http://repository.ipb.ac.id/handle/123456789/162420 2026-06-20T11:05:05Z http://repository.ipb.ac.id/handle/123456789/173538 Koreksi Bias Statistik Data Suhu Udara CMIP6 di Pulau Jawa Menggunakan Metode Quantile Mapping dan Quantile Delta Mapping PERMADI, FIORENZA DIANDRA Data suhu udara CMIP6 memiliki bias statistik terhadap observasi yang berpotensi menurunkan akurasi proyeksi iklim. Penelitian ini menerapkan Quantile Mapping (QM) dan Quantile Delta Mapping (QDM) untuk mengoreksi bias data CMIP6 model MPI-ESM1-2-HR di Pulau Jawa menggunakan ERA5-Land sebagai referensi, dengan periode kalibrasi 1970-1999 dan validasi 2000-2014. Hasil menunjukkan bias positif CMIP6 yang bervariasi antarprovinsi, dari sekitar 1,5°C di Jawa Barat dan DI Yogyakarta hingga 3,24°C di Banten. Setelah koreksi, RMSE turun dari 2,59 menjadi 0,68 (QM) dan 0,71 (QDM), sedangkan uji Kolmogorov-Smirnov menunjukkan distribusi hasil koreksi tidak berbeda signifikan dari observasi (p-value = 0,0975). Proyeksi suhu 2015-2100 menunjukkan kenaikan sekitar 0,9°C pada SSP2-4,5 (skenario mitigasi sedang dengan emisi menengah) dan 1,8°C pada SSP5-8,5 (skenario tanpa mitigasi dengan emisi tinggi), dengan DI Yogyakarta dan Jawa Barat memproyeksikan suhu akhir abad tertinggi.; Air temperature data from the CMIP6 global climate model contain significant statistical bias relative to observational data, potentially reducing the accuracy of climate projections. This study applied the Quantile Mapping (QM) and Quantile Delta Mapping (QDM) methods to correct bias in CMIP6 MPI-ESM1-2-HR data over Java Island, using ERA5-Land as the observational reference with a calibration period of 1970-1999 and a validation period of 2000-2014. Results revealed a positive CMIP6 bias varying across provinces, from approximately 1,5°C in West Java and DI Yogyakarta to 3,24°C in Banten. Following correction, RMSE decreased from 2,59 to 0,68 (QM) and 0,71 (QDM), while the Kolmogorov-Smirnov test confirmed that corrected distributions were not significantly different from observations (p-value = 0,0975). Projections for 2015-2100 indicate temperature increases of approximately 0,9°C under SSP2-4,5 (a medium-emission mitigation scenario) and 1,8°C under SSP5-8,5 (a high-emission scenario without significant mitigation efforts, with DI Yogyakarta and West Java projected to experience the highest end-of-century temperatures. 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/173445 Penyelesaian Multiple Travelling Salesman Problem dengan Improved K-Means Clustering dan Genetic Algorithm Hanadia, Haifa Multiple Travelling Salesman Problem (MTSP) bertujuan meminimalkan total jarak tempuh dengan tetap mempertimbangkan keseimbangan beban kerja antar-salesman. Penelitian ini menyelesaikan MTSP melalui pendekatan cluster-first route-second menggunakan algoritme Improved k-Means dan Genetic Algorithm (GA). Improved k-Means digunakan untuk membentuk klaster kota yang seimbang, sementara GA dengan berbagai operator genetik mencari rute near-optimal pada setiap klaster. Hasil penelitian menunjukkan Improved k-Means berhasil mendistribusikan beban kerja secara proporsional. GA terbukti menghasilkan rute konvergen, menunjukkan tingkat akurasi yang tergolong near-optimal terhadap solusi eksak (MILP). Analisis variasi salesman menunjukkan bahwa penambahan jumlah salesman cenderung meningkatkan total jarak global, tetapi pengaruhnya terhadap makespan dan keseimbangan beban kerja tidak selalu linear. Selain itu, peningkatan parameter GA tidak selalu signifikan mengurangi jarak tetapi tetap menambah waktu komputasi. Dengan demikian, kombinasi kedua algoritme ini terbukti efektif dalam menyelesaikan MTSP.; The Multiple Travelling Salesman Problem (MTSP) aims to minimize the total distance traveled while considering the balance of workload between salesman. This study solves the MTSP through a cluster-first route-second approach using the Improved k-Means algorithm and Genetic Algorithm (GA). Improved k-Means is used to form balanced city clusters, while GA with various genetic operators searches for near-optimal routes in each cluster. The results show that Improved k-Means successfully distributes the workload proportionally. GA is proven to produce convergent routes, showing a near-optimal level of accuracy compared to the exact solution (MILP). Analysis of salesman variation shows that increasing the number of salesman tends to increase the total global distance, while its effect on makespan and workload balance is not always linear. Furthermore, increasing the GA parameters did not always significantly reduce the distance but still increased the computation time. Thus, the combination of these two algorithms proved to be effective in solving the MTSP. 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/173444 Analisis Kestabilan dan Bifurkasi Model Eko-Epidemiologi Mangsa–Pemangsa dengan Perilaku Kawanan dan Penyakit pada Mangsa Sujana, Mirlan Interaksi mangsa–pemangsa dengan penyakit pada mangsa merupakan kajian penting dalam ekologi matematika yang dikenal sebagai model eko-epidemiologi. Penelitian ini bertujuan merekonstruksi model eko-epidemiologi mangsa–pemangsa dengan perilaku kawanan dan penyakit pada mangsa, menganalisis kestabilan lokal beserta keberadaan bifurkasi, serta melakukan simulasi numerik untuk menggambarkan pengaruh parameter kritis terhadap dinamika sistem. Model dibangun berdasarkan asumsi mangsa rentan berkawanan dan mangsa terinfeksi meninggalkan kawanan dengan respons fungsional kombinasi Holling tipe II dan akar kuadrat. Analisis dilakukan melalui linearisasi sistem, penerapan kriteria Routh–Hurwitz, dan teorema Sotomayor, serta simulasi numerik menggunakan Wolfram Mathematica. Sistem memiliki lima titik tetap dengan tiga jenis bifurkasi yang teridentifikasi, yaitu bifurkasi pitchfork superkritikal, bifurkasi transkritikal antara dua pasang titik tetap, dan bifurkasi Hopf subkritikal pada titik tetap koeksistensi. Simulasi numerik menunjukkan bahwa laju infeksi, laju predasi terhadap mangsa terinfeksi, dan waktu penanganan pemangsa sangat menentukan kestabilan dan perilaku jangka panjang sistem.; Predator–prey interaction with disease in prey is an important subject in mathematical ecology known as an ecoepidemic model. This study aims to reconstruct a predator–prey ecoepidemic model with herd behavior and disease in prey, analyze local stability and the existence of bifurcations, and conduct numerical simulations to illustrate the effect of critical parameters on system dynamics. The model is constructed under the assumption that susceptible prey gather in herds while infected prey drift away from the herd, with a functional response combining Holling type II and square root functions. Analysis was performed through system linearization, application of the Routh–Hurwitz criteria and Sotomayor's theorem, and numerical simulations using Wolfram Mathematica. The system possesses five equilibrium points with three bifurcations identified: a supercritical pitchfork bifurcation, transcritical bifurcations between two pairs of equilibrium points, and a subcritical Hopf bifurcation at the coexistence equilibrium. Numerical simulations reveal that the force of infection, predation rate on infected prey, and predator handling time are critical in determining the stability and long-term behavior of the system. 2026-01-01T00:00:00Z 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