cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
journal@mail.unnes.ac.id
Phone
-
Journal Mail Official
journal@mail.unnes.ac.id
Editorial Address
Sekaran, Gunungpati, Semarang 50229
Location
Kota semarang,
Jawa tengah
INDONESIA
Prosiding Seminar Nasional MIPA Kolaborasi
Published by Universitas Negeri Semarang
ISSN : -     EISSN : 26850494     DOI : -
Core Subject : Education,
Education
Pada tahun 2016, FMIPA Universitas Negeri Semarang bersama dengan UIN Walisongo, menggagas terselenggaranya Seminar Nasional Bersama (dalam perkembangannya disebut dengan SNMIPA Kolaborasi). Pada tahun-tahun berikutnya, gagasan tentang seminar kolaborasi tersebut berkembang dan bergabunglah Universitas Tidar (UNTIDAR) Magelang, Universitas Muria Kudus (UMK), dan Universitas Pancasakti (UPS) Tegal. Publikasi naskah hasil kegiatan SNMIPA kemudian dirangkum dalam sebuah Prosiding Seminar Nasional MIPA Kolaborasi. eISSN: 2685-0494.
Arjuna Subject : Ilmu Sosial - Pendidikan
Articles 1 Documents
 1 
Search results for , issue "Vol 1 No 1 (2016)" : 1 Documents clear
Analisis Integrasi Elastic Net pada Self-Organizing Map untuk penyelesaian Travelling Salesman Problem
SNMIPA Vol 1 No 1 (2016)
Publisher : Konsorsium Fakultas MIPA

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

Abstract

Dalam persoalan TSP Ketika jumlah kota semakin besar maka algoritme deterministik sudah tidak efektif lagi. Untuk persoalan dengan ruang pencarian yang sangat besar diusulkan metode berbasis probabilistik salah satunya adalah ANN (Artificial Neural Network), ANN terinspirasi oleh fenomena biologi dan alam, salah satunya adalah SOM (Self-Organizing Maps) atau bisa juga dikenal sebagai topological preserving map, Kohonen Feature Map berbasiskan pada unsupervised learning atau pembelajaran tak terawasi. Algoritma SOM dalam penelitian dimodifikasi untuk mempercepat proses konvergensi saat proses adaptasi dan learning, Dengan kata lain, disetiap iterasi terjadi proses pembaruan guna mendapatkan neuron dengan bobot paling dekat yang dapat merepresentasikan vector, permasalahan TSP yang diselesaikan dalam penelitian ini adalah TSP Cycle. In TSP, when the number of cities grows larger, determining algorithms is no longer effective. To deal with big search spaces, it is suggested to apply probability base methods, one of which is ANN (Artificial Neural Network). The emergence of ANN was first inspired by one of biological and natural phenomena which was SOM (Self-Organizing Maps) or topological preserving map. Kohonen Feature Map is based on unsupervised learning. To be able to be applied in research, SOM algorithm is modified to accelerate convergence processes during adapting and learning processes. In other words, in each iteration process, regeneration processes to obtain neurons with the most intended mass. TSP problem that can be solved in this research is TSP Cycle.

Page 1 of 1 | Total Record : 1

 1 

Filter by Year

2016 2016


Reset
Filter By Issues
All Issue Vol 2 No 1 (2020) Vol 1 No 1 (2019) Vol 1 No 1 (2016)