Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Desain optimal dari bangunan hemat energi menghadapi dua kebutuhan yang saling bertentangan, yaitu biaya yang seekonomis mungkin dan dampak lingkungan yang seminimal mungkin. Tingginya biaya bangunan hemat energi seperti near Zero Energy House disebabkan oleh tingginya harga peralatan dan material yang diaplikasikan seperti panel surya, insulasi dan lain-lain. Tujuan dari penelitan ini adalah menemukan desain yang optimal dari sebuah near Zero Energy House, dengan studi kasus terhadap rumah 1 tingkat. Sasaran dari optimasi desain ini adalah kinerja biaya siklus hidup yang lebih ekonomis jika dibandingkan dengan bangunan konvensional. Metode optimasi dengan algoritma genetika adalah metode optimasi paling sesuai untuk permasalahan optimasi desain yang memiliki banyak variabel. Sangat sulit untuk menemukan solusi tunggal, atau solusi terbaik untuk optimasi desain. Dengan menggunakan algoritma genetika, perancang bangunan dapat memilih salah satu dari solusi terbaik hasil optimasi yang sesuai dengan permintaan dan batasan-batasan yang ada.

---

Optimal design of energy efficient buildings facing two conflicting requirements, namely costs as economical as possible and minimal environmental impact. The high cost of energy efficient buildings as near Zero Energy House due to the high price of equipment and materials that are applied as solar panels, insulation and others.

The purpose of this research is to find the optimal design of a near Zero Energy House, with a case study on the first level. The goal of this design is the optimization of life cycle cost performance is more economical when compared to conventional buildings.

Optimization method with genetic algorithm optimization is the most suitable method for design optimization problem that has many variables. It is very difficult to find a single solution, or the best solution for design optimization. By using genetic algorithms, building designer can choose one of the best results of the optimization solution according to the demand and constraints that exist."

"Kebutuhan akan armada transportasi laut yang kian meningkat dalam beberapa tahun terakhir menuntut industri perkapalan untuk membangun kapal niaga yang berukuran semakin besar. Hal tersebut mendorong pihak galangan kapal, atau pihak swasta yang baru akan membangun galangan kapal, untuk dapat melakukan perencanaan tata letak fasilitas galangan kapal yang semakin baik dan optimum. Peningkatan kualitas desain pada tata letak galangan kapal diharapkan dapat memberikan peningkatan efisiensi pada proses produksi kapal. Salah satu metode untuk meningkatkan kualitas desain galangan kapal ialah metode desain berbasis komputasi karena dapat memberikan opsi desain atau solusi dengan jumlah yang sangat banyak namun dalam waktu yang singkat. Penelitian ini melakukan proses komputasi untuk optimasi desain konfigurasi tata letak galangan kapal dengan dua objektif yakni material handling costs (MHC) dan total of layout space (TLS). Metode yang digunakan dalam proses evolusi konfigurasi dalam penelitian ini ialah NSGA-II (Non-dominated sorting genetic algorithm – II). Setelah itu, konversi dari genotip menuju fenotip ialah menggunakan metode semi-flexible bay structure. Hasil penelitian ini memberikan 6 opsi layout dari pareto-optimal solutions pada iterasi terakhir, dan salah satu opsi layout terpilih sebagai layout terbaik berdasarkan kalkulasi crowding distance. Opsi optimum yang terpilih memiliki MHC sebesar 150505.0 ton.meter dan TLS sebesar 800 m2.

---

In recent years, the increasing need for maritime transportation fleets has required the shipbuilding industry to build increasingly larger commercial vessels. This encourages shipyards or private parties just starting to build a shipyard to plan a better and more optimal layout of shipyard facilities. Improving the shipyard layout's design quality is expected to increase efficiency in the ship production process. One method for improving the quality of shipyard design is a computational-based design method because it can provide a huge amount of design options or solutions quickly. This research uses a computational process to optimize the shipyard layout configuration design with two objectives: material handling costs (MHC) and total of layout space (TLS). The method used in the configuration evolution process in this research is NSGA-II (Non-dominated sorting genetic algorithm – II). After that, the conversion from genotype to phenotype uses the semi-flexible bay structure method. The results of this research provide six layout options from Pareto-optimal solutions in the last iteration, and one of the layout options was selected as the best layout based on crowding distance calculations. The optimal option selected has an MHC of 150505.0 tons.meter and a TLS of 800 m2."

"ABSTRAKSaat ini, perusahaan minyak di Indonesia secara bertahap menjadi lebih fokus pada pengoptimalan logistik hulu mereka. Salah satu sumber daya tertinggi yang digunakan dalam logistik hulu adalah kapal ldquo;Offshore Supply Vessel rdquo;. Kapal ldquo;Offshore Supply Vessel rdquo; digunakan untuk melaksanakan fungsi pasokan reguler ke instalasi lepas pantai secara berkala dari basis pasokan darat. Perencanaan efisien operasi kapal sangat penting karena keputusan tentang ukuran armada kapal dan pemanfaatannya memiliki efek ekonomi yang kuat karena biaya kapal yang mahal.Data untuk penelitian ini disediakan oleh salah satu perusahaan minyak dan gas di Indonesia. Perusahaan ini tidak memiliki kapal pasokan lepas pantai, mereka disewa dari perusahaan pelayaran. Dalam penelitian ini, kami menyajikan Genetic Algorithm GA sebagai metode untuk menentukan jumlah kapal pasokan lepas pantai yang disewa untuk melakukan operasi, menentukan komposisi armada kapal pasokan lepas pantai yang optimal dan penugasan mereka sesuai jadwal. Tujuan dari penelitian ini adalah untuk merancang model optimasi untuk ukuran armada dan masalah penugasan dalam operasi kapal suplai lepas pantai di Indonesia. Hasil dari penelitian ini jumlah armada ldquo;Offshore Supply Vessel rdquo; yang beroperasi dapat dikurangi sehingga total biaya operasional dan sewa kapal dapat dikurangi.

---

ABSTRACTNowadays, oil companies in Indonesia are gradually becoming more focused on optimizing their upstream logistics. One of the most costly resources used in upstream logistics are offshore supply vessels. Offshore supply vessels are used to carry out regular supply function to offshore installation on periodic basis from onshore supply bases. The efficient planning of supply vessel operation is extremely important since the decision on the size of the supply vessel fleet and its utilization has a strong economic effect as the vessel cost are rather expensive. The data for this research was provided by one of oil and gas company in Indonesia. This company does not own offshore supply vessels, they are hired from the shipping company. In this research, we present Genetic Algorithm GA as method to decide the number of offshore supply vessels hired to perform the operation, determine the optimal fleet composition of offshore supply vessel and their assignment as per schedules. The objective of this research is to design an optimization model for fleet sizing and assignment problem in offshore supply vessel operations in Indonesia. The result of the research is the number of offshore supply vessel can be reduced and impacted the overall operational cost and rest cost. "

"Citra fraktal merupakan citra yang memiliki sifat self-similarity. Hal ini berarti bahwa fraktal tersusun atas bagian-bagian yang tampak sama dengan gambar itu sendiri secara keseluruhan. Penelitian ini bertujuan untuk melakukan kompresi citra menggunakan metode kompresi citra fraktal. Prinsip kompresi citra fraktal adalah melakukan pencarian blok ranah yang paling mirip dengan blok jelajah, kemudian menurunkan transformasi affine kontraktif yang memetakan blok ranah ke blok jelajah tersebut. Percobaan kompresi citra menggunakan metode kompresi citra fraktal memberikan rasio kompresi yang cukup tinggi. Penerapan algoritma genetika pada kompresi citra fraktal bertujuan mengurangi jumlah pemasangan blok ranah dan blok jelajah sehingga mempersingkat waktu kompresi."

"Pada skripsi ini akan dibahas konsep ride sharing pada taksi, atau disebut juga taxi sharing, yang merupakan salah satu upaya untuk mengatasi masalah kemacetan akibat kurang seimbangnya jumlah kendaraan yang beredar dengan kapasitas jalan yang dapat menampung kendaraan. Pada taxi sharing, penumpang taksi berbagi kendaraan taksi dan biaya perjalanan dengan penumpang lain yang memiliki tempat asal-tujuan yang sama/hampir sama dalam waktu perjalanan yang hampir bersamaan. Pemanfaatan taxi sharing yang mengoptimalkan utilisasi kendaraan taksi, selain dapat mengurangi jumlah kendaraan taksi yang dibutuhkan untuk melayani konsumen dan mengurangi biaya operasional taksi, juga dapat mengurangi penggunaan bahan bakar, yang pada akhirnya mengurangi emisi gas buang kendaraan. Untuk memaksimalkan penggunaan taxi sharing, maka diperlukan pengoptimalan rute taksi dalam melayani penumpang, dimana masalah pencarian rute taxi sharing yang optimal dalam skripsi ini akan dimodelkan dalam bentuk mixed integer programming problem. Permasalahan ini diselesaikan menggunakan algoritma genetika, yang lahir dari sebuah inspirasi teori evolusi Darwin. Algoritma ini digunakan untuk mencari pasangan penumpang yang berbagi layanan taksi dan rute taksi yang optimal. Hasil percobaan dengan menggunakan ukuran populasi (popsize) 10, jumlah generasi 50 dan 100, crossover rate (Cr) 0.7, dan mutation rate (Mr) 0.2 menunjukkan bahwa yang sebelumnya terdapat 8 permintaan taksi dan 8 taksi, operator taksi dapat mengurangi jumlah taksi yang beroperasi sebesar satu taksi. Taksi yang menggunakan konsep taxi sharing, yaitu taksi 5 akan melayani permintaan 2 dan 8, dengan urutan menjemput permintaan 2 lalu 8, lalu mengantarkan permintaan 2 kemudian 8, dengan biaya yang dibayarkan Rp4.200,00 untuk permintaan 2 dan Rp14.700,00 untuk permintaan 8. Maka dari itu, keuntungan operator taksi menjadi lebih besar, penumpang dapat menghemat biaya perjalanan, dan penggunaan kendaraan di jalan berkurang.

---

This research will discuss about the implementation of taxi ride sharing system or taxi sharing as an attempt to find a solution for traffic jam problem that caused by an unequal number of public transportation units operated in the street and the lack of street capacity which supposed to facilitate it. With the present of taxi sharing system, consument can share their taxi trip with others passengers that going on to same direction at the same time. This solution can give benefit for consuments by sharing the trip cost while at the same time benefitted the public transportations provider to optimalized the utilization of the taxi units and cut off operationalization cost, benefitted society by minimalize the number of cars in the streets and reducing air polution from gasoline consumption. To make this taxi sharing system works it also needed an optimalization in taxi route for each trip service. This research will be trying to solved this challenges by examines the taxi-sharing route services through Mixed Integer Programming Problems. This process will be carried using a genetics algorythm which inspired from Darwin's theory of evolution. This algorithm is aiming to be effectively find and match pairs of passengers who use taxi sharing system and taxi routes. The experiment by using population size (popsize) of 10, number of generations 50 and 100, crossover rate (Cr) 0.7, mutation rate (Mr) 0.2 shows that from 8 taxi units to accomodate 8 taxi requests that have been received before, the taxi provider supposedly be able to effectively reduce the number of taxis into only 7 taxis to carry all of the sharing system passengers that requesting. A taxi that uses taxi sharing system will serve request number 2 and request number 8, by picking up request 2 then 8, then delivering request 2 then 8, with fees paid Rp4.200,00 for request 2 and Rp14.700,00 for request 8. Therefore, the profit of the taxi provider is greater, the passengers can save their trip costs, and the use of vehicles on the road can be decreased."