Hasil Pencarian  ::  Simpan CSV :: Kembali

"Multiple Travelling Salesman Problem (M-TSP) adalah masalah pencarian rute perjalanan optimal dari n kota oleh m salesman dengan m < n, dengan tiap kota hanya dapat dikunjungi satu kali dan oleh satu orang salesman saja. M-TSP merupakan perkembangan dari TSP dengan salesman lebih dari satu. Dalam tugas akhir ini akan dibahas M-TSP Single Depot yaitu M-TSP dengan kota awal perjalanan semua salesman berada di kota yang sama. Untuk menyelesaikan M-TSP digunakan Algoritma K-Means Clustering-Genetika, yaitu dengan membagi n kota yang ada menjadi m kluster kemudian tiap kluster akan diterapkan algoritma genetika dan pada akhirnya seluruh hasil yang didapat akan dijumlahkan untuk mengetahui total jarak tempuh seluruh salesman.

---

Multiple Travelling Salesman Problem (M-TSP) is a problem of finding an optimal travel route from n cities by m salesmen with m < n, the condition is that each city can only be visited once and only by one salesman. M-TSP is a development of the TSP problem which involves more than one salesman. M-TSP Single Depot, where all the salesmen start travelling from the same city, will be discussed in this final project. M-TSP will be solved by using the K-Means Clustering-Genetic Algorithm that divides n cities to m clusters and applies the genetic algorithm to each cluster, then all the results obtained will be summed to determine the total mileage of the whole salesman."

"One of most popular techniques of binary data classification in machine learning is support vector machine (SVM). SVM can be applied extensively in many fields such as pattern recognition regression analysis and probability estimation. SVM uses optimization wth quadratic programming which become unefficient when applied in a high dimensioal large dataset. Hence researchers develop"

"Berbagai penelitian tentang aliran daya (power flow) telah banyak dilakukan dengan variasi model pendekatan dan algoritma model solusi matematiknya."

"Knapsack Problem (KP) merupakan masalah optimisasi dalam menentukan objekdari sekumpulan objek yang memiliki nilai dan bobot yang akan ditempatkan ke dalam media penyimpanan dengan tujuan memaksimumkan nilai barang dengan syarat kapasitas bobot media penyimpanan terbatas. Dalam tugas akhir ini, akan dibahas {0-1} Knapsack Problem ({0-1} KP) yang direpresentasikan dalam bentuk graf berarah. Setelah direpresentasikan dalam bentuk graf berarah, kemudian dilakukan transformasi pada nilai busur pada graf berarah tersebut dan dicari lintasan terpendek antar dua node. Untuk mencari lintasan terpendek, digunakan Algoritma Amoeboid Organism dengan inputnya adalah matriks adjacency dari graf berarah yang telah ditransformasi nilai busurnya dan matriks konduktivitas. Output dari algoritma ini adalah menghasilkan matriks konduktivitas yang elemen-elemennya bernilai mendekati 0 atau 1. Entri yang bernilai mendekati 1 merepresentasikan lintasan terpendek pada graf. Lintasan terpendek yang diperoleh akan menjadi solusi yang optimal pada {0-1} KP.

---

Knapsack Problem (KP) is optimization problem to choose object from set of objects which have profit and weight and the object will be placed in limited storage with total of profit is maksimum. First, will be explained about representing {0-1} Knapsack Problem ({0-1} KP)to directed graph. After {0-1} KP is represented in directed graph, so transforming value of edge on directed graph and dicari lintasan terpendek antar dua node. To search shortest path, use Amoeboid Organism Algorithm with adjacency matrices from directed graph and conductivity matrices as input. Output from this algorithm is produce conductivity matrices with element which have value approach 0 and . Element which have value approach 1 represent shortest path on graph. Shortest path on graph is optimal solution in {0-1} KP."

"LISREL adalah software statistik pintar yang mampu menyelesaikan berbagai macam analisis, seperti analisis jalur (path analysis) dan analisis Sructural Equation Modeling (SEM) dengan tingkat akurasi yang tinggi. Buku ini diperuntukkan bagi para peneliti, lembaga-lembaga riset, mahasiwa program sarjana (S1), maupun pascasarjana (S2/S3), melalui software LISREL ini diharapkan dapat membantu dan mempermudah analisis data sekompleks apapun model penelitiannya."

"Algoritma pencarian string telah menjadi topik yang ramai dibicarakan di dunia komputer sejak berpuluh-puluh tahun yang lalu. Banyak para ahli yang mencoba menemukan algoritma pencarian string yang dapat memberikan hasil yang tepat dalam waktu singkat. Algoritma-algoritma baru bermunculan untuk memperbaiki kinerja algoritma pencarian string yang telah ada sebelumnya. Pentingnya sebuah algoritma pencarian string yang mampu memberikan hasil yang tepat dalam waktu yang relatif cepat memang sangat beralasan. Mengingat manipulasi string sangat diperlukan dalam dunia komputer. Banyak hal yang dapat dilakukan dengan adanya algoritma pencarian string yang handal. Permasalahan yang sering berkaitan dengan pengolahan string adalah mengenai ukuran data yang sangat besar dan juga pola atau karakteristik string yang berbedabeda. Ukuran data yang sangat besar jelas memberikan pengaruh yang besar terhadap waktu serta space yang dibutuhkan untuk melakukan pencarian. Sedangkan karakteristik dari string yang akan diproses berpengaruh terhadap kematangan sebuah algoritma pencarian string. Algoritma yang dapat bekerja dengan baik pada string umum (string yang terdiri dari banyak jenis karakter serta tidak memiliki pola tertentu) belum tentu dapat memberikan hasil yang sama apabila diterapkan pada string yang khusus. String khusus yang dimaksudkan di sini adalah string yang hanya terdiri dari karakter-karakter tertentu saja ataupun string yang memiliki pola tertentu. Salah satu string khusus yang berbeda dari string yang akrab dengan kehidupan manusia sehari-hari adalah string yang berisi informasi DNA mahluk hidup. Jenis string ini hanya terdiri dari empat karakter inti, yaitu A, C, G, dan T. Hanya dari empat karakter tersebut, dapat tersusun milyaran informasi DNA yang berbeda-beda. Pencarian string pada data DNA (data genomic), merupakan suatu permasalahan yang patut diberikan perhatian khusus. Karena penelitian mengenai DNA mahluk hidup merupakan suatu penelitian yang mendatangkan banyak sekali manfaat bagi seluruh mahluk hidup. Manfaat dari proses pencarian atau pencocokan string pada data genomic antara lain adalah untuk mengetahui kemiripan suatu mahluk hidup dengan mahluk hidup lain ataupun juga mengetahui manfaat dari suatu protein tertentu dengan melakukan perbandingan dengan protein-protein yang terdapat di bank data protein. Oleh karena itu, sangat beralasan jika algoritma pencarian string untuk data genomic yang dapat memberi kan hasil yang tepat dalam waktu yang singkat sangat diperlukan."