Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Pendeteksian topik adalah proses untuk menemukan topik atau pokok pembahasan utama dalam suatu kumpulan dokumen. Untuk data yang besar, pendeteksian topik dengan manual sulit atau bahkan tidak mungkin dilakukan. Sehingga, dibutuhkan metode otomatis yang dikenal dengan istilah Topic Detection and Tracking (TDT). Pada penelitian ini metode TDT yang digunakan untuk masalah pendeteksian topik adalah fuzzy C-means (FCM). FCM bekerja cukup baik pada dimensi data yang rendah, tetapi gagal pada dimensi data yang tinggi. Pada metode fuzzy c-means umumnya dilakukan inisialisasi random yang menyebabkan data konvergen ke satu pusat (centre of gravity) sehingga topik-topik yang dihasilkan antara satu dengan yang lainnya sama. Untuk mengatasi masalah tersebut dibutuhkan inisialisasi yang tidak random, yaitu dengan menggunakan inisialisasi berbasis singular value decomposition (SVD). Hasil akurasi dari metode ini menunjukkan adanya peningkatan lebih baik dibandingkan dengan metode FCM dengan inisialisasi random. Dengan nilai akurasi terbaik untuk FA Cup adalah 0,923, untuk US Elections adalah 0,661 dan untuk Super Tuesday adalah 0,727.

---

ABSTRACT
Topic detection is the process of finding the main topic or topic in a document. For large data, manual topic detection is difficult or even impossible. Thus, it takes an automatic method known as Topic Detection and Tracking (TDT). In this research the TDT method used for topic detection problem is fuzzy C-means (FCM). FCM works reasonably well on low data dimensions, but fails on high data dimensions. In the method of fuzzy c-means is generally done random initialization that causes data convergent to one center (center of gravity) so that the topics generated from one another are equal. To solve this problem requires non-random initialization, ie by using a singular value decomposition (SVD) based initialization. The accuracy of this method shows a better improvement compared to the FCM method with random initialization. With the best accuracy value for the FA Cup is 0.923, for US Elections is 0.661 and for Super Tuesday is 0.727.

Abstrak :
ABSTRAK
Patient Assignment Problem merupakan suatu masalah penugasan untuk memasangkan pasien ke perawat pada pelayanan home care service. Solusi yang ingin didapatkan adalah pasangan yang tepat antara perawat dan pasien dengan tingkat ketakseimbangan beban kerja perawat yang minimum. Skripsi ini membahas penggunaan algoritma tabu search pada patient assignment problem.Penentuan solusi awal pada skripsi ini menggunakan metode random. Metode tabu search menggunakan dua strategi penting, yaitu strategi intensifikasi dan diversifikasi. Pada strategi intensifikasi akan dilakukan pencarian pada suatu daerah sehingga solusi yang terbaik di daerah ini ditemukan, sedangkan strategi diversifikasi merupakan mekanisme yang mencoba keluar dari optimal lokal dan melakukan pencarian ke daerah- daerah yang yang sebelumnya belum pernah/ jarang dikunjungi. Tujuannya digunakan strategi ini adalah untuk mendapatkan kemungkinan nilai fungsi tujuan yang lebih baik.

---

ABSTRACT
Patient assignment problem is an assignment problem to pair a number of patients to a number of nurses in a home care service. The solution is a pair of nurse and patient with minimum unbalanced workload on the nurse. This final paper discuss is about tabu search algorithm used on the patient assignment problem. The initial solution is using generated random method. Tabu search method uses two important strategies called intensification and diversification. In intensification strategy, the search of the best solution are focused in a certain area, while diversification focuses on the areas that rarely or never visited before. In the aim of these strategies is to obtain a better solution.