Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Procurement sebagai sektor yang terpenting di perusahaan dalam hal melakukan efisiensi biaya harus negosiasi dengan vendor untuk mendapatkan harga terbaik untuk mengadakan suatu  asset dan jasa dari sebuah perusahaan. Bagian tersulit dalam negosiasi adalah melakukan estimasi harga. Penentuan faktor estimasi harga masih menjadi hal yang diperdebatkan oleh ahli procurement. Penelitian ini memiliki tujuan untuk menentukan faktor dominan terhadap estimasi harga di Procurement dan menciptakan sebuah model yang baik  untuk estimasi harga. Selain faktor-faktor yang mempengaruhi harga dari penelitian sebelumnya, dalam penelitian ini ada kebaruan dalam faktor yang mempengaruhi estimasi harga yaitu tingkat kinerja vendor,  jumlah pesanan, dan tenant dari aset. Faktor analisis dilakukan di penelitian ini , untuk mengetahui kelompok variabel laten dari seluruh variabel faktor estimasi harga. Hasil dari faktor analisis membentuk empat kelompok faktor estimasi harga. Keempat kelompok variabel tersebut dibuat dalam model Hybrid Case-Based Reasoning dimana ada pendekatan k-Nearest Neighbor dan Neural Network untuk memvalidasi hasil antara aktual dan estimasi. Dari model validasi tersebut didapakan bahwa model dengan kelompok variabel yang terdiri dari lokasi, tingkat kinerja vendor, jumlah pesanan dengan pendekatan k-Nearest Neighbor memiliki nilai aktual dan estimasi paling banyak dan nilai MAE terkecil yaitu 52 data dan nilai MAE 1.05%. Namun ada satu kelompok variabel yang hanya ada satu faktor yaitu tipe pekerjaan dengan pendekatan k-Nearest Neighbor memiliki nilai RSME paling kecil sebesar 3.80. Ketika melibatkan seluruh variabel sebagai prediktor ternyata tidak memperkecil nilai MAE dan RSME. Sehingga model terbaik yaitu dari kelompok -1 yang terdiri dari lokasi, jumlah kompetitor, dan jumlah pesanan yang didapatkan dari hasil faktor analisis sebelumnya. Sehingga jumlah komposisi kelompok penyusun variabel tidak berbanding lurus nilai error terhadap model yang dibangun. ...... Procurement as a vital sector for cost efficient of a company must negotiate with vendors to get the best price for procuring assets and services for a company. The most challenging part of negotiation is creating price estimation by a purchaser. Price estimation factors are debatable for procurement experts. This research aims to determine dominant factors for price estimation in a procurement and creating a model based on the factor especially lease asset procuring. In addition, the research consider factors from previous research on price estimation and add novelty factors as a consideration such as vendor performance, quantity order, and tenancy of assets. Factor analysis is conducted in this research to get latent variable group of whole variable factor estimation price. The results of factor analysis are four group variable latent of factor estimation price. Afterward,  Four groups variable are creating model with Hybrid Case-Based Reasoning by approaching k-Nearest Neighbor dan Neural Network to validate result between actual and estimation. Thereafter, the model validated obtain that result of group latent variabel consist of location, vendor performance, and quantity order by approaching  k-Nearest Neighbor,  has result between actual and estimation the most matching and the smallest value MAE estimation by 52 data and MAE value is 1.05% consecutively. Conversely, any one group variabel latent which consist of one factor is tipe Pekerjaan by approaching k-Nearest Neighbor get value of RSME is the smallest than the others by value 3.80. when involving all variabels as predictors, it does not reduce the value of MAE and RSME. Thus, the best model is from group 1 which consists location, number of competitors, and quantity order obtain from the results of previous factor analysis. So that the composition of the variabel is not directly proportional  to the error value of the model built. 

Abstrak :
Estimasi biaya proyek dengan akurasi yang tinggi pada tahap konseptual sangat penting dalam tahap perencanaan suatu proyek. Tetapi pada aplikasinya estimasi tahap ini ditemui beberapa kendala dalam melakukannya seperti keterbatasan definisi ruang lingkup dan kendala pada informasi yang tersedia. Pada penelitian ini akan dijelaskan pembuatan suatu model estimasi baru menggunakan metode Case-Based Reasoning (CBR) digabungkan dengan metode Genetic Algorithm (GA). GA digunakan untuk mengoptimasi proses retrieve pada metode CBR. Data yang digunakan untuk pembuatan model ini adalah data 55 Rusunawa di Indonesia untuk menunjukkan keuntungan dari metode yang digunakan. Rata-rata error yang dihasilkan dari model ini adalah sebesar 2,966%.

---

Project cost estimating with high accuracy in the conceptual phase of project development is essential for planning. But in its application, this estimation stage encountered some difficulties in doing such limited scope definition and constraints on available information. This research will be explained the creation of a new estimation model using the Case-Based Reasoning (CBR) method combined with Genetic algorithm (GA). GA is used to optimize the process of retrieving the CBR method. The data used for this modeling is the data of 55 low-cost apartment in Indonesia to demonstrate the advantages of the method used. The average error resulting from this model is 2,966%.

Abstrak :
Cognitive system modeling first introduced by psychology researchers. Unfortunately, the model has not been sufficient in supporting computer based problem solving. For that reason, artificial intelligence tries to propose a computational model of cognitive system. The main purpose of the computational model is to support human in solving complex problems, especially problem that involve large number of data, uncompleted data, and problem solving that requires systematic approach as human does. This research proposes and engineering of such multiagent bases cognitive system, which employs case bases reasoning as imitation of human reasoning to maintain the knowledge base.

Abstrak :
Peramalan permintaan bantuan logistik merupakan acuan untuk kegiatan distribusi yang optimal pasca gempa bumi. Peramalan permintaan yang akurat dan efisien dapat mencegah habisnya ketersediaan bantuan logistik, mempercepat waktu distribusi, dan menjamin setiap korban gempa bumi memperoleh bantuan logistik yang dibutuhkan, sehingga dapat mengurangi penderitaan dan menyelematkan hidup mereka. Penelitian ini bertujuan untuk merancang model peramalan permintaan bantuan logistik pasca gempa bumi. Pendekatan Case-based Reasoning (CBR) dengan dukungan internet of things (IoT) digunakan pada penelitian ini. Gempa bumi Lombok utara yang terjadi pada tahun 2018 digunakan sebagai kasus target yang akan diramal permintaan bantuan logistiknya. Hasil peramalan diperoleh berdasarkan kasus gempa bumi yang paling similar dengan kasus target. Similaritas kedua kasus ditentukan berdasarkan enam atribut yaitu: magnitudo, kedalaman gempa bumi, jarak episentrum, jumlah populasi terdampak, durasi tanggap darurat (hari), dan Modified Marcelli Intensity (MMI). Penerapan IoT dapat memberikan nilai atribut secara real time sehingga hasil peramalan diperoleh secara cepat. Hasil peramalan permintaan bantuan logistik menunjukkan MAPE di bawah 20%, sehingga dikategorikan sebagai hasil peramalan yang baik dan akurat. ...... The demand forecasting of emergency logistic relief is a premise and basis for optimal emergency distribution after earthquake. Accurate and efficient demand forecast will prevent stock-out, save time, and ensure every victims get the critical supplies to reduce their suffering and save their life. This paper aims to design demand forecasting model of emergency logistic relief after earthquake. Case-based Reasoning (CBR) method supported by Internet of Things (IoT) is applied to develop the model. This paper uses eartquake incident which struck North Lombok regency in 2018 as target case. The demand forecasting result is obtained based on the historical case that are the most similar to the target case. The similarity is determined by six attributes: earthquake magnitude, depth of hypocenter, epicentrum distance, total affected population, duration of response phase (day), and modified marcelli intensity (MMI). IoT supports the model to acquire real-time attributes value when earthquake occurs so the forecasting result will be obtained quickly. From the target case, the results shows overall forecast error lower than 20% and open the door for conducting emergency logistic relief demand forecast with quantitative and qualitative approach.

Abstrak :
ABSTRACT
Low carbon design is a process of contradiction coordination, which involves multiple factors and necessitates abundantdesign knowledge and rules. We proposed the method that integrated the case based reasoning CBR method and extension theory to achieve low carbo design for products. In this paper, our work is on analyzing the design constraints, and carbon design for products. In this paper, our work is on analyzing the design contraints, and constructing the parameters modeling for representation of product cases. Firstly, we discussed the correlation among factors, and mapped the requirement onto the detailed physical structure. Secondly, we integrated the improved activitybased costing and carbon method and the indirect calculation method to estimate the carbon footprint and cost of each phase in product life cycle. We adopted the basic element model to represent the product cases and used the dependent function to discriminate the extent of compliance with the requirement. In final, the applicability of proposed method was demonstrated through a case study of a screw air compressor.