Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Persaingan antar perguruan tinggi di Indonesia akan semakin ketat, pertama karena bertambahnya kuantitas dan kualitas perguruan tinggi swasta dan negeri, kedua semakin terbukanya kesempatan perguruan tinggi luar negeri untuk masuk ke Indonesia dalam bentuk kerjasama dengan perguruan tinggi yang ada di Indonesia dan yang ketiga semakin tingginya kesadaran dan pemahaman masyarakat dalam memilih perguruan tinggi. Penelitian ini, bermaksud untuk mengembangkan model System Dynamics yang dapat digunakan sebagai perangkat perancangan perencanaan kebijakan strategis di sebuah perguruan tinggi. Model ini terdiri dari enam submodel, yaitu submodel pemasaran, submodel keuangan, submodel akademik, submodel SDM dan submodel sarana dan prasarana. Melalui model System Dynamics perguruan tinggi yang telah dibangun, dilakukan serangkaian eksperimen kebijakan pengembangan perencanaan, untuk melihat pengaruh kebijakan terhadap perilaku kriteria performansi sistem yang telah ditentukan. Analisis terhadap perilaku model menghasilkan tiga usulan skenario kebijakan di Universitas X, yaitu skenario Optimis, skenario Normal dan skenario Pesimis, yang nilai variabel kebijakan masing ? masing disesuaikan dengan ketersediaan sumber daya pendukung yang dimiliki oleh universitas X. ......High education rivalry in Indonesia will progressively tighten; first because the increasing of quality and quantity of private and state university, second is progressively open an opportunity for overseas university into Indonesia on the cooperation form with local university in Indonesia and the third is increasingly the awareness and understanding of society in choosing university. This research, are intend to develop a model of System Dynamics that able used as a peripheral scheme planning of strategic policy in a high education. This model consist of six sub-model, that is marketing sub-model, monetary sub-model, academic sub-model, HRD sub-model and basic facilities and facilities sub-model. By the System Dynamics of high education Model which has been built up, there are several policy experiment of planning development, to see the influence of the policy to the behavior ob the criterion of performance system which have been determined. The Analysis on model behavior create three proposal of scenario policy in X University , that is Optimism scenario, Normal scenario and Pessimist scenario, which has been adapted with the limited support resource on X university.

Abstrak :
Tulisan ini membahas mengenai masalah penggantian dari suatu peralatan. Untuk mendapatkan nilai optimal pada penyelesaiannya, digunakan program dinamik deterministik.

Abstrak :
Kebutuhan manusia terus bertambah kompleks, seiring dengan bertambahnya waktu. Dengan ditemukan beberapa teknologi yang pasti membutuhkan raw material, maka sernakin pelik masalah kebutuhan manusia. Sayangnya tidak semua tempat dapat memenuhi atau mencukupi kebutuhan tersebut sendiri, sehingga harus medapatkannya ditempat lain. Pengelolaan dan pengaturan produksi dan distribusi semen menjadi sangat penting karena selama ini demand cenderung lebih besar daripada supply, untuk itu diperlukan suatu sistem pemenuhan kebutuhan yang unik sesuai dengan kondisi yang ada. Berdasarkan pertimbangan diatas, maka skripsi ini dibuat untuk mengadakan suatu pendekatan model dinamik sistem manajemen logistik. Pada skripsi ini dibuat suatu model yang sederhana menggunakan software POWERSIM dengan variabel yang stochastic dengan data artificial. Dari pemodelan dengan data artificial tersebut dapat dilihat hubungan antar variabel-variabel yang random. Terdapat dua kebijakan yang berbeda pada pemenuhan kebutuhan pesanan pada empat region yang berbeda. Dari simulasi yang dijalankan dapat dilihat kinerja pabrik tersebut melalui grafik dan tabel. Uji kebijakan pada skenario ini terletak pada sistem pemenuhan pesanan untuk empat region yang berbeda jaraknya, sehingga didapat Level of service dari pabrik tersebut. Sebagai model dasar maka model ini bersifat sederhana sehingga dapat dikembangkan pada model-model selanjutnya. Berdasarkan hasil yang didapat dari simulasi yang dilakukan pada software POWERSIM dapat disimpulkan efektifitas dari skenario tersebut.

Abstrak :
Teknologi IP saat ini mempunyai beberap kelemahan khususnya bagi layanan realtime yang berbemtuk suara dan video. Selain itu Teknologi IP juga memiliki permasalahan inkompabilitas terhadap teknologi ATM. Dengan kemampuan yang ada padanya, teknologi MPLS muncul sebagai solusi bagi berbagai pcrsoalan teknolgo IP. Salah satu kehandalan yang ditawarkan oleh MPLS adalah kemampuannya unmk mencegah banyaknya paket yang terbuang, akbiat terjadinya kerusakan jalur. Berbagai macam metode yang ditawarkan muncul dengan berbagai kelebihan dan kekurangannya Metode yang dapa melakukan restorasi jalur pada jaringan MPLs diantaranya adalah shortest dynamic dan simple dynamic. Parameter yang digunakan untuk melihat kinerja path restoration pada jaringan MPLS adalah Paket yang berubah-ubah dan link failure. Simuluasi dilakukan dengan mengukur paket yang diterima dan paket yang tidak terurut. Dari basil simulasi, metode shortest dynamic memiliki beberapa keunggulan dibandingkan dengan metode simple dynamic karena paket yang diterima lebih banyak dan paket yang tidak terurut lebih sedikit.

Abstrak :
Discounted {0-1} Knapsack Problem (DKP) adalah perluasan dari {0-1} Knapsack Problem (KP). Pada DKP akan dipilih sebuah himpunan kelompok-kelompok barang, dimana setiap kelompok terdiri dari tiga barang dan paling banyak satu dari tiga barang dapat dipilih. Barang ketiga dalam setiap kelompok merupakan gabungan dari barang pertama dan barang kedua. Dengan menggunakan konsep inti alternatif, DKP dapat dipartisi ke dalam beberapa submasalah berdasarkan tipe-tipe kasusnya (tidak berkorelasi, berkorelasi lemah, dan berkorelasi kuat). DKP yang telah dipartisi ini disebut partitioned DKP. Jika kasus dari DKP diketahui berkorelasi lemah atau berkorelasi kuat, maka dapat dilakukan partisi lebih lanjut lagi untuk memperbaiki efisiensi solusinya. Baik DKP maupun partitioned DKP dapat diselesaikan dengan menggunakan pemrograman dinamik. Berdasarkan percobaan numerik, penyelesaian partitioned DKP lebih efisien daripada penyelesaian DKP untuk semua kasus DKP, dengan tingkat efisiensi sekitar 11,79% untuk kasus tidak berkorelasi, 30,28% untuk kasus berkorelasi lemah, dan 41,84% untuk kasus berkorelasi kuat. ......The Discounted {0-1} Knapsack Problem (DKP) is an extension of the {0-1} Knapsack Problem (KP). On DKP, it will be selected a set of item groups where each group consists of three items, and at most one of the three items can be selected. The third item in each groups is a combination of first item and second item. By using concept of alternative core, DKP can be partitioned to some sub problems based on types of DKP instances (uncorrelated, weakly correlated and strongly correlated). If DKP is known as weakly correlated or strongly correlated, so it could be more partitioned for improving the solution efficiency. DKP and partitioned DKP could be solved by dynamic programming. Based on numerical experiments, solving partitioned DKP are more efficient than solving DKP for all cases of DKP, with efficiency level about 11.79% for uncorrelated instances, 30.28% for weakly correlated instances, and 41.84% for strongly correlated instances.

Abstrak :
Penjadwalan unit pembangkit menentukan unit yang hidup dan mati. Dari unit pembangkit yang hidup tersebut ditentukan besar pembebanan ekonomis pada masing-masing unit dengan memperhatikan kondisi optimal serta batasan-batasan (constrain) unit pembangkit. Operasi ekonomis adalah bagaimana mengatur karaktersitik-karakteristik masukan dan keluaran dari masing-masing pembangkit. Pada operasi sistem tenaga listrik, biaya bahan bakar menempati biaya yang terbesar (pembangkit termal) yaitu sekitar 60% dari biaya operasi secara keseluruhan. Pengendalian operasi ini menjadi hal yang sangat penting, optimalisasi satu persen saja untuk sistem berskala besar akan menghasilkan penghematan dalam orde milyaran rupiah pertahun. Apalagi jika berhasil dilakukan optimasi yang lebih besar dari itu. Tentunya akan memberikan penghematan yang lebih besar. ...... Scheduling generating units determine the unit on and off. From the number of units on, will be determined the least-cost dispatch of available generation to meet the electrical load. Economical operation is how to set the characteristics of the input and output of each plant. In the operation of electric power systems, fuel costs occupy the largest cost (thermal power plant) which is about 60% of the all operating costs. Controlling this, becomes very important. Optimizing one percent for large-scale system will result in savings the billions rupiah per year. Moreover, if we can optimize higher than that, it will provide greater savings.

Abstrak :
[Kendaraan listrik memanfaatkan baterai sebagai sumber daya utama penggeraknya. Penting untuk mengetahui kondisi parameter ? parameter baterai seperti tegangan dan arus agar diketahui kemampuan baterai sebagai sumber daya kendaraan listrik. Metode simulasi matematis dapat dilakukan untuk mengetahui nilai parameter ? parameter baterai. Simulasi menggunakan beberapa set baterai yang dioperasikan secara serentak dan bergiliran. Hasil simulasi menunjukkan bahwa jumlah baterai yang dibutuhkan bergantung dari massa kendaraan, kecepatan, perubahan kecepatan dan perkiraan waktu operasional kendaraan. Baterai yang dioperasikan secara serentak menyisakan kapasitas sebesar 24,48% dan baterai yang dioperasikan secara bergiliran menyisakan kapastias sebesar 11,71% untuk menempuh jarak 157,5 Km. ;Electric vehicles use battery as a main resource to be a prime mover. Knowing the condition of battery parameters such as current and voltage in order to discover battery power as a main resource of electric vehicle. Mathematical simulation methode might be used to discover parameters that can actuate electric vehicle. The simulation use some sets of battery which are operated simultaneously and rotationally. The result of simulation stated that number of needed battery rely on vehicle mass, velocity, velocity shift, and estimated operational time of vehicle. Battery that is operated silmutaneously have remaining capacity 24.48 % and battery that is operated rotationally have remaining capacity 11.71% for a distance 157.5 Km. ;Electric vehicles use battery as a main resource to be a prime mover. Knowing the condition of battery parameters such as current and voltage in order to discover battery power as a main resource of electric vehicle. Mathematical simulation methode might be used to discover parameters that can actuate electric vehicle. The simulation use some sets of battery which are operated simultaneously and rotationally. The result of simulation stated that number of needed battery rely on vehicle mass, velocity, velocity shift, and estimated operational time of vehicle. Battery that is operated silmutaneously have remaining capacity 24.48 % and battery that is operated rotationally have remaining capacity 11.71% for a distance 157.5 Km. , Electric vehicles use battery as a main resource to be a prime mover. Knowing the condition of battery parameters such as current and voltage in order to discover battery power as a main resource of electric vehicle. Mathematical simulation methode might be used to discover parameters that can actuate electric vehicle. The simulation use some sets of battery which are operated simultaneously and rotationally. The result of simulation stated that number of needed battery rely on vehicle mass, velocity, velocity shift, and estimated operational time of vehicle. Battery that is operated silmutaneously have remaining capacity 24.48 % and battery that is operated rotationally have remaining capacity 11.71% for a distance 157.5 Km. ]