Hasil Pencarian  ::  Simpan CSV :: Kembali

"In the past decade, primal-dual algorithms have emerged as the most important and useful algorithms from the interior-point class. This book presents the major primal-dual algorithms for linear programming in straightforward terms. A thorough description of the theoretical properties of these methods is given, as are a discussion of practical and computational aspects and a summary of current software. This is an excellent, timely, and well-written work. The major primal-dual algorithms covered in this book are path-following algorithms (short- and long-step, predictor-corrector), potential-reduction algorithms, and infeasible-interior-point algorithms. A unified treatment of superlinear convergence, finite termination, and detection of infeasible problems is presented. Issues relevant to practical implementation are also discussed, including sparse linear algebra and a complete specification of Mehrotra's predictor-corrector algorithm. Also treated are extensions of primal-dual algorithms to more general problems such as monotone complementarity, semidefinite programming, and general convex programming problems."

"Dibahan mengenai perencanaan dan penjadwalan jaringan proyek berdasarkan fungsi utilitas. Agar jaringan proyek diselesaikan dalam jangka waktu dan biaya yang minimum, maka utilitas setiap aktifitas pada proyek tersebut harus dimaksimumkan. Model matematis yang mendasarinya adalah pemogramana linear parametrik. Untuk mencari aktifitas yang akan dipercepat jangka waktunya digunakan metode Ford-Fulkerson, sedangkan algoritma Primal-Dual digunakan untuk menetapkan besarnya waktu percepatan."

"Regresi kuantil merupakan salah satu teknik regresi dengan memodelkan kuantil dari variabel dependen bersyarat variabel penjelas. Model yang diperoleh dengan regresi kuantil merupakan suatu gambaran lengkap atas perilaku data baik di bagian tengah maupun ekor (tail) sebaran. Sehingga teknik ini baik digunakan untuk analisa data apabila dicurigai adanya perbedaan pengaruh variabel penjelas terhadap bagian-bagian tertentu variabel dependen. Hal ini dapat dilihat dari hasil taksiran parameter regresi kuantil yang berubah secara monoton. Selain itu regresi kuantil juga bagus digunakan pada data dengan nilai ekstrim yang penting untuk dianalisa. Untuk mendapatkan model regresi kuantil diperlukan proses penaksiran parameter yang dilakukan dengan meminimumkan ekspektasi suatu fungsi loss. Proses optimisasi ini selanjutnya diubah ke dalam program linier dan dapat diselesaikan dengan metode interior point. Metode interior point yang digunakan dalam skripsi ini mengacu pada algoritma Frisch-Newton. Selanjutnya pada skripsi ini, regresi kuantil akan diterapkan pada dua data yang masing-masing memiliki karakteristik yang berbeda.

---

Quantile regression is a regression technique by modeling the conditional quantile of the dependent variable. Models obtained with quantile regression is a complete picture of the behavior of the data either in the middle or tail. This technique is well used to analyze data when there is suspected differences in the effect of explanatory variables on the dependent variable. It can be seen from the results of quantile regression parameter estimates which changed monotonically. In addition quantile regression is also good to use on the data with extreme values that are important to be analyzed. To get the required quantile regression model, parameter estimation process is done by minimizing the expectation of a loss function. The optimization process is then converted into a linear program and can be solved by interior point methods. Interior point methods used in this skripsi refers to the Frisch-Newton algorithm. Later in this skripsi, quantile regression will be applied to the two data each has different characteristics."

"Metode Analytic Hierarchy Process (AHP) merupakan salah satu metode pengambilan keputusan yang digunakan untuk menentukan urutan prioritas dari berbagai alternatif. Ada empat prinsip utama yang digunakan dalam metode AHP, yaitu: 1) dekomposisi; 2) perbandingan berpasangan; 3) menentukan vektor prioritas; dan 4) komposisi hierarkis. Dalam skripsi ini, prinsip utama metode AHP yang dibahas adalah menentukan vektor prioritas yang akan diselesaikan dengan menggunakan pendekatan model pemrograman linier. Pendekatan tersebut terbagi menjadi dua tahap, tahap pertama akan dilakukan formulasi model pemrograman linier untuk menentukan batas konsistensi dari matriks perbandingan berpasangan dan pada tahap kedua akan dilakukan formulasi model pemrograman linier untuk menentukan suatu vektor prioritas dengan menggunakan batas konsistensi pada tahap pertama. Dengan menggunakan pendekatan model pemrograman linier dalam metode AHP, dapat dilakukan analisa sensitivitas untuk memprediksi entri-entri pada matriks perbandingan berpasangan yang membuat matriks tersebut tidak konsisten.

---

The Analytic Hierarchy Process (AHP) method is one method of decision making that is used to determine the order of priority of the various alternatives. There are four main principles used in the AHP method, that is: 1) decomposition, 2) pairwise comparisons, 3) determine the priority vector, and 4) hierarchical composition. In this skripsi, the main principles of the AHP method discussed is determine the priority vector to be solved using linear programming model approach.

The approach is divided into two stage, the first stage will be the formulation of a linear programming model to determine the consistency bound of the pairwise comparison matrix and the second stage will be the formulation of a linear programming model to determine a priority vector using consistency bound at the first stage. By using a linear programming model approach in the AHP method, sensitivity analysis can be carried out to predict the entries in the pairwise comparisons matrix that makes the matrix is inconsistent."

"Pemrograman linier (PL) bilangan bulat merupakan bentuk khusus dari pemrograman linier dengan seluruh variabel keputusan berupa bilangan bulat. Salah satu metode yang digunakan dalam menyelesaikan masalah PL bilangan bulat adalah metode branch and bound (B&B). Tugas akhir ini membahas metode perbaikan B&B, yaitu melakukan beberapa tahapan sebelum mengimplementasikan metode B&B. Tahapan yang dilakukan dalam metode perbaikan B&B adalah memperkecil daerah layak dan menghilangkan kendala redundant. Metode ini bekerja secara efisien saat menyelesaikan masalah PL bilangan bulat dengan banyaknya kendala jauh lebih besar dibandingkan banyaknya variabel. Percobaan numerik yang dilakukan menunjukkan tingkat efisiensi dari metode perbaikan B&B sebesar 85% dalam menyelesaikan permasalahan PL bilangan bulat dengan banyaknya kendala 235 lebih besar dari banyaknya variabel.

---

Integer linear programming problem is a special form of linear programming with all the decision variables are integers. Branch and bound is one of the methods for solving an integer linear programming problem. This skripsi discusses an improved branch and bound method, which adding several steps before implementing the branch and bound method. New steps in the improved branch and bound method are narrowing down the feasible solution range and removing the redundant constraints.

This method works efficiently in solving an integer linear programming problem with the number of constraints are much more than the number of variables. Numerical experiments show that the efficiency of improved B&B method is about 85% for solving an integer linear programming problem with the number of constraints 235 more than the variables."