BAB II LANDASAN TEORI
|
|
- Widyawati Kusnadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB II LANDASAN TEORI Bab ini menguraikan konsep dan teori-teori yang akan dipakai dalam pembuatan aplikasi pencarian dengan algoritma genetic termodifikasi untuk data pada blackberry. 2.1 Algoritma Genetik Menurut Randy L and Sue Ellen (2004:22) Algoritma ini pertama kali diperkenalkan oleh John Holland dari Universitas Michigan pada awal 1970-an di New York, Amerika Serikat. John Holland bersama murid-murid serta rekan kerjanya lalu menghasilkan buku yang berjudul "Adaption in Natural and Artificial Systems" pada tahun 1975, melalui sebuah penelitian dan dipopulerkan oleh salah satu muridnya David Golberg dimana mendefinisikan algoritma genetic sebagai metode algoritma pencarian berdasarkan pada mekanisme seleksi alam dan genetic alam. John Holland (1975:ix) menyatakan bahwa setiap masalah yang berbentuk adaptasi (alami maupun buatan) dapat diformulasikan dalam teknologi genetika. Algoritma Genetik adalah algoritma yang berusaha menerapkan pemahaman mengenai evolusi alamiah pada tugas-tugas pemecahan masalah. Pendekatan yang diambil algoritma ini adalah dengan menggabungkan secara acak berbagai pilihan solusi terbaik pada sekumpulan solusi, untuk mendapatkan generasi solusi terbaik berikutnya yaitu pada suatu kondisi yang memaksimalkan kecocokannya atau lazim disebut fitness. Generasi ini akan mempresentasikan perbaikan-perbaikan pada populasi awalnya dengan melakukan proses ini secara berulang, algoritma ini diharapkan dapat memanipulasikan proses evolusioner. Sehingga akan didapatkan solusi-solusi yang paling tepat bagi permasalahan yang dihadapi. Berikut adalah tiga aspek yang penting untuk penggunaan Algoritma Genetik: a. Definisi fungsi fitness b. Definisi dan implementasi representasi genetic c. Definisi dan implementasi operasi genetic
2 2.2 Aplikasi Algoritma Genetik Untuk meningkatkan sebuah aplikasi yang akan dibangun, penulis akan membahas mengenai struktur umum dan aspek lain yang disediakan oleh algoritma genetic yang diungkapkan oleh Randy L and Sue Ellen (2004:511) Struktur Umum Algoritma Genetik Pada algoritma genetika, teknik pencarian dilakukan sekaligus atas sejumlah solusi yang mungkin dengan istilah populasi. Individu yang terdapat dalam satu populasi disebut dengan istilah kromosom. Kromosom ini merupakan suatu solusi yang masih berbentuk simbol. Populasi awal dibangun secara acak, sedangkan populasi berikutnya merupakan hasil evolusi kromosom-kromosom melalui proses evaluasi dengan menggunakan alat ukur yang disebut fungsi fitness. Nilai fitness dari suatu kromosom akan menujukan kualitas dari kromosom dalam polulasi tersebut. Generasi berikutnya dikenal dengan istilah anak (offspring) terbentuk dari gabungan dua kromosom generasi sekarang yang bertindak sebagai induk (parent) dengan menggunakan operator penyilangan (crossover). Selain operator penyilangan suatu kromosom dapat juga dimodifikasi dengan menggunakan operator mutasi. Populasi generasi yang baru dibentuk dengan cara menyeleksi nilai fitness dari kromosom induk (parent) dan nilai finess dari kromosom anak (offspring) serta menolak kromosom-kromosom yang lainnya sehingga ukuran populasi (jumlah kromosom dalam suatu populasi) konstan. Setelah melalui beberapa generasi maka algoritma ini akan konvergen ke kromosom terbaik. Algoritma Genetik khususnya diterapkan sebagai simulasi komputer dimana sebuah populasi representasi abstrak (kromosom) dari solusi-solusi calon (individual) pada sebuah masalah optimisasi akan berkembang menjadi solusi-solusi yang lebih baik. Secara tradisional solusi-solusi tersebut dilambangkan dalam biner sebagai string '0' dan '1', walaupun dimungkinkan juga penggunaan penyandian (encoding) yang berbeda. Evolusi dimulai dari sebuah populasi individual acak yang lengkap dan terjadi dalam generasigenerasi. Dalam tiap generasi kemampuan keseluruhan populasi dievaluasi, kemudian multiple individuals dipilih dari populasi sekarang (current) secara
3 stochastic (berdasarkan kemampuan mereka) lalu dimodifikasi (dengan mutasi atau rekombinasi) menjadi bentuk populasi baru yang menjadi populasi sekarang (current) pada iterasi berikutnya dari algoritma. Algoritma Genetik secara umum dapat diilustrasikan dalam diagram alir berikut ini: Mulai Inisialisasi nilai awal Populasi awal Proses pembentukan gen baru Proses kawin silang Tidak Proses mutasi Proses seleksi Memenuhi syarat regenerasi Ya Selesai Gambar 2.1 Diagram Alir Algoritma Genetik Secara Umum Algoritma Genetik mempunyai karakteristik-karakteristik yang perlu diketahui sehingga dapa terbedakan dari prosedur pencarian atau optimasi yang lain, yaitu: a. Algoritma Genetik dengan pengkodean dari himpunan solusi permasalahan berdasarkan parameter yang telah ditetapkan dan bukan parameter itu sendiri. b. Algoritma Genetik pencarian pada sebuah solusi dari sejumlah individuindividu yang merupakan solusi permasalahan bukan hanya dari sebuah
4 individu. c. Algoritma Genetik informasi fungsi objektif (fitness), sebagai cara untuk mengevaluasi individu yang mempunyai solusi terbaik, bukan turunan dari suatu fungsi. d. Algoritma Genetik menggunakan aturan-aturan transmisi peluang, bukan aturan-aturan deterministic Cara Kerja Algoritma Genetik Gambaran umum cara kerja Algoritma Genetik sebagai berikut: a. [Start] Pilih secara acak sekumpulan kromosom sebagai populasi awal. Kromosom ini harus sesuai dengan masalah yang hendak dicari solusinya. b. [Fitness] Evaluasi nilai fitness dari tiap kromosom pada populasi. c. [New population] Buat populasi baru dari populasi lama dengan cara: 1. [selection] Pilih du kromosom induk dari populasi lama berdasarkan nilai fitness-nya (semakin baik suatu kromosom, semakin besar kemungkinan terpilihnya). 2. [Crossover] Pertimbangkan kemungkinan pindah silang untuk memutuskan apakah terjadi pindah silang. Jika ya, bentuk kromosom baru dengan melakukan pindah silang pada kedua kromsom induk. Jika tidak, salin ulang kedua kromosom induk. 3. [Mutation] Pertimbangkan kemungkinan mutasi untuk memutuskan apakah terjadi mutasi. Jika ya, mutasikan kromosom yang dihasilkan proses crossover. Jika tidak, salin ulang kromosom yang dihasilkan proses crossover. 4. [Accepting] Masukkan kromosom yang dihasilkan proses mutation ke dalam populasi offspring. d. [Replace] Buang populasi lama, gunakan populasi offspring untuk proses selanjutnya. e. [Tes] Cek kondisi berhenti (pertimbangkan banyaknya populasi baru yang sudah terbentuk dan/atau pertimbangkan isi populasi baru). Jika terpenuhi, proses pencarian solusi dapat diakhiri. Beberapa kromosom terbaik dari populasi terakhir dapat dianggap sebagai solusi.
5 f. [Loop] Jika kondisi berhenti tidak terpenuhi, lanjutkan proses ke langkah 2 [Fitness]. Seperti yang dapat dilihat di atas, pencarian solusi dilakukan secara iterative. Satu siklus iterasinya mewakili satu generasi tertentu Keunggulan Algoritma Genetik Ada tiga keunggulan dari aplikasi Algoritma Genetik dalam prose optimasi, yaitu: a. Algoritma Genetika tidak terlalu banyak memerlukan persyaratan matematika dalam penyelesaian proses optimasi. Algoritma Genetik dapat diaplikasikan pada beberapa jenis fungsi objektif dengan beberapa fungsi pembatas baik berbentuk linier maupun non-linier. b. Operasi evolusi dari Algoritma Genetik sangat efektif untuk mengobservasi posisi global secara acak. c. Algoritma Genetik mempunyai fleksibilitas untuk diimplementasikan secara efisien pada problematika tertentu Komponen Dasar dan Komponen Utama Algoritma Genetik Menurut Randy L and Sue Ellen (2004:13) untuk meningkatkan tekhik optimisasi dalam perhitungan evolusioner algoritma genetic mempunyai 5 (lima) komponen dasar dan 6 (enam) komponen utama. Komponen dasar algoritma genetik, yaitu: 1. Pembentukan operator genetic dari solusi ke masalah. 2. Pembentukan satu populasi awal dari solusi. 3. Fungsi evaluasi dalam pembentukan nilai fitness algoriitma genetik. 4. Pembentukan kromosom awal dari operator genetik. 5. Nilai parameter algoritma genetic. Komponen utama algoritma genetik, yaitu: 1. Teknik penyandian Teknik penyandian meliputi penyandian gen dari kromosom walaupun gen juga merupakan bagian dari kromosom, dalam satu gen biasanya akan mewakili satu variable. Gen dapat direpresentasikan dalam berbagai
6 bentuk antara lain: string bit, pohon, array bilangan real, daftar aturan, elemen permutasi, elemen program dan lain-lain, sedangkan kromosom dapat direpresentasikan dengan menggunakan antara lain: string bit, bilangan real, elemen permutasian, daftar aturan, elemen program pemrograman genetika serta struktur lainnya. 2. Prosedur inisialisasi Ukuran populasi tergantung pada masa yang akan dipecahkan dan jenis operator genetika yang akan implementasikan, juga dilakukan inisialisasi terhadap kromosom secara acak yang terdapat pada populasi tersebut. 3. Fungsi evaluasi Ada 2 hal yang harus dilakukan dalam melakukan evaluasi kromosom yaitu: evaluasi fungsi objektif dan konfersi fungsi objektif ke dalam fungsi fitness. 4. Seleksi Bertujuan untuk memberikan kesempatan reproduksi yang lebih besar bagi anggota populasi yang paling fit, ada beberapa metode seleksi dari induk, antara lain: a. Rank-based fitness assignment b. Roulette wheel selection c. Stochastic universal sampling d. Local selection e. Truncation selection f. Tournament selection 5. Operator Genetika Ada 2 operator genetika yaitu operator untuk melakukan rekomendasi dan mutasi, operator untuk melakukan rekomendasi terdiri atas rekomendasi bernilai real, rekomendasi bernilai biner (Crossover) dan Crossover dengan permutasi, sedangkan operator untuk melakukan mutasi terdiri atas mutasi bernilai real dan mutasi bernilai biner. 6. Penentuan parameter Parameter adalah parameter control algoritma genetika yaitu ukuran populasi (popsize), peluang crossover (Pc) dan peluang mutasi (Pm).
7 2.2.5 Modifikasi Algoritma Genetik Pada tahapan ini penulis akan melakukan modifikasi dari algoritma genetik yaitu dengan menambahkan fungsi dari evaluasi fitness dan seleksi pada pembuatan kromosom dari populasi di dalam rangkaian aplikasi ini. Yang berfungsi untuk melakukan penyeleksian awal dari pencarian data di dalam aplikasi. 2.3 BlackBerry Sebagai bahan 2.3 Pengenalan BalckBerry BlackBerry adalah salah satu system operasi mobile yang dibuat RIM (Researce In Motion) dan dirancang untuk digunakan pada smartphone. BlackBerry merupakan sebuah smartphone yang memiliki keunggulan dalam pencarian data untuk membuka secara langsung di internal maupun exsternal memori. RIM didirikan oleh seorang imigran Yunani di kota Waterloo, Kanada, oleh RIM (Research in Motion) perangkat komunikasi BlackBerry ini pertama kali dikenalkan pada tahun Sejak peluncurannya pada tahun 1999, BlackBerry telah berhasil meraup lebih dari 8 juta pelanggan di seluruh dunia Jenis Aplikasi BlackBerry Aplikasi BlackBerry pada dasarnya terbagi menjadi 4: aplikasi browser, aplikasi java, aplikasi MDS runtime, dan aplikasi widget. a. Aplikasi browser adalah aplikasi web-base yang bisa diakses dengan BlackBerry Browser. b. Aplikasi Java adalah aplikasi yang dibuat dengan LCDC/MIDP API atau BlackBerry API (Application Program Interface) yang dapat terintegrasi dengan perangkat BlackBerry. c. Aplikasi MDS runtime adalah aplikasi yang dikhususkan untuk terintegrasi dengan BlackBerry Enterprise melalui MDS Integration Service. Aplikasi MDS runtime biasanya ringan dan berbentuk form.
8 d. Aplikasi widget adalah aplikasi web yang berukuran kecil dan menggunakan HTML, CSS, JavaScript, aplikasi widget dapat terlihat dan berprilaku sama seperti aplikasi Java Struktur Aplikasi Java BlackBerry Aplikasi Java BlackBerry ditulis dengan Connection Limited Device Configuration (CLDC), Application Programming Interface (API) yang ada pada Java Micro Edition. Aplikasi yang ditulis untuk perangkat BlackBerry menggunakan Mobile Information Device Profile (MIDP) API yang dibangun di atas CLDC dan/atau BlackBerry API. Untuk terminology yang lebih mudah, selanjutnya aplikasi BlackBerry yang menggunakan BlackBerry API akan disebut RIMIet, dan aplikasi yang menggunakan MIDP API akan disebut MIDIet. 2.4 Pengenalan Eclipse Dalam pembuatan aplikasi ini digunakan pemrograman menggunakan eclipse. Eclipse adalah sebuah IDE (Integrated Development Environment) untuk mengembangkan perangkat lunak dan dapat dijalankan disemua platform (Platform Independent). Saat ini eclipse merupakan IDE favorit karena gratis dan berbasis open source yang berarti setiap orang boleh melihat kode pemrograman. Selain itu kelebihan dari eclipse yang membuatnya popular adalah kemampuannya untuk dapat dikembangkan oleh pengguna dengan membuat komponen yang disebut plug-in. Secara standar Eclipse selalu dilengkapi dengan JDT (Java Development Tools), plug-in yang membuat Eclipse kompatibel untuk mengembangkan program Java, dan PDE (Plug-in Development Environment) untuk mengembangkan plug-in baru. Eclipse beserta plug-in-nya diimplementasikan dalam bahasa pemrograman java Sifat Eclipse Alasan dalam pembuatan aplikasi ini menggunakan pemrograman eclipse adalah sifat dari eclipse. Berikut ini adalah beberapa sifat dari Eclipse:
9 1. Ulti-platform: target system operasi eclipse adalah Microsoft Windows, Linux, Solaris, AIX, HP-UX dan Mac OSX. 2. Multi-language: Eclipse dikembangkan dengan bahsa pemrograman Java, akan tetapi eclipse mendukung pengembangan aplikasi berbasis bahasa pemrograman lain seperti C/C++, Cobol, Python, Perl, PHP dan lain sebagainya. 3. Multi-role: Selain sebagai IDE untuk pengembangan aplikasi. Eclipse pun digunakan untuk aktifitas dalam siklus pengembangan perangkat lunak seperti dokumentasi, pengujian perangkat lunak, pengembangan web, dan lain sebagainya. 2.4 UML (Unified Modeling Language) Unified Modeling Language (UML) adalah sebuah bahasa standar yang digunakan untuk menentukan, visualisasi, kontruksi, dan mendokumentasikan artifact (bagian dari informasi yang digunakan atau dihasilkan dalam suatu proses pembuatan perangkat lunak. Artifact dapar berupa model, deskripsi atau perangkat lunak) dari proses analisis pada notasi dan disain berorientasi objek. UML menjadi bahasa yang bisa digunakan untuk berkomunikasi dalam perspektif obyek antara user dengan developer, antara developer dengan developer, antara analis dengan developer disain, dan antra develover disain dengan developer pemrograman. UML memnungkinkan developer melakukan permodelan secara visual, yaitu penekanan pada penggambaran, bukan didominasi oleh narasi. Pemodelan visual membantu untuk menangkap struktur dan kelakuan dari objek, mempermudah penggambaran interaksi antara element dalam sistem, dan mempertahankan konsisten antara disain dan implementasi dalam pemrograman. Di dalam bab ini akan dibahas tiga artifak yang penting saja yaitu Use Case Diagram, Actifity Diagram, dan Sequence Diagram beserta notasi yang berhubungan dengannya. Tujuan dilakukannya pemodelan UML (Unified Modeling Language) diantaranya adalah:
10 1. Memberikan model yang siap pakai, bahasa pemodelan visual yang exspresif untuk mengembangkan dan saling menukar model dengan mudah dan dimengerti secara umum. 2. Memberikan bahasa pemodelan yang bebas dari berbagai bahasa pemrograman dan proses rekayasa. 3. Menyatukan praktek-praktek terbaik yang terdapat dalam pemodelan. 4. UML bisa juga berfungsi sebagai sebuah (blue print) cetak biru karena sangat lengkap. Dengan cetak biru ini maka akan bisa diketahui informasi secara detail tentang coding program tatu bahkan membaca program dan menginterprestasikan kembali ke dalam bentuk diagram (reseve enginering) Actors Actor adalah siapapun atau apapun yang berinteraksi dengan sistem aplikasi computer. Jadi actor ini bisa berupa orang, perangkat keras, atau mungkin juga objek lain dalam sistem yang sama. Biasanya yang dilakukan oleh actor adalah memberikan informasi pada sistem dan / atau memerintahkan sistem untuk melakukan sesuatu. Pada UML actors dinyatakan dengan gambar stick: Gambar 2.2 Notasi Actors Use Case Use Case adalah suatu penjelasan urutan kegiatan yang dilakukan actor dan sistem untuk mencapai suatu tujuan tertentu. Walaupun menjelaskan kegiatan namun use case hanya menjelaskan apa yang dilakukan oleh actor dan sistem, bukan bagaimana actor dan sistem melakukan kegiatan. Pada UML use case dilambangkan dengan symbol sebagai berikut:
11 Gambar 2.3 Notasi Use Case Association Relationship Association Relationship adalah relationship antara actor dan use case. Pada UML realitonship digambarkan menggunakan tanda panah, berikut contoh association relationship: Gambar 2.4 Association Relationship Includes Relationship Includes relationship mengijinkan sebuah use case untuk menggunakan fungsi yang disediakan oleh use case lain, relationship ini dapat digambarkan sebagai berikut: Gambar 2.5 Includes Relationship
12 2.4.5 Extends Relationship Extends relationship mengijinkan satu use case memilih untuk menambah fungsi yang disediakan oleh use case lain. Hal ini mirip dengan includes relationship, karena kedua relationship ini memisahkan beberapa fungsi umum menjadi use case sendiri. Dalam UML exstends relationship ditujukan dengan dashed arrow dengan kata <<exstend>>, berikut gambar exstend: Gambar 2.6 Extends Relationship
BAB 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 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 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 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 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 terperinciPengantar Kecerdasan Buatan (AK045218) Algoritma Genetika
Algoritma Genetika Pendahuluan Struktur Umum Komponen Utama Seleksi Rekombinasi Mutasi Algoritma Genetika Sederhana Referensi Sri Kusumadewi bab 9 Luger & Subblefield bab 12.8 Algoritma Genetika 1/35 Pendahuluan
Lebih terperinciBAB II LANDASAN TEORI. Tahun 2001 pemilik CV. Tunas Jaya membuka usaha di bidang penjualan dan
BAB II LANDASAN TEORI 2.1 Sejarah Perusahaan Tahun 2001 pemilik CV. Tunas Jaya membuka usaha di bidang penjualan dan pengadaan suku cadang computer. Dalam bidang tersebut diharuskan berbadan hukum PD,
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 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 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Buku Menurut Kamus Besar Bahasa Indonesia, buku memiliki arti lembar kertas yg berjilid, berisi tulisan atau kosong. Kertas-kertas bertulisan itu mempunyai tema bahasan yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan tugas akhir ini. Teori-teori yang dibahas mengenai pengertian penjadwalan, algoritma
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 terperinciPENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA
PENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA Bagus Priambodo Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Mercu Buana e- mail : bagus.priambodo@mercubuana.ac.id
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka (Samuel, Toni & Willi 2005) dalam penelitian yang berjudul Penerapan Algoritma Genetika untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Algoritma Genetika Algoritma Genetika merupakan suatu algoritma yang terinspirasi dari teori evolusi Darwin yang menyatakan bahwa kelangsungan hidup suatu makhluk dipengaruhi
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Algoritma
13 BAB 2 LANDASAN TEORI 2.1 Algoritma Dalam matematika dan komputasi, algoritma merupakan kumpulan perintah untuk menyelesaikan suatu masalah. Perintah-perintah ini dapat diterjemahkan secara bertahap
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Algoritma Genetika Dan Rapid Application Development (RAD)
BAB II LANDASAN TEORI 2.1 Algoritma Genetika Dan Rapid Application Development (RAD) 2.1.1 Algoritma Genetika Algoritma ini ditemukan di Universitas Michigan, Amerika Serikat oleh John Holland (1975) melalui
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 terperinciBAB 2 LANDASAN TEORI. dalam bentuk model untuk dipelajari, diuji, dan sebagainya. Banyak ahli memberikan
BAB 2 LANDASAN TEORI 2.1 Teknik Simulasi Teknik Simulasi merupakan cara meniru suatu sistem nyata yang kompleks dalam bentuk model untuk dipelajari, diuji, dan sebagainya. Banyak ahli memberikan definisi
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 terperinciBAB II LANDASAN TEORI
17 BAB II LANDASAN TEORI 2.1 Algoritma Dalam matematika dan komputasi, algoritma merupakan kumpulan perintah untuk menyelesaikan suatu masalah. Perintah-perintah ini dapat diterjemahkan secara bertahap
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Teka-Teki Silang Teka-teki silang merupakan permainan sederhana yang banyak dimainkan dari berbagai kalangan. Cara bermain permaian ini memang sederhana, hanya merangkaikan jawaban
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 terperinciOPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA Mike Susmikanti Pusat Pengembangan Informatika Nuklir, Badan Tenaga Nuklir Nasional Kawasan
Lebih terperinciPEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 3 No. 1 Hal. 98 106 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL YOSI PUTRI, NARWEN
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 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 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 terperinciBAB II KAJIAN TEORI. memindahkan barang dari pihak supplier kepada pihak pelanggan dalam suatu supply
BAB II KAJIAN TEORI Berikut diberikan beberapa teori pendukung untuk pembahasan selanjutnya. 2.1. Distribusi Menurut Chopra dan Meindl (2010:86), distribusi adalah suatu kegiatan untuk memindahkan barang
Lebih terperinciPENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA. Abstraksi
PENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA I Dewa Made Adi Baskara Joni 1, Vivine Nurcahyawati 2 1 STMIK STIKOM Indonesia, 2 STMIK STIKOM
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 terperinciBab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA II.1. Aplikasi Aplikasi adalah suatu subkelas perangkat lunak komputer yang memanfaatkan kemampuan komputer langsung untuk melakukan suatu tugas yang diinginkan pengguna. Contoh
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 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 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 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 terperinciBAB II KAJIAN PUSTAKA. Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi
BAB II KAJIAN PUSTAKA Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi graf, permasalahan optimasi, model matematika dari objek wisata di Yogyakarta, dan algoritma genetika
Lebih terperinciRancang Bangun Aplikasi Location-Based Service Pencarian Lokasi Wisata Di Kota Semarang Berbasis Android
Rancang Bangun Aplikasi Location-Based Service Pencarian Lokasi Wisata Di Kota Semarang Berbasis Android M. Abdurrozzaq Almuzakki Program Studi Teknik Informatika - S1, Fakultas Ilmu Komputer, Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
18 BAB 2 LANDASAN TEORI 2.1 Pengertian Optimasi Optimasi adalah salah satu ilmu dalam matematika yang fokus untuk mendapatkan nilai minimum atau maksimum secara sistematis dari suatu fungsi, peluang maupun
Lebih terperinciALGORITMA GENETIKA. Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Disusun oleh: Achmad Basuki Politeknik Elektronika Negeri Surabaya, PENS ITS Surabaya 2003 Algoritma
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 terperinciBAB II LANDASAN TEORI
6 BAB II LANDASAN TEORI 2.1 Penjadwalan Menurut Dian (2011), penjadwalan merupakan proses untuk menyusun suatu jadwal atau urutan proses yang diperlukan dalam sebuah persoalan. Persoalan penjadwalan biasanya
Lebih terperinciBAB III ANALISA MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISA MASALAH DAN RANCANGAN PROGRAM III.1. Analisa Masalah Perkembangan game dari skala kecil maupun besar sangat bervariasi yang dapat dimainkan oleh siapa saja tanpa memandang umur, dari anak
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 terperinciTugas Mata Kuliah E-Bisnis REVIEW TESIS
Tugas Mata Kuliah E-Bisnis REVIEW TESIS Desain Algoritma Genetika Untuk Optimasi Penjadwalan Produksi Meuble Kayu Studi Kasus Pada PT. Sinar Bakti Utama (oleh Fransiska Sidharta dibawah bimbingan Prof.Kudang
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 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 III KONSEP DAN PERANCANGAN APLIKASI
BAB III KONSEP DAN PERANCANGAN APLIKASI 3.1 Konsep Pada bab ini penulis akan membahas konsep mengenai perangkat lunak yang digunakan serta akan dibahas mengenai tujuan, kegunaan dan untuk siapa aplikasi
Lebih terperinciBAB I PENDAHULUAN. Penjadwalan merupakan kegiatan yang harus dimiliki oleh setiap
BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan merupakan kegiatan yang harus dimiliki oleh setiap orang untuk dapat membantu dalam melakukan aktivitasnya sehari-hari. Terlebih lagi sebuah instansi atau
Lebih terperinciBAB II TINJAUAN PUSTAKA. yang sebelumnya dengan penelitian sekarang. Cina dalam mengelola keuangan keluarga. Bagi keluarga Etnis Cina di Kya-
BAB II TINJAUAN PUSTAKA A. Telaah Penelitian Telaah penelitian ini berfungsi untuk membandingkan penelitianpenelitian yang sebelumnya dengan penelitian sekarang. Suhartini dan Renanta (2007), meneliti
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Jadwal Jadwal merupakan pembagian waktu berdasarkan rencana pengaturan urutan kerja, daftar atau rencana kegiatan dengan pembagian waktu pelaksanaan terperinci, sedangkan penjadwalan
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 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 terperinciOptimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi
Optimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi Rahman Aulia Universitas Sumatera Utara Pasca sarjana Fakultas Ilmu Komputer Medan, Indonesia Rahmanaulia50@gmail.com Abstract
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK VISUALISASI DUA DIMENSI WELL PRODUCTION FORECASTING DENGAN GENETIC ALGORITHM
PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK VISUALISASI DUA DIMENSI WELL PRODUCTION FORECASTING DENGAN GENETIC ALGORITHM Danuri Teknologi Informasi Politeknik Bengkalis Jl. Bathin Alam, Sei-Alam, Bengkalis
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Gizi 2.1.1 Jenis-Jenis Zat Gizi Zat gizi dapat dibedakan menjadi dua kelompok sesuai kebutuhan, yaitu makronutrien dan mikronutrien. Makronutrien adalah zata-zat makanan yang
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 II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Konsep Dasar Sistem dan Informasi 2.1.1 Sistem Menurut Sutabri (2004), bahwa sistem adalah sekelompok unsur yang erat hubungannya satu dengan yang lainnya berfungsi untuk mencapai
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 II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA II.1. Aplikasi Aplikasi adalah suatu sub kelas perangkat lunak komputer yang memanfaatkan kemampuan komputer langsung untuk melakukan suatu tugas yang diinginkan pengguna. Contoh
Lebih terperinciALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS Surabaya 2003 Algoritma Genetika Algoritma
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 Algoritma Genetika Algoritma genetika merupakan algoritma pencarian heuristik ysng didasarkan atas mekanisme seleksi alami dan genetika alami (Suyanto, 2014). Adapun konsep dasar
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 Edisi... Volume..., Bulan 20.. ISSN :
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENJADWALAN MATA PELAJARAN DI SMAN 1 CIWIDEY Rismayanti 1, Tati Harihayati 2 Teknik Informatika Universitas Komputer
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 terperinciBAB 2 LANDASAN TEORI. Android adalah sistem operasi berbasisi java yang berjalan pada kernel 2.6 Linux.
BAB 2 LANDASAN TEORI 2.1 Android Android adalah sistem operasi berbasisi java yang berjalan pada kernel 2.6 Linux. Aplikasi android yang dikembangkan menggunakan java dan menyesuaikan ke dalam bentuk platform
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 II KAJIAN PUSTAKA
10 BAB II KAJIAN PUSTAKA 2.1 Pengertian Aplikasi Menurut Kamus Besar Bahasa Indonesia, Aplikasi adalah penerapan dari rancang sistem untuk mengolah data yang menggunakan aturan atau ketentuan bahasa pemrograman
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Penjadwalan Kampanye Penjadwalan memiliki pengertian durasi dari waktu kerja yang dibutuhkan untuk melakukan serangkaian aktivitas kerja (Jiupe, 2008). Penjadwalan juga merupakan
Lebih terperinciBAB I PENDAHULUAN. dengan memperhatikan batasan-batasan yang ada. Pada penjadwalan terdapat
BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan merupakan salah satu bagian dari rutinitas di kehidupan sehari-hari. Penjadwalan banyak digunakan diberbagai bidang seperti industri, manajeman, pendidikan
Lebih terperinciSimulasi Coverage Pada Wireless Sensor Network dengan Menggunakan Algoritma Genetika Pareto
Simulasi Coverage Pada Wireless Sensor Network dengan Menggunakan Algoritma Genetika Pareto Umi Fitria P, Tri Budi Santoso, Prima Kristalina Jurusan Telekomunikasi, Politeknik Elektronika Negeri Surabaya
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 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 terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI 2.1 Graph Rinaldi Munir (2003) menjelaskan bahwa graph merupakan kumpulan verteks yang dihubungkan satu sama lain melalui sisi/ busur (edges). Suatu graph G terdiri dari dua himpunan
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 2 LANDASAN TEORI
36 BAB 2 LANDASAN TEORI 2.1 Pengurutan Pekerjaan (Job Sequencing) 2.1.1 Deskripsi Umum Dalam industri manufaktur, tujuan penjadwalan ialah untuk meminimasikan waktu dan biaya produksi, dengan cara mengatur
Lebih terperinciKNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA
LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu
Lebih terperinciBAB III IMPLEMENTASIALGORITMA GENETIK DAN ACS PADA PERMASALAHAN TRAVELLING SALESMAN PROBLEM
BAB III IMPLEMENTASIALGORITMA GENETIK DAN ACS PADA PERMASALAHAN TRAVELLING SALESMAN PROBLEM 3.1 TRAVELLING SALESMAN PROBLEM Sebelum membahas pencarian solusi Travelling Salesman Problem menggunakan algoritma
Lebih terperinciAlgoritma Genetika. Mata Kuliah : Kecerdasan Buatan. Dosen Pembimbing : Victor Amrizal, MKom. Disusun oleh : Eka Risky Firmansyah ( )
Algoritma Genetika Mata Kuliah : Kecerdasan Buatan Dosen Pembimbing : Victor Amrizal, MKom Disusun oleh : Eka Risky Firmansyah (1110091000043) Syukri Sayyid Ahmad (1110091000060) Nurul Hikmah Agustin (1110091000061)
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 terperinciBAB II LANDASAN TEORI. Suatu graph merupakan suatu pasangan { E(G), V(G) } dimana :
BAB II LANDASAN TEORI 2.1 Defenisi Graph Suatu graph merupakan suatu pasangan { E(G), V(G) } dimana : V(G) adalah sebuah himpunan terhingga yang tidak kosong ( non empty finite set) yang elemennya disebut
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 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 terperinciPERANCANGAN ALGORITMA GENETIKA DALAM PENYUSUNAN TEKA-TEKI SILANG
PERANCANGAN ALGORITMA GENETIKA DALAM PENYUSUNAN TEKA-TEKI SILANG Afen Prana Utama 1, Edison Sinaga 1 D-3 Manajemen Informatika - STMIK Mikroskil Medan afen@mikroskil.ac.id Abstrak Teka-teki silang merupakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Fuzzy Relation Dalam dunia ini, banyak hal bersifat tidak pasti dimana derajat kepastian (degree of preciseness) hal-hal tersebut secara intuisi berbeda-beda. Di sini, fuzzy set
Lebih terperinciImplementasi Algoritma Genetika Untuk Pencarian Rute Berdasarkan Waktu Tercepat Objek Wisata Di Kabupaten Ngawi. Makalah
Implementasi Algoritma Genetika Untuk Pencarian Rute Berdasarkan Waktu Tercepat Objek Wisata Di Kabupaten Ngawi Makalah Disusun sebagai salah satu syarat menyelesaikan Program Studi Strata I pada Jurusan
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 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 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 terperinciAndroid memiliki empat karakteristik sebagai berikut :
BAB II KAJIAN PUSTAKA A. Android Menurut Hermawan (2011 : 1), Android merupakan OS (OperatingSystem) Mobile yang tumbuh ditengah OS lainnya yang berkembang dewasa ini. OS lainnya seperti Windows Mobile,
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Traveling Salesman Problem (TSP) adalah permasalahan dimana seorang salesman harus mengunjungi semua kota yang ada dan kota tersebut hanya boleh dikunjungi tepat satu
Lebih terperinciBAB II LANDASAN TEORI. Sistem dapat diartikan sebagai serangkaian komponen-komponen yang
BAB II LANDASAN TEORI 2.1 Konsep Dasar Sistem Informasi Sistem dapat diartikan sebagai serangkaian komponen-komponen yang saling berinteraksi dan bekerjasama untuk mencapai tujuan tertentu (Soeherman &
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 terperinci