Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam kehidupan sehari-hari, seorang produsen tentu ingin mendapatkan keuntungan sebesar mungkin. Salah satu cara yang dapat dilakukan untuk mencapai tujuan tersebut adalah dengan meminimumkan biaya yang dikeluarkan ketika mendistribusikan produk kepada para pelanggannya. Untuk meminimumkan biaya distribusi tersebut, perlu dilakukan alokasi jenis kendaraan yang tepat ketika mendistribusikan produk. Apabila dalam mendistribusikan produknya produsen tersebut menyewa kendaraan dari rental, maka akan terdapat biaya tambahan yang harus produsen tersebut keluarkan. Sebuah kasus khusus ketika rental memberlakukan mekanisme diskon untuk biaya sewa kendaraan dipertimbangkan. Masalah peminimuman biaya transportasi, yang terdiri atas biaya pengiriman produk dan biaya sewa kendaraan, akan diselesaikan menggunakan metode pemrograman dinamik. Kemudian akan diberikan sebuah contoh kasus masalah peminimuman biaya transportasi yang akan diselesaikan menggunakan metode pemrograman dinamik dan dicari tahu berapakah waktu yang dibutuhkan running time program untuk menyelesaikan masalah tersebut. Hasil yang didapat akan berupa total biaya transportasi minimum yang harus dikeluarkan, banyak jumlah kendaraan untuk setiap jenis yang digunakan untuk mendistribusikan produk kepada setiap pelanggan, dan running time yang dibutuhkan program untuk mendapatkan solusi tersebut.

---

In daily life, a manufacturer would want to get as much profit as possible. One of the ways to achieve that purpose is by minimizing the costs incurred when distributing products to its customers. To minimize the distributing costs, it is necessary to allocate the right types of vehicles when distributing the products. If in distributing the product the manufacturer leases the vehicle from the rental, there will be additional costs that the manufacturer must spend. A special case when the rental applies a discounted mechanism for the rent costs is considered. The problem of minimizing the transportation costs, which consist of delivery costs and rent costs, will be solved using dynamic programming method. Then will be given an example of minimizing transportation costs case that will be solved using dynamic programming method and will find out running time that program needed to solve the case given. The results obtained are total minimum transportation costs, how many vehicles for every type that will be used to distributing products to each customer, and running time that program needed to get the solution."

"Discounted {0-1} Knapsack Problem (DKP) adalah perluasan dari {0-1} Knapsack Problem (KP). Pada DKP akan dipilih sebuah himpunan kelompok-kelompok barang, dimana setiap kelompok terdiri dari tiga barang dan paling banyak satu dari tiga barang dapat dipilih. Barang ketiga dalam setiap kelompok merupakan gabungan dari barang pertama dan barang kedua. Dengan menggunakan konsep inti alternatif, DKP dapat dipartisi ke dalam beberapa submasalah berdasarkan tipe-tipe kasusnya (tidak berkorelasi, berkorelasi lemah, dan berkorelasi kuat). DKP yang telah dipartisi ini disebut partitioned DKP. Jika kasus dari DKP diketahui berkorelasi lemah atau berkorelasi kuat, maka dapat dilakukan partisi lebih lanjut lagi untuk memperbaiki efisiensi solusinya. Baik DKP maupun partitioned DKP dapat diselesaikan dengan menggunakan pemrograman dinamik. Berdasarkan percobaan numerik, penyelesaian partitioned DKP lebih efisien daripada penyelesaian DKP untuk semua kasus DKP, dengan tingkat efisiensi sekitar 11,79% untuk kasus tidak berkorelasi, 30,28% untuk kasus berkorelasi lemah, dan 41,84% untuk kasus berkorelasi kuat.

---

The Discounted {0-1} Knapsack Problem (DKP) is an extension of the {0-1} Knapsack Problem (KP). On DKP, it will be selected a set of item groups where each group consists of three items, and at most one of the three items can be selected. The third item in each groups is a combination of first item and second item. By using concept of alternative core, DKP can be partitioned to some sub problems based on types of DKP instances (uncorrelated, weakly correlated and strongly correlated).

If DKP is known as weakly correlated or strongly correlated, so it could be more partitioned for improving the solution efficiency. DKP and partitioned DKP could be solved by dynamic programming. Based on numerical experiments, solving partitioned DKP are more efficient than solving DKP for all cases of DKP, with efficiency level about 11.79% for uncorrelated instances, 30.28% for weakly correlated instances, and 41.84% for strongly correlated instances."

"ABSTRAKRobust Knapsack Problem (RKP) adalah variasi dari masalah Knapsack, dimana dalam hal ini bobot dari setiap item belum diketahui secara pasti, dan hanya diketahui terletak dalam sebuah interval tentu. Pada RKP akan dicari solusi optimal yang merupakan keuntungan optimal yang akan didapatkan, dan item-item mana saja yang diletakkan ke dalam Knapsack sehingga menghasilkan solusi optimal. Terdapat dua metode alternatif yang akan dijelaskan untuk mencari solusi optimal pada RKP, yang kemudian dibandingkan efisiensi dari kedua metode tersebut dengan dilihat dari running time masing-masing metode. Sedangkan untuk mencari himpunan item-item yang menghasilkan solusi optimal pada RKP akan digunakan metode partisi rekursif, dimana ide awalnya adalah dengan mempartisi himpunan item menjadi dua subhimpunan item.

---

ABSTRACTRobust Knapsack Problem (RKP) is a variation of the Knapsack Problem, where in this case the weight of each item is not exactly known in advance, but belongs to a given interval. On RKP, it will be sought optimal solution, which is the optimal benefit to be gained, and set of items placed into the Knapsack. There are two methods that will be discussed to find optimal solution in RKP, and then the efficiency of the two alternative methods will be compared with their running time. Whereas, to search the set of items that build optimal solutions in the RKP will be used recursive partitioning method. The main idea of this method is dividing the set of items into two subsets of items."

"ABSTRAKAturan penjadwalan perawat di rumah sakit dimodelkan sebagai masalahpreemptive goal programming yang diselesaikan menggunakan software LINGOdengan fungsi objektif bertujuan untuk meminimumkan penyimpangan yang terjadiantara setiap variabel deviasi pada masing-masing tujuan. Penjadwalan dilakukansecara siklis, sehingga setiap perawat merasa diperlakukan adil karena memilikijadwal kerja yang sama dengan perawat lainnya. Dengan memperhatikan aturanaturanrumah sakit mengenai jadwal kerja perawat secara siklis diperoleh jumlahoptimal perawat yang dibutuhkan dalam satu bangsal adalah 18 orang perawat danbanyaknya periode penjadwalan adalah 18 periode, dimana satu periode terdiri dari 21 hari.

---

ABSTRACTNurse scheduling system in hospital is being modelled as a preemptive goalprogramming problem that is solved by using LINGO software with the objectivefunction to minimize deviation variable at each goal. The scheduling is donecyclically, so every nurse is treated fairly since they have the same work shiftportion with the other nurses. By paying attention to the hospital?s rules regardingnursing work shift cyclically, it can be obtained that numbers of nurse needed inevery ward are 18 nurses and the numbers of scheduling periods are 18 periodswhere every period consists of 21 days"

"ABSTRAKPenjadwalan perawat Unit Gawat Darurat (UGD) dibuat dengan mempertimbangkan kendala utama yaitu aturan rumah sakit dan kendala tambahan yaitu keinginan perawat. Masalah penjadwalan perawat UGD ini diformulasikan sebagai model nonpreemptive goal programming, dengan fungsi tujuannya adalah meminimumkan penyimpangan yang terjadi terhadap kendala tambahan. Jadwal perawat yang optimal didapatkan ketika semua kendala utama dan kendala tambahan terpenuhi.

---

ABSTRACTNurse scheduling problem in emergency department (ED) has been made by considering hospital policies as hard constraints and nurse preferences as soft constraints. Nurse scheduling problem in ED is formulated as nonpreemptive goal programming model, with the objective function to minimize number of soft constraint violations. Optimal nurse scheduling is obtained when all of the hard and soft constraints are fulfilled."

"Sistem distribusi listrik adalah suatu sistem yang menunjukkan penyaluran energi listrik dari pusat distribusi ke konsumen melalui jaringan distribusi. Jaringan distribusi mengandung resistansi dan reaktansi yang bervariasi sehingga mengakibatkan terjadi losses (kehilangan energi listrik) pada jaringan tersebut. Pada jaringan distribusi juga akan dilihat kehandalan sistemnya dalam menyalurkan energi listrik ke konsumen ketika terjadi gangguan di jaringan tersebut. Kehandalan sistem adalah kemampuan sistem untuk melakukan fungsinya dalam menyalurkan energi listrik. Pada proses penyaluran energi listrik ke konsumen diharapkan dapat memberikan sistem yang lebih handal dan jumlah losses sekecil mungkin. Salah satu cara untuk menangani masalah penyaluran energi listrik dari pusat distribusi ke konsumen dengan losses minimum dan kehandalan sistem yang baik adalah dengan membangun Distributed Generation (DG). DG didefinisikan sebagai pembangkit kecil berkapasitas beberapa kilowatt sampai 50 MW yang diletakkan pada sisi konsumen. Pemasangan DG akan memberikan hasil optimal jika DG dengan kapasitas tertentu dipasang di lokasi yang tepat. Permasalahan penentuan kapasitas dan lokasi DG disebut dengan Distributed Generation Allocation (DG Allocation). Pada skripsi ini, masalah DG allocation akan diselesaikan dengan menggunakan pemrograman dinamik untuk menentukan kapasitas dan lokasi optimal DG dengan losses yang minimum atau meningkatnya kehandalan sistem.

---

An electricity distribution system is a system that shows the distribution of electrical energy from the distribution center to customers through a distribution network. A distribution network contain various resistance and reactance so that losses (lost of electrical energy) is resulted in the network. In distribution network will also be seen its system reliability within distributing electrical energy to consumers when there is happened a fault. System reliability is capability of system for doing its function in distributing electrical energy. The process of distribution of electrical energy to consumers is expected to provide a more reliable system and the amount of losses as small as possible. Both of them are important to be noted because most of consumers in distribution system are spread.

One way to overcome problem of distribution of electrical energy from the distribution center to customers with minimum losses and good system reliability is to build a Distributed Generation (DG). DG is defined as generation from a few kilowatts up to 50 MW which is placed on the costumer side. The installation of DG will provide optimal results if the DG with a certain capacity installed in the proper location. The determination of the capacity and location of DG is called Distributed Generation Allocation (DG Allocation). In this mini thesis, the problem will be solved by using dynamic programming to determine capacity and location of DG that produce lowest losses and highest system reliability."

"Penjadwalan unit pembangkit menentukan unit yang hidup dan mati. Dari unit pembangkit yang hidup tersebut ditentukan besar pembebanan ekonomis pada masing-masing unit dengan memperhatikan kondisi optimal serta batasan-batasan (constrain) unit pembangkit. Operasi ekonomis adalah bagaimana mengatur karaktersitik-karakteristik masukan dan keluaran dari masing-masing pembangkit. Pada operasi sistem tenaga listrik, biaya bahan bakar menempati biaya yang terbesar (pembangkit termal) yaitu sekitar 60% dari biaya operasi secara keseluruhan. Pengendalian operasi ini menjadi hal yang sangat penting, optimalisasi satu persen saja untuk sistem berskala besar akan menghasilkan penghematan dalam orde milyaran rupiah pertahun. Apalagi jika berhasil dilakukan optimasi yang lebih besar dari itu. Tentunya akan memberikan penghematan yang lebih besar.

---

Scheduling generating units determine the unit on and off. From the number of units on, will be determined the least-cost dispatch of available generation to meet the electrical load. Economical operation is how to set the characteristics of the input and output of each plant. In the operation of electric power systems, fuel costs occupy the largest cost (thermal power plant) which is about 60% of the all operating costs. Controlling this, becomes very important. Optimizing one percent for large-scale system will result in savings the billions rupiah per year. Moreover, if we can optimize higher than that, it will provide greater savings."

"Peningkatan jumlah penumpang dengan menggunakan pesawat terbang berdampak kepada penambahan jumlah ataupun rute pesawat yang ada saat ini. Seiring dengan hal ini juga terdapat komponen penting yang akan mengalami peningkatan, yaitu bahan bakar avtur. Dalam distribusi avtur sendiri terdapat beberapa tipe pengantaran distribusi. Salah satunya dengan dengan menggunakan mobil tangki. Penelitian ini bertujuan untuk mengetahui rute pendistribusian bahan bakar avtur yang optimal dalam sisi harga minimum pendistribusian dengan menggunakan model optimasi. Sehingga dengan ditentukannya model optimasi pendistribusian akan menghasilkan harga yang paling minimum dengan menggunakan pemilihan kapasitas mobil tangki dalam proses pengantaran. Penelitian ini menggunakan metode Integer Linear Programming dalam menentukan biaya bahan avtur yang paling minimal dan menggunakan Excel Solver dalam penyelesaian pengolahan data. Dari hasil pengolahan data menghasilkan rute baru untuk pendistribusian dan keputusan menggunakan salah satu tipe kapasitas mobil tangki. Model penelitian ini akan menjadi rekomendasi untuk meminimumkan biaya distrubusi pengantaran bahan bakar avtur atau jenis bahan bakar yang lainnya.

---

Increasing the number of passengers using the airccraft have the impact of adding a routes the aircraft recently. In a row with this situation also have a critical component will be increase, there is aviation fuel. In aviation fuel distribution itself have a several types of delivery distribution . One of them is using a vehicle tank. This research purpose to determine optimize route of distribution aviation fuel with the aspect of minimize the cost of distribution using the optimization model. With the result that determines model for optimize distribution will give the output the minimum price by using one of type a vehicle tank in process delivery.

This research using a integer linear programming method to determining minimum cost of distribution aviation fuel and using Excel Solver to completed processing the data. Output from processing data give a new route to distribute and decision to using one type of vehicle tank based on capacity. This research model will be recommendation to minimize the cost to distribution aviation fuel or another type of fuel."