Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pencarian dan penentuan rute optimal (satu atau sekelompok rute terbaik) dalam jaringan transportasi bukan merupakan masalah yang sederhana terutama yang menyangkut jaringan yang berskala besar dan kompleks. Secara manual penyelesaian masalah ini seringkali sulit dijalankan, sedangkan secara komputer biasanya membutuhkan waktu operasi yang sangat panjang. Menjadi tantangan bagi dunia teknik transportasi untuk mencari metode optimasi rute transportasi yang ampuh dan efisien, terutama metode yang berprospek bagi implementasi komputer berkinerja tinggi. Metode yang dapat menjawab tantangan tersebut adalah metode GTE, yaitu metode yang mampu menjadi model untuk dapat melengkapi pengembangan model pemilihan rute yang mengarah kepada model keseimbangan dengan pembebanan yang bersifat stokastik pada jaringan rute yang besar dan kompleks. Usaha yang dilakukan dalam studi ini adalah pengembangan model yang menjadi alternatif bagi model yang sudah ada, dan diharapkan model ini dapat dikembangkan lebih lanjut untuk keperluan tertentu (untuk penyelesaian kasus tertentu). Proses pengembangan model ini di bagi kepada penggunaan analisis jaringan secara rute (path) mulai dari tahap awal sampai akhir proses perhitungan. Permasalahan penentu sejumlah rute pilihan dalam jaringan yang besar dapat diatasi dengan melakukan pendekatan-pendekatan konsep reliabilitas dan probabilitas dari suatu distribusi normal. Model stokastik yang digunakan dalam penyelesaian keseimbangan jaringan adalah model logit dengan menggunakan fungsi multinomial logit path. Untuk melihat penggunaan yang lebih luas, model optimasi jaringan stokastik multinomial logit path assignment dikembangkan juga dengan menggunakan model angkutan umum dengan rute tetap dengan waktu yang memperhitungkan waktu transfer pada setiap lebih perhentiannya. Untuk melihat perbandingan perhitungan model tersebut dalam aplikasi model dengan beberapa contoh jaringan, baik jaringan yang sederhana rnaupun jaringan yang relatif cukup besar. Dan hasil perhitungan di peroleh kesimpulan bahwa walaupun secara komputasi model dengan algoritma GTE masih relatif lebih lambat dari model konvensional yang dalam hal ini model CCM dengan algoritma label correcting, tetapi secara jumlah iterasi relatif lebih kecil, lebih fleksibel dan lebih dapat merepresentasikan perilaku pengguna jalan secara realistis. Dan model ini lebih dapat digunakan pada model stokastik yang dalam perkembangannya dapat menjembatani pengembangan analis secara dinamis terhadap penyelesaian jaringan."

"ABSTRAKBiasanya dalam jaringan telekomunikasi yang besar, protokol yang digunakanberaneka ragam. Oleh karena itu dibutuhkan suatu mediation device yang memiliki fungsiuntuk memetakan protokol yang heterogen menjadi sebuah framework definisi.Framework ini diberi code name Hanuman framework. Pada framework ini diperkenalkanmetoda minimalisasi invocation delay dengan menggunakan local interface pada JavaVirtual Machine (JVM) container tunggal dan metode bulk read pada pengaksesan atributentity bean secara berulang. Simulasi menunjukkan perbandingan invocalion delay untuklocal interface vs. remote interface adalah 60,44% dan perbandingan waktu transaksi bulkread vs. single read adalah 26,91% untuk pernbacaan 320 atribut.Gangguan yang terjadi dalam jaringan telekomunikasi dapat mengakibatkanrambatan masalah, oleh karena itu sumber penyebab gangguan harus dapat dideteksi dandikoreksi. Penyebab gangguan diberi nama problem dan akibat gangguan tersebut akanmemberikan alarm yang diberi nama symptom. Dalam penelitian ini diperkenalkan pulametoda inverse symptom dengan pendekatan Humming Distance, yaitu symptom daninversinya, secara teoritis akan memiliki kemampuan yang sama untuk menentukanproblem yang sebenamya, sehingga dapat direduksi. Hasil simulasi menunjukkan metodaini dapat mereduksi symptom hingga 56,94%. Posisi gangguan yang terjadi di suatujaringan dapat diketahui dengan menghitung tingkat korelasi antara problem dengansymptom. Dalam disertasi ini digunakan Bayesian Expectation Maximization (BEM), yaitusuatu teknik estimasi likelihood untuk mengatasi informasi yang tidak lengkap, hilang, ataurusak pada saat observasi pembentukan knowledge base. Hasil simulasi dengan sampledata 1000 buah dan missing data sekitar 70% menunjukkan bahwa metoda ini masihmampu untuk membentuk knowledge based, dan mencari root of fault.

---

ABSTRACTIn a large telecommunication network, there are various of protocols that available.Hence there is a need for a mediation device that maps protocols with similar function ofpurpose to be as a definition homework. The framework?s code name is ?Hanuman?framework. This framework introduces invocation delay minimization method a localinterface method on Java Virtual Machine (JVM) single container and bulk readingmethod in accessing entitiy bean attribute continuously. The simulation shows that thecomparison of invocation delay gives local interface vs. Remote interface is 60.44% andthe transaction time of bulk read vs. Single read is 26. 91 % for the 320 attributes reading.A fault in a network can propagate to the other side of the network that generatesignyicant symptoms. The source of faults that occur in a communication network shouldbe detected and corrected The cause of these faults is called problem' and those faultswill generate alarms which named ?symptom ?. This research also introduces inversesymptom method with Hamming distance approach. This method states that symptoms andtheir inverses theoretically have the same meaning and therefore they can be reduced. Thesimulation shows that the reduction of symptoms number due to symptom propagation,and the used inverse symptom method will increase up to 56. 94%. Location of faults thatoccure in a network can be determinted by calculating the correlation level betweenproblems that cause the problem and symptoms, which is event detected in fault locatordevice. This dissertation use Bayesian Expectation Maximization (BEM) that is likelihoodestimation method to be used for overcome hidden information, missing data, or brokendata during observation in knowledge base development. Simulation result with 1000sample data and around 70% missing data shows that the method is capable to developknowledge based and to find the root of fault."