📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 15 dokumenIMPLEMENTASI PEMBELAJARAN PENGUATAN PADA PENGHINDARAN RINTANGAN DALAM SIMULASI PERMAINAN BULLET HELL SEDERHANA
Pada penelitian ini, kita akan mengimplementasikan reinforcement learning pada sebuah agen yang bertugas memainkan game bullet hell yang mampu menyerang musuh serta menghindari rintangan serangan proyektil kecil. Kita ingin mencari tahu bagaimana cara kita membuat bot AI yang dapat memainkan sebuah simulasi game bullet hell dan apa saja optimisasi atau modifikasi lain yang dapat meningkatkan performa bot. Kita akan menggunakan sebuah simulasi yang dibuat daripada menggunakan suatu game yang asli karena pada simulasi, kita bisa menyederhanakan gameplay agar kita dapat melakukan analisis yang lebih dekat. Pada simulasi, kita melakukan beberapa penyederhanaan sehingga game bersifat diskrit pada aksi dan waktunya, namun kontinu pada observasinya. Dari situ, telah diputuskan metode perhitungan model yang akan digunakan adalah metode PPO (Proximal Policy Optimization) karena metode ini cocok dengan lingkungan dengan aksi yang diskrit namun observasi yang kontinu. Ditambahkan juga sebuah wrapper yang meloncati beberapa frame simulasi kedepannya untuk mengambil observasi dan melakukan inferensi aksi yang akan diambil untuk mengurangi perhitungan yang dibutuhkan (frame-skipping). Selanjutnya, kita membandingkan sebuah model awal dan modifikasi-modifikasi dari model tersebut yang memenfaatkan prinsip DeepSets, TCPA & CPA untuk menentukan proyektil-proyektil yang penting, serta informasi observasi proyektil tambahan untuk menentukan apa saja faktor yang memengaruhi performa agen. Hasil penelitian menunjukkan bahwa peloncatan frame, modifikasi model yang mengaplikasikan prinsip DeepSets, CPA dan TCPA, serta penambahan informasi-informasi proyektil penting lebih memberikan performa yang lebih baik daripada model sederhana yang hanya memberikan informasi tentang proyektil terdekat.
TUNING PARAMETER DBMS MYSQL MENGGUNAKAN REINFORCEMENT LEARNING DENGAN MODEL QUERY PERFORMANCE PREDICTION NETWORK
Salah satu metode performance tuning pada basis data adalah dengan melakukan tuning konfigurasi parameter DBMS. Salah satu kakas untuk melakukan pekerjaan tersebut adalah CDBTune. CDBTune memanfaatkan reinforcement learning dengan algoritma Deep Deterministic Policy Gradient (DDPG) untuk menyarankan konfigurasi parameter secara otomatis. Proses ini melakukan evaluasi langsung terhadap DBMS selama beberapa iterasi sehingga proses tuning-nya menjadi lama. Tugas akhir ini mencoba memanfaatkan Query Performance Prediction Network (QPPN) dengan CDBTune sehingga proses tuning menjadi lebih efisien. Konfigurasi parameter yang digunakan dalam pembangunan model meliputi parameter alokasi ukuran buffer, jumlah thread yang digunakan untuk operasi read dan write, serta parameter lain untuk pembacaan informasi tabel. Data serta skema yang digunakan dalam pembangunan model diambil dari skema Sakila1 yang berukuran 1,9 GB. Model QPPN yang dihasilkan dapat memprediksi waktu eksekusi dengan galat yang rendah untuk query dengan karakteristik yang serupa dengan data latih, namun menghasilkan galat yang lebih besar pada query dengan karakteristik yang berbeda. Penggabungan model QPPN dengan CDBTune menghasilkan sebuah prototipe sistem performance tuning, dengan memodifikasi proses evaluasi CDBTune dari penggunaan DBMS menjadi menggunakan model QPPN. Pengujian dilakukan menggunakan workload dengan karakteristik baik serupa maupun berbeda dari data latih model QPPN, serta pada basis data dengan volume yang lebih besar untuk menguji ketahanan model. Hasil pengujian menunjukkan penurunan waktu eksekusi sebesar 50,81% hingga 39,09% pada setiap skenario pengujian yang dilakukan. Melalui penggabungan model QPPN dan CDBTune, dihasilkan sistem yang mampu memberikan rekomendasi konfigurasi parameter secara lebih cepat. Selain itu, hasil tuning yang dilakukan menyebabkan waktu eksekusi workload menjadi lebih efisien.
IMPLEMENTASI ALGORITMA Q-LEARNING PADA FPGA UNTUK SISTEM PENGATURAN LALU LINTAS OTOMATIS
Kebutuhan sistem pengatur lalu lintas otomatis semakin nyata karena meningkatnya kompleksitas jaringan sistem lalu lintas di kota-kota besar. Fluktuasi kondisi lalu lintas dari waktu ke waktu yang tidak menentu dan sistem pengaturan lalu lintas yang konvensional meningkatkan resiko kemacetan. Reinforcement Learning, khususnya Q-Learning, sebagai sistem pengatur lalu lintas mampu mengatasi perubahan tersebut untuk mengurangi resiko kemacetan dan secara adil membagi fase sinyal lalu lintas. Dikembangkan hardware accelerator Q-learning pada FPGA untuk mengatur persimpangan yang kondisi lalu lintasnya dimodelkan berdasarkan data lalu lintas nyata dalam SUMO untuk menguji efektivitas Q-learning dalam menghadapi kondisi nyata serta untuk mempercepat proses learning dari Q-learning. Telah dibuat model Q-learning berbasis software dan gabungan hardware-software yang dibandingkan waktu eksekusinya. Diperoleh model hardware-software yang mampu mengakselerasi waktu eksekusi dari Q-update hingga 3200 kali lipat lebih cepat dibandingkan model software. Q-learning efektif dalam mengatur lalu lintas berdasarkan metrik waiting time dan queue length yang terdistribusi secara merata untuk tiap jalur.
PERANCANGAN SISTEM KONTROL PERIMETER DENGAN PROPORSIONAL INTEGRAL DAN REINFORCEMENT LEARNING PADA JARINGAN LALU LINTAS PERKOTAAN BERBASIS MAX PRESSURE
Kemacetan lalu lintas meningkat seiring pertumbuhan volume kendaraan. Salah satu kota di Indonesia yang mengalami masalah ini, yaitu Surabaya yang termasuk dalam 100 besar kota termacet di Asia. Pengontrol lalu lintas dalam sistem Kota Surabaya saat ini masih belum berjalan secara optimal. Penggunaan kontrol lalu lintas dengan kontrol perimeter dapat membatasi jumlah kendaraan yang masuk ke area jaringan yang ingin dilindungi (protected network). Penelitian ini bertujuan membangun model lalu lintas dan memvalidasinya. Kemudian, merancang serta membandingkan performa sistem kontrol perimeter dengan Proporsional Integral (PI) dan Reinforcement Learning (RL) yang berbasis Max Pressure dalam jaringan untuk mengatur arus kendaraan masuk ke dalam protected network (PN), sementara kontrol internal simpang dilakukan oleh Max Pressure. Studi dilakukan pada jaringan lalu lintas yang dimodelkan dalam simulator SUMO menggunakan data historis dari 40 simpang dengan dipilihnya 9 simpang perimeter. Kinerja sistem dievaluasi menggunakan diagram fundamental makroskopik (MFD) dan metrik Total Time Spent (TTS) yang ekuivalen dengan jumlah kendaraan untuk menilai efektivitas pengendalian makroskopik. Validasi terhadap data observasi aktual menunjukkan rata-rata Normalized Root Mean Square Error (NRMSE) sebesar 0,40 dan Geoffrey E. Havers Statistic (GEH) sebesar 3,143 yang menandakan simulasi sudah cukup akurat merepresentasikan kondisi nyata. Hasil simulasi menunjukkan bahwa kontrol perimeter PI optimal diperoleh pada parameter K? = 30 dan K? = 2. Sementara itu, kontrol perimeter RL menggunakan Deep Q-Network, mencapai performa terbaik dengan reward TTS-Pressure menggunakan training pada variasi periode puncak kemacetan pukul 11.00 – 15.00 dan variasi 1 jam per episode. Variasi ini menjaga TTS sepanjang hari di zona L2 (arus optimum) dan menghindari overfitting. Kontrol perimeter PI dan RL secara umum mampu merespons cepat terhadap lonjakan arus masuk dan menjaga TTS di bawah ambang kritis. Arus puncak yang dihasilkan kontrol perimeter PI serta RL adalah 658,56 dan 647,41 kendaraan/jam. Kerapatan puncak diperoleh 9,17 (PI) dan 8,12 (RL) kendaraan/km. Di sisi lain, kelebihan dari kontrol perimeter RL adalah dapat memperhatikan kondisi dari gerbang perimeter agar tidak menimbulkan kemacetan berkepanjangan di luar perimeter. Dengan demikian, kontrol perimeter RL lebih unggul dibanding PI secara performa jaringan.
OPTIMALISASI GABUNGAN BEACON RATE DAN DAYA TRANSMISI BERBASIS Q-LEARNING UNTUK KOMUNIKASI VEHICLE-TO-VEHICLE (V2V) PADA SKENARIO SIMULASI HIGHWAY LINE-OF-SIGHT (LOS)
Seiring dengan meningkatnya kepadatan lalu lintas global, komunikasi Vehicle-to-Vehicle (V2V) menjadi kunci untuk meningkatkan keselamatan dan efisiensi transportasi. Namun, performa komunikasi V2V yang mengandalkan pertukaran pesan periodik (beacon) sangat rentan terhadap kemacetan kanal (channel congestion), terutama pada skenario lalu lintas padat. Kondisi ini dapat menyebabkan tingginya packet loss dan latensi, sehingga mengurangi efektivitas sistem keselamatan. Penelitian yang ada seringkali berfokus pada optimasi parameter tunggal, seperti beacon rate atau daya transmisi saja, yang terbukti kurang efektif untuk mengatasi kondisi jaringan yang sangat dinamis. Oleh karena itu, penelitian ini mengusulkan sebuah sistem optimasi gabungan untuk beacon rate dan daya transmisi secara simultan menggunakan pendekatan Reinforcement Learning (RL), yang memiliki kemampuan adaptasi superior dalam lingkungan yang kompleks.Tujuan dari penelitian ini adalah untuk merancang dan membangun sebuah sistem adaptif berbasis algoritma Q-Learning yang mampu menyesuaikan beacon rate dan daya transmisi secara dinamis untuk mencapai komunikasi V2V yang optimal dalam skenario lalu lintas yang berubah-ubah. Sistem ini dikembangkan secara terintegrasi menggunakan Python, yang terdiri dari tiga subsistem utama: subsistem simulasi Vehicular Ad-Hoc Network (VANET), subsistem implementasi algoritma RL, dan subsistem display berbasis Streamlit. Subsistem simulasi VANET dibangun untuk memodelkan komunikasi pada lapisan fisik (PHY) dan MAC sesuai standar IEEE 802.11bd, dengan menggunakan data mobilitas dari SUMO. Algoritma Q-Learning diimplementasikan sebagai server eksternal yang berkomunikasi dengan simulator melalui socket. Agent RL dilatih untuk memaksimalkan fungsi reward yang dirancang untuk menjaga metrik performa Channel Busy Ratio (CBR) dan Signal-to-Interference-plus-Noise Ratio (SINR) dalam rentang target optimal, yaitu 0,6–0,7 untuk CBR dan 15–20 dB untuk SINR. Hasil pengujian yang dilakukan pada skenario simulasi lalu lintas berupa highway line-of-sight dengan durasi 500 detik, lebar 6 lajur, panjang jalan 250 meter, dengan 44 kendaraan yang terlibat, menunjukkan bahwa agent Q-Learning berhasil nunjukkan tren pembelajaran yang positif. Apabila dibandingkan dengan skenario baseline tanpa optimasi, model yang telah dilatih mampu meningkatkan utilisasi kanal, yang ditunjukkan dengan nilai CBR mencapai rentang target acuan yakni 0,6 – 0,7 walaupun masih dietmukan beberapa fluktuasi diluar rentang. Selain itu, agent juga berhasil menjaga kualitas sinyal (SINR) agar tetap berada di dalam rentang acuan 15–20 dB, walaupun masih ditemukan beberapa fluktuasi. Akan tetapi, hasil keseluruhan menunjukkan bahwa agent pada algoritma Q-Learning mampu mengendalikan parameter CBR dan SINR pada rentang acuan sesuai dengan keberjalanan skenario simulasi lalu lintas kendaraan pada simulasi VANET. Lalu, hasil pada penelitian juga menunjukkan bahwa pada keberjalanan optimalisasi parameter performa untuk menjaga keandalan kanal komunikasi, didapatkan bahwa terjadi trade-off antara kondisi beban kanal (CBR) dengan PDR dan latency kanal komunikasi antar kendaraan. Hasil analisis menunjukkan bahwa agent mampu menjaga parameter performa PDR hingga 0,95 dan latensi dibawah 60 ms pada kondisi kanal CBR ideal dan rendah. Sehingga dibuktikkan jika penggunaan RL untuk adaptasi gabungan dapat menghasilkan parameter yang lebih optimal dibandingkan pendekatan statis. Maka dari itu, dapat dikatakan bahwa penelitian yang dilakukan berhasil mencapai tujuan yang telah ditentukan serta besar harapan bahwa penelitian ini memberikan kontribusi berupa bukti konsep terkait sebuah sistem adaptif yang terintegrasi penuh dan menjadi fondasi bagi pengembangan algoritma Deep Reinforcement Learning (DRL) yang lebih canggih di masa depan untuk mengatasi persoalan optimasi V2V yang lebih kompleks.
OPTIMASI STRATEGI TRADING CRYPTOCURRENCY MENGGUNAKAN REINFORCEMENT LEARNING DENGAN INTEGRASI ANALISIS TEKNIKAL, FUNDAMENTAL, DAN SENTIMEN PASAR
Pasar cryptocurrency memiliki karakteristik volatilitas yang tinggi dengan kompleksitas data yang berasal dari berbagai sumber, seperti data teknikal, fundamental, dan sentimen. Penelitian ini mengembangkan sistem berbasis reinforcement learning yang mengintegrasikan beragam aspek pasar ke dalam lingkungan simulasi trading untuk merancang strategi trading yang adaptif terhadap dinamika tersebut. Tiga algoritma utama, yaitu Deep Q-Network (DQN), Proximal Policy Optimization (PPO), dan Advantage Actor-Critic (A2C), digunakan sebagai agen untuk menguji efektivitas pengambilan keputusan trading terhadap tiga aset cryptocurrency, yaitu BTC, ETH, dan XRP. Evaluasi performa model dilakukan berdasarkan tiga metrik, yaitu return on investment sebagai indikator profitabilitas, sharpe ratio untuk mengukur kualitas return terhadap risiko, serta maximum drawdown sebagai representasi dari kerugian maksimum selama periode evaluasi. Seluruh model dievaluasi secara komparatif dan hasil akhir digunakan sebagai dasar untuk penilaian strategi melalui pemberian nilai menggunakan metode Analytical Hierarchy Process (AHP). Pendekatan ini memastikan bahwa solusi yang dikembangkan tidak hanya berorientasi pada keuntungan, tetapi juga memperhatikan aspek stabilitas dan pengelolaan risiko dalam melakukan aktivitas trading. Berdasarkan bobot yang diberikan menggunakan metode AHP, model dengan skor paling tinggi adalah DQN pada aset XRP memberikan return yaitu 182,11% dengan sharpe ratio 0,2134 dan drawdown 40,01% pada periode pengujian pada tahun 2024.
DEEP REINFORCEMENT LEARNING WITH PROXIMAL POLICY OPTIMIZATION FOR CONTROL OF TILT ROTOR UAV
Controlling tilt-rotor Vertical Take-Off and Landing (VTOL) UAVs presents a significant challenge due to their complex and rapidly changing flight dynamics, particularly during the transition between hover and forward flight. Traditional controllers often struggle with these nonlinearities and can be rendered ineffective by environmental disturbances and model inaccuracies [1]. Although neural networks can model these complex dynamics, they often require large datasets which are risky and expensive to obtain. Hence in this thesis, a controller for a VTOL tilt rotor UAV is proposed, utilizing the reinforcement learning Proximal Policy Optimization (PPO) algorithm. PPO algorithm is chosen for its superior performance compared to other reinforcement learning algorithms [2]. In SIMULINK, a model of the UAV and the environment is created. The agent (controller) is created and trained in MATLAB. The results show that the trained controller is able to stabilize the UAV and track ground speed and altitude reference signals. Batch simulations also show small performance degradation under varied system parameters. In conclusion, reinforcement learning, particularly PPO has shown to be a worthy alternative to other nonlinear control methods in controlling the Raybe Tilt Rotor UAV.
PENGEMBANGAN MODEL REINFORCEMENT LEARNING DALAM PERMAINAN SCRABBLE BERBASIS BAHASA INDONESIA UNTUK OPTIMASI PENGAMBILAN KEPUTUSAN
Permainan Scrabble merupakan permainan strategi berbasis kata yang menuntut kemampuan pengambilan keputusan optimal dalam menyusun kata dari kombinasi huruf yang tersedia pada papan permainan. Tantangan utama dalam permainan ini adalah menentukan langkah terbaik dari berbagai kemungkinan yang tersedia, terutama dalam versi Bahasa Indonesia yang memiliki struktur berbeda dan distribusi frekuensi kata yang berbeda dengan Bahasa Inggris. Penelitian ini bertujuan untuk mengembangkan model Reinforcement Learning (RL) yang mampu mengoptimalkan strategi permainan Scrabble dalam Bahasa Indonesia melalui pendekatan self-play. Metodologi penelitian menggunakan pendekatan CRISP-DM yang terdiri dari tahapan: Business Understanding, Data Understanding, Data Preparation, Modelling, Evaluation, dan Deployment. Dataset kata diperoleh dari Kamus Besar Bahasa Indonesia Edisi Keenam, kemudian simulasi permainan dilakukan melalui lingkungan Scrabble khusus yang dirancang untuk mendukung pelatihan agen RL. Model dilatih menggunakan empat algoritma RL, yaitu Q-Learning, Deep Q-Network (DQN), Proximal Policy Optimization (PPO), dan Advantage Actor-Critic (A2C). Hasil evaluasi menunjukkan bahwa algoritma Q-Learning menghasilkan kinerja terbaik dalam meningkatkan skor rata-rata per langkah dan efektivitas penggunaan huruf.
PENGEMBANGAN SISTEM KONTROL DURASI LAMPU LALU LINTAS BERBASIS REINFORCEMENT LEARNING
Kemacetan lalu lintas merupakan permasalahan utama di daerah perkotaan yang berdampak negatif terhadap waktu perjalanan, konsumsi bahan bakar, emisi gas buang, serta kesehatan mental dan fisik masyarakat. Sistem kontrol lampu lalu lintas yang berbasis durasi tetap tidak dapat beradaptasi dengan kondisi lalu lintas yang dinamis. Oleh karena itu, diperlukan solusi berupa sistem kontrol durasi lampu lalu lintas yang lebih adaptif dengan objektif menurunkan kemacetan. Penelitian ini bertujuan untuk mengembangkan sistem kontrol lampu lalu lintas berbasis Reinforcement Learning (RL) yang mampu mengontrol durasi lampu lalu lintas secara real-time. Metodologi penelitian menggunakan CRISP-DM (Cross Industry Standard Process for Data Mining) yang mencakup tahapan: Business Understanding, Data Understanding, Data Preparation, Modelling, Evaluation, dan Deployment. Data lalu lintas diperoleh melalui Google Maps API, kemudian dilakukan sintesis data rute kendaraan menggunakan simulator SUMO untuk membangun lingkungan simulasi. Model RL dilatih dengan delapan algoritma berbeda: SARSA, Q-Learning, Deep Q-Network (DQN), Double Deep Q-Network (DDQN), REINFORCE, Deep Deterministic Policy Gradient (DDPG), Proximal Policy Optimization (PPO), dan Soft Actor-Critic (SAC). Proses optimasi dilakukan melalui pendekatan grid search untuk menentukan hyperparameter terbaik bagi setiap algoritma. Dalam penelitian ini, hasil evaluasi menunjukkan bahwa algoritma berbasis policy gradient off-policy, yaitu DDPG, memiliki kinerja terbaik dalam mengurangi kemacetan dibandingkan model lain. Pada lalu lintas hari kerja, model ini mampu mengurangi waktu perjalanan 30%, mengurangi jumlah antrian sebesar 23%, serta mengurangi jumlah antrian di persimpangan sebesar 79%. Pada lalu lintas hari libur, mampu mengurangi waktu perjalanan 16% mengurangi jumlah antrian sebesar 14%, serta mengurangi jumlah antrian di persimpangan sebesar 75%.
OPTIMASI CONGESTION CONTROL PADA SOFTWARE DEFINED NETWORK (SDN) BERBASIS REINFORCEMENT LEARNING
Teknologi Software Defined Network muncul sebagai solusi dalam mengelola jaringan karena memungkinkan jaringan dapat diprogram dan dikontrol secara terpusat. Congestion merupakan salah satu faktor yang menyebabkan kinerja jaringan (Quality of Service) menurun. Beberapa teknik yang digunakan dalam mengatasi Congestion dengan load balancing, algoritma Jhonson, Algoritma Dijkstra, Algoritma Routing, dan Reinforcement Learning. RSCAT salah satu pendekatan Congestion control yang memanfaatkan Reinforcement Learning untuk mendeteksi dan memberikan aksi saat terjadi Congestion. Namun, masih terdapat permasalahan pada traffic yang dinamis serta kinerja jaringan yang belum maksimal. Algoritma RL+ (plus) menjadi solusi dalam menyelesaikan masalah diatas. Algoritma RL+ dibandingkan dengan algoritma Dijkstra dalam simulasi pengujian menggunakan mininet untuk mendapatkan nilai Delay, Jitter, dan Throughput pada protokol TCP dan UDP. Pengujian dilakukan dengan tools D-ITG dan Iperf3 dengan beban jaringan yang berbeda. Hasil menunjukkan bahwa algoritma RL+ dapat mengatasi Congestion lebih baik dari pada algoritma Dijkstra. Pada topologi mesh, Algoritma RL+ menunjukkan penurunan delay hingga 34,4% lebih rendah dibandingkan Algoritma Dijkstra, terutama pada skenario payload tinggi. Pada skenario tanpa Background Traffic, Delay TCP sebesar 4,973 ms, Jitter 0,0091 ms dan Throughput RL+ pada skenario dengan Background Traffic mencapai 93,9 Mbps pada payload 75%. Dari segi throughput, Algoritma RL+ memiliki nilai throughput lebih tinggi hingga 94,2 Mbps, sementara Algoritma Dijkstra mengalami penurunan throughput signifikan, hanya mencapai 57,7 Mbps pada payload tinggi, dengan tingkat kehilangan paket yang lebih tinggi dibandingkan Algoritma RL.
ANALISA PENGGUNAAN JALUR SEPEDA MOTOR DAN ALGORITMA REINFORCEMENT LEARNING DI SIMPANG SOEKARNO HATTA-IBRAHIM ADJIE
Penelitian ini mengeksplorasi efektivitas integrasi segmentasi ruang jalan berbasis Deep Q-Network dengan pengenalan jalur khusus kendaraan roda dua untuk mengoptimalkan arus lalu lintas selama jam sibuk di persimpangan Soekarno Hatta- Ibrahim Adjie. Difokuskan pada salah satu persimpangan tersibuk di Bandung, penelitian ini menggunakan data lalu lintas dari Area Traffic Control System Bandung untuk mensimulasikan dinamika lalu lintas di persimpangan tersebut. Persimpangan Soekarno Hatta-Ibrahim Adjie, yang sering terjadi kemacetan parah selama jam sibuk, menjadi studi kasus. Pendekatan manajemen lalu lintas tradisional atau statis dinilai kurang efektif dalam mengurangi antrean panjang dan keterlambatan. Penelitian ini memanfaatkan platform simulasi SUMO, dengan memasukkan parameter seperti lebar jalur, dinamika kendaraan, dan pengaturan sinyal lalu lintas untuk mereplikasi kondisi dunia nyata. Algoritma dilatih selama 100 episode, memanfaatkan data lalu lintas waktu nyata untuk menyesuaikan fase lampu lalu lintas dan mengoptimalkan arus kendaraan. Jalur khusus kendaraan roda dua diperkenalkan untuk mengurangi kemacetan sepeda motor, moda transportasi dominan di Bandung. Hasilnya menunjukkan peningkatan efisiensi lalu lintas yang signifikan, dengan penurunan panjang antrean sebesar 64,89% dan pengurangan waktu tunggu sebesar 80,49% di jalur reguler, serta penurunan panjang antrean sebesar 26,39% dan pengurangan waktu tunggu sebesar 39,96% di jalur roda dua. Penelitian ini menyimpulkan bahwa integrasi teknik reinforcement learning dengan perbaikan infrastruktur, seperti jalur khusus kendaraan tertentu, dapat meningkatkan manajemen lalu lintas di area perkotaan yang padat. Penelitian selanjutnya dapat mengeksplorasi penerapan pendekatan ini di persimpangan lain dan strategi manajemen lalu lintas inovatif lainnya untuk meningkatkan mobilitas perkotaan.
TRANSFER SENTIMEN KALIMAT MENGGUNAKAN REINFORCEMENT LEARNING WITH HUMAN FEEDBACK
Penelitian ini bertujuan untuk mengatasi keterbatasan kualitas pembangkitan teks Bahasa Indonesia dengan mengadaptasi metode reinforcement learning with human feedback (RLHF). Tugas yang dilakukan pada penelitian ini adalah menggunakan model pralatih untuk mengubah sentimen kalimat masukan positif menjadi sentimen negatif dan sebaliknya serta penggunaan reward model. Dengan menggunakan metode RLHF yang dikenal efektif, penelitian ini bertujuan untuk meningkatkan kualitas pembangkitan teks dengan gaya berupa transfer sentimen. Proses RLHF pada penelitian ini mencakup proses fine-tuning, reward training yang menggunakan human feedback, dan PPO training. Hasil evaluasi pada penelitian menunjukkan model pralatih dapat melakukan transfer sentimen positif ke negatif dan sebaliknya setelah di-fine-tuning. Setelah melalui proses RLHF lebih lanjut, hasil teks yang dibangkitkan dari model tersebut lebih dipilih atau disukai oleh manusia dibandingkan model yang hanya melakukan fine-tuning.
OPTIMASI TRAFFIC LIGHT PADA SIMPANG SAMSAT MENGGUNAKAN REINFORCEMENT LEARNING
Di Indonesia, terdapat beberapa persimpangan di mana lebih dari 10.000 kendaraan melintas setiap jam. Di persimpangan tersebut biasanya tidak ada lampu lalu lintas adaptif, yang mengakibatkan pengaturan lalu lintas dilakukan secara manual oleh petugas. Hal tersebut berdampak pada durasi lampu merah yang terlalu lama pada salah satu ruas jalan dan menyebabkan waktu tunggu kendaraan serta panjang antrean yang berlebihan. Studi ini bertujuan untuk membuat environment simulasi yang secara akurat merepresentasikan kondisi dunia nyata di Persimpangan Samsat, mengevaluasi kinerja pelatihan Reinforcement Learning (RL), menilai metode RL yang paling efisien untuk mengatur lampu lalu lintas. Penelitian ini menyajikan simulasi SUMO untuk membandingkan tiga kondisi di Persimpangan Samsat di Kota Bandung, Indonesia: Proximal Policy Optimization (PPO), Deep Q Network (DQN), dan tanpa RL. Simulasi lampu lalu lintas adaptif, khususnya menggunakan PPO dan DQN, menunjukkan potensi untuk meningkatkan efisiensi kinerja simpang dan mengurangi kemacetan. Hasil penelitian menunjukkan bahwa penerapan lampu lalu lintas adaptif dapat menurunkan panjang antrean rata-rata 13,09% (PPO) dan 11,74% (DQN), mengurangi waktu tunggu 45,9% (PPO) dan 39,1% (DQN), serta menurunkan durasi lampu merah maksimal 22,69% (PPO) dan 25,7 (DQN). Hasil ini menunjukan efektivitas strategi berbasis RL dalam mengurangi kemacetan lalu lintas dan menjadi referensi untuk perbaikan manajemen lalu lintas di perkotaan.
PENERAPAN CASE-BASED REASONING DAN REINFORCEMENT LEARNING PADA JOB SHOP SCHEDULING DENGAN SISTEM MULTIAGENT
Job shop scheduling adalah model permasalahan penjadwalan pekerjaan manufaktur yang bertujuan memperoleh total waktu pengerjaan (makespan) minimum. Model permasalahan ini dapat digunakan untuk memodelkan banyak permasalahan manufaktur di dunia nyata, seperti perakitan kendaraan, pembuatan alat elektronik dan produksi makanan .dll. Permasalahan ini bersifat NP-hard sehingga untuk tingkat kesulitan yang semakin tinggi, sangat sulit untuk menemukan solusi optimal dari sebuah kasus job shop scheduling. Solusi dari permasalahan job shop scheduling ini dapat ditemukan dengan menggunakan sebuah penjadwal (scheduler) dengan kemampuan komputasi tertentu (formula matematika, branch and bound atau aproksimasi). Tapi seiring dengan kebutuhan komputasi yang semakin besar, penggunaan sebuah penjadwal tidak lagi efisien. Perkembangan sistem komputasi dewasa ini bergerak ke arah komputasi terdistribusi sehingga penjadwal pun berkembang mengikutinya. Dalam tugas akhir ini, penulis membangun sistem multiagent untuk mengimplementasikan penjadwalan terdistribusi pada permasalahan job shop scheduling. Sistem multiagent ini memiliki kemampuan penalaran dan pembelajaran untuk dapat menentukan solusi terbaik untuk permasalahan yang berbeda secara otomatis. Sistem ini menggunakan case-based reasoning sebagai penalarannya dan reinforcement learning sebagai pembelajarannya. Setelah membangun dan menguji sistem multiagent dengan case-based reasoning dan reinforcement learning ini, penulis menyimpulkan bahwa sistem multiagent dapat menyelesaikan permasalahan job shop scheduling dan dapat belajar untuk menghasilkan solusi yang optimal untuk setiap kasus.
PENGEMBANGAN AKSELERATOR PERANGKAT KERAS BERBASIS RISC-V UNTUK REINFORCEMENT LEARNING
Reinforcement Learning (RL) merupakan salah satu kerangka pengembangan agen otonom yang marak digunakan. RL merupakan sebuah alternatif solusi pemodelan untuk sebuah permasalahan pada sebuah sistem yang terlalu kompleks untuk dibuat model secara matematis maupun algoritmik. Dengan demikian, RL marak digunakan pada permasalahan seperti robotika dan agen pengemudi otonom. Namun, meskipun sebuah alternatif yang tepat untuk banyak permasalahan, sering kali RL sulit untuk digunakan karena keterbatasan sumber daya perangkat keras. Hal int disebabkan karena umumnya RL memerlukan sumber daya perangkat keras yang signifikan. Hal int dapat menjadi hambatan saat ingin melakukan deployment model RL. pada komputer dengan sumber daya terbatas, seperti perangkat Internet of Things (IoT) atau edge computing. Oleh karena itu, pada penelitian ini dilakukan perancangan sebuah desain akselerator perangkat keras yang mampu membuat daya komputasi yang diperlukan untuk komputasi algoritma RL berkurang. Desain akselerator perangkat keras ini akan dilakukan pada sebuah Field Programmable Gate Array (FPGA) dengan arsitektur RISC-V, sebuah arsitektur instruksi yang boleh digunakan secara terbuka, dalam bentuk co-processor. Hasil yang telah dicapai pada tugas akhir ini berupa konfigurasi perangkat keras dan perangkat lunak, beserta desain dari perangkat lunak dan perangkat keras yang akan diimplementasikan. Kata kunci: reinforcement learning, co-processor, field programmable gate array, RISC-V