Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini dilakukan untuk memperoleh jadwal mata kuliah pada perguruan tinggi yang optimal, sehingga jumlah mata kuliah yang bentrok dapat dikurangi, beban mahasiswa lebih merata, serta penggunaan ruang kelas lebih optimal. Hal ini dilakukan dengan optimasi yaitu melalui penentuan jadwal mata kuliah. Optimasi jadwal dilakukan dengan menggunakan algoritma genetika. Algoritma genetika adalah salah satu algoritma yang tepat digunakan untuk memecahkan permasalahan dalam skala besar dan memiliki tingkat kompleksitas yang tinggi sehingga cocok untuk digunakan memecahkan masalah penjadwalan mata kuliah pada perguruan tinggi yang terkenal rumit dan memiliki banyak sekali variabel kendala yang harus dipenuhi dalam pembuatan jadwal yang baik. Hasil yang diharapkan dari penelitian ini adalah sebuah jadwal mata kuliah yang optimal berdasarkan jumlah mata kuliah yang bentrok, beban mahasiswa, dan penggunaan ruang kelas. Setelah penelitian dilakukan diperoleh jadwal baru yang optimal.

---

The aim of this research is to gain an optimum schedule for university course timetabling problem, in order to decrease the number of clashed courses, even distribute student's study burden, and optimize class utilization. Schedule optimization were achieved using genetic algorithm.

Genetic algorithm is one kind of algorithms that appropiate to be used for solving large scale problem with high complexity so it suitable to be used for solving university course timetabling problem which is an NP-hard problem and many constraints variable that has to be fulfilled in order to make a good schedule.

The result of this research is an optimum schedule based on number of clashed courses, student's study burden, and class utilization. After the research is completely done, the result is a new optimum schedule."

"Penjadwalan mata kuliah merupakan masalah yang selalu dihadapi setiap perguruan tinggi. Penjadwalan ini menjadi rumit karena banyak aspek yang harus dipertimbangkan, seperti aspek mahasiswa, dosen, mata kuliah, ruangan, dan slot. Terdapat dua jenis kendala dalam membuat model penjadwalan mata kuliah yang muncul akibat kombinasi dari kelima aspek diatas. Pertama disebut dengan kendala hard yang seharusnya dipenuhi agar menghasilkan jadwal yang layak. Kedua disebut dengan kendala soft yang sebaiknya dipenuhi untuk meningkatkan kualitas jadwal. Dalam penelitian ini diusulkan menggunakan algoritma memetika, yang mengintegrasikan teknik pencarian lokal dengan algoritma genetika yang diharapkan dapat menghasilkan jadwal yang optimal.

---

University Course Timetabling Problem (UCTP) is an issue that is always faced by each college. UCTP becomes more complicated because of many aspects that must be considered, such as aspects of students, lecturers, courses, rooms, and slots. There are two type of constraints in this problem, which are emerged by combination of those aspects. First known as hard constraints that should be met in order to produce a feasible schedule. Second known as soft constraints that should be met to improve schedule's quality. Memetic Algorithm is proposed for the UCTP, which integrated local search technique into Genetic Algorithm in order to optimize schedule."

"Penelitian ini bertujuan untuk menghasilkan jadwal mata kuliah di perguruan tinggi yang optimal, dengan mengurangi jumlah mata kuliah yang bentrok, serta distribusi kelas yang merata untuk meringankan beban mahasiswa. Untuk mencapai tujuan tersebut, optimasi jadwal dilakukan menggunakan algoritma genetika. Algoritma ini sangat cocok untuk menyelesaikan masalah skala besar dan kompleks, seperti penjadwalan mata kuliah di perguruan tinggi yang melibatkan banyak variabel dan kendala. Teknik local search digunakan untuk membantu algoritma genetika dalam meningkatkan kinerja dan mempercepat konvergensi. Penelitian ini diharapkan menghasilkan jadwal mata kuliah yang optimal berdasarkan kriteria jumlah mata kuliah yang bentrok, serta distribusi kelas yang merata untuk meringankan beban mahasiswa. Hasil penelitian menunjukkan bahwa jadwal baru yang optimal berhasil diperoleh.

---

This research aims to produce an optimal college course schedule by reducing the number of conflicting courses and ensuring an even distribution of classes to ease the students' workload. To achieve this goal, schedule optimization uses a genetic algorithm. This algorithm is well-suited for solving large-scale and complex problems, such as college course scheduling that involves many variables and constraints. Local search techniques assist the genetic algorithm in improving performance and accelerating convergence. This research is expected to produce an optimal course schedule based on the criteria of minimizing course conflicts and evenly distributing classes to ease students' workload. The research results show that an optimal new schedule was successfully obtained."

"Permasalahan penjadwalan karyawan secara umum adalah masalah untuk menentukan berapa banyak pekerja yang dibutuhkan untuk ditugaskan terhadap setiap periode waktu kerja yang direncanakan oleh sebuah organisasi dengan tujuan mengcover seluruh penugasan dengan biaya minimum. Permasalahan penjadwalan karyawan mempunyai kompleksitas tinggi karena banyak faktor yang harus dipertimbangkan seperti aturan yang berlaku serta biaya yang ditimbulkan. Metode yang digunakan untuk optimasi penjadwalan karyawan dalam penelitian ini adalah Algoritma Genetika. Solusi melalui metode ini diharapkan dapat membantu perusahaan dalam mengoptimal jadwal karyawan pengawas pembangunan kapal.

---

Crew scheduling problem is in general, the problem of determining how many workers must be assigned to each of the planning periods of work time for an organization in order to cover all assignments at minimum cost. Crew scheduling has a high complexity because of many aspects must be considered, such as work-rule agreements and cost of individual assignment. The method to optimize the crew scheduling problem is Genetic Algorithm. The solution through this method could help the organization to optimize workforce scheduling of ship building surveyor."

"Penempatan posisi Access Point pada Jaringan Wifi.id yang tepat sangat diperlukan untuk mengoptimalkan kekuatan sinyal yang diterima dari transmitter ke receiver. Parameter yang paling mempengaruhi dalam menentukan performa posisi Access Point adalah nilai kekuatan sinyal, karena nilai inilah yang akan digunakan untuk menentukan coverage area (cakupan sinyal) dari sebuah transmitter (Access Point).Pada penelitan ini telah dilakukan pengukuran terhadap kekuatan sinyal access point terhadap penerima di ruang EBIS WITEL Yogyakarta yang diukur menggunakan InSSIDER dan dihasilkan RSSI (Receive Signal Strength Indicator) dari sebuah transmitter terhadap receiver. Dalam pengukuran juga digunakan propagasi Line Of Sight (LOS) dan propagasi Non Line Of Sight (NLOS). Data yang diperoleh dari hasil pengukuran dilapangan digunakan untuk melakukan pemodelan penempatan posisi Acces Point menggunakan metode algoritma genetika. Kekuatan sinyal RSSI yang diterima oleh receiver tidak hanya bergantung pada jarak antara transmitter dan receiver, akan tetapi menunjukkan variasi yang besar terhadap fading dan shadowing pada sebuah lokasi, juga pengaruh interferensi dapat menyebabkan penurunan sinyal (RSSI) yang diterima oleh receiver.Dari hasil penelitian yang dilakukan, diharapkan dapat menghasilkan pemodelan yang sesuai dan tepat guna dalam melakukan optimisasi penempatan posisi Access Point pada jaringan Wifi.Id menggunakan metode algoritma genetika.

---

Positioning of access point on wifi.id?s network on the right place is needed to optimize the signal strength received from the transmitter to the receiver . The parameters that most influence in determining the performance of the position of the access point is the value of the signal strength, because the value that will be used to determine the coverage area (signal coverage) of a transmitter (access point).

In this research has been done measuring the signal strength of the access point to the receiver in the room EBIS Witels Yogyakarta measured using inSSIDer and generated RSSI (Receive Signal Strength Indicator) from a transmitter to a receiver. Measurements were also used in the propagation of Line Of Sight (LOS) and propagation Non Line Of Sight (NLOS). Data obtained from field measurements are used for modeling the placement of the access point using genetic algorithm. RSSI signal strength received by the receiver does not only depend on the distance between transmitter and receiver, but showed a large variation against fading and shadowing at a location, also influence the interference can cause a decrease in the signal (RSSI) received by the receiver.

From the research conducted, is expected to generate appropriate modeling and effective in optimizing the placement of the access point on the wifi.id?s network using genetic algorithm."

"Lembaga pelatihan tempat dimana individu-individu akan diberikan pengetahuan khusus atau pelatihan yang berkaitan dengan bidangnya masing-masing memiliki karakteristik-karakteristik yang khusus dan tidak dimiliki oleh universitas, diantaranya adalah pada lembaga pelatihan fokus pada kebutuhan bisnis. Penjadwalan yang akurat, tepat dan menyeluruh sangat dibutuhkan pada suatu lembaga pelatihan, karena semakin tingginya kebutuhan akan pengetahuan dan keahlian-keahlian tertentu yang mau tidak mau harus dimiliki oleh setiap individu. Penjadwalan yang baik secara langsung akan berpengaruh pada meningkatnya kualitas individu-individu pada suatu lembaga atau perusahaan. Penjadwalan yang efisien akan dapat direalisasikan dengan menggunakan sebuah model matematis binary. Dalam penelitian ini, sebuah pengembangan model binary digunakan untuk membuat sebuah penjadwalan untuk pembelajaran kepemimpinan di lembaga pelatihan non universitas. Model ini mengoptimasi penjadwalan sehingga menjadi lebih efisien. Model dikembangkan berdasarkan masalah-masalah yang ada di lapangan dan diselesaikan menggunakan algoritma genetika dengan bahasa pemrograman Matlab. Model ini memberikan setiap pembelajaran pada kelas yang sesuai. Algoritma genetika dalam penelitian ini dapat menyelesaikan masalah penjadwalan kelas kepemimipinan dengan memenuhi batasan yang ada dengan optimal.

---

Training institutions where individuals will be given special knowledge or training related to their respective fields have special characteristics and are not owned by the university, among others, training institutions focus on business needs. Accurate, precise and comprehensive scheduling is needed in a training institution, because of the increasing need for certain knowledge and skills that must be owned by every individual. Good scheduling will directly affect the improvement of quality of individuals in an institution or company. Efficient scheduling will be realized using a binary mathematical model. In this study, a development of a binary model was used to make a scheduling for leadership learning in a non-university training institution. This model optimizes scheduling so that it becomes more efficient. The model was developed based on problems in the field and solved using genetic algorithms with the Matlab programming language. This model provides each learning in the appropriate class. The genetic algorithm in this study can solve the problem of scheduling leadership classes by optimally meeting existing constraints."

"Penelitian ini mengenai pemodelan untuk penjadwalan proses produksi pada industri pembuatan silicon polished wafer 5 - dan 6 - . Proses produksi untuk kedua produk ini memiliki tipikal flexible flow shop dengan variasi type barang mencapai 12 jenis. Setiap type barang harus melalui empat tahapan proses yang harus dilakukan secara berurut. Adanya limitasi fleksibilitas proses pada tiga buah tahapan menyebabkan masalah penjadwalan menjadi kompleks Pendekatan yang dilakukan untuk memecahkan masalah penjadwalan ini adalah dengan menerapkan dua metode dispatching rule, yaitu SPT (shortest processing time) dan EFT (earliest finish time). Metode lain yang digunakan adalah pengelompokan unit pesanan ke dalam sebuah family untuk meminimalkan kendala limitasi fleksibilitas proses pada dua buah tahapan. Kombinasi ketiga metode ini dituangkan ke dalam suatu algoritma multiproduct-multistage dan diaplikasikan pada inisialisasi solusi. Dari inisialisasi solusi ini dihasilkan penjadwalan awal untuk masing-masing tahapan. Optimasi dilakukan terhadap inisisalisasi solusi dengan menggunakan Algoritma Genetika. Algoritma Genetika akan mencari solusi terbaik yang mendekati optimal melalui serangkaian proses seleksi terhadap sekumpulan alternatif solusi yang ada.

---

The study concerns in modeling the production schedule of 5' and 6' Silicon Polished Wafer manufacturing. The process of both products is categorized as flexible flow shop with 12 different types of product. Each product is processed through four stages with fixed sequence. There are some limitation of process flexibility among three of four stages that also causes the scheduling become difficult to arrange. Some dispatching rule is applied to solve the schedule problem. SPT (shortest processing time) and EFT (earliest finish time) is the two of dispatching rule which used for this kinds of problem.

The other method that also carried out with those two dispatching rule is job families approaching. Job families approaching will minimize the effect of limited process flexibility. Those combined methods will be developed to be an algorithm called multiproduct-multistage algorithm and applied to the initial solution. The initial solution consists of the schedule of each stage. Initial solution is optimized by using Genetic Algorithm. Genetic Algorithm is search process of the best solutions among possible solutions by simulating the natural evolutionary process."

"Jalur perdagangan dunia sebagian besar dilakukan menggunakan transportasi laut, yang memicu peningkatan permintaan kapal yang siap untuk berlayar. Keadaan ini menuntut galangan untuk mampu bekerja maksimal dalam membangun kapal. Namun, terdapat masalah yang dihadapi dalam proses manufaktur kapal di lapangan. Masalah tersebut adalah tingginya material handling cost karena kebanyakan tata letak galangan kapal dibuat berdasarkan pengalaman dan pengetahuan para ahli saja. Pemanfaatan teknologi sudah seharusnya digunakan untuk meminimalkan material handling cost dan menghasilkan tata letak galangan yang optimal. Penelitian ini bertujuan untuk menunjukkan metode baru dalam menentukan desain galangan kapal dengan bantuan algoritma pemrograman. Metode penelitian ini menggunakan simulasi software dan analisis numerik. Simulasi software dilakukan menggunakan phyton dan microsoft excel sebagai data input. Analisis numerik dilakukan menggunakan algoritma genetika untuk membuat aturan dan batasan dalam pemrograman penelitian ini. Penurunan material handling cost dianalisis melalui jarak antar bangunan di galangan dan kuantitas perpindahan material antar bangunan. Berdasarkan hasil penelitian ini, algoritma genetika dapat menurunkan nilai material handling cost tanpa mempengaruhi alur produksi kapal di galangan.

---

The world trade path is mostly using sea transportation which triggers an increase in the demand for ships ready for sailing. This situation demands the shipyard to be able to work optimally in building ships. However, there are problems encountered in the ship manufacturing process in the field. The problem is the high material handling cost because most of the shipyard layout is designed based on the experience and knowledge of experts. Utilization of technology is already supposed to be used to minimize material handling cost and produce optimal shipyard layout. The study aims to demonstrate a new method of determining shipbuilding design with the help of programming algorithms. This method of study uses software simulations and numerical analysis. Simulated software is done using Python and Microsoft Excel as the input data. Numerical analysis is done using a genetic algorithm to create rules and constraints in this research programming. The decrease in a material handling cost is analyzed through the distance between departments in the shipyard and quantity of material displacement between departments. Looking at the results of this study, the genetic algorithm can reduce material handling cost without affecting the vessel production flow in the shipyard."

"Container loading menjadi inti permasalahan dari aktivitas logistik. Hal ini terjadi karena banyaknya ruang sisa pada kontainer yang tidak termanfaatkan akibat ketidaksesuaian perbandingan dimensi barang yang akan dimuat dengan dimensi kontainer. Kerugian yang ditimbulkan adalah cost untuk sewa kontainer akan bertambah juga kelelahan yang dialami helper. Oleh karena itu diperlukan suatu pengaturan yang baik agar penyusunan barang dalam kontainer dapat lebih optimal. Permasalahan ini dapat diselesaikan menggunakan metode algoritma genetika. Dimana prosesnya diawali dengan pembangkitan populasi awal, setelah itu dilakukan crossover dan mutasi, sebelum akhirnya dihitung nilai fitnessnya untuk kemudian dilakukan seleksi terhadap nilai fitness terbaik yang nantinya akan dijadikan sebagai solusi dari permasalahan yang ada. Dari hasil pengujian didapat parameter nilai terbaik yang akan mempengaruhi solusi, yakni ukuran populasi sebesar 100, nilai crossover rate sebesar 0,7, nilai mutation rate sebesar 0,3, dan ukuran generasi sebesar 50. Dari parameter yang telah didapatkan diperoleh nilai fitness terbaik sebesar 48,82. Kemudian nilai fitness ini divisualisasikan kedalam pola susunan barang yang optimal untuk digunakan sebagai solusi dari penyusunan barang di dalam kontainer.

---

The container loading is the major issues of logistics activity. This is because of the large amount of space left in the unused container as a result of the misalignment of the dimensions of goods that would be loaded with container dimensions. The loss are container rental cost will increase and fatigue experienced by helper. Therefore, a good arrangement is needed for more optimum. The matter can be solved using a genetic algorithm method. That process starts with initialization of the population, after it crossover and mutation, and then calculate the fitness value to use it for selection to get best fitness value that eventually becomes the solution for this problem. According to the tests, the best parameters, which will affect the solution, a population size is 100, a crossover rate is 0,7, a mutation rate is 0,3, and a generation size is 50. From the parameters obtained, the best fitness crose is 48,82. The final step, the value of this fitness is visualized into the optimal pattern arrangement of goods to be used as a solution for the container loading problem."