Professional Documents
Culture Documents
PROPOSAL TA - Benar2
PROPOSAL TA - Benar2
P
P
P
PPP P
P
PP
P P
!
"
!
#$%$ & c
c
P
P P P P
P P P P
P P P
+$ , (
c
!"
#
$%&'
#
p P p
Masalah Ñ pada
(WSN) adalah untuk meletakan sensor
pada servis area yang dapat mencakup seluruh servis area. Masalah Ñ dalam WSN
sangat penting karena merepresentasikan QoS(
Ñ) dari WSN tersebut.
Namun untuk mendapat Ñ
yang luas, diperlukan dana yang besar pula. Oleh sebab
itu dengan MOO(
Ñ
) dalam hal ini
Ñ
c pp p
ppp p p p
p
P
P P
P
PpP
p
P
P
P
P p
P
p
Dasar Ê
aringan
plgoritma Genetika
£ P p
Pujuan dari proposal judul tugas akhir ini adalah membuat simulasi mengenai
Ñ
(Cp) dari
(WSN) untuk
Ñ
(MOO) menggunakan algoritma genetika (Gp). Simulasi ini
mengenai bagaimana merancang posisi wireless sensor agar dapat mengcover area
sebanyak-banyaknya dengan dana yang seminimal mungkin.
pPpp p
WSN saat ini telah menampakan dirinya sebagai
yang menjanjikan untuk
memonitoring area dengan sedikit campur tangan manusia. Kemajuan pada
Ñ Ñ Ñ
ÑÑ berdaya rendah, komunikasi dan
membuat WSN menjadi platform yang dapat digunakan di banyak aplikasi. Pada
mulanya, aplikasi WSN didominasi dan didanai untuk aplikasi militer, seperti
monitoring aktivitas di medan perang. Sekarang, banyak aplikasi sipil, seperti
monitoring habitat alam dan lingkungan adalah contoh keuntungan dari
penggunaan WSN.
Mulanya penyebaran WSN termasuk masalah dasar, yang dikenal sebagai
Ñ . Masalah Ñ memiliki banyak interpretasi, tergantung tipe sensor
dan aplikasinya. Namun, banyak peneliti mempertimbangkan Ñ sebagai
ukuran dari kualitas (
Ñ) jaringan sensor. Sehingga banyak peneliti
yang mengembangkan algoritma untuk mendapatkan Ñ yang lebih besar
sehingga QoS dari WSN menjadi lebih baik.
Contohnya seperti yang dibahas oleh Sami Habib, yaitu memodelkan daerah
peletakan sensor dibagi menjadi 2 sub-masalah, yaitu pemetaan ( ) dan
penempatan (Ñ). Serta menyelesaikan masalah Ñ
dengan
menggunakan algoritma genetika [1]. Lalu ada beberapa peneliti yang meneliti
masalah Ñ seperti p edine Boukerche dan Xin Fei meneliti masalah
Ñ
juga namun lebih menekankan pada
dari
menggunakan metode IPM (intersection point method) untuk memperluas
yang dapat mengatasi masalah Ñ yaitu dengan
memperluas asumsi
ke asumsi sederhana yang
beraturan. Dan menggunakan metode
ÑÑ
yang dirancang untuk
mengkontrol tingkat akurasi dalam menentukan luasnya Ñ
khusunya
pada
dari
menggunakan IPM(intersection
point method) untuk memperluas
yang dapat mengatasi masalah
Ñ yaitu kemampuan cakupan sensor,
dan kualitas sensor [2].
Peneliti lainya, Sandeep Kour phuja dkk juga meneliti mengenai Ñ
Namun ternyata, karena Ñ
Ñ untuk Ñ
!" memiliki
Ñ
(MOO) sehingga Ñ
Ñ nya rumit dan
dibutuhkan lebih dari sekedar algoritma Genetika untuk menyelesaikanya. Maka
untuk mensimulasikan proses peng-Ñ ini dibutuhkan algoritma turunan dari
Ñ
yaitu
!
#
$Ñ
pPppppp
Batasan masalah dalam proyek akhir ini yaitu :
Proyek akhir ini hanya mengambil permasalahan Ñ
area dari WSN.
#
area didapat dengan algoritma genetika dan
!
#
$Ñ untuk menyelesaikan
Ñ
(MOO) dari masalah biaya dan lebar Ñ
Daerah penyebaran sensor yang disimulasikan berupa bidang datar, dan
diimplementasikan pada ruangan terbuka di PENS-IPS.
Daya jangkau sensor tidak dapat menembus Ñ
dalam hal ini
Ñ
diinisialisasikan sebagai tembok bangunan.
Menggunakan bahasa pemrograman java.
Pp p Pp p
c !"!
Paper milik Sami Habib, memodelkan daerah peletakan sensor yang dibagi
menjadi 2 sub masalah yaitu pemetaan ( % dan pemetaan
&Ñ)
dan
menyelesaikan masalah Ñ
dengan menggunakan algoritma genetika. Paper
Sami Habib ini juga membahas mengenai
Ñ
yang
menginspirasi pembuatan proposal tugas akhir ini [1]. Beberapa peneliti seperti
p edine Boukerche dan Xin Fei meneliti masalah Ñ
juga namun lebih
menekankan pada
dari
menggunakan
metode IPM (intersection point method) untuk memperluas
ke asumsi sederhana yang beraturan. Dan menggunakan
metode
ÑÑ
yang dirancang untuk mengkontrol tingkat akurasi dalam
menentukan luasnya Ñ . Dengan menyesuaikan radius ru
ÑÑ
, algoritma ini dapat dibuat toleran terhadap ukuran lubang yang membuat
solusi ini fleksibel ketika tingkat akurasi harus dikontrol. Kinerja IPM sendiri
dievaluasi melalui serangkaian percobaan simulasi di simulator NS-2 [2]. Peneliti
lainya, Sandeep Kour phuja dkk juga meneliti mengenai Ñ
khususnya
masalah pemaksimalan
Ñ
dan hubungan
dengan probabilitas Ñ Dimana untuk masalah Ñ
mereka
6 l
6 t t Ñ
i i;
6 6 6l 6i6l ! Ñ
i
6 li ;
6 6 iti t 6 it
Ñ ti i tiji i
i t
t ti6i
!6 6 li
ilit titi
t
l iitt
t ti 6
lit t it
t t t 6 6 ti6
li 6 i t t i
i
6i"
÷
d t i l
t
l
t l6tji
6
t ti dt tj
l
t t di l i i
l
6 i l6 t
l
i MM Ñ
Ñ Ñ
Ñ
MM ii l it i i l 6 l 6 6 il
tt
l t
i l6 t ili
tt 6 lli t
l
i
6i
iti
Ê 6 t6
it
ii
i
titi l6 t
iÑ
it ii
6 6ilii j i Ñ
t t t t6 t j
Y 6
t 6 t i Ñ
i t i
Ñ
Ñ t
li
6 t i
Y j it t t l
j i
l
jiji
Ñ Bil
j6ll
Ñ
ij6l i i t i
Ñ 6 t
tl
Y
t Ñ l Ñ
l it tti
Ñ
l
6
M $ Ñ Ñ iiiilii i
i
6
6 6ilii
t t it 6l
#
i l6 6 6 lji d ii t t
tt 6 6 ti:
* ñ ÑÑ ti
ii l
l t
6 i
l i it 6 t i
tt t Ñ
Ñ
* p
#
Ñ
Ñ
÷
Ë PCP/IP bersifat terbuka, implementasi luas, mendukung banyak
Ñ
Ñ dan berbobot ringan, tetapi
memerlukan
untuk konfigurai penggunaannya.
* m
Ñ : Ñ
#
Ñ
).
âLimit pada Ñ
âLimit Ñ
pada Ñ ù
Ñ
Ñ
â#
dalam semua kemungkinan yang bisa dilakukan.
Namun walaupun dengan segala kerumitan dan kompleksitas WSN, terdapat
beberapa keuntungan dibandingkan Individual Sensors yaitu :
' "###$ù WSN dapat meng-Ñ area operasi lebih luas
' Redundancy ù Kepresisian data meningkatkan karena
yang
berdekatan dapat saling mengkoreksi kesalahan.
' à ed accuacy ù Banyak
mengkolabirasi dan
mengkombinasikan data untuk meningkatkan akurasi dari data hasil sensor.
' m ended funcnaly ù
tidak hanya mambentuk fungsi
sebagai sensor, tetapi juga menyediakan layanan yang lain.
!
(WSN) dapat dipertimbangkan sebagai salah satu bagian
dari
Ñ
"m
(MpNEP). Namun !"
memiliki
dan Ñ
Ë
memiliki dan CPU kecil.
Ë Perubahan topologi sebagai akibat pergerakan jarang terjadi dalam sebagian
besar aplikasi
, dan cenderung
£p#!"
à
%%&
à
+
+
M $
()%
#
ÑÑ adalah jaringan sensor yang terbentuk secara
otomatis dari
menjadi suatu group yang disebut clusters seperti
Gambar 2. Proses
Ñ diaplikasikan secara Ñ
untuk membentuk suatu
tingkatan
Ñ . Pada Gambar 3 dicontohkan proses Ñ
pada sensor
Pada sistem ini, dipilih cara pengoptimasian menggunakan
Ñ
yang
telah dikembangkan menjadi Ñ
p$%!
plgoritma Genetika atau Genetic plgorithm (Gp) merupakan algoritma pencarian
Ñ
yang didasarkan atas mekanisme evolusi biologis, yang terinspirasi
oleh teori evolusi dari Charles Darwin.
Dengan kata lain pencarian solusi suatu masalah dengan algoritma genetik akan
terus berevolusi. Inti dari algoritma genetika adalah secara bertahap mencari
solusi terbaik (
) dari begitu banyak solusi yang ada. Pertama-
tama algoritma genetika bekerja dengan membuat beberapa solusi secara acak,
tentu saja dari tahapan pertama ini solusinya kemungkinan masih buruk. Solusi
tersebut akan mengalami proses evolusi secara terus menerus, dan akan
menghasilkan suatu solusi yang lebih baik. Setiap solusi yang terbentuk
mewakili satu individu dan satu individu terdiri dari satu kromosom. Kumpulan
dari individu-individu ini akan membentuk suatu populasi, dari populasi ini
akan lahir populasi-populasi baru sampai dengan sejumlah generasi yang
ditentukan.
Pada algoritma ini, teknik pencarian dilakukan sekaligus atas sejumlah solusi yang
mungkin yang dikenal dengan istilah populasi. Dalam populasi terdiri dari
beberapa individu. Dimana individu ini merupakan kumpulan kromosom-
kromosom. Populasi awal dibangun secara acak, sedangkan populasi
berikutnya merupakan hasil evolusi kromosom-kromosom melalui iterasi yang
disebut dengan fungsi . Nilai dari suatu individu akan menunjukkan
kualitas kromosom dalam individu tersebut.
Proses standar dalam plgoritma Genetika :
a) Menginisialisasi Ñ
Ñ
Ñ
variabel-variabel dan
parameter dari Gp.
b) Membuat populasi awal dari n buah kromosom membentuk suatu individu.
b) Menghitung Ñ
dari generasi pertama.
c) Melakukan pengulangan proses regenerasi sebagai berikut :
Seleksi : memilih kromosom terjelek.
CrossOver atau Mutasi
Memasukkan kromosom-kromosom hasil proses kedalam individu
baru.
d) Memproses generasi baru tersebut untuk proses selanjutnya.
e) Evaluasi apakah proses akan diulang.
f) Kembali ke langkah b.
Namun karena pada
Ñ
terdapat dua fungsi, maka
diperlukan metode turunan dari algoritma genetika. Dalam hal ini dipilih
!
$Ñ
Yu f Weed Cs Fucn
pdalah metode untuk mencapai
Ñ
dengan
mengalikan tiap fungsi dengan suatu pembobot dan menjumlahkanya [4]. Sesuai
dengan rumus :
]
# d
i6:
l
ii
dl Ñ
6 t
ii it t 6 t
6
ii i
i
Ñ
Ñ
Ñ
6 ili i l 6
t
6 i
it t
i t t t 6
i t
t6 i Ñ (
it 6tji
d t 6 Ñ ll i 6ii6l
6 i
7 P
gt 6 l i
i i 6
6 i6li Ñ
ill l i it:
7 !"#$%#$&#$
!'
it 6 it 6 Ñ
Ñ
t i
l
it6 ti it 6 itii6 6iliitj
li
tii it i t
tl 6t ji d
6ii6l 6 i 6
t 6 Ñ l
6 iM
Êl l6 t
ll i j
i Ñ
ti t l i l6
i6liii ii litj i
:
P#(! P#(!)#*+#",!$.-!$-."
$ )* +01
$ )2
$ )* 01
$ )* ,
%21 % ) 1 )0 * # 1 )$%&345
c -, * % * c
-, * % * c
-, * % * l c÷
-, * % * c
-, * % * c
÷ -, * % * ÷
-, * % *
l -, * % * l
] -, * % * l
c -, * % * l
cc -, * % * ]
c -, * % * c
iit tl
i 6it 6iii ti6
c
Ê t
Ñ
iilii it iliÑ
Ñ
Ñ
li ittiiiill
Ê ti lit:
m i
it t
tl6
m Ê
ii
6 Ñ
Ñ
6iit
i
liil il
C
Ñ
6 6 iM Ñ
it ti iiiil
it
l
i ili t iti Ê
t l
iiliit Ñ
Ñ
6 6 6li i
#'(#"/ .0)#&"#'1!"#$%#$&#$--+!'
Ê t6 l t
Ñ
Ñ
Ñ
l6 l ii
iiiilii i Ñ i t
tl d l 6 t
i6 i l it
l
ii
j i
i
6
6i6 tiiii6 6ilii
6
6
i litj i
iit 6 t iliÑ
Ñ
i d
ii
6 t
Ñ
il
ii
i tÑ
6 Ñ
t i l it j i
t ilit l 6t
ii
Ê
i6
#'(#"2 !$!'1#+#$1.---!$-."
cc
Gambar 5 adalah gambar denah PENS-IPS, dimana daerah yang akan ditempati
oleh sensor ± sensor yang dibangkitkan adalah pada bagian berwarna hijau.
Karena sensor yang dibangkitkan diletakan di luar ruangan, maka daya jangkau
sensor hanya dibatasi (tidak dapat menembus) tembok bangunan.
Kemudian inisialisasi populasi awal secara random, untuk populasi pertama ini
dibangkitkan 4 individu awal yang masing-masing memiliki 4 kromosom.
Dimana individu di sini adalah solusi dan kromosm adalah posisi dan jenis
sensor. adi pada populasi awal ini memiliki 4 solusi untuk mencapai
Ñ
dimana setiap solusi terdiri dari 4 sensor yang tersebar
secara random, sehingga tiap individu memiliki besar Ñ
dan total
biaya yang berbeda.
Untuk pembangkitan populasi dapat dijelaskan dengan Pabel 2 berikut :
P& ' ( "$"#)
Individu 1 b0 b1 b2 b3 b4 b5 b6 b7 b8 b9 b10 b11
Kromosom : x1 y1 I x2 y2 I x3 y3 III x4 y4 II
Dapat dilihat dari Pabel 2, bahwa setiap individu memiliki sifat yang diwakili
oleh kromosom-kromosomnya. Dimana pada keempat individu populasi awal
di atas memiliki 12 digit kromosom.
Hitung nilai biaya untuk tiap individu, dengan cara menjumlahkan harga dari
tiap jenis sensor yang dipakai oleh kromosom-kromosom individu tsb. Hitung
besar Ñ
dengan cara sebagai berikut :
l
+
÷ c
÷ l c
c
Dicontohkan pada Gambar 6 adalah sensor di titik p(8,5) dengan jari-jari radius
Ñ
sensor sejauh 1. Untuk menentukan Ñ
sensor tersebut,
maka semua titik pada Ñ
di atas akan diuji dengan cara :
Ë Bila : ((8-x)2 +(5-y)2); ( 1)2 .............................................................. (2)
dimana x adalah posisi nilai x dari tiap titik yang diuji, dan y adalah
posisi nilai y dari tiap titik yang diuji. Maka titik tersebut akan diberi
nilai 1, dan bila tidak memenuhi persamaan tersebut maka titik tersebut
diberi nilai 0.
Ë Semua titik yang bernilai 0 akan diberi warna hitam, seperti titik B dan
D pada gambar di atas. Dan semua titik bernilai 1 akan diberi warna
hijau seperti titik C pada gambar diatas.
m Pengujian untuk titik B(2,5) :
B = ((8-2)2 +(5-5)2 ); (3)2
B = ( 36 + 0 ) 9 jadi B = 0
m Pengujian untuk titik C(8,3) :
C = ((8-8)2 +(5-3)2 ); (3)2
C=(0+4)9 jadi C = 1
m Pengujian untuk titik D(1,6) :
B = ((8-1)2 +(5-6)2 ); (3)2
B = ( 49 + 1 ) 9 jadi D = 0
Sedangkan untuk menghitung besar Ñ
dari individu pada tabel 2 di
atas, maka untuk menguji titik-titik yang termasuk dalam Ñ
dari
kromosom-kromosom individu 1 di atas. Digunakan persamaan berikut pada
program untuk menentukan apakah titik tersebut bernilai 1 atau 0 :
c
Individu-individu terjelek akan di-
yaitu dikawinkan untuk mendapat
individu baru yang sifatnya lebih baik dari individu sebelumnya. Individu hasil
disebut
dan individu yang di-
disebut
Proses
dimulai dari proses Ñ
yaitu proses penukaran kromosom di
bagian tertentu antar individu. Dilanjutkan dengan proses mutasi, yaitu
perubahan kromosom di bagian tertentu secara random.
Kemudian nilai total f1 dan f2 dari
dan
dibandingkan untuk
menentukan apakah
layak menggantikan posisi
pada generasi
berikutnya.
Lalu dianalisa apakah individu generasi baru ini telah memenuhi
Ñ
. Dimana untuk syarat suatu individu telah berhasil
memenuhi
Ñ
yang dalam sistem ini adalah
optimasi pada biaya dan Ñ
dengan harapan didapat jaringan WSN yang
meng-Ñ
seluas-luasnya dengan biaya seminimal mungkin. Ditentukan
berdasarkan jumlah iterasi, apakah iterasi telah mencapai konvergen selama 70
iterasi.
Iterasi dalam hal ini dimaksudkan untuk proses
dan perhitungan nilai
total f1 dan f2 dari tiap individu di tiap generasi. Dan konvergen dalam hal ini
dimaksudkan untuk suatu keadaan dimana tidak ada perubahan dalam nilai total
f1 dan f2 dari tiap individu di tiap generasi untuk beberapa kali iterasi.
Sedangkan besar nilai Ñ
total dari tiap individu, diharapkan berhasil
memenuhi 90% dari luas Ñ
Dan untuk besarnya biaya, dicari yang
paling minimum dari individu yang berhasil memenuhi syarat Ñ
tsb.
%&"#%
Pada pembuatan sistem ini, digunakan tipe sensor milik Sami . Habib [1] yang
ditunjukan Pabel 3, dimana harga sensor didapat saat nilai untuk setiap USD
1,00 memiliki harga p. 9.009,00 [5]. Di Pabel 3 ini jenis sensor yang
diinisialisasi belum semua, namun hanya 4 jenis sensor karena hanya digunakan
sebagai contoh guna memperjelas pembuatan sistem ini.
"#"*"
+&,
adius cakupan
enis Biaya ( p) Gambar
sensor(m)
p 1 450.450,-
B 5 1.351.350,-
C 8 1.441.440,-
c
D 10 2.252.250,-
2
-'(*($(*
+)-
3
- 0-'- /
3
$
Periksa konvergensi
V
à0()**
+
M ×
c
6 t it
ii
j i
ii
i it
j i
iiiilii
i l
Ë B it
li l iii i6 ti iii
6 6ilii
6
6 ti
6
6 6 ti
ii
ii
j i
i 6 ! ii i
t
6 it iii l"# "# "# "#
6
6 gt 6 6 6 j l t t l
it6
ti 6tit 6ii6Ñiiiilii
ii t t ij ti6
M 6
"
" 7
6
6 ti iii 6 ti j i
6 t j i Ñ
ii
6 t Ñ t
tl i iii i
ii6
l
i t t t l
ii
ii6
l " i6 i "
t 6 t t
6
6 t i it
6
Ë i ti iii iit ili 4 5 ll iit t
tl
6 6 Ñ
Ñ
Ê 6 $
it6 6ilili45
M ili89 :
"
"
6 $ 6 6 lit ili 4 5 t ti iii ll
6
iit ili 4 5 t
tl
6 jj6l
i
6 j6lt
tl
6
tdd
ljid%d
# d
&d
%
# %
&
'
c÷
M l6 l ii
6
ii t ; 6 ti
Ñ l iii
Ë gt ili
Ñ
il it 6
Ñ
Ñ
t ti t i t il
6 6 j l ili t
tl < =
ii
li
l t lti il
E F
M ilit
tl G
"
"
Ë
l6liii6t
Ñ
tiiit j l t i 6 t
6
6 t t t i iii t j l iii li
6 6
t
i i t
iii t j l i6Ñ il
6
6t
iiii"#t j l
iii"#
M Ñ
Ë
tiiiilÑ t
6
6
6 t t t t
6 l6
6 i
t
6
6 i6ti l
6
6t
M
Ë gjiili
t
tlil it Ñ
Ñ
> 0 ? > %$ ? 35 @ @ A # ? ? A > 0
$ ? @ B>C$$
D
B >% B @? > c % @B A ?
22 ? ?$ > # $$ ÷l
c
M # H
cl
ilit
tlRS TU0V#
6 !
÷% ilit
tl
WXt
ti i
t ic c
i
M PP . Q
7 !$&3,#$)#$#$#-#--+!'
Ê
ji iiili i6
6
6
6
6 iii
i il l
it6 tit t t
ii
iit t t
i Ñ i6
ii t 6 Ñ
i d i t ii i
6ii66 ilitt6 6 d t6
Ñ
Ê
ii il 6 6 i M t
6 6 itt i itii:
' B il 6 Ñ l i i $( l t
tl Ñ
it t
' Bi 6ii66 ii i t il
i iiiiii
il6 6 it6ii6llt
tlÑ
'
i iiii
ti66i ti
t l ili
t
tl ti
l6 li
it i
gt6 6liit 6
ttit 6it6il t
t l
i i it i ili
i i Ñ
iiij ilii 6 6 tiÑ
Ñ 6 Ñ Ñ i t ilit
l6t Ñ
t Ñ
4
il i
i ii l$ L $
#
% M N1 O
& O ti t 6 t
l
id
ii i
t 6td
c]
Ñ
t
6lii
%
7 i
i
Ñ
Ñ
t i i
M M
. "
i6%tilittjii6liiil6 ttiti
t 6 t
ii Ñ t
6lii
ii
i l6 ti it i ili 6
i
Ñ il6 tiit iili 6i6 6
6ti6 t 6 i
i
iiÑ ti
t 6 ti itj
i ittti 6ii
lillii itil i i
t6il i i6li i l ti 6 '
i6 it t it
l l
i i
'
M P "
" Ñ
g
dapat menentukan banyaknya sensor yang diinginkan, lalu
menekan
tombol ³SPp P. Secara otomatis, muncul gambar ketika Ñ
berhasil di-
Ñ
hingga konvergen dan muncul grafik yang menunjukan pada iterasi ke berapa
tercapainya titik temu antara biaya dan Ñ
Sedangkan besarnya nilai biaya
dan Ñ
akan ditampilkan pada kotak di bawah bagian visualisasi.
Namun
dapat melihat bagaimana visualisasi Ñ
yang dihasilkan pada
urutan iterasi tertentu dengan menggeser pointer pada grafik.
p
Hasil dari pembuatan simulasi
ini diharapkan dapat digunakan sebagai tugas pkhir.
Dan dapat menyelesaikan permasalahan
Ñ
yaitu
penekanan biaya dan memperluas Ñ yang di-Ñ
sensor terutama pada
pembuatan jaringan
di PENS-IPS.
c p
p
5
"
P
5
c £ * c cc c c£
1. Formulasi permasalahan !
Coverage prea (Cp).
Model Cp sederhana tanpa
overlapp antar Cp-s1 dan Cp-s
yang lain. ika terpaksa
overlapp tidak terlalu banyak ù
reff : buku di lab sinyal
Studi pustaka tentang modelling
Cp yang sudah berkembang
sampai sekarang ù reff: ournal
Sammi Habib
Studi tentang Gp(Genetic
plgorithm) ù reff : buku
andy&Sue Elten Haupl di lab
c sinyal atau Perpustakaan PENS
2. Menyusun Suatu Model Cp ! !
dengan Gp (Genetic plgorithm).
8 Formulasikan permasalahan
yang akan dikerjakan dengan
Gp dengan batasan-batasan
Multiple Objective
Optimi ation(MOO)
â Sum of Weighted Cost
Function
8 Spesifikasikan plgoritma Gp
yang digunakan
3. Merencanakan Sistem dan Pen- ! ! !
jadwalan Pekerjaan Pp.
* Menyusun proposal Pp dan
c
mem-presentasikan dalam
seminar Proposal Proyek
pkhir
1. Memodelkan sistem secara lebih ! !
mendetail sesuai dengan
algoritma yang dipilih, yaitu
dengan MOO (
Ñ
).
Melakukan simulasi dengan ava ! !
dengan tampilan sederhana dan
Ñ Ñ terbatas.
£ Melakukan analisa dari sistem !
pemodelan dan simulasi yang
telah dibuat.
4. Menyusun Laporan Ê
! ! !
( I dan
mengimplementasikanya +
demo.
[1]Menyempurnakan model ! !
sehingga mendekati kondisi real.
+, Melakukan simulasi ava dengan ! !
tampilan GUI
[3]Melakukan analisa hasil ! !
simulasi.
[4]Menyusun laporan Progress ! ! !
£
eport II, buku proyek akhir,
paper ilmiah.
[5]Mengikuti seminar ilmiah dan ! !
menyajikan makalah hasil
penelitianya. IES, SMp, dsb
[6]Melakukan presentasi Pp dan !
mendemokan hasil simulasi.
Keterangan Bulan : 1 = uni 2010
cc p pppp
$
" $"% "%
Laptop BYON M31W p. 6.500.000,- 1 p. . 6.500.000,-
Full packaged Windows p. 2.896.000,- 2 p. 2.896.000,-
7 Ultimate [6]
NetBean IDE 6.8 free
Pulsa pkses internet p. 50.000,- 12 p. 600.000,-
Modem SMp P ZPE p. 435.000,- 1 p. 435.000,-
Fotocopy Buku ÊÑÑ
p 74.000,- 1 p. 74.000,-
Ñ
Printer dan Pinta Printer p. 700.000,- 1 p. 700.000,-
Penjilidan Buku p. 30.000,- 3 p. 90.000,-
Kertas p4 p. 36.000,- 3 p. 108.000,-
Buku ava Putorial p. 100.000,- 1 p. 100.000,-
P$ cc £ 5