j-ptiik.ub.ac.id Optimasi Penjadwalan Damping Mahasiswa Difabel Menggunakan Algoritma
Lebih terperinciAPLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN TATA LETAK MESIN
APLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN TATA LETAK MESIN Hari Purnomo, Sri Kusumadewi Teknik Industri, Teknik Informatika Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyakarta ha_purnomo@fti.uii.ac.id,
Lebih terperinciPenyusunan Bahan Makanan Keluarga Penderita Penyakit Hiperkolesterolemia Menggunakan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2979-2986 http://j-ptiik.ub.ac.id Penyusunan Bahan Makanan Keluarga Penderita Penyakit Hiperkolesterolemia
Lebih terperinciPenjadwalan Dinas Pegawai Menggunakan Algoritma Evolution Strategies pada PT. Kereta Api Indonesia (KAI) DAOP 7 Stasiun Besar Kediri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2473-2479 http://j-ptiik.ub.ac.id Penjadwalan Dinas Pegawai Menggunakan Algoritma Evolution
Lebih terperinciPeramalan Produksi Gula Pasir Menggunakan Fuzzy Time Series Dengan Optimasi Algoritma Genetika (Studi Kasus PG Candi Baru Sidoarjo)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2542-2548 http://j-ptiik.ub.ac.id Pe Produksi Gula Pasir Menggunakan Fuzzy Time Series Dengan
Lebih terperinciBAB 1 PENDAHULUAN. disebut Univesitas Timetabling Problems (UTP). Permasalahan ini dilihat dari sisi
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Penjadwalan perkuliahan merupakan suatu masalah yang sangat kompleks yang sering disebut Univesitas Timetabling Problems (UTP). Permasalahan ini dilihat dari sisi
Lebih terperinciBAB 2 DASAR TEORI. 2.1 Teka-Teki Silang
BAB 2 DASAR TEORI 2.1 Teka-Teki Silang Teka-teki silang atau disingkat TTS adalah suatu permainan yang mengharuskan penggunanya untuk mengisi ruang-ruang kosong dengan huruf-huruf yang membentuk sebuah
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Algoritma Genetika
6 BAB 2 LANDASAN TEORI 2.1 Algoritma Genetika Algoritma genetika merupakan metode pencarian yang disesuaikan dengan proses genetika dari organisme-organisme biologi yang berdasarkan pada teori evolusi
Lebih terperinciOptimasi Fuzzy Inference System Mamdani Menggunakan Algoritme Genetika untuk Menentukan Lama Waktu Siram pada Tanaman Strawberry
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 11, November 2017, hlm. 1433-1442 http://j-ptiik.ub.ac.id Optimasi Fuzzy Inference System Mamdani Menggunakan Algoritme
Lebih terperinciPerancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali) I Made Budi Adnyana
Lebih terperinciImplementasi Sistem Penjadwalan Akademik Fakultas Teknik Universitas Tanjungpura Menggunakan Metode Algoritma Genetika
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 2, (2017) 28 Implementasi Sistem Penjadwalan Akademik Fakultas Teknik Universitas Tanjungpura Menggunakan Metode Algoritma Genetika Andreas Christian
Lebih terperinciOPTIMASI TRAVELLING SALESMAN PROBLEM WITH TIME WINDOWS (TSP-TW) PADA PENJADWALAN PAKET RUTE WISATA DI PULAU BALI MENGGUNAKAN ALGORITMA GENETIKA
Seminar Nasional Sistem Informasi Indonesia, 2-3 November 2015 OPTIMASI TRAVELLING SALESMAN PROBLEM WITH TIME WINDOWS (TSP-TW) PADA PENJADWALAN PAKET RUTE WISATA DI PULAU BALI MENGGUNAKAN ALGORITMA GENETIKA
Lebih terperinciALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 03(2016), hal 265 274. ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR Abdul Azis, Bayu Prihandono, Ilhamsyah INTISARI Optimasi
Lebih terperinciSistem Rekomendasi Bahan Makanan Bagi Penderita Penyakit Jantung Menggunakan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 8-9X Vol., No., November, hlm. - http://j-ptiik.ub.ac.id Sistem Rekomendasi Bahan Makanan Bagi Penderita Penyakit Jantung Menggunakan Algoritma
Lebih terperinciPencarian Rute Terpendek untuk Pengoptimalan Ditribusi Sales Rokok Gudang Garam di kecamatan Wuluhan Kabupaten Jember Menggunakan Algoritma Genetika
Pencarian Rute Terpendek untuk Pengoptimalan Ditribusi Sales Rokok Gudang Garam di kecamatan Wuluhan Kabupaten Jember Menggunakan Algoritma Genetika Priza Pandunata, Rachmad Agung Bagaskoro, Agung Ilham
Lebih terperinciPREDIKSI TIME SERIES TINGKAT INFLASI INDONESIA MENGGUNAKAN EVOLUTION STRATEGIES
PREDIKSI TIME SERIES TINGKAT INFLASI INDONESIA MENGGUNAKAN EVOLUTION STRATEGIES Universitas Telkom Jl.Telekomunikasi No. 1, Terusan Buah Batu, Bandung ritaris@telkomuniversity.ac.id Abstrak Prediksi tingkat
Lebih terperinci