Cerdas Inovasi DigitalPengembang Software ~ Layanan JasaTraining/Pelatihan ~ Berdiri sejak 1995

Memuat

Kursus Algoritma Metaheuristik Hybrid untuk Optimasi Multi-Objektif Skala Besar

Kuasai optimasi multi-objektif: front Pareto dan fungsi uji ZDT/DTLZ, NSGA-II dan MOPSO dari nol, merancang algoritma hybrid dengan langkah PSO dan pencarian lokal, metrik hypervolume, IGD, spread, sampai studi kasus 200 variabel dengan uji statistik.

✅ 6 Video + PDF🐍 Python🎓 Cocok untuk skripsi & tesis🔒 Dataset & file project khusus pelanggan

Kursus Optimasi Multi-Objektif, kurikulum dan hasil tiap modul, gambar 1

Kursus Optimasi Multi-Objektif, kurikulum dan hasil tiap modul, gambar 2

Kursus Optimasi Multi-Objektif, kurikulum dan hasil tiap modul, gambar 3

Kursus Optimasi Multi-Objektif, kurikulum dan hasil tiap modul, gambar 4

Kursus Optimasi Multi-Objektif, kurikulum dan hasil tiap modul, gambar 5

Kursus Optimasi Multi-Objektif, kurikulum dan hasil tiap modul, gambar 6

Kursus Optimasi Multi-Objektif, kurikulum dan hasil tiap modul, gambar 7

1 / 7

Geser untuk melihat kurikulum dan hasil setiap modul.

Lihat Paket & Daftar Kursus Tonton Modul 1 Gratis

11×

IGD hybrid lebih kecil dari NSGA-II (200 variabel)

100 vs 300

Generasi untuk mencapai front ZDT: hybrid vs NSGA-II

p = 0,00016

Uji Wilcoxon 10 percobaan

4 fungsi uji

ZDT1, ZDT2, ZDT3, DTLZ2

Apa yang Akan Kamu Pelajari?

Enam modul berurutan mengikuti alur penelitian optimasi multi-objektif sungguhan, setiap modul menghasilkan kode yang berjalan dan grafik yang siap dipakai di laporan.

Pareto & Dominasi

Konsep dominasi, front Pareto, dan fungsi uji ZDT/DTLZ.

🧬

NSGA-II dari Nol

Non-dominated sorting, crowding distance, SBX, mutasi polinomial.

🐦

MOPSO

Arsip Pareto, pemilihan pemimpin, dan turbulensi.

🔀

Algoritma Hybrid

SBX + langkah PSO + pencarian lokal dengan evaluasi yang sama.

Metrik Kinerja

Hypervolume, IGD, dan spread.

Skala Besar & Statistik

200 variabel, 10 percobaan, dan uji Wilcoxon.

Kurikulum: 6 Modul Video

Video 6–11 menit per modul, lengkap dengan PDF panduan. Modul 1 bisa ditonton gratis.

Siapa yang Cocok Mengikuti?

Mahasiswa S1/S2 (skripsi & tesis)

Kerangka penelitian optimasi multi-objektif lengkap: metode pembanding, metode usulan, eksperimen, dan evaluasi siap bab 4.

Peneliti & dosen

Kode Python yang rapi dan mudah diganti data, parameter, atau metodenya untuk publikasi.

Praktisi & engineer

Memahami cara kerja optimasi multi-objektif dari teori sampai implementasi yang bisa dicoba sendiri.

Developer & data scientist

Praktik Python pada studi kasus nyata, bukan sekadar contoh mainan.

Butuh Pendampingan Riset Optimasi?

Kami membantu implementasi model, eksperimen, evaluasi, dan penulisan hasil untuk skripsi, tesis, maupun publikasi.

Lihat Jasa Riset Optimasi

Pertanyaan Umum

Apakah cocok untuk skripsi atau tesis?+

Ya. Alurnya mengikuti penelitian sungguhan: metode pembanding, metode usulan, eksperimen, evaluasi, dan analisis hasil yang bisa langsung menjadi kerangka bab 3 dan bab 4.

Data apa yang dipakai?+

Fungsi uji ZDT dan DTLZ (tanpa dataset). Data yang dipakai disertakan di file project sehingga hasilnya bisa diulang.

Apakah tersedia source code dan dataset?+

Ya. Pelanggan Kelas Premium dan pembeli kelas mendapat zip berisi dataset dan seluruh source code dari keenam modul, diunduh lewat link aman dari halaman kelas.

Prasyarat apa yang dibutuhkan?+

Dasar Python, Python 3.10+, dan VS Code. Library yang dipakai: numpy scipy matplotlib.

Apakah ada modul gratis?+

Ada. Modul 1 bisa ditonton gratis di halaman kelas; modul berikutnya untuk pelanggan Kelas Premium atau pembeli kelas.

Apakah ada pendampingan untuk penelitian saya?+

Ya, tersedia kelas live online dan jasa pendampingan riset optimasi untuk skripsi, tesis, maupun publikasi.

Mulai Riset Optimasi Anda

Konsultasikan topik penelitian Anda, kami bantu pilihkan paket belajar yang paling sesuai.

Konsultasi Gratis