Hasil Pencarian  ::  Simpan CSV :: Kembali

"Distribusi merupakan pendorong utama profitabilitas keseluruhan sebuah perusahaan. Tingginya biaya distribusi produk di UMKM makanan disebabkan karena tidak adanya perhitungan biaya untuk mendapatkan keputusan distribusi yang optimal. Tujuan dari penelitian ini adalah untuk menghasilkan model distribusi produk di UMKM makanan dengan biaya terendah dan waktu tercepat. Untuk menyelesaikan permasalahan distribusi produk makanan di 5 UMKM makanan, dimodelkan masalah Heterogenous Fleet Vehicle Routing Problem with Time Window (HVRPTW) dalam bentuk Mixed Integer Linear Programming dan diselesaikan menggunakan algoritma branch-and-bound pada perangkat lunak Lingo. Hasil dari penelitian ini adalah optimasi biaya distribusi produk untuk 5 UMKM makanan yang menghasilkan keputusan distribusi dengan biaya terendah dan waktu tercepat. Telah dikembangkan alat untuk perhitungan biaya distribusi yang dapat digunakan oleh UMKM makanan untuk pendukung keputusan distribusi produk harian

---

Distribution is the main driver of the overall profitability of a company. The high cost of product distribution in food SMEs is caused by the absence of distribution cost calculation for SMEs to make optimal distribution decisions. The purpose of this research is to provide SMEs with a product distribution model with the lowest cost and fastest time. A Heterogenous Fleet Vehicle Routing Problem (HVRP) for the food distribution problem in 5 food SMEs is modeled in the form of Mixed Integer Linear Programming and solved using branch-and-bound algorithm in Lingo software. The result of this study is the optimization of the distribution cost for 5 food SMEs distribution decisions. A tool for the calcuation of distribution cost is developed for food SMEs to support daily product distribution decisions."

"Industri otomotif merupakan salah satu sektor yang sedang berkembang pesat di Indonesia. Pertumbuhan ini memacu peningkatan pengiriman pasokan otomotif, tidak hanya di Pulau Jawa, tetapi juga di pulau-pulau lainnya. Peningkatan aktivitas distribusi ini, jika tidak disertai dengan perencanaan yang matang, dapat mengakibatkan kenaikan biaya distribusi yang signifikan. Oleh karena itu, diperlukan strategi distribusi yang optimal dari gudang hingga ke pelanggan. Penelitian ini mengembangkan model matematika untuk meminimalkan biaya distribusi menggunakan metode hub & spoke dengan pendekatan mixed integer linear programming (MILP). Model ini kemudian diterjemahkan ke dalam program Python menggunakan library PuLP. Biaya distribusi yang dianalisis terdiri dari biaya shuttle atau pengiriman first mile dan biaya truk atau pengiriman last mile. Hasil penelitian selama 26 periode menunjukkan bahwa model distribusi hub & spoke yang dikembangkan mampu mengurangi total biaya distribusi hingga 35% dibandingkan dengan biaya pengiriman aktual perusahaan. Selain itu, model ini juga menunjukkan tingkat utilisasi kendaraan yang optimal dengan rata-rata kapasitas muatan terisi 75% untuk shuttle dan 90% untuk truk pada setiap periode.

---

The automotive industry is one of the rapidly growing sectors in Indonesia. This growth has driven an increase in automotive supply shipments not only on the island of Java but also on other islands. Increased distribution activities, if not accompanied by thorough planning, can lead to a significant rise in distribution costs. Therefore, an optimal distribution strategy from the warehouse to the customer is essential. This study develops a mathematical model to minimize distribution costs using the hub & spoke method with a mixed integer linear programming (MILP) approach. The model is then translated into a Python program using the PuLP library. The distribution costs analyzed include shuttle costs or first mile delivery and truck costs or last mile delivery. The results of the study over 26 periods indicate that the proposed hub & spoke distribution model can reduce total distribution costs by up to 35% compared to the company's actual shipping costs. Additionally, this hub & spoke delivery model also shows optimal vehicle utilization rates with an average load capacity of 75% for shuttles and 90% for trucks in each period."

"Pesatnya pertumbuhan beban dan terbatasnya sumber dana untuk biaya pengembangan, merupakan suatu kendala dalam pengembangan jaringan distribusi daya listrik. Disisi lain penyedia daya dituntut untuk tetap menjaga mutu dan keandalan, sehingga untuk mencari solusi yang tepat tidaklah sederhana.Untuk mendapatkan perencanaan yang optimal dalam pengembangan sistem distribusi daya listrik, maka dibuat suatu model yang bertujuan untuk minimalisasi biaya pengembangan jaringan dengan cara minimalisasi biaya total dan biaya rugi-rugi tahunan penyulang melalui pemilihan optimal tipe konduktor. Model ini bersifat iteratif, yang melinierisasi fungsi biaya terhadap daya yang talc tinier menjadi tinier, dengan simulasi aliran daya yang diperoleh melalui proses pembebanan awal pada pusat-pusat beban dari jaringan yang direncanakan, sehingga pendekatan ini penulis namakan Pendekatan Model Pembebanan. Untuk uji validitas dari model yang dibuat, diambil suatu kasus jaringan distribusi radial yang ada di Kotamadya Palembang , yakni Penyulang Kedondong. Hasil yang diperoleh menunjukkan bahwa prosentase jatuh tegangan dari Penyulang Kedondong sebesar 2,154 % yang berarti masih dibawah batas yang ditetapkan, yakni sebesar 5 %. Dibandingkan dengan cara konvensional, hasil yang diperoleh dengan cara optimalisasi memiliki kelebihan yang mendasar, yakni diperolehnya hubungan kesetaraan besarnya daya yang mengalir pada setiap cabang dengan pemilihan ukuran konduktor. Sedangkan pada kasus sistem yang diambil hubungan tersebut tidak didapatkan. Ini membuktikan bahwa cara optimalisasi dapat memperkecil biaya rugi-rugi daya tahunan pada jaringan."

"Seiring dengan perkembangan di dunia bisnis saat ini, peranan jaringan distribusi yang handal sangat berpengaruh dalam rangka menjaga eksistensi usaha. Sebagai perusahaan yang mendapatkan tugas dari pemerintah untuk melaksanakan peningkatan pemakaian LPG Domestik mengantikan (konversi) Minyak Tanah untuk rumah tangga, selain juga bisnis produk LPG dan gas lainnya yang berorientasi laba, maka perlu dilakukan peningkatkan kehandalan pada rantai suplainya serta peningkatan laba dengan mengoptimalkan jaringan distribusi LPG yang ada saat ini. Metode yang digunakan untuk mengoptimalkan jaringan distribusi adalah Algoritma Tabu Search dengan model Two Echelon - Mixed Integer Programming Problem. Dengan menggunakan metode ini diharapkan perusahaan dapat menentukan rantai suplai yang baik demi mendapatkan jaringan logistik yang optimal.

---

Along with the development in today's business world, the reliable distribution network is very influential in maintaining the existence of the business. As a company that get the job of government to implement the increased use of domestic LPG to replace kerosene households, as well as LPG and gas products business more profit-oriented. It is necessary for increasing the reliability of the supply chain and increase profits by optimizing the existing LPG distribution network today.

The method used to optimize the distribution network is a Tabu Search Algorithm with Two Echelon - Mixed Integer Programming Problem Model. By using this method can determine the company expected, a good supply chain in order to obtain an optimal logistics network."

"Fungsi hazard dapat dikategorikan menjadi dua, yaitu monoton (naik atau turun) dan non monoton (bathtub shape dan upside down bathtub shape). Untuk memodelkan datadengan fungsi hazard monoton, naik atau turun, dan non monoton bathtub shape umumnya digunakan distribusi Gamma atau Weibull. Pada skripsi ini, akan diperkenalkan sebuah distribusi yang dapat memodelkan data dengan fungsi hazard berbentuk upside down bathtub shape. Distribusi ini diturunkan dari distribusi Lindley dengan melakukan transformasi yang disebut distribusi generalized inverse Lindley. Distribusi ini lebih fleksibel dalam memodelkan data dengan fungsi hazard non-monoton upside down bathtub. Hal ini dikarenakan parameter shape pada distribusi tersebut menyebabkan fungsi hazard memiliki banyak variasi bentuk namun tetap mempertahankan bentuk upside down bathtub. Beberapa karakteristik dari distribusi seperti fungsi kepadatan peluang, fungsi distribusi, fungsi survival, fungsi hazard,dan momen ke-r akan dicari. Untuk mengestimasi parameter distribusinya akan digunakan metode maximum likelihood. Di akhir skripsi ini, akan dibangun data untuk mengestimasi parameter dari distribusi yang bersangkutan

---

Hazard rate are categorized by their shape, either its monotone (decreasing or increasing) or non-monotone (upside down bathtub shaped and bathtub shaped). Modelling data from monotone hazard rate, either decreasing or increasing, and bathtub shaped hazard rate are possible with common distribution such as Gamma distribution or Weibull distribution. For data which has upside down bathtub shaped hazard rate is usually done by using inverse transformation of exponential distribution such as inverse Gamma, inverse Weibull, and inverse Lindley. In this paper, a distribution that can model a data with upside down bathtub shaped hazard rate is introduced. The distribution is derived from Lindley distribution with transformation and is called generalized inverse Lindley distribution. The distribution is more flexible because shape parameter which make wide variety of shape without changing its hazard rate from upside down bathtub shaped. Somestatistic properties of the distribution such as density function, cumulative function, survival function, hazard function, and moment will be discussed. For estimatingparameter of the distribution, maximum likelihood method will be used. In the end, simulation data will be generated to see the estimation of the distributions parameter."

"ABSTRAKPerusahaan asuransi kendaraan di banyak negara menggunakan Sistem Bonus-Malus untuk menentukan net premi yang dikenakan kepada pemegang polis. Penentuan net premi pada Sistem Bonus-Malus hanya didasarkan pada frekuensi klaim dan mengabaikan severity klaim. Hal ini tidak adil bagi pemegang polis yang memiliki klaim kecil. Untuk mengatasi masalah tersebut, dikembangkan metode penentuan net premi pada Sistem Bonus-Malus yang mempertimbangkan frekuensi dan severity klaim. Frekuensi dan severity dapat diasumsikan independen atau dependen. Dalam menentukan net premi, dibutuhkan distribusi posterior dari parameter distribusi frekuensi dan severity. Pada kasus frekuensi dan severity independen, penentuan distribusi posterior untuk frekuensi dan severity dilakukan secara terpisah sedangkan pada kasus frekuensi dan severity dependen, penentuan distribusi posterior untuk frekuensi dan severity dilakukan dengan menggunakan distribusi bersama dari frekuensi dan severity. Skripsi ini membahas penentuan net premi yang didasarkan pada distribusi frekuensi dan distribusi severity baik untuk frekuensi dan severity independen maupun dependen.

---

ABSTRACTVehicle insurance companies in many countries use the Bonus Malus System to determine the policyholder 39 s net premium. The determination of net premiums on the Bonus Malus System is based solely on the frequency of claims and ignores the severity of claims. This is unfair to policyholders who have small claims. To overcome this problem, the net premium determination method in Bonus Malus System was developed taking into account the frequency and severity of claims. Frequency and severity can be assumed to be independent or dependent. In determining the net premium, a posterior distribution of parameters of the frequency and severity distribution is required. In the case of frequency and severity independent, the determination of the posterior distribution for frequency and severity is performed separately whereas in the case of frequency and severity dependent, the determination of posterior distribution for frequency and severity is done by using the joint distribution of frequency and severity. This thesis discuss the determination of net premium based on frequency distribution and severity distribution for both frequency and severity independent and dependent. "

"Distribusi normal merupakan salah satu distribusi probabilitas data, yang banyak digunakan dalam berbagai bidang karena sifat ideal yang dimilikinya, yaitu distribusi probabilitas data-datanya terpusat di sekitar mean dan distribusi probabilitas data lainnya tersebar secara merata. Namun ada kasus-kasus tertentu di mana distribusi normal sebaiknya tidak digunakan karena akan menghasilkan analisis yang kurang sesuai, terutama ketika data memiliki kemencengan yang kuat dan mempunyai heavy-tail. Pada tugas akhir ini diperkenalkan distribusi probabilitas yang dapat memfasilitasi kemencengan data, yaitu distribusi skew-normal. Distribusi skew-normal merupakan bentuk perluasan dari distribusi normal dengan memasukkan parameter kemencengan. Tugas akhir ini memberikan penjelasan mengenai karakteristik-karakteristik dari distribusi skew-normal univariat dan perluasannya dengan memasukkan parameter location dan scale, serta distribusi skew-normal secara umum dalam bentuk multivariat. Karakteristik-karakteristik yang dimaksud adalah fungsi kepadatan probabilitas, fungsi distribusi, mean, variansi, fungsi pembangkit momen, dan sifat-sifatnya.

---

The normal distribution is one of the probability distribution of data, which are widely used in various fields because of the nature of the ideal, namely the probability distribution of data centers around the distribution of average data and other probability is spread evenly. But there are certain cases where the normal distribution should not be used because it will produce less precise analysis, especially when the data has a strong skewness and heavy-tail.

This final project will introduce a probability distribution which can facilitate the skewness of data, i.e skew-normal distribution. The skew-normal distribution is an extend form of normal distribution, allowing a skewness parameter.

This final project will give an explanation about the chararteristics of the univariate skew-normal distribution and its extend to the location and scale family, and skew-normal distribution in general in multivariate form. The characteristics are probability density function, distribution function, mean, covariance, variance, moment generating function, and the properties of the distribution. "

"Pada skripsi ini akan dibahas mengenai distribusi Weibull power series WPS. Distribusi WPS merupakan salah satu jenis kelas distribusi probabilitas yang diperoleh dengan melakukan compounding antara distribusi Weibull dan distribusi power series yang terpancung di nol Distribusi power series yang terpancung di nol adalah kelas distribusi dari variabel random diskrit terpancung di nol yang dinyatakan dalam bentuk power series. Prosedur compounding yang digunakan adalah prosedur compounding yang diperkenalkan oleh Adamidis dan Loukas 1998. Beberapa karakteristik penting dari distribusi WPS adalah fungsi distribusi pdf fungsi survival fungsi hazard momen ke r statistik terurut dan estimasi parameter Estimasi parameter dilakukan dengan menggunakan metode maksimum likelihood. Selanjutnya dibahas bentuk khusus dari distribusi WPS diantaranya adalah distribusi Webull Poisson dan Weibull logaritmik. Pada akhirnya data mengenai kekuatan dari gelas fibres berketebalan cm akan digunakan sebagai ilustrasi.

---

In this skripsi Weibull power series distributions WPS will be studied WPS distributions are one kind of probability distribution which is obtained by compounding Weibull distribution and zero truncated power series distributions. Power series form of discrete random variabel distribution is an element of power series distributions class Compounding procedure that is introduced by Adamidis and Loukas 1998 will be applied in this skripsi. Firstly some important characteristics of WPS distribution that will be considered are distribution function pdf survival function hazard function r th moment ordered statistic and parameter estimation by maximum likelihood. Then Weibull Poisson and Weibull logarithmic are some special distribution of WPS distributions that will also be studied Finally a set of data about strength of 1 5 cm glass fibres will used as ilustration."

"Distribusi Burr Tipe XII atau yang biasa dikenal dengan distribusi Burr merupakan salah satu dari dua belas tipe distribusi kontinu dalam sistem Burr. Distribusi Burr mempunyai karakteristik menceng kanan dan mempunyai tail yang tebal. Distribusi Burr dapat diterapkan dalam berbagai masalah survival. Untuk mempelajari lebih lanjut, perlu dilakukan penaksiran parameter. Pada skripsi ini akan dibahas mengenai penaksiran parameter distribusi Burr pada data tersensor kanan dengan metode Bayes. Prosedur penaksiran adalah dengan menentukan distribusi prior yang digunakan, yaitu conjugate prior, pembentukan fungsi likelihood untuk data tersensor kanan dan pembentukan distribusi posterior. Penaksir Bayes didapatkan dengan cara meminimumkan fungsi risiko posterior berdasarkan fungsi loss. Fungsi loss yang digunakan adalah Square Error Loss Function (SELF) dan Precautionary Loss Function (PLF). Setelah didapatkan penaksir Bayes, dilakukan simulasi data untuk membandingkan keefektifan taksiran parameter dari kedua fungsi loss menurut Mean Square Error (MSE). Yang dimaksud penaksir yang efektif adalah penaksir yang mempunyai MSE lebih kecil. Selain itu dilihat juga pengaruh intensitas tersensor pada kedua fungsi loss menurut MSE. Berdasarkan hasil simulasi, penaksir Bayes dengan PLF lebih efektif daripada SELF dan semakin besar intensitas tersensor maka MSE yang dihasilkan semakin besar untuk kedua fungsi loss.

---

Burr Type XII distribution is known as Burr distribution, is one of the twelve types continous distribution on Burr system. Burr distribution is heavy-tailed and right-skewed. Burr distribution has an important role in survival analysis. To learn more, parameter estimation is needed. This study will explain about parameter estimation of Burr distribution for right censored data with Bayes method. Procedure for estimating parameter are, determine which prior distribution to use, that is conjugate prior, likelihood function construction for right censored data and calculation of posterior distribution. Bayes estimator is obtained by minimize posterior risk function based on loss function. This study will use Square Error Loss Function (SELF) and Precautionary Loss Function (PLF). After Bayes estimator is obtained, simulation will be done to compare the effectiveness of Bayes estimator with both loss function according to Mean Square Error (MSE). What is meant by effective estimator is it has smaller MSE. Besides, this study is also explained the effect of the censored intensity according to MSE. Based on simulation results, Bayes estimator with PLF is more effective than SELF and greater censored intensity, greater MSE produced, for both loss function."

"Distribusi Exponentiated Exponential (EE) adalah pengembangan dari distribusi Exponential dengan cara menambahkan sebuah parameter bentuk alpha. Distribusi ini digunakan untuk mengatasi masalah ketidakfleksibilitas dari distribusi Exponential. Untuk melakukan inferensi mengenai permasalahan yang dimodelkan dengan distribusi EE, perlu dilakukan penaksiran parameter. Pada skripsi ini akan dibahas mengenai penaksiran parameter distribusi dari distribusi Exponentiated Exponential pada data tersensor kiri menggunakan metode Bayesian. Prosedur penaksiran meliputi penentuan distribusi prior yaitu digunakan distribusi prior konjugat, pembentukan fungsi likelihood dari data tersensor kiri, dan pembentukan distribusi posterior. Penaksir Bayes kemudian diperoleh dengan cara meminimumkan risiko posterior berdasarkan fungsi loss Squared Error Loss Function (SELF) dan Precautionary Loss Function (PLF). Kemudian setelah diperoleh perumusan penaksir Bayes, simulasi data dilakukan untuk membandingkan hasil taksiran parameter menggunakan fungsi loss SELF dan PLF yang dilihat dari nilai Mean Square Error (MSE) yang dihasilkan. Fungsi loss dikatakan lebih efektif digunakan dalam merumuskan penaksir Bayes apabila penaksir Bayes yang diperoleh menghasilkan nilai MSE yang lebih kecil. Berdasarkan hasil simulasi, fungsi loss PLF lebih efektif digunakan untuk alpha≤1, sedangkan fungsi loss SELF lebih efektif digunakan untuk alpha>1.

---

Exponentiated Exponential (EE) distribution is the development of Exponential Distribution by adding alpha as a shape parameter. This distribution can solve unflexibility issue in Exponential distribution. In order to make inferences about any cases modeled with EE distribution, parameter estimation is required. This thesis will discuss about parameter estimation of Exponentiated Exponential distribution for left censored data using Bayesian method. Parameter estimation procedure are selection of prior distribution which is conjugate prior, likelihood construction for left censored data, and then forming posterior distribution. Bayes estimator can be obtained by minimize posterior risk based on Squared Error Loss Function (SELF) and Precautionary Loss Function (PLF). After Bayes estimator is obtained, simulation is done to compare the results of Bayes estimator using SELF and PLF which are seen from the result of Mean Square Error (MSE). Loss function is said to be more effective to obtain Bayes estimator if the resulting Bayes estimator yield smaller MSE. Based on simulation, PLF more effective for alpha ≤ 1, while SELF more effective for alpha>1."