Hasil Pencarian  ::  Simpan CSV :: Kembali

"Klasifikasi penilaian risiko kredit merupakan cara untuk meminimalisir kerugian yang akan dialami oleh bank. Salah satu metode klasifikasi yang digunakan untuk mengklasifikasikan karakteristik calon debitur adalah Support Vector Machine (SVM). SVM mempunyai kemampuan generalisasi yang baik untuk menyelesaikan masalah klasifikasi dalam jumlah data yang besar dan dapat menghasilkan fungsi pemisah yang optimal untuk memisahkan dua kelompok data dari dua kelas yang berbeda. Salah satu keberhasilan menggunakan metode SVM adalah proses pemilihan model yang akan mempengaruhi tingkat akurasi klasifikasi. Metode pemilihan model yang digunakan pada tesis ini adalah metode grid search dan metode random search. Data dalam tesis ini menggunakan data sekunder dari database dalam UCI machine learning repository. Berdasarkan hasil simulasi untuk membandingkan nilai akurasi penggunaan metode pemilihan model pada SVM dalam klasifikasi penilaian risiko kredit, diperoleh bahwa metode random search belum mampu menghasilkan nilai akurasi yang lebih baik dari metode grid search. "

"Penelitian-penelitian sebelumnya telah menunjukkan hasil yang ambigu mengenai pencarian visual untuk ekspresi-ekspresi wajah emosional. Bukti menunjukkan deteksi efisien dan akurat baik untuk wajah senang maupun wajah marah. Penelitian ini bertujuan untuk menginvestigasi efisiensi pencarian dalam mendeteksi ekspresi senang dan marah sebagaimana diindikasikan oleh waktu respon dalam ukuran kelompok yang bermacam-macam. Dua-puluh-enam mahasiswa psikologi tingkat satu di University of Queensland ditampilkan wajah-wajah fotografik. Wajah senang bermulut terbuka dideteksi sama tidak efisiennya dengan wajah marah bermulut terbuka dengan orientasi tegak dan terbalik. Sebaliknya, bukti menunjukkan bahwa wajah senang sumringah dideteksi secara lebih efisien daripada wajah marah bermulut terbuka di orientasi tegak, tapi tidak ketika wajah-wajah itu dibalik orientasinya.

---

Previous studies had shown equivocal results regarding visual search for emotional facial expressions. Evidence suggested either an efficient and accurate detection for happy or angry faces. The present study aimed to investigate search efficiency in detecting happy and angry expressions as indicated by response times across the size of the faces (set sizes). Twenty-six first-year psychology students at The University of Queensland were presented photographic faces. Open-mouth happy faces were found to be detected as slowly and inaccurately as open-mouth angry faces in upright and upside-down (i.e., inverted) orientations. Conversely, it was evident that exuberantly happy faces were detected more efficiently than open-mouth angry faces in upright orientation, but not when they were inverted."

"Penelitian ini membahas mengenai kasus distribusi Premium, Kerosin dan Solar di perusahaan Migas yang mengalami masalah deviasi jumlah pendistribusian produk di beberapa depot utama (pelabuhan bongkar) yang disebabkan oleh keterlambatan kapal, keterbatasan draft pelabuhan dan fluktuasi permintaan. Pengoptimalan rute dan jadwal pendistribusian bahan bakar ini menggunakan Algoritma Tabu Search dengan mengintegrasikan 2 kapal yang berbeda jenis Medium Range (MR) dan General Purpose (GP), konsumsi harian di tiap pelabuhan bongkar berbeda akan tiap produk, stok pelabuhan muat tidak terbatas, keterbatasan draft pelabuhan sehingga menghasilkan sebuah solusi yang menjaga keberadaan persediaan pengaman dengan biaya transportasi yang minimum. Rute usulan dari penelitian ini dirancang dengan penjadwalan 30 hari menggunakan perangkat lunak Matlab versi 7 (R2000b). Hasil yang diperoleh memberikan performansi yang baik karena rute dan jadwal yang dihasilkan dapat menjaga keberadaan persediaan pengaman dengan total biaya sebesar Rp. 6,265,337,216 dengan pertimbangan Kapal MR digunakan dedicated untuk pelabuhan bongkar TTM.

---

This research discusses about case of fuel distribution (Premium, Kerosene and Solar) in an oil company which involved in quantity of product distribution problem in some main depot (unloading port) which are caused by ship lateness, limitation of draft and demand fluctuation. It is solved by using Tabu Search Algorithm which have model that integrate two different ships consist of Medium Range (MR) and General Purpose (GP), different daily consumption product of every unloading port, unlimited inventory loading port, and limited port draft for give a solution to maintain safety stock with low transportation cost. This routes were designed by planning horizon 30 days using Matlab 7th version (R2000b). The result prove that safety stock in each unloading port can be maintained with total cost is Rp. 6,265,337,216. MR (Medium Range) ship is dedicated to fulfill TTM port demand."

"ABSTRAKKegiatan transportasi dan logistik memiliki peranan penting dalampembiayaan perusahaan. Meningkatnya permintaan membuat perusahaanmengalami overload sehingga membutuhkan jasa dari perusahaan logistik pihakketiga untuk melakukan kegiatan distribusinya. Salah satu permasalahan yangsering dijadikan penelitian adalah permasalahan rute kendaraan, permasalahanVRP ini merupakan permasalahan umum yang sering terjadi pada kondisi nyataseperti adanya kapasitas angkut maksimal kendaraan (CVRP), jendela waktupelayanan (VRPTW), kegiatan pengangkutan dan pengiriman (VRPPD),pengiriman yang dilakukan lebih dari satu kali (SVRP) dan pengiriman yangdapat dilakukan lebih dari satu hari (PVRP). Meningkatnya jumlah permintaansewa mengharuskan perusahaan truk-sewa untuk membuat alokasi yang optimalberdasarkan kombinasi permasalahan di atas.

---

ABSTRACTTransport and logistics activities have an important role in the case offinancing company. Increased demand makes company require the services ofthird party logistic company to assist their distribution activities. One issue thatoften used as a study is Vehicle Routing Problem (VRP), VRP is a generalproblem that often occurs in real conditions such as Capacitated VRP (CVRP),VRP with time windows (VRPTW), VRP pickup and delivery (VRPPD), SplitVRP (SVRP) and Periodic VRP (PVRP). Increasing number of rental demandmakes truck-rental companies to make allocation approach optimal based on acombination of VRP problem."

"Skripsi ini membahas penelitian dan perancangan sebuah sistem web scraping untuk informasi kursus di Coursera dengan rekomendasi model dan metrik untuk pencarian kursus. Telah banyak tersedia layanan kursus online yang bisa dicari dan diakses sesuai dengan ketersediaan dan kebutuhan, seperti Coursera. Namun, ketika pengguna hendak mencari kursus dengan memasukkan teks ke dalam section penelusuran kursus Coursera, hasil pengurutan penelusuran bisa saja kurang sesuai dengan apa yang sebenarnya diharapkan atau dituju pengguna dengan keyword. Tujuan penelitian dan perancangan sistem ini adalah agar pengguna yang ingin mencari kursus di Coursera berdasarkan keyword dapat menggunakan sistem ini sebagai cara alternatif untuk memperoleh dan melihat gambaran urutan hasil penelusuran kursus-kursus yang tersedia di Coursera dengan akurasi kecocokan yang lebih tinggi sehingga diharapkan dapat menemukan kursus-kursus yang lebih sesuai dengan yang dicari melalui keyword atau teks. Penelitian dan perancangan sistem ini secara garis besar terdiri dari program scraper, database, pengujian model dan metrik, dan program pencarian kursus menggunakan perhitungan kemiripan antara teks dalam database dengan teks input dari user. Hasilnya, jika dibandingkan dengan metode yang digunakan Coursera untuk menampilkan hasil pengurutan kursus dengan pilihan sorting sudah berdasarkan “Best Match”, ternyata program pencarian kursus menggunakan soft cosine similarity dan cosine similarity yang dikombinasikan dengan all-MiniLM-L6-v2 telah menunjukkan peningkatan akurasi sebesar 33.33%.

---

This thesis discusses the research and design of a web scraping system for course information on Coursera with models and metrics recommendation for course search. Many online course services are available that can be searched and accessed according to availability and needs, such as Coursera. However, when users want to search for courses by entering text into the Coursera course search section, the search sorting results may not match what users actually expect or aim for with the keyword. The aim of this research and system design is for users who want to search for courses on Coursera based on keywords to use this system as an alternative way to obtain and see an overview of the order of search results for courses available on Coursera with higher accuracy of match so that it is expected to find more suitable courses through the keyword or text. This research and system design consists of a scraper program, a database, model and metric testing, and a course search program using similarity calculations between text in the database and user input text. As a result, compared to the method used by Coursera to display course sorting results with the sorting option already based on “Best Match”, it turns out that the course search program using soft cosine similarity and cosine similarity combined with all-MiniLM-L6-v2 has shown an accuracy increase of 33.33%."