Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada skripsi ini akan dibahas konsep ride sharing pada taksi, atau disebut juga taxi sharing, yang merupakan salah satu upaya untuk mengatasi masalah kemacetan akibat kurang seimbangnya jumlah kendaraan yang beredar dengan kapasitas jalan yang dapat menampung kendaraan. Pada taxi sharing, penumpang taksi berbagi kendaraan taksi dan biaya perjalanan dengan penumpang lain yang memiliki tempat asal-tujuan yang sama/hampir sama dalam waktu perjalanan yang hampir bersamaan. Pemanfaatan taxi sharing yang mengoptimalkan utilisasi kendaraan taksi, selain dapat mengurangi jumlah kendaraan taksi yang dibutuhkan untuk melayani konsumen dan mengurangi biaya operasional taksi, juga dapat mengurangi penggunaan bahan bakar, yang pada akhirnya mengurangi emisi gas buang kendaraan. Untuk memaksimalkan penggunaan taxi sharing, maka diperlukan pengoptimalan rute taksi dalam melayani penumpang, dimana masalah pencarian rute taxi sharing yang optimal dalam skripsi ini akan dimodelkan dalam bentuk mixed integer programming problem. Permasalahan ini diselesaikan menggunakan algoritma genetika, yang lahir dari sebuah inspirasi teori evolusi Darwin. Algoritma ini digunakan untuk mencari pasangan penumpang yang berbagi layanan taksi dan rute taksi yang optimal. Hasil percobaan dengan menggunakan ukuran populasi (popsize) 10, jumlah generasi 50 dan 100, crossover rate (Cr) 0.7, dan mutation rate (Mr) 0.2 menunjukkan bahwa yang sebelumnya terdapat 8 permintaan taksi dan 8 taksi, operator taksi dapat mengurangi jumlah taksi yang beroperasi sebesar satu taksi. Taksi yang menggunakan konsep taxi sharing, yaitu taksi 5 akan melayani permintaan 2 dan 8, dengan urutan menjemput permintaan 2 lalu 8, lalu mengantarkan permintaan 2 kemudian 8, dengan biaya yang dibayarkan Rp4.200,00 untuk permintaan 2 dan Rp14.700,00 untuk permintaan 8. Maka dari itu, keuntungan operator taksi menjadi lebih besar, penumpang dapat menghemat biaya perjalanan, dan penggunaan kendaraan di jalan berkurang.

---

This research will discuss about the implementation of taxi ride sharing system or taxi sharing as an attempt to find a solution for traffic jam problem that caused by an unequal number of public transportation units operated in the street and the lack of street capacity which supposed to facilitate it. With the present of taxi sharing system, consument can share their taxi trip with others passengers that going on to same direction at the same time. This solution can give benefit for consuments by sharing the trip cost while at the same time benefitted the public transportations provider to optimalized the utilization of the taxi units and cut off operationalization cost, benefitted society by minimalize the number of cars in the streets and reducing air polution from gasoline consumption. To make this taxi sharing system works it also needed an optimalization in taxi route for each trip service. This research will be trying to solved this challenges by examines the taxi-sharing route services through Mixed Integer Programming Problems. This process will be carried using a genetics algorythm which inspired from Darwin's theory of evolution. This algorithm is aiming to be effectively find and match pairs of passengers who use taxi sharing system and taxi routes. The experiment by using population size (popsize) of 10, number of generations 50 and 100, crossover rate (Cr) 0.7, mutation rate (Mr) 0.2 shows that from 8 taxi units to accomodate 8 taxi requests that have been received before, the taxi provider supposedly be able to effectively reduce the number of taxis into only 7 taxis to carry all of the sharing system passengers that requesting. A taxi that uses taxi sharing system will serve request number 2 and request number 8, by picking up request 2 then 8, then delivering request 2 then 8, with fees paid Rp4.200,00 for request 2 and Rp14.700,00 for request 8. Therefore, the profit of the taxi provider is greater, the passengers can save their trip costs, and the use of vehicles on the road can be decreased."

"Citra fraktal merupakan citra yang memiliki sifat self-similarity. Hal ini berarti bahwa fraktal tersusun atas bagian-bagian yang tampak sama dengan gambar itu sendiri secara keseluruhan. Penelitian ini bertujuan untuk melakukan kompresi citra menggunakan metode kompresi citra fraktal. Prinsip kompresi citra fraktal adalah melakukan pencarian blok ranah yang paling mirip dengan blok jelajah, kemudian menurunkan transformasi affine kontraktif yang memetakan blok ranah ke blok jelajah tersebut. Percobaan kompresi citra menggunakan metode kompresi citra fraktal memberikan rasio kompresi yang cukup tinggi. Penerapan algoritma genetika pada kompresi citra fraktal bertujuan mengurangi jumlah pemasangan blok ranah dan blok jelajah sehingga mempersingkat waktu kompresi."

"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."

"Penempatan posisi Access Point pada Jaringan Wifi.id yang tepat sangat diperlukan untuk mengoptimalkan kekuatan sinyal yang diterima dari transmitter ke receiver. Parameter yang paling mempengaruhi dalam menentukan performa posisi Access Point adalah nilai kekuatan sinyal, karena nilai inilah yang akan digunakan untuk menentukan coverage area (cakupan sinyal) dari sebuah transmitter (Access Point).Pada penelitan ini telah dilakukan pengukuran terhadap kekuatan sinyal access point terhadap penerima di ruang EBIS WITEL Yogyakarta yang diukur menggunakan InSSIDER dan dihasilkan RSSI (Receive Signal Strength Indicator) dari sebuah transmitter terhadap receiver. Dalam pengukuran juga digunakan propagasi Line Of Sight (LOS) dan propagasi Non Line Of Sight (NLOS). Data yang diperoleh dari hasil pengukuran dilapangan digunakan untuk melakukan pemodelan penempatan posisi Acces Point menggunakan metode algoritma genetika. Kekuatan sinyal RSSI yang diterima oleh receiver tidak hanya bergantung pada jarak antara transmitter dan receiver, akan tetapi menunjukkan variasi yang besar terhadap fading dan shadowing pada sebuah lokasi, juga pengaruh interferensi dapat menyebabkan penurunan sinyal (RSSI) yang diterima oleh receiver.Dari hasil penelitian yang dilakukan, diharapkan dapat menghasilkan pemodelan yang sesuai dan tepat guna dalam melakukan optimisasi penempatan posisi Access Point pada jaringan Wifi.Id menggunakan metode algoritma genetika.

---

Positioning of access point on wifi.id?s network on the right place is needed to optimize the signal strength received from the transmitter to the receiver . The parameters that most influence in determining the performance of the position of the access point is the value of the signal strength, because the value that will be used to determine the coverage area (signal coverage) of a transmitter (access point).

In this research has been done measuring the signal strength of the access point to the receiver in the room EBIS Witels Yogyakarta measured using inSSIDer and generated RSSI (Receive Signal Strength Indicator) from a transmitter to a receiver. Measurements were also used in the propagation of Line Of Sight (LOS) and propagation Non Line Of Sight (NLOS). Data obtained from field measurements are used for modeling the placement of the access point using genetic algorithm. RSSI signal strength received by the receiver does not only depend on the distance between transmitter and receiver, but showed a large variation against fading and shadowing at a location, also influence the interference can cause a decrease in the signal (RSSI) received by the receiver.

From the research conducted, is expected to generate appropriate modeling and effective in optimizing the placement of the access point on the wifi.id?s network using genetic algorithm."

"Sistem boiler pada pembahasan tesis ini merupakan sistem mutivariabel, yang mempunyai empat variabel keadaan, dua variabel masukan dan dua variabel keluaran. Dengan variabel pengendali adalah tekanan drum (drum pressure) (y1) dan selisih tingkat air/level air didalam drum (drum water level) (y3 ), sedangkan variabel yang dimanipulasi adalah laju aliran bahan bakar (fuel flow rate) ( u1 ) dan laju aliran air pengisi drum (feedwater flow rate) (u3).Tujuan dari sistem pengendalian boiler adalah untuk mengatur tekanan uap (drum pressure) (y1) disekitar 320 psi dan level air di dalam drum (drum water level) (y3) disekitar 0 inch terhadap perubahan beban uap. Salah satu pengendalian sistem boiler adalah pengendali PI. Pengendali PI ini akan mengendalikan boiler agar boiler mampu memiliki kinerja yang baik karena pengendali PI dapat mempercepat respon sistem menuju setpoint dan dapat menghilangkan offset atau error steady state.Pada pembahasan tesis ini pengendalian sistem boiler akan melakukan penalaan parameter pengendali PI berbasis algoritma genetika untuk mendapatkan nilai parameter yang optimal.Hasil yang diperoleh dari penalaan PI berbasis algoritma genetika pada pembahasan tesis ini sudah dapat mencapai kriteria yang diinginkan seperti overshoot, rise time dan settling time. Dan respon keluaran dari pengendali PI yang ditala dengan algoritma genetika ternyata menunjukkan hasil yang lebih baik jika dibandingkan dengan respon keluaran dari pengendali PI yang ditala dengan cara trial error seperti pada acuan [2] dan [3].

---

Boiler system described in this thesis is multivariable system, which have four state variable, two input and two output variable. Where variable control is drum pressure (y1) and delta drum water level (y3), whereas the manipulated variable is fuel flow rate (u1 ) and feedwater flow rate (u3 ).

The purpose in this boiler control is to make the drum pressure (y1) around 320 psi and drum water level (y3) around 0 inch towards the changes of steam load. One of boiler system control is PI controller. PI controller will control the boiler to make the boiler have a good performance, because PI controller can enforce system response more quicker into the set point and can eliminate offset or error steady state.

In this thesis a boiler system controller will do a tunning parameter on PI controller based on Genetic Algoritms to produce optimal parameter value.

The result from PI tunning based on Genetic Algorithm in this thesis already fulfill the criteria like overshoot, rise time, and settling time. And output respons from PI controller that have been tunning with genetic algoritms shows the better result when compares with output response from PI controller which tunning with trial error method [2] , [3]."

"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."

"Nilai transaksi perdagangan pada pasar valuta asing di seluruh dunia mencapai 3 Trilliun US Dollar setiap harinya. Dengan latar belakang seperti ini, wajar jika dibutuhkan sebuah sistem yang dapat memprediksi nilai kurs valuta asing dengan akurat. Dalam tugas akhir ini akan digunakan algoritma memetika untuk memprediksi kurs valuta asing. Algoritma memetika merupakan gabungan dari algoritma genetika dengan algoritma pencarian lokal. Model regresi yang digunakan yaitu model autoregressive, dimana untuk memprediksi nilai kurs pada hari ke n+1 digunakan data n hari sebelumnya. Tujuan dari penulisan tugas akhir ini adalah untuk melihatkemampuan dari algoritma memetika dalam memprediksi kurs valuta asing. Kemampuan dari algoritma memetika ini akan diukur berdasarkan persentase error yang relatif terhadap data kurs sebenarnya. Percobaan dilakukan menggunakan data kurs USD/IDR, USD/EUR, USD/GBP, USD/CHF, dan USD/JPY dari tahun 2000 sampai tahun 2007. Prediksi dilakukan dengan beberapa jenis data, yaitu data harian, mingguan, dan bulanan. Dari hasil percobaan, disimpulkan bahwa kemampuan algoritma memetika dalam memprediksi kurs valuta asing cukup baik. Persentase error terkecil didapat dari data 5 harian dengan kurs USD/IDR sebesar 0,3852 %, sedangkanpersentase error terbesar didapat dari data 6 bulanan dengan kurs USD/EUR sebesar 4,4766 %."