Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada tahun 2020, 6 dari 10 ekonomi yang paling terhubung berada di Asia Singapura; Republik Korea; Malaysia; Hong Kong, Cina; dan Jepang. Sektor pengangkutan laut memiliki peran penting untuk memajukan dan memperlancar perdagangan serta memperlancar perpindahan barang dari satu tempat ke tempat yang lain. Biaya transportasi dianggap sebagai biaya paling tinggi dari total biaya logistik dengan bahan bakar sendiri menyerap lebih dari 60 persen dari biaya operasi. Memilih rute yang optimal untuk meminimalkan biaya bahan bakar merupakan solusi yang efektif bagi perusahaan pelayaran saat mengoperasikan kapal liner. Data jarak mil laut antar pelabuhan, kecepatan kapal, daya mesin, dan harga bahan bakar pada tiap pelabuhan diolah menjadi sebuah model Asymmetric Travelling Salesman Problem (ATSP). Penerapan 2 algoritma, yaitu: Brute-Force Method dan Algoritma Held-Karp digunakan untuk menyelesaikan model ATSP yang dibuat dengan fungsi objektif biaya bahan bakar yang seminimum mungkin. Diberikan variasi pada titik awal/akhir rute sebagai parameter uji tambahan dari setiap algoritma. Hasil penelitian menunjukkan bahwa Algoritma Held-Karp memberikan hasil rute dengan biaya bahan bakar yang sama dengan Brute-Force Method namun proses komputasi berjalan lebih cepat. Hal ini membuktikan bahwa algoritma Held-Karp lebih efektif dalam hal waktu untuk menentukan rute kapal dengan biaya bahan bakar yang paling rendah.

---

In 2020, 6 of the 10 most connected economies w in Asia Singapore; Republic of Korea; Malaysia; Hong Kong, China; and Japan. The sea transport sector has an important role to promote and facilitate trade and facilitate the movement of goods from one place to another. Transportation costs are considered the highest cost of the total logistics costs with fuel alone absorbing more than 60 percent of operating costs. Choosing the optimal route to minimize fuel costs is an effective solution for shipping companies when operating liner vessels. Data on nautical miles between ports, ship speed, engine power, and fuel prices at each port are processed into an Asymmetric Traveling Salesman Problem (ATSP) model. The application of 2 algorithms, namely: Brute-Force Method and Held-Karp Algorithm is used to solve the ATSP model which is made with the objective function of the minimum fuel cost. Variations in the start/end point of the route are given as additional test parameters of each algorithm. The results show that the Held-Karp Algorithm gives route results with the same fuel cost as the Brute-Force Method but the computational process runs faster. This proves that the Held-Karp algorithm is more effective in terms of time to determine ship routes with the lowest fuel costs."

"Kapal memiliki peran yang sangat penting pada perekonomian dunia sebagai alat pengangkutan barang baik antar daerah ataupun antar negara. Lebih dari tujuh miliar ton barang dikirim melalui jalur laut setiap tahunnya. Sebagian besar biaya operasional kapal berasal dari pemakaian bahan bakar dan harga bahan bakar sangat bervariasi pada setiap pelabuhan. Pemilihan rute kapal yang tepat merupakan hal yang sangat krusial dalam upaya meminimalisir biaya operasional. Penelitian ini mengimplementasikan metode optimasi dengan mempergunakan algoritma heuristik untuk pemilihan rute kapal dengan tujuan meminimalisir biaya operasional. Data jarak mil laut antar pelabuhan, kecepatan kapal, daya mesin, dan harga bahan bakar pada tiap pelabuhan diolah menjadi sebuah model Asymmetric Travelling Salesman Problem (ATSP). Penerapan 3 algoritma heuristik, yaitu : Nearest Neighbor Algorithm, Simulated Annealing, dan Algoritma Genetika dipergunakan untuk menyelesaikan model ATSP yang dibuat dengan fungsi objektif biaya bahan bakar yang seminimum mungkin. Variasi pada destinasi awal/akhir dari pemilihan rute juga dilakukan sebagai parameter uji tambahan dari setiap algoritma. Hasil penelitian menunjukkan bahwa algoritma genetika memberikan rute dengan biaya bahan bakar yang lebih rendah dari kedua algoritma lain pada setiap pemilihan rute yang dilakukan. Hal ini membuktikan bahwa algoritma genetika lebih efektif dalam menentukan rute kapal dengan biaya bahan bakar yang paling rendah.

---

Ships have a very important role in the world economy as a means of transporting goods between regions and between countries. More than seven billion tons of goods are shipped by sea each year. Most of the ship's operating costs come from the use of fuel and fuel prices vary widely at each port. Selection of the right ship route is very crucial to minimize operational costs. This study implements an optimization method using a heuristic algorithm for selecting ship routes with the aim of minimizing operational costs. Data on the distance of nautical miles between ports, ship speed, engine power and fuel prices at each port are processed into an Asymmetric Traveling Salesman Problem (ATSP) model. The application of 3 heuristic algorithms, namely: Nearest Neighbor Algorithm, Simulated Annealing, and Genetic Algorithm are used to solve the ATSP model created with the minimum fuel cost objective function. The results showed that the genetic algorithm provides a route with lower fuel costs than the other two algorithms at each route selection made. This proves that the genetic algorithm is more effective in determining the route of ships with the lowest fuel cost."

"Optimasi pemilihan rute pelayaran kapal kontainer merupakan salah satu cara untuk meningkatkan efisiensi dan mengurangi biaya operasional perusahaan pelayaran. Dalam penelitian ini, kami menggunakan algoritma Ant Colony Optimization (ACO) untuk menentukan rute pelayaran terbaik bagi kapal kontainer di trayek Asia. Algoritma Ant Colony Optimization (ACO) merupakan salah satu metode heuristik yang menerapkan semut sebagai agen dengan update Pheromone-nya untuk dapat melakukan proses pencarian solusi yang efektif dan efisien. Algoritma ACO yang dibandingkan sebanyak lima yaitu Ant System (AS), Elitist Ant System(EAS), Rank-based Ant System (ASRank), Max-min Ant System (MMAS), dan Ant Colony System (ACS). Dengan menggunakan data historis lalu lintas pelayaran dan mengoptimalkan faktor-faktor seperti waktu tempuh, biaya bahan bakar, dan biaya gerbang pelabuhan untuk menentukan rute terbaik. Hasil dari penelitian ini menunjukkan bahwa Ant Colony System (ACS) dengan proses iterasi yang cepat hanya 1 detik dan input parameter  yang menghasilkan pemilihan rute 6-9-8-5-2-3-1-7-4-10-12-11-6, dan jarak 15626,39 mil serta waktu tempuh perjalanan 1131,576 jam, dimana hasil ini memiliki Efisiensi jarak sebesar 65,9404 % dan ini berbanding lurus dengan optimasi bahan bakar maupun waktu yan ditempuh.

---

Optimizing container ship routing is one way to improve efficiency and reduce operational costs for shipping companies. In this research, we utilized the Ant Colony Optimization (ACO) algorithm to determine the best shipping route for container ships in the Asian region. The ACO algorithm is a heuristic method that utilizes ants as agents with updated pheromones to effectively and efficiently search for solutions. Five ACO algorithms were compared: Ant System(AS), Elitist Ant System(EAS), Rank-based Ant System(ASRank), Max-min Ant System(MMAS), and Ant Colony System(ACS). Using historical shipping traffic data, we optimized factors such as travel time, fuel costs, and port gate costs to determine the best route. The results of this research showed that the Ant Colony System (ACS) with a fast iteration process of only 1 second and input parameters α ∈ {1}, β ∈ {2 and 3}, m = 10, τ0 ∈ {0}, and ρ ∈ {0.5} yielded the route selection 6-9-8-5-2-3-1-7-4-10-12-11-6, with a distance of 15,626.39 miles and a travel time of 1,131.576 hours.  result where this has a distance efficiency of 65.9404% and this is directly proportional to the optimization of fuel and time taken."

"Dalam perkembangannya, dengan munculnya pelabuhan-pelabuhan baru yang dapat mengakomodir kapal – kapal internasional untuk bersandar, pilihan rute pelayaran yang dapat ditempuh oleh suatu kapal kontainer akan semakin beragam. Efisiensi dari rute yang dipilih dapat dilihat dari penggunaan bahan bakar yang digunakan oleh kapal kontainer untuk mencapai tujuannya. Bahkan beberapa penelitian menyatakan bahwa 50-60% dari keseluruhan biaya operasional kapal didasarkan pada biaya bahan bakar kapal. Harga bahan bakar juga berfluktuatif dan tidak menentu pada setiap pelabuhan sehingga membuat sebuah kesulitan baru bagi perusahaan pelayaran dalam menentukan rute pelayaran yang paling efisien bagi mereka. Pemilihan rute kapal yang tepat sangat penting untuk meminimalkan biaya operasional. Pada penelitian ini, algoritma yang digunakan untuk pemilihan rute kapal dengan biaya paling minimum adalah algoritma Ant Colony dan Brute Force. Data yang digunakan pada penelitian ini berupa data jarak mil laut antara pelabuhan, daya mesin utama dan juga mesin bantu, kecepatan kapal, dan harga bahan bakar di tiap pelabuhan. Pengolahan data dilakukan dengan membuat model Asymetric Travelling Salesman Problem (ATSP) yang memiliki fungsi objektif bahan bakar yang se efisien mungkin, yang nantinya akan diterapkan algoritma Ant Colony dan Brute Force model ATSP. Variasi yang dilakukan pada penelitian ini terdapat pada destinasi awal atau akhir dari pemilihan rute. Hasil penelitian menunjukkan bahwa algoritma Brute Force melakukan pemilihan rute lebih optimal dibandingkan dengan algoritma Ant Colony dari segi penggunaan bahan bakar.

---

On its development, with the emergence of new ports that can accommodate international ships to dock, the choice of shipping routes that can be taken by a container ship will be more diverse. The efficiency of the chosen route can be seen from the use of fuel used by the container ship to reach its destination. Some studies state that 50-60% of the overall ship operating costs are based on fuel costs. Fuel prices also fluctuate and are uncertain at each port, making it difficult for companies to determine the most efficient shipping route for them. Selection of the optimum ship route is very important for operational costs. In this study, the algorithm used for selecting the shipping route with the minimum cost is the Ant Colony and Brute Force algorithms. The data used in this study are the distance of nautical miles between ports, main engine power and auxiliary engines, ship speed, and fuel prices at each port. Data processing is start by making the Asymmetric Traveling Salesman Problem (ATSP) model which has the most efficient fuel objective function, which will later be applied to the Ant Colony and Brute Force ATSP models. Variations made in this study are in the initial or final destination of the route selection. The results showed that the Brute Force algorithm selected the optimal route compared to the Ant Colony algorithm in terms of fuel usage."

"Based on the results of over 10 years of research and development by the authors, this book presents a broad cross section of dynamic programming (DP) techniques applied to the optimization of dynamical systems. The main goal of the research effort was to develop a robust path planning/trajectory optimization tool that did not require an initial guess. The goal was partially met with a combination of DP and homotopy algorithms. DP algorithms are presented here with a theoretical development, and their successful application to variety of practical engineering problems is emphasized."

"Kereta Rel Listrik (KRL) Jabodetabek merupakan salah satu transportasi yang masih diminati oleh masyarakat Jabodetabek untuk beraktivitas sehari-hari. Pada tahun 2022, jumlah pengguna tahunan KRL Jabodetabek mencapai 217,965,000 penumpang dengan rata-rata pengguna bulanan sekitar 18,163,750 penumpang setiap bulannya selama tahun 2022. Melihat jumlah pengguna KRL Jabodetabek yang cukup besar, maka perlu adanya strategi agar kebutuhan energi listrik dalam bidang transportasi di Jabodetabek khususnya untuk kereta listrik. Pada penelitian ini dilakukan pengambilan data kecepatan kereta secara waktu-nyata menggunakan Phyphox, kemudian data kecepatan akan dilakukan perhitungan konsumsi energinya. Data kecepatan tersebut nantinya akan dijadikan acuan untuk perancangan sistem optimasi profil kecepatan menggunakan dynamic programming.

---

Electric train system is one of transportation system in Jabodetabek that preffered by people to do their daily activities. In 2022, the annual users of electric train in Jabodetabek reaches 217,965,000 passengers with an average monthly users of around 18,163,750 passengers per month during 2022. Based on the large number of electric train in Jabodetabek users, it is necessary to have a strategy to fulfill the demand for electrical energy in the transportation sector in Jabodetabek, especially for electric trains. In this research, a real-time of train speed data will be obtained was by using Phyphox, then the speed data will be calculated for its energy consumption. The speed data will be used as a reference for designing a speed profile optimization system by using dynamic programming. The result of optimizing speed profile by using dynamic programming is the energy consumption of train can be optimized by 12.89%."

"Penjadwalan unit pembangkit menentukan unit yang hidup dan mati. Dari unit pembangkit yang hidup tersebut ditentukan besar pembebanan ekonomis pada masing-masing unit dengan memperhatikan kondisi optimal serta batasan-batasan (constrain) unit pembangkit. Operasi ekonomis adalah bagaimana mengatur karaktersitik-karakteristik masukan dan keluaran dari masing-masing pembangkit. Pada operasi sistem tenaga listrik, biaya bahan bakar menempati biaya yang terbesar (pembangkit termal) yaitu sekitar 60% dari biaya operasi secara keseluruhan. Pengendalian operasi ini menjadi hal yang sangat penting, optimalisasi satu persen saja untuk sistem berskala besar akan menghasilkan penghematan dalam orde milyaran rupiah pertahun. Apalagi jika berhasil dilakukan optimasi yang lebih besar dari itu. Tentunya akan memberikan penghematan yang lebih besar.

---

Scheduling generating units determine the unit on and off. From the number of units on, will be determined the least-cost dispatch of available generation to meet the electrical load. Economical operation is how to set the characteristics of the input and output of each plant. In the operation of electric power systems, fuel costs occupy the largest cost (thermal power plant) which is about 60% of the all operating costs. Controlling this, becomes very important. Optimizing one percent for large-scale system will result in savings the billions rupiah per year. Moreover, if we can optimize higher than that, it will provide greater savings."

"Combinatorial data analysis (CDA) refers to a wide class of methods for the study of relevant data sets in which the arrangement of a collection of objects is absolutely central. The focus of this monograph is on the identification of arrangements, which are then further restricted to where the combinatorial search is carried out by a recursive optimization process based on the general principles of dynamic programming (DP). The authors provide a comprehensive and self-contained review delineating a very general DP paradigm or schema that can serve two functions. First, the paradigm can be applied in various special forms to encompass all previously proposed applications suggested in the classification literature. Second, the paradigm can lead directly to many more novel uses. An appendix is included as a user's manual for a collection of programs available as freeware. The incorporation of a wide variety of CDA tasks under one common optimization framework based on DP is one of the book's strongest points. The authors include verifiably optimal solutions to nontrivially sized problems over the array of data analysis tasks discussed."