Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam teori graf, masalah jalur terpendek merupakan suatu masalah pencarian jalur antara dua verteks sedemikian sehingga jumlah bobot dari busur penyusunnya adalah minimum. Masalah jalur terpendek ini salah satunya dapat ditemui pada jaringan data, yakni proses routing pada saat pengiriman data dari node sumber ke node tujuan. Terdapat beberapa algoritma atau metode yang dapat memecahkan masalah jalur terpendek ini, pada skripsi ini akan dibahas penerapan algoritma genetika yang didasarkan prinsip evolusi biologi dalam penyelesaian jalur terpendek. Operator dasar yang digunakan pada skripsi ini adalah roda roulette untuk reproduksi, order crossover untuk crossover, dan insertion mutation untuk mutasi. Kinerja algoritma genetika akan diuji dengan menggunakan data dari OR-Library. Berdasarkan hasil percobaan diperoleh bahwa algoritma genetika cukup baik untuk digunakan dalam penyelesaian masalah jalur terpendek. Selain itu, ditunjukkan bahwa perubahan nilai parameter algoritma genetika ternyata mempengaruhi kinerja algoritma genetika dalam memperoleh solusi.

---

In graph theory, shortest path problem is a problem of finding a path between two vertices such that the total cost of the constituent edges is minimum. Shortest path problem can be found in data networks, namely routing process, when transmitting data from a source node to a destination node. There are several algorithms or methods that can solve this problem. In this final project, genetic algorithm based on principles of evolutionary biology is used to solve it. The basic operator for the genetic algorithm that used are the roulette-wheel for reproduction, order crossover, and insertion mutation. The performance of the genetic algorithm will be applied by using data from OR-Library. Based on the experiment result, the genetic algorithm is good enough to solve the shortest path problem. In addition, changes in values of parameters will affect the performance of the genetic algorithm in obtaining a solution."

"Lembaga pelatihan tempat dimana individu-individu akan diberikan pengetahuan khusus atau pelatihan yang berkaitan dengan bidangnya masing-masing memiliki karakteristik-karakteristik yang khusus dan tidak dimiliki oleh universitas, diantaranya adalah pada lembaga pelatihan fokus pada kebutuhan bisnis. Penjadwalan yang akurat, tepat dan menyeluruh sangat dibutuhkan pada suatu lembaga pelatihan, karena semakin tingginya kebutuhan akan pengetahuan dan keahlian-keahlian tertentu yang mau tidak mau harus dimiliki oleh setiap individu. Penjadwalan yang baik secara langsung akan berpengaruh pada meningkatnya kualitas individu-individu pada suatu lembaga atau perusahaan. Penjadwalan yang efisien akan dapat direalisasikan dengan menggunakan sebuah model matematis binary. Dalam penelitian ini, sebuah pengembangan model binary digunakan untuk membuat sebuah penjadwalan untuk pembelajaran kepemimpinan di lembaga pelatihan non universitas. Model ini mengoptimasi penjadwalan sehingga menjadi lebih efisien. Model dikembangkan berdasarkan masalah-masalah yang ada di lapangan dan diselesaikan menggunakan algoritma genetika dengan bahasa pemrograman Matlab. Model ini memberikan setiap pembelajaran pada kelas yang sesuai. Algoritma genetika dalam penelitian ini dapat menyelesaikan masalah penjadwalan kelas kepemimipinan dengan memenuhi batasan yang ada dengan optimal.

---

Training institutions where individuals will be given special knowledge or training related to their respective fields have special characteristics and are not owned by the university, among others, training institutions focus on business needs. Accurate, precise and comprehensive scheduling is needed in a training institution, because of the increasing need for certain knowledge and skills that must be owned by every individual. Good scheduling will directly affect the improvement of quality of individuals in an institution or company. Efficient scheduling will be realized using a binary mathematical model. In this study, a development of a binary model was used to make a scheduling for leadership learning in a non-university training institution. This model optimizes scheduling so that it becomes more efficient. The model was developed based on problems in the field and solved using genetic algorithms with the Matlab programming language. This model provides each learning in the appropriate class. The genetic algorithm in this study can solve the problem of scheduling leadership classes by optimally meeting existing constraints."

"Dalam dunia bisnis selalu terdapat aksi persaingan. Perusahaan yang memiliki daya saing yang tinggi maka akan mampu bertahan. Perkembangan jasa pelayanan maskapai penerbangan dari tahun ke tahun semakin menjadi perhatian masyarakat luas. Fenomena ini sudah banyak ditangani oleh perusahaan termasuk perusahaan penerbangan dalam negeri PT. X, namun penjadwalan yang kurang optimal masih menjadi penghambatnya. Masalah yang paling mendesak bagi maskapai PT. X adalah biaya operasional yang sangat tinggi melebihi nilai pemasukan perusahaan. Makalah ini menawarkan kerangka kerja bagi perusahaan penerbangan untuk menyusun penjadwalan awak pesawat, dengan menggunakan model optimasi yang optimal sambil mempertimbangkan serangkaian aturan dan batasan yang berlaku dalam penerbangan.

---

In the business world there is always competition action. Companies that have high competitiveness will be able to survive. The development of airline services from year to year is increasingly a concern of the public. This phenomenon has been handled by many airline companies including domestic airlines company PT. X, but less optimal scheduling is still a barrier. The most pressing issue for PT. X is that the operational costs exceed the company 39 s revenue. This paper offers a framework for airlines to develop aircraft scheduling schedules, using optimized optimization models while considering a set of rules and restrictions in flight."

"Kanker adalah salah satu penyebab kematian utama di dunia,dengan jumlah kematian sekitar sepuluh juta kematian setiap tahun. Kanker hati menempati peringkat keenam untuk jenis kanker yang umum terjadi pada pria dan wanita. Menurut penelitian, pendeteksian dini penting untuk mencegah penyebaran kanker ke organ lain. Hal ini menyebabkan penggunaan machine learning di bidang medis untuk mengklasifikasikan data kanker agar manghasilkan diagnosis yang tepat. Namun ada kalanya dibutuhkan lebih dari satu algoritma untuk meningkatkan akurasi. Maka dari itu, penelitian ini bertujuan untuk menganalisis pengaruh Genetic Algorithm sebagai penyetelan hyperparameter untuk nilai akurasinya, Penggunaan Random Forest dengan Genetic Algorithm sebagai penyetel hyperparameter memberikan akurasi sebesar 85% dengan data testing 90%. Sementara untuk Random Forest saja, hasil akurasi tertinggi adalah 73% dengan data testing sebesar 40%.

---

Cancer is one of the leading causes of mortality worldwide, with approximately ten million deaths each year. Liver cancer is the sixth most common type that occurs in both men and women. According to scientific studies, early detection is important to prevent the spread of this ailment to other organs. This led to Machine Learning in medical fields for classifying cancer data to produce an accurate diagnosis. However, there are times where just one machine learning algorithm is not giving a good accuracy score. Therefore, this study aims to analyze the effect of using Genetic Algorithm as hyperparameter tuning in terms of the accuracy level. The usage of  Random Forest with Genetic Algorithm as the hyperparameter tuning algorithm gives the accuracy of 85% with 90% data testing. Meanwhile, with Random Forest alone, the highest accuracy score is 73% with 40% testing data."

"Imagine Cup adalah kompetisi di bidang teknologi yang menantang para pelajar dan mahasiswa di seluruh dunia untuk memecahkan suatu permasalahan. Kompetisi ini diselenggarakan setiap tahun dan telah dimulai sejak tahun 2002. Kompetisi ini telah diikuti oleh lebih dari 100 negara, termasuk Indonesia. Project Hoshimi adalah salahsatu dari 9 kategori yang diperlombakan dalam Imagine Cup sejak tahun 2005.Pada Project Hoshimi 2007 terdapat beberapa jenis permasalahan yang harus diselesaikan. Salah satu permasalahan yang penulis kerjakan sebagai Tugas Akhir adalah Unique Navigation Objective, dimana peserta akan diberikan koordinat titik-titik yang tersebar pada jaringan untuk dikunjungi satu per satu oleh sebuah objek bergerak yang disebut nanobot. Penyelesaian dari permasalahan ini adalah mengunjungi setiap titik navigasi yang tersebar satu per satu dalam batasan waktu tertentu.Unique Navigation Objective adalah model permasalahan yang hampir dapat digolongkan sebagai Travelling Salesman Problem. Hanya saja pada permasalahan ini, biaya yang dikenakan untuk mengadakan perjalanan dari masing-masing titik ke titik lainnya belum diketahui. Untuk itu, diperlukan metode untuk mencari jalur terdekatantara 2 titik pada sebuah peta. Sehingga setelah diketahui setiap jarak antara 2 titik pada Unique Navigation Objective, maka model permasalahan Travelling Salesman Problem dari Unique Navigation Objective telah didapatkan. Pada penelitian ini, penulis mengimplementasikan algoritma A* untuk mencari jalur terdekat antara 2 buah titik yang dapat ditempuh oleh objek nanobot. Sedangkan untuk mencari solusi Travelling Salesman Problem dari Unique Navigation Objective, penulis mengimplementasikan Genetic Algorithm. Landasan teori selengkapnya mengenai algoritma A* dan Genetic Algorithm dijelaskan pada Bab II."

"Database genomik semakin banyak digunakan oleh ahli biologi sebagai alat bantu utama mendapatkan informasi genetika dari suatu organisme melalui rangkaian DNA organisme tersebut. Hal yang biasanya dilakukan adalah mencari rangkaian DNA yang mempunyai susunan basa yang mirip dengan rangkaian DNA yang ingin dipelajari. Berbagai metode telah dikembangkan untuk mencari DNA-DNA dalam database genomik yang jumlahnya semakin meningkat. Metode-metode dikembangkan dengan pendekatan yang berbeda-beda, misalnya meningkatkan keakuratan dengan cara mengurangi kecepatan proses. Salah satu metode adalah metode CAFE yang menggunakan inverted indek yang merepresentasikan DNA-DNA dalam database genomik untuk mempercepat pencarian DNA. Metode ini pertama kali diperkenalkan oleh Hugh Williams pada tahun 1998. Tugas akhir ini mencoba mengimplementasikan metode CAFE untuk mencari DNA dan membandingkan DNA dalam database dengan DNA query. Tugas akhir ini akan mengevaluasi retrieval effectiveness dari metode CAFE yang menggunakan panjang gram yang berbeda-beda. Panjang gram yang kecil menyebabkan pencarian semakin teliti sehingga nilai recall semakin besar. Semakin panjang gram yang digunakan maka nilai precision akan semakin tinggi. Bertambahnya nilai threshold akan memperbesar nilai recall dan menurunkan nilai precision. Hasil eksperimen menunjukkan bahwa metode CAFE merupakan metode yang efektif karena dapat sebagian besar rangkaian yang relevan diakses pada setiap eksekusi query. "

"Permasalahan lokasi alokasi sekolah bertujuan untuk menghasilkan distribusi peserta didik ke sekolah sedemikian sehingga total jarak perjalanan siswa minimum. Permasalahan ini termasuk jenis masalah kombinatorial dan dapat dimodelkan sebagai permasalahan p-median. Pada penelitian ini, pendekatan algoritma hibrida firefly-genetika digunakan untuk menyelesaikan masalah lokasi alokasi sekolah dengan studi kasus SMP Negeri di Jakarta Selatan. Algoritma firefly diusulkan karena kemampuannya yang baik dalam mengarahkan konvergensi solusi ke nilai fungsi objektif yang lebih baik dalam permasalahan dengan fungsi kontinu. Algoritma genetika diusulkan karena kemampuan operasi genetikanya yang dapat menjaga variasi individu dalam populasi sehingga dapat menghindarkan solusi terjebak di nilai optimum lokal. Hasil pengujian menunjukkan nilai jarak perjalanan yang didapatkan oleh algoritma hibrida firefly-genetika lebih baik daripada algoritma firefly dan algoritma genetika. Untuk nilai parameter yang sama, waktu komputasi algoritma hibrida firefly-genetika relatif sama dengan algoritma firefly, namun jauh lebih tinggi dari algoritma genetika.

---

School location allocation problem aims to distribute students to schools such that the total of students travel distance is minimum. This problem is a type of combinatorial problem and can be modeled as a p-median problem. In this study, hybrid firefly-genetic algorithm is used to solve school location allocation problem with case study of South Jakarta junior public schools. Firefly algorithm is proposed because of its ability in directing the convergence to better solutions in continuous problems. Genetic algorithm is proposed because its genetic operators can maintain individual variation in the population to avoid a solution getting stuck at local optimum. The experiment results show that the total travel distance obtained by hybrid firefly-genetic algorithm is better than firefly algorithm and genetic algorithm. For the similar parameter values, the computational time of hybrid firefly-genetic algorithm is quite same as firefly algorithm, but much higher than genetic algorithm."

"Jaringan saraf tiruan telah banyak dikembangkan untuk aplikasi pengenalan pola objek 3 dimensi. Salah satu metode pengenalan objek 3 dimensi melalui citra 2 dimensi dari berbagai sudut pandang telah dikembangkan dengan cara memodifikasi arsitektur lapis tersembunyi pada jaringan multi-layer perceptron menjadi bentuk silindris dan menggunakan metode pelatihan propagasi balik yang dikenal dengan Cylindrical Hidden Multi-Layer Perceptron Back Propagation (CHMLP-BP).Metode ini melibatkan pasangan berarah antara vektor sudut pandang terhadap objek dengan vektor posisi neuron pada lapis tersembunyi yang diabstraksikan ke dalam konstanta yang akan berperan dalam proses pelatihan maupun pengenalan[1]. Kinerja JST CHMLP-BP tersebut masih kurang baik dan diperbaiki dengan menambah neuron pada lapis tersembunyi secara acak sehingga membentuk arsitektur lapis tersembunyi konsentris[2]. Walaupun kinerja meningkat, pertambahan neuron pada lapis tengah secara acak belum membuktikan bahwa struktur jaringan dan kinerja jaringan telah optimal.Algoritma Genetika adalah sebuah teknik untuk pencarian solusi optimal untuk berbagai macam permasalahan. Penulis menggunakan Algoritma Genetika untuk mencari struktur jaringan dan kinerja jaringan yang telah optimal.Penggunaan Algoritma Genetika untuk optimasi terhadap JST CHMLP-BP dilakukan terhadap dua hal. Satu, optimasi pada jumlah bobot-bobot koneksi jaringan, dengan membuang koneksi-koneksi yang tidak diperlukan. Dua, optimasi pada jumlah neuron-neuron tersembunyi, dengan membuang neuron-neuron tersembunyi yang tidak diperlukan.Hasil eksperimen menunjukkan bahwa dengan parameter-parameter yang tepat, Algoritma Genetika dapat mereduksi ukuran jaringan dan meningkatkan kemampuan pengenalan pola. Analisa terhadap parameter-parameter tersebut menunjukkan penggunaan parameter-parameter yang berbeda untuk tiap persoalan optimasi JST."

"ABSTRAKDua tantangan teknis yang menjadi kunci bagi terselenggaranya Internet of Things adalah banyaknya peranti yang aktif secara bersamaan dan bandwidth link yang terbatas. Untuk dapat melayani banyak peranti pada bandwidth link yang terbatas, maka diperlukan sebuah algoritma penjadwalan (scheduling algoritthm) yang mengatur timing dari peranti-peranti tersebut dalam menggunakan kanal-kanal bandwidth. Salah satu algoritma penjadwalan yang disebutkan dalam dokumen IETF adalah Traffic Aware Scheduling Algorithm (TASA), sebuah algoritma penjadwalan terpusat untuk jaringan IEEE802.15.4e TSCH. Dengan mengacu pada TASA, penelitian ini mengusulkan sebuah algoritma penjadwalan link baru yang dinamakan Iman Ramli Bursty Transmission Scheduling Algorithm (IRByTSA). Algoritma IRByTSA memiliki tingkat kompleksitas yang rendah dan melebihi kecepatan TASA dalam menghasilkan link-scheduling decision. Hasil penelitian memperlihatkan bahwa kompleksitas IRByTSA adalah dengan tingkat kecepatan dalam membangkitkan link-scheduling decision sampai dengan 7,14 kali lipat dibandingkan TASA. Penelitian ini telah dapat membangun sebuah tool baru yang dinamakan TSCH Link-Scheduling Visualization and Data Processing (TLS-VaD) yang dapat membantu penelitian di bidang rancang-bangun algoritma penjadwalan link terpusat untuk jaringan IEEE802.15.4e TSCH.

---

ABSTRACTTwo technical challenges that are key to the implementation of the Internet of Things are the many devices that are active simultaneously and the limited link bandwidth. For serving many devices in a limited link bandwidth, a scheduling algorithm is needed to regulate the timing of these devices in using bandwidth channels. One of the scheduling algorithms mentioned in the IETF document is the Traffic-Aware Scheduling Algorithm (TASA), ie, a centralized scheduling algorithm for the IEEE802.15.4e TSCH network. Referring to TASA, this study proposes a new link-scheduling algorithm called Iman Ramli Bursty Transmission Scheduling Algorithm (IRByTSA).  IRByTSA has a low level of complexity and exceeds the TASA's speed in generating link-scheduling decisions. The results showed that the complexity of IRByTSA is  , with the rate of speed in generating link-scheduling decisions is up to 7.14 times compared to TASA. This research has also been able to develop a new tool called TSCH Link-Scheduling Visualization and Data Processing (TLS-VaD), which can be used for designing a centralized link-scheduling algorithm for the IEEE802.15.4e TSCH network."

"Principal Componen Analysis (PCA) merupakan sebuah metode transformasi yang sangat berguna dalam sistem pengenalan wajah tiga dimensi. PCA berperan sangat baik sebagai alat pengekstraksi ciri yang sangat dibutuhkan dalam proses klasifikasi objek tiga dimensi yang diwakili oleh sekumpulan citra wajah dua dimensi. Dalam proses ekstraksi ciri dilakkan transformasi yang sekaligus melibatkan proses reduksi dimensi untuk mendapatkan ciri-ciri optimal sebagai basis ortogonal ruang wajah. Namun pada setiap himpunan citra wajah yang berbeda proses ini harus dilakukan berulang-ulang karena tingkat reduksi dimensi tersebut ditentukan oleh suatu parameter proporsi kumulatif nilai eigen yang harus ditentukan secara manual dari luar sistem. Akibatnya, proses untuk mendapatkan tingkat reduksi dimensi yang terbaik menjadi terhambat karena adanya proses trial and error tersebut. Disini akan dijelaskan sebuah metode untuk mengotomatisasi dan mengoptimasi proses di atas dengan menunjukkkan kinerja yang tidak kalah bahkan mampu memperbaiki kinerj PCA tanpa dikombinasikan dengan alogritma genetika, sehingga disini proses otomasi dan optimasi yang diharapkan dapat dinyatakan berhasil."