Hasil Pencarian  ::  Simpan CSV :: Kembali

"Di Desain awal ruang mesin kapal biasanya dilakukan berdasarkan referensi desain sebelumnya seperti data rancangan, solusi teoretis optimal, alat-alat yang dibutuhkan dan batasan pada desain. Kemudian, data yang telah dirancang digunakan untuk fase desain berikutnya. Berikutnya perancang akan memodifikasi tata letak berdasarkan pertimbangan peralatan, analisis kinerja, dan evaluasi akhir. Akhirnya, tata letak yang optimal dipilih setelah dipertimbangkan berdasarkan pada pengetahuan dan pengalaman desainer. Pada zaman sekarang, perdagangan pembuatan kapal dunia sangatlah ketat. Untuk bersaing di pasar perdagangan dunia, galangan kapal harus membuat inovasi terbaru yang dapat meningkatkan perusahaan mereka. Salah satu terobosan yang paling populer adalah membuat desain kapal lebih efisien. Saat ini, berbagai konsep yang terkait erat dengan manajemen efisiensi sedang dieksplorasi secara terus-menerus. Di sisi lain, ruang mesin kapal adalah bagian paling rumit dari kapal sehingga strategi optimasi masih dikembangkan secara bertahap. Sehubungan dengan semua itu, skripsi ini ditujukan untuk menunjukkan langkah baru yang dapat digunakan untuk mengoptimalkan ruang mesin yaitu dengan menggunakan metode algoritma genetika. Metode ini akan digunakan dengan perincian: 1) Algoritma genetika yang digunakan untuk persiapan ruang mesin akan meningkatkan efisiensi perawatan kapal dan meminimalkan panjang pipa di ruang mesin. Dua hal tersebut secara tidak langsung berkaitan dengan penghematan biaya produksi. 2) Kapal cargo panamax digunakan sebagai sampel utama.

---

The initial design of the ships engine room is usually carried out based on previous design references such as design data, optimal theoretical solutions, tools needed and limitations on the design. Then, the data that has been designed is used for the next design phase. Next the designer will modify the layout based on equipment considerations, performance analysis, and final evaluation. Finally, the optimal layout chosen after consideration is based on the knowledge and experience of the designer.

Today, the worlds shipbuilding trade is very strict. To compete in the world trade market, shipyards must make the latest innovations that can improve their companies. One of the most popular breakthroughs is making ship design more efficient.

At present, various concepts that are closely related to efficiency management are being explored continuously. On the other hand, the engine room of the ship is the most complicated part of the ship so the optimization strategy is still being developed in stages.

In connection with all that, this thesis is intended to show a new step that can be used to optimize machine space by using the genetic algorithm method.

This method will be used with details: 1) The genetic algorithm used to prepare the engine room will improve the efficiency of ship maintenance and minimize the length of the pipe in the engine room. These two things are indirectly related to saving production costs. 2) Panamax cargo ships are used as the main sample."

"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."

"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."

"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."

"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."

"Backpropagation neural network backpropagation adalah salah satu algoritma machine learning yang dapat digunakan untuk melakukan klasifikasi data. Klasifikasi data dilakukan dalan serangkaian proses training dan testing. Pada akhir proses testing yang juga merupakan akhir dari proses backpropagation, akan didapatkan nilai recognition rate. Nilai recognition rate merupakan nilai yang menandakan banyaknya data yang berhasil diklasifikasi dengan benar pada proses testing terhadap seluruh testing dataset. Recognition rate erat kaitannya dengan masalah underfitting, overfitting, local minima, dan local maxima. Keempat masalah ini menyebabkan nilai recognition rate yang didapatkan kurang optimal. Namun biasanya untuk menangani keempat masalah ini dilakukan pengaturan pada beberapa paramter, misalnya learning rate, momentum, jumlah layer, jumlah nodes, weights, dan lain-lain. Pada tulisan ini akan dijelaskan program optimasi yang melakukan pengaturan pada nilai inisialisasi weights untuk menangani keempat tersebut. Program ini melakukan inisialisasi weights menggunakan genetic algorithm pada backpropagation yang mengimplementasikan k-fold crossvalidation. Untuk menguji dan membandingkan program optimasi terhadap program implementasi backpropagation yang tidak dioptimasi program non-optimasi, digunakan empat dataset, yaitu iris flower dataset, seeds dataset, wine dataset, dan EEG dataset buatan. Pada akhir pengujian didapatkan hasil bahwa program optimasi berhasil mendapatkan nilai recognition rate lebih tinggi pada iris flower dataset, yaitu 97.33 pada program optimasi dan 96.67 pada program non-optimasi. Kemudian didapatkan pula nilai recognition rate yang lebih tinggi pada seeds dataset, yaitu 93.33 pada program optimasi dan 92.86 pada program non-optimasi. Lalu didapatkan pula nilai recognition rate yang lebih tinggi pada EEG dataset buatan, yaitu 37.5 pada program optimasi dan 35.94 pada program non-optimasi. Sedangkan pada wine dataset didapatkan nilai recognition rate yang sama antara program optimasi dan program non-optimasi, yaitu 99.44.

---

Backpropagation neural network backpropagation is one of machine learning algorithms that can be used to classify data. The data classification is done in a series of trainig and testing processes. At the end of testing process that is also the end of backpropagation process, the algorithm will produce recognition rate value. Recognition rate value indicates the total of correctly classified data in testing process againts all data in testing dataset. Recognition rate value related to underfitting, overfitting, local minima, and local maxima problems. However, to handle these problems adjusting some parameters are necessary to be done. These parameters are learning rate, momentum, number of layers, number of nodes, weights, etc. In this writting will be explained an optimization program that adjusts the initialization values of weights to handle those four problems. This program initializes weights using genetic algorithm on backpropagation implementing k fold crossvalidation. To test and compare the optimization program with a program that implements backpropagation without optimization non optimzation program four datasets will be used, those are iris flower dataset, seeds dataset, wine dataset, and artificial EEG dataset. At the end of the test, the results show that optimization program obtained higher recognition rate value on iris flower dataset, that is 97.33 on optimization program againts 96.67 on non optimization program. Other than that, optimization program obtained higher recognition rate value on seeds dataset, that is 93.33 on optimization program againts 92.86 on non optimization program. Also, optimization program obtained higher recognition rate value on artificial EEG dataset, that is 37.5 on optimization program againts 35.94 on non optimization program. However, the optimization program obtained an equal recognition rate value on wine dataset, that is 99.44."

"Proyek pengembangan pesawat terbang adalah proyek yang membutuhkan anggaran besar, teknologi tinggi dan dipengaruhi oleh faktor ketidakpastian yang besar. Proyek pengembangan pesawat terbang harus memiliki koordinasi yang baik antar aktivitas untuk mencapai waktu yang ditargetkan. Tujuan dari penelitian ini adalah mendesain penjadwalan proyek perancangan pesawat terbang untuk mendapatkan durasi tersingkat proyek secara keseluruhan. Data yang digunakan dalam penelitian ini adalah data desain struktur pesawat terbang untuk fase konseptual pada salah satu proyek desain pesawat terbang di Indonesia. Data yang digunakan hanya mencakup data dependensi aktivitas, jumlah sumber daya yang tersedia dan durasi aktivitas. Penelitian ini menggunakan kombinasi metode Design Structure Matrix DSM dan Genetic Algorithm GA untuk meperoleh penjadwalan proyek yang optimal. Metode DSM digunakan untuk mengidentifikasi aliran informasi antar-aktivitas proyek dan metode GA digunakan untuk mengoptimalkan urutan aktivitas. Hasil output dari pemodelan DSM menjadi input untuk pemodelan GA. Pemodelan GA mempertimbangkan data rework, yang merupakan hasil output DSM, durasi aktivitas dan batasan sumber daya manusia saat mengoptimasi urutan aktivitas proyek. Analisis komparatif dilakukan antara penjadwalan berdasarkan kombinasi metode DSM dan GA dengan penjadwalan berdasarkan metode tradisional, Metode CPM. Dibandingkan dengan metode CPM, kombinasi metode DSM dan GA menghasilkan durasi total proyek yang lebih singkat dengan mengoptimalkan urutan aktivitas yang mempertimbangkan batasan sumber daya manusia.

---

The aircraft development project is a mega project that requires huge budget, high technology and influenced by high uncertainty factor. The aircraft development project must have good coordination between the activities in order to achieve the targeted time.

The purpose of this research is to minimize the overall duration of aircraft design project. This research use dataset from an aircraft design project in Indonesia. The data used in this research was the dataset of aircraft structure design in conceptual phase. The dataset only include tasks precedence dependency, number of resource available and activity duration.

This research proposes a combination method of Design Structure Matrix DSM and Genetic Algorithm GA for aircraft design project scheduling. DSM is used to identify the information flow between project activities and GA is used to optimize the task sequence.

The output result of DSM modeling becomes the input for GA modeling. GA considers the output of DSM, which is rework data, activity duration and human resources constraint during task sequence optimization. A comparative analysis was conducted between the schedule based on DSM and GA and schedule based on traditional method, the Critical Path Method.

Compared to the CPM method, DSM and GA produce a shorter overall project duration by optimizing task sequences that consider human resource constraints. This research is useful for design projects scheduling with limited resources that can be obtained by using alternative methods other than traditional methods. "