BAB 3 ANALISIS DAN PERANCANGAN
|
|
- Djaja Darmali
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Pada bab 2, telah delaskan mengenai pemilihan negative cycle yang akan mengalami proses canceling tanpa menggunakan aturan-aturan tertentu. Dengan kondisi tersebut, maka metode cycle canceling akan memiliki kompleksitas total sebesar 2 OVACU ( ). Dengan kompleksitas seperti itu, algoritma ini sudah dapat tergolong kedalam kelompok polynomial, tetapi dalam kasus sehari-hari C dan U seringkali bernilai sangat besar, sehingga kompleksitas tersebut akan jatuh kedalam keadaan weak polynomial. Untuk itu diperlukan algoritma yang lebih cepat yang memiliki kompleksitas yang tergolong sebagai strong polynomial. Hal tersebut dapat tercapai dengan cara menghilangkan faktor C dan U dari perhitungan kompleksitas, atau menggunakan algoritma yang dapat membuat pertumbuhan kompleksitas terhadap C dan U menjadi sangat kecil. Seperti pada hipotesis, bahwa penggunaan aturan-aturan yang berbeda dalam memilih negative cycle yang akan mengalami proses canceling akan menghasilkan kompleksitas metode cycle canceling yang berbeda. Sekarang akan digunakan aturan pemilihan negative cycle yang memiliki nilai rata-rata terkecil ( (, i j ) W W c ). Berikut ini adalah analisis kompleksitas cycle canceling apabila menggunakan aturan tersebut. 33
2 3.1.1 Approximate Optimality Pertama-tama diperkenalkan terhadap satu variabel yang sangat penting yaitu ε dan sebuah kondisi, yaitu ε optimal. Untuk beberapa atau semua node potential pada pasangan ( x, ) harus memiliki kondisi ε optimal sebagai berikut: If c > ε, then x = 0 (3.1.1) If ε c ε, then 0 x u (3.1.2) If c < ε, then x = u (3.1.3) Kondisi ε optimal di atas merupakan kondisi optimal complementery slackness yang telah dibahas pada bab 2. Sehingga solusi optimal akan dihasilkan apabila ε = 0. Karena nilai ε > 0, maka dapat diintegrasikan kedalam kondisi optimal reduced cost, sehingga akan didapatkan kondisi sebagai berikut: c ε (3.2) Supaya suatu graph Gx ( ) dapat memenuhi kondisi ε optimal, maka nilai ε C. Dari kondisi (3.2) dan kondisi optimal reduced cost juga dapat disimpulkan (, i j) W c εv 1, karena cost akan selalu bernilai integer, maka kondisi optimal akan 1 terjadi pada saat ε < dan V tersebut, maka c tidak akan bernilai negatif. Dengan perolehan hasil (, i j) W c = c () i + ( j) = c akan selalu bernilai positif untuk (, i j) W (, i j) W (, i j) W setiap W, dan karena tidak ada negative cycle pada Gx, ( ) maka x merupakan solusi optimal dari minimum cost flow. 34
3 3.1.2 Properti Sekarang hubungkan antara approximate optimality dengan metode cycle canceling yang menggunakan aturan (, i j ) W W c terkecil untuk dilibatkan pada proses canceling. Seperti yang telah dibahas sebelumnya, bahwa flow x merupakan ε optimal untuk beberapa set node potential, dan reduced cost c untuk setiap arcs paling sedikit ε. Perhatikan bahwa untuk setiap flow x akan menjadi ε optimal untuk banyak ε, karena sebuah flow yang merupakan ε optimal juga merupakan optimal ε untuk setiap ε ε. Kemudian untuk setiap node potential, set ε ( x) = min( c :( i, j) G( x)), sehingga c ε ( x). Jadi x merupakan ε optimal untuk ε( x) = min ε ( x). Berikutnya terdapat variabel μ ( x) yang mewakili nilai cost rata-rata minimum dari sebuah cycle. Karena x adalah ε optimal, maka kondisi (3.2) dapat diterapkan menjadi c = c ε ( x)* W, dengan memilih cycle yang memiliki nilai cost (, i j) W (, i j) W rata-rata minimum sebagai W, maka didapatkan μ( x) ε ( x). Kemudian ganti semua nilai c dengan c = c μ( x), dengan pergantian ini, maka nilai cost rata-rata dari setiap cycle akan berkurang sebanyak μ ( x), dan cycle yang memiliki nilai cost rata-rata terkecil akan memiliki nilai cost rata-rata = 0, sehingga apabila semua cycle yang memiliki nilai cost rata-rata < 0 dihilangkan, maka graph G(x) tidak memiliki negative cycle. Dengan mengintegrasikan hal ini dengan kondisi optimal shortest path (2.1), maka: d ( j) d () i + c = d () i + c μ( x), dengan mengganti j = d, maka ( ) 35
4 pertidaksamaan tersebut menjadi c μ( x), jadi x adalah ( μ( x)) optimal, sehingga ε ( x) μ( x). Dari hal ini dapat disimpulkan, bahwa apabila x bukan optimal flow, maka ε ( x) = μ( x). Kemudian karena c = c = μ( x) W, maka didapatkan (, i j) W (, i j) W persamaan berikut ini: c = μ( x) = ε ( x). Anggap W merupakan nilai rata-rata negative cycle yang minimum pada graph G(x). Dari analisa sebelumnya untuk node potential, nilai c = ε ( x) untuk setiap arc (, i j) W. Kemudian x merupakan flow setelah menghilangkan cycle W dari G(x). Ketika melakukan proses canceling, terdapat 2 hal, yaitu adanya penghilangan dan penambahan satu atau lebih arc. Jika arc (, i j ) terdapat pada G(x), maka c ε ( x). Jika arc (, i j ) tidak terdapat pada G(x), maka arc (, i j ) merupakan kebalikan dari arc ( j, i ), sehingga c = ε ( x) dan c = c ε ( x) > 0. Untuk arc (, i j ) dari ji memiliki reduced cost c ε ( x). Hal ini menunjukkan bahwa μ dalam ji Gx ( ) Gx ( ) manapun akan bernilai sekurang-kurangnya ε ( x). Karena c = μ( x), maka didapatkan ε( x ) = μ( x) ε( x) = μ( x). Dari pertidaksamaan tersebut, dapat disimpulkan, bahwa apabila flow x bukan merupakan solusi optimal dari minimum cost flow, maka nilai ε ( x) tidak akan pernah bertambah, dan nilai μ ( x) juga tidak akan pernah berkurang. Negative cycle dapat dibagi menjadi dua tipe: a) Semua arc pada negative cycle bernilai negatif b) Setidaknya ada satu buah arc pada negative cycle yang bernilai positif. 36
5 Apabila setiap kali menjalankan tipe (a) akan melakukan canceling minimal untuk satu buah arc, maka tipe (a) paling banyak akan dalankan sebanyak A kali, dan kemudian diakhiri oleh tipe (b), atau tidak sama sekali. Hal ini disebabkan karena ketika tipe (a) terlibat dalam proses canceling, maka cost yang bernilai negatif akan berubah menjadi positif, dan setelah A kali, maka semua cost akan bernilai positif, dan metode cycle canceling akan selesai dalam keadaan optimal. Berikutnya analisa ketika terjadi canceling pada negative cycle tipe (b). Misalkan terjadi canceling pada cycle W, yang memiliki setidaknya satu buah arc postitif. Kemudian terdapat flow x yang mewakili flow sebelum proses canceling dan flow x yang mewakili flow sesudah proses canceling. Sehingga c ε ( x) untuk semua arc (, i j) W, dan c 0 untuk semua kl arc ( kl, ) W. Sehingga dapat diketahui cost dari flow x, yaitu cw ( ) = c W 1 ( x). Sebelumnya telah diketahui bahwa nilai ε ( x) (, i j) W ( )( ε ) tidak akan pernah bertambah, dan μ ( x ) μ( x ), sehingga akan didapatkan 1 1 W V pertidaksamaan μ ( x ) μ ( x ) 1 ( ε ( x )) 1 ( ε ( x )). Kemudian dengan mengalikan -1 pada setiap sisinya, akan didapatkan pertidaksamaan 1 μ x V ( ε x ) ( ) 1 ( ), karena ε = maka ε( x ) 1 ( ε( x )) ( x ) μ( x ) 1 V. Sehingga dapat disimpulkan, bahwa setelah terjadi A proses canceling, maka nilai 1 ε ( x), akan berkurang paling banyak sebesar 1 ( ( x) ) V ε. 37
6 3.1.3 Kompleksitas Seperti yang sudah dibahas pada subbab 3.1.1, bahwa agar graph G(x) memenuhi kondisi ε optimal, maka ε C. Kemudian dari properti pada subbab 3.1.2, telah disimpulkan bahwa pada setiap A proses canceling, maka nilai ε ( x) akan 1 V berkurang sebesar 1 ( ε ( x) ), dan ketika 1 ε ( x), maka G(x) merupakan solusi V optimal untuk minimum cost flow. Oleh karena itu secara keseluruhan, ε ( x) harus berkurang sebesar faktor dari VC. Karena ε( x ) 1 ε( x ) VA iterasi, maka ( x ) ( x ) k+ 1 1 V k, maka setiap terjadi ε k ε k+ v. Sehingga metode cycle canceling dengan 2 menggunakan aturan nilai rata-rata negative cycle terkecil memiliki kompleksitas O(VA lg (VC)) Pencarian Negative Cycle Setelah mendapatkan kompleksitas cycle canceling secara keseluruhan, kompleksitas dari pencarian negative cycle untuk diproses juga sangat berpengaruh. Untuk mencari negative cycle yang memiliki nilai terkecil dapat dicari dengan langkahlangkah sebagai berikut: Langkah 1: Carilah jarak terpendek dari suatu vertex s menuju vertex i (dimana i merupakan vertex selain s) dengan tepat k langkah. Untuk melakukan langkah 1 ini, dapat digunakan metode dinamic programming. Subproblem dari langkah ini yaitu untuk mendapatkan jarak terpendek dari vertex s menuju vertex i dalam k langkah, maka diperlukan nilai 38
7 optimal dari jarak terpendek dari vertex s menuju vertex lainnya dalam (k 1) langkah. Dari karakteristik ini, didapatkan persamaan rekursif sebagai berikut: dk [, j] dk [ 1, i] + c untuk setiap arc (, i j) A. Langkah 2: Mencari nilai rata-rata negative cycle minimum dari suatu graph G(x), dengan menggunakan persamaan: min max μ = ( j V) (0 k ( n 1)) dn [, j] dk [, j] n k ketika μ 0, maka pada graph tidak terdapat negative cycle, sedangkan ketika μ < 0, maka terdapat negative cycle pada graph Gx ( ) dengan nilai rata-rata μ. Langkah 3: Kurangi semua nilai cost pada arcs dengan μ. Sebab ketika semua nilai cost pada arcs dikurangi dengan μ, maka setiap negative cycle yang memiliki nilai rata-rata μ akan berubah sehingga tidak berstatus negative cycle, karena nilai μ berikutnya dari cycle tersebut sama dengan 0. Langkah 4: Hitung jarak terpendek dari vertex s ke semua vertex kecuali vertex s sendiri. Langkah 5: Dengan konsentrasi hanya kepada arc yang memiliki reduced cost = 0, jalankan algoritma topological sorting. Algoritma ini akan sukses dalankan secara utuh, ketika tidak terdapat cycle pada graph. Sehingga ketika algoritma ini terhenti sebelum semua arc pada graph di eliminasi, maka sisa arc tersebut merupakan cycle. Karena langkah 1 memiliki kompleksitas O(VA), langkah 2 memiliki kompleksitas 2 OV ( ), langkah 3 memiliki kompleksitas OA, ( ) langkah 4 memiliki kompleksitas 39
8 OVA ( ), dan langkah 5 memiliki kompleksitas OV 2 ( ), sehingga kompleksitas keseluruhan untuk mencari negative cycle ini adalah OVA ( ), karena prosedur ini dalankan sebanyak O(VA lg (VC)), maka total kompleksitas dari metode cycle 2 2 canceling ini adalah O( V A lg (VC)). 3.2 Perancangan Berdasarkan analisis sebelumnya, maka solusi yang diusulkan akan dirancang untuk penyusunan metode cycle canceling. Pada subbab berikut akan dibahas lebih mendetil Cycle Canceling Langkah-langkah untuk cycle canceling telah dibahas pada bab 2, berikut ini adalah pseudocode dari cycle canceling. function cycle_canceling() Cost = 0 Push_relabel() For i := 0 to n 1 do For j := 0 to n 1 do If adju[i][j] AND adjc[i][j] < 0 then Cost += (adju[i][j] * -adjc[i][j]) End if End for End for While (terdapat negative cycle) Hilangkan jalur negative cycle Cost = cost cost_negative_cycle End while End. Pseudocode 3.1: Cycle canceling 40
9 3.2.2 Pencarian Basic Feasible Solution Untuk mencari basic feasible solution dari minimum cost flow dapat digunakan maximum flow, berikut ini adalah pseudocode dari maximum flow menggunakan metode push relabel. function push_relabel() For i := 0 to n 1 do e[i] = 0 h[i] = inf h[t] = 0 breadth_first_search() set all sudahaktif[0..n-1] = false for i := 0 to n 1 do if adju[s][i]!= 0 AND h[i] = h[s] + 1 then e[i] = adju[i][s] = adju[s][i] adju[s][i] = 0 dequeue (i) sudahaktif[i] = true while (queue tidak kosong) av = queue paling depan for i := 0 to n 1 do if adju[av][i] AND h[i] == h[av] 1 then p = min (adju[av][i], e[av]) kurangi nilai e[av] dan adju[av][i] dengan p tambahkan nilai e[i] dan adju[i][av] dengan p if i belum aktif then enqueue (i) sudahaktif[i] = true if av sudah tidak aktif then dequeue () else h[av] = min(h[i] dimana i adalah semua vertex kecuali s dan t) end while end. Pseudocode 3.2: maximum flow 41
10 3.2.3 Pencarian Tinggi Minimum dari Masing-masing Vertex Untuk mencari tinggi minimum dari masing-masing vertex sebagai setting awal pada algoritma push-relabel, digunakan algoritma pencarian breadth first search. function breadth_first_search() enqueue (t) while (queue tidak kosong) tt = queue paling depan, dan dequeue() for i := 0 to n 1 do h[i] = h[tt] + 1 enqueue (i) end while end. Pseudocode 3.3: Breadth First Search Pencarian Negative Cycle Pencarian negative cycle yang memiliki nilai rata-rata minimum, menggunakan metode yang telah delaskan sebelumnya. function detect_negative_cycle() set d[0..n-1, 0..n-1] = inf d[0][t] = 0 for k := 0 to n 1 do for all arc (i, j) do d[k][j] = min (d[k][j], d[k 1][i] + c[i][j]) μ = inf for j := 0 to n 1 do maxi = -inf for k := 0 to n 1 do maxi = max (maxi, (d[n][j] d[k][j]) / (n k)) μ = min ( μ, maxi) if μ < 0 then ada negative cycle else tidak ada negative cycle end. Pseudocode 3.4: Detect negative cycle 42
11 3.2.5 Mendapatkan Jalur Negative Cycle Untuk mendapatkan jalur negative cycle yang telah dicari sebelumnya, cukup memperhatikan arcs yang memiliki reduced cost = 0. function membentuk_graph_baru() set all ds[0..n-1] = inf for i := 0 to n 1 do for j := 0 to m 1 do if ds[to[j]] > ds[from[j]] + adjc[i][j] then ds[to[j]] = ds[from[j]] + adjc[i][j] set all dummy[0..n-1, 0..n-1] = false for all arc (i,j) do if adjc[i][j] - μ + ds[i] ds[j] == 0 then dummy[i][j] = true end. Pseudocode 3.5: Membentuk Graph Baru kemudian proses dengan menggunakan algoritma topological sorting, sehingga arc yang tersisa merupakan jalur dari negative cycle yang dicari. function topological_sorting() set all degree[0..n-1] = 0 for i := 0 to n - 1 do for j := 0 to n 1 do if dummy[i][j] then degree[j] = degre[j] + 1 for i := 0 to n 1 do if degree[i] == 0 then enqueue (i) next = 0 while (queue tidak kosong) av = pilih queue paling depan, dan dequeue() next = next + 1 for i := 0 to n 1 do if dummy[av][i] then degree[i] = degree[i] 1 dummy[av][i] = false if degree[i] == 0 then 43
12 enqueue (i) end while if next < n then return ada cycle else return tidak ada cycle end. Pseudocode 3.6: Topological sorting 44
BAB 1 PENDAHULUAN. barang, jaringan jalan raya, atau dalam masalah komputasi yaitu jaringan penjadwalan.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kehidupan manusia berkaitan erat dengan jaringan. Jaringan pendistribusian barang, jaringan jalan raya, atau dalam masalah komputasi yaitu jaringan penjadwalan. Dalam
Lebih terperinciAnalisis dan Optimalisasi Algoritma Minimum-Cost Flow
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2005/2006 Analisis dan Optimalisasi Algoritma Minimum-Cost Flow Evan Leonardi 0600632034 Mhd Irvan 0600651273
Lebih terperinciIKI 20100: Struktur Data & Algoritma
IKI : Struktur Data & Algoritma Graph Ruli Manurung & Ade Azurat ( Setiawan (acknowledgments: Denny, Suryana Fasilkom UI Ruli Manurung & Ade Azurat Fasilkom UI - IKI 7/8 Ganjil Minggu Materi Motivasi Definisi
Lebih terperinciOptimasi Jaringan. Masalah Optimasi Jaringan Model Optimasi Jaringan Penyelesaian Optimasi Jaringan dengan Simpleks
Optimasi Jaringan Masalah Optimasi Jaringan Model Optimasi Jaringan Penyelesaian Optimasi Jaringan dengan Simpleks Pendahuluan Sebuah model jaringan terdiri dari dua buah element utama, yaitu: Arc, marupakan
Lebih terperinciTujuan Instruksional
Pertemuan 4 P E N C A R I A N T A N P A I N F O R M A S I B F S D F S U N I F O R M S E A R C H I T E R A T I V E D E E P E N I N G B I D I R E C T I O N A L S E A R C H Tujuan Instruksional Mahasiswa
Lebih terperinciAnalisis Pengimplementasian Algoritma Greedy untuk Memilih Rute Angkutan Umum
Analisis Pengimplementasian Algoritma Greedy untuk Memilih Rute Angkutan Umum Arieza Nadya -- 13512017 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciBAB 2 LANDASAN TEORI
18 BAB 2 LANDASAN TEORI 2.1. Pengertian Algoritma Algoritma adalah urutan atau deskripsi langkah- langkah penyelesaian masalah yang tersusun secara logis, ditulis dengan notasi yang mudah dimengerti sedemikian
Lebih terperinciBAB III QUEUE (ANTRIAN)
BAB III QUEUE (ANTRIAN) 3.1 Pengertian Antrian Antrian (Queue) merupakan kumpulan data yang mana penambahan elemen hanya bias dilakukan pada suatu ujung yaitu rear /tail / belakang, dan pengha[usan dilakukan
Lebih terperinciPENERAPAN ALGORITMA COST SCALING PADA PERMASALAHAN MINIMUM COST FLOW DAN IMPLEMENTASINYA PADA PROGRAM
PENERAPAN ALGORITMA COST SCALING PADA PERMASALAHAN MINIMUM COST FLOW DAN IMPLEMENTASINYA PADA PROGRAM Fajar Prabowo Universitas Negeri Malang E-mail: fajar_sinyoo@yahoo.com Pembimbing: (I) Dra. Sapti Wahyuningsih,
Lebih terperinciPENERAPAN ALGORITMA RELAKSASI PADA PERMASALAHAN MINIMUM COST FLOW
PENERAPAN ALGORITMA RELAKSASI PADA PERMASALAHAN MINIMUM COST FLOW Supiatun, Sapti Wahyuningsih, Darmawan Satyananda Universitas Negeri Malang E-mail: nuta_ipuzzz@yahoo.com Abstrak : Minimum cost flow merupakan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Algoritma Breadth First Search Berikut ini adalah proses yang dilakukan dengan menggunakan algoritma Breadth first search untuk pencarian jalur. Proses pencarian
Lebih terperinciALGORITMA PENCARIAN SIMPUL SOLUSI DALAM GRAF
ALGORITMA PENCARIAN SIMPUL SOLUSI DALAM GRAF Anthony Rahmat Sunaryo NIM: 3506009 Jurusan Teknik Informatika ITB, Bandung email : if6009@students.if.itb.ac.id Abstract -- Makalah ini membahas tentang analsis
Lebih terperinciAplikasi Graf pada Persoalan Lintasan Terpendek dengan Algoritma Dijkstra
Aplikasi Graf pada Persoalan Lintasan Terpendek dengan Algoritma Dijkstra Adriansyah Ekaputra 13503021 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung Abstraksi Makalah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Graph Graf adalah struktur data yang terdiri dari atas kumpulan vertex (V) dan edge (E), biasa ditulis sebagai G=(V,E), di mana vertex adalah node pada graf, dan edge adalah rusuk
Lebih terperinciKecerdasan Buatan. Penyelesaian Masalah dengan Pencarian... Pertemuan 02. Husni
Kecerdasan Buatan Pertemuan 02 Penyelesaian Masalah dengan Pencarian... Husni Lunix96@gmail.com http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM, 2013 Outline Konsep Pencarian Pencarian
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Persoalan lintasan terpanjang (longest path) merupakan persoalan dalam mencari lintasan sederhana terpanjang maksimum dalam suatu graph yang diberikan. Lintasan terpanjang
Lebih terperinci2. Sebuah prosedur langkah demi langkah yang pasti untuk menyelesaikan sebuah masalah disebut : a. Proses b. Program c. Algoritma d. Prosesor e.
1. Dalam menyusun suatu program, langkah pertama yang harus dilakukan adalah : a.membuat program b. Membuat Algoritma c. Membeli komputer d. Proses e. Mempelajari program 2. Sebuah prosedur langkah demi
Lebih terperinciProgram Dinamis (Dynamic Programming)
Program Dinamis (Dynamic Programming) Bahan Kuliah IF2211 Strategi Algoritma Oleh: Rinaldi Munir Program Studi Teknik Informatika STEI-ITB 1 2 Program Dinamis Program Dinamis (dynamic programming): - metode
Lebih terperinciNASKAH UJIAN UTAMA. JENJANG/PROG. STUDI : DIPLOMA TIGA / MANAJEMEN INFORMATIKA HARI / TANGGAL : Kamis / 18 FEBRUARI 2016
NASKAH UJIAN UTAMA MATA UJIAN : LOGIKA DAN ALGORITMA JENJANG/PROG. STUDI : DIPLOMA TIGA / MANAJEMEN INFORMATIKA HARI / TANGGAL : Kamis / 18 FEBRUARI 2016 NASKAH UJIAN INI TERDIRI DARI 80 SOAL PILIHAN GANDA
Lebih terperinciSTRATEGI DIVIDE AND CONQUER
Pemrogram bertanggung jawab atas implementasi solusi. Pembuatan program akan menjadi lebih sederhana jika masalah dapat dipecah menjadi sub masalah - sub masalah yang dapat dikelola. Penyelesaian masalah
Lebih terperinciKode MK/ Pemrograman Terstruktur 2
Kode MK/ Pemrograman Terstruktur 2 ZK Abdurahman Baizal KK Algoritma dan Komputasi Graf 1 8/25/2015 Pendahuluan Dalam bab ini kita akan membahas struktur data graf Struktur data graf banyak digunakan sebagai
Lebih terperinciALGORITMA DOUBLE SCALING UNTUK MENYELESAIKAN PERMASALAHAN MINIMUM COST FLOW DAN IMPLEMENTASINYA PADA PROGRAM KOMPUTER
ALGORITMA DOUBLE SCALING UNTUK MENYELESAIKAN PERMASALAHAN MINIMUM COST FLOW DAN IMPLEMENTASINYA PADA PROGRAM KOMPUTER Agustina Ardhini 1, Sapti Wahyuningsih 2, Darmawan Satyananda 3 Jurusan Matematika,
Lebih terperinciAlgoritma Greedy (lanjutan)
Algoritma Greedy (lanjutan) 5. Penjadwalan Job dengan Tenggang Waktu (Job Schedulling with Deadlines) Persoalan: - Ada n buah job yang akan dikerjakan oleh sebuah mesin; - tiap job diproses oleh mesin
Lebih terperinciBAB IV ANALISIS PEMILIHAN ALGORITMA LINTASAN TERPENDEK DAN PENYELESAIAN KASUS RUTE PENERBANGAN DOMESTIK
BAB IV ANALISIS PEMILIHAN ALGORITMA LINTASAN TERPENDEK DAN PENYELESAIAN KASUS RUTE PENERBANGAN DOMESTIK 4.. Langkah Pemilihan dan Penerapan Algoritma Seiring dengan perkembangan teknologi yang makin pesat
Lebih terperinciBAB VII ALGORITMA DIVIDE AND CONQUER
BAB VII ALGORITMA DIVIDE AND CONQUER Pemrogram bertanggung jawab atas implementasi solusi. Pembuatan program akan menjadi lebih sederhana jika masalah dapat dipecah menjadi sub masalah - sub masalah yang
Lebih terperinciDesign and Analysis Algorithm. Ahmad Afif Supianto, S.Si., M.Kom. Pertemuan 09
Design and Analysis Algorithm Ahmad Afif Supianto, S.Si., M.Kom Pertemuan 09 Contents 1 2 5 Algoritma Program Dinamis Lintasan Terpendek (Shortest Path) Penganggaran Modal (Capital Budgeting) 1/0 Knapsack
Lebih terperinciPelabelan aliran maksimum dengan algoritma Ford-Fulkerson telah diperkenalkan pada pertengahan 1950,
1 Pelabelan aliran maksimum dengan algoritma Ford-Fulkerson telah diperkenalkan pada pertengahan 1950, Merupakan algoritma untuk memaksimumkan aliran (flow) dengan kapasitas dan biaya yang terbatas pada
Lebih terperinciUNIVERSITAS GUNADARMA
UNIVERSITAS GUNADARMA SK No. 92 / Dikti / Kep /1996 Fakultas Ilmu Komputer, Teknologi Industri, Ekonomi,Teknik Sipil & Perencanaan, Psikologi, Sastra Program Diploma (D3) Manajemen Informatika, Teknik
Lebih terperinciAplikasi dan Analisis Algoritma BFS dan DFS dalam Menemukan Solusi pada Kasus Water Jug
Aplikasi dan Analisis Algoritma BFS dan DFS dalam Menemukan Solusi pada Kasus Water Jug Rizkydaya Aditya Putra NIM : 13506037 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika, Institut
Lebih terperinciPENERAPANAN ALGORITMA BFS, DFS, DAN UCS UNTUK MENCARI SOLUSI PADA MASALAH ROMANIA
PENERAPANAN ALGORITMA BFS, DFS, DAN UCS UNTUK MENCARI SOLUSI PADA MASALAH ROMANIA 1. PENDAHULUAN Pada zaman serba modern ini, peta masih digunakan oleh kebanyakan orang untuk menuju dari suatu titik awal
Lebih terperinciAplikasi Algoritma Dijkstra dalam Pencarian Lintasan Terpendek Graf
Aplikasi Algoritma Dijkstra dalam Pencarian Lintasan Terpendek Graf Nur Fajriah Rachmah - 0609 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan
Lebih terperinciAnalisis Kompleksitas Algoritma Untuk Menyelesaikan Permasalahan Maximum Flow
Analisis Kompleksitas Algoritma Untuk Menyelesaikan Permasalahan Maximum Flow Kevin Tanadi NIM: 13506120 1) Jurusan Teknik Informatika ITB, Bandung 40116, email: streptomicin2001@yahoo.com Abstract Makalah
Lebih terperinciPENGUJIAN PERANGKAT LUNAK
PENGUJIAN PERANGKAT LUNAK (DPH2C2) PROGRAM STUDI D3 MANAJEMEN INFORMATIKA UNIVERSITAS TELKOM SEMESTER GENAP TAHUN AKADEMIK 2016-2017 PERTEMUAN 7 MATERI : BASIS PATH WORKSHEET Hanya digunakan di lingkungan
Lebih terperinciAnalisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek
Analisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek Hugo Toni Seputro Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Jl. Ganesha 10 Bandung Jawa Barat Indonesia
Lebih terperinciSebuah algoritma tidak saja harus benar, tetapi juga harus mangkus (efisien). Algoritma yang bagus adalah algoritma yang mangkus.
Waktu komputasi (dalam detik) Kompleksitas Algoritma Sebuah algoritma tidak saja harus benar, tetapi juga harus mangkus (efisien). Algoritma yang bagus adalah algoritma yang mangkus. Kemangkusan algoritma
Lebih terperinciPerbandingan Algoritma Dijkstra Dan Algoritma Ant Colony Dalam Penentuan Jalur Terpendek
Perbandingan Algoritma Dijkstra Dan Algoritma Ant Colony Dalam Penentuan Jalur Terpendek Finsa Ferdifiansyah NIM 0710630014 Jurusan Teknik Elektro Konsentrasi Rekayasa Komputer Fakultas Teknik Universitas
Lebih terperinciAlgoritma Brute Force
Algoritma Brute Force Definisi Brute Force Brute force adalah sebuah pendekatan yang lempang (straightforward( straightforward) ) untuk memecahkan suatu masalah, biasanya didasarkan pada pernyataan masalah
Lebih terperinciALGORITMA PENGURUTAN & PENCARIAN
Materi kuliah ALGORITMA PENGURUTAN & PENCARIAN Ir. Roedi Goernida, MT. (roedig@yahoo.com) Program Studi Sistem Informasi Fakultas Rekayasa Industri Institut Teknologi Telkom Bandung 2011 1 Pengelompokan
Lebih terperinciDesign and Analysis Algorithm
Design and Analysis Algorithm Pertemuan 06 Drs. Achmad Ridok M.Kom Imam Cholissodin, S.Si., M.Kom M. Ali Fauzi S.Kom., M.Kom Ratih Kartika Dewi, ST, M.Kom Contents 31 Greedy Algorithm 2 Pendahuluan Algoritma
Lebih terperinciIX. Implementasi ADT : Stacks & Queues. Operasi dasar Contoh kegunaan Implementasi Array-based dan linked list-based
IX. Implementasi ADT : Stacks & Queues STRUKTUR DATA 1 Outline ADT Stacks Operasi dasar Contoh kegunaan Implementasi Array-based dan linked list-based ADT Queues Operasi dasar Contoh kegunaan Implementasi
Lebih terperinciTUGAS RESUME MATERI KULIAH ALGORITMA DAN STRUKTUR DATA STRATEGI ALGORITMA : H
TUGAS RESUME MATERI KULIAH ALGORITMA DAN STRUKTUR DATA STRATEGI ALGORITMA NAMA NIM : HERIANTI : H12111003 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA PROGRAM STUDI STATISTIKA UNIVERSITAS
Lebih terperinciKecerdasan Buatan Penyelesaian Masalah dengan Pencarian
Kecerdasan Buatan Pertemuan 02 Penyelesaian Masalah dengan Pencarian Kelas 10-S1TI-03, 04, 05 Husni Lunix96@gmail.com http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM, 2012 Outline Pendahuluan
Lebih terperinciPenerapan Algoritma Backtracking pada Pewarnaan Graf
Penerapan Algoritma Backtracking pada Pewarnaan Graf Deasy Ramadiyan Sari 1, Wulan Widyasari 2, Eunice Sherta Ria 3 Laboratorium Ilmu Rekayasa dan Komputasi Departemen Teknik Informatika, Fakultas Teknologi
Lebih terperinciALGORITMA PENCARIAN (HEURISTIC)
ALGORITMA PENCARIAN (HEURISTIC) Farah Zakiyah Rahmanti, M.T Diperbarui 2016 Overview Pengertian Pencarian Heuristik Generate and Test Hill Climbing Best First Searching Latihan Pencarian Heuristik Merupakan
Lebih terperinciPelacakan dan Penentuan Jarak Terpendek terhadap Objek dengan BFS (Breadth First Search) dan Branch and Bound
Pelacakan dan Penentuan Jarak Terpendek terhadap Objek dengan BFS (Breadth First Search) dan Branch and Bound Mico (13515126) Teknik Informatika Sekolah Teknik Elektro dan Informatika ITB Jl. Ganesha 10,
Lebih terperinciAlgoritma Brute-Force dan Greedy dalam Pemrosesan Graf
Algoritma Brute-Force dan Greedy dalam Pemrosesan Graf Marvin Jerremy Budiman / 13515076 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciKecerdasan Buatan. Pertemuan 03. Pencarian Branch & Bound dan Heuristik (Informed)
Kecerdasan Buatan Pertemuan 03 Pencarian Branch & Bound dan Heuristik (Informed) Husni Lunix96@gmail.com http://www.facebook.com/lunix96 http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM,
Lebih terperinciPenerapan Algoritma Greedy untuk Memecahkan Masalah Pohon Merentang Minimum
Penerapan Algoritma Greedy untuk Memecahkan Masalah Pohon Merentang Minimum Bramianha Adiwazsha - NIM: 13507106 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciMinimum Spanning Trees algorithm
Minimum Spanning Trees algorithm Algoritma Minimum Spanning Trees algoritma Kruskal and algoritma Prim. Kedua algoritma ini berbeda dalam metodologinya, tetapi keduanya mempunyai tujuan menemukan minimum
Lebih terperinciPenggunaan Algoritma Greedy dalam Membangun Pohon Merentang Minimum
Penggunaan Algoritma Greedy dalam Membangun Pohon Merentang Minimum Gerard Edwin Theodorus - 13507079 Jurusan Teknik Informatika ITB, Bandung, email: if17079@students.if.itb.ac.id Abstract Makalah ini
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Geographical Information System (GIS) Geographical Information System (GIS) yang dalam bahasa Indonesia dikenal sebagai Sistem Informasi Geografis (SIG) didefenisikan sebagai
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Algoritma Algoritma berasal dari nama ilmuwan muslim dari Uzbekistan, Abu Ja far Muhammad bin Musa Al-Khuwarizmi (780-846M). Pada awalnya kata algoritma adalah istilah yang merujuk
Lebih terperinciPenerapan strategi BFS untuk menyelesaikan permainan Unblock Me beserta perbandingannya dengan DFS dan Branch and Bound
Penerapan strategi BFS untuk menyelesaikan permainan Unblock Me beserta perbandingannya dengan DFS dan Branch and Bound Eric 13512021 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah dalam menentukan rantaian terpendek diantara pasangan node (titik) tertentu dalam suatu graph telah banyak menarik perhatian. Persoalan dirumuskan sebagai kasus
Lebih terperinciALGORITMA DJIKSTRA, BELLMAN-FORD, DAN FLOYD-WARSHALL UNTUK MENCARI RUTE TERPENDEK DARI SUATU GRAF
ALGORITMA DJIKSTRA, BELLMAN-FORD, DAN FLOYD-WARSHALL UNTUK MENCARI RUTE TERPENDEK DARI SUATU GRAF Dibi Khairurrazi Budiarsyah - 13509013 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciRepresentasi Graf Berarah dalam Mencari Solusi Jalur Optimum Menggunakan Algoritma A*
Representasi Graf Berarah dalam Mencari Solusi Jalur Optimum Menggunakan Algoritma A* Denny Nugrahadi Teknik informatika ITB, Bandung, email: d_nugrahadi@yahoo.com Abstract Makalah ini membahas mengenai
Lebih terperinciAnalisa dan Perancangan Algoritma. Ahmad Sabri, Dr Sesi 2: 16 Mei 2016
Analisa dan Perancangan Algoritma Ahmad Sabri, Dr Sesi 2: 16 Mei 2016 Teknik rekursif dan iteratif Algoritma rekursif adalah algoritma yang memanggil dirinya sendiri sampai tercapai kondisi yang ditetapkan
Lebih terperinciPenggunaan Algoritma Dijkstra dalam Penentuan Lintasan Terpendek Graf
Penggunaan Algoritma Dijkstra dalam Penentuan Lintasan Terpendek Graf Rahadian Dimas Prayudha - 13509009 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciTESTING PROGRAM. Pertemuan Nurul Adhayanti
TESTING PROGRAM Pertemuan - 04 Nurul Adhayanti Proses Testing 01 System Testing Pengujian terhadap integrasi sub-system, yaitu keterhubungan antar sub-system. 02 Acceptance Testing Pengujian terakhir sebelum
Lebih terperinciPENYELESAIAN MASALAH ALIRAN MAKSIMUM MENGGUNAKAN EDMONS KARP ALGORITHM
PENYELESAIAN MASALAH ALIRAN MAKSIMUM MENGGUNAKAN EDMONS KARP ALGORITHM Fathimatuzzahro, Sapti Wahyuningsih, dan Darmawan Satyananda Universitas Negeri Malang E-mail: fathimatuzzahro90@gmail.com ABSTRAK:
Lebih terperinciImplementasi Logika Penurunan Persamaan Aritmatika pada Program Komputer
Implementasi Logika Penurunan Persamaan Aritmatika pada Program Komputer Cendhika Imantoro - 13514037 Program Studi Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Graph 2.1.1 Definisi Graph Menurut Dasgupta dkk (2008), graph merupakan himpunan tak kosong titik-titik yang disebut vertex (juga disebut dengan node) dan himpunan garis-garis
Lebih terperinciAplikasi Algoritma Greedy pada Optimasi Pelaksanaan Misi dalam Permainan Assassins Creed : Revelations
Aplikasi Algoritma Greedy pada Optimasi Pelaksanaan Misi dalam Permainan Assassins Creed : Revelations Miftahul Mahfuzh 13513017 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciAlgoritma Pencarian Blind. Breadth First Search Depth First Search
Algoritma Pencarian Blind Breadth First Search Depth First Search Deskripsi Merupakan algoritma untuk mencari kemungkinan penyelesaian Sering dijumpai oleh peneliti di bidang AI Mendefinisikan permasalahan
Lebih terperinciPenggunaan Metode Branch And Bound With Search Tree
Penggunaan Metode Branch And Bound With Search Tree Untuk Menyelesaikan Persoalan Pedagang Keliling Pada Graf Lengkap Sebagai Pengganti Metode Exhaustive Enumeration Alfan Farizki Wicaksono - NIM : 13506067
Lebih terperinciPenerapan Algoritma Branch and Bound untuk Penentuan Jalur Wisata
Penerapan Algoritma Branch and Bound untuk Penentuan Jalur Wisata Janice Laksana / 350035 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciWhite Box Testing Merupakan metode perancangan test case yang menggunakan struktur kontrol dari perancangan prosedural untuk mendapatkan test case.
White Box Testing Merupakan metode perancangan test case yang menggunakan struktur kontrol dari perancangan prosedural untuk mendapatkan test case. Dengan menggunakan metode white box, analis sistem akan
Lebih terperinciPenghematan BBM pada Bisnis Antar-Jemput dengan Algoritma Branch and Bound
Penghematan BBM pada Bisnis Antar-Jemput dengan Algoritma Branch and Bound Chrestella Stephanie - 13512005 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPENCARIAN MAKSIMUM CLIQUE DALAM GRAF DENGAN MENGGUNAKAN ALGORITMA BRANCH AND BOUND
PENCARIAN MAKSIMUM CLIQUE DALAM GRAF DENGAN MENGGUNAKAN ALGORITMA BRANCH AND BOUND Nur Adi Susliawan Dwi Caksono/13508081 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciAlgoritmaBrute Force. Desain dan Analisis Algoritma (CS3024)
AlgoritmaBrute Force Desain dan Analisis Algoritma (CS3024) Definisi Brute Force Brute forceadalah sebuah pendekatan yang lempang (straightforward) untuk memecahkan suatu masalah, biasanya didasarkan pada
Lebih terperinci1. Kompetensi Mengenal dan memahami struktur data Stack (tumpukan) dan Queue (antrian).
No. : LST/PTI/PTI 212/13 Revisi : 00 Tgl. : 28-4-2008 Hal. 1 dari 5 hal. 1. Kompetensi Mengenal dan memahami struktur data Stack (tumpukan) dan Queue (antrian). 2. Sub Kompetensi Dapat menyelesaikan suatu
Lebih terperinciTEKNIK PENGUJIAN PERANGKAT LUNAK PERTEMUAN 14
TEKNIK PENGUJIAN PERANGKAT LUNAK PERTEMUAN 14 TESTING Pengujian perangkat lunak adalah proses menjalankan dan mengevaluasi sebuah perangkat lunak secara manual maupun otomatis untuk menguji apakah perangkat
Lebih terperinciPERMAINAN KNIGHT S TOUR DENGAN ALGORITMA BACKTRACKING DAN ATURAN WARNSDORFF
PERMAINAN KNIGHT S TOUR DENGAN ALGORITMA BACKTRACKING DAN ATURAN WARNSDORFF Fransisca Cahyono (13509011) 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciStruktur Data dan Algoritma
Struktur Data dan Algoritma Implementasi ADT: Stacks & Queues Suryana Setiawan, Ruli Manurung & Ade Azurat (acknowledgments: Denny) Fasilkom UI SUR HMM AA Fasilkom UI - IKI20100/ IKI80110P 2009/2010 Ganjil
Lebih terperinciSirkuit Euler & Sirkuit Hamilton SISTEM INFORMASI UNIVERSITAS GUNADARMA 2012/2013
Sirkuit Euler & Sirkuit Hamilton SISTEM INFORMASI UNIVERSITAS GUNADARMA 2012/2013 Sirkuit Euler Lintasan Euler ialah lintasan yang melalui masing-masing sisi di dalam graf tepat satu kali. Sirkuit Euler
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Gambaran Umum Manusia mempunyai kemampuan untuk belajar sejak dia dilahirkan, baik diajarkan maupun belajar sendiri, hal ini dikarenakan manusia mempunyai jaringan saraf.
Lebih terperinciBAB III PEMODELAN MASALAH
BAB III PEMODELAN MASALAH Masalah penjadwalan kereta api jalur tunggal dapat dimodelkan sebagai sebuah kasus khusus dari masalah penjadwalan Job-Shop. Hal ini dilakukan dengan menganggap perjalanan sebuah
Lebih terperinciBAB I PENDAHULUAN. Di tengah masyarakat dengan aktivitas yang tinggi, mobilitas menjadi hal yang penting.
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Di tengah masyarakat dengan aktivitas yang tinggi, mobilitas menjadi hal yang penting. Namun pada kenyataannya, terdapat banyak hal yang dapat menghambat
Lebih terperinciDIKTAT KULIAH ALGORITMA dan STRUKTUR DATA II. : Mahasiswa mampu menjelaskan teknik pemrograman menggunakan Queue.
Pertemuan 9 Waktu Tujuan Pembelajaran : 135 menit : Mahasiswa mampu menjelaskan teknik pemrograman menggunakan Queue. Substansi Materi : Queue Tabulasi Kegiatan Perkuliahan No Tahap Kegiatan Kegiatan Pengajar
Lebih terperinciUJIAN TENGAH SEMESTER GANJIL TAHUN STMIK AMIKOM YOGYAKARTA
UJIAN TENGAH SEMESTER GANJIL TAHUN 2012 2013 STMIK AMIKOM YOGYAKARTA Mata Ujian : Algoritma dan Pemrograman Kelas : 12-S1TI-12 s/d 14 Sifat : Open Book (Close Laptop) Jurusan : S1 Teknik Informatika Hari
Lebih terperinciPenggunaan Algoritma Backtrack dan Aturan Warnsdorff Untuk Menyelesaikan Knight s Tour Problem
Penggunaan Algoritma Backtrack dan Aturan Warnsdorff Untuk Menyelesaikan Knight s Tour Problem Ali Akbar - 13514080 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciPemanfaatan Algoritma Hybrid Ant Colony Optimization dalam Menyelesaikan Permasalahan Capacitated Minimum Spanning Tree. Tamam Asrori ( )
Pemanfaatan Algoritma Hybrid Ant Colony Optimization dalam Menyelesaikan Permasalahan Capacitated Minimum Spanning Tree Tamam Asrori (5104 100 146) Pendahuluan Latar Belakang Tujuan Dan Manfaat Rumusan
Lebih terperinciAplikasi Branch and Bound Pada Pencarian Jalan Pada Software Navigasi
Aplikasi Branch and Bound Pada Pencarian Jalan Pada Software Navigasi Rita Sarah / 13512009 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciPermodelan Pohon Merentang Minimum Dengan Menggunakan Algoritma Prim dan Algoritma Kruskal
Permodelan Pohon Merentang Minimum Dengan Menggunakan Algoritma Prim dan Algoritma Kruskal Salman Muhammad Ibadurrahman NIM : 13506106 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Graf adalah salah satu metode yang sering digunakan untuk mencari solusi dari permasalahan diskrit dalam dunia nyata. Dalam kehidupan sehari-hari, graf digunakan untuk
Lebih terperinciPENGUJIAN PERANGKAT LUNAK
PENGUJIAN PERANGKAT LUNAK (DPH2C2) PROGRAM STUDI D3 MANAJEMEN INFORMATIKA UNIVERSITAS TELKOM SEMESTER GENAP TAHUN AKADEMIK 2016-2017 PERTEMUAN 5 MATERI : WHITE BOX TESTING BAGIAN 1 Hanya digunakan di lingkungan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Algoritma Algoritma merupakan urutan langkah langkah untuk menyelesaikan masalah yang disusun secara sistematis, algoritma dibuat dengan tanpa memperhatikan bentuk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Algoritma Algoritma adalah teknik penyusunan langkah-langkah penyelesaian masalah dalam bentuk kalimat dengan jumlah kata terbatas tetapi tersusun secara logis dan sitematis
Lebih terperinciPERBANDINGAN APLIKASI ALGORITMA BRUTE-FORCE DAN KOMBINASI ALGORITMA BREADTH FIRST SEARCH DAN GREEDY DALAM PENCARIAN SOLUSI PERMAINAN TREASURE HUNT
PERBANDINGAN APLIKASI ALGORITMA BRUTE-FORCE DAN KOMBINASI ALGORITMA BREADTH FIRST SEARCH DAN GREEDY DALAM PENCARIAN SOLUSI PERMAINAN TREASURE HUNT Adi Purwanto Sujarwadi (13506010) Program Studi Teknik
Lebih terperinciAlgoritma Brute Force (Bagian 1) Oleh: Rinaldi Munir
Algoritma Brute Force (Bagian 1) Oleh: Rinaldi Munir Bahan Kuliah IF2251 Strategi Algoritmik 1 Definisi Brute Force Brute force : pendekatan yang lempang (straightforward) untuk memecahkan suatu masalah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Lintasan Terpendek Lintasan terpendek merupakan lintasan minumum yang diperlukan untuk mencapai suatu titik dari titik tertentu (Pawitri, ) disebutkan bahwa. Dalam permasalahan pencarian
Lebih terperinciIKI 30320: Sistem Cerdas Kuliah 4: Uninformed Search Strategies (Rev.)
IKI 30320: Sistem erdas : Uninformed Search Strategies (Rev.) Fakultas Ilmu Komputer Universitas Indonesia 5 September 2007 Outline 1 2 3 4 5 Iterative-deepening 6 7 Outline 1 2 3 4 5 Iterative-deepening
Lebih terperinciBAB 2 LANDASAN TEORITIS
xvi BAB 2 LANDASAN TEORITIS Dalam penulisan laporan tugas akhir ini, penulis akan memberikan beberapa pengertian yang berhubungan dengan judul penelitian yang penulis ajukan, karena tanpa pengertian yang
Lebih terperinciDynamic Programming. Pemrograman Dinamis
Pemrograman Dinamis Pemrograman dinamis merupakan suatu teknik analisa kuantitatif untuk membuat tahapan keputusan yang saling berhubungan. Teknik ini menghasilkan prosedur yang sistematis untuk mencari
Lebih terperinciBAB II TINJAUAN PUSTAKA. a) Purwadhi (1994) dalam Husein (2006) menyatakan: perangkat keras (hardware), perangkat lunak (software), dan data, serta
BAB II TINJAUAN PUSTAKA 2.1 Sistem Informasi Geografis (SIG) 2.1.1 Pengertian Sistem Informasi Geografis Ada beberapa pengertian dari sistem informasi geografis, diantaranya yaitu: a) Purwadhi (1994) dalam
Lebih terperinciM Queue Berprioritas. Amin Arifiyani. Struktur Data M
M07006 Queue erprioritas min rifiyani Struktur ata M07006 . Pahuluan Pengertian Queue erprioritas dalah sebuah antrian dengan setiap elementnya memiliki prioritas masing-masing dimana prioritas yang tertinggi
Lebih terperinciBAB 2 LANDASAN TEORI. Definisi Graf G didefinisikan sebagai pasangan himpunan (V, E), yang dalam hal ini:
10 BAB 2 LANDASAN TEORI 2.1.Konsep Dasar Graf Definisi 2.1.1 Graf G didefinisikan sebagai pasangan himpunan (V, E), yang dalam hal ini: V = himpunan tidak kosong dari simpul-simpul (vertices atau node)
Lebih terperinciPenerapan Algoritma Flood Fill untuk Mengurangi Ruang Pencarian pada Pencarian Solusi Puzzle Pentomino
Penerapan Algoritma Flood Fill untuk Mengurangi Ruang Pencarian pada Pencarian Solusi Puzzle Pentomino Adhitya Ramadhanus 13511032 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciALGORITMA BELLMAN-FORD DALAM DISTANCE VECTOR ROUTING PROTOCOL
ALGORITMA BELLMAN-FORD DALAM DISTANCE VECTOR ROUTING PROTOCOL Algoritma Bellman-Ford dalam Distance Vector Routing Protocol Galih Andana NIM : 13507069 Program Studi Teknik Informatika, Institut Teknologi
Lebih terperinciDesign and Analysis of Algorithms CNH2G3- Week 4 Kompleksitas waktu algoritma rekursif part 1
Design and Analysis of Algorithms CNH2G3- Week 4 Kompleksitas waktu algoritma rekursif part 1 Dr. Putu Harry Gunawan (PHN) Quiz I 1. Tentukan operasi dasar, c op dan C(n) untung masing-masing algoritma
Lebih terperinci