Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kegiatan rutin yang harus dilakukan oleh setiap lembaga pendidikan merupakan tugas kunci yang menunjang kenyamanan dalam proses belajar-mengajar. Berbagai teknik dan algoritma pencarian pun dicoba untuk memecahkan permasalahan penjadwalan. Banyaknya kemungkin an solusi dari dari berbagai kombinasi variabel dan domain dalam permasalahan penjadwalan membuat permasalahan ini termasuk ke dalam permasalahan kombinatorial. Salah satu teknik yang digunakan untuk memecahkan permasalahan kombinatorial adalah Constraint Programming, yang memodelkan permasalahan yang ada dengan membatasi kemungkinan kombinasi nilai untuk setiap variabel. Kemudian solusi yang optimum dicari dengan menggunakan algoritma pencarian.Dalam Tugas Akhir ini, penjadwalan perkuliahan dalam Tugas Akhir ini dibuat untuk memenuhi kebutuhan penjadwalan perkuliahan di Fakultas Ilmu Komputer Universitas Indonesia (Fasilkom UI), khususnya program studi S1 Reguler. Proses penjadwalan dibagi ke dalam dua tahap, yang setiap tahapannya dimodelkan ke dalam Constraint Satisfaction Problem (CSP). Tahap pertama menangani masalah work allocation, yaitu pemetaan mata kuliah ke dosen. Sedangkan tahap yang kedua menangani masalah time tabling, yaitu pemetaan mata kuliah ke slot kuliah. Fungsi objektif dalam mencari solusi optimum (optimization) ditetapkan dalam setiap tahapan tersebut. Tahap pertama mengoptimisasi pemetaan mata kuliah ke dosen berdasarkan workload setiap dosen. Sedangkan tahap kedua mengoptimisasi pemetaan mata kuliah ke slot kuliah berdasarkan jumlah infocus yang tersedia di Fasilkom UI. Solusi yang optimum ini dicari dengan menggunakan algoritma pencarian Branch and Bound (B & B). ix + 67 hlm; 45 gbr; 7 tbl; Lampiran A,B,C;Daftar Pustaka: 16 (1993 ? 2007)."

"This book constitutes the thoroughly refereed post-conference proceedings of the 18th International Conference on Principles and Practice of Constraint Programming (CP 2012), held in Québec, Canada, in October 2012. The 68 revised full papers were carefully selected from 186 submissions. Beside the technical program, the conference featured two special tracks. The former was the traditional application track, which focused on industrial and academic uses of constraint technology and its comparison and integration with other optimization techniques (MIP, local search, SAT, etc.) The second track, featured for the first time in 2012, concentrated on multidisciplinary papers, cross-cutting methodology and challenging applications collecting papers that link CP technology with other techniques like machine learning, data mining, game theory, simulation, knowledge compilation, visualization, control theory, and robotics. In addition, the track focused on challenging application fields with a high social impact such as CP for life sciences, sustainability, energy efficiency, web, social sciences, finance, and verification."

"The 26 revised full papers presented were carefully reviewed and selected from 64 submissions. The papers are focused on both theoretical and practical, application-oriented issues in combinatorial optimization and feature current research with a special focus on inference and relaxation methods, integration methods, modeling methods, innovative applications of CP/AI/OR techniques, and implementation of CP/AI/OR techniques and optimization systems."

"Penelitian ini melihat perbedaan dari kinerja operasional abnormal yang dialami perusahaan-perusahaan non-keuangan di Indonesia yang melakukan open-market share repurchase selama periode 1999-2011. Secara lebih mendalam, penelitian ini juga melihat pengaruh dari adanya financial constraint pada perusahaan terhadap perubahan kinerja operasional abnormal perusahaan tersebut. Dari pengujian yang dilakukan, rata-rata kinerja operasional abnormal perusahaan secara signifikan berbeda saat sebelum dan setelah share repurchase, baik pada perusahaan non-financially constrained maupun perusahaan financially constrained. Adanya financial constraint secara signifikan memberikan pengaruh negative terhadap perubahan kinerja operasional abnormal perusahaan dalam kurun waktu delapan kuartal setelah share repurchase.

---

This study examines the abnormal operating performance difference of non-financial company which announced open-market share repurchase during 1999-2011 in Indonesia. Furthermore, this also examine the influence of financial constraints towards the change of abnormal operating performance within eight quarters after they repurchased their shares. They display significance difference of abnormal operating performance after the repurchase program. The existence of financial constraint in the company significantly influenced the change of their abnormal operating performance negatively which affect financially constrained companies to perform poorer than non-financially constrained companies after share repurchase program."

"Proses pembuatan jadwal kuliah merupakan kegiatan yang panjang, membosankan, serta membutuhkan waktu dan pemikiran yang cukup besar jika dilakukan secara manual. Penyelesaian masalah penjadwalan kuliah secara otomatis dengan bantuan komputer dapat mengurangi waktu dan tenaga dalam membuat jadwal kuliah dan memperkecil terjadinya kesalahan yang disebabkan human error.Genetic algorithm (GA) merupakan salah satu algoritma local search yang bekerja dengan memori yang kecil dan sering kali dapat menemukan solusi yang masuk akal dalam state space yang sangat besar yang tidak bisa ditemukan oleh algoritma yang sistematik sehingga cocok digunakan untuk menyelesaikan masalah penjadwalan kuliah. Penjadwalan kuliah adalah masalah yang multiobjective karena banyak aspek yang menentukan baik buruknya suatu jadwal kuliah. Oleh karena itu, pada tugas akhir ini digunakan algoritma multiobjective SPEA2.Dalam tugas akhir ini, masalah penjadwalan kuliah dimodelkan sebagai constraint satisfaction problem, lalu diselesaikan dengan GA. Terdapat hard constraint dan soft constraint dalam penjadwalan kuliah. Setiap constraint dianggap sebagai satu fungsi objektif yang mempengarui nilai fitness individu. Pada eksperimen yang dilakukan, digunakan variasi: 1) ukuran test case: kecil, sedang, besar gasal, besar genap, 2) algoritma multiobjective: SPEA2 dan aggregation based, 3) 4 representasi chromosome, 4) GA parameter: populasi, archive size, crossover type, dan mutation rate, 5) constraint aktif.Dari hasil eksperimen, GA dapat menyelesaikan penjadwalan kuliah dengan baik karena pada hampir semua test case yang dicobakan, GA dapat menghasilkan jadwal yang memenuhi semua constraint yang ada. Selain itu, mengenai parameter GA untuk masalah penjadwalan kuliah dapat disimpulkan: algoritma multiobjective SPEA2 lebih baik dari aggregation based, populasi semakin besar semakin baik, archive size yang ideal adalah 50% dari jumlah populasi, mutation rate sangat tergantung dari panjang genome.

---

The process of creating a university timetable is a long and tedious work that needs much time and energy if it is done manually. Solving university timetabling problem automatically with a computer not only can reduce time and energy but also prevent human error.Genetic algorithm (GA) is one of local search algorithm that requires little memory and can often find a reasonable solution in a very big state space search which can not be found by systematic search algorithms. Therefore, it is useful for solving timetabling problem. Timetable scheduling is a multiobjective problem because there are many aspects that determine whether a schedule is good or bad. Because of that, in this research, multiobjective algorithm SPEA2 is used.In this reasearch, timetabling problem is represented as a constraint satisfaction problem, then solved with GA. There are hard constraints and soft constraints in university timetabling problem. Each constraint is considered as an objective function that affect fitness value of an individual. In the experiment conducted, the variation used are: 1) test case size: small, medium, large odd, large even, 2) multiobjective algorithm: SPEA2 and aggregation based, 3) four different chromosome representations, 4) GA parameters: population, archive size, crossover type, and mutation rate, 5) active constraints.From the results of the experiment, GA can successfully solve timetabling problems because in almost all the test cases tried, GA can generate schedules that satisfy all the constraints. In addition, conclusions about the GA parameters for the timetabling problem are: multiobjective algorithm SPEA2 is better than aggregation based, the greater the population the better, the ideal archive size is 50% of the population, mutation rate is highly dependent on the length of the genome."

"Kenyamanan dalam berkendara merupakan salah satu hal penting yang dikembangkan pada industri otomotif. Salah satu komponen yang memegang peranan penting dalam memberikan rasa nyaman bagi pengemudi saat berkendara adalah sistem suspensi, salah satu jenisnya adalah sistem suspensi semi-aktif. Sumber tenaga eksternal tidak diperlukan pada sistem suspensi semi aktif dimana nilai damping coefficient dapat diubah untuk mengendalikan disipasi energi pada damper. Karakteristik sistem suspensi semi-aktif yang hanya dapat mendisipasikan energi menjadi constraint sinyal kendali sesuai dengan state dari sistem. Kontur jalan juga menjadi gangguan pada sistem suspensi yang akan mempengaruhi kinerja sistem, oleh karena itu diperlukan pengendali yang prediktif.Pengendali model predictive control (MPC) dengan constraint digunakan untuk mengendalikan sistem suspensi semi-aktif diskrit hasil identifikasi dari sistem kontinu dengan menggunakan metode identifikasi least square. Perancangan pengendali MPC dilakukan dengan menentukan panjang prediction horizon, control horizon serta matriks bobot Q dan R. Uji pengendalian sistem suspensi semi-aktif menggunakan pengendali MPC dengan constraint dilakukan dengan mengamati kinerja pengendalian perpindahan sprung mass dari sistem suspensi semi-aktif dengan road profile sebagai gangguan sistem. Hasil pengendalian sistem suspensi semi-aktif kontinu dengan half car model yang dilakukan dengan simulasi menunjukkan kinerja pengendalian perpindahan sprung mass yang baik untuk berbagai jenis road profile.

---

Ride comfort is one of the important things in automotive industry. The component which took the responsibility in ride comfort are suspension system, one of them is semi-active suspension. An external power source is not needed in semi-active suspension system where the damping coefficient value is adjusted to control the amount of dissipated energy by damper. The characteristics of semi-active suspension system which only can dissipate energy become constraints to control signal appropriate with the state of system. The height of road surface also affect suspension system?s performance as disturbances so in order to overcome that problem a predictive controller is needed.

Controller with model predictive control (MPC) strategy with constraints is used to control discrete semi-active suspension system from identification result of continuous system by using least square identification method. Design of MPC controller is done by determine the length of prediction horizon, control horizon and weight matrix Q and R. The test of semi-active suspension system control using MPC controller with constraints is determined by sprung mass displacement control performance of semi-active suspension system with road profile as disturbances. Simulation result of the control of continuous semi-active suspension system with half car model show that the sprung mass displacement control performance is good for many kinds of road profiles."