Hasil Pencarian  ::  Simpan CSV :: Kembali

"This paper introduces a methods for modification of the formula of the fractal box counting dimension. The method is based on the utilization of the probability distribution formula in the fractal box count. The purpose of this method is to use it for the discrimination of oil spill areas from the surrounding features e.g sea surface dimension was able to discriminate between oil spills and look-alike areas. The low wind area had the highest fractal dimension peak of 2.9, as compared to the oil slick and the surrounding rough sea. The maximum error standard deviation of the low wind area was 0.68 which performed with a 2.9 fractal dimension value."

"Skripsi ini membahas suatu metode yang biasa dikenal dengan nama DIALIGN untuk mencari penyejajaran terbaik dari dua barisan DNA. Algoritma ini berdasarkan pada perbandingan segmen dengan segmen bukan seperti yang biasa dilakukan yaitu perbandingan residu dengan residu. Selain itu, algoritma ini juga menghindari kesulitan dalam menentukan pemilihan untuk memberikan penalti yang tepat bagi gap. Pada DIALIGN, seluruh diagonaldiagonal yang mungkin dari input barisan yang diberikan akan diberi bobot dan dibandingkan dengan diagonal yang lain untuk mendapatkan diagonaldiagonal yang akan membentuk penyejajaran optimal. Penghitungan bobot dari diagonal berdasarkan pada probabilitas kesamaan residu pada diagonal. Setelah diperoleh skor maksimum, penyejajaran akan dibangun dengan cara menelusuri kembali komponen-komponen yang telah memproduksi skor maksimum. Penyejajaran yang telah dihasilkan merupakan sehimpunan diagonal-diagonal yang konsisten. Di akhir, algoritma DIALIGN diimplementasikan pada suatu program. Berdasarkan simulasi program, algoritma DIALIGN mampu memproduksi penyejajaran optimal dari sepasang barisan. Dan kinerja program sangat baik untuk barisan-barisan pendek.

---

This skripsi discusses a method known DIALIGN to find the best alignment of two DNA sequences. This algorithm is based on segment-tosegment comparison instead of the commonly used residue-to-residue comparison. Also, this algorithm avoids the wellknown difficulties concerning the choice of appropriate gap penalties. In DIALIGN, all possible diagonals of the input sequences will be weighted and compared to find the diagonals which compose optimal alignment. Diagonal weight is based on match probability of residues in the diagonal. Having the maximum score, the alignment will be constructed by tracing back the components which produce the maximum score. The resulted alignment can be considered as consistent collections of diagonals. In the final, the algorithm is implemented in a program. According to the simulation of the program, DIALIGN algorithm is able to produce optimal sequence alignment from a pair of sequence. And the program performs well on short sequences."

"Passenger boarding merupakan proses masuknya para penumpang ke dalam pesawat. Passenger boarding perlu dikendalikan oleh maskapai penerbangan supaya interferences yang terjadi ketika passenger boarding berlangsung tidak semakin banyak. Interferences didefinisikan sebagai gangguan yang terjadi akibat adanya penumpang yang terhalang oleh penumpang lainnya ketika ia ingin mencapai tempat duduknya. Strategi terbaik dibutuhkan untuk dapat mengurangi interferences yang terjadi sehingga passenger boarding lebih terkendali. Strategi dilakukan dengan mengelompokkan penumpang ke dalam beberapa grup dan masing-masing grup akan masuk ke dalam pesawat dengan urutan tertentu. Pada skripsi ini masalah penentuan strategi passenger boarding akan dimodelkan ke dalam pemrograman non linier bilangan bulat campuran dan diselesaikan melalui algoritma genetik. Pesawat yang digunakan dalam skripsi ini adalah Airbus-320. Sementara untuk menerapkan algoritma genetik sebagai penyelesaian masalah ini digunakan metode seleksi deterministik, metode one cut point crossover dan metode mutasi dengan penggantian gen secara acak. Pada akhirnya diperoleh bahwa strategi terbaik adalah strategi dengan total interferences minimum berdasarkan nilai, dimana direpresentasikan sebagai persentase penumpang penyebab interferences yang berasal dari grup sebelumnya. Ketika nilai kecil, strategi cenderung mendekati strategi window to aisle. Sementara ketika nilai besar, strategi cenderung mendekati strategi back to front.

---

Passenger boarding is a process when the passengers get access to airplane. Passenger boarding have to be controlled by an airline company so that interferences of passenger boarding won't increased. Interferences are defined as an instance of passenger blocking another passenger's access to his (or her) seat. The best strategy is needed to reduce the interferences which happened so passenger boarding will be more controlled. The strategy is apllied by grouping the passenger in specific order to get access the airplane.

This skripsi tells about problem on how to choose a passenger boarding strategy will be represented as a model of mixed integer non linear programming and solved by genetic algorithm. Airbus-320 will be used in this skripsi. Deterministic selection, one cut point crossover and random gen replacement mutation will be used in genetic algorithm.

In conclusion, the best strategy is a strategy that has minimum number of total interferences based on, which is represented as a percentage of passenger who caused interferences from the previous group. When has a large value, the strategy aprroach to "window to aisle strategy". Meanwhile has a low value, the strategy approach to "back to front strategy"."

"ABSTRAKPT X merupakan perusahaan otomotif yang Salah satu pabriknya melakukan perkaitan produk kendaraan truk dengan berbagai jenis dan varian dan dapat dikategorikan berproduksi dengan konsep mixed production system dimana Varian-varian yang diproduksi menggunakan aliran proses yang sama tetapi dengan struktur produk yang sedikit berbeda. Ditengah berkembangnyakebutuhan industri manufaktur itu sencliri untuk berproduksi dengan procluktifitas tinggi dengan tingkat biaya yang jika mungkin ditekan serendah mungkin mendorong para praktisi di kalangan industri untuk mencari cara yang balk dan elisien untuk mereduksi biaya biaya yang tidak perlu salah satu upayanya adalah dengan mengurangi tingkat persediaan yang terdapat di gudang sehingga pada akhirnya akan berpengaruh terhadap holding costnya. Pada industri manufaktur yang menerapkan mixed production system hal ini merupakan masalah yang krusial karena rnenyangkut aspek suplai/pengadaan material ataupun komponen yang merupakan Input dalam proses produksi.Goal Chasing algorithm yang pertama kali dikembangkan di ToyotaCorporation merupakan salah satu algoritma pemecahan terhadap masalah yangberkaitan dengan tingkat pemakaian komponen yang berpengaruh terhadapbanyaknya persediaan. Hasil dari algoritma ini adalah terciptanya suatu urutanproduksi yang tingkat pemakaian komponen aktualnya tetap dan seimbangdengan penggunaan rata-rata per unit produk sehingga lcemuclian dapatdiperoleh kondisi dimana tingkat permintaan terhadap suatu komponen/material yang digunakan akan stabil dengan jumlah yang tepat.

---

"

"Dalam bioinformatika penelusuran basis data sekuens digunakan untuk mencari kemiripan antara sebuah sekuens dengan sekuens lainnya pada suatu basis data sekuens Salah satu algoritma untuk menghitung skor kemiripan yang optimal adalah algoritma Smith Waterman yang menggunakan pemrograman dinamik Algoritma ini memiliki kompleksitas waktu kuadratik yaitu O n2 sehingga untuk data yang berukuran besar membutuhkan waktu komputasi yang lama Komputasi paralel diperlukan dalam penelusuran basis data sekuens ini agar waktu yang dibutuhkan lebih cepat dan memiliki kinerja yang baik Dalam skripsi ini akan dibahas implementasi paralel untuk algoritma Smith Waterman menggunakan bahasa pemrograman CUDA C pada GPU dengan NVCC compiler pada Linux Selanjutnya dilakukan analisis kinerja untuk beberapa model paralelisasi tersebut yaitu Inter task Parallelization Intra task Parallelization dan gabungan keduanya Berdasarkan hasil simulasi yang dilakukan paralelisasi dengan gabungan kedua model menghasilkan kinerja yang lebih baik dari model lainnya Paralelisasi dengan model gabungan menghasilkan rata rata speed up sebesar 313x dan rata rata efisiensi sebesar 0 93

---

In bioinformatics sequence database searches are applied to find the similarity between a sequence with other sequences in a sequence database One of the algorithms to compute the optimal similarity score is Smith Waterman algorithm that uses dynamic programming This algorithm has a quadratic time complexity O n2 which requires a long computation time for large sized data In this occasion parallel computing is essential to solve this sequence database searches in order to reduce the running time and to increase the performance In this mini thesis we discuss the parallel implementation of Smith Waterman algorithm using CUDA C programming language with NVCC compiler on Linux Furthermore we run the performance analysis using three parallelization models including Inter task Parallelization Intra task Parallelization and a combination of both models Based on the simulation results a combination of both models has better performance than the others In addition parallelization using combination of both models achieves an average speed up of 313x and an average efficiency with a factor of 0 93"

"Pengujian yang dilakukan pada skripsi ini dilakukan untuk mengimplementasikan dan menganalisis sebuah algoritma navigasi otomatis untuk robot beroda yang juga ditunjang dengan algoritma untuk menghindari tabrakan. Algoritma ini bertujuan membuat robot yang dapat bergerak mengikuti jalur yang telah diberikan oleh sebuah aplikasi peta. Robot tersebut menggunakan smartphone Android sebagai unit pemrosesan utamanya dan IOIO sebagai perantara smartphone dengan sensor dan aktuatornya. Dalam menjalankan algoritma, digunakan GPS dan aplikasi peta dari smartphone. Skenario pengujian menggunakan tiga nilai akurasi posisi robot yang berbeda dan dilakukan sebanyak sepuluh pengujian per nilai akurasi. Nilai akurasi ini menentukan jarak dimana robot akan menganggap bahwa posisinya sudah berhasil mencapai suatu koordinat. Setelah dilakukan pengujian, hasil pengujian menunjukkan bahwa untuk akurasi posisi robot sebesar 3.145 m (perbedaan garis bujur dan lintang sebesar 0.00002), didapat nilai rata-rata jarak posisi robot dengan koordinat tertentu sebesar 2.003 m dengan rata-rata waktu tempuh selama tiga menit dua puluh satu detik. Untuk akurasi posisi robot sebesar 6.297 m (perbedaan garis bujur dan lintang sebesar 0.00004), didapat nilai rata-rata jarak 4.490 m dengan rata-rata waktu tempuh selama dua menit tiga puluh lima detik. Untuk akurasi posisi robot sebesar 10.22 m (perbedaan garis bujur dan lintang sebesar 0.000065), didapat nilai rata-rata jarak 6.720 m dengan rata-rata waktu tempuh selama dua menit tiga belas detik. Hal ini berarti algoritma tersebut memang dapat diimplementasikan ke robot beroda dengan tingkat akurasi tertentu. Tetapi, semakin tinggi tingkat akurasi, semakin lama waktu navigasi yang dibutuhkan. Kemampuan navigasi ini juga sangat dipengaruhi oleh sinyal GPS yang diterima oleh smartphone.

---

Trials in this final project are done to implement and analyze an automatic navigation algorithm for wheeled robot, with the support of collision avoidance algorithm. The purpose of this algorithm is to create a robot which can follow the route given by the map application. This robot uses smartphone Android as its main processor and IOIO as the link between this smartphone and the robot?s sensors and actuators. The built-in GPS and map application from smartphone are used in running the algorithm. The trial scenarios uses three different robot position accuracy and every scenario is done ten times. The accuracy determines the distance where the robot will assume that its position has reached certain coordinate. After the trials are done, the results show that when the robot position accuracy is 3.145 m (0.00002 difference in latitude and longitude), the average distance is 2.003 m with average travel time of three minutes and twenty one seconds. When the robot position accuracy is 6.297m (0.00004 difference in latitude and longitude), the average distance is 4.490m with average travel time of two minutes and thirty five seconds. When the robot position accuracy is 10.22 m (0.000065 difference in latitude and longitude), the average distance is 6.720m with average travel time of two minutes and thirteen seconds. It means that this algorithm is possible to be implemented in wheeled robot with certain accuracy. But, the more accurate it is, the longer it takes to navigate through the route. This ability to navigate is also very affected by GPS signal received by the smartphone."

"Penelitian ini akan membahas masalah penjadwalan Job shop (Job shop scheduling problem). Kerumitan pada masalah penjadwalan job shop disebabkan karena pada proses setiap komponen memiliki aliran yang berbeda sehingga dibutuhkan penjadwalan untuk menentukan urutan pengerjaan setiap komponen. Karena kompleksnya masalah penjadwalan produksi, maka solusi penyelesaian terhadap masalah ini dilakukan dengan menggunakan pendekatan heuristik yaitu metode algoritma tabu search. Algoritma tabu search, yaitu suatu pendekatan heuristik dalam pencarian solusi berdasarkan pada metode optimasi, dimana algoritma ini menggunakan daftar tabu dan iterasi lokal untuk mencegah terjebak pada local optimal hingga tercapainya solusi mendekati terbaik. Pada model jobshop penelitian ini terdapat 5 job dengan 98 komponen yang di kerjakan di 8 mesin. Fungsi tujuan dari permasalahan ini ialah meminimalkan total waktu pengerjaan seluruh job. Hasil penjadwalan produksi yang diperoleh melalui algoritma tabu search setelah 20 iterasi menghasilkan minimal makespan seluruh job sebesar 197.50 jam. Jadi, jika dibandingkan dengan jadwal produksi yang lama, maka terjadi penurunan makespan yaitu sebesar 53,87 %.

---

This research will present Job shop scheduling problem. The complexity of the job shop scheduling problem is caused the process of each component having different flow process. that it takes to determine sequencing of processing for each component in the scheduling. Due to the complex problem of production scheduling, then the solution to the problem of settlement is done by using a heuristic approach to taboo search algorithm method. Taboo search algorithm, which is a heuristic search approach based on the solution methods of optimization, where this algorithm uses a local list of taboo and iterations to prevent getting stuck on a local optimum to the achievement of a solution approach the best. In this model there are 5 jobs with 98 components that are in working on the 8 machines. The purpose of this function is to minimize the problems of the total cost of makespan. Production scheduling results obtained through taboo search algorithm after 200 iterations produces minimal makespan whole job of 197.5 hours. So, when compared to the long production schedule, then decline the makespan of 53.87%."

"Penelitian ini mengusulkan tiga algoritma meta-heuristik berbasis Fuzzy K-modes untuk clustering binary data set. Ada tiga metode metaheuristik diterapkan, yaitu Particle Swarm Optimization (PSO), Genetika Algoritma (GA), dan Artificial Bee Colony (ABC). Ketiga algoritma digabungkan dengan algoritma K-modes. Tujuannya adalah untuk memberikan modes awal yang lebih baik untuk K-modes. Jarak antara data ke modes dihitung dengan menggunakan koefisien Jaccard. Koefisien Jaccard diterapkan karena dataset mengandung banyak nilai nol . Dalam rangka untuk melakukan pengelompokan set data real tentang supplier otomotif di Taiwan, algoritma yang diusulkan diverifikasi menggunakan benchmark set data. Hasil penelitian menunjukkan bahwa PSO K-modes dan GA K-modes lebih baik dari ABC K-modes. Selain itu, dari hasil studi kasus, GA K-modes memberikan SSE terkecil dan juga memiliki waktu komputasi lebih cepat dari PSO K-modes dan ABC K-modes.

---

This study proposed three meta-heuristic based fuzzy K-modes algorithms for clustering binary dataset. There are three meta-heuristic methods applied, namely Particle Swarm Optimization (PSO) algorithm, Genetic Algorithm (GA) algorithm, and Artificial Bee Colony (ABC) algorithm. These three algorithms are combined with k-modes algorithm. Their aim is to give better initial modes for the k-modes. Herein, the similarity between two instances is calculated using jaccard coefficient. The Jaccard coefficient is applied since the dataset contains many zero values. In order to cluster a real data set about automobile suppliers in Taiwan, the proposed algorithms are verified using benchmark data set. The experiments results show that PSO K-modes and GA K-modes is better than ABC K-modes. Moreover, from case study results, GA fuzzy K-modes gives the smallest SSE and also has faster computational time than PSO fuzzy K-modes and ABC fuzzy K-modes."

"Pada skripsi ini akan dibahas konsep ride sharing pada taksi, atau disebut juga taxi sharing, yang merupakan salah satu upaya untuk mengatasi masalah kemacetan akibat kurang seimbangnya jumlah kendaraan yang beredar dengan kapasitas jalan yang dapat menampung kendaraan. Pada taxi sharing, penumpang taksi berbagi kendaraan taksi dan biaya perjalanan dengan penumpang lain yang memiliki tempat asal-tujuan yang sama/hampir sama dalam waktu perjalanan yang hampir bersamaan. Pemanfaatan taxi sharing yang mengoptimalkan utilisasi kendaraan taksi, selain dapat mengurangi jumlah kendaraan taksi yang dibutuhkan untuk melayani konsumen dan mengurangi biaya operasional taksi, juga dapat mengurangi penggunaan bahan bakar, yang pada akhirnya mengurangi emisi gas buang kendaraan. Untuk memaksimalkan penggunaan taxi sharing, maka diperlukan pengoptimalan rute taksi dalam melayani penumpang, dimana masalah pencarian rute taxi sharing yang optimal dalam skripsi ini akan dimodelkan dalam bentuk mixed integer programming problem. Permasalahan ini diselesaikan menggunakan algoritma genetika, yang lahir dari sebuah inspirasi teori evolusi Darwin. Algoritma ini digunakan untuk mencari pasangan penumpang yang berbagi layanan taksi dan rute taksi yang optimal. Hasil percobaan dengan menggunakan ukuran populasi (popsize) 10, jumlah generasi 50 dan 100, crossover rate (Cr) 0.7, dan mutation rate (Mr) 0.2 menunjukkan bahwa yang sebelumnya terdapat 8 permintaan taksi dan 8 taksi, operator taksi dapat mengurangi jumlah taksi yang beroperasi sebesar satu taksi. Taksi yang menggunakan konsep taxi sharing, yaitu taksi 5 akan melayani permintaan 2 dan 8, dengan urutan menjemput permintaan 2 lalu 8, lalu mengantarkan permintaan 2 kemudian 8, dengan biaya yang dibayarkan Rp4.200,00 untuk permintaan 2 dan Rp14.700,00 untuk permintaan 8. Maka dari itu, keuntungan operator taksi menjadi lebih besar, penumpang dapat menghemat biaya perjalanan, dan penggunaan kendaraan di jalan berkurang.

---

This research will discuss about the implementation of taxi ride sharing system or taxi sharing as an attempt to find a solution for traffic jam problem that caused by an unequal number of public transportation units operated in the street and the lack of street capacity which supposed to facilitate it. With the present of taxi sharing system, consument can share their taxi trip with others passengers that going on to same direction at the same time. This solution can give benefit for consuments by sharing the trip cost while at the same time benefitted the public transportations provider to optimalized the utilization of the taxi units and cut off operationalization cost, benefitted society by minimalize the number of cars in the streets and reducing air polution from gasoline consumption. To make this taxi sharing system works it also needed an optimalization in taxi route for each trip service. This research will be trying to solved this challenges by examines the taxi-sharing route services through Mixed Integer Programming Problems. This process will be carried using a genetics algorythm which inspired from Darwin's theory of evolution. This algorithm is aiming to be effectively find and match pairs of passengers who use taxi sharing system and taxi routes. The experiment by using population size (popsize) of 10, number of generations 50 and 100, crossover rate (Cr) 0.7, mutation rate (Mr) 0.2 shows that from 8 taxi units to accomodate 8 taxi requests that have been received before, the taxi provider supposedly be able to effectively reduce the number of taxis into only 7 taxis to carry all of the sharing system passengers that requesting. A taxi that uses taxi sharing system will serve request number 2 and request number 8, by picking up request 2 then 8, then delivering request 2 then 8, with fees paid Rp4.200,00 for request 2 and Rp14.700,00 for request 8. Therefore, the profit of the taxi provider is greater, the passengers can save their trip costs, and the use of vehicles on the road can be decreased."

"Desain optimal dari bangunan hemat energi menghadapi dua kebutuhan yang saling bertentangan, yaitu biaya yang seekonomis mungkin dan dampak lingkungan yang seminimal mungkin. Tingginya biaya bangunan hemat energi seperti near Zero Energy House disebabkan oleh tingginya harga peralatan dan material yang diaplikasikan seperti panel surya, insulasi dan lain-lain. Tujuan dari penelitan ini adalah menemukan desain yang optimal dari sebuah near Zero Energy House, dengan studi kasus terhadap rumah 1 tingkat. Sasaran dari optimasi desain ini adalah kinerja biaya siklus hidup yang lebih ekonomis jika dibandingkan dengan bangunan konvensional. Metode optimasi dengan algoritma genetika adalah metode optimasi paling sesuai untuk permasalahan optimasi desain yang memiliki banyak variabel. Sangat sulit untuk menemukan solusi tunggal, atau solusi terbaik untuk optimasi desain. Dengan menggunakan algoritma genetika, perancang bangunan dapat memilih salah satu dari solusi terbaik hasil optimasi yang sesuai dengan permintaan dan batasan-batasan yang ada.

---

Optimal design of energy efficient buildings facing two conflicting requirements, namely costs as economical as possible and minimal environmental impact. The high cost of energy efficient buildings as near Zero Energy House due to the high price of equipment and materials that are applied as solar panels, insulation and others.

The purpose of this research is to find the optimal design of a near Zero Energy House, with a case study on the first level. The goal of this design is the optimization of life cycle cost performance is more economical when compared to conventional buildings.

Optimization method with genetic algorithm optimization is the most suitable method for design optimization problem that has many variables. It is very difficult to find a single solution, or the best solution for design optimization. By using genetic algorithms, building designer can choose one of the best results of the optimization solution according to the demand and constraints that exist."