Articles
15
Documents
Isomorphic Solutions of the N-queens Problem

SNATIKA Vol 1, No 1 (2011): SNATIKA 2011
Publisher : APTIKOM

Show Abstract | Original Source | Check in Google Scholar

Abstract

AbstractThe N-queens problem is a classic example in mathematics as well as computer science that receives many attentions from researchers for nearly two centuries. Despite its usefulness in teaching computational intelligence algorithms, another interesting features of the N-queens problem is the notion of isomorphism and transformation groups. Once a solution of the N-queens problem is found, the isomorphic solutions can be transformed easily by performing two kinds of permutations, i.e. rotation and reflection. In this paper, we proposed a two-stage approach to find the isomorphic solutions to the N-queens problem. In the first stage, a genetic algorithm is used to find a solution of the N-queens problem. In the second stage, the solution is transformed into seven isomorphic solutions. Using this approach, a complete solution for the N-queens problem can be obtained. The results obtained show how the complete isomorphic solutions of 5-, 6-, 7-, and 8-queens can be generated in a very short execution time.

Penerapan Harmony Search Algorithm dalam Permasalahan Penjadwalan Flow Shop

Dunia Teknologi Informasi - Jurnal Online Vol 1, No 1 (2012): Jurnal Dunia Teknologi Informasi
Publisher : Universitas Sumatera Utara

Show Abstract | Original Source | Check in Google Scholar | Full PDF (666.479 KB)

Abstract

Dunia manufaktur dan industri jasa memiliki permasalahan dibidang penjadwalan. Penjadwalan adalah proses pengambilan keputusan yang berkaitan tentang pengalokasian sejumlah resource dan tugas dalam waktu tertentu. Oleh karena itu, dibutuhkan suatu teknik untuk mendapatkan penjadwalan yang efektif dan efisien. Flow shop merupakan salah satu permasalahan penjadwalan yang dikategorikan dalam permasalahan NP-hard. Permutation akan menjadi kendala dalam lingkungan flow shop dimana mesin-mesin diatur secara seri dengan menyusun antrian job mengikuti aturan FIFO. Harmony search algorithm salah satu teknik metaheuristik yang terinspirasi dari permainan musik. Algoritma tersebut dapat digunakan untuk menyelesaikan permasalahan permutation flow shop untuk minimize makespan. Teknik penyelesaian dengan menggunakan algoritma tersebut menerapkan inisialisasi dengan variabel diskrit. Berdasarkan hasil pengujian yang telah dilakukan, harmony search algorithm efektif menghasilkan makespan yang lebih baik dari makespan yang terdapat pada benchmark data.

Artificial Bee Colony Algorithm untuk Menyelesaikan Travelling Salesman Problem

Dunia Teknologi Informasi - Jurnal Online Vol 1, No 1 (2012): Jurnal Dunia Teknologi Informasi
Publisher : Universitas Sumatera Utara

Show Abstract | Original Source | Check in Google Scholar | Full PDF (409.054 KB)

Abstract

Permasalahan Traveling Salesman Problem (TSP) dikenal dengan sebagai permasalahan yang bersifat Nondeterministic Polynomial-Hard (NP-Hard). Penyelesaian eksak untuk masalah TSP ini mengharuskan perhitungan terhadap semua kemungkinan rute yang dapat diperoleh, kemudian memilih salah satu rute yang terpendek. Untuk itu jika terdapat n kota yang harus di kunjungin, maka diperlukanan proses pencarian sebanyak (n-1)!/2n rute. Pada penelitian ini, penulis menggunakan Artificial Bee Colony (ABC) Algorithm. ABC algorithm dengan neighborhood operator bertujuan untuk mendapatkan penyelesaian terbaik jalur terpendek dari TSP. Hasil komputasi menunjukkan ABC dengan neighborhood operator sudah mendapatkan penyelesaian terbaik untuk beberapa kasus.

Analisis Accelerated Learning Pada Algoritma Backpropagation Menggunakan Adaptive Learning Rate

SAMUDERA Vol 8, No 1 (2014)
Publisher : Universitas Malikussaleh

Show Abstract | Original Source | Check in Google Scholar

Abstract

Jaringan syaraf tiruan backpropagation merupakan algoritma pembelajaran yang terawasi dimana output dari jaringan dibandingkan dengan target yang diharapkan sehingga diperoleh error output. Banyak model pembelajaran yang menggunakan algoritma backpropagation. Namun algoritma backpropagation mempunyai keterbatasan yaitu laju konvergensi yang cukup lambat. Pada penelitian ini penulis menambahkan parameter learning rate secara adaptif pada setiap iterasi dan koefisien momentum untuk menghitung proses perubahan bobot. Dari hasil simulasi komputer maka diperoleh perbandingan antara algoritma backpropagation standar dengan backpropagation adaptive learning. Untuk algoritma backpropagation standar kecepatan konvergensi mencapai 1000 epoch dengan nilai Mean Square Error (MSE) yang dihasilkan adalah 0,00044 sedangkan untuk algoritma backpropagation adaptive learning hanya 72 epoch dengan nilai Mean Square Error (MSE) yang dihasilkan 0.0000036. Hal ini menunjukkan bahwa algoritma backpropagation adaptive learning lebih cepat mencapai konvergensi daripada algoritma backpropagation standar.

Perbandingan Waktu Eksekusi Algoritma Dsatur Dan Algoritma Pewarnaan Heuristik Tabu Search Pada Pewarnaan Graf

SAMUDERA Vol 7, No 1 (2013)
Publisher : Universitas Malikussaleh

Show Abstract | Original Source | Check in Google Scholar

Abstract

Pewarnaan graf G adalah proses pemberian warna pada verteks - verteks di G, satu warna untuk setiap verteks, sehingga verteks - verteks yang bersisian mempunyai warna yang berbeda. Jika ada kemungkinan untuk menemukan pewarnaan yang tepat dari graf G, dengan menggunakan x warna, maka G dikatakan x-colorable. Bilangan kromatik dari graf G adalah bilangan bulat terkecil x dimana G adalah x-colorable, di notasikan dengan . Terdapat beberapa metode heuristik yang dapat digunakan untuk menyelesaikan permasalahan pewarnaan graf. Yaitu algoritma dsatur dan algoritma pewarnaan heuristik tabu search. 

ANALISIS PENGGUNAAN ALGORITMA KOHONEN PADA JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PENGENALAN POLA PENYAKIT PARU

Jurnal Teknovasi : Jurnal Teknik dan Inovasi Vol 1, No 2 (2014): Teknovasi Oktober 2014
Publisher : LPPM Politeknik LP3I Medan

Show Abstract | Original Source | Check in Google Scholar | Full PDF (1028.071 KB)

Abstract

Algoritma Kohonen pada Jaringan Syaraf Tiruan Backpropagation dalam pengenalan pola penyakit paru dalam mempercepat proses pembelajaran (training) yang signifikan dan klasifikasi yang akurat dalam mengenali pola suatu penyakit. Algoritma Backpropagation merupakan salah satu algoritma pembelajaran supervised learning, yaitu pembelajaran yang membutuhkan pengawasan dalam proses pembelajarannya. Pada supervised learning terdapat pasangan data input dan output yang dipakai untuk melatih Jaringan Syaraf Tiruan hingga diperoleh bobot penimbang (weight) yang diinginkan. Dalam penelitian ini, dalam pengenalan pola penyakit paru yaitu: Pneumonia dan TBC Paru-paru. Penulis menggunakan 2 data input yang sama dan data yang satu dilatih menggunakan algoritma backpropagation dimana pembobotannya secara random dan data yang kedua dilatih menggunakan algoritma backpropagation tapi pembobotannya menggunakan algoritma Kohonen. Dari hasil penelitian yang penulis lakukan, dengan pembobotan menggunakan kohonen dan dilatih dengan algoritma backpropagation ternyata dapat mempercepat proses pembelajaran (training) dalam mengenali suatu pola penyakit paru.

ANALISIS FUNGSI AKTIVASI SIGMOID BINER DAN SIGMOID BIPOLAR DALAM ALGORITMA BACKPROPAGATION PADA PREDIKSI KEMAMPUAN SISWA

Jurnal Teknovasi : Jurnal Teknik dan Inovasi Vol 2, No 1 (2015): Teknovasi April 2015
Publisher : LPPM Politeknik LP3I Medan

Show Abstract | Original Source | Check in Google Scholar | Full PDF (689.436 KB)

Abstract

Metode backpropagation merupakan metode yang sangat baik dalam menangani masalah pengenalan pola-pola kompleks. Di dalam jaringan backpropagation, setiap unit yang berada di lapisan input terhubung dengan setiap unit yang ada di lapisan tersembunyi. Hal serupa berlaku pula pada lapisan tersembunyi. Setiap unit yang ada pada lapisan tersembunyi terhubung dengan setiap unit yang ada di lapisan output. Fungsi aktivasi yang digunakan di dalam metode backpropagation adalah fungsi sigmoid biner (binary sigmoid function), sigmoid bipolar (bipolar sigmoid function). Karakteristik yang harus dimiliki fungsi aktivasi tersebut adalah kontinyu dan tidak menurun secara monoton. Dari hasil penelitian maka didapatkan bahwa penggunaan fungsi aktivasi sigmoid biner memiliki tingkat rata-rata akurasi yang lebih baik dari sigmoid bipolar. Akan kecepatan perhitungannya lebih lambat dibandingkan dengan sigmoid bipolar. Fungsi aktivasi sigmoid bipolar dipilih berdasarkan asumsi heuristik bahwa nilai rentang [0, 1] yang dihasilkan oleh fungsi sigmoid biner (unipolar) kurang bagus dibandingkan dengan rentang [-1, 1] yang dihasilkan fungsi yang sigmoid bipolar. Hasil ini disebabkan karena nilai ekstrim 0 yang dihasilkan fungsi sigmoid biner kurang memberikan pengaruh pada penghitungan nilai pada neuron, dibandingkan dengan nilai ekstrim -1 yang dihasilkan oleh fungsi sigmoid bipolar.

PERBANDINGAN PENCARIAN DATA MENGGUNAKAN QUERY HASH JOIN DAN QUERY NESTED JOIN

Jurnal Teknovasi : Jurnal Teknik dan Inovasi Vol 1, No 2 (2014): Teknovasi Oktober 2014
Publisher : LPPM Politeknik LP3I Medan

Show Abstract | Original Source | Check in Google Scholar | Full PDF (1185.634 KB)

Abstract

Pengaksesan data atau pencarian data dengan menggunakan Query atau Join pada aplikasi yang terhubung dengan sebuah database perlu memperhatikan ketepatgunaan implementasi dari data itu sendiri serta waktu prosesnya. Ada banyak cara yang dapat dilakukan oleh database manajemen sistem dalam memproses dan menghasilkan jawaban sebuah query. Semua cara pada akhirnya akan menghasilkan jawaban (output) yang sama tetapi pasti mempunyai harga yang berbeda-beda, seperti kecepatan waktu untuk merespon data. Beberapa query yang sering digunakan untuk pemrosesan data yaitu Query Hash Join dan Query Nested Join, kedua query memiliki algoritma yang berbeda tapi menghasilkan output yang sama. Dengan menggunakan aplikasi yang dirancang menggunakan Microsoft Visual Studi 2010 dan Microsoft SQL Server 2008 berbasis jaringan untuk melakukan pengujian kedua algoritma atau query dengan parameter running time atau kecepatan waktu merespon data. Pengujian dilakukan dengan jumlah tabel yang dihubungkan dan jumlah baris/record. Hasil dari penelitian adalah kecepatan waktu query dalam merespon data untuk jumlah data yang kecil query hash join lebih baik dibandingkan dengan jumlah data yang besar query nested join.

Teknik Watermarking Adaptif Menggunakan Micro Genetic Algorithm

Jurnal Inotera Vol 1 No 1 (2016): July-December 2016
Publisher : LPPM Politeknik Aceh Selatan

Show Abstract | Original Source | Check in Google Scholar | Full PDF (267.164 KB)

Abstract

Citra digital sangat rentan terhadap perlakuan pengolahan kembali, seperti pemampatan, penyaringan, pengaburan, dan sebagainya. Pada citra yang mengandung watermark, pengolahan kembali tentunya dapat merusak eksistensi watermark di dalamnya. Kekukuhan watermark dalam citra asli dapat ditingkatkan melalui pemilihan teknik-teknik penyisipan yang tepat. Salah satunya dengan menggunakan teknik transformasi citra seperti discrete wavelete transform atau DWT. Namun penentuan skala penyisipan (gain) bagi watermark menjadi sangat krusial, karena dengan nilai gain yang besar akan membuat kualitas visual citra dapat berkurang. Sebaliknya, nilai gain yang terlalu kecil membuat watermark akan sukar untuk dideteksi. Penggunaan teknik cerdas seperti micro genetic algorthm dapat memberika solusi dalam menentukan nilai penskalaan ini. Sehingga kualitas visual citra dapat dijaga dan watermark di dalamnya dapat dipertahankan.

ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION

InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 1, No 2 (2017): InfoTekJar Maret
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Original Source | Check in Google Scholar

Abstract

Algoritma backpropagation merupakan multi layer perceptron yang banyak digunakan untuk menyelesaikan persoalan yang luas, namun algoritma backpropagation juga mempunyai keterbatasan yaitu laju konvergensi yang cukup lambat. Pada penelitian ini penulis menambahkan parameter learning rate secara adaptif pada setiap iterasi dan koefisien momentum untuk menghitung proses perubahan bobot. Dari hasil simulasi komputer maka diperoleh perbandingan antara algoritma backpropagation standar dengan backpropagation dengan penambahan momentum. Untuk algoritma backpropagation standar kecepatan konvergensi 727 epoch dengan nilai MSE 0,01, sedangkan algoritma backpropagation standar mencapai 4000 epoch dengan nilai MSE 0,001. . Hal ini menunjukkan bahwa algoritma backpropagation adaptive learning lebih cepat mencapai konvergensi daripada algoritma backpropagation standar.