Hasil Pencarian  ::  Simpan CSV :: Kembali

"Algoritma pencarian string telah menjadi topik yang ramai dibicarakan di dunia komputer sejak berpuluh-puluh tahun yang lalu. Banyak para ahli yang mencoba menemukan algoritma pencarian string yang dapat memberikan hasil yang tepat dalam waktu singkat. Algoritma-algoritma baru bermunculan untuk memperbaiki kinerja algoritma pencarian string yang telah ada sebelumnya. Pentingnya sebuah algoritma pencarian string yang mampu memberikan hasil yang tepat dalam waktu yang relatif cepat memang sangat beralasan. Mengingat manipulasi string sangat diperlukan dalam dunia komputer. Banyak hal yang dapat dilakukan dengan adanya algoritma pencarian string yang handal. Permasalahan yang sering berkaitan dengan pengolahan string adalah mengenai ukuran data yang sangat besar dan juga pola atau karakteristik string yang berbedabeda. Ukuran data yang sangat besar jelas memberikan pengaruh yang besar terhadap waktu serta space yang dibutuhkan untuk melakukan pencarian. Sedangkan karakteristik dari string yang akan diproses berpengaruh terhadapkematangan sebuah algoritma pencarian string. Algoritma yang dapat bekerja dengan baik pada string umum (string yang terdiri dari banyak jenis karakter serta tidak memiliki pola tertentu) belum tentu dapat memberikan hasil yang sama apabila diterapkan pada string yang khusus. String khusus yang dimaksudkan di sini adalah string yang hanya terdiri dari karakter-karakter tertentu saja ataupun string yang memiliki pola tertentu. Salah satu string khusus yang berbeda dari string yang akrab dengan kehidupan manusiasehari-hari adalah string yang berisi informasi DNA mahluk hidup. Jenis string ini hanya terdiri dari empat karakter inti, yaitu A, C, G, dan T. Hanya dari empat karakter tersebut, dapat tersusun milyaran informasi DNA yang berbeda-beda. Pencarian string pada data DNA (data genomic), merupakan suatu permasalahan yang patut diberikan perhatian khusus. Karena penelitian mengenai DNA mahluk hidup merupakan suatu penelitian yang mendatangkan banyak sekali manfaat bagi seluruh mahluk hidup. Manfaat dari proses pencarian atau pencocokan string pada data genomic antara lain adalah untuk mengetahui kemiripan suatu mahluk hidup dengan mahluk hidup lain ataupun juga mengetahui manfaat dari suatu protein SK-661-Pencarian string dgn...DesianaNurulM.;FASILKOM;2007 iv tertentu dengan melakukan perbandingan dengan protein-protein yang terdapat di bank data protein. Oleh karena itu, sangat beralasan jika algoritma pencarian string untuk data genomic yang dapat memberi kan hasil yang tepat dalam waktu yang singkat sangat diperlukan."

"ABSTRAKMultiple Travelling Salesman Problem (M-TSP) adalah masalah pencarian rute perjalanan optimal dari n kota oleh m salesman dengan m < n, dengan tiap kota hanya dapat dikunjungi satu kali dan oleh satu orang salesman saja. M-TSP merupakan perkembangan dari TSP dengan salesman lebih dari satu. Dalam tugas akhir ini akan dibahas M-TSP Single Depot yaitu M-TSP dengan kota awal perjalanan semua salesman berada di kota yang sama. Untuk menyelesaikan M-TSP digunakan Algoritma K-Means Clustering-Genetika, yaitu dengan membagi n kota yang ada menjadi m kluster kemudian tiap kluster akan diterapkan algoritma genetika dan pada akhirnya seluruh hasil yang didapat akan dijumlahkan untuk mengetahui total jarak tempuh seluruh salesman.

---

ABSTRACTMultiple Travelling Salesman Problem (M-TSP) is a problem of finding an optimal travel route from n cities by m salesmen with m < n, the condition is that each city can only be visited once and only by one salesman. M-TSP is a development of the TSP problem which involves more than one salesman. M-TSP Single Depot, where all the salesmen start travelling from the same city, will be discussed in this final project. M-TSP will be solved by using the K-Means Clustering-Genetic Algorithm that divides n cities to m clusters and applies the genetic algorithm to each cluster, then all the results obtained will be summed to determine the total mileage of the whole salesman."

"Penjemputan dan Pengantaran Traveling Salesman Problem dengan aturan first-in-first-out (TSPPDF) merupakan suatu masalah pencarian rute untuk melayani sejumlah pelanggan dalam penjemputan dan sekaligus pengantaran dimana penjemputan dan pengantaran tersebut harus mengikuti aturan first-in-first-out (FIFO). Dimulai dari tempat asal (depot), mengunjungi semua tempat penjemputan dan tempat pengantaran, kemudian kembali ke tempat asal dengan total biaya atau jarak perjalanan minimal. Dalam tugas akhir ini, algoritma FIFO Nearest Neighbor (FNN) akan digunakan untuk menyelesaikan TSPPDF. Kemudian akan dibandingkan hasil penyelesaian TSPPDF yang menggunakan algoritma FNN dengan TSP solver. Setelah itu, hasil TSPPDF dari algoritma FNN akan dioptimalkan secara manual menggunakan algoritma Iterated Local Search (ILS).

---

The pickup and delivery traveling salesman problem with first-in-first-out (TSPPDF) is a routing problem to service n customers in the pickup and delivery which is the pickup and delivery operations must be executed in a first-in-first-out (FIFO). Starting from an origin vertex (depot), visiting all the pick-up and delivery, then returned to an origin vertex with minimum total cost or distance. In this undergraduate thesis, the FIFO Nearest Neighbor algorithm (FNN) will be used to solve TSPPDF. Then the results of TSPPDF which uses an FNN algorithm will be compared with TSP solver. After that, the results of the FNN algorithm will be optimized manually using the Iterated Local Search (ILS) algorithm."

"ABSTRAKPenelitian ini merupakan penelitian tentang penerapan rumus frekuensi kata sebagai salah satu sarana pengindeksan. Dengan menggunakan majalah ilmiah dwi bahasa (bahasa Indonesia dan bahasa Inggris) sebagai sampel penelitian, maka diharapkan dapat diketahui istilah indeks dari kedua bahasa tersebut. Di samping hal tersebut, penelitian ini bertujuan untuk menghitung jumlah kata bahasa Indonesia dan bahasa Inggris, serta membandingkan istilah indeks yang dihasilkan melalui rumus frekuensi kata dengan ahli kehutanan dan subject specialist.Masalah yang diteliti dalam penelitian ini adalah mengenai penentuan istilah indeks melalui rumus frekuensi kata, ahli kehutanan, dan subject specialist, mengenai perbedaan istilah indeks yang dihasilkan melalui ketiga sarana pengindeksan tersebut, dan mengenai perbedaan jumlah kata bahasa Indonesia dan bahasa Inggris.Mengacu kepada masalah penelitian di atas, maka metode pengumpulan data yang digunakan dalam penelitian ini adalah metode dokumenter, sedangkan pengolahan data dilakukan dengan komputer memakai program WordStar Tiers/ 7.0. Setelah data tersebut terkumpul, selanjutnya dianalisis dengan menggunakan rumus Zipf. Untuk pengujian hipotesis penelitian digunakan analisis kuantitatif 1-student dan analisis kualitatif.Hasil penelitian dan kesimpulan yang diperoleh adalah (1) jumlah seluruh kata yang muncul dalam artikel majalah Dula Rimba tahun 1988-1993 adalah 37258 kata, terdiri dari 18430 kata bahasa Indonesia dan 18918 kata bahasa Inggris. Dari jumlah tersebut, 10376 kata merupakan kata unik yang terdiri dari 5324 kata unik bahasa Indonesia dan 5052 kata unik bahasa Inggris, (2) secara statistik, jumlah kata antara kedua bahasa tersebut dinyatakan tidak berbeda secara nyata, (3) istilah indeks yang dihasilkan melalui rumus frekuensi kata berjumlah 187 buah, melalui ahli kehutanan berjumlah 109 buah, dan melalui subject specialist berjumlah 21 buah, dan (4) sebagian besar istilah indeks yang dihasilkan melalui rumus frekuensi kata mempunyai persamaan dengan istilah indeks yang ditentukan oleh ahli kehutanan dan subject specialist, sehingga dapat dikatakan bahwa istilah indeks melalui rumus frekuensi kata dengan ahli kehutanan dan subject specialist tidak berbeda secara nyata.

---

ABSTRACTThis research is about the application of word frequency formula as one of indexing tools. By using bilingual magazine (Indonesian and English) as research sample, it hopes index terms of both languages can be determined. Beside that, the research aims to calculate the amount of Indonesian words and English, and also to compare index terms produced by word frequency formula with index terms provided by foresters and subject specialist.The problems observed in the research are about the determination of index terms from word frequency formula, foresters, and subject specialist, about the difference among these index terms, and about the difference between the amount of Indonesian words and English.Relate to the above problems, the method of collecting data used in this research is documentation method, whereas the word processing is done by computer using WordStar program. After the data is collected, it is then analyzed by using Goffman formula. To test hypothesis, it uses quantitative analysis t-student and qualitative analysis.Result and conclusion gained in the research are as follows: (I) the total words appear in the article of Duta Rimba magazine in 1988-1993 amount to 37258 words, consist of 18430 Indonesian words and 18918 English words. Of the amount, there are 10376 unique words which consist of 5324 Indonesian unique words and 5052 English unique words, (2) statistically, the amount of Indonesian words and English words are not significantly different, (3) the index terms produced by word frequency formula amount to 187 index terms, provided by foresters amount to 109 index terms, and provided by subject specialist amount to 21 index terms, and (4) 65% index terms provided by foresters are the same as index terms produced by word frequency formula, whereas 61,54% index terms provided by subject specialist are the same as index terms produced by word frequency formula, so that's why, it can be said that there are a' lot of index terms produced by word frequency formula have similarity with index terms provided by foresters and subject specialist."

"Presents a theory of indexing capable of ranking index terms, or subject identifiers in decreasing order of importance. This leads to the choice of good document representations, and also accounts for the role of phrases and of thesaurus classes in the indexing process. This study is typical of theoretical work in automatic information organization and retrieval, in that concepts are used from mathematics, computer science, and linguistics. A complete theory of information retrieval may emerge from an appropriate combination of these three disciplines."

"Sistem text retrieval (perolehan kembali teks) menanggapi query terhadap koleksi dokumen teks. Dua teknik yang telah diperkenalkan yang dapat digunakan pada text retrieval dan melibatkan penggunaan singular value decomposition (SVD, dekomposisi nilai singular) adalah variable Latent Semantic Indexing (VLSI) serta Latent Semantic Indexing (LSI), pendahulunya. Dokumen dapat dideskripsikan oleh kumpulan term, misalnya berupa kata. Dari dokumendokumen yang ada, dapat dibentuk matriks term-dokumen, A, yang berisi bobot term berdasarkan kemunculannya dalam dokumen. Pada VLSI, sebagaimana LSI, digunakan aproksimasi rank-rendah terhadap A untuk dicocokkan dengan vektor query. Namun, berbeda dengan LSI, aproksimasi pada VLSI tergantung pada distribusi probabilitas vektor query. Distribusi itu dicirikan oleh matriks cooccurrence, CQ. Aproksimasi untuk A itu bisa didapatkan melalui SVD terhadap CQ 1/2A. Telah dilakukan penelitian terhadap VLSI dengan mempelajari literatur, mengerjakan secara manual prosedur VLSI, dan melakukan percobaan penggunaan VLSI. Percobaan dilakukan dengan koleksi 100 dokumen yang pernah digunakan pada mata kuliah Pemrosesan Teks, koleksi 9 dokumen berupa judul technical memo, koleksi MED, dan koleksi CACM. Dari analisis, ditemukan bahwa yang dikalikan dengan A untuk kemudian di- SVD tidak harus CQ 1/2. Dari percobaan dengan koleksi MED dan koleksi CACM, ditemukan bahwa perolehan dokumen dengan VLSI bisa bagus dalam hal precision pada sedikit dokumen berperingkat teratas."