Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKTugas akhir ini membahas tentang Algoritma pembesaran (augmeritasi) pada graph Campuran, yaitu penambahan ruas secara optimal pada graph Campuran sehingga diperoleh graph yang setiap ruasnya berada dalam sirkuit sederhana yang Traversabel atau graph terhubung kuat. Untuk rnendapatkan penambahan ruas yang optimal, graph Campuran disederhanakan kedalam bentuk graph Asiklik Campuran."

"Suatu pewarnaan edge yang minimum (minimum edge coloring) pada graph merupakan suatu partisi pada himpunan edge menjadi D matching, konstanta D merupakan derajad vertex terbesar pada graph. Dalam tulisan ini akan dibicarakan dua algoritma pewarnaan edge yang bekerja dalam kompleksitas waktu D(nm), dan 0(n3). Algoritma kedua akan lebih baik (efisien) untuk kasus di mana D merupakan pangkat dari dua."

"Tugas Akhir ini bertujuan untuk memeriksa seinpurna atau tidak senspurnanya suatu graph sederhana planar. Met ode yaiig digunakan adalah dengan menguraikan graph sederhana planar kedalam graph kompoiieii berciasarkcwi graph sempuriia planar j-lnseparable; i = 1,2,3,4. Kemiidian diperiksa komparabilitasnya pada graph seropiirna planar 4-inseparable."

"Dibahas visualisasi kurva hampiran dengan menggunakan metode Hampiran B-Spline. Dalam hampiran ini diberikan sejumlah data koordinat, dengan menggunakan kombinasi linear dari sejumlah basis B-Spline akan diperoleh kurva hampiran yang dimaksud. Fungsi basis yang digunakan disini berderajat 1,2, dan 3. Kurva yang dihasilkan kemudian akan divisualisasikan pada jendela gratis. Jendela grafis dibuat pada aplikasi yang dijalankan dengan sistem Microsoft Windows 16 bit dan 32 bit. Platform yang dipakai untuk membuat aplikasi adalah Borland C++ ver. 4.5 for Windows, pembuatan kelas baru yang merupakan turunan dari objek-objek yang telah ada pada platform ini sangat menunjang pada aplikasi yang dibentuk. Dengan sub selang penggambaran h diberikan oleh pengguna, maka semakin kecil h kurva hampiran yang dibentuk akan semakin halus. Semakin tinggi derajat fungsi basis yang digunakan maka kurva yang dihasilkan akan semakin halus, akan tetapi jumlah operasi rekursif yang dilakukan semakin banyak."

"Dalam tesis dibahas pencocokan hampiran untai (approximate string matching) dari dua untai berbeda. Dalam meninjau tingkat kedekatan hampiran dua untai atau tingkat kemiripan dua untai digunakan ukuran Jarak Levenshtein, Dalam penentuan jarak tersebut digunakan metode program dinamik. Diperoleh beberapa sifat-sifat yang berhubungan dengan susunan kedua untai yang dicocokkan. Pada akhir tesis diberikan juga program komputer sederhana dalam penentuan jarak Levenshtein.

---

In this thesis described approximate string matching problem between two different strings. To show the approximate level of both strings or the similarity level of both strings is used Levenshtein distance. To determine Levenshtein distance is used by dynamic programming method. Found Some characteristics that have relation with composition of both strings that are matched. At the end of the thesis, given the simple computer program to determine Levenshtein distance."

"Misalkan ( ) adalah pasangan himpunan ( ), dengan adalah himpunan tak kosong simpul dan adalah himpunan pasangan tak terurut dari simpul-simpul yang disebut busur. Graf yang dibahas pada skripsi ini adalah graf sederhana, berhingga dan terhubung dengan | | simpul dan | | busur. Nilai total ketakteraturan simpul (total vertex irregularity strength) atau dari graf adalah suatu bilangan bulat positif terkecil k sedemikian sehingga merupakan suatu pemetaan dari gabungan himpunan simpul dan busur ke subhimpunan bila-ngan asli * + dengan bobot setiap simpul pada graf berbeda dimana bobot simpul adalah penjumlahan dari label simpul dan label busur yang hadir pada simpul tersebut. Berdasarkan hasil-hasil penelitian sebelumnya telah dibuktikan bahwa ( ) ⌈ ⌉ dan ( ) . Terlihat bahwa ( ) bergantung pada , sedangkan ( ) tidak bergantung pada , yaitu dua, artinya ketika suatu graf dengan banyak simpul memiliki jumlah busur lebih sedikit maka ( ) dapat lebih besar. Dalam skripsi ini akan dikonstruk-sikan algoritma untuk memperoleh graf terhubung dengan ( ) sama dengan dua dan banyak busur minimal dengan cara mengurangi busur-busur dari graf lengkap. Kemudian akan diberikan banyak busur minimal pada graf dengan simpul yang terbentuk dari algoritma.

---

Let ( ) be an ordered pair set ( ) with is a nonempty set of vertices dan is a set of unordered pairs of distinct elements of . A graph which is considered in this skripsi is a simple, finite, and connected graph with | | vertices and | | edges. Total vertex irregularity strength ( ) of is the minimum value of positive integer k such that is a mapping from the union of vertex set and edge set of to a subset of natural number * + and the weight of every vertex is different. The weight of a vertex is the sum of label of the vertex and labels of edges that incident to the vertex. It has been proved that ( ) ⌈ ⌉ and ( ) . This results imply that ( ) depends on , while ( ) does not. It means for graphs with vertices, there is a possibility that a graph with less edges has larger . In this skripsi, we construct an algorithm to find a connected graph with ( ) and has minimum number of edges, by deleting some edges from complete graph, . We also find the minimum number of edges on graph with vertices which obtained from the algorithm."

"Dalam skripsi ini akan dibahas mengenal pembentukan struktur data untuk membuat algoritma independent set dengan waktu (N) dan ruang 0(N), dimana N = min , dengan n banyaknya simpul. graph g-bipartisi dan m banyaknya ruas graph g-bipartisi. Prinsip yang dipakai algoritma INDEPENDENT SET adalah prinsip pewarnaan simpul dengan menjalankan depth first search."

"Pengklasteran clustering yang dilakukan dengan menggunakan metode graf disebut dengan pengklasteran graf graph clustering . Pengklasteran graf dengan memperhatikan bobot dapat diselesaikan dengan menggunakan pohon rentangan minimum. Salah satu algoritma yang dapat digunakan untuk menyelesaikan pengklasteran graf berbobot berdasarkan pohon rentangan minimum adalah algoritma maximum standard deviation reduction MSDR . Pada algoritma MSDR tidak perlu ditentukan banyaknya klaster yang terbentuk, karena terdapat perhitungan untuk menentukan banyak klaster secara otomatis. Namun dalam penelitian lanjutan algoritma MSDR cukup sulit dikerjakan karena sulitnya dalam menentukan nilai kandidat klaster terbaik, sehingga dilakukan modifikasi untuk menentukan nilai -nya. Modifikasi ini disebut dengan modifikasi MSDR MMSDR. Penelitian ini merupakan implementasi dari algoritma MMSDR pada masalah rute penerbangan di Indonesia yang disebut maskapai X, dengan menggunakan input matriks komplemen. Dengan menggunakan input matriks dari komplemen graf didapatkan pengklasteran berdasarkan jarak antar bandara. Penelitian ini juga menganalisis perubahan nilai epsilon dan perubahan matriks input. Hasil analisis menunjukkan bahwa perubahan nilai epsilon tidak mempengaruhi banyaknya klaster dan anggota klaster, sedangkan perubahan matriks input dapat mempengaruhi perbedaan anggota klaster.

---

Clustering is done by using graph method called graph clustering. Graph clustering with weights can be solved by using a minimum spanning tree. One of the algorithms that can be used to complete a weighted graph clustering based on a minimum spanning tree is the maximum standard deviation reduction MSDR algorithm. In the MSDR algorithm there is no need to determine the number of clusters that are formed, because there are calculaions to determine many clusters automically. However, in advanced research MSDR algorithm is quite difficult to do because of the difficulty in determining the value of best cluster candidates, so modifications are made to determine the value of. This modification is called the modification MSDR MMSDR. This research is an implementation of MMSDR algorithm on flight route problem in Indonesia called airline X, by using input complement matrix. Using the matrix input from the complement graph obtained clustering based on the distance between airports. This research also analyzed changes in epsilon value and changes in input matrix. The results of the analysis show that the change in epsilon value does not affect the number of clusters and clusters members, whereas the change in input matrix may affect the cluster members."