SIMULASI PENENTUAN LINTASAN TERPENDEK PADA COMPLETE GRAPH DENGAN MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO) ALGORITHM

Riana, Ami (2017) SIMULASI PENENTUAN LINTASAN TERPENDEK PADA COMPLETE GRAPH DENGAN MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO) ALGORITHM. Undergraduate thesis, UNIMED.

[img]
Preview
Text
1. NIM. 4132230001 COVER.pdf - Published Version

Download (118kB) | Preview
[img]
Preview
Text
2. NIM. 4132230001 LEMBAR PENGESAHAN.pdf - Published Version

Download (234kB) | Preview
[img]
Preview
Text
3. NIM. 4132230001 Abstrak.pdf - Published Version

Download (198kB) | Preview
[img]
Preview
Text
4. NIM. 4132230001 KATA PENGANTAR.pdf - Published Version

Download (155kB) | Preview
[img]
Preview
Text
5. NIM. 4132230001 DAFTAR ISI.pdf - Published Version

Download (148kB) | Preview
[img]
Preview
Text
6. NIM. 4132230001 DAFTAR GAMBAR.pdf - Published Version

Download (140kB) | Preview
[img]
Preview
Text
7. NIM. 4132230001 DAFTAR TABEL.pdf - Published Version

Download (82kB) | Preview
[img]
Preview
Text
8. NIM. 4132230001 DAFTAR LAMBANG.pdf - Published Version

Download (200kB) | Preview
[img]
Preview
Text
9. NIM. 4132230001 BAB I.pdf - Published Version

Download (140kB) | Preview
[img]
Preview
Text
14. NIM. 4132230001 DAFTAR PUSTAKA.pdf - Published Version

Download (127kB) | Preview

Abstract

Ant Colony Optimization Algorithm merupakan suatu metodologi yang dihasilkan berdasarkan pengamatan terhadap perilaku semut. Ant Colony Optimization Algorithm berfungsi untuk menemukan solusi dalam permasalahan pencarian lintasan terpendek dengan berdasarkan nilai probabilistik dan dengan bantuan semut buatan yang terdapat pada algoritma ini. Penelitian ini bertujuan untuk membangun suatu program simulasi lintasan terpendek pada complete graph K20 . Data jarak pada simulasi ini ditentukan secara random dengan ketentuan nilai 0 − 100. Simulasi yang dilakukan adalah perhitungan algoritma menggunakan nilai parameter dengan kondisi pheromone awal yang berbeda-beda. Parameter pada Ant Colony Optimization Algorithm diatur dengan nilai alpha = 1, beta = 2, nilai kondisi pheromone awal = 0.0001 untuk simulasi pertama, nilai alpha = 1, beta = 2, kondisi pheromone awal = 1 untuk simulasi kedua, dan nilai alpha = 1, beta = 5, kondisi pheromone awal = 0.00000001 untuk simulasi ketiga. Hasil simulasi menunjukkan bahwa semakin besar nilai kondisi pheromone awal yang digunakan maka semakin besar pula nilai temporary yang dihasilkan. Meskipun dengan kondisi pheromone awal berbeda, namun lintasan terpendek yang didapatkan dengan data jarak yang digunakan pada penelitian ini adalah sama yaitu 15− 14− 1− 3− 20− 12− 16− 6− 18− 10− 9− 13− 11− 7− 8− 4− 2− 17− 5– 19 dengan panjang 613 (dalam km).

Item Type: Thesis (Undergraduate)
Contributors:
ContributionNameNIP
AuthorSyahputra, Hermawan198009302003121002
Subjects: Q Science > QA Mathematics
Q Science > QA Mathematics > QA101 Elementary mathematics. Arithmetic
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika
Depositing User: Mrs Yuni Chairani
Date Deposited: 06 Mar 2018 03:55
URI: http://digilib.unimed.ac.id/id/eprint/29421

Actions (login required)

View Item View Item