Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Kredit bermasalah atau non performing loan NPL merupakan salah satu indikator penilaian performa sebuah bank dalam menjalankan program kredit kepada nasabahnya. Peningkatan rasio NPL pada PT. Bank XYZ pada tahun 2016 memberikan dampak kerugian yang sangat besar bagi perusahaan. Tinggi atau rendahnya rasio NPL erat kaitannya dengan tingkat kepatuhan debitur dalam menyelesaikan kewajibannya sesuai dengan perjanjian yang ada. Peningkatan rasio NPL tersebut berasal dari berbagai sektor kredit termasuk kredit kepemilikan rumah KPR. Tercatat pada awal tahun 2017 terdapat 16,15 nasabah yang memiliki kredit tidak lancar pada kredit KPR FLPP. Kualitas kredit yang buruk memberikan kerugian pada Bank XYZ. Untuk mengatasi masalah tersebut, pada penelitian ini digunakan teknik data mining untuk melakukan penilaian risiko calon nasabah kredit. Teknik data mining decision tree, support vector machine dan na ve bayes digunakan untuk melakukan penilaian risiko kualitas kredit calon nasabah. Teknik ensemble classification adaptive boosting dan bagging juga digunakan untuk meningkatkan performa dari model klasifikasi dasar. Pemodelan dilakukan dengan menggunakan data nasabah KPR FLPP. Evaluasi penelitian dilakukan menggunakan teknik k-fold cross validation. Hasil dari penelitian menunjukkan model klasifikasi yang dihasilkan oleh metode base classification decision tree merupakan model yang terbaik pada kasus ini. Hasil dari pemodelan dapat digunakan dalam menilai potensi calon nasabah apakah akan menjadi nasabah yang mempunyai kualitas kredit baik atau buruk.

---

ABSTRACT
Non performing loan NPL is one of some indicators that can be used to measure the performance of bank in running a credit program to its customer. Bank XYZ rsquo s NPL rate increased in 2016 brought a huge loss to the organization. High or low NPL rate in the bank is closely related to the level of compliance of its customer in fulfilling their obligation based on agreement. The increment of NPL came from several sectors including the mortgage sector. In the beginning of 2017, there are 16.15 of customer have bad credit performance of FLPP mortgage program. Bad quality can bring loss to the Bank XYZ. To resolve that problem, data mining technique is used in order to assess the credit risk of prospect customer. Data mining techniques such decision tree, support vector machine SVM and na ve bayes are used to score the credit risk of the prospect customer. Ensemble classification technique such adaptive boosting and bagging are used as well to improve the performance of base classification rsquo s model. Modelling uses the historical customer data of FLPP mortgage program. The technique of evaluation in this research uses k fold cross validation. The result of this research shows classifiers from base classification decision tree has the best result amongst the other models in this case. The best models can be used to score the potential of prospect customer whether they will be having good credit or bad credit.

Abstrak :
Selama beberapa tahun terakhir, kompleksitas perangkat lunak yang berkembang berlipat ganda dan diperparah oleh perluasan dalam cakupan, ukuran dan cakupan teknologi menyebabkan peningkatan kompleksitas dalam siklus hidup pengujian. Hal ini memicu organisasi yang bergerak pada bidang teknologi informasi menyadari pentingnya pertumbuhan pengujian perangkat lunak dalam ekosistem pengembangan perangkat lunak secara keseluruhan. Oleh karena itu, organisasi memperkuat proses pengujian dalam upaya meningkatan kualitas perangkat lunak yang disajikan kepada pelanggan. Test Maturity Model integration TMMi merupakan salah satu kerangka kerja test process improvement berbasis model yang ditujukan untuk peningkatan berkelanjutan terhadap keefektifan dan efisiensi proses pengujian dalam keseluruhan proses pada perangkat lunak. Penggunaan TMMi dengan assessment dijalankan berdasarkan panduan yang ditetapkan pada TMMi Assessment Method Application Requirements TAMAR. Fakta dan kajian pada proses pengujian perangkat lunak saat ini yang dianalisis memperlihatkan kekuatan dan kelemahan pada setiap area dan menghasilkan tingkat kematangan.Hasil evaluasi yang dilakukan melalui assessment dengan TMMi menunjukkan bahwa proses pengujian pada PT. AS berada pada tingkat kematangan TMMi Level 2. Selanjutnya dalam mendapatkan proses area yang diajukan sebagai fokus penyusunan rekomendasi, penulis melakukan pengurutan prioritas dengan prioritazion matrix terhadap kategori manfaat dan tiga proses area yang memiliki nilai terendah dari proses area lain. Proses pengurutan prioritas menghasilkan PA 3.3 Test Lifecycle and Integration dengan nilai prioritas paling tinggi. Penyusunan rekomendasi pada PT. AS dilakukan menggunakan deming cycle.

---

Over the past few years, the complexity of software which multiplied and aggravated by expansion in the scope, size and coverage of technology cause to increased complexity in the test life cycle. This provoke the organizations which engaged in the field of information technology realize the importance of software testing growth in the overall software development lifecycle. Therefore, organizations are reinforce the testing process in effort to improve the quality of software delivered to customers. Test Maturity Model integration TMMi is one of the model-based test process improvement frameworks aimed at continuous improvements to the effectiveness and efficiency of the testing process in the overall software process. The use of TMMi with assessment is carried out according to the guidelines set forth in the TMMi Assessment Method Application Requirements TAMAR . Facts and studies on the current software testing process analyzed show strengths and weaknesses in each area and result in a level of maturity.The evaluation results through assessment with TMMi prove that testing process in PT. AS is at TMMi maturity level 2. Furthermore to acquire the process area as the focus of the recommendations, the author performs priority ranking with prioritazion matrix against defined categories and three process areas which have the lowest value among others. The priority ranking process obtain PA 3.3 Test Lifecycle and Integration with the highest priority value. Finally, the author construct the recommendations to PT. AS with deming cycle.

Abstrak :
Masalah identifikasi hewan merupakan masalah yang penting untuk melakukan fungsi registrasi dan traceability demi keamanan dan ketahanan produk hewani. Penggunaan penanda buatan untuk hewan merupakan langkah paling mungkin untuk saat ini walaupun disisi lain telah dibuktikan bahwa memiliki banyak keterbatasan. Penggunaan Biometrik hewan memberikan solusi terhadap batasan-batasn tersebut. Investigasi telah dilakukan beberapa peneliti terhadap metode identifikasi berbasis biometrik hewan walaupun masih ada kekurangan-kekurangan. Biometrik hewan yang digunakan adalah citra pola moncong dan wajah. Biometrik pola moncong dan wajah telah didapatkan dari Sapi Bali dan Sapi Peranakan Ongole. Pemilihan biometrik ini didasarkan pada peluang penelitian dan pengambilan data yang terbilang murah. Pendekatan SIFT pada data pola moncong pada kertas menghasilkan performa yang secara signifikan lebih baik dibandingkan dua penelitian sebelumnya dan metode perbaikan pencocokan yang diusulkan telah dapat meningkatkan performa dari hasil identifikasi menggunakan original SIFT. Pendekatan SURF dengan pengukuran kecocokan yang diusulkan pada data foto pola monconng menghasilkan hasil yang stabil dan lebih baik dari pada pendekatan sebelumnya. Penggunaan metode penggabungan dua sumber ciri biometrik dengan memperhatikan nilai derajat kepercayaan dan nilai voting meningkatkan performa dari sistem biometrik bersumber tunggal. Berdasarkan hasil eksperimen yang telah didapatkan, penggunaan biometrik hewan sebagai alat identifikasi otomatis sangat menjanjikan walaupun masih banyak hal yang harus diteliti dan dikembangkan.

---

The cattle identification problem is an important issue in a cattle registration and traceability in order to fulfill the security and resilience cattle's products. The usage of artificial marker was a feasible mean for identification although it had a several limitations. The animal biometric gives the solution of this limitations. Several investigations related with issues of identification based on biometric have been done although still have problems. The biometrics used in this research are muzzle pattern and face photo. The muzzle and face biometric of cattle have been collected from Balinese Cow and Hybrid Ongole Cow. The choice of muzzle and face biometric is because of the research opportunities and a relatively cheap way in the data gathering. The SIFT approach in the muzzle pattern lifted on paper data has shown a significantly better performance than the two previous research and the proposed matching refinement has increased the performance of the identification result. The SURF approach using proposed similarity measurement in the muzzle pattern photo has provided a stable result and also a better result than the previous approach. The proposed biometric fusion using the degree of confidence and voting value has increased the performance of the unimodal biometric system. Based on the experiment results, the automatic identification based on animal biomatrics has a promising result although there are many things that have to be investigated and developed next.

Abstrak :
Telah dilakukan penelitian terhadap pengembangan algoritma FNGLVQ sehingga memiliki karakteristik adaptif terhadap data input sehingga besaran perubahan vektor referensi memiliki besaran nilai yang adaptif. Karakteristik adaptif didapatkan dengan melakukan modifikasi terhadap perubahan update bobot dengan melakukan penurunan fungsi keanggotaan fuzzy tidak hanya terhadap parameter mean (yang dilakukan pada FNGLVQ awal) namun penurunan dilakukan terhadap kedua nilai min dan max sehingga besaran perubahan nilai min dan max akan bervariasi (tidak konstan seperti FNGLVQ) yang tergantung dari besaran input yang digunakan. Karakteristik ini dapat meningkatkan akurasi dalam percobaan dalam ketiga jenis data, yakni data EKG Aritmia, data pengenalan Aroma dengan 3 campuran, serta data Sleep secara keseluruhan, namun perbedaan nilai akurasi terbesar didapatkan dari pengujian data pengenalan aroma 3 campuran. Pengembangan karakteristik adaptif terhadap algoritma FNGLVQ dilakukan dengan kedua jenis fungsi keanggotaan yakni fungsi keanggotaan segitiga dan fungsi keanggotaan PI, dan FNGLVQ adaptif dengan fungsi keanggotaan PI sedikit lebih baik dibandingkan FNGLVQ adaptif dengan fungsi keanggotaan segitiga. ......This research has been conducted on the development of FNGLVQ algorithms which have adaptive characteristics to the input data so that the amount of change in the reference vector has a magnitude of adaptive value. Adaptive characteristics are obtained by modifying the update changes the weight by doing a fuzzy membership function derivation. This is not only performed on the parameters of the mean (which is done at the beginning FNGLVQ) but they are derivated to both min and max values so that the amount of change in the weight and is continued with min and max values will vary (not constant as in the case of FNGLVQ) which in turn depends on the amount of inputs used. These characteristics may increase the accuracy of the experiment in all three types of data, including data Arrhythmia ECG, data recognition Aroma with 3 mix, as well as overall Sleep data, but the biggest difference is the accuracy of values which have obtained from the test for 3 mixed aroma data recognition. Development of adaptive characteristics of the algorithm FNGLVQ has been performed with both types of membership functions namely triangular membership functions and PI membership functions, and FNGLVQ PI adaptive membership functions has been found to be slightly better than FNGLVQ adaptive triangular membership functions.

Abstrak :
ABSTRAK
Pemilihan prototype menggunakan single prototype memiliki kelemahan dimana daerah yang minor (distribusi datanya sedikit) belum dapat ter-cover dengan baik, sehingga dibutuhkan penggunaan multiple prototype agar data yang memiliki ketersebaran data yang tidak merata pada kelas yang sama dapat terwakilkan. Pada penelitian kali ini, akan diterapkan suatu metode incremental learning yang akan diintegrasikan dengan algoritma FNGLVQ. Metode incremental learning yang digunakan adalah metode random, statis dan dinamis. Metode random dilakukan dengan cara memilih prototype dari luar secara random dengan penetapan jumlah 2,5,10 dan 20 prototype perkelasnya; metode statis dengan memanfaatkan sifat keabuan dari nilai similaritas fuzzy yaitu menggunakan threshold di bawah nilai 0.5, 0.4, 0.3, 0.2 dan 0.1 sebagai kriteria pemasukan prototype sementara untuk metode dinamis juga menggunakan threshold yang diadaptasi dari penelitian (Xu Ye, 2012), namun dalam penelitian ini akan dilakukan penyesuaian mengikuti bentuk prototype yang digunakan yaitu dalam bentuk fuzzy. Dari keseluruhan metode incremental learning ini yang digunakan baik random, statis maupun dinamis, akurasi meningkat sebesar ±3 – 5% dari single prototype. Sementara untuk metode dinamis sendiri memiliki keunggulan di atas rata-rata dari metode random maupun statis baik dalam hal akurasi dan efisiensi jumlah prototype yaitu sebesar 94.78% dengan ±7 buah prototype pada uji data simulasi dengan menggunakan gaussian mixture models.

---

ABSTRACT
Selection of prototype using single have a weakness where minor area could not cover well and need multiple prototype for a solution. In this research, incremental learning method will be integrated to FNGLVQ algorithm. Incremental learning method will be used random, static and dynamic. Random method will be selection of prototype from outside system randomly with 2, 5, 10, 20 prototype each class; statis method using threshold based on grey area of fuzzy similarity characteristic with using value under 0.5, 0.4, 0.3, 0.2 and 0.1 as criteria of entering the prototype to the set prototype, while dynamic method using threshold that adaptation from (Xu Ye, 2012), but in this research will be change form of prototype from crisp to fuzzy. From all incremental learning method that used such as random, static and dynamic, accuracy increasing about 3 until 5 % from single prototype. While dynamic threshold have an average superior than random and static method in accuracy and amount of prototype with 94.78% and ±7 prototypes on testing in simulation data using gaussian mixture models.

Abstrak :
ABSTRAK
Pada penelitian ini, penulis mencoba merealisasikan sistem pelacakan ujung-ujung jari yang diperuntukan untuk interaksi yang lebih baik antara manusia dan komputer serta untuk membantu penangkapan gerak jemari tangan guna pembuatan animasi 3D. Pelacakan posisi ujung-ujung jari dilakukan dalam dua proses terpisah yakni: (1) pelacakan posisi dua dimensi (2D) vertical dan horizontal atau posisi (, ) dari citra RGB (red, green, blue); (2) pelacakan dimensi ketiga yaitu () dari citra kedalaman atau depth images yang dikalibrasi, yang kemudian disatukan kedalam pelacakan posisi tiga dimensi (, , ) menggunakan Particle Filter (PF). Posisi 2D atau (, ) ditemukan dengan cara menghitung Convex Hull 2D dari citra hasil binerisasi citra asli. Sedangkan posisi 3D ditentukan menggunakan metode Stephane-Magnenat dari citra kedalaman. Setelah itu, masing-masing ujung jari dilacak oleh beberapa pelacak PF secara simultan dengan teknologi multithreading. Untuk menguji efektifitas sistem yang dikembangkan penulis membuat modul grafika tangan 3D untuk mensimulasikan gerakan tangan hasil pelacakan. Hasil pelacakan ujung-ujung jari ini kemudian juga digunakan untuk mensimulasikan kontrol pembesaran (zoom-in) dan pengecilan (zoom-out) yang banyak dilakukan pada interaksi manusia dengan televisi maupun perangkat tablet melalui pembesaran dan pengecilan objek sederhana seperti bola dengan gerakan jemari tangan. Selain itu, penulis juga mengukur tingkat akurasi, overhead waktu komputasi, dan kemampuan untuk beradaptasi terhadap halangan atau occlusion dalam beberapa skenario eksperimen. Penanganan occlusion dilakukan dengan memprediksi gerakan jari menggunakan suatu model linier. Hasil dari penelitian ini menunjukan bahwa PF merupakan metode yang baik dalam melacak yaitu ditunjukan dengan rata-rata error yang rendah, kurang dari 2. Kemudian untuk penangan occlusion didapat rata-rata error kurang dari 3. Selain itu, Kemampuan sistem baik, yaitu dalam merealisasikan informasi pelacakan ujung jari kedalam animasi tangan 3D dan antar muka alami sederhana sebagai uji kasus ditunjukan dengan kemampuan menirukan gerakan tangan dan dalam mengontrol operasi zoom in/out.

---

ABSTRACT
This research tried to realize a fingertips tracking system for better interaction between human and computer as well as to assist fingers motion capture for 3D animation building. Fingertips tracking performed in two separate ways, they are: (1) fingertips tracking in 2D horizontal and vertical (x, y) position in RGB (red, green, blue) image. (2) tracking in 3rd dimension (z) from calibrated depth image, then incorporated in 3D using particle filter (PF). 2D position is found by computing 2D convex hull from extracted binary image. other, found by Stephane Magnenat approach in depth image. After that, each fingertips is tracked by several PF at once with multithreading technology. To test the effectiveness of developed system, 3D hand graphic module is applied to simulate tracked hand motion. Then, tracked fingertips is applied to simulate scale control such as zoom in/out process commonly done in interaction between human and television or tablet through simple scaling object at ball using fingertips. In addition, accuracy, time overhead and occlusion handling is added in several scenario. Occlusion handling is performed by predicting fingertip motion in linier model. The result, PF is reliable method in tracking shown at low average error, less from 2. Then in occlusion handling, obtained average error less from 3. Moreover, System ability is reliable in realizing fingertips tracking information into 3D hand animation and simple natural user interface (NUI) as case study in this research, shown by proper system motion copy and scaling object abilities.

Abstrak :
Dalam pengenalan objek pada sistem pengawasan lalu lintas dibutuhkan sebuah metode yang mampu membedakan antara objek dan non objek. Salah satu metode umum yang biasa digunakan adalah background subtraction. Background subtraction menjadi bagian awal yang penting dari sebuah aplikasi dalam metode computer vision. Hasil dari background subtraction biasanya digunakan dalam proses pada level yang lebih tinggi. Kami mengajukan sebuah metode Gaussian Mixture Model (GMM) dengan algoritma Hole Filling(HF). Ide utama dari pendekatan yang diajukan karena hasil dari GMM menghasilkan noisy image yang berasal dari kesalahan klasifikasi. Hal ini terjadi karena berbagai situasi (waving trees, rippling water dan illumination change). Metode HF yang sederhana mampu meningkatkan akurasi hingga 97,9% dan Kappa statistic hingga 0,74 dengan mengurangi kesalahan klasifikasi dari GMM. Hasil eksperimen and evaluasi pada pixel level menunjukkan bahwa GMMHF mampu unggul dari metode yang lain. Dengan peningkatan kinerja deteksi kendaraan menggunakan GMMHF, estimasi kecepatan kendaraan mendapatkan perbaikan. GMMHF yang dipadukan dengan Pin Hole model menghasilkan estimasi kecepatan terbaik dibandingkan skenario lainnya, dimana simpangan ratarata sebesar 7,4 Km/jam. .......There is a necessity in traffic control system using camera to have the capability to discriminate between an object and non-object in the image. One of the procedure to discriminate between those two is usually performed by background subtraction. Gaussian Mixture Model (GMM) is popular method that has been employed to tackle the problem of background subtraction. However, the output of GMM is a rather noisy image which comes from false classification. This situation may arise because several conditions in the video input such as, waving trees, rippling water, and illumination changes. In this paper, a version of GMM technique which is combined with Hole Filling Algorithm (HF) classifier is proposed to alleviate those has problems. The experimental result shows that the proposed method improved the accuracy up to 97.9% and Kappa statistic up to 0.74. This result has outperformed many similar methods that is used for evaluation. With improvement of vehicles detection performance using GMMHF, vehicle?s speed estimation also improved. GMMHF that combined with Pin Hole Model produce the best speed estimation compared with other scenarios, where standard deviation is 7,4 Km/hr.

Abstrak :
Tesis ini membahas tentang penggunaan Treatment Planning System (TPS) PRISM pada kasus kanker payudara menggunakan unit terapi Elekta di RSPAD Gatot Soebroto. Berkas elektron biasanya digunakan setelah pembedahan untuk pengobatan kanker payudara sebagai dosis tambahan. Pengukuran dosis dengan energi 8 MeV dan 10 MeV serta lapangan aplikator 6 x 6 cm2, 10 x 10 cm2, 14 x 14 cm2 dan 20 x 20 cm2 disimulasikan sebagai beam data pada PRISM. Beam data unit terapi SL20B merupakan bawaan pada piranti lunak PRISM yang akan dijadikan sebagai acuan kalkulasi. Dosis pada water phantom, inhomogenity phantom dan hasil simulasi CT Scan pasien kanker payudara dianalisis secara 1D berupa PDD, 2D berupa kurva isodosis dan 3D berupa Dose Volume Histogram. Distribusi dosis yang dikalkulasi dengan menggunakan TPS PRISM berbeda dengan hasil TPS ISIS. Hal ini karena adanya koreksi dari densitas jaringan (inhomogenitas) pada TPS PRISM sedangkan pada TPS ISIS tidak memperhitungkan hal tersebut. Beberapa deviasi distribusi dosis bernilai sangat besar antara TPS ISIS dan TPS PRISM. Deviasi melebihi 5% terjadi saat energi 8 MeV mulai dari kedalaman 2.3 cm dan 10 MeV mulai dari kedalaman 2.8 cm.

---

This thesis discusses about the utilization of PRISM Treatment Planning System (TPS) in the case of breast cancer using Elekta therapy unit at RSPAD Gatot Soebroto. Treatment option by using electron beam is always done after surgery as booster doses. Dose measurements with linac energy 8 MeV and 10 MeV and field sizes 6 x 6 cm2, 10 x 10 cm2, 14 x 14 cm2 and 20 x 20 cm2 were simulated as beam data on PRISM. Therapy unit SL20B beam data are innate in software PRISM that will be used as reference calculations. Doses on water phantom, inhomogenity phantom and the CT scan simulation for breast cancer patient were analyzed in form of PDD for 1D, isodosis curve for 2D and Dose Volume Histogram for 3D. The result from PRISM TPS and ISIS TPS are different because the correction factors of inhomogenity are not included in ISIS TPS. Some deviations of dose distribution from TPS ISIS and TPS PRISM are very high. Deviation larger than 5% started from 2.3 cm depth for 8 MeV and 2.8 cm for 10 MeV.

Abstrak :
ABSTRAK
Data besar tidak hanya dilihat dari jumlah sampelnya tetapi juga dapat dilihat dari berapa banyak ciri yang tersimpan di setiap sampel tersebut. Seleksi ciri yang paling representatif adalah tugas penting pada data besar untuk mengurangi dimensi. Metode seleksi ciri dapat menjadi solusi untuk mengatasi masalah ini. Pada penelitian ini diterapkan metode penggabungan seleksi ciri yang terdistribusi secara homogen dengan partisi 2-dimensi untuk memperbaiki algoritme klasifikasi. Dari hasil eksperimen yang telah dilakukan dapat ditarik kesimpulan metode yang dirancang mampu memperbaiki kinerja metode klasifikasi untuk setiap dataset yang digunakan. Metode yang diusulkan menggunakan partisi 2-dimensi yang dapat mempercepat proses latih sekaligus memperbaiki kinerja akurasi. Metode yang diusulkan dapat memperbaiki metode sebelumnya rata-rata 2% untuk dibeberapa dataset dan mempercepat proses hampir 2 kalinya.

---

ABSTRACT
Big data is not only seen from the number of its samples but can also be seen from how many features were stored in each sample. The selection of the most representative feature is an important task in big data analysis in order to reduce the dimension. The feature selection method can be a solution to overcome this problem. In this research, a homogeneous distributed ensemble feature selection method with 2-dimensional partition is used as the feature selection. The results showed that the proposed method can speed up the training process in addition to improving the classification accuracy. The proposed method can improve the accuracy from the standard feature selection method with an increase of 2% for several datasets. In addition, it also speeds up the computation to almost two times faster.

Abstrak :
Permasalahan lokasi alokasi sekolah bertujuan untuk menghasilkan distribusi peserta didik ke sekolah sedemikian sehingga total jarak perjalanan siswa minimum. Permasalahan ini termasuk jenis masalah kombinatorial dan dapat dimodelkan sebagai permasalahan p-median. Pada penelitian ini, pendekatan algoritma hibrida firefly-genetika digunakan untuk menyelesaikan masalah lokasi alokasi sekolah dengan studi kasus SMP Negeri di Jakarta Selatan. Algoritma firefly diusulkan karena kemampuannya yang baik dalam mengarahkan konvergensi solusi ke nilai fungsi objektif yang lebih baik dalam permasalahan dengan fungsi kontinu. Algoritma genetika diusulkan karena kemampuan operasi genetikanya yang dapat menjaga variasi individu dalam populasi sehingga dapat menghindarkan solusi terjebak di nilai optimum lokal. Hasil pengujian menunjukkan nilai jarak perjalanan yang didapatkan oleh algoritma hibrida firefly-genetika lebih baik daripada algoritma firefly dan algoritma genetika. Untuk nilai parameter yang sama, waktu komputasi algoritma hibrida firefly-genetika relatif sama dengan algoritma firefly, namun jauh lebih tinggi dari algoritma genetika. ......School location allocation problem aims to distribute students to schools such that the total of students travel distance is minimum. This problem is a type of combinatorial problem and can be modeled as a p-median problem. In this study, hybrid firefly-genetic algorithm is used to solve school location allocation problem with case study of South Jakarta junior public schools. Firefly algorithm is proposed because of its ability in directing the convergence to better solutions in continuous problems. Genetic algorithm is proposed because its genetic operators can maintain individual variation in the population to avoid a solution getting stuck at local optimum. The experiment results show that the total travel distance obtained by hybrid firefly-genetic algorithm is better than firefly algorithm and genetic algorithm. For the similar parameter values, the computational time of hybrid firefly-genetic algorithm is quite same as firefly algorithm, but much higher than genetic algorithm.