Hasil Pencarian  ::  Simpan CSV :: Kembali

"k Berbahasa Indonesia/Berbahasa Lain (Selain Bahasa Inggris): Wireless Sensor Networks (WSN) terdiri dari node sensor yang tersebar dalam area monitoring untuk mengumpulkan dan mengirimkan data. Namun, keterbatasan energi pada node sensor menjadi tantangan utama dalam memperpanjang network lifetime. Ketergantungan pada baterai sebagai sumber daya menyebabkan node sensor mudah mengalami kehabisan energi, yang pada akhirnya memengaruhi kinerja jaringan. Oleh karena itu, diperlukan pendekatan yang efektif untuk mengurangi konsumsi energi dan menyeimbangkan distribusi beban dalam jaringan sensor. Penelitian ini mengusulkan protokol Single-Hop Clustering Routing berbasis Tuna Swarm Optimization (TSO) dan Gravitational Search Algorithm (GSA). Algoritma TSO digunakan untuk membentuk cluster secara optimal dengan meminimalkan jarak komunikasi antar node dalam cluster, sedangkan GSA diterapkan untuk memilih cluster head (CH) berdasarkan faktor-faktor seperti residual energy, jarak ke base station (BS), dan jarak intracluster. Hasil simulasi menunjukkan bahwa algoritma TSO-GSA mampu meningkatkan efisiensi energi dan memperpanjang lifetime jaringan secara signifikan dibandingkan protokol referensi TSO-FC. Pada skenario utama dengan 100 node dalam area 150 × 150 m², TSO-GSA mencatat peningkatan lifetime jaringan sebesar 24.03% pada LND (1615 round dibandingkan 1302 round oleh TSO-FC). Namun, sebagai trade-off, FND pada TSO-GSA terjadi lebih awal, yaitu pada round ke-444 dibandingkan round ke-902 pada TSO-FC. Di sisi lain, protokol ini mampu mempertahankan energi residu yang lebih tinggi, mencapai peningkatan sebesar 17,22% pada round ke-800 dibandingkan TSO-FC. Selain itu, algoritma TSO-GSA menunjukkan adaptabilitas yang baik terhadap perubahan kompleksitas jaringan, dengan peningkatan LND sebesar 26,7% dalam lingkungan dengan 200 node. Dalam hal performa komunikasi, protokol ini juga meningkatkan jumlah total data yang diterima BS sebesar 12,5% dibandingkan TSO-FC. Dengan keunggulan-keunggulan tersebut, penelitian ini menyimpulkan bahwa protokol TSO-GSA dapat menjadi solusi efektif untuk mengoptimalkan efisiensi energi dan memperpanjang lifetime jaringan dalam WSN.

---

Wireless Sensor Networks (WSN) consist of sensor nodes distributed in a monitoring area to collect and transmit data. However, the limited energy of sensor nodes is a major challenge in extending network lifetime. Dependence on batteries as a power source causes sensor nodes to easily run out of energy, which ultimately affects network performance. Therefore, an effective approach is needed to reduce energy consumption and balance load distribution in sensor networks. This research proposes a Single-Hop Clustering Routing protocol based on Tuna Swarm Optimization (TSO) and Gravitational Search Algorithm (GSA). The TSO algorithm is used to form clusters optimally by minimizing the communication distance between nodes in the cluster, while GSA is applied to select the cluster head (CH) based on factors such as residual energy, distance to the base station (BS), and intracluster distance. Simulation results show that the TSO-GSA algorithm is able to significantly improve energy efficiency and extend network lifetime compared to the reference protocol TSO-FC. In the main scenario with 100 nodes in a 150 × 150 m² area, TSO-GSA recorded a 24.03% increase in network lifetime on LND (1615 rounds compared to 1302 rounds by TSO-FC). However, as a trade-off, FND in TSO-GSA occurs earlier, at 444th round compared to 902nd round in TSO-FC. On the other hand, this protocol is able to maintain higher residual energy, achieving an improvement of 17.22% in the 800th round compared to TSO-FC. Moreover, the TSO-GSA algorithm shows good adaptability to changes in network complexity, with a 26.7% improvement in LND in a 200-node environment. In terms of communication performance, the protocol also increases the total amount of data received by the BS by 12.5% compared to TSO-FC. With these advantages, this study concludes that the TSO-GSA protocol can be an effective solution to optimize energy efficiency and extend network lifetime in WSNs. "

"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."

"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.

"

"Masalah penyusunan barang dalam kontainer atau yang dikenal sebagai Container Loading Problem (CLP) adalah salah satu tantangan utama dalam industri logistik. Penelitian ini berfokus pada penggunaan algoritma Cat Swarming Optimization (CSO) untuk mengoptimalkan penyusunan barang dengan tujuan memaksimalkan penggunaan ruang dalam kontainer, mengurangi ruang kosong, dan menjaga stabilitas muatan. Algoritma CSO didasarkan pada perilaku kucing dalam dua mode utama, yaitu Seeking Mode dan Tracing Mode, yang secara kolaboratif mencari solusi terbaik untuk menyusun barang dalam kontainer dengan berbagai ukuran dan dimensi. Penelitian ini menerapkan model optimasi berbasis CSO untuk mencari solusi optimal dari berbagai kombinasi penyusunan barang dengan memanfaatkan fleksibilitas rotasi barang dan pengaturan posisi berdasarkan berat dan volume. Efektivitas algoritma ini diuji dengan menggunakan data sampel berupa barang berbentuk persegi panjang yang disusun di dalam kontainer dengan dimensi tertentu. Hasil penelitian menunjukkan bahwa algoritma CSO mampu meningkatkan efisiensi penggunaan ruang kontainer dengan meminimalkan ruang kosong dan memastikan stabilitas tumpukan barang. Dengan menggunakan visualisasi tiga dimensi (3D) yang interaktif, sistem ini juga memungkinkan pengguna untuk memantau dan menyesuaikan susunan barang secara real-time, memberikan solusi penyusunan yang aman, efisien, dan siap digunakan dalam skenario logistik nyata. Penelitian ini diharapkan dapat memberikan kontribusi yang signifikan dalam meningkatkan efisiensi operasional di sektor logistik dan transportasi.

---

The Container Loading Problem (CLP) is one of the main challenges in the logistics industry. This research focuses on the use of the Cat Swarming Optimization (CSO) algorithm to optimize item arrangement with the goal of maximizing container space utilization, reducing empty space, and maintaining load stability. The CSO algorithm is based on the behavior of cats in two main modes, namely Seeking Mode and Tracing Mode, which collaboratively search for the best solution to arrange items of various sizes and dimensions within a container. This study applies a CSO-based optimization model to find optimal solutions for various item arrangement combinations by utilizing the flexibility of item rotation and position adjustments based on weight and volume. The effectiveness of this algorithm is tested using sample data of rectangular items arranged in a container with specific dimensions. The results demonstrate that the CSO algorithm is able to improve container space efficiency by minimizing empty space and ensuring the stability of stacked items. By using interactive three-dimensional (3D) visualization, this system also allows users to monitor and adjust item arrangements in real-time, providing safe, efficient, and ready-to-use solutions for real-world logistics scenarios. This research is expected to contribute significantly to enhancing operational efficiency in the logistics and transportation sectors.

"