http://repository.ipb.ac.id/handle/123456789/151168 Undergraduate Theses on School of Data Science, Mathematic and Informatics 2026-06-13T05:50:17Z http://repository.ipb.ac.id/handle/123456789/173396 Penjadwalan Perawat Berbasis Goal Programming dengan Mempertimbangkan Preferensi dan Keadilan Libur Akhir Pekan SUNDARI, FARAH ANNISA TRI Penjadwalan perawat merupakan bagian penting dalam operasional rumah sakit, khususnya pada unit yang beroperasi 24 jam. Namun, penyusunan jadwal secara manual memerlukan waktu lama, sulit mengakomodasi preferensi, serta belum menjamin pemerataan beban kerja. Penelitian ini bertujuan memodelkan penjadwalan perawat di IGD Rumah Sakit Anak dan Bunda Harapan Kita menggunakan metode non-preemptive goal programming. Model disusun dengan aturan operasional sebagai kendala utama, sedangkan aspek keadilan dan preferensi sebagai kendala tambahan yang mencakup pemerataan jam kerja, hari libur, libur akhir pekan, permintaan hari libur, dan distribusi shift. Model diimplementasikan dalam dua skenario dan diselesaikan menggunakan Python. Hasil penelitian menunjukkan bahwa kedua skenario memenuhi seluruh kendala utama dan menghasilkan jadwal yang lebih baik dibandingkan metode manual. Skenario pertama memberikan pemerataan beban kerja terbaik, sedangkan skenario kedua lebih baik dalam memenuhi preferensi perawat. Model ini dapat digunakan sebagai dasar penyusunan jadwal perawat yang lebih adil dan efisien. 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/173395 Model Prediksi Hotspot Berbasis Variabel Iklim di Sumatera Selatan dan Sekitarnya Menggunakan XGBoost dengan Fitur Autoregresif Rizqi, Gilang Syahrul Kebakaran hutan dan lahan di Provinsi Sumatera Selatan ditandai oleh kemunculan hotspot yang dipengaruhi kondisi iklim dan pola waktu. Penelitian ini bertujuan menganalisis pengaruh variabel iklim terhadap jumlah hotspot serta membangun model prediksi menggunakan Extreme Gradient Boosting (XGBoost) dengan fitur autoregresif. Data deret waktu bulanan periode 2001-2025 diolah melalui prapemrosesan, seleksi fitur, dan validasi berbasis waktu. Hasil menunjukkan bahwa kelembapan tanah dan curah hujan berkorelasi negatif terhadap jumlah hotspot, sedangkan hari tanpa hujan dan indeks iklim global berkorelasi positif. Model XGBoost dengan fitur autoregresif memberikan kinerja terbaik dengan Explained Variance Score sebesar 78,9% dan kesalahan prediksi lebih rendah dibandingkan model tanpa fitur autoregresif. Hasil ini menunjukkan bahwa fitur autoregresif dapat meningkatkan akurasi prediksi hotspot.; Forest and land fires in South Sumatra are indicated by hotspot occurrences influenced by climate conditions and temporal patterns. This study aims to analyze the influence of climate variables on hotspot counts and to develop a prediction model using Extreme Gradient Boosting (XGBoost) with autoregressive features. Monthly time series data from 2001 to 2025 were processed through preprocessing, feature selection, and time-based validation. The results show that soil moisture and rainfall are negatively correlated with hotspot counts, while dry days and global climate indices are positively correlated. The XGBoost model with autoregressive features achieved the best performance with an Explained Variance Score of 78.9% and lower prediction errors than the model without autoregressive features. These findings indicate that autoregressive features improve hotspot prediction accuracy. 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/173386 PENGGUNAAN DEKOMPOSISI SISI GRAF PADA MASALAH PENGOPTIMUMAN AINI, SILVI NURUL Dekomposisi sisi merupakan salah satu pendekatan dalam teori graf yang digunakan untuk membagi himpunan sisi suatu graf menjadi subgraf-subgraf yang lebih sederhana sehingga struktur jaringan dapat dianalisis secara lebih efisien. Penelitian ini bertujuan memodelkan dan menyelesaikan beberapa masalah pengoptimuman dengan memanfaatkan berbagai bentuk dekomposisi sisi, yaitu matching, subgraf planar, spanning subgraph dan spanning tree. Metode yang digunakan meliputi studi literatur terhadap konsep dasar teori graf dan analisis terapan pada beberapa kasus nyata. Hasil penelitian menunjukkan bahwa setiap jenis dekomposisi sisi memiliki keunggulan dalam menyelesaikan kategori masalah tertentu: matching efektif untuk penjadwalan dan alokasi sumber daya, subgraf planar sesuai untuk perancangan jaringan tanpa tumpang tindih, spanning subgraph dapat membagi sistem menjadi beberapa bagian operasional yang tetap terhubung, dan spanning tree memberikan solusi jalur minimum yang efisien pada suatu jaringan. Pemanfaatan dekomposisi sisi terbukti mampu mempermudah proses pemodelan, mengurangi kompleksitas permasalahan, serta memberikan solusi optimal pada berbagai konteks pengoptimuman. 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/173377 Analisis Kestabilan Model Penyebaran Penyakit Influenza dengan Melibatkan Efek Ketakutan terhadap Penyakit Sihotang, Lamtiur Influenza merupakan penyakit yang menular melalui kontak dengan individu yang terinfeksi dan melalui udara berupa droplet yang dihasilkan ketika berbicara, bersin, ataupun batuk sehingga dapat menyerang sistem pernapasan manusia. Penelitian ini membahas influenza musiman yang terjadi dalam satu periode epidemi, sehingga tidak ditemukan individu yang kembali rentan ketika sudah sembuh. Penelitian ini bertujuan untuk merekonstruksi model penyebaran penyakit influenza dengan melibatkan efek ketakutan terhadap penyakit, menentukan dan menganalisis titik tetap, melakukan analisis sensitivitas, serta melakukan simulasi numerik. Kondisi endemik terjadi ketika bilangan reproduksi dasar lebih dari satu, dan kondisi bebas penyakit ketika bilangan reproduksi dasar kurang dari satu dan titik tetap bebas penyakit stabil. Backward bifurcation terjadi ketika bilangan reproduksi dasar kurang dari satu, tetapi titik tetap endemik masih stabil. Hasil simulasi numerik menunjukkan bahwa untuk menekan penyebaran penyakit influenza dapat dilakukan dengan menurunkan laju kontak dengan individu yang terinfeksi serta meningkatkan laju vaksinasi terhadap individu yang rentan.; Influenza is a disease that is transmitted through contact with infected individuals and through the air in the form of droplets produced when talking, sneezing, or coughing, which can attack the human respiratory system. This study discusses seasonal influenza, which occurs during an epidemic period, so that infected individuals will not be susceptible again once they have recovered. This study aims to reconstruct a model of influenza disease spread by involving the effects of fear of the disease, determine and analyze equilibrium points, conduct sensitivity analysis, and perform numerical simulations. Endemic conditions occur when the basic reproduction number is greater than one, and disease-free condition occur when the basic reproduction number is less than one and the disease-free equilibrium point is stable. Backward bifurcation occurs when the basic reproduction number is less than one, but the endemic equilibrium point remains stable. The results of the numerical simulation show that the spread of influenza can be suppressed by reducing the rate of contact with infected individuals and increasing the rate of vaccination of susceptible individuals. 2026-01-01T00:00:00Z