Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tugas Akhir ini membahas suatu algoritma untuk mencari key suatu Multivalued Dependency. Dalam algoritma ini digunakan sebuah priority queue yang dinamakan CANDIDATE untuk menempatkan semua kandidat key. Elemen pertama dalam queue tersebut diambil sebagai key X dan dibandingkan dengan kandidat-kandidat key X' > X yang lain dalam queue tersebut. Jika CDEP(X') = Φ untuk sembarang kandidat key X', maka X' dihapus dari queue. Selanjutnya dilakukan penyisipan sembarang kandidat key Z > X ke dalam priority queue CANDIDATE. Kemudian dibandingkan kembali dengan kandidat-kandidat key yang lain, dan dihapus dan queue jika CDEF(Z) = Φ. Demikianlah sebuah nonkey dalam himpunan kandidat key dapat dihapus dari dalam priority queue CANDIDATE. Proses perbandingan dan penghapusan ini dilakukan berulang-ulang. Sementara sebuah key tidak dihapus sampai key tersebut diambil sebagai elemen yang paling atas dalam quenue tersebut. Akhirnya akan didapatkan sebauah himpunan key dari suatu himpunan Multivalued Dependency."

"Penggunaan komputer sebagai alat komputasi yang menyangkut aplikasi-aplikasi yang bersifat kritis memerlukan kemampuan fault-tolerance, karena jika terjadi suatu kerusakan akan berakibat kerugian yang sangat besar. Untuk meningkatkan kehandalan dan keberadaan suatu sistem komputer, disediakan sumber daya tambahan (redundant resources) yang mampu mengambil alih proses jika terjadi kegagalan. Penambahan ini akan menaikkan biaya (cost), namun biaya tersebut akan menjadi murah jika dibandingkan dengan terjadinya kegagalan. Sistem komputasi fault-tolerant yang dirancang dengan menggunakan metode tertentu harus mampu meminimasi waktu yang terbuang saat terjadinya recovery sistem (rollback recovery). Metode optimasi checkpointing merupakan metode yang handal mengingat biaya dan waktu yang terbuang saat terjadinya recovery sistem. Metode tersebut menggunakan sejumlah checkpoint (keadaan proses yang dibutuhkan untuk melanjutkan komputasi) (yang optimal, sehingga dapat meminimasi waktu yang terbuang yang diperlukan untuk recovery. Penyisipan sejumlah checkpoint dalam proses komputasi tersebut berguna untuk mencegah terjadinya komputasi dari awal pada pelayan cadangan (redundant resources), bila terjadi kegagalan pada pelayan utama. Prosedur pembuatan checkpoint perlu dibuat secara efisien mengingat aplikasi-aplikasi yang diterapkan pada sistem ini membutuhkan kecepatan yang tinggi. Pada Penelitian ini dibahas implementasi sistem komputasi fault-tolerant dengan menggunakan metode optimasi checkpointing dan rollback recovery yang diterapkan pada sistem jaringan (distributed system). Penentuan jumlah checkpoint yang optimal dilakukan melalui analisa matematis dan uji coba hasil rancangan sistem dengan mengubah-ubah jumlah checkpoint tersebut."

"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."

"Metode penyelesaian masalah komputasi swam paralel telah menjadi pemicu berkembangnya teknologi komputasi modern. Jaringan stasiun keda berkemampuan tinggi mempunyai peluang untuk dimanfaatkan sebagai sarana bagi aplikasi ilmiah komputasi paralel dan terdistribusi. Aplikasi ilmiah pads Tugas Akhir ini berdasarkan atas basil penelitian yang telah dilakukan sebelumnya, mengenai masalah dispersi polusi udara dengan sumber polutan cerobong dan jalan raya. Orde komputasi untuk aplikasi ilmiah ini memiliki granularitas tinggi. Aplikasi ilmiah ini merupakan gabungan dari 2 bush perhitungan komputasi polusi udara dengan cumber polutan yang berbeda, yaitu somber polutan cerobong dan somber polutan jalan raya. Konsentrasi polutan, karakteristik utama penyebaran polusi dikalkulasi menurut pantauan wilayah somber polutan Karena memilild fungsi-fungsi perhitungan utama yang berbeda, maka selain teknik penyelesaian masalah dengan partisi data, aplikasi ilmiah ini jugs dapat digunakan untuk menguji coba rancangan algoritma paralel dengan partisi fungsi. Alokasi fungsi dan pembebanan keda dengan pengolahan paralel dapat dilakukan dengan berbaga.i macam variasi namun intinya tetap mengacu pada percepatan proses pamlel secara menyeluruh. Pada Tugas Akhir ini dilakukan dua buah variasi aokasi fungsi dan penjadwalan proses pastel. Masing-messing variasi diusahakan untak mencapai percepatan optimal. Desain-desain tersebut akan dibandingkan satu sama lain dengan menekankan pertimbangan pada speed-up, pola penjadwalan proses dan karakteristik lain yang berpengaruh pada unjuk kerja sistem. Implementasi algoritma dilakukan dengan memanfaatkan jaringan stasiun keda LAN di PAU-11mu Komputer, dengan mesin 486 DX4-100, sistem operast L1NUX versi 1.28 dan perangkat lunak komputasi paralel berbasis jaringan (PVM). Perilaku komputasi paralel dan unjuk keda paralel dengan percepatan mendekati tinier adalab tujuan perbandingan algoritma partisi fungsi untuk model integrasi dispersi polusi udara."

"Masalah penjadwalan kuliah adalah masalah optimasi yang komputasinya rumit karena terdapat sejumlah ruangan dengan kapasitas tertentu, sejumlah dosen, serta sejumlah mahasiswa yang akan mendefinisikan kendala hard dan soft (Salwani, 2007). Penjadwalan kuliah pernah dilakukan dengan Simulated anneling (Elfitriadi, 2001), tabu search (Herlina, 2000 ) dan iterated local search (Lourenco, Martin dan Stutzle, 2002). Simulated anneling kurang efektif dalam pencarian solusi kendala hard, algoritma genetika tidak menjamin solusi optimal global, sedangkan iterated local search kurang efektif dalam optimasi kendala soft. Dalam skripsi ini, pembuatan jadwal dilakukandengan menggabungkan algoritma genetika dan iterated local search disebut dengan algoritma memetika. Penambahan iterated local seacrh inilah yang memungkinkan dalam pencarian jadwal terbaik (optimal global). Data yang digunakan diperoleh dari departemen Matematika UI semester genap tahun 2008 dan hasilnya yaitu seluruh kendala hard cepat terpenuhi dan mencapai solusi optimal global dengan waktu komputasi pada komputer dual core 3.0GHz, 2GB RAM yang kurang dari 2 menit"

"Tabu Search merupakan salah satu metode pemecahan permasalahan optimasi kombinatorial yang tergabung ke dalam local search methods. Metode ini bertujuan untuk mengefektifkan proses pencarian solusi terbaik dari suatu permasalahan optimasi kombinatorial yang berskala besar (bersifat np-hard), contohnya permasalahan penjadwalan job shop, dengan waktu komputasi yang relatif lebih kecil, namun tanpa ada jaminan akan tercapainya solusi yang optimal.Dalam penelitian ini, Tabu search diterapkan pada sebuah permasalahan penjadwalan job shop dengan tujuan untuk meminimalkan waktu proses total atau makespan (Cmax). Penjadwalan menggunakan algoritma Tabu Search ini dilakukan terhadap tiga kasus, yaitu paket pesanan bulan September, Oktober dan Nopember, dimana untuk setiap paket pesanan dilakukan variasi terhadap initial solution dan panjang tabu list.Hasil penjadwalan ini kemudian dibandingkan dengan hasil penjadwalan lain yang menggunakan 4 macam metode basic dispatching rules , yaitu Shortest Processing Time (SPT), Earliest Due Date (EDD), Most Work Remaining (MWKR) dan First Come First Served (FCFS). Hasil pengolahan data menunjukkan bahwa penjadwalan yang menggunakan algoritma Tabu Search sensitif terhadap perubahan yang diberikan pada variabel yang ada didalamnya dan makespan yang dihasilkan secara keseluruhan lebih kecil apabila dibandingkan dengan hasil penjadwalan menggunakan ke-4 metode lainnya.

---

Application of Tabu Search Algorithm in Job Shop Scheduling. Tabu Search is one of local search methods which is used to solve the combinatorial optimization problem. This method aimed is to make the searching process of the best solution in a complex combinatorial optimization problem(np hard), ex : job shop scheduling problem, became more effective, in a less computational time but with no guarantee to optimum solution.

In this paper, tabu search is used to solve the job shop scheduling problem consists of 3 (three) cases, which is ordering package of September, October and November with objective of minimizing makespan (Cmax). For each ordering package, there is a combination for initial solution and tabu list length.

These result then compared with 4 (four) other methods using basic dispatching rules such as Shortest Processing Time (SPT), Earliest Due Date (EDD), Most Work Remaining (MWKR) dan First Come First Served (FCFS). Scheduling used Tabu Search Algorithm is sensitive for variables changes and gives makespan shorter than scheduling used by other four methods."