Hasil Pencarian  ::  Simpan CSV :: Kembali

"Seiring dengan meningkatnya jumlah permintaan terhadap produk dan persaingan bisnis yang tinggi, peranan jaringan distribusi produk sangat berpengaruh dalam menjaga eksistensi usaha. Untuk menjamin kelancaran distribusi, maka perlu ditentukan jumlah dan lokasi titik distribusi (distribution points) yang optimal. Semakin banyak jumlah distribution points, akan lebih memberikan kepastian terpenuhinya demand di wilayah tersebut, akan tetapi juga akan membutuhkan biaya yang lebih besar. Demikian sebaliknya. Oleh karena itu diperlukan suatu studi untuk menentukan jumlah dan lokasi yang optimal dari distribution points agar perusahaan dapat meminimumkan biaya distribusi produknya. Metode yang digunakan adalah Algoritma Tabu Search dengan pendekatan centre of gravity.

---

Along with the increasing number of requests for product and the high competition of business nowadays, the role of distribution network is very important in maintaining the existence of the business. To ensure the distribution will be going smoothly, it is necessary to determine the number and location of distribution points. The more distribution points we have, the more demand will be covered in the region, but also will require a greater cost. This also happens to the case of fewer distribution points. Therefore we need a study to determine the optimal number and location of distribution points so that companies can minimize the distribution cost of its products. The method is Tabu Search Algorithm with the center of gravity approach."

"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."

"Penelitian ini akan membahas masalah penjadwalan Job shop (Job shop scheduling problem). Kerumitan pada masalah penjadwalan job shop disebabkan karena pada proses setiap komponen memiliki aliran yang berbeda sehingga dibutuhkan penjadwalan untuk menentukan urutan pengerjaan setiap komponen. Karena kompleksnya masalah penjadwalan produksi, maka solusi penyelesaian terhadap masalah ini dilakukan dengan menggunakan pendekatan heuristik yaitu metode algoritma tabu search. Algoritma tabu search, yaitu suatu pendekatan heuristik dalam pencarian solusi berdasarkan pada metode optimasi, dimana algoritma ini menggunakan daftar tabu dan iterasi lokal untuk mencegah terjebak pada local optimal hingga tercapainya solusi mendekati terbaik. Pada model jobshop penelitian ini terdapat 5 job dengan 98 komponen yang di kerjakan di 8 mesin. Fungsi tujuan dari permasalahan ini ialah meminimalkan total waktu pengerjaan seluruh job. Hasil penjadwalan produksi yang diperoleh melalui algoritma tabu search setelah 20 iterasi menghasilkan minimal makespan seluruh job sebesar 197.50 jam. Jadi, jika dibandingkan dengan jadwal produksi yang lama, maka terjadi penurunan makespan yaitu sebesar 53,87 %.

---

This research will present Job shop scheduling problem. The complexity of the job shop scheduling problem is caused the process of each component having different flow process. that it takes to determine sequencing of processing for each component in the scheduling. Due to the complex problem of production scheduling, then the solution to the problem of settlement is done by using a heuristic approach to taboo search algorithm method. Taboo search algorithm, which is a heuristic search approach based on the solution methods of optimization, where this algorithm uses a local list of taboo and iterations to prevent getting stuck on a local optimum to the achievement of a solution approach the best. In this model there are 5 jobs with 98 components that are in working on the 8 machines. The purpose of this function is to minimize the problems of the total cost of makespan. Production scheduling results obtained through taboo search algorithm after 200 iterations produces minimal makespan whole job of 197.5 hours. So, when compared to the long production schedule, then decline the makespan of 53.87%."

"Perkembangan penggunaan internet dimanfaatkan dalam dunia pendidikan melalui metode Distance learning. Sebagai Salah satu bagian dari proses pendidikan. pelaksanaan ujian dalam Distance Learning dirasa memerlukan perhatian. Tanpa adanya evaluasi maka tidak dapat diketahui keberhasilan proses pembelajaran. ADES (Agent-based Distance Educational System) sebagai Salah satu sistem yang menggunakan metode Dfsmnce Learning memiliki algoritrna yang cukup baik untukmenetukan tingkat pemahaman pelajar terhadap materi yang diajarkan serta untuk memilih soal ujian. Soal ujian yang dipilih dipengaruhi oleh hasil ujian sebelumnya. Algoritma sistem ini dapat digunakan untuk membantu proses evaluasi karena pengajar dapat mengetahui tingkat pemahaman masing-masing pelajar. Modui Ujian dibuat menggunakan bahasa pemrograman PHP dan HTML serta database MySQL umuk penyimpanan datanya. Dalam aplikasinya algoritma ADES yang digunakan disesuaikan dengan kebutuhan modul ujian. Dengan penggunaan algoritma ADES pada modul ujian penentuan lingkat pemahaman pelajar menjadi Iebih akurat dibandingkan melalui ujian biasa. Hal ini disebabkan karena setiap pelajar akan memperoleh soal ujian yang berbeda tingkat kesukarannya, tergantung dari hasil ujian sebelumnya. Dengan demikian setiap pelajar akan memperoleh nilai yang sesuai dengan ringkat pemahamannya pada pelajaran tersebut."

"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"

"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"."

"ABSTRAKDalam sistem basis data terdistribusi, replikasi dilakukan untuk tujuan meningkatkan ketersediaan data yakni mengatasi masalah kegagalan data pada beberapa site serta ' memperbaiki kinerja sistem dengan melibatkan replika seminimal mungkin dalam setiap transaksi. Penelitian ini bertujuan membuat suatu algoritma yang mempunyai kinerja lebih baik dibandingkan dengan algoritma-algoritma berbasis Konsensus Kuorum dan algoritma ini mempunyai kinerja yang lebih baik untuk transaksi-transaksi tertentu dibandingkan dengan algoritma Read One Write All. Algoritma ini dibuat dengan asumsi kebaruan data tidaklah menjadi prasyarat. Penelitian ini menghasilkan algoritma Penghitungan Konsistensi yang transaksi tulisnya cukup melibatkan sejumlah kuorum tulis replika dan transaksi bacanya cukup melibatkan sebuah replika pertama dari pasangan partisi data yang saling konsisten. Pembuktian terhadap algoritma Penghitungan Konsistensi dilakukan secara induksi. Untuk melihat kinerja algoritma ini, dibuat suatu program simulasi yang membandingkan ketiga algoritma: Penghitungan Konsistensi, Konsensus Kuorum dan Read One Write All. Simulasi dilakukan dengan mengeksekusi ketiga algoritma terhadap transaksi-transaksi yang jenisnya bervariasi. Dari hasil simulasi ini, lama waktu komputasi konsistensi menunjukkan bahwa algoritma Penghitungan Konsistensi umumnya lebih baik daripada kedua algoritma lainnya; kecuali bila persentase transaksi baca tinggi sekali (di atas 78% transaksi baca), maka algoritma Read One Write All lebih baik. Jumlah replika yang terlibat transaksi menunjukkan bahwa algoritma Penghitungan Konsistensi umumnya lebih baik dibandingkan kedua algoritma lainnya (sekitar 85% bare tersusul oleh algoritma Read One Write All)."

"Maraknya keberadaan minimarket di Jakarta khususnya di daerah perumahan seperti di kawasan Perumnas Klender Jakarta Timur membuat pihak manajemen dari suatu minimarket di daerah tersebut ingin melakukan kebijakan-kebijakan untuk meningkatkan penjualan. Salah satu kebijakannya adalah dengan merancang discount untuk pembelian suatu kombinasi produk tertentu. Untuk melakukan hal tersebut harus diketahui kombinasi produk apa yang diminati oleh pelanggan, Salah satu caranya dengan Metode Kaidah Asosiasi. Metode Kaidah Asosiasi menggunakan algoritma Apriori untuk menghasilkan aturan-aturan asosiasi. Aturan asosiasi ini akan memberikan informasi mengenai kombinasi produk yang diminati oleh pelanggan, sehingga pihak manajemen dapat melakukan kebijakan-kebijakan untuk menarik para pelanggan berbelanja di minimarketnya.Kata kunci : Data transaksi, itemset, frequent, algoritma Apriori, support, confidence, aturan asosiasi.ix + 39 hlm ; lampBibliografi : 8 (1995-2006)"