Hasil Pencarian  ::  Simpan CSV :: Kembali

"Permasalahan lokasi alokasi sekolah bertujuan untuk menghasilkan distribusi peserta didik ke sekolah sedemikian sehingga total jarak perjalanan siswa minimum. Permasalahan ini termasuk jenis masalah kombinatorial dan dapat dimodelkan sebagai permasalahan p-median. Pada penelitian ini, pendekatan algoritma hibrida firefly-genetika digunakan untuk menyelesaikan masalah lokasi alokasi sekolah dengan studi kasus SMP Negeri di Jakarta Selatan. Algoritma firefly diusulkan karena kemampuannya yang baik dalam mengarahkan konvergensi solusi ke nilai fungsi objektif yang lebih baik dalam permasalahan dengan fungsi kontinu. Algoritma genetika diusulkan karena kemampuan operasi genetikanya yang dapat menjaga variasi individu dalam populasi sehingga dapat menghindarkan solusi terjebak di nilai optimum lokal. Hasil pengujian menunjukkan nilai jarak perjalanan yang didapatkan oleh algoritma hibrida firefly-genetika lebih baik daripada algoritma firefly dan algoritma genetika. Untuk nilai parameter yang sama, waktu komputasi algoritma hibrida firefly-genetika relatif sama dengan algoritma firefly, namun jauh lebih tinggi dari algoritma genetika.

---

School location allocation problem aims to distribute students to schools such that the total of students travel distance is minimum. This problem is a type of combinatorial problem and can be modeled as a p-median problem. In this study, hybrid firefly-genetic algorithm is used to solve school location allocation problem with case study of South Jakarta junior public schools. Firefly algorithm is proposed because of its ability in directing the convergence to better solutions in continuous problems. Genetic algorithm is proposed because its genetic operators can maintain individual variation in the population to avoid a solution getting stuck at local optimum. The experiment results show that the total travel distance obtained by hybrid firefly-genetic algorithm is better than firefly algorithm and genetic algorithm. For the similar parameter values, the computational time of hybrid firefly-genetic algorithm is quite same as firefly algorithm, but much higher than genetic algorithm."

"Vehicle Routing Problem with Time Windows (VRPTW) adalah masalah penentuan rute kendaraan dalam pendistribusian barang/jasa ke sejumlah pelanggan yang memiliki biaya minimum dengan tambahan kendala time windows, biaya direpresentasikan oleh total jarak yang ditempuh kendaraan dari depot dan kembali ke depot.Pada tugas akhir ini, digunakan algoritma genetika hibrida untuk menyelesaikan VRPTW. 50% populasi awal dibentuk dengan menggunakan metode Push Forward Insertion Heuristic (PFIH) dilanjutkan dengan -Interchange, dan 50% lainnya dibentuk secara acak. Tiga operator utama algoritma genetika yang digunakan adalah ranking based selection, merge-heuristic crossover, dan sequence based mutation. Pada tugas akhir ini juga akan diimplementasikan algoritma genetika hibrida pada VRPTW dengan perangkat lunak.

---

Vehicle Routing Problem with Time Windows (VRPTW) is a problem of determining the route of vehicles that has minimum cost in the distribution of goods /services to a number of customers with addition of time constraint, the cost is represented by the total distance traveled by vehicles from depot and returned to depot.

In this final project, a hybrid genetic algorithm used to solve VRPTW. 50% of initial population is generated by Push Forward Insertion Heuristic (PFIH) and then -Interchange, and the other 50% is randomly generated. Three major operator that used in this final project are ranking based selection, merge-heuristic crossover, and sequence based mutation. Hybrid genetic algorithm is implemented on Solomon?s benchmark data of VRPTW."

"Pickup and Delivery Vehicle Routing Problem with Time Windows (PDPTW) adalah suatu permasalahan dalam pencarian rute optimal untuk memenuhi permintaan sejumlah pelanggan dengan setiap permintaan terdiri dari permintaan jemput dan antar. Solusi yang ingin dicapai adalah solusi dengan banyaknya rute yang minimum dan total jarak yang minimum. Tugas akhir ini membahas aplikasi algoritma hibrida dua tahap pada PDPTW dan implementasinya pada data benchmark Li dan Lim dengan menggunakan perangkat lunak. Tahap pertama menggunakan algoritma simulated annealing untuk meminimumkan banyaknya rute dengan pembentukan solusi awal menggunakan metode insertion heuristic dan tahap kedua menggunakan algoritma large neighborhood search untuk meminimumkan total jarak.

---

Pickup and Delivery Vehicle Routing Problem with Time Windows (PDPTW) is a problem of finding optimal route to serve customer's demands where each demand consists of pickup and delivery service. The optimal solution is the solution with minimum number of routes and minimum total distance. This final project presents an application of two-stage hybrid algorithm for PDPTW and its implementation on Li and Lim benchmark data using software. The first stage uses simulated annealing algorithm to minimize the number of routes with insertion heuristic used in the construction of initial solution. Then, the second stage uses large neighborhood search algorithm to minimize the total distance. That algorithm is implemented for benchmark problem."

"Economic Lot Scheduling Problem (ELSP) merupakan masalah penjadwalan produksi beberapa item pada mesin tunggal sehingga tingkat permintaan dapat tercapai tanpa adanya backorder dan total biaya (jumlah dari biaya penyimpanan inventori dan biaya setup) dapat diminimumkan. Tujuan dari penyelesaian ELSP adalah menentukan lamanya pemrosesan item yang sejenis yang disebut dengan panjang run atau ukuran lot dan menentukan urutan lot (sekuens produksi) yang meminimumkan total biaya. Salah satu jenis pendekatan ELSP adalah Time-varying Lot Sizes Approach, yaitu pendekatan yang memungkinkan ukuran lot yang berbeda bagi setiap item yang berbeda. Time-varying Lot Sizes ELSP dikenal sebagai masalah NP-hard sehingga banyak dilakukan penelitian menggunakan metode heuristik untuk menyelesaikan masalah ini. Pada skripsi ini, digunakan Algoritma Genetika Hibrida (Algoritma Genetika yang digabungkan dengan algoritma lain) untuk menyelesaikan Time-varying Lot Sizes ELSP sehingga diperoleh sekuens produksi yang meminimumkan total biaya.

---

Economic Lot Scheduling Problem (ELSP) is a problem of scheduling several items on a single machine in order to meet the demand without any backorder, so as to minimize the total cost (sum of inventory holding cost and setup cost). The purpose of solving ELSP is to determine the duration of processing the same item (called as run length or lot size) and determine the sequence of the lots (called as production sequence) that can minimize the total cost. One of the ELSP approaches is Time-varying Lot Sizes Approach, that is an approach which different lot sizes is possible to be produced for any item in the production sequence. Time-varying Lot Sizes ELSP is known as NP-hard problem and there are numerous research on heuristic algorithms to solve this problem. In this skripsi, Hybrid Genetic Algorithm (combination of Genetic Algorithm with another algorithm) is used to solve Time-varying Lot Sizes ELSP in order to get the production sequence which minimizes the total cost."

"Alokasi ruang merupakan suatu permasalahan yang signifikan bagi manajemen ritel, mengingat adanya sumber daya ruang rak display yang terbatas namun variasi produk yang terus-menerus bertambah. Di sisi lain, penelitian sebelumnya mengungkapkan bahwa jumlah ruang (facing) dapat mempengaruhi tingkat penjualan sebuah produk. Penelitian ini akan membahas mengenai optimasi alokasi ruang produk pada rak display gerai ritel grocery dengan mengimplementasikan model Shelf Space Allocation Problem (SSAP) yang dikembangkan Bai (2005) dengan metode penyelesaian algoritma genetika. Hasil penelitian menunjukkan metode yang digunakan dapat memberikan nilai keuntungan kategori produk teh kemasan 7,30% lebih baik dari yang ada saat ini. Analisis kebijakan in-store shelf replenishment akan ditinjau dengan menggunakan model umum reorder point (ROP).

---

Space allocation is a critical problem for retail management, considering the increasing variation of products in contrast with the limited resources of shelf space. Moreover, previous researches have concluded that the number of space (facing) allocated could affect the sales of a product.

This research discusses optimization of product shelf space allocation in grocery retail store by implementing Shelf Space Allocation Problem (SSAP) model developed by Bai (2005) with genetic algorithm as solving method.

Result has shown that this method produces 7,30% higher product category profit of tea drink than what it has today. Analysis on the in-store shelf replenishment is done by using the common reorder point model."

"Traveling Salesman Problem (TSP) adalah masalah mencari jalur terpendek untuk mengunjungi setiap simpul tepat satu kali kecuali simpul awal kunjungan jika diberikan himpunan simpul yang harus dikunjungi. Tiga modifikasi dilakukan pada skripsi ini untuk menyelesaikan masalah TSP dengan menggabungkan metode Ant Colony Optimization (ACO), Particle Swarm Optimization (PSO) dan 3-Opt Algorithm. ACO digunakan untuk mencari solusi TSP, PSO digunakan untuk mencari nilai paremeter terbaik 𝛼 dan 𝛽 yang digunakan pada ACO, dan 3-Opt digunakan untuk mengurangi total jarak tempuh solusi yang didapat dari ACO. Pada modifikasi pertama, 3-Opt digunakan untuk mengurangi total jarak tempuh dari solusi terbaik yang didapatkan setiap iterasi. Pada modifikasi kedua, 3-Opt digunakan untuk mengurangi total jarak tempuh seluruh solusi yang didapatkan pada setiap iterasi. Pada modifikasi ketiga, 3-Opt digunakan untuk mengurangi total jarak tempuh seluruh solusi yang berbeda yang didapatkan pada setiap iterasi.Hasil modifikasi diuji menggunakan 6 benchmark problems yang diambil dari TSPLIB dengan menghitung besarnya galat relatif terhadap best known solution dan running time percobaan. Setiap masalah diselesaikan dengan 10 kali percobaan, dengan masing-masing percobaan menggunakan 10 agen dan 50 iterasi. Hasil implementasi menunjukkan modifikasi pertama tidak memberikan hasil yang memuaskan, modifikasi kedua memberikan hasil yang memuaskan namun dengan running time yang cukup besar, serta modifikasi ketiga memberikan nilai galat yang tidak jauh berbeda dengan modifikasi kedua namun dengan running time yang jauh lebih kecil.

---

The Traveling Salesman Problem (TSP) is the problem of finding a shortest tour which visits all the vertices exactly once, except the first vertex, given a set of vertices. This thesis discusses three modification to solve TSP by combining Ant Colony Optimization (ACO), Particle Swarm Optimization (PSO) and 3-Opt Algorithm. ACO is used to find the solution of TSP, PSO is used to find the best value of parameters α and β that are used in ACO, and 3-Opt is used to reduce the total of tour length from the solution obtained by ACO. In the first modification, 3-Opt is used to reduce the total of tour length from the best solution obtained at each iteration. In the second modification, 3-Opt is used to reduce the total of tour length from the entire solutions obtained at each iteration. In the third modification, 3-Opt is used to reduce the total of tour length from different solutions obtained at each iteration.Results were tested using 6 benchmark problems taken from TSPLIB by calculating the relative error to the best known solution and the running time. Every problem was solved with 10 trials, where each trial uses 10 agents and 50 iterations. The implementation results showed the first modification did not provide satisfactory results, the second modification gave a satisfactory result, but the running time was quite large, and the third modification gave errors that were close to the second one but with smaller running time."

"Quadratic Assignment Problem (QAP) merupakan masalah optimasi kombinatorial yang pertama kali diperkenalkan oleh Koopmans dan Beckman pada tahun 1957. QAP adalah masalah menempatkan n fasilitas pada n lokasi dengan tujuan meminimalkan total jarak. Pada skripsi ini, QAP diselesaikan dengan algoritma Hybrid Ant System (HAS) yang termasuk dalam Ant Colony Optimization (ACO). ACO merupakan suatu metode metaheuristik yang terinspirasi dari perilaku semut dalam mencari rute terpendek dari sumber makanan sampai kembali ke sarangnya. Pada algoritma HAS ini, terdapat sejumlah agen yang ditugaskan untuk membentuk rute perjalanan. Setiap agen secara acak ditugaskan membuat rute dari simpul awal sampai semua simpul dikunjungi dan menghasilkan solusi untuk QAP.

---

Quadratic assignment problems (QAPs) is one of combinatorial optimization that was introduced by Koopmans and Beckmann in 1957. QAP is assign n facilities to n locations by minimizing the total distance. In this skripsi, QAP problems can be solved by Hybrid Ant System (HAS) algorithm, these algorithm include in Ant Colony Optimization (ACO). ACO is a metaheuristic methods which encouraged from ants behavior in finding the shortest path among the food resources to their cage. By HAS algorithm, there are some agents assigned to create routes randomly from first points until all points visited, then it will result a solution for QAP."

"Pada sistem tenaga listrik, terdapat tiga komponen penting yang berperan dalam menyalurkan energi listrik, yaitu sistem pembangkitan, transmisi, dan distribusi. Dalam beberapa kasus, digunakanlah saluran hibrida yang menggabungkan saluran udara tegangan tinggi (SUTT) dan saluran kabel bawah tanah (SKTT) dengan pertimbangan tertentu seperti keterbatasan biaya dan pertimbangan lingkungan. Namun, perbedaan karakteristik antara kedua jenis saluran tersebut dapat menyebabkan kesalahan dalam deteksi lokasi gangguan. Untuk meningkatkan keandalan sistem, digunakan sistem proteksi yang bertugas mengamankan sistem tenaga listrik dengan melakukan identifikasi dan pemindaian terhadap gangguan yang terjadi, sehingga dapat meminimalisasi kegagalan pasokan listrik yang dapat menyebabkan ketidakstabilan sistem. Dilakukan pengujian antara relai jarak dengan relai gelombang berjalan untuk mendeteksi lokasi gangguan menggunakan perangkat lunak MATLAB. Data hasil simulasi menunjukkan Rata-rata persentase kesalahan deteksi lokasi gangguan pada sistem gelombang berjalan ujung tunggal adalah sekitar 1,12%, sedangkan pada sistem gelombang berjalan ujung ganda hanya sekitar 0,36%. Di sisi lain, relai jarak menunjukkan tingkat kesalahan yang jauh lebih tinggi, dengan rata-rata sekitar 33,73%. Dari penelitian ini terungkap bahwa sistem proteksi gelombang berjalan ujung ganda lebih efektif dalam mendeteksi lokasi gangguan dibandingkan dengan sistem gelombang berujung tunggal dan sistem proteksi relai jarak.

---

In the electrical power system, there are three crucial components that play roles in delivering electrical energy, namely generation, transmission, and distribution systems. In some cases, hybrid channels combining high-voltage overhead lines (SUTT) and underground cable channels (SKTT) are utilized with certain considerations such as cost limitations and environmental concerns. However, differences in characteristics between these two types of channels can lead to errors in fault detection. To enhance system reliability, a protection system is employed to secure the power system by identifying and scanning disturbances that occur, thus minimizing power supply failures that could lead to system instability. Testing is conducted between distance relays and traveling wave relays to detect fault locations using MATLAB software. Simulation data shows that the average error percentage of fault location detection in the single-ended traveling wave-based system is approximately 1.12%, while in the double-ended traveling wave-based system it is only about 0.36%. On the other hand, distance relays exhibit a much higher error rate, averaging around 33.73%. This research reveals that the double-ended traveling wave protection system is more effective in detecting fault locations compared to the single-ended traveling wave system and the distance relay protection system."

"Pada skripsi ini akan dibahas konsep ride sharing pada taksi, atau disebut juga taxi sharing, yang merupakan salah satu upaya untuk mengatasi masalah kemacetan akibat kurang seimbangnya jumlah kendaraan yang beredar dengan kapasitas jalan yang dapat menampung kendaraan. Pada taxi sharing, penumpang taksi berbagi kendaraan taksi dan biaya perjalanan dengan penumpang lain yang memiliki tempat asal-tujuan yang sama/hampir sama dalam waktu perjalanan yang hampir bersamaan. Pemanfaatan taxi sharing yang mengoptimalkan utilisasi kendaraan taksi, selain dapat mengurangi jumlah kendaraan taksi yang dibutuhkan untuk melayani konsumen dan mengurangi biaya operasional taksi, juga dapat mengurangi penggunaan bahan bakar, yang pada akhirnya mengurangi emisi gas buang kendaraan. Untuk memaksimalkan penggunaan taxi sharing, maka diperlukan pengoptimalan rute taksi dalam melayani penumpang, dimana masalah pencarian rute taxi sharing yang optimal dalam skripsi ini akan dimodelkan dalam bentuk mixed integer programming problem. Permasalahan ini diselesaikan menggunakan algoritma genetika, yang lahir dari sebuah inspirasi teori evolusi Darwin. Algoritma ini digunakan untuk mencari pasangan penumpang yang berbagi layanan taksi dan rute taksi yang optimal. Hasil percobaan dengan menggunakan ukuran populasi (popsize) 10, jumlah generasi 50 dan 100, crossover rate (Cr) 0.7, dan mutation rate (Mr) 0.2 menunjukkan bahwa yang sebelumnya terdapat 8 permintaan taksi dan 8 taksi, operator taksi dapat mengurangi jumlah taksi yang beroperasi sebesar satu taksi. Taksi yang menggunakan konsep taxi sharing, yaitu taksi 5 akan melayani permintaan 2 dan 8, dengan urutan menjemput permintaan 2 lalu 8, lalu mengantarkan permintaan 2 kemudian 8, dengan biaya yang dibayarkan Rp4.200,00 untuk permintaan 2 dan Rp14.700,00 untuk permintaan 8. Maka dari itu, keuntungan operator taksi menjadi lebih besar, penumpang dapat menghemat biaya perjalanan, dan penggunaan kendaraan di jalan berkurang.

---

This research will discuss about the implementation of taxi ride sharing system or taxi sharing as an attempt to find a solution for traffic jam problem that caused by an unequal number of public transportation units operated in the street and the lack of street capacity which supposed to facilitate it. With the present of taxi sharing system, consument can share their taxi trip with others passengers that going on to same direction at the same time. This solution can give benefit for consuments by sharing the trip cost while at the same time benefitted the public transportations provider to optimalized the utilization of the taxi units and cut off operationalization cost, benefitted society by minimalize the number of cars in the streets and reducing air polution from gasoline consumption. To make this taxi sharing system works it also needed an optimalization in taxi route for each trip service. This research will be trying to solved this challenges by examines the taxi-sharing route services through Mixed Integer Programming Problems. This process will be carried using a genetics algorythm which inspired from Darwin's theory of evolution. This algorithm is aiming to be effectively find and match pairs of passengers who use taxi sharing system and taxi routes. The experiment by using population size (popsize) of 10, number of generations 50 and 100, crossover rate (Cr) 0.7, mutation rate (Mr) 0.2 shows that from 8 taxi units to accomodate 8 taxi requests that have been received before, the taxi provider supposedly be able to effectively reduce the number of taxis into only 7 taxis to carry all of the sharing system passengers that requesting. A taxi that uses taxi sharing system will serve request number 2 and request number 8, by picking up request 2 then 8, then delivering request 2 then 8, with fees paid Rp4.200,00 for request 2 and Rp14.700,00 for request 8. Therefore, the profit of the taxi provider is greater, the passengers can save their trip costs, and the use of vehicles on the road can be decreased."

"Penjadwalan merupakan penentuan waktu mulai dan berakhirnya penugasan sumber daya, peristiwa untuk mencapai tujuan tertentu. Jadwal yang baik dapat meningkatkan efisiensi dan pemanfaatan sumber daya. University Examination Timetabling Problem (UETP) adalah permasalahan NP-hard untuk menentukan jadwal ujian bedasarkan daftar ujian, mahasiswa, waktu, dan ruangan yang terbatas. Studi ini mengusulkan metode Great Deluge Algorithm (GD) yang telah dimodifikasi dengan local search operator untuk menyelesaikan UETP. Metode ini diuji menggunakan data benchmark Toronto yang merupakan permasalahan Uncapacitated UETP. Metode yang diusulkan menunjukkan hasil yang menjanjikan dibandingkan dengan Algoritma Great Deluge yang tersedia dalam literatur sebelumnya.

---

Scheduling involves determining the start and the end time of resource assignments, events, or tasks to achieve a particular goal. A good schedule can increase the efficiency and the utilization of resources. The University Examination Timetabling Problem (UETP) is an NP-hard problem that determines the schedule of exams given students’ exam lists and limited period and room. This study proposes using a Great Deluge Algorithm (GD) with local search operators to solve the UETP. The method is used to generate solutions for the uncapacitated Toronto benchmark datasets. The proposed method shows promising results compared to the original Great Deluge Algorithm and the Modified Great Deluge Algorithm available in previous literature.

"