Hasil Pencarian  ::  Simpan CSV :: Kembali

"Segmentasi dokumen merupakan suatu proses untuk membagi dokumen menjadi bagian-bagian yang homogen atau memiliki keterkaitan yang tinggi. Pada tugas akhir ini digunakan genetic algorithm sebagai metode untuk melakukan segmentasi dokumen. Genetic algorithm merupakan suatu algoritma pencarian solusi terhadap permasalahan dengan search space yang besar dengan menggunakan pendekatan evolusi.Penelitian tentang segmentasi dokumen menggunakan genetic algorithm telah dilakukan oleh Lamprier (Lamprier et al., 2007) terhadap dokumen bahasa Inggris dengan hasil yang memuaskan. Pada penelitian yang dilakukan Lamprier, proses segmentasi dilakukan dengan mengoptimisasi 2 fungsi objektif yaitu internal cohesion dan dissimilarity. Data yang digunakan pada percobaan ini terdiri dari dokumen artikel media massa Indonesia dan abstrak tulisan ilmiah dari Fakultas Ilmu Komputer Universitas Indonesia.Percobaan ini dilakukan dan dianalisa dari beberapa aspek yaitu aspek fitness function, metode penghitungan similarity, jumlah iterasi, ukuran populasi, jumlah segmen, dan kemiripan antar dokumen penyusun. Selain itu dilakukan pula perbandingan hasil segmentasi antara metode genetic algorithm dengan metode Texttiling.Hasil percobaan yang didapat adalah segmentasi dokumen menggunakan genetic algorithm dengan fitness function SPEA 2, metode penghitungan similarity menggunakan dice coefficient, jumlah iterasi 1000 iterasi, ukuran populasi 50 individu, tipe crossover two point crossover, dan probabilitas mutasi 0.09 memberikan hasil segmentasi terbaik. Pada percobaan untuk membandingkan 2 metode segmentasi yaitu genetic algorithm dan Texttiling diperoleh hasil precision 0.081 dan recall 0.46 untuk metode genetic algorithm dan precision 0.12 dan recall 0.58 untuk metode Texttiling.Dari data hasil percobaan diperoleh kesimpulan bahwa hasil segmentasi dengan metode Texttiling lebih baik daripada hasil segmentasi dengan metode genetic algorithm. Hasil ini bertolak belakang dengan apa yang dilaporakan pada penelitian yang dilakukan Lamprier (Lamprier et al., 2007), hal tersebut dipengaruhi oleh data dan penggunaan genetic operator yang lebih kompleks.

---

Document segmentation is a process to segments text into thematic homogeneous parts. The segmenting process uses genetic algorithm as a method to segment the text. Genetic algorithm is a searching algorithm for problem involving large search space by using evolution approach.Research about document segmentation has been done by Lamprier (Lamprier et al., 2007) for English document and show satisfied results. The segmentation in Lamprier?s research uses internal cohesion and dissimilarity as objective function to be optimized. This experiments use Indonesian mass media articles and abstracts of scientific paper from Lontar System of Faculty of Computer Science University of Indonesia.Experiments have been done and analyzed towards several aspects such as fitness function, similarity calculating method, number of iteration, number of population, number of boundary, and similarity between appended documents. Furthermore the experiment to compare genetic algorithm and other segmentation method (Texttiling) is done in the last experiment.The experiments shows that genetic algorithm using SPEA 2 as fitness function, dice coefficient as similarity calculating method, 1000 iteration, 50 individuals in population, two point crossover, and 0.09 mutation probability gives the best result. When comparing segmentation method between genetic algorithm and Texttiling, genetic algorithm gives precision 0.081 and recall 0.46 in other hand Texttiling gives precision 0.12 and recall 0.58.The results show that Texttiling gives better segmentation than genetic algorithm, this conclusion is diffrent with the conclusion reported by Lamprier?s research (Lamprier et al., 2007). The diffrent is related with data and genetic operator used by Lamprier?s research."

"ABSTRACTSistem prediksi berbasis citra VNIR telah teruji kemampuannya untuk memprediksi parameter tertentu pada objek, terlebih pada parameter yang sulit diamati secara visual oleh manusia. Kemampuan tersebut tidak lepas dari jumlah fitur yang besar >100 fitur . Namun, jumlah tersebut memberikan beban komputasi yang lebih. Beban yang diperoleh terkadang tidak sepadan dengan performa akhir dari sistem. Diperlukan pemilihan atas fitur-fitur yang digunakan pada sistem. Studi ini membahas pemanfaatan seleksi fitur pada kasus pengukuran kadar karotenoid daun bayam Amaranthus tricolor L. Pengukuran kadar karotenoid dilakukan dengan metode Sims-Gamon. Citra daun bayam diakuisisi pada panjang gelombang 400-1000nm. Citra melalui proses koreksi, segmentasi, dan ekstraksi sebelum digunakan sebagi input. Sistem prediksi memiliki performa dasar PLSR sebesar 0,584 pada R2 , 0,0169 pada RMSE, dan 1,94 pada RPD untuk daun bayam hijau, serta 0,815 pada R2 , 0,013 pada RMSE, dan 2,44 pada RPD untuk daun bayam merah. Penggunaan Algoritma Genetika berhasil memilih 89 dan 86 fitur untuk daun bayam hijau dan merah. Performa sistem setelah seleksi fitur menjadi 0,878 pada R2 , 0,01 pada RMSE, dan 3,05 pada RPD untuk daun bayam hijau, serta 0,962 pada R2 , 0,00596 pada RMSE, dan 5,44 pada RPD untuk daun bayam merah.

---

ABSTRACTPrediction system based on VNIR image had been tested at various prediction cases, especially at case which is hard to do inspection by human eyesight. This ability is due to lots of available features 100 features . Unfortunately, that features also give a burden to computational load. However, that load is not always worth the prediction system performance. Number of features to be used is needed to be reduce to a lesser number. In this study, feature selection is used to reduce number of features for predicting carotenoid content at Amaranthus tricolor L. Determination of carotenoid content is done by using Sims Gamon method. Image of amaranth leaf acquire at 400 1000nm. Image of amaranth leaf then processed through correction, segmentation, and extraction before being used as input. Base performance by using PLSR at green amaranth are 0.584 for R2, 0.0169 for RMSE, and 1.94 for RPD. Base performance for red amaranth are 0.815 for R2 , 0.013 for RMSE, and 2.44 for RPD. Genetic Algorithm selected 89 and 86 features for green and red amaranth. After feature selection, performance for green amaranth are 0.878 for R2 , 0.01 for RMSE, and 3.05 for RPD. Performance for red amaranth are 0.962 for R2 , 0.00596 for RMSE, and 5.44 for RPD. "

"ABSTRAKPengiriman produk yang memiliki daya tahan atau shelf-life yang relatif terbatas secara optimal merupakan fokus dari penelitian ini. Karakteristik utama dari produk tersebut yaitu mudah rusak perishable dan terdeteriorasi dalam rentang waktu pengiriman tertentu. Produk yang mudah rusak perishable product tersebut telah menjadi persoalan utama dalam sistem distribusi cold chain yang dapat menyebabkan masalah ketidak efisiensian biaya pada proses pengirimanya. Dari persoalan tersebut, model matematika di desain melalui pengembangan vehicle routing problem, with soft time windows VRPSTW dengan mempertimbangkan kontribusi biaya energi terhadap fungsi tujuan. Pembuatan model matematika dilakukan melalui pemrograman komputer yang menggunakan Python 3.5 untuk mendapatkan hasil yang optimal. Agar solusi yangdihasilkan feasible pendekatan metaheuristik genetic algorithm dikembangkan dalam penelitian ini; hasil dari penelitian ini menyatakan bahwa algoritma tersebut mampu menghasilkan solusi yang lebih baik daripada algoritma mixed integer linear programming.

---

ABSTRACTConveying product which has a limited shelf life optimally is the concern of this study. The main attribute of this product is perishable within a certain time frame. However,perishable product has a critical issue in the cold chain system which leads dispatching costs inefficiency problems. Regarding this problem, mathemetical model built thru extended a vehicle routing problem, with soft time windows VRPSTW by considering energy consumption cost to evaluate its contribution towards the objective function. Model building conducted into computer programming that uses Python Spyder 3 for generating feasible solution. For the sake of feasibility, a metaheuristic approach ofgenetic algorithms provided to find the best optimal solution the results diagnosed thatgenetic algorithms can generate best feasible solution efficiently with in a certain numberof variables in case of perishable product delivery."

" Recently,the needs of communication for many life aspects are increasing. Communication system that expected are fast,wide coverage area and efficient....."

"Akurasi adalah nilai yang menyatakan tingkat kebenaran hasil pengukuran sesuai dengan standard. Untuk mengetahui akurasi sebuah linear transducer diperlukan kalibrasi. Namun sering ditemukan, setelah dilakukan kalibrasi, akurasinya sudah keluar dari batas toleransi yang diijinkan, sehingga tidak layak digunakan lagi. Agar dapat digunakan kembali, perlu dilakukan perbaikan, sayangnya perbaikan secara hardware sangat mahal. Disini disampaikan rancangan metode perbaikan akurasi menggunakan software, dengan memanfaatkan data kalibrasi yang diproses dengan genetic algorithm. Keuntungannya adalah, hanya dengan memasukan data kalibrasi ke software untuk diolah menjadi parameter koreksi. Kemudian diprogramkan ke microcontroller sebagai kompensator maka akan segera diperoleh hasil peningkatan akurasinya.Dalam metode peningkatan akurasi ini, linear transducer didekati hanya dengan monomial dengan membagi sepanjang linear transducer menjadi segmen-segmen kecil dengan suatu algoritma khusus, kemudian dibentuk chromosome untuk monomial pada genetic algorithm (GA) dengan parameternya berupa bilangan integer untuk memudahkan pemrograman pada microcontroler. Kemudian melakukan modifikasi internal GA khususnya pada selection dan crossover operator. Dalam penelitian ini selection operator yang digunakan adalah stochastic universal sampling, dan crossover operator adalah multi point, ternyata kombinasi kedua operator tersebut menghasilkan nilai sum of squares error (SSE) terbaik, sekitar 68.6% dari SSE rata rata.Langkah berikutnya menerapkan metode elitisasi dengan memasukan kembali sebagian elite chromosome ke populasi generasi berikutnya. Dari percobaan diperoleh bahwa dengan 10% elite chromosome menghasilkan nilai root mean squared (RMS) lebih baik yaitu sekitar 38.9 % dari RMS rata rata.Untuk meningkatkan kinerja GA dilakukan segmentasi sepanjang linear transducer. Segmentasi adalah membatasi rentang kerja dengan membagi daerah kerja menjadi beberapa segmen kecil menggunakan nilai golden ratio (GR). Hasilnya ternyata, golden ratio segmentation method mempunyai kinerja lebih tinggi bila dibandingkan dengan hierarchical segmentation method. Nilai RMS menjadi sekitar 49.0% dan jumlah segmen sekitar 85.9%.Selanjutnya untuk mengetahui kinerja metode peningkatan akurasi yang merupakan gabungan dari genetic algorithm dan golden ratio (GA-GR) dilakukan simulasi. Tujuannya adalah untuk meyakinkan bahwa algoritma yang dikembangkan telah berjalan sesuai dengan tujuan penelitian. Dalam simulasi, GA-GR digunakan untuk tracking kurva karakteristik linear transducer. Hasilnya, nilai RMS dari metode GA-GR sekitar 50 - 900 kali lebih baik dari pada menggunakan polinomial.Kemudian untuk mengetahui hasil nyata metode GA-GR dalam meningkatkan akurasi, maka dilakukan percobaan pada linear transducer yang dipasang pada mechanical positioning system, lalu dilakukan kalibrasi menggunakan standard laser interferometer system calibrator dan prosedur British Standard BS 4656. Hasilnya diperoleh bahwa metode GA-GR dapat meningkatkan akurasi sampai dengan 45.1%.Accuracy is the value stating the true level of a measurement result according to the standard. To find out the accuracy of linear transducer, calibration is required. However, it is often found that after calibration is done, the accuracy is out of the permitted tolerance limit. Therefore, it is no longer appropriate to be used. In order to make it useable again, repair is needed to be done but hardware repair is definitely very costly. This dissertation designs a method to increase accuracy by using software, by utilizing calibration data processed by genetic algorithm (GA). The advantage is that it simply needs to enter the calibration data in the software to be processed as correction parameter and the procedure is to be programmed in the microcontroller as the compensator. Then it will soon get the result of the accuracy increment as required.

In this method, the linear transducer is tracked by using only monomial form each small segment of the transducer along its length with a special method of segmenting the linear transducer. Then using the GA to find the parameters of the monomial by putting them into the form of chromosome. To ease the programming in the microcontroller, the parameter values only use integer numbers. The next step the GA internal mechanism is modified, especially in the selection and crossover operators. In this research, the selection operator used is stochastic universal sampling, while the crossover operator is multi point because the combination of those two operators produces the best sum of squares error (SSE), around 68.6% from the average SSE.

The following step is to apply the elitism method by re-entering a subset of elite chromosomes to the next generation population. From the experiments, it can be seen that by re entering 10% of elite chromosomes it will produce better root mean squared (RMS) value, which is around 38.9% from the average RMS.

To increase the GA performance, segmentation a long the length of the linear transducer is done. Segmentation means limiting the work span by dividing the working area into several segments using golden ratio (GR). The result shown that, the golden ratio segmentation method has a higher performance if compared to that with the hierarchical segmentation method. The value of RMS becomes around 49.0% and the number of segments is around 85.9%

Furthermore, to find out the performance of the accuracy increase method which is a combination of genetic algorithm and golden ratio (GA-GR), simulation is conducted. The aim is to make is to make sure that the development algorithm runs in accordance with the objective of the research. In the simulation, GA-GR is used for tracking the curve characteristics of linear transducer. The result is the value of RMS from the GA-GR method is around 50 to 900 times better than using polynomial.

Moreover, to find out the real result of the GA-GR method in increasing accuracy, an experiment on linear transducer on the mechanical positioning system is conducted, using the standard laser interferometer system calibrator and the procedure of British Standard BS 4656. The result obtained is that the GA-GR method can increase accuracy up to 45.1%."

"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."

" ABSTRAKMenurut US Department of Energy, hingga 39 dari energi di dunia dikonsumsi oleh bangunan gedung yang hingga 52 nya dikontribusikan oleh penggunaan alat pendingin dan tata udara. Sistem adsorpsi menggunakan adsorbent zat padat seperti silika gel dan zeolite dipasangkan dengan air untuk menghasilkan pendinginan sehingga tidak perlu digunakannya sistem kompresi uap dan refrigerant sehingga akan menghemat energi dan mengurangi dampak polusi. Tentunya sistem adsorpsi ini masih memiliki kekurangan diantaranya adalah COP yang lebih rendahdibandingkan sistem pendingin lainnya sehingga diperlukannya optimasi pada sistem untuk mendapatkan kinerja sistem yang lebih baik.Chiller adsorpsi akan lebih mampu menghasilkan daya pendinginan lebih besar pada temperatur hot water in lebih tinggi. Dengan melakukan optimasi menggunakan genetic algorithm, didapatkan mekanisme kontrol yang terbaik bagi sistem adsorpsi pada penelitian ini adalah 781 detik adsorpsi, 34 detik mass recovery, dan 34 detik heat recovery. Dengan melakukan optimasi fin pada evaporator, maka dapat menaikan COP sebesar 17.6 . COP sistem juga akan bertambah jika menggunakan fin yang lebih tipis

---

ABSTRACTAccording to US Department of Energy, up to 39 of the world rsquo s energy reserve is consumed by buildings and up to 52 is contributed by the use of HVAC system. An adsorption system that use physical adsorbent such as silica gel and zeolite with water pairing is used to produce cooling making vapor compression system no longer be used. It will no longer need refrigerants so it will be more energy efficient and environmentally friendly. There are some drawbacks in using adsorption system such as low COP which needs more optimization to make it perform better. The adsorption chiller will be able to produce a higher cooling power at a higher hot water inlet. Using the genetic algorithm optimization technique, it is found that the best control mechanism for this system is 781, 34, and 34 seconds for adsorption, mass recovery, and heat recovery time respectively. By optimizing the use of fin in evaporator, it can increase the COP of the system by 17.6 . The COP of the system will also increase with thinner fin."