Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Network Engineering Research Operation [NERO]

IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) Anamisa, Devie Rosa
Network Engineering Research Operation [NERO] Vol 1, No 1 (2014): Nero
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam merancang penjadwalan mata pelajaran di SMU (Sekolah Menengah Umum) membutuhkan waktu, tenaga dan ketelitian. Karena dalam perancangan jadwal mata pelajaran harus memperhatikan aturan-aturan penjadwalan serta faktor-faktor yang mempengaruhi seperti guru, kelas, waktu dan mata pelajaran serta batasan-batasan baik batasan yang boleh dilanggar (soft constraint) maupun batasan yang harus dipenuhi (hard constraint) dalam mengalokasikan jadwal. Beberapa solusi terhadap penyelesaian penjadwalan mata pelajaran menunjukkan bahwa semakin besar volume batasan penjadwalan maka alokasi jadwal semakin kompleks sehingga diperlukan algoritma optimasi untuk menyelesaikan permasalahan tersebut. Penelitian ini menyelesaikan permasalahan alokasi jadwal mata pelajaran menggunakan algoritma koloni semut (AKS). AKS merupakan suatu algoritma berbasis agent dengan meminimalkan terjadinya bentrok jadwal sehingga mampu menyelesaikan permasalahan penjadwalan mata pelajaran di SMU dengan cepat dan mudah. Hasil uji coba menunjukkan bahwa AKS yang dikembangkan dalam penelitian ini mampu menyelesaikan persoalan penjadwalan mata pelajaran dengan hasil memuaskan. Kualitas keberhasilan tersebut diperoleh menggunakan parameter nilai alfa dan beta masing-masing sebesar satu dan penguapan feromon sebesar 0,3. Kata Kunci : Implementasi, Penjadwalan mata pelajaran, Algoritma, Optimasi, Algoritma Koloni Semut.
APLIKASI SEGMENTASI OBJEK MENGGUNAKAN CELLULAR NEURAL NETWORK (CNN) Anamisa, Devie Rosa
Network Engineering Research Operation [NERO] Vol 1, No 3 (2015): Nero
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan dan kemajuan dibidang teknologi dan informasi memberikanpengaruh yang cukup besar dalam dunia analisis objek. Saat ini, proses manipulasiobjek menjadi semakin mudah dilakukan, Cukup banyak teknik untuk melakukansegmentasi objek dua dimensi baik berwarna maupun gray-level, salah satunya denganmetode thresholding. Namun pada penelitian sebelumnya, metode tersebutmenghasilkan estimasi fungsi yang sangat tidak mulus (under smooth). Oleh karena itupada penelitian ini menggunakan cellular neural network (CNN) untuk menghasilkansegmentasi objek dua dimensi untuk menghasilkan estimasi fungsi yang mulus (smooth)dengan menentukan kontur dan memastikan kebenaran segmentasi secara efektif. CNNmelakukan segmentasi dengan dua teknik, yaitu teknik model-based dan teknik regionbased. Model-based bergantung pada model RGB (Red, Green, Blue). Sedangkanregion-based berdasarkan objek dengan wilayah latar belakang. Ujicoba dilakukandengan menggunakan MATLAB. Hasil ujicoba menunjukkan metode CNN mampumengelompokkan objek secara terstruktur kedalam RGB (Red, Green, Blue) menjadigambar biner yang hanya mempunyai 2 derajat keabuan berdasarkan objek denganwilayah latar belakang.Kata Kunci : Segmentasi, Objek, Metode, Celluler Neural Network, Kontur.
IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) Devie Rosa Anamisa
Network Engineering Research Operation Vol 1, No 1 (2014): Nero
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1294.325 KB) | DOI: 10.21107/nero.v1i1.21

Abstract

Dalam merancang penjadwalan mata pelajaran di SMU (Sekolah Menengah Umum) membutuhkan waktu, tenaga dan ketelitian. Karena dalam perancangan jadwal mata pelajaran harus memperhatikan aturan-aturan penjadwalan serta faktor-faktor yang mempengaruhi seperti guru, kelas, waktu dan mata pelajaran serta batasan-batasan baik batasan yang boleh dilanggar (soft constraint) maupun batasan yang harus dipenuhi (hard constraint) dalam mengalokasikan jadwal. Beberapa solusi terhadap penyelesaian penjadwalan mata pelajaran menunjukkan bahwa semakin besar volume batasan penjadwalan maka alokasi jadwal semakin kompleks sehingga diperlukan algoritma optimasi untuk menyelesaikan permasalahan tersebut. Penelitian ini menyelesaikan permasalahan alokasi jadwal mata pelajaran menggunakan algoritma koloni semut (AKS). AKS merupakan suatu algoritma berbasis agent dengan meminimalkan terjadinya bentrok jadwal sehingga mampu menyelesaikan permasalahan penjadwalan mata pelajaran di SMU dengan cepat dan mudah. Hasil uji coba menunjukkan bahwa AKS yang dikembangkan dalam penelitian ini mampu menyelesaikan persoalan penjadwalan mata pelajaran dengan hasil memuaskan. Kualitas keberhasilan tersebut diperoleh menggunakan parameter nilai alfa dan beta masing-masing sebesar satu dan penguapan feromon sebesar 0,3.Kata Kunci : Implementasi, Penjadwalan mata pelajaran, Algoritma, Optimasi, Algoritma Koloni Semut.
APLIKASI SEGMENTASI OBJEK MENGGUNAKAN CELLULAR NEURAL NETWORK (CNN) Devie Rosa Anamisa
Network Engineering Research Operation Vol 1, No 3 (2015): Nero
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (389.282 KB) | DOI: 10.21107/nero.v1i3.40

Abstract

Perkembangan dan kemajuan dibidang teknologi dan informasi memberikanpengaruh yang cukup besar dalam dunia analisis objek. Saat ini, proses manipulasiobjek menjadi semakin mudah dilakukan, Cukup banyak teknik untuk melakukansegmentasi objek dua dimensi baik berwarna maupun gray-level, salah satunya denganmetode thresholding. Namun pada penelitian sebelumnya, metode tersebutmenghasilkan estimasi fungsi yang sangat tidak mulus (under smooth). Oleh karena itupada penelitian ini menggunakan cellular neural network (CNN) untuk menghasilkansegmentasi objek dua dimensi untuk menghasilkan estimasi fungsi yang mulus (smooth)dengan menentukan kontur dan memastikan kebenaran segmentasi secara efektif. CNNmelakukan segmentasi dengan dua teknik, yaitu teknik model-based dan teknik regionbased. Model-based bergantung pada model RGB (Red, Green, Blue). Sedangkanregion-based berdasarkan objek dengan wilayah latar belakang. Ujicoba dilakukandengan menggunakan MATLAB. Hasil ujicoba menunjukkan metode CNN mampumengelompokkan objek secara terstruktur kedalam RGB (Red, Green, Blue) menjadigambar biner yang hanya mempunyai 2 derajat keabuan berdasarkan objek denganwilayah latar belakang.Kata Kunci : Segmentasi, Objek, Metode, Celluler Neural Network, Kontur.