Hasil Pencarian  ::  Simpan CSV :: Kembali

"0-1 Knapsack Problem adalah permasalahan optimasi dalam menentukan objek dari sekumpulan objek tertentu dimana masing-masing objeknya hanya mempunyai satu unit. Masing-masing objek tersebut mempunyai bobot (weight) dan nilai (profit) yang dimasukkan ke dalam suatu media penyimpanan yang mempunyai kapasitas tertentu sehingga banyaknya bobot dari objek-objek tersebut tidak melebihi kapasitas dan nilai yang didapatkan maksimum. Dalam tugas akhir ini, algoritma Novel Global Harmony Search (NGHS) akan digunakan untuk menyelesaikan 0-1 Knapsack Problem (0-1 KP). Kemudian akan dibandingkan hasil penyelesaian 0-1 KP yang menggunakan algoritma NGHS dengan algoritma Harmony Search (HS).

---

0-1 Knapsack Problem (0-1 KP) is an optimization problem to determine object from several object in which each object has exactly one unit. Each object have weights and values to place into storage which has a specific capacity so that the total weight of every object are not exceed the capacity and obtain a maximum value. In this undergraduate thesis, Novel Global Harmony Search (NGHS) algorithm will be used to solve 0-1 KP. The result will be compare with Harmony Search (HS) algorithm."

"The 0-1 multidimensional knapsack problem (MKP) has been proven it belongs to difficult NP-har combinatorial optimization problems. There are various search algorithms based on population concept to solv these problems. the particle swarm optimization (PSO) technique is adapted in our stucy, which proposes a novel PSO algorithm, namely, the binary PSO based on surrogate information with proportional acceleration coefficients (BPSOSIPAC). the proposed algorithm was tasted on 135 benchmark problems from the OR-Library to validate and demonstrate the efficiency in solving multidimensional knapsack problems. The result were then compared with those in the other nine existing PSO algorithms. The simulation and evaluation result showed that the proposed algorithm, BPSOSIPAC, is superior to the of successful runs, average eror (AE) , mean absolute deviation, mean absolute percentage error, last error, standard deviation, best profit, mean profit, worst profit, AE of the best profit (%), AE of the mean profit deviaton. "

"ABSTRAKKnapsack Problem (KP) merupakan masalah optimisasi dalam menentukan objekdari sekumpulan objek yang memiliki nilai dan bobot yang akan ditempatkan kedalam media penyimpanan dengan tujuan memaksimumkan nilai barang dengansyarat kapasitas bobot media penyimpanan terbatas. Dalam tugas akhir ini, akandibahas {0-1} Knapsack Problem ({0-1} KP) yang direpresentasikan dalambentuk graf berarah. Setelah direpresentasikan dalam bentuk graf berarah,kemudian dilakukan transformasi pada nilai busur pada graf berarah tersebut dandicari lintasan terpendek antar dua node. Untuk mencari lintasan terpendek,digunakan Algoritma Amoeboid Organism dengan inputnya adalah matriksadjacency dari graf berarah yang telah ditransformasi nilai busurnya dan matrikskonduktivitas. Output dari algoritma ini adalah menghasilkan matrikskonduktivitas yang elemen-elemennya bernilai mendekati 0 atau 1. Entri yangbernilai mendekati 1 merepresentasikan lintasan terpendek pada graf. Lintasanterpendek yang diperoleh akan menjadi solusi yang optimal pada {0-1} KP.

---

ABSTRACTKnapsack Problem (KP) is optimization problem to choose object from set ofobjects which have profit and weight and the object will be placed in limitedstorage with total of profit is maksimum. First, will be explained aboutrepresenting {0-1} Knapsack Problem ({0-1} KP)to directed graph. After {0-1}KP is represented in directed graph, so transforming value of edge on directedgraph and dicari lintasan terpendek antar dua node. To search shortest path, useAmoeboid Organism Algorithm with adjacency matrices from directed graph andconductivity matrices as input. Output from this algorithm is produce conductivitymatrices with element which have value approach 0 and . Element which havevalue approach 1 represent shortest path on graph. Shortest path on graph isoptimal solution in {0-1} KP."

"Pada tahun 2035 diperkirakan aka nada 305 juta penduduk di Indonesia. Selain itu, pada tahun 2021 jumlah smart-phone diperkirakan akan mencapai 8 milyar dan jumlah alat yang dapat berkomunikasi secara machine-to-machine (M2M) mencapai 13 milyar. Hal ini dapat menyebabkan terjadinya trafik data global sebesar 48.27 exabytes. Oleh karena itu, dibutuhkan sebuah terobosan agar operator seluler tetap dapat memenuhi kebutuhan traffic data namun tetap memperhatikan CAPEX/OPEX mereka. Untuk mencapai keseimbangan diantara keduanya, terdapat fitur yang dapat digunakan, yaitu fitur network slicing. Network slicing menggunakan prinsip virtualisasi yang menyebabkan sebuah jaringan fisik dapat terbagi menjadi beberapa jaringan virtual. Penelitian ini membahas tentang fitur network slicing dengan metode multiple-choice knapsack problem pada macro cell jaringan 5G yang diterapkan pada modulasi 16-QAM dan QPSK. Berdasarkan pengujian didapatkan bahwa modulasi QPSK lebih cocok untuk digunakan karena memiliki nilai bit error rate (BER) yang jauh lebih rendah dan nilai throughput yang sedikit lebih tinggi dibandingkan modulasi 16-QAM. Selain itu, nilai delay rata-rata yang dihasilkan oleh modulasi QPSK bernilai lebih rendah dibandingkan modulasi 16-QAM.

---

In 2035 it is estimated that there will be 305 million people in Indonesia. In addition, in 2021 the number of smart phones is expected to reach 8 billion and the number of machines that can communicate machine-to-machine (M2M) reaches 13 billion. This can lead to global data traffic of 48.27 exabytes. Therefore, a breakthrough is needed so that cellular operators can still meet data traffic needs but still pay attention to their CAPEX/OPEX. To achieve a balance between the two, there are features that can be used, namely the network slicing feature. Network slicing uses the principle of virtualization which causes a physical network to be divided into several virtual networks. This study discusses the features of network slicing with the multiple-choice knapsack problem method in the macro cell 5G network that is applied to 16-QAM and QPSK modulation. Based on the experiment it was found that the QPSK modulation was more suitable because it had a much lower bit error rate (BER) value and a slightly higher throughput value than the 16-QAM modulation. In addition, the average delay value generated by QPSK modulation is lower than 16-QAM modulation."

"ABSTRAKKnapsack Problem KP adalah masalah penempatan item barang ke dalam suatu tempat biasa disebut Knapsack yang mempunyai kapasitas tertentu dimana setiap item memiliki berat dan nilai sehingga total berat dari item item yang ditempatkan tidak melebihi kapasitas Knapsack dan nilai yang didapatkan maksimum 0 1 Knapsack Problem 0 1 KP adalah kasus khusus dari KP dimana setiap item hanya tersedia 1 unit sehingga keputusannya adalah untuk memasukkan item tersebut ke dalam Knapsack atau tidak Algoritma Soccer League Competition SLC akan digunakan untuk menyelesaikan 0 1 KP yang ide dasarnya berasal dari kompetisi yang terjadi di liga sepak bola Penyelesaian 0 1 KP menggunakan algoritma SLC ini kemudian akan disimulasikan pada 10 permasalahan 0 1 KP dengan menggunakan perangkat lunak pada komputer Lalu hasilnya akan dibandingkan dengan solusi yang diperoleh dari algoritma NGHS.

---

ABSTRACT

Knapsack Problem KP is an optimization problem to placed some item into a place called Knapsack that have certain capacity which each item has a weight and a value so that the total weight of the chosen items does not exceed the capacity of knapsack and the total value is as large as possible 0 1 Knapsack Problem 0 1 KP is a case of KP which is only one unit available for each item so that the decision is to put these items to knapsack or not Soccer League Competition algorithm will be used to solving 0 1 KP The basic idea of SLC algorithm is from the competition that happen on a soccer league Then SLC algorithm will be simulated on 10 solved 0 1 KP problem with software on computer to solve 0 1 KP and will be compared with solutions from NGHS."

"ABSTRAKKnapsack Problem (KP) adalah masalah penempatan item (barang) ke dalam suatu tempat (biasa disebut Knapsack) yang mempunyai kapasitas tertentu, dimana setiap item memiliki berat dan nilai, sehingga total berat dari item-item yang ditempatkan tidak melebihi kapasitas Knapsack dan nilai yang didapatkan maksimum. {0,1}-Knapsack Problem ({0,1}-KP) adalah kasus khusus dari KP dimana setiap item hanya tersedia 1 unit, sehingga keputusannya adalah untuk memasukkan item tersebut ke dalam Knapsack (𝑥=1) atau tidak (𝑥=0). Algoritma Soccer League Competition (SLC) akan digunakan untuk menyelesaikan {0,1}-KP yang ide dasarnya berasal dari kompetisi yang terjadi di liga sepak bola. Penyelesaian {0,1}-KP menggunakan algoritma SLC ini kemudian akan disimulasikan pada 10 permasalahan {0,1}-KP dengan menggunakan perangkat lunak pada komputer. Lalu, hasilnya akan dibandingkan dengan solusi yang diperoleh dari algoritma NGHS

---

ABSTRACTKnapsack Problem (KP) is an optimization problem to placed some item into a place (called Knapsack) that have certain capacity, which each item has a weight and a value, so that the total weight of the chosen items does not exceed the capacity of knapsack and the total value is as large as possible. {0,1}-Knapsack Problem ({0,1}-KP) is a case of KP which is only one unit available for each item, so that the decision is to put these items to knapsack (𝑥=1) or not (𝑥=0). Soccer League Competition algorithm will be used to solving {0,1}-KP. The basic idea of SLC algorithm is from the competition that happen on a soccer league.Then SLC algorithm will be simulated on 10 solved {0,1}-KP problem with software on computer to solve {0,1}-KP and will be compared with solutions from NGHS"