Hasil Pencarian  ::  Simpan CSV :: Kembali

"Algoritma Harmony Search merupakan algoritma metaheuristik yang diperkenalkan oleh Zong Woo Geem pada tahun 2001 dan terinspirasi dari proses improvisasi musik, dimana para musisi berusaha untuk memperbaiki nada sehingga menghasilkan kumpulan nada membentuk harmoni terbaik. Dalam skripsi ini algoritma Harmony Search digunakan dalam penyelesaian permainan Sudoku.Permainan Sudoku merupakan suatu permainan penempatan angkaangka 1 hingga 9 pada matriks berukuran 9 × 9 dengan syarat di tiap baris, tiap kolom dan di tiap sembilan submatriks ukuran 3 × 3 berisi semua angka 1 hingga 9 tepat satu kali.

---

Harmony search algorithm is a Methaheuristic algorithm. It was introduced by Zong Woo Geem in 2001, which get the inspiration from the process of music improvisation, where musicians improvise their instruments? pitches searching for a perfect state of harmony. In this small thesis, harmony search algorithm used for solving of Sudoku game.Sudoku game is a game that put numbers start from 1 until 9 into a 9 × 9 matrix according to the rules that each row, each column, and each of the nine 3 × 3 sub matrix that compose the matrix contains all of the number from 1 to 9 at once."

"0-1 Knapsack Problem adalah permasalahan optimasi dalam menentukan objek dari sekumpulan objek tertentu dimana masing-masing objeknya hanya mempunyai satu unit. Masing-masing objek tersebut mempunyai bobot (weight) dan nilai (profit) yang dimasukkan ke dalam suatu media penyimpanan yang mempunyai kapasitas tertentu sehingga banyaknya bobot dari objek-objek tersebut tidak melebihi kapasitas dan nilai yang didapatkan maksimum. Dalam tugas akhir ini, algoritma Novel Global Harmony Search (NGHS) akan digunakan untuk menyelesaikan 0-1 Knapsack Problem (0-1 KP). Kemudian akan dibandingkan hasil penyelesaian 0-1 KP yang menggunakan algoritma NGHS dengan algoritma Harmony Search (HS).

---

0-1 Knapsack Problem (0-1 KP) is an optimization problem to determine object from several object in which each object has exactly one unit. Each object have weights and values to place into storage which has a specific capacity so that the total weight of every object are not exceed the capacity and obtain a maximum value. In this undergraduate thesis, Novel Global Harmony Search (NGHS) algorithm will be used to solve 0-1 KP. The result will be compare with Harmony Search (HS) algorithm."

"Permainan Sudoku merupakan permainan yang populer saat ini. Permainan Sudoku merupakan suatu permainan penempatan angka-angka 1 hingga 9 pada matriks berukuran dengan syarat di tiap baris, tiap kolom, dan di setiap submatriks hanya berisi angka 1 hingga 9 tepat satu kali (Taalman, 2007).Dalam skripsi ini dibuat permainan Sudoku dengan lima tingkat kesulitan yang dibuat dari satu matriks Sudoku dengan menggunakan algoritma digging holes. Permainan Sudoku yang dibuat diharapkan jika dikerjakan akan menghasilkan matriks Sudoku yang unik. Untuk mengecek keunikan digunakan program Sudoku solver. Untuk membuat variasi dari permainan Sudoku yang telah dibuat dilakukan proses penambahan variasi.

---

Sudoku game is a popular game nowadays. Sudoku is a game that put numbers start from 1 until 9 into a matrix with rules in every line, in every column,and in every sub matrix only has number 1 until 9 once. In this small thesis,Sudoku game with 5 difficulty levels will be made from a Sudoku matrix by using digging holes algorithm. Sudoku games, when it is solved, supposed to only have a unique Sudoku matrix. A Sudoku solver program is being used to check Sudoku uniqueness. For Sudoku games variation, there is a proses named propagating."

"This book, deals with the aspects of modeling and solving real-world optimization problems in a unique combination. It treats systematically the major algebraic modeling languages (AMLs) and modeling systems (AMLs) used to solve mathematical optimization problems. AMLs helped significantly to increase the usage of mathematical optimization in industry."

"Agar dapat merespon permintaan pelanggan secara cepat perlu disiapkan sejumlah persediaan yang cukup besar, supaya tersedia pada saat dibutuhkan Penelitian ini mengembangkan model penjadwalan yang terdiri dari dua model. Model satu bertujuan melakukan penjadwalan untuk pemenuhan due date pada lingkungan Job Shop Paralel. Model dua bertujuan melakukan penjadwalan untuk penentuan due date. Pada sistem Job Shop Pararel dinamis yang memproses multi-item berstruktur multi-level, berdasarkan kinerja kualitas pada lingkungan produksi Just In Time (JIT). Pendekatan yang digunakan dalam penelitian ini adalah pendekatan mundur (backward approach) untuk pemenuhan due date dan pendekatan random untuk penentuan due date serta menggunakan metode Tabu Search dengan kriteria minimasi total actual flow time dengan memperhatikan tingkat cacat (defect rate) yang terjadi pada setiap tahapan proses yang dilalui. Peningkatan jumlah item dan jumlah level akan memberikan peningkatan jumlah alternatif jadwal yang berdampak pada CPU time yang diperlukan untuk mendapatkan solusi yang dapat memberikan total actual flow time yang minimum, namun dalam penelitian ini hanya terjadi untuk satu level multi item saja. Untuk dua level dan seterusnya tidak memberikan alternatif jadwal yang bervariasi untuk tingkatan item maupun level. Hal ini disebabkan karena inisialisasi solusi tetangga, panjang tabu list dan jumlah iterasi yang ditetapkan diawal membuat pencarian solusi berhenti di titik lokal optimum.

---

In order to response the demand from customer quickly, it needs to have a large size of inventory. This research developes two scheduling model. The first models is to fulfill the due date in the paralel job shop manufacturing and the second is to make the due date itself. In the dynamic paralel job shop system which is produce the multi item structured by multi level, according to the quality performance in the just in time manufacturing. The research uses the backward approach to fulfill the due date and the random approach to make the due date using Tabu Search Method which objective is to minimize total actual flow time concern on defect rate. The increase of item and level affect the increase of scheduling alternatif and cpu time, but in this research it only happens for one level and multi item. For two level and so on it doesn?t give any varians scheduling alternative for level or item invrease. It might becuase of the inisialisasion of neighboor, the lenght of tabu list and iteration which made in the beginning and it makes the solution stop at the optimum local search. "

"Perluasan dari Traveling Salesman Problem (TSP) adalah Multiple Traveling Salesman Problem (MTSP), yaitu menentukan kumpulan rute oleh 𝑚 salesman yang berawal dan kembali ke kota asal (depot). Jika terdapat lebih dari satu depot dan salesman yang berawal dan kembali ke depot yang sama, maka permasalahan tersebut dinamakan Fixed Destination Multi-depot Multiple Traveling Salesman Problem (MMTSP). Pada makalah ini, MMTSP akan diselesaikan menggunakan algoritma Ant Colony Optimization (ACO). ACO adalah algoritma optimisasi metaheuristic yang terinspirasi oleh perilaku semut dalam mencari jalur terpendek dari sarang menuju sumber makanan.Dalam penyelesaian MMTSP, akan diamati dengan memerhatikan pemilihan kota yang berbeda sebagai depot dan tiga parameter MMTSP non-random, banyaknya salesman (𝑚), minimum banyaknya kota yang harus dikunjungi salesman (𝐾), dan maksimum banyaknya kota yang dapat dikunjungi salesman (𝐿). Implementasi dilakukan dengan mengambil empat data dari TSPLIB. Hasil implementasi menunjukkan bahwa pemilihan kota yang berbeda sebagai depot dan tiga parameter MMTSP, di mana 𝑚 adalah parameter yang paling esensial, mempengaruhi solusi.

---

An extension of Traveling Salesman Problem (TSP) is the Multiple Traveling Salesman Problem (MTSP) in which, determining set of routes by 𝑚 salesmen who all start from and return to a single home city (depot). If there is more than one depot and salesmen start from and return to the same depot, then the problem is called Fixed Destination Multi-depot Multiple Traveling Salesman Problem (MMTSP). In this paper, MMTSP will be solved using the Ant Colony Optimization (ACO) algorithm. ACO is a metaheuristic optimization algorithm which inspired by the behavior of ants in finding the shortest path from the nest to the food source.

In solving the MMTSP, the algorithm is observed with respect to different chosen cities as depots and non-randomly three parameters of MMTSP, the number of salesmen (𝑚), the minimum number of cities a salesman must visit (𝐾), and the maximum number of cities that a salesman can visit (𝐿). The implementation is observed with four dataset from TSPLIB. The results show that both the different chosen cities as depots and the three parameters of MMTSP, in which 𝑚 is the most essential parameter, affect the solution."

"ABSTRAKA Dynamic Dial a Ride Problem with Money as an Icentive DARP-M adalah suatu per- masalah dalam pencarian rute optimal untuk memenuhi permintaan sejumlah pelanggan yang menggunakan sistem taxi sharing dengan kendala biaya. Taxi sharing merupakan suatu sistem dimana pelaku perjalanan individu yang berbagi kendaraan dengan pelaku perjalanan lain, yang mempunyai asal, tujuan dan waktu perjalanan yang sama atau ham- pir bersamaan. Solusi yang ingin dicapai pada tugas akhir ini adalah solusi yang dapat meminimumkan biaya perjalanan setiap permintaan. Pencarian solusi dari DARP-M pada tugas akhir ini menggunakan metode insertion heuristic dalam pembentukan rute awal dan metode large neighborhood search dalam penentuan rute optimal.

---

ABSTRACTA Dynamic dial a Ride Problem with Money as an Icentive DARP M is a problem of finding optimal route to serve customers demand which uses taxi sharing system with cost constraint. Taxi sharing is a system where individual customer share vehicles with other customer, who has same or similar origin, destination, and travel time. The optimal solution is the solution that can minimize the cost of each trip request. The search for the DARP M solution in this final project uses the insertion heuristic method for con struction of initial route and the large neighborhood search method for the optimal route determination. "

"This textbook presents a study of subgame consistent economic optimization, developing game-theoretic optimization techniques to establish the foundation for an effective policy menu to tackle the suboptimal behavior that the conventional market mechanism fails to resolve."

"Proses penjadwalan kuliah merupakan proses yang cukup rumit karena komponen-komponen yang dijadwalkan saling berkaitan dan memiliki kondisi yang berbeda-beda. Biasanya penjadwalan mata kuliah dilakukan secara manual. Namun prosesnya akan memakan waktu yang cukup lama, dan penyesuaian kendala yang cukup sulit. Beberapa metode penyelesaian penjadwalan yang telah digunakan yaitu Algoritma Genetik, Algoritma Tabu Search dan gabungan dari keduanya yaitu Algoritma Hybrid Genetic-Tabu Search. Dalam penelitian ini akan dicari hasil perbandingan Algoritma Tabu Search dan Algoritma Hybrid Genetic-Tabu Search dalam penyelesaian masalah penjadwalan mata kuliah. Data yang digunakan berupa data dummy. Berdasarkan hasil simulasi, Algoritma Hybrid Genetic-Tabu Search memiliki konvergensi menuju solusi optimal lebih cepat dengan memberikan nilai fitness yang lebih baik dibandingkan dengan Algoritma Tabu Search dalam menyelesaikan masalah penjadwalan kuliah.

---

The course scheduling process is a fairly complicated process because the components scheduled are related and have different conditions. Usually the scheduling of courses is done manually. But the process will take a long time, and the adjustment of obstacles is quite difficult. Several scheduling settlement methods that have been used are Genetic Algorithm, Tabu Search Algorithm and a combination of the two, Hybrid Genetic-Tabu Search Algorithm. In this study, the results of the comparison of Tabu Search Algorithm and Hybrid Genetic-Tabu Search Algorithm in solving the problem of scheduling courses. The data used in simulation is dummy data. Based on the simulation results, Hybrid Genetic-Tabu Search Algorithm has convergence to an optimal solution faster by providing better fitness values compared to Tabu Search Algorithm in solving university course scheduling problems."