Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Dalam penelitian ini akan ditunjukkan aplikasi permasalahan pembentukan portofolio berdasarkan model mean-variance Markowitz. Penambahan kendala mninimal lot transaksi pada model Markowitz merubah permasalahan ini menjadi bentuk mixed-integer non linear programming yang teramat sulit untuk dicari solusinya menggunakan pendekatan optimasi klasik. Untuk itu akan ditunjukkan alternatif penyelesaian menggunakan metode komputasi berbasis heuristic, yaitu PSO. Dengan penentuan nilai parameter yang tepat, algoritma PSO dapat secara konvergen menemukan solusi untuk permasalahan ini. ......We will show in this paper application of portfolio selection problem based on Markowitz’s mean-variance model. The inclusion of minimum transaction lot turn the standard model into a mixed-interger non linear prgormming which is very hard to be solved using classical optimization method. We will show an alternative heuristic based approach, PSO to tack this problem. With the appropriate parameter PSO can find a good solution to this problem

Abstrak :
ABSTRAK
Dalam beberapa tahun terakhir, Deep Learning DL telah menarik banyak perhatian dalam penelitian pemelajaran mesin. Metode ini telah berhasil dipakai untuk berbagai aplikasi pada pemrosesan suatu, robotika, pengenalan fonetik, pencarian informasi dan bahkan analisa molekul. Meskipun DL telah berhasil sukses untuk diterapkan dalam berbagai bidang aplikasi, training yang diperlukan pada metode ini tidaklah mudah. Sejumlah cara telah diusulkan untuk membuat proses training DL menjadi lebih optimal, beberapa diantanya dengan menambahkan proses pre-training, memutuskan beberapa jaringan dalam lapisan, ataupun mengganti fungsi aktivasi dan metode gradien standar yang dipergunakan. Disertasi ini menggunakan pendekatan lain dalam optimasi DL, yaitu memakai algoritme metaheuristik. Secara umum disertasi ini dibagi dalam dua bagian besar. Bagian pertama adalah studi awal penelitian yang difokuskan pada beberapa eksperimen yang berkaitan dengan algoritme metaheuristik dan aplikasi DL dalam klasifikasi citra. Bagian kedua dari disertasi berkaitan dengan penerapan algoritme metaheuristik dalam DL. Hasil pada bagian ini misalnya untuk optimasi metode Convolutional Neural Nework CNN menggunakan dataset CIFAR10, diperoleh untuk Top-1 error pada validasi adalah 99,05 . Hasil ini lebih baik dari nilai akurasi CNN asli sebesar 88,21 , fine-tuning CNN menggunakan Harmony Search yang diusulkan G. Rosa dkk sebesar 78,28 , dan bahkan State of the art saat ini sebesar 96,53 dengan Fractional Max-Pooling.

---

ABSTRACT
In recent years, deep Learning DL has drawn many attention in machine learning research. This method has been successfully used in various applications, such as sound process, robotics, phonetic identification, information retrieval, and even molecule analysis. Although DL has been successful to be applied in many fields, it is difficult to train in this method. Various attempts and methods has been proposed to make the DL training process become more optimum, some of them are by adding pre training process, drop out some networks in the layer, or by replacing activation function and standard gradient method being used. This dissertation takes another way to optimize a DL, i.e. using metaheuristic algorithms. Overall, this dissertation will be divided into two main parts. The first part is a preliminary study of research, focusing on several experiments which were related to the metaheuristic algorithm and DL application in image classification. The second part of this dissertation is related to application of metaheuristic algorithm in DL. The results in this part, for example, the optimization of CNN method using CIFAR10 dataset for Top 1 error in validation is 99.05 . This result is higher than the accuracy level from original CNN 88,21 , fine tuning CNN using Harmony Search suggested by G. Rossa et.al 78.28 , and even ldquo State of the art rdquo right now using Fractional Max Pooling 96.53

Abstrak :
Pasar modal berkembang pesat di Indonesia dengan peningkatan 79 jumlah emiten saham baru dan peningkatan 17,9% jumlah investor baru. Perkembangan ini dipacu oleh Otoritas Jasa Keuangan yang meyakinkan bahwa setiap perusahaan terbuka selalu diawasi dengan cara mewajibkan perusahaan terbuka untuk menyampaikan laporan keuangan secara berkala. Akan tetapi pada kenyataannya, tindakan kecurangan laporan keuangan bukan menjadi hal yang langka. Association of Certified Fraud Examiner melaporkan bahwa 9,2% kecurangan di Indonesia merupakan kecurangan laporan keuangan dengan total kerugian hingga Rp242.260.000.000. Sementara, proses audit konvensional serta laporan yang menjadi 72% dari media deteksi saat ini membutuhkan 12 bulan untuk mendeteksi kasus kecurangan. Penelitian ini akan menggunakan metode ensemble learning berbasis optimasi metaheuristik untuk mengembangkan model deteksi kecurangan pada laporan keuangan. Beberapa metode klasifikasi digunakan untuk mengembangkan model, yaitu Random Forest dan XGBoost. Optimasi metaheuristik dengan metode Genetic Algorithm kemudian digunakan sebagai dasar dari proses hyperparameter tuning pada model tersebut. Hasil deteksi terbaik pada penelitian ini adalah model XGBoost dengan parameter teroptimasi yang menghasilkan akurasi sebesar 98,04% dan sensitivitas 99.02%. ......The capital market is growing rapidly in Indonesia, gaining 79 new stock issuers and a 17.9% increase in the number of new investors in 2023. This development is driven by Otoritas Jasa Keuangan, which ensures that every public company is always monitored by requiring them to submit financial statements regularly. However, financial statement fraud is not uncommon. The Association of Certified Fraud Examiners reports that 9.2% of fraud cases in Indonesia involve financial statement fraud, with total losses amounting to Rp242,260,000,000. Meanwhile, conventional audit processes and reports, which account for 72% of current detection methods, take 12 months to detect fraud cases. This study will use an ensemble learning method based on metaheuristic optimization to develop a fraud detection model for financial statements. Several classification methods, namely Random Forest and XGBoost, are used to develop the model. Metaheuristic optimization using the Genetic Algorithm method is then applied as the basis for hyperparameter tuning in this model. The best detection result in this study is achieved by the XGBoost model with optimized parameters, yielding an accuracy of 98.04% and a sensitivity of 99.02%.

Abstrak :
ABSTRAK
The Fuzzy Fixed Charge Transportation Problem in which both fixed and transportation cost are fuzzy numbers is considered in this paper. Due to NP-hardness of the problem, we utilize three types of Electromagnetism-like Algorithms (EM), Genetic Algorithm (GA), and Simulated Annealing (SA) which are firstly being proposed and comprised in this research area. Besides, our other novelty approach is the use of new encoding mechanism, namely string representation, for the first time which is employed for the problem and can be used in any extended transportation problems. Also, the last version of EM is being firstly developed and proposed in this paper. The employed operators and parameters are calibrated to ensure the best performance of the algorithms. Besides, different problem sizes are considered at random to study the impacts of the rise in the problem size on the performance of the algorithms.

Abstrak :
Ketika kompetitor tumbuh dengan cepat dan pasar menjadi lebih kompetitif, diperlukan fokus yang kuat untuk menambah dan memperbaiki servis yang diberikan kepada pelanggan. Pelayanan terbaik perlu diberikan kepada pelanggan untuk menjaga loyalitas para pelanggan tersebut. Berdasarkan nilai bisnis perusahaan logistik, pelayanan terbaik dapat diukur dari tidak adanya keterlambatan, harga yang kompetitif, dan lokasi depot yang mudah untuk ditemukan. Penelitian ini membahas mengenai masalah untuk penempatan lokasi depot baru untuk perusahaan X-Logistik pada daerah urban, Jakarta, Indonesia. Tujuan dari penelitian ini adalah meningkatkan efisiensi daerah jangkauan depot sebagai upaya untuk menurunkan total konsumsi waktu perjalanan, minimalisasi biaya transportasi, dan meminimalkan total jarak centroid untuk masing-masing kelompok wilayah. Dengan menggunakan algoritma hibrida K- means Ant Colony Optimization (K-ACO) dapat dihitung jumlah depot yang memberikan total biaya paling kecil. Setelah jumlah depot yang akan dibuka ditentukan, dengan menggunakan metode trial dan error, koordinat dari setiap depot yang akan dibuka dapat ditentukan. Kelompok konsumen yang akan dilayani dari setiap depot yang akan dibuka juga dapat ditentukan bersamaan dengan jumlah depot yang terbentuk. Hasil akhir dari penelitian ini adalah rekomendasi keputusan untuk perusahaan X-Logistik mengenai jumlah depot baru yang akan dibuka, koordinat lokasi depot baru akan dibuka, serta kelompok konsumen yang akan dilayani dari setiap depot yang dibuka. Dari seluruh usulan, keputusan yang diambil mengacu kepada jumlah depot yang dapat memberikan total biaya terendah.

---

When the competitor growth rapidly and the market become more competitive, there needs to be a strong focus to enhance and upgrade their service to customer. Best service offers to customer is the only way to keep their customer loyalty. Following the business core value of logistic company, the best service offer can be measured by zero delay, competitive price, and the depot location can be found easily. This study examines the current location set of all depot location X logistic that deploy logistic service in urban area, Jakarta, Indonesia. The goals of this study are to improve the efficiency of coverage in terms of decreasing total travel times, minimize total transportation cost and minimize total cost for a whole. This study employs the proposed methodology of hybrid K-ACO metaheuristic algorithm to solve location allocation problem and will utilize a minimum distance to reach the goals. By using hybrid K-ACO algorithm the number of depot will be open that which gives minimum total cost can be determined. After determining number of depot will be opened, by using trialerror in hybrid K-ACO algorithm the coordinate location to construct new depot and which customers will be served at new depot opened can be known simultaneously. The rest of this study will recommend where the X logistic company should be built the depot and a comparison will be conducted of analyzing the total costs associated with number of depot opened.

Abstrak :
Pandemi COVID-19 menyebabkan berubahnya sistem kerja para karyawan di seluruh dunia dari Work From Office menjadi Work From Home selama kurun waktu yang cukup singkat. Perubahan ini berdampak fundamental terhadap cara kita melakukan pekerjaan, dimana telah terbuktikan bahwa melakukan pekerjaan dari rumah merupakan sesuatu yang dapat dilakukan dan membuahkan hasil yang sangat memuaskan. Namun setelah pandemi sudah mulai mereda, muncul suatu permasalahan dalam bentuk perdebatan internal pada perusahaan yang sebagian ingin kembali melakukan WFO, dan sebagian lainnya tetap melakukan WFH. Solusi yang dapat digunakan untuk menyelesaikan permasalahan tersebut adalah dengan mengimplementasikan Hybrid Work sebagai titik tengah dari kedua sistem kerja yang diinginkan. Untuk dapat membuat jadwal hybrid work, dibutuhkan pengertian lebih mengenai employee rostering sehingga dapat dibuat sebuah constrained optimization model yang dapat memetakan keinginan dari masing-masing karyawan pada sebuah perusahaan, selagi mematuhi peraturan yang ada pada perusahaan tersebut. Optimization Model yang dibuat kemudian bisa digunakan untuk merancang sebuah Metaheuristic Algorithm yang dapat menghasilkan sebuah jadwal hybrid work untuk digunakan oleh perusahaan yang menghadapi permasalahan tersebut. Penelitian menggunakan data kuantitatif selama penelitian berlangsung untuk melakukan uji coba terhadap variabel-variabel yang digunakan untuk perhitungan optimal score dan fitness function pada tahap implementasi algoritma. Hasil dari penelitian ini merupakan sebuah sistem aplikasi berbasis web yang dapat digunakan ataupun dikembangkan lebih lanjut lagi untuk dapat dipakai secara komersial oleh perusahaan, dengan fitur penjadwalan hybrid work yang flexible, serta dengan arsitektur sistem yang scalable dan highly available. ......The COVID-19 Pandemic has changed the work system for employees all over the world, from the usual Work From Office model to the new Work From Home model in a short period of time. This change in work model has fundamentally impacted our view on how to work professionally, where it is proven that doing work from home is feasible to do and even produce a very satisfying result. However, after the pandemic had started to subside in the last couple of months, a new problem emerged in a form of internal debates that has started on many companies all over the world, where on one side are the employees that want to go back to the WFO model, and the other are the employees that want to stay on the current WFH model. A solution that can be used to solve this problem is by implementing hybrid work that can act as a bridge between the two opposite work views. To be able to implement this work model, first we need to understand more about employee rostering so that we can create a constrained optimization model that can map every employee’s preference for this work view while respecting the company’s policy. The proposed optimization model then can be used to design a metaheuristic algorithm that can produce a hybrid work schedule to be used by companies that are facing this problem. This study uses quantitative data for the variables that are going to be used for generating the optimal score and then for the fitness function on the algorithm implementation phase. Hasil dari penelitian ini merupakan sebuah sistem aplikasi berbasis web yang dapat digunakan ataupun dikembangkan lebih lanjut lagi untuk dapat dipakai secara komersial oleh perusahaan, dengan fitur penjadwalan hybrid work yang flexible, serta dengan arsitektur sistem yang scalable dan highly available. The result of this study is a ready web-based application system that can be used and easily be available to be developed even further to be used commercially by companies, with hybrid work scheduling functionality, with a scalable and highly available architecture system.

Abstrak :
Pandemi COVID-19 menyebabkan berubahnya sistem kerja para karyawan di seluruh dunia dari Work From Office menjadi Work From Home selama kurun waktu yang cukup singkat. Perubahan ini berdampak fundamental terhadap cara kita melakukan pekerjaan, dimana telah terbuktikan bahwa melakukan pekerjaan dari rumah merupakan sesuatu yang dapat dilakukan dan membuahkan hasil yang sangat memuaskan. Namun setelah pandemi sudah mulai mereda, muncul suatu permasalahan dalam bentuk perdebatan internal pada perusahaan yang sebagian ingin kembali melakukan WFO, dan sebagian lainnya tetap melakukan WFH. Solusi yang dapat digunakan untuk menyelesaikan permasalahan tersebut adalah dengan mengimplementasikan Hybrid Work sebagai titik tengah dari kedua sistem kerja yang diinginkan. Untuk dapat membuat jadwal hybrid work, dibutuhkan pengertian lebih mengenai employee rostering sehingga dapat dibuat sebuah constrained optimization model yang dapat memetakan keinginan dari masing-masing karyawan pada sebuah perusahaan, selagi mematuhi peraturan yang ada pada perusahaan tersebut. Optimization Model yang dibuat kemudian bisa digunakan untuk merancang sebuah Metaheuristic Algorithm yang dapat menghasilkan sebuah jadwal hybrid work untuk digunakan oleh perusahaan yang menghadapi permasalahan tersebut. Penelitian menggunakan data kuantitatif selama penelitian berlangsung untuk melakukan uji coba terhadap variabel-variabel yang digunakan untuk perhitungan optimal score dan fitness function pada tahap implementasi algoritma. Hasil dari penelitian ini merupakan sebuah sistem aplikasi berbasis web yang dapat digunakan ataupun dikembangkan lebih lanjut lagi untuk dapat dipakai secara komersial oleh perusahaan, dengan fitur penjadwalan hybrid work yang flexible, serta dengan arsitektur sistem yang scalable dan highly available. ......The COVID-19 Pandemic has changed the work system for employees all over the world, from the usual Work From Office model to the new Work From Home model in a short period of time. This change in work model has fundamentally impacted our view on how to work professionally, where it is proven that doing work from home is feasible to do and even produce a very satisfying result. However, after the pandemic had started to subside in the last couple of months, a new problem emerged in a form of internal debates that has started on many companies all over the world, where on one side are the employees that want to go back to the WFO model, and the other are the employees that want to stay on the current WFH model. A solution that can be used to solve this problem is by implementing hybrid work that can act as a bridge between the two opposite work views. To be able to implement this work model, first we need to understand more about employee rostering so that we can create a constrained optimization model that can map every employee’s preference for this work view while respecting the company’s policy. The proposed optimization model then can be used to design a metaheuristic algorithm that can produce a hybrid work schedule to be used by companies that are facing this problem. This study uses quantitative data for the variables that are going to be used for generating the optimal score and then for the fitness function on the algorithm implementation phase. Hasil dari penelitian ini merupakan sebuah sistem aplikasi berbasis web yang dapat digunakan ataupun dikembangkan lebih lanjut lagi untuk dapat dipakai secara komersial oleh perusahaan, dengan fitur penjadwalan hybrid work yang flexible, serta dengan arsitektur sistem yang scalable dan highly available. The result of this study is a ready web-based application system that can be used and easily be available to be developed even further to be used commercially by companies, with hybrid work scheduling functionality, with a scalable and highly available architecture system.

Abstrak :
Transportasi merupakan pendorong biaya utama dalam logistik perkotaan, yang semakin rumit dengan meningkatnya e-commerce dan jumlah pelanggan. Masalah krusialnya adalah menemukan rute distribusi yang optimal, yang dikenal dalam optimasi kombinatorial sebagai Vehicle Routing Problem (VRP). Penelitian ini melakukan analisis komparatif antara algoritma simulated annealing dan iterated local search untuk menyelesaikan capacitated VRP. Penelitian ini menerapkan metode tersebut pada contoh masalah dan studi kasus PT. X, salah satu perusahaan pos terbesar di Indonesia. Hasilnya menunjukkan bahwa algoritma 1 unggul dalam menyelesaikan contoh masalah, sementara algoritma 2 memberikan kinerja terbaik untuk data studi kasus. Penelitian ini menyediakan model optimasi untuk kedua skenario tersebut. ......Transportation is a major cost driver in urban logistics, increasingly complicated by the rise of e-commerce and the growing number of customers. A critical issue is finding optimal distribution routes, known in combinatorial optimization as the Vehicle Routing Problem (VRP). This paper conducts a comparative analysis of simulated annealing and iterated local search algorithms to solve the capacitated VRP. The research applies these methods to both problem instances and a case study of PT. X, one of Indonesia's largest postal companies. The results show that while algorithm 1 excels in solving problem instances, algorithm 2 achieves the best performance for the case study data. This research provides optimized models for both scenarios.