Kami Membutuhkan Guru Les Privat TETAP untuk siswa SMP dengan Kriteria sebagai berikut :
- Jujur
- Profesional
- Memahami tanggung Jawab yang diemban
- Menyukai anak-anak dan kegiatan pembelajaran
- diutamakan Lulusan / Mahasiswa tingkat akhir Jurusan Pendidikan
- diutamakan Memiliki Kendaraan ( motor )
Bagi anda yang berminat begabgung menjadi GURU TETAP KAMI, silahkan melampirkan CV dan Kartu pengenal yang masih berlaku ke email : labsains@gmail.com , atau bisa kontak langsung ke 021-94460392 / 0812 2008 2050 .
 |
| Lowongan Guru Les Privat SMP |
-------------------------------------------------------------------------------------------------------------
---------------------------------------------------------------------
Lowongan Guru Les Privat SMP Untuk menghitung makespan suatu jadwal pada masalah job shop scheduling problem, digunakan suatu grafik yang dinamakan Gantt-Chart. Gantt-Chart adalah suatu grafik yang menampilkan durasi dari tugas terhadap perubahan waktu. Pada contoh 2.1, diberikan suatu masalah job shop scheduling.
Contoh 2.1:
Diberikan suatu masalah yang terdiri dari 2 pekerjaan dan 3 mesin. Urutan pekerjaan dan waktu yang dibutuhkan untuk menyelesaikan pekerjaan, diberikan pada Tabel 2.1 dengan P menyatakan pekerjaan, m menyatakan mesin, dan t menyatakan waktu.
Tabel 2.1 Urutan pekerjaan dan
waktu proses untuk contoh 2.1.
M,t m,t m,t
P1 2,3 3,4 1,6
P2 1,4 3,5 2,2
Data dari Tabel 2.1 menunjukkan setiap pekerjaan harus diproses pada setiap mesin dengan urutannya masing-masing. Urutan pemrosesan pekerjaan 1 yaitu oleh mesin 2 selama 3 satuan waktu, mesin 3 selama 4 satuan waktu, dan mesin 1 selama 6 satuan waktu. Sedangkan urutan pemrosesan untuk pekerjaan 2 yaitu oleh mesin 1 selama 4 satuan waktu, mesin 3 selama 5 satuan waktu, dan mesin 2 selama 2 satuan waktu. lihat juga les privat smp disini
Ruang solusi pada masalah job shop adalah (n!)m, sehingga masalah pada contoh 2.1 memiliki (2!)3 = 8 jadwal yang mungkin. Dua dari delapan jadwal yang mungkin, dengan format (pekerjaan, mesin), antara lain:
(1,2) (2,1) (1,3) (2,3) (1,1) (2,2)
(2,1) (1,2) (2,3) (1,3) (2,2) (1,1)
Jadwal yang pertama menyatakan bahwa pemrosesan jadwal diawali dengan pekerjaan 1 pada mesin 2, pekerjaan 2 pada mesin 1, pekerjaan 1 pada mesin 3, dan seterusnya hingga pekerjaan 2 pada mesin 2. Sedangkan jadwal yang kedua dikerjakan dengan urutan pemrosesannya sendiri.
m3
m2
m1
12 waktu
m3
m2
m1
3 waktu
Gambar 2.1.a Gambar 2.1.d
m3
m2
m1
4 waktu
m3
m2
m1
13 waktu
Gambar 2.1.b Gambar 2.1.e
m3
m2
m1
7 waktu
m3
m2
m1
14 waktu
Gambar 2.1.c Gambar 2.1.f
Gambar 2.1 Gantt-Chart dari jadwal (1,2)(2,1)(1,3)(2,3)(1,1)(2,2)
Gambar 2.1 menunjukkan tahap pembentukan Gantt-Chart dari jadwal (1,2)(2,1)(1,3)(2,3)(1,1)(2,2). Tahap pembentukan Gantt-Chart dimulai dari pekerjaan 1 pada mesin 2 selama 3 satuan waktu, seperti pada Gambar 2.1.a. Pada Gambar 2.1.b, pembentukan dilanjutkan dengan pekerjaan 2 pada mesin 1 selama 4 satuan waktu. Pada Gambar 2.1.c, dibentuk pekerjaan 1 pada mesin 3 selama 4 satuan waktu setelah pekerjaan 1 pada mesin 2 selesai. Pekerjaan 2 pada mesin 3 selama 5 satuan waktu dibentuk setelah mesin 3 selesai mengerjakan pekerjaan 1, seperti terlihat pada Gambar 2.1.d. Pada Gambar 2.1.e, pembentukan pekerjaan 1 pada mesin 1 selama 6 satuan waktu setelah pekerjaan 1 pada mesin 3 selesai, dan terakhir pembentukan pekerjaan 2 pada mesin 2 selama 2 satuan waktu setelah pekerjaan 2 pada mesin 3 selesai, seperti terlihat pada Gambar 2.1.f. Sehingga diperoleh makespan sebesar 14.
m3
m2
m1
19 waktu
Gambar 2.2 Gantt-Chart dari jadwal (2,1) (1,2) (2,3) (1,3) (2,2) (1,1)
Ket :
P1 P2
Gambar 2.2 merupakan Gantt-Chart dari jadwal (2,1) (1,2) (2,3) (1,3) (2,2) (1,1), dengan makespan sebesar 19. Sehingga terlihat bahwa makespan jadwal yang pertama lebih baik dari makespan jadwal yang kedua.
2.3 Algoritma Genetik
Lowongan Guru Les Privat SMP Algoritma genetik adalah suatu algortima pencarian yang menerapkan proses evolusi biologi dengan tujuan untuk menemukan solusi terbaik dari suatu masalah. Istilah-istilah yang sering digunakan pada algoritma genetik adalah gen, kromosom, populasi, generasi, dan fitness. Gen adalah rangkaian yang membentuk suatu kromosom, kromosom menyatakan suatu solusi dari masalah, populasi adalah kumpulan dari kromosom-kromosom dengan ukuran yang telah ditentukan, dan generasi menyatakan keturunan. Fungsi tujuan yang biasa dipakai pada algoritma genetik adalah fungsi fitness, lihat juga les privat smp disini yaitu fungsi yang menyatakan kekuatan dari suatu kromosom.
Ide dasar dari algoritma ini adalah membentuk suatu populasi awal secara acak, yang akan diproses melalui tiga operator dasar dari algoritma genetik, sehingga menghasilkan populasi baru untuk generasi berikutnya. Tiga operator dasar tersebut adalah: reproduksi, crossover, dan mutasi. Reproduksi digunakan untuk menyeleksi kromosom-kromosom yang akan diproses, crossover digunakan untuk mengawinkan pasangan kromosom sehingga menghasilkan kromosom-kromosom baru, dan mutasi digunakan untuk mengubah satu atau lebih gen pada suatu kromosom.
Algoritma genetik dapat digunakan untuk menyelesaikan masalah optimisasi seperti masalah penjadwalan, transportasi, permainan komputer, traveling salesman problem, dan lain-lain. Yang membedakan antara algoritma genetik dengan metode optimisasi dan pencarian lainnya adalah: algoritma genetik bekerja dengan suatu pengkodean dari himpunan parameter, algoritma genetik mencari dari suatu populasi titik (bukan dari suatu titik), dan algoritma genetik menggunakan aturan transisi probabilistik, bukan aturan deterministik.
2.3.1 Pembentukan Populasi Awal
Lowongan Guru Les Privat SMP Dalam menjalankan algoritma genetik pada suatu masalah, pembentukan suatu populasi awal merupakan salah satu bagian yang penting. Populasi awal diperoleh dengan cara mengambil kromosom-kromosom secara acak sebanyak popSize, dimana popSize adalah ukuran populasi yang diinginkan. Terdapat banyak jenis format dari kromosom, tergantung pada masalahnya. Salah satunya ialah dengan menggunakan untaian bilangan biner, seperti 01101.
Contoh 2.1:
Diberikan suatu masalah yang terdiri dari 2 pekerjaan dan 3 mesin. Urutan pekerjaan dan waktu yang dibutuhkan untuk menyelesaikan pekerjaan, diberikan pada Tabel 2.1 dengan P menyatakan pekerjaan, m menyatakan mesin, dan t menyatakan waktu.
Tabel 2.1 Urutan pekerjaan dan
waktu proses untuk contoh 2.1.
M,t m,t m,t
P1 2,3 3,4 1,6
P2 1,4 3,5 2,2
Data dari Tabel 2.1 menunjukkan setiap pekerjaan harus diproses pada setiap mesin dengan urutannya masing-masing. Urutan pemrosesan pekerjaan 1 yaitu oleh mesin 2 selama 3 satuan waktu, mesin 3 selama 4 satuan waktu, dan mesin 1 selama 6 satuan waktu. Sedangkan urutan pemrosesan untuk pekerjaan 2 yaitu oleh mesin 1 selama 4 satuan waktu, mesin 3 selama 5 satuan waktu, dan mesin 2 selama 2 satuan waktu. lihat juga les privat smp disini
Ruang solusi pada masalah job shop adalah (n!)m, sehingga masalah pada contoh 2.1 memiliki (2!)3 = 8 jadwal yang mungkin. Dua dari delapan jadwal yang mungkin, dengan format (pekerjaan, mesin), antara lain:
(1,2) (2,1) (1,3) (2,3) (1,1) (2,2)
(2,1) (1,2) (2,3) (1,3) (2,2) (1,1)
Jadwal yang pertama menyatakan bahwa pemrosesan jadwal diawali dengan pekerjaan 1 pada mesin 2, pekerjaan 2 pada mesin 1, pekerjaan 1 pada mesin 3, dan seterusnya hingga pekerjaan 2 pada mesin 2. Sedangkan jadwal yang kedua dikerjakan dengan urutan pemrosesannya sendiri.
m3
m2
m1
12 waktu
m3
m2
m1
3 waktu
Gambar 2.1.a Gambar 2.1.d
m3
m2
m1
4 waktu
m3
m2
m1
13 waktu
Gambar 2.1.b Gambar 2.1.e
m3
m2
m1
7 waktu
m3
m2
m1
14 waktu
Gambar 2.1.c Gambar 2.1.f
Gambar 2.1 Gantt-Chart dari jadwal (1,2)(2,1)(1,3)(2,3)(1,1)(2,2)
Gambar 2.1 menunjukkan tahap pembentukan Gantt-Chart dari jadwal (1,2)(2,1)(1,3)(2,3)(1,1)(2,2). Tahap pembentukan Gantt-Chart dimulai dari pekerjaan 1 pada mesin 2 selama 3 satuan waktu, seperti pada Gambar 2.1.a. Pada Gambar 2.1.b, pembentukan dilanjutkan dengan pekerjaan 2 pada mesin 1 selama 4 satuan waktu. Pada Gambar 2.1.c, dibentuk pekerjaan 1 pada mesin 3 selama 4 satuan waktu setelah pekerjaan 1 pada mesin 2 selesai. Pekerjaan 2 pada mesin 3 selama 5 satuan waktu dibentuk setelah mesin 3 selesai mengerjakan pekerjaan 1, seperti terlihat pada Gambar 2.1.d. Pada Gambar 2.1.e, pembentukan pekerjaan 1 pada mesin 1 selama 6 satuan waktu setelah pekerjaan 1 pada mesin 3 selesai, dan terakhir pembentukan pekerjaan 2 pada mesin 2 selama 2 satuan waktu setelah pekerjaan 2 pada mesin 3 selesai, seperti terlihat pada Gambar 2.1.f. Sehingga diperoleh makespan sebesar 14.
m3
m2
m1
19 waktu
Gambar 2.2 Gantt-Chart dari jadwal (2,1) (1,2) (2,3) (1,3) (2,2) (1,1)
Ket :
P1 P2
Gambar 2.2 merupakan Gantt-Chart dari jadwal (2,1) (1,2) (2,3) (1,3) (2,2) (1,1), dengan makespan sebesar 19. Sehingga terlihat bahwa makespan jadwal yang pertama lebih baik dari makespan jadwal yang kedua.
2.3 Algoritma Genetik
Lowongan Guru Les Privat SMP Algoritma genetik adalah suatu algortima pencarian yang menerapkan proses evolusi biologi dengan tujuan untuk menemukan solusi terbaik dari suatu masalah. Istilah-istilah yang sering digunakan pada algoritma genetik adalah gen, kromosom, populasi, generasi, dan fitness. Gen adalah rangkaian yang membentuk suatu kromosom, kromosom menyatakan suatu solusi dari masalah, populasi adalah kumpulan dari kromosom-kromosom dengan ukuran yang telah ditentukan, dan generasi menyatakan keturunan. Fungsi tujuan yang biasa dipakai pada algoritma genetik adalah fungsi fitness, lihat juga les privat smp disini yaitu fungsi yang menyatakan kekuatan dari suatu kromosom.
Ide dasar dari algoritma ini adalah membentuk suatu populasi awal secara acak, yang akan diproses melalui tiga operator dasar dari algoritma genetik, sehingga menghasilkan populasi baru untuk generasi berikutnya. Tiga operator dasar tersebut adalah: reproduksi, crossover, dan mutasi. Reproduksi digunakan untuk menyeleksi kromosom-kromosom yang akan diproses, crossover digunakan untuk mengawinkan pasangan kromosom sehingga menghasilkan kromosom-kromosom baru, dan mutasi digunakan untuk mengubah satu atau lebih gen pada suatu kromosom.
Algoritma genetik dapat digunakan untuk menyelesaikan masalah optimisasi seperti masalah penjadwalan, transportasi, permainan komputer, traveling salesman problem, dan lain-lain. Yang membedakan antara algoritma genetik dengan metode optimisasi dan pencarian lainnya adalah: algoritma genetik bekerja dengan suatu pengkodean dari himpunan parameter, algoritma genetik mencari dari suatu populasi titik (bukan dari suatu titik), dan algoritma genetik menggunakan aturan transisi probabilistik, bukan aturan deterministik.
2.3.1 Pembentukan Populasi Awal
Lowongan Guru Les Privat SMP Dalam menjalankan algoritma genetik pada suatu masalah, pembentukan suatu populasi awal merupakan salah satu bagian yang penting. Populasi awal diperoleh dengan cara mengambil kromosom-kromosom secara acak sebanyak popSize, dimana popSize adalah ukuran populasi yang diinginkan. Terdapat banyak jenis format dari kromosom, tergantung pada masalahnya. Salah satunya ialah dengan menggunakan untaian bilangan biner, seperti 01101.
Tidak ada komentar:
Posting Komentar