Informasi Dokumen
- Penulis:
- Ananda Faridhatul Ulva
- Pengajar:
- Herman Mawengkang, Prof. Dr.
- Erna Budhiarti Nababan, Dr., M.TI
- Sekolah: Universitas Sumatera Utara
- Mata Pelajaran: Teknik Informatika
- Topik: Pencarian Rute Terpendek dengan Adanya Forbidden Path Menggunakan Algoritma Genetika
- Tipe: Tesis
- Tahun: 2014
- Kota: Medan
Ringkasan Dokumen
I. Pendahuluan: Relevansi Pencarian Rute Terpendek dengan Forbidden Path dalam Pendidikan
Tesis ini mengkaji penerapan algoritma genetika dalam menyelesaikan masalah pencarian rute terpendek dengan adanya 'forbidden path'. Kajian ini amat relevan dengan matapelajaran Sains Komputer, khususnya algoritma dan struktur data, kecerdasan buatan, dan optimasi. Objektif utama adalah untuk menunjukkan bagaimana algoritma genetika, sebagai teknik heuristik, dapat digunakan untuk mencari solusi optimal atau mendekati optimal dalam permasalahan kompleks seperti ini. Kemampuan untuk menganalisis dan merumuskan algoritma, serta memahami batasan dan kelebihannya, merupakan kemahiran penting yang perlu dikuasai oleh mahasiswa Teknik Informatika.
1.1 Latar Belakang dan Rumusan Masalah
Latar belakang menekankan pentingnya efisiensi dalam pencarian rute, terutama dalam konteks jaringan yang kompleks dengan kendala. Rumusan masalah difokuskan pada bagaimana algoritma genetika dapat memberikan solusi optimal atau mendekati optimal untuk masalah pencarian rute terpendek dengan keberadaan 'forbidden path'. Ini memaksa mahasiswa untuk memahami permasalahan optimasi dan bagaimana mendefinisikannya secara komputasional. Kemampuan untuk merumuskan masalah secara tepat merupakan langkah pertama yang krusial dalam proses penyelesaian masalah.
1.2 Tujuan dan Manfaat Penelitian
Tujuan penelitian berfokus pada penerapan dan evaluasi algoritma genetika dalam konteks SPFP. Manfaat penelitian meliputi pengembangan literatur akademik dan penyediaan kerangka kerja untuk penelitian lanjutan. Ini mendorong mahasiswa untuk memahami siklus penelitian, dari perumusan tujuan hingga interpretasi hasil. Mereka juga akan memahami bagaimana penelitian dapat memberi kontribusi kepada bidang ilmu pengetahuan.
II. Tinjauan Pustaka: Landasan Teori dan Prinsip
Bab ini memberikan tinjauan komprehensif terhadap konsep rute terpendek, algoritma genetika, dan permasalahan SPFP. Ia membincangkan algoritma-algoritma konvensional untuk masalah rute terpendek, seperti Dijkstra dan Bellman-Ford, sebagai perbandingan dengan algoritma genetika. Ia juga mengupas konsep-konsep asas algoritma genetika seperti representasi kromosom, fungsi fitness, seleksi, crossover, dan mutasi. Pemahaman konsep-konsep ini membentuk asas analisis dan interpretasi data dalam tesis.
2.1 Rute Terpendek dan Algoritma Konvensional
Diskusi mengenai algoritma konvensional seperti Dijkstra dan Bellman-Ford penting untuk memahami batasannya dan mengapa algoritma heuristik seperti algoritma genetika diperlukan untuk masalah yang lebih kompleks. Ini memperkenalkan mahasiswa kepada pelbagai teknik penyelesaian masalah dan membolehkan perbandingan antara pendekatan algoritma yang berbeza. Ini meningkatkan pemikiran kritis dan kemampuan untuk memilih alat yang sesuai untuk tugas tertentu.
2.2 Masalah Rute Terpendek dengan Forbidden Path (SPFP)
Tinjauan terhadap literatur SPFP menyediakan konteks permasalahan yang dikaji dalam tesis. Ia memperkenalkan pelbagai pendekatan yang telah dicuba dan batasannya. Ini menekankan pentingnya kajian literatur dalam penyelidikan ilmiah dan membolehkan pengkaji untuk mengenal pasti jurang pengetahuan yang perlu diatasi.
2.3 Algoritma Genetika: Prinsip dan Mekanisme
Penjelasan terperinci tentang mekanisme algoritma genetika, termasuk encoding kromosom, fungsi fitness, operator genetik (crossover dan mutasi), dan strategi seleksi, sangat penting untuk memahami logik di sebalik pendekatan ini. Ini memaksa mahasiswa untuk memahami prinsip-prinsip asas kecerdasan buatan dan bagaimana ia boleh diterapkan untuk menyelesaikan masalah optimasi.
III. Metodologi Penelitian: Implementasi dan Analisis
Bab ini menjelaskan langkah-langkah yang diambil untuk mengimplementasikan algoritma genetika untuk menyelesaikan masalah SPFP. Ia merangkumi reka bentuk algoritma, pemilihan parameter, dan strategi pengujian. Ia juga menerangkan kaedah pengumpulan dan analisis data. Ini mengajar mahasiswa tentang metodologi penyelidikan yang teliti dan pentingnya dokumentasi yang baik dalam proses penyelidikan.
3.1 Reka Bentuk Algoritma dan Pemilihan Parameter
Penerangan tentang bagaimana algoritma genetika diadaptasi untuk masalah SPFP, termasuk representasi kromosom, fungsi fitness, dan parameter algoritma seperti kadar crossover dan mutasi. Ini membolehkan mahasiswa untuk memahami proses perekaan dan pembangunan algoritma dan bagaimana untuk memilih parameter yang sesuai untuk mencapai prestasi yang optimum.
3.2 Set Data dan Strategi Pengujian
Penjelasan tentang set data yang digunakan, termasuk sumber data dan kaedah pemilihan data. Ia juga termasuk strategi pengujian yang digunakan, termasuk kaedah penilaian dan ukuran prestasi. Ini memperkenalkan mahasiswa kepada pentingnya pemilihan data dan strategi pengujian yang sesuai untuk mencapai kesimpulan yang sahih.
3.3 Analisis Data dan Interpretasi Hasil
Penerangan tentang kaedah analisis data dan interpretasi hasil. Ia juga termasuk perbincangan tentang batasan kajian dan cadangan untuk penyelidikan masa hadapan. Ini melatih mahasiswa tentang kemahiran analisis data dan pentingnya pertimbangan batasan kajian dalam interpretasi hasil.
IV. Hasil dan Perbincangan: Temuan dan Implikasinya
Bab ini membentangkan hasil eksperimen dan perbincangan tentang temuan. Ia menganalisis prestasi algoritma genetika dan membandingkannya dengan pendekatan lain (jika ada). Perbincangan juga meliputi kekuatan dan kelemahan pendekatan yang digunakan dan implikasinya terhadap penyelesaian masalah SPFP. Ini mengajar mahasiswa tentang pentingnya analisis data yang teliti dan bagaimana mentafsir hasil dalam konteks teori yang berkaitan.
4.1 Analisis Prestasi Algoritma
Ini melibatkan pembentangan data empirikal yang menunjukkan prestasi algoritma, termasuk ukuran prestasi seperti masa jalan dan ketepatan. Ini menguji kemahiran mahasiswa untuk menganalisis data, mengenal pasti trend, dan menyampaikan keputusan secara efektif.
4.2 Perbandingan dengan Pendekatan Lain
Ini membolehkan perbandingan prestasi algoritma genetika dengan pendekatan alternatif lain untuk masalah SPFP. Ini menggalakkan kemahiran pemikiran kritis dan analitikal mahasiswa.
4.3 Kekuatan dan Kelemahan, serta Implikasinya
Perbincangan tentang kekuatan dan kelemahan algoritma genetika dalam konteks masalah SPFP dan implikasinya terhadap bidang yang berkaitan. Ini menunjukkan kepada mahasiswa tentang proses refleksi diri dan menilai sumbangan kerja penyelidikan.
V. Kesimpulan dan Cadangan: Refleksi dan Penambahbaikan
Bab ini merumuskan kesimpulan utama tesis dan memberikan cadangan untuk penyelidikan masa hadapan. Ia menggariskan sumbangan tesis kepada bidang ilmu pengetahuan dan potensi aplikasi praktisnya. Ini melatih mahasiswa untuk merumuskan kesimpulan yang ringkas dan tepat berdasarkan bukti empirikal dan teori.
5.1 Kesimpulan Utama
Ringkasan ringkas tentang penemuan utama tesis dan implikasinya. Ini menguji kemahiran ringkasan dan komunikasi mahasiswa.
5.2 Cadangan untuk Penyelidikan Masa Hadapan
Cadangan untuk penyelidikan lanjut untuk memperluaskan atau meningkatkan kajian yang telah dijalankan. Ini mendorong pemikiran kritis dan kreatif di kalangan mahasiswa.
