Hasil Pencarian  ::  Simpan CSV :: Kembali

"Generalized Assignment Problem (GAP) adalah masalah penugasan sejumlah berhingga tugas pada sejumlah berhingga agen, dimana sebuah tugas harus dikerjakan oleh satu agen, tetapi satu agen dapat mengerjakan lebih dari satu tugas. Setiap agen mempunyai kapasitas dan setiap tugas mempunyai bobot, yang mungkin berbeda untuk setiap agen. Pada skripsi ini akan dilihat kinerja dari algoritma MAX-MIN Ant System (MMAS) dengan Local Search dalam menyelesaikan GAP, yang diukur berdasarkan kedekatan solusi yang didapatkan dengan best known solution. MMAS adalah pengembangan dari Ant System Algorithm, yaitu algoritma yang diinspirasikan oleh perilaku semut-semut di dunia nyata. Dalam algoritma ini terdapat parameter ??, Q, ??, dan p0 yang harus ditentukan, yang diambil menurut rekomendasi St??tzle dan Hoos. Lalu nilai dari parameter Q, ??, dan p0 akan diubah untuk mengetahui pengaruhnya terhadap kinerja algoritma MMAS dengan Local Search. Masalah pengujian diambil dari OR-Library. Berdasarkan simulasi, disimpulkan bahwa kinerja algoritma MMAS dengan Local Search dalam menyelesaikan GAP cukup baik dengan error relatif cukup kecil, yaitu tidak lebih dari 0.04 dan perubahan nilai parameter dapat membawa perbaikan pada solusi."

"Permasalahan optimisasi portofolio merupakan topik penelitian yang cukup banyak dibahas dalam bidang keuangan. Model yang biasa digunakan dalam permasalahan tersebut adalah model mean variance yang berfokus pada expected return dan risiko tanpa mempertimbangkan kendala yang terdapat dalam masalah sebenarnya. Pada skripsi ini digunakan model optimisasi portofolio yang mempertimbangkan kendala seperti kendala kardinal dan kendala kuantitas atau biasa dikenal dengan model Mean Variance Cardinality Constrained Portofolio Optimization MVCCPO. Pada skripsi ini menggunakan metode e-New Local Search based Multiobjective Optimization Algorithm yang menonjolkan metode local search dan non dominated sorting didalamnya. Hasil dari penelitian ini menunjukan bahwa metode e-NSLS cukup baik digunakan dalam permasalahan optimisasi portofolio.

---

Portfolio optimization problem is common research topic in finance. The model that usually used of this problem is Markowitz mean variance model focus in expected returns and risks, without conidering constraints in real life. In this thesis used a more realistic portfolio optimization problem, such as cardinality and quantity constraints, which is called Markowitz mean variance cardinality constrained portfolio optimization problem MVCCPO problem. This thesis used an algorithm which is based on a multiobjective local search schema and non dominated sorting. The result of this is simulation is good enough to use e NSLS in portofolio optimization."

"Penelitian ini bertujuan untuk menghasilkan jadwal mata kuliah di perguruan tinggi yang optimal, dengan mengurangi jumlah mata kuliah yang bentrok, serta distribusi kelas yang merata untuk meringankan beban mahasiswa. Untuk mencapai tujuan tersebut, optimasi jadwal dilakukan menggunakan algoritma genetika. Algoritma ini sangat cocok untuk menyelesaikan masalah skala besar dan kompleks, seperti penjadwalan mata kuliah di perguruan tinggi yang melibatkan banyak variabel dan kendala. Teknik local search digunakan untuk membantu algoritma genetika dalam meningkatkan kinerja dan mempercepat konvergensi. Penelitian ini diharapkan menghasilkan jadwal mata kuliah yang optimal berdasarkan kriteria jumlah mata kuliah yang bentrok, serta distribusi kelas yang merata untuk meringankan beban mahasiswa. Hasil penelitian menunjukkan bahwa jadwal baru yang optimal berhasil diperoleh.......This research aims to produce an optimal college course schedule by reducing the number of conflicting courses and ensuring an even distribution of classes to ease the students' workload. To achieve this goal, schedule optimization uses a genetic algorithm. This algorithm is well-suited for solving large-scale and complex problems, such as college course scheduling that involves many variables and constraints. Local search techniques assist the genetic algorithm in improving performance and accelerating convergence. This research is expected to produce an optimal course schedule based on the criteria of minimizing course conflicts and evenly distributing classes to ease students' workload. The research results show that an optimal new schedule was successfully obtained."

"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."

"Persaingan dunia industri yang semakin ketat, membuat para perusahaan berlomba-lomba untuk menghemat biaya perusahaan, termasuk logistik. Salah satu biaya yang menyumbang angka terbesar ialah biaya distribusi. Fakta bahwa indeks performa logistik Indonesia cenderung menurun dari tahun ke tahun membuktikan bahwa kondisi logistik di Indonesia masih belum optimal, terutama di daerah perkotaan yang volume permintaannya terpusat dan cukup besar. Oleh sebab itu, perancangan rute dan jadwal distribusi barang menjadi sebuah hal yang penting untuk dilakukan. Penelitian ini berfokus kepada perancangan Vehicle Routing Problem with Time Windows VRPTW , yaitu pencarian rute distribusi dengan jarak tempuh minimal yang tetap memenuhi permintaan seluruh pelanggan dan mempertimbangkan batasan kapasitas kendaraan serta waktu respons pelanggan. Dengan menggunakan metode heuristik yaitu algoritma local search dan Lin Kernighan Helsgaun, dihasilkan hasil rute dan jadwal distribusi paling optimal sebagai bahan pertimbangan dalam mengambil keputusan.

---

High competitiveness in industrial practice has encouraged companies to do cost saving, including logistic. One of the aspects that contribute the biggest amount is physical distribution cost. Besides, the fact that Indonesia rsquo s logistic performance index keep decreasing year by year has proven that Indonesia rsquo s logistic is not optimal yet, especially in urban areas which customer demand is centred and high. Hence, a better planning of distribution route and schedule become an important thing to execute. This research will be focused on planning Vehicle Routing Problem With Time Windows VRPTW , which is finding the most optimum distribution route with lowest total distance yet still manage to fulfill all demand and considering the constraints of vehicle capacity and customers rsquo time windows. By using heuristic methods which are local search and Lin Kernighan Helsgaun, the most optimum distribution route and schedule will be generated to be considered in company decision making."

"ABSTRAK

Model perencanaan perjalanan telah berkembang dari faktor kuantitatif yaitu pencapaian waktu tersingkat menjadi faktor kualitatif yaitu pencapaian kepuasan. Kepuasan ini didapatkan dari kunjungan ke sejumlah tempat yang dianggap penting, kritis, atau favorit sesuai lingkup model tersebut. Penerapan dalam bidang pariwisata akan membantu wisatawan dalam pembentukan rute perjalanan pariwisata yang layak dan berkualitas tinggi. Model yang dikembangkan pada penelitian ini adalah Team Orienteering Problem with Time Windows (TOPTW). Pada model awal dilakukan penyusunan rute dengan memperhatikan prioritas wisatawan, maksimum total waktu yang dimiliki wisatawan, lokasi awal yang sama dengan lokasi akhir, serta jam operasional destinasi wisata (time window). Penelitian perencanaan perjalanan wisata ini mengubah model awal dengan melakukan penyesuaian kebutuhan wisatawan yang belum terpenuhi dan mencapai tujuan kedua yaitu minimum total waktu yang dibutuhkan. Model usulan memperhatikan waktu kedatangan yang diinginkan wisatawan, lokasi awal dan akhir yang berbeda, serta toleransi waktu yang ditetapkan wisatawan terhadap jam buka dan jam tutup suatu destinasi, serta hari operasional destinasi wisata. Wisatawan juga dapat mengubah waktu kunjungan (service time), skor destinasi yang menunjukan tingkat kefavoritan, dan menentukan waktu kedatangan ke destinasi wisata.

            Metode yang digunakan bertujuan untuk mencari keseimbangan (equilibrium solution) antara hasil yang optimal dengan proses perhitungan yang lebih efisien. Metode pencarian hasil akan diawali dengan kontruksi heuristik untuk mengakomodasi destinasi favorit terlebih dahulu dalam rute, dilanjutkan dengan tahapan local search untuk mendapatkan pengaturan terbaik dari rute-rute tersebut. Metode yang digunakan adalah Iterated Local Search (ILS) yang disesuaikan, yaitu Adjusted ILS (AILS). AILS terdiri dari tahapan permutasi dan reversed untuk setiap rute, dan terakhir adalah perturbasi untuk semua rute yang terbentuk. Pada setiap tahapan akan dibandingkan total skor dan total waktunya, dan yang terbaik akan melanjutkan ke tahapan berikutnya. Setiap tahapan ini akan melalui diverifikasi untuk menjamin kelayakan hasil.

            Selain itu dilakukan perbandingan metode antara AILS dan metode metaheuristik lain seperti Multi-start Simulated Annealing (MSA), Simulated Annealing (SA), Artificial Bee Colony (ABC) dan ILS. Hasil dari uji statistik menyatakan adanya perbedaan hasil di antara metode AILS dan metode-metode lainnya. Metode AILS memiliki keunggulan lebih tingginya skor per destinasi yang berarti lebih banyak destinasi favorit yang dikunjungi yaitu rata-rata sebesar 26% untuk metode MSA, SA, dan ABC, dan 21% untuk metode ILS. Running time pada AILS lebih singkat 537% daripada metode MSA, SA dan ABC, dan lebih lama 42% dibandingkan metode ILS. Semua metode yang dibandingkan tidak memiliki total waktu seperti yang telah dilakukan dalam AILS. Setelah itu dibuat sistem rekomendasi bernama ROSTER (Routing System Recommendation)  untuk kemudahan penggunaan dan pemahaman hasil.

---

ABSTRACT

 

---

The travel planning model has expanded from quantitative factor with the achievement of the shortest time, into a qualitative factor with the achievement of satisfaction. The satisfaction is obtained from visiting a number of destinations that are considered important, critical, or favorite. Application in the tourism industry will help tourists to develop an appropriate and high-quality travel routes. The development model in this study is Team Orienteering Problem with Time Windows (TOPTW). In the initial model, route planning considers tourist priorities, the maximum total time owned by tourists, the same initial location as the final location, and the operational hours of each destination or time window. This research develop the initial model by adjusting more demand of tourists and achieve the second goal, the minimum total time. The proposed model consider arrival time of tourists, different initial and final locations, time tolerance from tourists to destination operational hours, and operational days of the destinations. Tourists can also adjust the time of visit or service time, destination scores that indicate the level of favorability, and determine the time of arrival to tourist destinations.

The method used aims to find a balancing (equilibrium solution) between optimal results with  more efficient running time. The method will begin with a heuristic construction to accommodate the favorite destinations in advance on the route, followed by the local search to get the best routes. The method used is modification of Iterated Local Search (ILS) and being Adjusted ILS (AILS). AILS consists of permutation and reversed stages for each route, and perturbation for all routes formed in previous stages. At each stage the total score and total time will be compared, and the best routes will proceed to the next stage. Each of these stages will be verified through to ensure the feasibility of the results.

A comparison method was conducted between AILS and other metaheuristic methods such as Multi-start Simulated Annealing (MSA), Simulated Annealing (SA), Artificial Bee Colony (ABC) and ILS. The results of the statistical test revealed differences in results between the AILS method and other methods. The AILS method has the advantage of higher scores per destination which means more favorite destinations visited are on average 26% for the MSA, SA, and ABC methods, and 21% for the ILS method. Running time on AILS is 537% shorter than MSA, SA and ABC methods, and 42% shorter than ILS method. All the previous methods do not have the minimum total time that was reached in AILS. A recommendation system named ROSTER (Routing System Recommendation) was made for user convenience.

 

"

"Optimisasi portofolio saham bertujuan untuk memberikan return yang maksimal dan risiko yang minimum. Salah satu cara untuk mendapatkan portofolio optimum adalah diversifikasi. Diversifikasi adalah pemilihan portofolio dengan mempertimbangkan pengalokasian dana ke berbagai saham yang berbeda dengan tujuan penyebaran risiko. Pada skripsi ini, algoritma Extension of Nondominated Sorting and Local Search (e-NSLS) digunakan untuk menghitung proporsi setiap saham. Kemudian, untuk mencari portofolio optimum dari proporsi yang telah diperoleh, digunakan model optimisasi portofolio Possibilistic Semiabsolute Deviation yang mempertimbangkan biaya transaksi, kendala kardinalitas, dan kendala kuantitas, dengan asumsi return setiap saham adalah bilangan fuzzy. Metode ini menghasilkan nilai tertinggi dari rata-rata return sebesar 36,04% dan Sharpe Ratio sebesar 28,75, yang lebih tinggi daripada S&P 500 Index dengan rata-rata return 12,34% dan Sharpe Ratio 2,7.

---

Stock portfolio optimization aims to provide maximum return and minimum risk. One way to get an optimum portfolio is diversification. Diversification is portfolio selection by considering allocation funds to different stocks with aim to spreading the risk. In this thesis, Extension of Nondominated Sorting and Local Search (e-NSLS) is used to calculate the proportion of each stock. Then, to find the optimum portfolio from proportions that have been obtained, we use Possibilistic Semiabsolute Deviation model, which considers transaction costs, cardinality constraints, and quantity constraints, and assuming the return of each stock is fuzzy numbers. This method produces the highest value of the average return 36,04% and Sharpe Ratio 28,75, which is higher than the S&P Index with an average return 12,34% and Sharpe Ratio 2,7."

"Kemajuan industri menjadi suatu tantangan terhadap pengembangan ilmu pengetahuan dan teknologi. Industri akan semakin menuntut efisiensi dan efektifitas dalam berbagai aspek industri sebagai upaya meminimalkan biaya serta meningkatkan produktivitas. Oleh karena itu, diperlukan pengembangan berbagai metode solusi yang dapat menghasilkan nilai optimal namun juga dengan waktu penyelesaian yang relatif singkat.Travelling Salesman Problem atau yang sering disingkat dengan TSP merupakan salah satu permodelan masalah optimasi yang memiliki banyak aplikasi pada dunia industri seperti logisitik perkotaan, Job Scheduling, dan pembuatan Integrated Circuit. TSP diilustrasikan sebagai permasalahan seorang sales yang akan mengunjungi seluruh kota tujuan sebanyak satu kali dengan melalui jarak paling minimal dan kembali ke kota awal keberangakata. Namun pada penyelesaiannya TSP sebagai permasalahan sulit non-determistik polinomial sangatlah kompleks. Metode eksak akan memakan waktu iterasi yang lama dan meningkat secara eksponensial terhadap jumlah kota pada permasalahan TSP.Output dari penelitian ini adalah model optimasi TSP yang dapat menghasilkan rute dengan nilai mendekati optimal serta waktu penyelesaian yang relatif singkat. Model akan dikembangkan dengan algoritma heuristik komposit yakni Clarke-Wright Savings Heuristic untuk mengembangkan solusi awal yang kemudian ditingkat melalui operasi local search. Model akan dibuat dalam tiga buah variasi local search dan diujicobakan pada 30 data set dengan rentang 131 hingga 85.900 titik.

---

Industrial development is a challenge to the development of science and technology. The industry will increasingly demand efficiency and effectiveness in various aspects of the industry as an effort to minimize costs and increase productivity. Therefore, it is necessary to develop various solution methods that can produce optimal values ​​but also with relatively short computation times.

Traveling Salesman Problem or often abbreviated as TSP is one of the optimization problem modeling that has many applications in the industrial world such as urban logistic, job scheduling, and the manufacture of integrated circuits. TSP is illustrated as a problem of a salesman who will visit the entire destination city once by going through the minimum distance and returning to the initial city. But TSP as one of non polynomial complete hard problem, is very complex to solve. The exact method will take a long iteration time and increase exponentially to the number of cities in TSP problems.

The output of this study is a TSP optimization model that can produce routes with near optimal values ​​and relatively short computation times. The model will be developed with a composite heuristic algorithm of clarke-wright savings heuristic to develop initial solutions then will be improve through local search operations. The model will be made in three varians and tested on 30 data sets with a range of 131 to 85,900 points."

"Aktivitas transportasi merupakan salah satu penyumbang biaya terbesar terhadap biaya logistik, terutama di wilayah perkotaan. Sedangkan, permasalahan transportasi barang di wilayah perkotaan terus bertambah kompleks, seiring dengan bertumbuhnya jumlah pelanggan yang didukung oleh pertumbuhan transaksi e-commerce dan pertumbuhan jumlah warung atau yang lebih dikenal dengan nama nanostores. Salah satu permasalahan yang disebabkan oleh meningkatnya jumlah pelanggan ini adalah masalah penentuan rute distribusi. Dengan meningkatnya jumlah titik pengiriman, kombinasi rute yang mungkin dihasilkan juga meningkat dengan eksponensial yang secara langsung berpengaruh terhadap kompleksitas perhitungan dalam mendapatkan rute yang optimal. Permasalahan pemilihan rute ini sendiri dikenal dengan nama Vehicle Routing Problem (VRP). Pada penelitian ini, peneliti akan berfokus pada penyelesaian varian paling dasar dari VRP, yaitu Capacitated Vehicle Routing Problem (CVRP) dengan jumlah pelanggan di atas 1.000 titik pengiriman (berskala sangat besar). Output utama dari penelitian ini adalah model optimasi CVRP berskala sangat besar dan output tambahan berupa rancangan rute yang dapat meminimalkan biaya pengiriman pada permasalahan perancangan rute distribusi di Indonesia dengan jumlah pelanggan mencapai 32.223 pelanggan.

---

Transportation activity is one of the main cost-driver of overall logistics cost, especially in urban area. Whereas, the transportation problem in urban area is becoming more complex in response to the growth of customers number that fueled by the rapid growth of e-commerce and number of nanostores. One of the main problem that emerged from the growth of customers number is finding the optimal route for distribution. The possible routes combination is growing exponentially in respect to the increase of destination number, rising the complexity to obtain the optimal solution. This problem of finding the optimal routes combination is known in combinatorial optimization as Vehicle Routing Problem (VRP). In this paper, we will focus on the most basic variant of VRP called Capacitated Vehicle Routing Problem (CVRP) with the number of customers more than 1.000 (very large scale). The main output of this research is the optimization model for very large scale CVRP and the additional output is the optimal distribution route for a problem with 32.223 customers in Indonesia."

"Parkinson dan Frontotemporal Dementia (FTD) merupakan penyakit neurodegenerative yang disebabkan oleh penurunan fungsi otak. Jumlah kasus penyakit ini diprediksi akan terus meningkat sehingga Indonesia harus mempersiapkan penanganan yang tepat untuk menangani pasien Parkinson dan FTD di masa depan. Hingga kini belum ditemukan obat untuk menyembuhkan kedua penyakit tersebut dan seringkali terjadi kesalahan diagnosis di mana pasien FTD didiagnosis sebagai pasien Parkinson. Secara umum, terdapat empat tingkat keparahan pada penyakit tersebut, yaitu normal, ringan, sedang, dan berat. Pada penelitian ini dibahas karakteristik pasien Parkinson dan FTD secara umum dan laju peningkatan keparahan kondisi dari normal atau ringan menjadi sedang berdasarkan karakteristik pasien. Penelitian ini menggunakan data sekunder yang terdiri dari beberapa pengukuran klinis dan demografis. Adapun metode yang digunakan untuk analisis laju peningkatan keparahan penyakit adalah Optimal Survival Tree dan metode untuk mengukur goodness-of-fit dari model survival adalah concordance statistics. Metode optimisasi yang digunakan untuk mengoptimalkan Survival Tree menjadi Optimal Survival Tree adalah Mixed-Integer Optimization (MIO) dan pendekatan local search. Hasil dari penelitian ini menunjukkan bahwa pasien FTD memiliki kondisi lebih parah dan laju peningkatan keparahan lebih cepat daripada pasien Parkinson. Laju peningkatan keparahan pasien FTD cenderung dijelaskan oleh kemampuan non-motorik pasien, sedangkan pada pasien Parkinson cenderung dijelaskan oleh kemampuan motoriknya.......Parkinson and Frontotemporal Dementia (FTD) are neurodegenerative diseases which caused by decreased brain function. The number of cases of these diseases is predicted to increase so that Indonesia must prepare the right treatment for Parkinson and FTD patients in the future. Until now, no medication has been found to cure these diseases. Furthermore, misdiagnosis in which FTD patients are diagnosed as Parkinson patients often occurs. In general, there are four levels of severity in those diseases, which are normal, mild, moderate, and severe. This research focuses on analyzing the general characteristics of Parkinson and FTD patients along with the rate of increase in disease severity from normal or mild to moderate. This study used secondary data, consisting of several clinical and demographic measures. The method used to analyze the rate of increase in disease severity is Optimal Survival Tree, while the concordance statistics is used to measure the goodness of fit of the survival model. The optimization method used to optimize Survival Tree into an Optimal Survival Tree is Mixed-Integer Optimization (MIO) and the local search approach. As a result, FTD patients suffer more severely and have a faster rate of increase in disease severity than Parkinson patients. In FTD, the rate of increase in disease severity tends to be explained by patient's non-motor abilities, while in Parkinson by patient's motor abilities."