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."

"Treveling salesman problem (TSP) adalah masalah mencari rute perjalanan melewati sejumlah berhingga tempat dengan syarat setiap tempathanya dikunjungi tepat satu kali dan perjalanan berawal dan berakhir di satu tempat. TSP berdasarkan kesimetrian terbagi menjadi TSP simetrik dan TSP asimetrik adalah TSP dimana bobot busur tidak bergantung pada arahan pembusuran ..."

"Generalized Assignment Problem (GAP) adalah masalah penugasan sehimpunan berhingga tugas ke sehimpunan berhingga agen. Setiap tugas mempunyai bobot dan biaya penyelesaian yang mungkin berbeda untuk setiap agen. Setiap agen mempunyai kapasitas sumber daya dan tidak boleh mengerjakan tugas melebihi kapasitasnya. Pada skripsi ini dilihat kinerja dari algoritma genetik dalam menyelesaikan GAP. Algoritma genetik terinspirasi oleh teori evolusi biologi. Operator utama yang digunakan adalah binary tournament selection, one point crossover, dan swap mutation. Untuk meningkatkan kinerja, ditambahkan local improvement steps dan replacement scheme. Kinerja algoritma genetik diukur dari kedekatan solusi yang diperoleh dengan Best Known Solution (BKS) dari masalah penguji yang diambil dari OR Library. Selain itu, juga dilihat pengaruh perubahan nilai probabilitas crossover PC dan probabilitas mutasi Pm terhadap kinerja algoritma genetik. Berdasarkan percobaan, disimpulkan bahwa kinerja algoritma genetik dalam menyelesaikan GAP cukup baik, dengan kesalahan relatif nilai fungsi tujuan solusi terbaik terhadap BKS cukup kecil, yaitu tidak lebih dari 0.03. Dari percobaan mengubah nilai parameter, diperoleh dengan PC = 0.6, nilai Pm yang cukup baik adalah 0.25 ? 0.3. "

"Generalized Assignment Problem (GAP) adalah masalah penugasan sehimpunan berhingga agen ke sehimpunan berhingga pekerjaan. Setiap pekerjaan mempunyai bobot dan setiap agen mempunyai kapasitas, sehingga setiap agen tidak dapat mengerjakan seluruh pekerjaan, tergantung kepada kapasitas yang dimiliki. Ada biaya yang harus dikeluarkan jika agen mengerjakan suatu pekerjaan. Pada skripsi ini akan dilihat kinerja dari algoritma Greedy Randomized Adaptive Search Procedure (GRASP) dalam menyelesaikan GAP. Algoritma GRASP terdiri dari 2 fase, yaitu fase konstruksi solusi awal dengan algoritma Greedy Randomized Adaptive Heuristics (GRAH) dan fase perbaikan dengan metode local search. Kinerja dari algoritma GRASP akan diukur berdasarkan kedekatan solusi yang diperoleh dengan Best Known Solution (BKS). Data masalah untuk menguji diambil dari OR Library. Berdasarkan hasil percobaan, dapat disimpulkan bahwa kinerja Algoritma GRASP dalam menyelesaikan GAP cukup baik untuk masalah GAP berukuran kecil, yaitu berukuran 5 x 15, 5 x 20, 5 x 25, 5 x 30, 8 x 24, 8 x 32."

"Penelitian ini membahas masalah penjadwalan job shop pada sebuah perusahaan yang memproduksi produk stamping. Permasalahan yang terjadi adalah tingginya angka keterlambatan pemenuhan pesanan atau rendahnya performa on-time delivery. Oleh karena itu, tujuan dari penelitian ini adalah meminimumkan jumlah keterlambatan dari setiap job. Penjadwalan produksi pada sistem produksi job shop merupakan salah satu permasalahan yang kompleks sehingga dibutuhkan metode yang tepat untuk mendapatkan solusi yang optimal untuk masalah ini. Metode penelitian ini menggunakan algoritma tabu search. Tabu search menggunakan tabu list dan iterasi pada solusi tetangga untuk mencegah terjebak pada optimal lokal. Penelitian ini menjadwalkan 21 produk yang terbagi menjadi 208 job yang diproses di 16 mesin dengan spesifikasinya mesin yang berbeda-beda. Model penjadwalan ini menghasilkan jumlah keterlambatan sebesar 23 job yang sebelumnya 96 job, atau dengan kata lain terjadi penurunan jumlah keterlambatan sebesar 76,04 . Selain itu, rata-rata waktu tunggu proses barang setengah jadi juga mengalami penurunan sebesar 29,8

---

This research presents job shop scheduling at a company that produce stamping product. The problem that happened here is high number of tardiness or low on time delivery performance. Therefore, the objective of this research is to minimize number of tardiness. Job shop scheduling is a complex problem so that need appropriated method to produce the optimal solution for this problem. This research using tabu search algorithm method. Tabu search uses tabu list and iterations in neigborhood solution to prevent getting stuck on a local optimum. This research schedules 21 products which divided into 208 jobs which processed on 16 machines with different spesifications. This model produces the output has 23 jobs tardiness which before has 96 jobs, means that number of tardiness reduces of 76,04 . In addtion, average waiting time of work in process also reduces 29,8."

"Di dalam teknik kendali adaptif terdapat suatu metode pengendalian yang berbasis pada model proses untuk menghitung sinyal kendali berdasarkan prediksi keluaran yang dihitung dari model proses, yang dikenal dengan Model PredictiveControl (MPC). Di antara beberapa algoritma dalam MPC, yang sering dipakaidalam industri yaitu Generalized Predictive Control (GPC). Kelebihannya dibanding metode perancangan pengendali lainnya ialah kemampuannya untuk menangani sistem yang merniliki waktu tunda dan kemudahannya dalam penerapan con.straim karena langsung diperhitungkan dalam perancanganpengendal. Dalam skripsi ini algoritma GPC diimplementasikan pada sistem multivariabel 2 masukan dan 2 keluaran dengan waktu tunda., yang dilakukan dengan menerapkan constraint pada masukan, slew rate, serta keluaran hingga diperoleh sinyal kendali. Solusi permasalahan Quadrotic Programming untuk mengatas:i constraint pada skripsi ini dilakukan dengan metode pivoting yaitu Linear Complementary Problem (LCP). GPC ditransformasi ke dalam LCP dan diselesaikan dengan algoritma Lemke untuk mendapatkan solusi sinyal kendali. Hasil uji coba algoritma constrained DPC pada system multivariabel dengan waktu tunda ini menghasilkan sinyal kendali yang baik. Simulasi juga menunjukkan faktor bobot dan cost horizon memegang peranan penting pada unjuk kerja GPC. Sedangkan peranan control horizon dalam unjuk kerja GPC kurang begitu signifikan"

"Passenger boarding merupakan proses masuknya para penumpang ke dalam pesawat. Passenger boarding perlu dikendalikan oleh maskapai penerbangan supaya interferences yang terjadi ketika passenger boarding berlangsung tidak semakin banyak. Interferences didefinisikan sebagai gangguan yang terjadi akibat adanya penumpang yang terhalang oleh penumpang lainnya ketika ia ingin mencapai tempat duduknya. Strategi terbaik dibutuhkan untuk dapat mengurangi interferences yang terjadi sehingga passenger boarding lebih terkendali. Strategi dilakukan dengan mengelompokkan penumpang ke dalam beberapa grup dan masing-masing grup akan masuk ke dalam pesawat dengan urutan tertentu. Pada skripsi ini masalah penentuan strategi passenger boarding akan dimodelkan ke dalam pemrograman non linier bilangan bulat campuran dan diselesaikan melalui algoritma genetik. Pesawat yang digunakan dalam skripsi ini adalah Airbus-320. Sementara untuk menerapkan algoritma genetik sebagai penyelesaian masalah ini digunakan metode seleksi deterministik, metode one cut point crossover dan metode mutasi dengan penggantian gen secara acak. Pada akhirnya diperoleh bahwa strategi terbaik adalah strategi dengan total interferences minimum berdasarkan nilai, dimana direpresentasikan sebagai persentase penumpang penyebab interferences yang berasal dari grup sebelumnya. Ketika nilai kecil, strategi cenderung mendekati strategi window to aisle. Sementara ketika nilai besar, strategi cenderung mendekati strategi back to front.

---

Passenger boarding is a process when the passengers get access to airplane. Passenger boarding have to be controlled by an airline company so that interferences of passenger boarding won't increased. Interferences are defined as an instance of passenger blocking another passenger's access to his (or her) seat. The best strategy is needed to reduce the interferences which happened so passenger boarding will be more controlled. The strategy is apllied by grouping the passenger in specific order to get access the airplane.

This skripsi tells about problem on how to choose a passenger boarding strategy will be represented as a model of mixed integer non linear programming and solved by genetic algorithm. Airbus-320 will be used in this skripsi. Deterministic selection, one cut point crossover and random gen replacement mutation will be used in genetic algorithm.

In conclusion, the best strategy is a strategy that has minimum number of total interferences based on, which is represented as a percentage of passenger who caused interferences from the previous group. When has a large value, the strategy aprroach to "window to aisle strategy". Meanwhile has a low value, the strategy approach to "back to front strategy"."

"ABSTRAKBagian jalinan jalan (weaving section) merupakan salah satu fasilitas lalu lintas yang analisis kapasitasnya dilakukan secara tersendiri diluar analisis kapasitas persimpangan bersinyal (signalised intersection) dan tak bersinyal (unsignalised intersection). Pada buku Manual Kapasitas Jalan Indonesia (MKJI) analisis kapasitas bagian jalinan tersebut dilakukan dengan cara perhitungan yang berturut-turut, dengan urutan proses data masukan, pemakaian faktor-faktor penyesuaian dan diakhiri dengan proses perhitungan. Urutan proses ini memerlukan waktu yang lebih lama apabila dikerjakan secara manual dan kesalahan-kesalahan pembacaan tabel dapat mempengaruhi tingkat keakuratan hasil yang didapat.Pada skripsi ini algoritma-algoritma perhitungan yang ada pada buku MKJI tersebut akan dicoba diterapkan ke suatu perangkat lunak komputer, sehingga diharapkan pemakaian waktu perhitungan menjadi lebih singkat serta memberikan hasil yang lebih akurat. Disamping itu akan dilakukan beberapa pengembangan tambahan antara lain adalah diberikannya alternatif pemilihan jenis-jenis bundaran untuk tujuan perencanaan atau perancangan, proses data masukan kondisi parkir dan adanya pembatasan terhadap nilai-nilai variabel masukan.Dari penerapan ini dihasilkan suatu piranti lunak analisis kapasitas bagian jalinan, dinamakan dengan WEAVING 1.0 , yang dapat memperkirakan tingkat kinerja lalu lintas untuk sekumpulan kondisi geometrik, lingkungan serta lalu lintas tertentu. Piranti lunak ini dapat beroperasi dibawah lingkungan Windows, yang diharapkan sifatnya lebih interaktif, edukatif serta lebih mudah dalam pemakaiannya."