Hasil Pencarian  ::  Simpan CSV :: Kembali

"Generalized Assignment Problem (GAP) adalah masalah penugasan sehimpunan berhingga agen ke sehimpunan berhingga pekerjaan. Setiap pekerjaan mempunyai bobot dan setiap agen mempunyai kapasitas, sehingga setiap agen tidak dapat mengerjakan seluruh pekerjaan, tergantung kepada kapasitas yang dimiliki. Ada biaya yang harus dikeluarkan jika agen mengerjakan suatu pekerjaan. Pada skripsi ini akan dilihat kinerja dari algoritma Greedy Randomized Adaptive Search Procedure (GRASP) dalam menyelesaikan GAP. Algoritma GRASP terdiri dari 2 fase, yaitu fase konstruksi solusi awal dengan algoritma Greedy Randomized Adaptive Heuristics (GRAH) dan fase perbaikan dengan metode local search. Kinerja dari algoritma GRASP akan diukur berdasarkan kedekatan solusi yang diperoleh dengan Best Known Solution (BKS). Data masalah untuk menguji diambil dari OR Library. Berdasarkan hasil percobaan, dapat disimpulkan bahwa kinerja Algoritma GRASP dalam menyelesaikan GAP cukup baik untuk masalah GAP berukuran kecil, yaitu berukuran 5 x 15, 5 x 20, 5 x 25, 5 x 30, 8 x 24, 8 x 32."

"Tugas akhir ini menyelidiki performance rata-rata dari beberapa algoritma yang diimplementasikan pada binary tree. Diperoleh bahwa algoritma travel secara inorder yang menggunakan thread menghasilkan performance yang lebih baik dibandingkan dengan algoritma yang menggunakan stack. Sedangkan sacara preorder dan postorder hanya terdapat sedikit perubahan pada performance rata-rata."

" ABSTRAKClustering adalah salah satu topik penting pada bidang Data Mining. Teori graf dapat digunakan untuk membantu clustering dengan cara membuat graf yang mewakili data-data yang akan di-cluster. Salah satu metode graf clustering adalah k-way spectral clustering yang memanfaatkan sebanyak k nilai eigen dan vektor eigen pertama dari matriks Laplacian suatu graf untuk melakukan clustering dengan k adalah banyaknya cluster yang diinginkan. Pada skripsi ini dibahas mengenai algoritma k-way spectral clustering merujuk kepada Ng, Jordan, dan Weiss (2002) dan von Luxburg (2007).

---

ABSTRACT

Clustering is one of the most important topic in Data Mining. Graph can be used to do clustering by forming a representation graph data which is needed to be clustered. K-way spectral clustering is one of many methods of graph clustering. This method uses first-k eigen values and eigen vectors of a Laplacian matrix to cluster with k is the number of desired clusters. In this skripsi, it will be discussed a k-way spectral clustering algorithm by Ng, Jordan, and Weiss (2002) and von Luxburg (2007)."

"Dibahas algoritma paralel Prefix Sums pada model komputer SIMD dengan model EREW SM SIMD dan model keterhubungan elemen prosesor berbentuk: Khusus, Unshuffle, Pohon dan Mesh dimensi 2. Kompleksitas waktu dari algoritma paralel Prefix Sums adalah:O(log n) pada model EREW SM SIMD,O(log n) pada keterhubungan Khusus,O(log n) pada keterhubungan Unshuffle,O(log n) I pada keterhubungan Pohon, dan0(n112) I pada keterhubungan Mesh dimensi 2.Algoritma paralel Prefix Sums mi dimanfaatkan dalam optimisasi masalah Knapsack."

"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"."

"Flowshop Scheduling Problem (FSP) adalah masalah penjadwalan yang berkaitan dengan pengurutan pemrosesan n pekerjaan pada m mesin, dimana setiap pekerjaan harus diproses tepat satu kali pada setiap mesin dalam urutan yang sama, dengan waktu proses tertentu. Permutation Flowshop Scheduling Problem (PFSP) adalah kasus khusus dalam FSP, dimana n pekerjaan diproses dalam urutan yang sama pada setiap mesin. Pada tugas akhir ini akan dilihat kinerja kombinasi Algoritma Memetika (AM) dan metode Greedy Randomized Adaptive Search Procedure (GRASP) dalam menyelesaikan PFSP dengan tujuan meminimumkan makespan. Kinerja metode AM dan GRASP dilihat dari kedekatan solusi yang dihasilkan dengan Best Known Solution (BKS) pada Taillard’s Benchmark dan dari waktu komputasinya. Berdasarkan pengujian, disimpulkan bahwa metode AM dan GRASP cukup kompetitif dalam meyelesaikan PFSP dengan error relatif tidak lebih dari 2 %. Selain itu, metode AM dan GRASP lebih cepat konvergen ke solusi optimal dibandingkan dengan metode AM dan metode GRASP sendiri-sendiri."