BAB I PENDAHULUAN 1.1 Latar Belakang
|
|
- Sucianty Kusuma
- 6 tahun lalu
- Tontonan:
Transkripsi
1 1 BAB I PENDAHULUAN 1.1 Latar Belakang Pembentukan kelas belajar merupakan kegiatan rutin yang dilakukan oleh setiap sekolah pada setiap tahun ajaran baru. Pembentukan kelas biasanya dilakukan dengan membagi siswa-siswi dalam beberapa kelas sesuai dengan jumlah kelas yang disediakan oleh masing-masing sekolah. Pada umumnya pengelompokan dilakukan berdasarkan: urutan pendaftaran, secara random atau berdasarkan peringkat prestasi. Dalam kegiatan belajar mengajar, guru selalu dihadapkan dengan beragam karakteristik siswa. Ada siswa yang memiliki kemampuan belajar yang tinggi dan cepat dalam memahami materi yang diajarkan, ada juga siswa yang memiliki kemampuan belajar yang rendah dan lambat dalam memahami materi yang diajarkan. Perbedaan kemampuan belajar tersebut menjadi suatu permasalahan dalam proses belajar mengajar, baik bagi siswa maupun bagi pengajar. Menurut Glass (2005) Siswa yang cerdas menginginkan proses belajar yang cepat dan bahan pelajaran yang selalu ditingkatkan, sedangkan siswa yang lemah memerlukan proses pembelajaran yang lambat dan lebih banyak pengulangan. Perbedaan kemampuan belajar siswa menjadi suatu permasalahan bagi pengajar. Dalam melaksanakan proses belajar mengajar, jika seorang pengajar lebih mencurahkan perhatian kepada siswa yang memiliki kemampuan yang lemah dalam belajar, maka siswa pintar akan merasa bosan dengan proses pembelajaran, sementara jika pengajar memberikan perhatian yang sama terhadap siswa cerdas dan lemah atau lebih memprioritaskan siswa yang cerdas, maka siswa yang lemah akan tertinggal bahkan kemungkinan terburuk akan gagal dalam mengikuti pelajaran. Kondisi tersebut dapat memberikan dampak yang buruk terhadap semangat dan motivasi belajar siswa, sedangkan motivasi belajar yang buruk dapat mengakibatkan tidak tercapainya tujuan pembelajaran yang diinginkan.
2 2 Untuk mengatasi permasalahan tersebut perlu dilakukan suatu usaha untuk membentuk kelas belajar yang baik. Idealnya suatu kelas dibentuk dengan menempatkan siswa-siswa yang memiliki prestasi dan tingkat kemampuan belajar yang seragam, upaya ini dapat dilakukan dengan menempatkan siswa-siswa yang memiliki gap prestasi sekecil mungkin dalam satu kelas yang sama. Dengan menempatkan siswa-siswa yang memiliki tingkat keseragaman prestasi yang tinggi, maka kualitas proses belajar mengajar dapat ditingkatkan, sehingga kualitas pendidikan bagi siswa menjadi lebih baik. Untuk melakukan pembentukan kelas belajar yang ideal, diperlukan metode pengelompokan yang tepat. Menurut Zukhri (2014), jika ditinjau dari ilmu statistika, metode pengelompokan berdasarkan peringkat prestasi sama sekali tidak menjamin terbentuknya kelas dengan gap prestasi yang rendah. Metode pembentukan kelas yang paling tepat adalah dengan teknik clustering. Namun sampai saat ini belum ada teknik clustering yang secara komprehensif dapat diterapkan untuk pembagian kelas. Metode clustering yang ada hanya sebatas membentuk kelompok dalam hal ini kelas beranggotakan objek atau siswa dengan keseragaman prestasi setinggi mungkin. Kelompok yang akan dibentuk dalam proses clustering tidak dapat dibatasi jumlah anggotanya. Sementara kelompok yang harus dibentuk dalam kasus pembentukan kelas belajar siswa harus dibatasi jumlah anggotanya sesuai dengan daya tampung kelas. Sehingga dengan kondisi seperti ini, teknik clustering tidak dapat digunakan untuk melakukan pembentukan kelas belajar siswa. Dalam dunia komputer, telah lama dikenal suatu metode heuristik yang dikembangkan berdasarkan prinsip genetika dan seleksi alamiah Teori Evolusi Darwin. Metode ini lebih dikenal dengan nama algoritma genetika. Algoritma genetika biasanya digunakan untuk menyelesaikan permasalahan optimasi dengan tujuan memperoleh solusi optimal dari banyak solusi yang mungkin (feasible solution). Meskipun algoritma genetika tidak menjamin akan memberikan solusi paling optimal, pada umumnya algoritma genetika menghasilkan solusi yang baik bagi suatu permasalahan optimasi. Kasus pembentukan kelas belajar dapat dipandang sebagai kasus optimasi minimasi, yaitu meminimalkan gap siswa dalam
3 3 sebuah kelas, sehingga untuk menyelesaikan kasus pembentukan sebuah kelas dengan gap prestasi siswa sekecil mungkin, algoritma genetika dapat dijadikan sebagai tools yang handal. Algoritma genetika memiliki tiga parameter penting yang harus diperhatikan, yaitu ukuran populasi, probabilitas crossover dan probabilitas mutasi. Sampai saat ini, belum ada aturan baku untuk melakukan pengaturan terhadap terhadap ketiga parameter tersebut, sehingga dalam penggunaan algoritma genetika terdapat kesulitan dalam menentukan nilai yang tepat untuk ketiga parameter tersebut. Salah satu pendekatan yang dilakukan untuk mengatasi kesulitan dalam menentukan nilai parameter pada algoritma genetika adalah dengan menggunakan fuzzy logic dan metode PROFIGA. Fuzzy logic digunakan untuk menentukan probabilitas crossover dan probabilitas mutasi, dan teknik PROFIGA digunakan untuk menentukan ukuran populasi baru. Selain dari permasalahan dalam menentukan nilai parameter, algoritma genetika juga memiliki kelemahan yaitu adanya kemungkinan terjebak dalam local optimum. Kondisi ini menyebabkan algoritma genetika tidak dapat menghasilkan solusi yang lebih baik. Untuk mengatasi masalah ini, dapat digunakan metode local search untuk mencari solusi lain yang lebih optimal disekitar solusi terbaik yang dihasilkan algoritma genetika. Beberapa peneliti mencoba menggabungkan teknik local search. Local search digunakan untuk mencari solusi lain yang lebih baik disekitar solusi yang dihasilkan oleh algoritma genetika. Yun dan Gen menyatakan bahwa hibridasi algoritma genetika dengan local search mampu meningkatkan kinerja algoritma genetika secara signifikan (Yun dan Gen, 2003). Ada beberapa metode pencarian local search, salah satunya adalah Steepest- Ascent Hill Climbing. Steepest-Ascent Hill Climbing merupakan metode pencarian yang menerapkan fungsi heuristik untuk melakukan pengujian terhadap solusi yang dibangkitkan. Metode pencarian tersebut secara sederhana langsung memilih suatu new state dengan kondisi yang lebih baik daripada state sebelumnya. Dengan demikian diharapkan akan memperoleh solusi yang baik diakhir pencarian. Dalam kasus pembentukan kelas, untuk mencari solusi lain yang lebih baik disekitar solusi
4 4 yang dihasilkan algoritma genetika, perlu dilakukan suatu pengujian terhadap alternatif solusi tersebut. Pengujian dapat dilakukan menggunakan fungsi heuristik tertentu. Pengujian dilakukan untuk mengetahui kualitas solusi lain yang ada disekitar solusi algoritma genetika. Berdasarkan kondisi ini, metode pencarian Steepest-Ascent Hill Climbing dapat digunakan sebagai metode pencarian yang tepat untuk menemukan solusi yang lebih baik disekitar solusi Algoritma genetika. Pada penelitian ini, dilakukan penggabungan beberapa metode kedalam algoritma genetika (Hybrid Genetic Algorithm) yaitu: Fuzzy logic, metode PROFIGA dan metode pencarian Steepest-Ascent Hill Climbing. Dengan menggabungkan beberapa metode tersebut diharapkan dapat meningkatkan meningkatkan kinerja algoritma genetika sehingga dapat memberikan hasil yang optimal terhadap suatu masalah, khususnya masalah pembentukan kelas belajar bagi siswa. 1.2 Rumusan Masalah Berdasarkan latar belakang masalah, rumusan masalah dalam penelitian ini adalah sebagai berikut: a. Bagaimana mengembangkan model Hybrid Genetic Algorithm untuk meningkatkan kinerja algoritma genetika. b. Bagaimana membentuk kelas belajar dengan gap prestasi yang kecil menggunakan Hybrid Genetic Algorithm 1.3 Batasan Masalah Adapun batasan masalah dalam penelitian ini adalah sebagai berikut: a. Domain masalah dalam penelitian ini adalah pembentukan kelas belajar bagi siswa berdasarkan gap prestasi. b. Data yang akan diproses untuk pembentukan kelas adalah data nilai siswa kelas VII sekolah SMPN 1 Kota Lhokseumawe dan data simulasi yang dibangkitkan secara acak. c. Aturan Fuzzy logic yang akan digunakan dalam hibridasi adalah aturan Fuzzy logic model Xu dan Vukovic.
5 5 d. Penelitian ini hanya dilakukan sampai pada pembentukan kelas berdasarkan gap prestasi siswa menggunakan model Hybrid Genetic Algorithm yang dikembangkan. Tidak dilakukan pengujian lanjut hingga tahap penerapan dari hasil pembentukan kelas tersebut. 1.4 Tujuan Dan Manfaat Penelitian Tujuan dari penelitian yang diusulkan ini adalah: a. Mengembangkan model Hybrid Genetic Algorithm dengan menggabungkan beberapa algoritma cerdas untuk meningkatkan kinerja algoritma genetika. b. Membuat sebuah model untuk membentuk kelas belajar siswa dengan memanfaatkan Hybrid Genetic Algorithm yang dikembangkan dalam penelitian ini. Adapun manfaat yang diharapkan dari penelitian ini adalah: a. Menghasilkan sebuah metode Hybrid Genetic Algorithm yang baru. b. Metode Hybrid Genetic Algorithm dirancang dalam penelitian ini dapat menghasilkan solusi yang optimal khususnya untuk masalah optimasi pembentukan kelas. c. Menghasilkan sebuah model yang dapat digunakan oleh sekolah-sekolah untuk membentuk kelas belajar yang ideal bagi siswa dengan keseragaman prestasi yang tinggi. 1.5 Keaslian Penelitian Berdasarkan referensi yang telah di review, penelitian yang membahas mengenai pembentukan kelas belajar siswa menggunakan Hybrid Genetic Algorithm (Algoritma genetika, Fuzzy logic, metode PROFIGA dan metode pencarian Steepest-Ascent Hill Climbing) belum pernah dilakukan sebelumnya. Walaupun demikian, terdapat beberapa penelitian terdahulu tentang topik dan metode sejenis yang dipaparkan dalam tinjauan pustaka dalam usulan penelitian ini.
6 6 1.6 Metodologi Penelitian Dalam penelitian ini, beberapa tahapan yang dilakukan adalah sebagai berikut: a. Studi pustaka Dilakukan dengan cara mempelajari, mendalami dan mengutip teori-teori dari sejumlah literatur, baik buku ataupun jurnal-jurnal yang membahas tentang konsep, penerapan atau pengembangan algoritma genetika. b. Pengumpulan data Dilakukan dengan mengambil data-data yang dibutuhkan untuk penelitian pada sekolah yang menjadi objek penelitian. c. Analisa sistem Tahap ini dilakukan dengan menganalisis teori-teori tentang algoritma genetika dan teknik hibridasi algoritma genetika, khususnya fuzzy evolusi model Xu dan Vukovich, dan hibrydasi algoritma genetika dengan teknik local search. Pada tahap ini juga dilakukan analisa mengenai proses pembentukan kelas belajar siswa yang dilakukan pada umumnya. d. Desain Dilakukan perancangan model hybrid genetic algorithm baru yaitu dengan mengintegrasikan fuzzy evolusi model Xu dan Vukovich, metode PROFIGA dan teknik local search (Steepest-Ascent Hill Climbing). Selanjutnya dilakukan perancangan penyelesaian kasus optimasi pembentukan kelas belajar menggunakan teknik hibrydasi yang dikembangkan ini. Desain model meliputi pemilihan teknik-teknik yang relevan untuk kebutuhan: representasikan kromosom, membentuk populasi awal, melakukan evaluasi, local search, proses seleksi, operator dan stoping condition. e. Pengkodean Pada tahap ini, dilakukan proses pengkodean sesuai dengan desain yang telah direncanakan pada tahap desain model optimasi. Pengkodean akan dilakukan menggunakan bahasa pemrograman C++ / Delphi. Hasil dari
7 7 tahapan pengkodean ini adalah sebuah program sederhana untuk melakukan proses optimasi pembentukan kelas belajar. f. Pengujian(testing) Pada tahap ini akan dilakukan ujicoba terhadap program yang telah dihasilkan pada tahap pengkodean. Ujicoba program dilakukan untuk melihat kemampuan model hibridasi (fuzzy evolusi, metode PROFIGA dan Steepest-Ascent Hill Climbing) dalam proses menghasilkan solusi bagi permasalahan optimasi pembentukan kelas belajar siswa. 1.7 Sistematika Penulisan Penulisan tesis ini disusun secara sistematis dalam 7 Bab dengan rincian sebagai berikut: BAB I PENDAHULUAN Bab ini menguraikan tentang latar belakang masalah, rumusan masalah, batasan masalah, tujuan dan manfaat penelitian, keaslian penelitian, metodologi penelitian, dan sistematika penulisan. BAB II TINJAUAN PUSTAKA Bab ini menjelaskan tentang penelitian terdahulu yang terkait dengan pengembangan algoritma genetika. Beberapa penelitian sebelumnya yang digunakan sebagai rujukan diulas secara singkat dan dibandingkan dengan penelitian yang dilakukan oleh penulis. BAB III LANDASAN TEORI Bab ini berisi tentang teori-teori yang digunakan sebagai landasan dalam penelitian ini. Beberapa teori tersebut adalah Soft Computing, Algoritma Genetika, Fuzzy Logic, Optimasi, Algoritma Genetika Model PROFIGA, hybrid genetic algorithm, Algoritma pencarian Hill Climbing dan Euclidean Distance.
8 8 BAB IV ANALISIS DAN DESAIN Bab ini membahas mengenai analisis dan perancangan model hybrid genetic algorithm yang dikembangkan. Pembahasan meliputi: Deskripsi model, Analisis kebutuhan, dan Desain model. BAB V IMPLEMENTASI Bab ini menguraikan tentang implementasi yang dilakukan dalam bentuk coding menggunakan bahasa pemrograman pascal. Implementasi diuraikan secara sistematis sesuai dengan rancangan yang telah dilakukan. BAB VI HASIL DAN PEMBAHASAN Bab ini membahas mengenai hasil dari penelitian yang dilakukan. Pembahasan meliputi hasil implementasi yang berupa aplikasi, dan penjelasan mengenai performa dari model hybrid genetic algorithm yang dikembangkan. Pembahasan mengenai performa model hybrid genetic algorithm yang dikembangkan disertai dengan rangkuman data hasil pengujian. BAB VII KESIMPULAN DAN SARAN Bab ini berisi tentang kesimpulan dari penelitian yang telah dilakukan dan saran-saran yang bisa dipertimbangkan untuk pengembangan model hybrid genetic algorithm berikutnya.
Vukovich dinamis yang digabungkan dengan model PRoFIGA didalamnya.
BAB I PENDAHULUAN 1.1. Latar Belakang Fuzzy Evolutionary Algorithm (FEA) merupakan salah satu model hybrid yang menggabungkan dua buah model soft computing yaitu algoritma genetika dan logika fuzzy. FEA
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Clustering adalah proses di dalam mencari dan mengelompokkan data yang memiliki kemiripan karakteristik (similarity) antara satu data dengan data yang lain. Clustering
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY
PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY Arief Kelik Nugroho Fakultas Teknik, Universitas PGR Yogyakarta e-mail : ariefkeliknugroho@gmail.com Abstrak
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Algoritma Genetika merupakan metode yang menggunakan evolusi alam sebagai gagasan utamanya dalam menyelesaikan suatu permasalahan tertentu. Algoritma ini diterapkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
digilib.uns.ac.id BAB I PENDAHULUAN 1.1 Latar Belakang Jadwal merupakan daftar atau tabel kegiatan atau rencana kegiatan dengan pembagian waktu pelaksanaan yang terperinci. Universitas menggunakan tabel
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 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 terperinciDINAMISASI PARAMETER ALGORITMA GENETIKA MENGGUNAKAN POPULATION RESIZING ON FITNESS IMPROVEMENT FUZZY EVOLUTIONARY ALGORITHM (PROFIFEA)
DINAMISASI PARAMETER ALGORITMA GENETIKA MENGGUNAKAN POPULATION RESIZING ON FITNESS IMPROVEMENT FUZZY EVOLUTIONARY ALGORITHM (PROFIFEA) Syafiul Muzid Program Studi Sistem Informasi, Fakulktas Teknik, Universitas
Lebih terperinciBAB I PENDAHULUAN. Penjadwalan produksi flow shop merupakan kegiatan perencanaan
BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan produksi flow shop merupakan kegiatan perencanaan produksi yang terdapat pada perusahaan manufaktur. Penjadwalan produksi melibatkan n job dan m mesin dalam
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Surat kabar merupakan media cetak yang memuat informasi-informasi aktualyang sedang terjadi. Banyak informasi yang diberikan salah satunya adalah iklan baris. Iklan
Lebih terperinciGambar 1.1 Contoh Ilustrasi Kasus CVRP 13
BAB I PENDAHULUAN 1.1. Latar Belakang Vehicle Routing Problem (VRP) merupakan konsep umum yang digunakan untuk semua permasalahan yang melibatkan perancangan rute optimal untuk armada kendaraan yang melayani
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian Pembangunan perangkat lunak dalam tugas akhir ini menggunakan seperangkat komputer dengan spesifikasi sebagai berikut :
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada awal diciptakan, komputer hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan zaman, maka peran komputer semakin mendominasi kehidupan.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
12 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah penjadwalan secara umum adalah aktifitas penugasan yang berhubungan dengan sejumlah kendala, sejumlah kejadian yang dapat terjadi pada suatu periode waktu
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP)
PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) Mohamad Subchan STMIK Muhammadiyah Banten e-mail: moh.subhan@gmail.com ABSTRAK: Permasalahan pencarian rute terpendek dapat
Lebih terperinciBAB I PENDAHULUAN. sejumlah aktivitas kuliah dan batasan mata kuliah ke dalam slot ruang dan waktu
18 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Penjadwalan merupakan kegiatan administrasi utama di berbagai institusi. Masalah penjadwalan merupakan masalah penugasan sejumlah kegiatan dalam periode
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih 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 terperinciBAB I PENDAHULUAN. kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta
BAB I PENDAHULUAN A. Latar Belakang Matematika adalah cabang ilmu pengetahuan yang dapat digunakan dalam kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta tidak merupakan
Lebih 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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Data Mining Data Mining adalah proses pencarian pengetahuan dari suatu data berukuran besar melalui metode statistik, machine learning, dan artificial algorithm. Hal yang paling
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pemilu 2014 sudah di depan mata, banyak partai politik bermunculan baik yang sudah lama berdiri maupun yang baru saja berdiri. Namun tidak semua partai politik dapat
Lebih terperinciDETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA
DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA Akmal Hidayat 1) & Entin Martiana 2) 1) Teknik Elektro Politeknik Bengkalis Jl.
Lebih 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 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 terperinciPENJADWALAN UJIAN AKHIR SEMESTER DENGAN ALGORITMA GENETIKA (STUDI KASUS JURUSAN TEKNIK INFORMATIKA UNESA)
Penjadwalan Ujian Akhir Semester dengan Algoritma Genetika PENJADWALAN UJIAN AKHIR SEMESTER DENGAN ALGORITMA GENETIKA (STUDI KASUS JURUSAN TEKNIK INFORMATIKA UNESA) Anita Qoiriah Jurusan Teknik Informatika,
Lebih terperinciBAB I PENDAHULUAN. hampir di seluruh dunia, termasuk Indonesia. Alat transportasi ini memiliki
BAB I PENDAHULUAN 1.1 Latar Belakang Kereta api merupakan alat transportasi darat utama yang digunakan hampir di seluruh dunia, termasuk Indonesia. Alat transportasi ini memiliki multi keunggulan komparatif,
Lebih terperinciBAB II TINJAUAN PUSTAKA
6 BAB II TINJAUAN PUSTAKA Pada bagian pada bagian ini akan diuraikan tentang tinjauan pustaka dan landaran teori yang sesuai dengan ACO dan AG. 2.1 Algoritma Ant Colony Optimization Secara umum pencarian
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari hari, selalu dilakukan perjalanan dari satu titik atau lokasi ke lokasi yang lain dengan mempertimbangkan efisiensi waktu dan biaya sehingga
Lebih terperinciDAFTAR ISI. Tim Redaksi... i Kata Pengantar... ii Daftar Isi... iii
DAFTAR ISI Tim Redaksi... i Kata Pengantar... ii Daftar Isi... iii Faiz Rafdh Ch SISTEM INFORMASI ZAKAT BERBASIS WEB MENGGUNAKAN PHP DAN MYSQL PADA RUMAH ZAKATINDONESIA 1-7 Abdul Jamil Syamsul Bachtiar
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Masalah penjadwalan secara umum adalah aktivitas penugasan yang berhubungan dengan sejumlah constraint, sejumlah kejadian yang dapat terjadi pada suatu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Travelling Salesman Problem (TSP) Travelling Salesmen Problem (TSP) termasuk ke dalam kelas NP hard yang pada umumnya menggunakan pendekatan heuristik untuk mencari solusinya.
Lebih terperinciUniversitas Kristen Maranatha
ABSTRAK PT Sinar Terang Logamjaya merupakan salah satu perusahaan yang memproduksi sparepart motor yang berbahan utama logam. Perusahaan menerapkan layout lantai produksi berupa layout by process. oleh
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 terperinciPERANCANGAN ALGORITMA GENETIKA UNTUK MENENTUKAN JALUR TERPENDEK. Kata kunci: Algoritma Genetika, Shortest Path Problem, Jalur Terpendek
PERANCANGAN ALGORITMA GENETIKA UNTUK MENENTUKAN JALUR TERPENDEK Fajar Saptono 1, Taufiq Hidayat 2 Laboratorium Pemrograman dan Informatika Teori Jurusan Teknik Informatika, Fakultas Teknologi Industri,
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Penjadwalan Perkuliahan Penjadwalan memiliki pengertian durasi dari waktu kerja yang dibutuhkan untuk melakukan serangkaian untuk melakukan aktivitas kerja[10]. Penjadwalan juga
Lebih terperinciBab 1. Pendahuluan. 1.1 Latar Belakang
Bab 1 Pendahuluan 1.1 Latar Belakang Pentingnya suatu jadwal dalam sebuah kegiatan tidak lain agar kegiatan tersebut berjalan dengan lancar tanpa adanya gangguan seperti bentroknya jadwal. Penyusunan jadwal
Lebih terperinciOPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM
OPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM Poetri Lestari Lokapitasari Belluano poe3.setiawan@gmail.com Universitas Muslim Indonesia Abstrak Non Dominated Sorting pada
Lebih terperinciBAB I PENDAHULUAN. telah diadopsi untuk mengurangi getaran pada gedung-gedung tinggi dan struktur
BAB I PENDAHULUAN 1.1 Latar Belakang Tuned mass damper (TMD) telah banyak digunakan untuk mengendalikan getaran dalam sistem teknik mesin. Dalam beberapa tahun terakhir teori TMD telah diadopsi untuk mengurangi
Lebih terperinciBAB II LANDASAN TEORI
27 BAB II LANDASAN TEORI 2.1. Penelitian Terkait Penelitian terkait yang menggunakan algoritma genetika untuk menemukan solusi dalam menyelesaikan permasalahan penjadwalan kuliah telah banyak dilakukan.
Lebih terperinciTAKARIR. algorithm algoritma/ kumpulan perintah untuk menyelesaikan suatu masalah. kesalahan program
TAKARIR advanced tingkat lanjut algorithm algoritma/ kumpulan perintah untuk menyelesaikan suatu masalah alleles nilai suatu gen. bug kesalahan program chromosome kromosom crossover penyilangan kromosom
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 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada penelitian machine learning banyak sekali diperbincangkan tentang perilaku belajar mesin (komputer) agar mampu belajar dan berpikir cerdas layaknya manusia yang
Lebih terperinciPEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM
PEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM Syafiul Muzid Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia, Yogyakarta E-mail:
Lebih terperinciPENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 1 9 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL MULIA AFRIANI KARTIKA
Lebih terperinciBAB III. Solusi Optimal Permasalahan Penjadwalan Perkuliahan Menggunakan Algoritma Fuzzy Evolusi
BAB III Solusi Optimal Permasalahan Penjadwalan Perkuliahan Menggunakan Algoritma Fuzzy Evolusi Pada bab ini dijelaskan mengenai penerapan dari algoritma fuzzy evolusi pada permasalahan penjadwalan perkuliahan.
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 terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 PENDEKATAN CROSSOVER TERBARU UNTUK MENYELESAIKAN MULTIPLE TRAVELLING SALESMEN PROBLEM MENGGUNAKAN ALGORITMA GENETIKA (Kata kunci: multiple salemen problem, algoritma genetika,
Lebih terperinciPenjadwalan kegiatan merupakan pekerjaan yang tidak mudah, karena dalam. penyusunannya memerlukan perencanaan yang matang agar kegiatan tersebut
BAB I PENDAHULUAN A. Latar Belakang Penjadwalan kegiatan merupakan pekerjaan yang tidak mudah, karena dalam penyusunannya memerlukan perencanaan yang matang agar kegiatan tersebut terlaksana dengan optimal.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab ini akan dijelaskan mengenai hal-hal yang menjadi latar belakang dilakukan penelitian ini, perumusan masalah, batasan penelitian yang dikerjakan, tujuan, manfaat penelitian terhadap
Lebih terperinciPenerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem
Penerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem Tri Kusnandi Fazarudin 1, Rasyid Kurniawan 2, Mahmud Dwi Sulistiyo 3 1,2 Prodi S1 Teknik Informatika,
Lebih terperinciERWIEN TJIPTA WIJAYA, ST.,M.KOM
ERWIEN TJIPTA WIJAYA, ST.,M.KOM DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari, manusia dihadapi dengan masalah pengambilan keputusan yang bermacam-macam. Dari pengambilan keputusan yang melibatkan satu faktor saja
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Setiap perusahaan tidak dapat lepas dari persoalan transportasi, baik untuk pengadaan bahan baku ataupun dalam mengalokasikan barang jadinya. Salah satu metode yang
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 Persediaan Multi-item Fuzzy EOQ Di PT UWBM dengan Algoritma Genetika
Optimasi Persediaan Multi-item Fuzzy EOQ Di PT UWBM dengan Algoritma Genetika Disusun Oleh : Ainy Mahmudah 1307 100 002 Pembimbing I Pembimbing II : Dr. Irhamah, S.Si., M.Si : Dra. Sri Mumpuni R, M.Si
Lebih 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 terperinciAlgoritma Genetika dan Penerapannya dalam Mencari Akar Persamaan Polinomial
Algoritma Genetika dan Penerapannya dalam Mencari Akar Persamaan Polinomial Muhammad Abdy* 1, Maya Sari Wahyuni* 2, Nur Ilmi* 3 1,2,3 Jurusan Matematika, Universitas Negeri Makassar e-mail: * 1 m.abdy@unm.ac.id,
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN
APLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN Eva Haryanty, S.Kom. ABSTRAK Komputer adalah salah satu peralatan yang pada saat ini banyak pula digunakan
Lebih 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 terperinciGenetic Algorithme. Perbedaan GA
Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Penjadwalan Penjadwalan kegiatan belajar mengajar pada suatu lembaga pendidikan biasanya merupakan salah satu pekerjaan yang tidak mudah dan menyita waktu. Pada lembaga pendidikan
Lebih terperinciZbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag.
Zbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag. 12/11/2009 1 Ditemukan oleh Holland pada tahun 1975. Didasari oleh fenomena evolusi darwin. 4 kondisi yg mempengaruhi
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan yang sangat pesat dalam dunia industri menuntut suatu perusahaan melakukan aktifitas bisnisnya secara optimal. Mulai dari penyediaan barang baku,
Lebih terperinciBAB I PENDAHULUAN. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakang Setelah berkembangnya AI (Artifical Intelligence), banyak sekali ditemukan sejumlah algoritma yang terinspirasi dari alam. Banyak persoalan yang dapat diselesaikan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan skripsi ini. Teori-teori yang dibahas mengenai optimisasi, pengertian penjadwalan,
Lebih terperinciPENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI DENGAN MENGUNAKAN PENYELEKStAN RODA ROULETTE
PENERAPAN ALGORTMA GENETK UNTUK OPTMAS DENGAN MENGUNAKAN PENYELEKStAN RODA ROULETTE Samuel Lukas, M.Tech." Abstract The purpose of this paper is to introducing genetic algorithm. This algorithm is one
Lebih terperinciAplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)
JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Penjadwalan Penjadwalan adalah penempatan sumber daya (resource) dalam satu waktu. Penjadwalan mata kuliah merupakan persoalan penjadwalan yang umum dan sulit dimana tujuannya
Lebih terperinciBAB I PENDAHULUAN. berpikir untuk melakukan dan mengatasi segala permasalahan yang dihadapi dengan bantuan
BAB I PENDAHULUAN 1.1 Latar Belakang Kemampuan dan peranan komputer yang cukup signifikan acapkali membuat manusia berpikir untuk melakukan dan mengatasi segala permasalahan yang dihadapi dengan bantuan
Lebih terperinciKATA PENGANTAR. DAFTAR TABEL.. xviii. 1.1 Latar Belakang Masalah 1
DAFTAR ISI Halaman HALAMANJUDUL LEMBAR PENGESAHAN PEMBIMBING LEMBAR PERNYATAAN KEASLIAN HASIL TUGAS AKHIR LEMBAR PENGESAHAN PENGUJI HALAMAN PERSEMBAHAN HALAMAN MOTTO KATA PENGANTAR ABSTRAKSI DAFTAR ISI
Lebih terperinciPenggunaan Algoritma Genetik dengan Pemodelan Dua Tingkat dalam Permasalahan Penjadwalan Perawat pada Unit Gawat Darurat Rumah Sakit Umum XYZ Surabaya
Penggunaan Algoritma Genetik dengan Pemodelan Dua Tingkat dalam Permasalahan Penjadwalan Perawat pada Unit Gawat Darurat Rumah Sakit Umum XYZ Surabaya Oleh: Anisa Ulya 5206 100 101 Dosen pembimbing 1:
Lebih terperinciBAB I PENDAHULUAN BAB I. PENDAHULUAN
BAB I PENDAHULUAN BAB I. PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Clustering merupakan proses pengelompokan data menjadi kelompokkelompok atau klaster sehingga data-data yang berada dalam satu klaster
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK PT. Press Metal Indo Jaya merupakan salah satu perusahaan besar yang memproduksi produk teknologi dengan bahan utama logam, terutama spare part motor. Berdasarkan pengamatan yang dilakukan di perusahaan
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Konsep Umum Optimasi Optimasi merupakan suatu cara untuk menghasilkan suatu bentuk struktur yang aman dalam segi perencanaan dan menghasilkan struktur yang
Lebih terperinciOPTIMASI PENJADWALAN MATA PELAJARAN MENGGUNAKAN ALGORITMA GENETIKA (STUDI KASUS : SMKN 7 BALEENDAH)
OPTIMASI PENJADWALAN MATA PELAJARAN MENGGUNAKAN ALGORITMA GENETIKA (STUDI KASUS : SMKN 7 BALEENDAH) Richard Victor Ginting 1, Faisal Fasha 2 1 Dosen Teknik Informatika, STMIK LPKIA Bandung 2 Program Studi
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI OPTIMASI PENYUSUNAN IKLAN GAMBAR DENGAN ALGORITMA GENETIKA ABSTRAK
PERANCANGAN DAN PEMBUATAN APLIKASI OPTIMASI PENYUSUNAN IKLAN GAMBAR DENGAN ALGORITMA GENETIKA Leo Willyanto Santoso*, Johan Saputra**, dan Rolly Intan*** *, **, ***Jurusan Teknik Informatika FTI Universitas
Lebih terperinciPERANCANGAN APLIKASI PENJADWALAN TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA GENETIKA
PERANCANGAN APLIKASI PENJADWALAN TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA GENETIKA Hendy Tannady; Andrew Verrayo Limas Industrial Engineering Department, Faculty of Engineering, Binus University Jl.
Lebih terperinciBAB I PENDAHULUAN. Pembangunan suatu piranti lunak menjadi penting karena semakin banyak
BAB I PENDAHULUAN 1.1. Latar Belakang Pembangunan suatu piranti lunak menjadi penting karena semakin banyak individual dan komunitas yang bergantung pada sistem piranti lunak tingkat tinggi (Sommerville,
Lebih terperinciBAB II KAJIAN TEORI. genetika, dan algoritma memetika yang akan digunakan sebagai landasan dalam
BAB II KAJIAN TEORI Pada bab II ini dijelaskan mengenai beberapa teori tentang penjadwalan, penjadwalan kuliah, metode penyelesaian penyusunan jadwal kuliah, algoritma genetika, dan algoritma memetika
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 terperinciBAB IX ALGORITMA GENETIK. -pemrosesan citra dan optimasi kombinationarial
BAB IX ALGORITMA GENETIK 69.1 Pendahuluan Genetic Algorithm di usulkan pertama kali oleh John Holland dan temantemannya di universitas Michigan untuk aplikasi seluler otomata. Teknik ini menjadi populer
Lebih terperinciGenerator Jadwal Perkuliahan Menggunakan Algoritma Genetika
Generator Jadwal Perkuliahan Menggunakan Algoritma Genetika Zainal Akbar 1), Muh. Fajri Raharjo 2), Eddy Tungadi 3) CAIR, Politeknik Negeri Ujung Pandang Jl. Perintis Kemerdekaan km. 10, Tamalanrea Makassar,
Lebih terperinciBAB I PENDAHULUAN. berjalan sesuai dengan yang telah di rencanakan. penjadwalan ini merupakan proses yang menyulitkan karena proses ini
BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan merupakan kegiatan yang harus dimiliki oleh seseorang untuk membantu aktivitas dalam kehidupan sehari-hari. Terlebih sebuah instansi atau lembaga yang memiliki
Lebih terperinciOPTIMASI JALUR TRANSPORTASI PRODUK HOUSING CLUTCH DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA PADA PT. SUZUKI INDOMOBIL MOTOR PLANT CAKUNG
OPTIMASI JALUR TRANSPORTASI PRODUK HOUSING CLUTCH DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA PADA PT. SUZUKI INDOMOBIL MOTOR PLANT CAKUNG Disusun Oleh : Nama : Mochammad Brananta Arya Lasmono NPM : 34412653
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 terperinciBAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya
5 BAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya Traveling salesman problem (TSP) merupakan salah satu permasalahan yang telah sering diangkat dalam berbagai studi kasus dengan penerapan berbagai
Lebih 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 terperinciUKDW. Bab I PENDAHULUAN. 1.1 Latar Belakang Masalah
Bab I PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan perkembangan ekonomi di Indonesia yang semakin pesat, perkembangan industri distribusi juga semakin meningkat untuk memenuhi kebutuhan pasar
Lebih terperinciPERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH. Iqbal Dwihanandrio
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6447 PERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH Iqbal Dwihanandrio S1 Teknik Informatika
Lebih terperinciBAB II TINJAUAN PUSTAKA. Khowarizmi. Algoritma didasarkan pada prinsiup-prinsip Matematika, yang
BAB II TINJAUAN PUSTAKA A. ALGORITMA Algoritma adalah metode langkah demi langkah pemecahan dari suatu masalah. Kata algoritma berasal dari matematikawan Arab ke sembilan, Al- Khowarizmi. Algoritma didasarkan
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 terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dengan semakin berkembangnya dunia bisnis dan usaha, suatu perusahaan dituntut untuk meningkatkan efisiensi dalam segala bidang dengan menerapkan prinsip ekonomi yaitu
Lebih terperinciBAB III PERANCANGAN. Gambar 3.1 di bawah ini mengilustrasikan jalur pada TSP kurva terbuka jika jumlah node ada 10:
BAB III PERANCANGAN Pada bagian perancangan ini akan dipaparkan mengenai bagaimana mencari solusi pada persoalan pencarian rute terpendek dari n buah node dengan menggunakan algoritma genetika (AG). Dari
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Lintasan Terpendek Multi Objektif Lintasan terpendek multi objektif (LTMO) merupakan perencanaan yang bertujuan untuk menemukan lintasan yang efisien dari titik awal ke titik
Lebih terperinciAPLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS
APLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS Hafid Hazaki 1, Joko Lianto Buliali 2, Anny Yuniarti 2
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004 Penyelesaian Masalah Penugasan dengan Algoritma Genetika Zainudin Zukhri Jurusan Teknik Informatika, Fakultas Teknologi Industri,
Lebih terperinciALGORITMA GENETIKA DENGAN PENDEKATAN MODEL PULAU PADA PERMASALAHAN TRAVELLING SALESMAN
ALGORITMA GENETIKA DENGAN PENDEKATAN MODEL PULAU PADA PERMASALAHAN TRAVELLING SALESMAN Hardy STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 hardy@mikroskil.ac.id Abstrak Algoritma genetika telah
Lebih terperinci