Publication Search

This research was conducted in Tanjung Pinggir, Siantar Martoba District to determine the optimization of electrical installations using the Boruvka algorithm to find a minimum spanning tree node with a minimum number of 3 consecutive nodes. Edges that do not form a circuit. Based on data obtained from PT. PLN (Persero) UP3 Pematangsiantar, then a picture of the installed network graph is obtained. The results obtained for the electrical installation diagram were obtained by using Python and the 2,591 meter Boruvka algorithm to obtain a minimum spanning tree. In this case, the electricity distribution cable is reduced by 41 meters compared to the previous total installation of 2,632 meters.

The rapid development of vehicles has an impact on increasing the need for parking space, thus demanding the need for availability and land management that provides convenience and comfort for motorists. Plaza Medan Fair mall is still not optimal in planning and managing parking lots, this can be seen from the number of vehicles that do not get parking spaces while parking is still available, besides that the placement of parking cars has not been arranged so that visitors still have difficulty in finding a parking space. This can have an impact on not optimal parking lot income. Parking lot management can be done by classifying parking by categorizing vehicles according to their group considering that each vehicle has a different size and can be grouped according to type. Optimization of parking management can be done using the branch and bound method integer program. The branch and bound method is a method to find the optimal solution to the integer problem with the concept of branching and bounding. The results of the study found that there were 200 parking spaces for small cars, 651 parking spaces, 651 parking spaces, 226 large cars and 70 parking spaces. The maximum parking income obtained by Plaza Medan Fair mall is Rp10,023,000.-.

Inventory control is very important for companies because without proper inventory control the company will experience problems in meeting consumer needs both in the form of goods and services produced by the company. RSUD Dr. Pirngadi is one of the companies that uses conventional methods to calculate the total cost of inventory so that the costs incurred both for ordering syringes and storage costs are still high, therefore it is necessary to control the inventory of syringes which aims to minimise inventory costs so that company goals can be achieved. In solving the problem of controlling inventory costs to minimise total inventory costs, namely using robust optimisation. Robust optimisation is an optimisation model that contains uncertainty data to obtain the right solution using linear program solving. The results of research at the RSUD Dr. Pirngadi obtained the total cost of inventory according to company policy for the use of 3 mL Terumo syringes is Rp.426,104,665 while the robust optimisation method is Rp.319,647,106 so it can be concluded that by applying the robust optimisation method to the company can save inventory costs of Rp.106,987,599 or 25%.  Furthermore, the total inventory cost of using a 5 mL Terumo syringe according to company policy is Rp.208,402,454 while the robust optimisation method is Rp.166,608,139 so it can be concluded that by applying the robust optimisation method to the company can save inventory costs of Rp.41,794,315 or 20%.

Pulmonary Hospital dr. Ario Wirawan Salatiga is a health service institution that organizes plenary health. In the era of the Covid-19 pandemic, dr. Ario Wirawan experienced a significant increase so that during administration the patient experienced a long waiting time. The preparation of this research aims to develop an independent registration system so that it can manage long and ineffective queues. This self-registration platform system uses a web-based FIFO (First in First Out) algorithm. The system development stage is the analysis, design, design and testing stage. The method for developing an independent registration platform system uses the prototype method according to needs. While the coding stage of this system was built using the Python programming language with the PostgreSQL database. With the existence of an independent registration platform system, it is hoped that the hospital and patients can be facilitated in the examination registration process and managing patient data at the Pulmonary Hospital dr. Ario Wirawan Salatiga.  Keywords: FIFO, Automated Pavement System

Tujuan Utama: Tujuan dari penelitian ini adalah untuk mengembangkan algoritma deteksi anomali yang lebih efektif dan akurat menggunakan Extended Isolation Forest (EIF) dan mengimplementasikannya ke dalam platform sumber terbuka Machine Learning (ML) H2O-3. Background problem: Algoritma Isolation Forest (IF) asli menghadirkan bentuk deteksi baru, meskipun algoritme mengalami bias yang berasal dari percabangan pohon. Perpanjangan algoritme menghilangkan bias dengan menyesuaikan percabangan, dan algoritme asli hanya menjadi kasus khusus. EIF diimplementasikan ke dalam platform sumber terbuka ML H2O-3. kebaharuan: Kebaruan dari penelitian ini adalah penggunaan algoritma EIF dalam deteksi anomali. Selain itu, penelitian ini juga mengimplementasikan EIF ke dalam platform sumber terbuka ML H2O-3 untuk dijalankan pada sistem komputasi terdistribusi dengan pustaka Map/Reduce. Research Method: Penelitian ini menggunakan metode deteksi anomali dengan fokus pada algoritma EIF.  temuan: Hasil pengujian menunjukkan bahwa Extended Isolation Model perlu disesuaikan. Tes kinerja deteksi anomali mengungkapkan sedikit ketidaksempurnaan dalam deteksi struktur data jika dibandingkan dengan satu-satunya implementasi algoritma Python yang tersedia. Hasil ujian untuk tahap evaluasi dinyatakan lulus dan waktu komputasi secara logaritmik lebih kecil dengan jumlah utas.  Kesimpulan: pada penelitian selanjutnya, algoritma dapat ditingkatkan lebih lanjut dengan menskalakan anomali deteksi untuk data dimensi tinggi. Ini dapat diimplementasikan dengan menambahkan parameter lain yang memungkinkan metode pemilihan fitur dalam perhitungan..

Main Objective: Tujuan dari penelitian ini adalah untuk mengetahui penyebab dari flaky test yang paling umum terjadi pada proyek Python dengan membandingkan penelitian yang berfokus pada proyek Java sebelumnya. Background problem: Tes tidak stabil dapat gagal atau lulus tanpa ada perubahan pada kode yang diuji, ini dapat menghancurkan kepercayaan pengembang pada rangkaian pengujian dan jika diabaikan menyebabkan bug dalam kode yang dirilis.  Novelty: penelitian menggunakan pendekatan empiris dari proyek Python open-source paling populer di GitHub. Sejumlah 197 komitmen dengan kata kunci yang menunjukkan kelemahan uji diperiksa secara manual dan dikategorikan menurut akar penyebab kelemahan masing-masing. Research Method: metode analisis pengujian flakiness digunakan dengan urutan tahap filtering commit dan dua analisis. Finding/Result: hasil penelitian dibandingkan dengan studi proyek Java sebelumnya, dan ditemukan dua penyebab kelemahan yakni presisi dan pelatihan (jaringan Machine learning). Flakiness presisi disebabkan oleh pernyataan dengan ambang batas yang terlalu tinggi atau terlalu rendah. Kelemahan pelatihan disebabkan oleh pengaturan pelatihan yang salah dari jaringan Machine learning dalam pengujian. Sebagian besar tes dalam proyek Python ditemukan tidak stabil karena masalah dengan menunggu asinkron, presisi, dan jaringan.  Conclusion: Developer Python dimasa depan akan mendapat manfaat dari pengetahuan tentang jebakan umum yang dapat menyebabkan kelemahan dalam rangkaian pengujian mereka. Hasil dari penelitian ini dapat digunakan sebagai referensi bagi para peneliti di masa depan dengan area penlitian tes flakiness atau area serupa lainnya..

Pelacakan objek merupakan suatu proses untuk menentukan dan mengikuti posisi dari sebuah objek bergerak yang diinginkan menggunakan kamera secara realtime. Ada berbagai macam algoritma dalam pembuatan sistem pelacakan objek, salah satunya adalah algoritma correlation tracker pada pustaka DLIB. Sistem pelacakan objek ini menggunakan Raspberrry Pi 4 yang berisi program python untuk pelacakan objek. Pi Camera digunakan sebagai input gambar video realtime. Hasil penggunaan algoritma correlation tracker yang ada pada pustaka DLIB, yaitu proses pelacakan objek dapat berjalan dengan baik. Terdapat 5 objek yang dilacak dan hasilnya kotak pelacakan selalu berada di sekitar objek, baik saat objek bergerak ke kiri, ke kanan, maju dan mundur. Apabila objek bergerak maju dan mundur, skala pada kotak pelacakan dapat berubah mengikuti ukuran objek. Performa pada Raspberry Pi dapat dilihat dari framerate video sebesar 10,5 fps.