Hasil Pencarian  ::  Simpan CSV :: Kembali

"Generalized Assignment Problem (GAP) merupakan suatu bentukmasalah penugasan dari sehimpunan berhingga tugas ke sejumlahberhingga agen. Setiap agen dapat mengerjakan lebih dari satu tugas,namun suatu tugas hanya dapat dikerjakan oleh satu agen. Setiap tugasmemiliki beban pengerjaan, sedangkan setiap agen memiliki keterbatasankapasitas untuk mengerjakan tugas-tugas yang ada. Pada skripsi ini akandilihat kinerja tabu search untuk menyelesaikan GAP, yang diukurberdasarkan kedekatan solusi yang didapat dengan Best Known Solution(BKS). Tabu search adalah suatu metode pencarian heuristik yangmerupakan pengembangan dari metode pencarian local search. Untukpengujian, digunakan beberapa data permasalahan yang diperoleh dari ORLibrary.Berdasarkan simulasi disimpulkan bahwa kinerja metode tabusearch cukup baik dalam menyelesaikan GAP, yaitu dengan kesalahan relatiftidak lebih dari 0,0018 untuk GAP dengan tujuan memaksimumkan."

"Generalized Assignment Problem (GAP) adalah masalah penugasan sejumlah berhingga tugas pada sejumlah berhingga agen, dimana sebuah tugas harus dikerjakan oleh satu agen, tetapi satu agen dapat mengerjakan lebih dari satu tugas. Setiap agen mempunyai kapasitas dan setiap tugas mempunyai bobot, yang mungkin berbeda untuk setiap agen. Pada skripsi ini akan dilihat kinerja dari algoritma MAX-MIN Ant System (MMAS) dengan Local Search dalam menyelesaikan GAP, yang diukur berdasarkan kedekatan solusi yang didapatkan dengan best known solution. MMAS adalah pengembangan dari Ant System Algorithm, yaitu algoritma yang diinspirasikan oleh perilaku semut-semut di dunia nyata. Dalam algoritma ini terdapat parameter ??, Q, ??, dan p0 yang harus ditentukan, yang diambil menurut rekomendasi St??tzle dan Hoos. Lalu nilai dari parameter Q, ??, dan p0 akan diubah untuk mengetahui pengaruhnya terhadap kinerja algoritma MMAS dengan Local Search. Masalah pengujian diambil dari OR-Library. Berdasarkan simulasi, disimpulkan bahwa kinerja algoritma MMAS dengan Local Search dalam menyelesaikan GAP cukup baik dengan error relatif cukup kecil, yaitu tidak lebih dari 0.04 dan perubahan nilai parameter dapat membawa perbaikan pada solusi."

"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."

"Generalized Assignment Problem (GAP) adalah masalah penugasan sehimpunan berhingga tugas ke sehimpunan berhingga agen. Setiap tugas mempunyai bobot dan biaya penyelesaian yang mungkin berbeda untuk setiap agen. Setiap agen mempunyai kapasitas sumber daya dan tidak boleh mengerjakan tugas melebihi kapasitasnya. Pada skripsi ini dilihat kinerja dari algoritma genetik dalam menyelesaikan GAP. Algoritma genetik terinspirasi oleh teori evolusi biologi. Operator utama yang digunakan adalah binary tournament selection, one point crossover, dan swap mutation. Untuk meningkatkan kinerja, ditambahkan local improvement steps dan replacement scheme. Kinerja algoritma genetik diukur dari kedekatan solusi yang diperoleh dengan Best Known Solution (BKS) dari masalah penguji yang diambil dari OR Library. Selain itu, juga dilihat pengaruh perubahan nilai probabilitas crossover PC dan probabilitas mutasi Pm terhadap kinerja algoritma genetik. Berdasarkan percobaan, disimpulkan bahwa kinerja algoritma genetik dalam menyelesaikan GAP cukup baik, dengan kesalahan relatif nilai fungsi tujuan solusi terbaik terhadap BKS cukup kecil, yaitu tidak lebih dari 0.03. Dari percobaan mengubah nilai parameter, diperoleh dengan PC = 0.6, nilai Pm yang cukup baik adalah 0.25 ? 0.3. "

"Dewasa ini, tren berbagi kendaraan menjadi pilihan masyarakat untuk berpergian dari satu tempat ke tempat lain, tren tersebut terkenal dengan sebutan ride sharing. Ride sharing adalah salah satu solusi yang dapat berkembang untuk mengurangi kemacetan karena jumlah kendaraan di jalan yang tinggi. Taksi sebagai moda transportasi alternatif di perkotaan dapat menerapkan sistem ride sharing tersebut. Taxi sharing bertujuan memaksimalkan penggunaan kapasitas taksi, sehingga dapat mengurangi biaya perjalanan penumpang, meningkatkan penghasilan operator taksi, dan mengurangi kemacetan, emisi gas buangan, serta penggunaan bahan bakar. Untuk memaksimalkan keuntungan dari penggunaan sistem taxi sharing, perlu pengoptimalan rute taksi dan pasangan permintaan yang berbagi layanan taksi. Pengoptimalan tersebut berbentuk mixed integer programming. Kemudian, permasalahan tersebut terselesaikan menggunakan metode tabu search. Hasil percobaan menunjukkan metode tabu search meningkatkan pendapatan operator taksi sebesar 10 - 14.

---

Nowadays, ride sharing system is a trend among society for travelling. The ride sharing system is a solution that can be developed to reduce the congestion because of high amount of vehicles on the road. Taxi as an alternative transportation in urban area can impose the ride sharing system. Taxi sharing aims to maximaze the utilization of taxi capacity, thereby reduce the fare for passangers, increase income of taxi operator, and reduce congestion, gas emission, as well as the use of fuel. In order to maximize the benefits of using taxi sharing system, we need to optimize taxi route and match requests that share the taxi service. The optimization of taxi sharing problem have the form of mixed integer programming, which is solved by using tabu search method. The experiment shows that the tabu search method can increase the income of taxi operator up to 10 14."

"ABSTRACTRidesharing dapat diartikan sebagai suatu sistem dimana pelaku perjalanan dapat berbagi kendaraan serta waktu perjalanan dengan pelaku perjalanan lain yang memiliki tujuan serta waktu perjalanan yang/hampir sama. Permasalahan ridesharing dengan kebijakan HOV Lanes/jalur HOV merupakan suatu permasalahan dalam pencarian rute optimal untuk memenuhi permintaan sejumlah penumpang dengan tiap penumpang dan kendaraan memiliki lokasi asal dan tujuan. Permasalahan ini diterapkan pada suatu graf lokasi yang memuat jalur HOV, yaitu jalur yang memiliki syarat jumlah minimum penumpang di dalam kendaraan. Solusi yang ingin dicapai adalah solusi dengan jarak, waktu, dan biaya perjalanan yang minimum. Tugas akhir ini membahas aplikasi metode insertion heuristic untuk mendapatkan solusi awal pada permasalahan ridesharing dengan kebijakan jalur HOV serta parallel tabu search untuk mengembangkan solusi awal dan mendapatkan rute yang optimal.

---

ABSTRACTRidesharing can be defined as a system where individual travelers can share their vehicle and travel cost with others that have similar destination and time schedule. Ridesharing problem with HOV Lanes is a problem of finding optimal route to serve costumer 39 s demand where each demand and vehicle consists origin and destination point. This problem is applied in a graph with HOV Lanes. HOV Lanes are restricted use freeways lanes reserved for vehicles with more than a predetermined number of occupants. The optimal solution is the one with minimum number of total distance, passenger 39 s ride time, and cost. In this final project, insertion heuristic is applied to obtain an initial solution and parallel tabu search algorithm is applied to improves the initial solution and obtain the optimal solutions."

"ABSTRAKPatient Assignment Problem merupakan suatu masalah penugasan untuk memasangkanpasien ke perawat pada pelayanan home care service. Solusi yang ingin didapatkanadalah pasangan yang tepat antara perawat dan pasien dengan tingkat ketakseimbanganbeban kerja perawat yang minimum. Skripsi ini membahas penggunaan algoritma tabusearch pada patient assignment problem.Penentuan solusi awal pada skripsi inimenggunakan metode random. Metode tabu search menggunakan dua strategi penting,yaitu strategi intensifikasi dan diversifikasi. Pada strategi intensifikasi akan dilakukanpencarian pada suatu daerah sehingga solusi yang terbaik di daerah ini ditemukan,sedangkan strategi diversifikasi merupakan mekanisme yang mencoba keluar darioptimal lokal dan melakukan pencarian ke daerah- daerah yang yang sebelumnya belumpernah/ jarang dikunjungi. Tujuannya digunakan strategi ini adalah untuk mendapatkankemungkinan nilai fungsi tujuan yang lebih baik.

---

ABSTRACTPatient assignment problem is an assignment problem to pair a number of patients to anumber of nurses in a home care service. The solution is a pair of nurse and patient withminimum unbalanced workload on the nurse. This final paper discuss is about tabusearch algorithm used on the patient assignment problem. The initial solution is usinggenerated random method. Tabu search method uses two important strategies calledintensification and diversification. In intensification strategy, the search of the bestsolution are focused in a certain area, while diversification focuses on the areas thatrarely or never visited before. In the aim of these strategies is to obtain a better solution."

"ABSTRAKA Dynamic Dial a Ride Problem with Money as an Icentive DARP-M adalah suatu per- masalah dalam pencarian rute optimal untuk memenuhi permintaan sejumlah pelanggan yang menggunakan sistem taxi sharing dengan kendala biaya. Taxi sharing merupakan suatu sistem dimana pelaku perjalanan individu yang berbagi kendaraan dengan pelaku perjalanan lain, yang mempunyai asal, tujuan dan waktu perjalanan yang sama atau ham- pir bersamaan. Solusi yang ingin dicapai pada tugas akhir ini adalah solusi yang dapat meminimumkan biaya perjalanan setiap permintaan. Pencarian solusi dari DARP-M pada tugas akhir ini menggunakan metode insertion heuristic dalam pembentukan rute awal dan metode large neighborhood search dalam penentuan rute optimal.

---

ABSTRACTA Dynamic dial a Ride Problem with Money as an Icentive DARP M is a problem of finding optimal route to serve customers demand which uses taxi sharing system with cost constraint. Taxi sharing is a system where individual customer share vehicles with other customer, who has same or similar origin, destination, and travel time. The optimal solution is the solution that can minimize the cost of each trip request. The search for the DARP M solution in this final project uses the insertion heuristic method for con struction of initial route and the large neighborhood search method for the optimal route determination. "

"Generalized Assignment Problem (GAP) adalah masalah penugasan sejumlah berhingga tugas pada sejumlah berhingga agen, dimana sebuah tugas harus dikerjakan tepat oleh satu agen, tetapi satu agen dapat mengerjakan lebih dari satu tugas. Setiap agen mempunyai kapasitas, dan setiap tugas mempunyai bobot, yang mungkin berbeda untuk setiap agen. Pada skripsi ini akan dilihat kinerja algoritma Simulated Annealing (SA) dalam menyelesaikan GAP, yang diukur berdasarkan kedekatan solusi yang diperoleh dengan best known solution (BKS) dari masalah penguji yang diambil dari OR-Library. Metode SA merupakan pengembangan dari metode local search (LS). Pencarian dengan algoritma SA berusaha keluar dari optimum lokal dari LS dengan memperbolehkan pencarian ke solusi yang tidak lebih baik dengan probabilitas tertentu yang dipengaruhi oleh temperatur. Dari simulasi yang telah dilakukan, dapat dikatakan bahwa algoritma SA cukup baik dalam menyelesaikan GAP dimana kesalahan relatif kurang dari 0,05. "

"Treveling salesman problem (TSP) adalah masalah mencari rute perjalanan melewati sejumlah berhingga tempat dengan syarat setiap tempathanya dikunjungi tepat satu kali dan perjalanan berawal dan berakhir di satu tempat. TSP berdasarkan kesimetrian terbagi menjadi TSP simetrik dan TSP asimetrik adalah TSP dimana bobot busur tidak bergantung pada arahan pembusuran ..."