PENERAPAN METODE BLOCK CIPHER GOVERNMENT PADA APLIKASI PEMBELAJARAN KRIPTOGRAFI

##plugins.themes.academic_pro.article.sidebar##

Published Apr 30, 2018
https://doi.org/10.56708/progres.v10i1.80
Download
Download Full Text
Statistic
Vol 10 No 1 (2018): April

##plugins.themes.academic_pro.article.main##

Andi Harmin
Program Studi Teknik Komputer STMIK Profesional Makassar

Abstract

Perusahaan yang bergerak dibidang distribusi logistik antar daerah atau kota sering mengalami kesulitan dalam memecahkan permasalahan sistem distribusi. Terutama pada penentuan jalur antar kota yang harus dikunjungi mulai dari kantor pusat hingga kembali lagi ke tempat semula, dengan asumsi jarak diketahui. Ant Colony Optimization (ACO) merupakan teknik probabilistik untuk memecahkan masalah perhitungan dengan menemukan jalur terbaik melalui graf. Algoritma ini terinspirasi dari perilaku semut bersama dengan koloninya dalam mencari makanan. Simulasi dilakukan dengan mencari solusi mendekati optimal dari beberapa kasus yang menggunakan sejumlah node (kota) dengan model graf. Hasil mendekati optimal diperoleh dengan melakukan beberapa kali percobaan hingga titik sampai n = 40 node untuk setiap kasus dengan algoritma ACO tersebut, sehingga metode cocok digunakan untuk permasalahan optimasi pencarian jalur.

##plugins.themes.academic_pro.article.details##

How to Cite
Andi Harmin. (2018). PENERAPAN METODE BLOCK CIPHER GOVERNMENT PADA APLIKASI PEMBELAJARAN KRIPTOGRAFI. Jurnal Informatika Progres, 10(1), 1-10. https://doi.org/10.56708/progres.v10i1.80

References

[1] Arnaout, J.-P., "Ant Colony Optimization Algorithm for The Euclidean Location-Allocation Problem With Unknown Number of Facilities," Journal of Intelligent Manufacturing, 2011.
[2] Chietz. (2006). “Algoritma Semut”. http://chietz.wordpress.com/2006/12/05/algoritma-semut
[3] Dorigo, M., dan Socha K. (2007), An Introduction to Ant Colony Optimization, Tech.Rep/IRIDIA/2006-010, Université Libre de Bruxelles, Belgium.
[4] Dorigo, M. and Stutzle, T., "Ant Colony Optimization: Overview and Recent Advances," Handbook of Metaheuristics, Vol. 146, pp. 227-264, 2010.
[5] Dorigo, M. and Caro, D. G., "Ant Algorithms for Discrete Optimization," Artificial Life, Vol. , pp. 137-172, 1999.
[6] Hlaing, Z. and Khine, M. A., "An Ant Colony Optimization Algorithm for Solving Traveling 7 Salesman Problem,"International Conference on Information Communication and Management, Vol. 16, pp. 54-59, 2011.
[7] Khandre, H. S., "Review of Application of Ant Colony Optimization," International Journal of Engineering Science and Technology, pp. 41-47, 2011.
[8] Qiong, Z. e. a., "An Ant Colony Optimization Model for Parallel Machine Scheduling with Human Resource Constraints," DET2009 Proceedings, AISC, Vol. 66, pp. 917-926, 2010.
[9] Wardy, “Penggunaan Graf dalam Algoritma Semut untuk Melakukan Optimisasi”. Program Studi Teknik Informatika, Institut Teknologi Bandung,Bandung ,E-mail: if15035@students.if.itb.ac.id