Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penjadwalan perkuliahan dalam sebuah institusi pendidikan sering kali menjadi kendala, sebab penyusunan sebuah jadwal perkuliahan dengan skala besar, membutuhkan waktu yang cukup lama dengan kompleksitas yang tinggi.untuk menyusun jadwal perkuliahan, harus mempertimbangkan beberapa komponen seperti mata kuliah. selain itu penjadwalan perkuliahan, waktu berlangsungnya proses perkuliahan, kebijakan dari institusi pendidkan tersebut. apabila dalam penjadwalan tidak dilakukan dengan tepat, akan menjadi kendala dikemudian hari. pembuatan sistem penjadwalan perkuliahan dengan menggunakan algoritma genetika ini mempermudah penyusunan jadwal perkuliahan dengan cara menggunakan metoda genetika dalam proses penjadwalannya."

"

Baru-baru ini, industri pembuatan kapal telah mampu mengembangkan metode produksi baru. Metode baru ini mempromosikan otomatisasi desain untuk menghasilkan kapal yang lebih efisien. Berbagai konsep produksi, seperti block division, modularisasi dan pembangunan kapal dengan desain standar adalah solusi yang memungkinkan untuk meningkatkan produksi. Desain ruang mesin, termasuk sistem perpipaan, adalah proses yang kompleks; oleh karena itu, memodulkan desainnya adalah strategi yang efektif untuk meminimalkan kompleksitas sistem. Selain itu, modularisasi memainkan peran penting. Proses ini membutuhkan banyak jam kerja. Makalah ini menyajikan pendekatan baru untuk desain ruang mesin berdasarkan konsep modularisasi. Karakteristik dari metode yang diusulkan adalah sebagai berikut: Perhatian diberikan pada semua sistem perpipaan ruang mesin kapal. Biaya dan berat sistem perpipaan dipertimbangkan. Untuk mendefinisikan modul yang efektif, digunakan matriks struktur desain. Dalam modularisasi menggunakan DSM, Algoritma Genetika digunakan untuk mendapatkan modul dengan mempertimbangkan beberapa kendala seperti jumlah sambungan pipa dan biaya pipa. Studi ini membahas rincian metode yang disebutkan di atas. Selain itu, uji simulasi optimasi desain dari beberapa sistem perpipaan dilakukan untuk menggambarkan prosedur optimasi desain secara rinci dan untuk memverifikasi efektivitas metodologi yang diusulkan.

---

Recently, the shipbuilding industry has been able to develop new production methods. This new method promotes design automation in order to produce ships more efficiently. The various production concepts, like block division, modularization and building ships with a standard design are possible solutions for improve production. Engine room design, including the piping system, is a complex process; therefore, modularization of its design is an effective strategy to minimize the complexity of the system. In addition, modularization plays an important role. This process requires a considerable number of man hours. This paper presents a new approach for engine room design based on the modularization concept. The characteristics of the proposed method are as follows: Attention was paid to all piping system of ship engine room. The cost and weight of the piping system were considered. to define an effective module, a design structure matrix was adopted. in the modularization using DSM, the Genetic Algorithm is used to obtain modules by considering some constraints like number of pipe connections and pipe cost. This study discusses the details of the above mentioned methods. In addition, simulation test of design optimization of a several piping systems were carried out to illustrate the design optimization procedure in detail and to verify the effectiveness of the proposed methodology. 

"

"Salah satu cara untuk mengatasi masalah kemacetan dan polusi udara akibat penggunaan kendaraan pribadi yang kurang efektif yaitu dengan menggunakan sistem berbagi tumpangan (ride sharing). Ride sharing merupakan suatu sistem dimana pelaku perjalanan berbagi (sharing) kendaraan dengan pelaku perjalanan lain yang memiliki waktu dan lokasi asaltujuan perjalanan yang sama atau hampir sama. Pada skripsi ini akan dibahas masalah optimasi penggunaan sistem berbagi tumpangan dengan kedatangan permintaan layanan baru diketahui saat akan melakukan pelayanan yang disebut juga dynamic ride sharing. Bentuk model matematis dari masalah tersebut akan menggunakan Dial-A-Ride-Problem with Money as incentive (DARP-M), yaitu suatu pengembangan dari DARP dengan menambahkan batasan dalam aspek biaya. Selanjutnya akan digunakan algoritma genetika sebagai metode penyelesaian dari masalah tersebut. Berdasarkan hasil percobaan yang dilakukan dalam skripsi ini diperoleh bahwa algoritma genetika cukup dapat memberikan solusi yang optimal untuk permasalahan tersebut dan dengan menggunakan ride sharing sebagai DARP-M akan memberikan penghematan biaya perjalanan bila dibandingkan tidak menggunakan ride sharing.......One way to overcome congestion and air pollution problems due to ineffective use of private vehicles is to use a ride sharing system. Ride sharing system itself refers to a system in which users share vehicles with other users who have the same or nearly same location of travel origin and destination as well as the same set of time. This thesis discusses the issues of optimizing the use of the ride-sharing system with the arrival of new service requests known when they are about to perform services to customers which is alson known as dynamic ride sharing. The form of a mathematical model used in this thesis to adress such issues is called Dial A Ride Problem with Money as incentives (DARP-M), which is a development of DARP by adding constrains in the aspect of costs. Furthermore, genetic algorithms is used as a method of problem-solving. Based on the results of the experiments conducted in this thesis, it is found that the genetic algorithm can provide an optimal solution to these issues and by using ride sharing, as DARP-M demonstrated, it could provide savings in travel costs when compared to not using ride sharing."

"Nilai transaksi perdagangan pada pasar valuta asing di seluruh dunia mencapai 3 Trilliun US Dollar setiap harinya. Dengan latar belakang seperti ini, wajar jika dibutuhkan sebuah sistem yang dapat memprediksi nilai kurs valuta asing dengan akurat. Dalam tugas akhir ini akan digunakan algoritma memetika untuk memprediksi kurs valuta asing. Algoritma memetika merupakan gabungan dari algoritma genetika dengan algoritma pencarian lokal. Model regresi yang digunakan yaitu model autoregressive, dimana untuk memprediksi nilai kurs pada hari ke n+1 digunakan data n hari sebelumnya.Tujuan dari penulisan tugas akhir ini adalah untuk melihat kemampuan dari algoritma memetika dalam memprediksi kurs valuta asing. Kemampuan dari algoritma memetika ini akan diukur berdasarkan persentase error yang relatif terhadap data kurs sebenarnya. Percobaan dilakukan menggunakan data kurs USD/IDR, USD/EUR, USD/GBP, USD/CHF, dan USD/JPY dari tahun 2000 sampai tahun 2007. Prediksi dilakukan dengan beberapa jenis data, yaitu data harian, mingguan, dan bulanan.Dari hasil percobaan, disimpulkan bahwa kemampuan algoritma memetika dalam memprediksi kurs valuta asing cukup baik. Persentase error terkecil didapat dari data 5 harian dengan kurs USD/IDR sebesar 0,3852 %, sedangkan persentase error terbesar didapat dari data 6 bulanan dengan kurs USD/EUR sebesar 4,4766 %.Kata kunci : algoritma genetika; prediksi; kurs valuta asingx + 46 hlm.; lamp;Bibliografi: 9 (1993 - 2007)"

"Berbagai penelitian tentang aliran daya (power flow) telah banyak dilakukan dengan variasi model pendekatan dan algoritma model solusi matematiknya."

"Saat ini internet sudah menjadi kebutuhan bagi seluruh pihak karena kegunaannya di berbagai aspek kehidupan. Hal tersebut memicu bertambahnya jumlah pengguna internet di seluruh dunia, termasuk di Indonesia. Namun, banyaknya jumlah pengguna tersebut tidak dibarengi dengan peningkatan kualitas dan pemerataan akses internet yang baik. Masih ada wilayah di Indonesia yang memiliki kualitas jaringan internet buruk bahkan tidak terjangkau internet. Pada penelitian ini, dilakukan pengelompokan wilayah di Indonesia berdasarkan kualitas jaringan internet menggunakan Algoritma Genetika KMedoids. Pengelompokan ini bertujuan untuk mengumpulkan wilayah dengan karakteristik yang sama berdasarkan kualitas jaringan internet, sehingga dapat dilihat wilayah mana saja yang sudah memiliki kualitas jaringan internet yang baik dan wilayah mana saja yang masih perlu perbaikan. Data yang digunakan adalah data sekunder dari website Speedtest dengan total 84 wilayah. Adapun variabel yang digunakan di antaranya yaitu Mobile Download, Fixed Download, Mobile Upload, Fixed Upload, Mobile Latency, Fixed Latency, Mobile Provider, dan Fixed Provider. Hasil dari penelitian ini didapatkan 6 klaster dengan nilai evaluasi Davies-Bouldien Index sebesar 0,7647. Klaster 1 terdiri dari 19 wilayah dengan kualitas internet kurang baik, klaster 2 terdiri dari 27 wilayah dengan kualitas internet yang standar, klaster 3 terdiri dari 12 wilayah dengan kualitas internet baik, klaster 4 terdiri dari 6 wilayah dengan kualitas internet yang sangat baik, dan klaster 5 terdiri dari 6 wilayah dengan kualitas internet yang cukup baik.......Internet has now become an essential necessity for everyone due to its utility in various aspects of life. This has led to an increase in the number of internet users worldwide, including in Indonesia. However, the growing number of users has not been accompanied by an improvement in the quality and equitable access to internet services. There are still areas in Indonesia with poor internet quality or even lack of internet access. In this study, a clustering of territory in Indonesia based on internet quality was performed using the Genetic Algorithm K-Medoids. The objective of this clustering was to group territories with similar internet quality characteristics, in order to identify territories that already have good internet quality and territories that require improvement. The data used in the study was obtained from the Speedtest website and covered a total of 84 territories. The variables used included Mobile Download, Fixed Download, Mobile Upload, Fixed Upload, Mobile Latency, Fixed Latency, Mobile Provider, and Fixed Provider. The results of the study revealed 6 clusters with a Davies-Bouldin Index evaluation score of 0,647. Cluster 1 consists of 19 territories with poor internet quality, cluster 2 consists of 27 territories with standard internet quality, cluster 3 consists of 12 territories with good internet quality, cluster 4 consists of 6 territories with very good internet quality, and cluster 5 consists of 6 territories with fairly good internet quality."

"Desain optimal dari bangunan hemat energi menghadapi dua kebutuhan yang saling bertentangan, yaitu biaya yang seekonomis mungkin dan dampak lingkungan yang seminimal mungkin. Tingginya biaya bangunan hemat energi seperti near Zero Energy House disebabkan oleh tingginya harga peralatan dan material yang diaplikasikan seperti panel surya, insulasi dan lain-lain. Tujuan dari penelitan ini adalah menemukan desain yang optimal dari sebuah near Zero Energy House, dengan studi kasus terhadap rumah 1 tingkat. Sasaran dari optimasi desain ini adalah kinerja biaya siklus hidup yang lebih ekonomis jika dibandingkan dengan bangunan konvensional. Metode optimasi dengan algoritma genetika adalah metode optimasi paling sesuai untuk permasalahan optimasi desain yang memiliki banyak variabel. Sangat sulit untuk menemukan solusi tunggal, atau solusi terbaik untuk optimasi desain. Dengan menggunakan algoritma genetika, perancang bangunan dapat memilih salah satu dari solusi terbaik hasil optimasi yang sesuai dengan permintaan dan batasan-batasan yang ada.

---

Optimal design of energy efficient buildings facing two conflicting requirements, namely costs as economical as possible and minimal environmental impact. The high cost of energy efficient buildings as near Zero Energy House due to the high price of equipment and materials that are applied as solar panels, insulation and others.

The purpose of this research is to find the optimal design of a near Zero Energy House, with a case study on the first level. The goal of this design is the optimization of life cycle cost performance is more economical when compared to conventional buildings.

Optimization method with genetic algorithm optimization is the most suitable method for design optimization problem that has many variables. It is very difficult to find a single solution, or the best solution for design optimization. By using genetic algorithms, building designer can choose one of the best results of the optimization solution according to the demand and constraints that exist."

"Infrastruktur memiliki peranan penting dalam perekonomian suatu negara. Badan Pemeriksa Keuangan (BPK) adalah lembaga negara pengawasan anggaran infrastruktur. Kompetensi pemeriksa di BPK masing-masing berbeda. Untuk mencapai hasil audit yang berkualitas diperlukan kesesuaian antara kompetensi dan tipe pekerjaan infrastruktur jalan. Metode algoritma genetika digunakan agar tercapai kesesuaian kompetensi yang optimal. Penelitian ini bertujuan mengembangkan model optimasi dengan algoritma genetika dan membandingkan hasilnya dengan model penugasan pemeriksa manual. Metode analisa yang digunakan yaitu metode algoritma genetika dan analytical hierarchy process. Hasil penelitian menunjukkan bahwa hasil metode optimasi dengan algoritma genetika lebih baik dari metode penugasan manual dari sisi kesesuaian kompetensi. ......Infrastructure has important roles in economic level of the country. The Supreme Audit Board (SAB) is state institution that supervise the infrastructure budget. Auditor Competency in SAB are different each other. In order to achieve quality audit, compatibility between competency and type of road infrastructure is needed. Genetic algorithm is proposed to achieve optimum competency compatibility. This research aimed to develop optimization model using genetic algorithm method and compare the result with manual assignment method. Analytical method are genetic algorithm method and analytical hierarchy process. Results show that genetic algorithm method achieve better results than manual assignment in competency compatibility."

"Seiring dengan perkembangan zaman, gas bumi terus menjadi sumber energi yang penting dalam pergantian dari energi yang bersumber dari minyak bumi. Kebutuhan gas bumi semakin meningkat dari tahun ke tahun sehingga membutuhkan peningkatan produksi gas bumi guna memenuhi kebutuhan di masyarakat. Selain meningkatkan produksi gas bumi, optimisasi infrastruktur gas bumi seperti jaringan pipa transmisi perlu dilakukan untuk mengoptimalkan kinerja infrastruktur gas yang sudah dibangun. Dalam penelitian ini, optimisasi dilakukan untuk mendapatkan solusi optimum dari dua fungsi obyektif, yaitu laju alir gas dan linepack pada sistem perpipaan dengan keadaan sebelum dan sesudah penambahan titik suplai dan delivery. Optimisasi dilakukan dengan menggunakan permodelan algoritma genetika yang hasilnya dianalisis menggunakan Pareto Optimally Solution sehingga diperoleh beberapa solusi optimum. Penambahan titik suplai dan delivery meningkatkan nilai laju alir optimum tetapi menurunkan nilai linepack optimum pada sistem perpipaan. Hasil optimisasi dengan permodelan algoritma genetika kemudian dibandingkan dengan uji simulasi pada Pipeline Studio. Hasil optimisasi yang didapatkan dengan permodelan algoritma genetika lebih optimum dibandingkan dengan uji simulasi pada Pipeline Studio.

---

As the time flies, natural gas continues to be an important energy source in the turnover from energy sourced from petroleum. The need for natural gas is increasing from year to year so it requires an increase in natural gas production to meet the natural gas demand. In addition to increasing natural gas production, optimization of gas infrastructure such as the natural gas transmission pipeline network need to be done to optimize the performance of the gas infrastructure that has been built.

In this research, optimization has been done by multi-objective optimization to get optimum solutions for gas flowrate and linepack for pipeline system before and after additional supply and delivery points. Optimization has been done by genetic algorithm modelling and the result was analyzed by Pareto Optimally Solution so there are several optimum solutions. An additional supply and delivery points increase the optimum flowrate but decrease the linepack.

The result of optimization by genetic algorithm modelling then compared with simulation in Pipeline Studio. The result of this comparison is optimum solution from genetic algorithm modelling is better than simulation in Pipeline Studio."