Trinusa Travelindo, yang dikenal sebagai Traveloka, adalah sebuah perusahaan teknologi Indonesia yang berspesialisasi dalam layanan perjalanan dan tiket. Berkantor pusat di Jakarta, perusahaan ini mengoperasikan situs web yang populer dan melayani enam negara. Didirikan pada tahun 2012 sebagai mesin pencari perjalanan, Traveloka telah memperluas penawarannya dengan memasukkan tiket atraksi, aktivitas, penyewaan transportasi, dan voucher restoran. Selain itu, Traveloka juga menyediakan layanan keuangan seperti kredit dan asuransi. Dengan valuasi sekitar $3 miliar pada tahun 2022, Traveloka diklasifikasikan sebagai perusahaan unicorn dan sering disamakan dengan Expedia untuk berbagai layanannya.

Sejarah

• Awal Mula Traveloka, Perusahaan Unicorn dari Indonesia

Pada awal tahun 2012, tiga insinyur perangkat lunak Indonesia yang saat itu bekerja di Silicon Valley memiliki ide untuk mendirikan sebuah perusahaan travel online. Ferry Unardi, Albert, dan Derianto Kusuma (jeda 5 detik) mengalami kesulitan saat melakukan perjalanan di Indonesia, sehingga mereka memutuskan untuk membangun sebuah situs web untuk memudahkan logistik perjalanan di negara ini.

Traveloka secara resmi diluncurkan pada bulan September 2012 sebagai situs metasearch untuk penerbangan di Indonesia. Dalam waktu singkat, perusahaan ini berhasil menarik investasi awal dan bertransisi menjadi biro perjalanan online yang lengkap. Mereka menawarkan berbagai metode pembayaran (jeda 3 detik) dan menerapkan layanan pelanggan 24 jam dalam beberapa bahasa.

• Ekspansi Traveloka ke Pasar Regional

Setelah meraih kesuksesan di Indonesia, Traveloka mulai berekspansi ke negara-negara tetangga di Asia Tenggara pada tahun 2015. Mereka membuka kantor regional di Thailand, Singapura, Malaysia, Filipina, dan Vietnam. (Jeda 4 detik) Layanan Traveloka terus berkembang, mulai dari pemesanan hotel, tiket kereta api, hingga paket liburan yang lengkap.

Pada tahun 2017, Traveloka mendapatkan pendanaan sebesar $350 juta dari investor global, menjadikannya perusahaan unicorn dengan valuasi lebih dari $1 miliar. Pendanaan ini digunakan untuk mengembangkan teknologi kecerdasan buatan dan memperluas jangkauan bisnis.

• Inovasi dan Strategi Selama Pandemi

Ketika pandemi COVID-19 melanda pada tahun 2020, bisnis travel Traveloka sempat terpukul. Namun, perusahaan dengan cepat beradaptasi dengan meluncurkan fitur-fitur baru seperti (jeda 3 detik) "Beli Sekarang, Bayar Nanti" untuk menawarkan fleksibilitas dalam pemesanan. Selain itu, mereka juga memperluas layanan mereka ke pengalaman online seperti kelas memasak virtual.

Dalam upaya memulihkan arus kas, Traveloka mengadakan flash sale online dan menawarkan paket tes COVID-19 yang terintegrasi. Strategi-strategi inovatif ini membantu Traveloka bertahan dari krisis dan kembali meraih keuntungan pada akhir 2020.

Saat ini, Traveloka telah bangkit kembali dan terus memperluas jaringan hotelnya, termasuk kemitraan dengan jaringan hotel Accor di 13 negara pada April 2022. Dengan valuasi baru-baru ini sebesar $3 miliar, Traveloka mengukuhkan posisinya sebagai pemain utama dalam industri perjalanan online di Asia Tenggara.

Website Traveloka

Traveloka adalah platform online serbaguna yang melayani berbagai kebutuhan, mulai dari perjalanan hingga layanan lokal dan solusi keuangan. Dengan antarmuka yang mudah digunakan dan tersedia dalam berbagai bahasa, Traveloka telah mengumpulkan lebih dari 100 juta unduhan dan memiliki sekitar 40 juta pengguna aktif bulanan. Menawarkan berbagai produk dan layanan yang komprehensif, Traveloka memfasilitasi pemesanan yang mudah untuk penerbangan, akomodasi, transportasi, dan banyak lagi.

Situs web ini menampilkan daftar dari lebih dari 150 maskapai penerbangan dan jutaan hotel, vila, dan penginapan di 100 negara. Selain itu, Traveloka juga menyediakan penawaran gaya hidup seperti tiket atraksi, aktivitas, penyewaan mobil, dan voucher restoran. Dukungan pelanggan tersedia sepanjang waktu dalam bahasa lokal, memastikan pengalaman yang lancar bagi pengguna di seluruh dunia.

Dalam hal layanan keuangan, Traveloka menyediakan pilihan manajemen kekayaan, asuransi, pembiayaan, dan kredit. Selain itu, Traveloka juga menawarkan fitur unik seperti Buy Now Stay Later untuk pemesanan akomodasi dan LIVEstyle untuk live streaming. Dengan beragam penawaran dan fitur inovatifnya, Traveloka terus mendefinisikan ulang lanskap perjalanan dan layanan online.

Disadur dari: en.wikipedia.org

OVO, platform pembayaran digital di bawah PT Visionet Internasional, berkantor pusat di Jakarta, Indonesia. Diluncurkan pada tahun 2017 dengan otorisasi dari Bank Indonesia, OVO dengan cepat menjadi terkenal dan mengamankan posisinya sebagai layanan pembayaran digital terdepan di Indonesia pada tahun 2019. Didukung oleh Grab dan investor lokal, OVO mencetak sejarah di tahun 2019 dengan menjadi unicorn teknologi finansial pertama di Indonesia.

Sejarah

OVO, yang lahir dari Grup Lippo, mendapatkan persetujuan regulator sebagai entitas fintech di seluruh Indonesia pada bulan September 2017, dengan mendapatkan lisensi uang elektronik dari Bank Indonesia. Dioperasikan di bawah PT Visionet International, perusahaan layanan keuangan digital milik Grup Lippo, OVO memperkenalkan dompet digitalnya pada September 2017. Tokyo Century Corporation melakukan investasi penting sebesar US$116 juta pada bulan Desember 2017, dengan mengakuisisi 20% saham perusahaan. OVO memperluas penawaran keuangannya pada tahun 2018, menarik investasi dari Grab.

Tokopedia, raksasa e-commerce Indonesia, bergabung dengan jajaran investor pada bulan Maret 2019, meningkatkan valuasi OVO menjadi US$2,9 miliar. Pada bulan Oktober 2019, OVO meraih status unicorn, menjadi unicorn teknologi finansial pertama di Indonesia dan unicorn kelima di Indonesia secara keseluruhan. Pergantian kepemimpinan terjadi pada tahun 2019, dengan Karaniya Dharmasaputra ditunjuk sebagai presiden direktur.

Grab meningkatkan kepemilikan sahamnya di OVO menjadi 79,5% pada tahun 2021, dan kemudian mencapai 90% kepemilikan setelah mengakuisisi saham dari Tokopedia dan Lippo Group pada Oktober 2021. Dyak NK Makhijani mengambil peran sebagai Presiden Komisaris di PT Visionet Internasional pada Agustus 2022, menandai kepemilikan dominan Grab atas OVO.

Produk dan layanan

OVO, yang terutama berfokus pada pembayaran digital dengan lisensi uang elektroniknya, muncul sebagai dompet digital terkemuka di Indonesia untuk transaksi online dan offline, berdasarkan laporan tahun 2021 oleh Kadence International.

Selain bisnis intinya, OVO merambah ke bidang jasa keuangan, menawarkan fasilitas pinjaman melalui Taralite, sebuah perusahaan pinjaman P2P yang diakuisisi pada tahun 2019. OVO juga menyediakan produk investasi dan asuransi melalui kolaborasi dengan mitra di bawah OVO | Investasikan dan OVO | Proteksi masing-masing.

Berkolaborasi dengan pemain kunci seperti Adira Finance, Bank BRI, Manulife Aset Manajemen Indonesia, dan Prudential Indonesia, OVO memperluas rangkaian layanan keuangannya untuk memenuhi beragam kebutuhan konsumen.

Disadur dari: en.wikipedia.org 

Benchmarking

Benchmarking melibatkan perbandingan proses bisnis dan metrik kinerja dengan praktik terbaik industri dan praktik perusahaan lain. Dimensi yang biasa diukur meliputi kualitas, waktu dan biaya. Proses ini menggunakan metrik tertentu seperti biaya per unit, produktivitas per unit, waktu siklus per unit, atau cacat per unit untuk memperoleh indikator kinerja utama yang kemudian dibandingkan dengan kinerja perusahaan lain.

Benchmarking, juga dikenal sebagai "benchmarking praktik terbaik" atau "benchmarking proses", digunakan dalam manajemen di mana organisasi mengevaluasi aspek-aspek tertentu dari proses mereka terhadap proses praktik terbaik industri perusahaan lain, biasanya dalam satu kelompok rekan terpelajar untuk tujuan perbandingan. Hal ini memungkinkan perusahaan untuk merencanakan perbaikan atau mengadopsi praktik terbaik untuk meningkatkan kinerja mereka. Meskipun merupakan peristiwa yang terisolasi, benchmarking sering dipandang sebagai proses berkelanjutan dimana perusahaan terus berupaya untuk meningkatkan praktik mereka.

Dalam manajemen proyek, benchmarking juga dapat mendukung pemilihan, perencanaan dan pelaksanaan proyek. Dalam pembandingan praktik terbaik, manajemen mengidentifikasi perusahaan terbaik di industrinya atau industri serupa dengan membandingkan hasil dan proses yang diperiksa dengan hasil dan proses perusahaannya sendiri. Tujuannya adalah untuk memahami kinerja perusahaan yang paling sukses dan mengidentifikasi proses bisnis yang menjelaskan kesuksesan mereka. Benchmarking dapat digunakan sebagai alat penilaian berkelanjutan untuk membantu organisasi terus meningkatkan praktik mereka berdasarkan standar industri atau praktik terbaik yang teridentifikasi.

Sejarah

Analisis komparatif yang berawal dari sejarah senjata dan amunisi memiliki tujuan yang sesuai dengan kondisi perekonomian, yaitu perbandingan dan peningkatan kinerja. Pengenalan senjata mesiu secara historis telah mengubah dinamika pertempuran, seperti halnya benchmarking yang telah mengubah pendekatan terhadap bisnis. Analogi ini dibuat dengan peralihan dari busur dan anak panah ke senjata, yang mengubah peran pemanah menjadi penembak jitu. Seiring berkembangnya industri senjata api di abad ke-19, produksi massalamunisi menggantikan pemuatan tangan, sehingga menciptakan kebutuhan untuk menemukan kombinasi senapan dan amunisi terbaik.

Pada tahun 2008, studi mendalam yang dilakukan oleh Global Benchmarking Network menemukan bahwa alat perbaikan yang paling umum digunakan adalah misi dan visi, survei pelanggan, analisis SWOT, dan benchmarking informal.Tolok ukur kinerja dan praktik terbaik juga digunakan dan tren ini akan terus semakin populer di masa depan. Analisis ini menjelaskan secara rinci penggunaan benchmarking dalam berbagai alat manajemen serta menjelaskan perkembangan dan perkiraan penggunaannya.

Prosedur

Tidak ada proses benchmarking tunggal yang telah diadopsi secara universal. Daya tarik yang luas dan penerimaan benchmarking telah menyebabkan munculnya metodologi benchmarking. Satu buku mani adalah Benchmarking Boxwell untuk Keunggulan Kompetitif (1994). Buku pertama tentang benchmarking, ditulis dan diterbitkan oleh Kaiser Associates, adalah panduan praktis dan menawarkan pendekatan tujuh langkah. Robert Camp (yang menulis salah satu buku paling awal tentang benchmarking pada tahun 1989) mengembangkan pendekatan 12-tahap untuk benchmarking.

Metodologi 12 tahap terdiri dari:

1. Pilih subjek
2. Tentukan prosesnya
3. Identifikasi mitra potensial
4. Identifikasi sumber data
5. Kumpulkan data dan pilih semua mitra
6. Tentukan kesenjangan
7. Tetapkan perbedaan proses
8. Targetkan kinerja masa depan
9. Menyampaikan
10. Sesuaikan tujuan
11. Melaksanakan
12. Tinjau dan kalibrasi ulang

Berikut ini adalah contoh metodologi benchmarking yang khas:

• Identifikasi area masalah: Karena benchmarking dapat diterapkan pada proses atau fungsi bisnis apa pun, berbagai teknik penelitian mungkin diperlukan. Mereka termasuk percakapan informal dengan pelanggan, karyawan, atau pemasok; teknik penelitian eksplorasi seperti kelompok fokus; atau riset pemasaran mendalam, riset kuantitatif, survei, kuesioner, analisis rekayasa ulang, pemetaan proses, laporan varians kontrol kualitas, analisis rasio keuangan, atau sekadar meninjau waktu siklus atau indikator kinerja lainnya. Sebelum memulai perbandingan dengan organisasi lain, penting untuk mengetahui fungsi dan proses organisasi; kinerja lapisan dasar memberikan titik di mana upaya peningkatan dapat diukur.
• Identifikasi industri lain yang memiliki proses serupa: Misalnya, jika seseorang tertarik untuk meningkatkan hand-off dalam pengobatan kecanduan, ia akan mengidentifikasi bidang lain yang juga memiliki tantangan hand-off. Ini dapat mencakup kontrol lalu lintas udara, peralihan telepon seluler antar menara, pemindahan pasien dari operasi ke ruang pemulihan.
• Identifikasi organisasi yang menjadi pemimpin di bidang ini: Carilah yang terbaik di industri mana pun dan di negara mana pun. Konsultasikan dengan pelanggan, pemasok, analis keuangan, asosiasi perdagangan, dan majalah untuk menentukan perusahaan mana yang layak dipelajari.
• Perusahaan survei untuk tindakan dan praktik: Perusahaan menargetkan proses bisnis tertentu menggunakan survei terperinci tentang tindakan dan praktik yang digunakan untuk mengidentifikasi alternatif proses bisnis dan perusahaan terkemuka. Survei biasanya ditutupi untuk melindungi data rahasia oleh asosiasi dan konsultan netral.
• Kunjungi perusahaan "praktik terbaik" untuk mengidentifikasi praktik terdepan: Perusahaan biasanya setuju untuk saling bertukar informasi yang bermanfaat bagi semua pihak dalam kelompok pembanding dan berbagi hasil di dalam kelompok.
• Menerapkan praktik bisnis baru dan lebih baik: Ambil praktik terdepan dan kembangkan rencana implementasi yang mencakup identifikasi peluang spesifik, mendanai proyek, dan menjual ide kepada organisasi dengan tujuan mendapatkan nilai yang ditunjukkan dari proses tersebut.

Biaya

Tiga jenis biaya utama dalam benchmarking adalah:

• Biaya Kunjungan - Ini termasuk kamar hotel, biaya perjalanan, makan, hadiah token, dan waktu kerja yang hilang.
• Biaya Waktu - Anggota tim benchmarking akan menginvestasikan waktu untuk meneliti masalah, menemukan perusahaan luar biasa untuk dipelajari, dikunjungi, dan diimplementasikan. Ini akan menjauhkan mereka dari tugas rutin mereka untuk sebagian dari setiap hari sehingga staf tambahan mungkin diperlukan.
• Benchmarking Biaya Basis Data - Organisasi yang melembagakan benchmarking ke dalam prosedur harian mereka merasa berguna untuk membuat dan memelihara basis data praktik terbaik dan perusahaan yang terkait dengan setiap praktik terbaik sekarang.

Biaya benchmarking secara substansial dapat dikurangi dengan memanfaatkan banyak sumber daya internet yang bermunculan selama beberapa tahun terakhir. Ini bertujuan untuk menangkap tolok ukur dan praktik terbaik dari organisasi, sektor bisnis, dan negara untuk membuat proses pembandingan lebih cepat dan lebih murah.

Pembandingan teknis/produk

Teknik yang awalnya digunakan untuk membandingkan strategi perusahaan yang ada dengan pandangan untuk mencapai kinerja terbaik dalam situasi baru (lihat di atas), baru-baru ini diperluas ke perbandingan produk teknis. Proses ini biasanya disebut sebagai “technical benchmarking” atau “product benchmarking”. Penggunaannya dikembangkan dengan baik dalam industri otomotif ("pembandingan otomotif"), di mana sangat penting untuk merancang produk yang sesuai dengan harapan pengguna yang tepat, dengan biaya minimal, dengan menerapkan teknologi terbaik yang tersedia di seluruh dunia. Data diperoleh dengan sepenuhnya membongkar mobil yang ada dan sistemnya. Analisis tersebut awalnya dilakukan di rumah oleh pembuat mobil dan pemasok mereka. Namun, karena analisis ini mahal, mereka semakin banyak dialihdayakan ke perusahaan yang berspesialisasi dalam bidang ini. Outsourcing telah memungkinkan penurunan drastis dalam biaya untuk setiap perusahaan (dengan pembagian biaya) dan pengembangan alat yang efisien (standar, perangkat lunak).

Jenis

Benchmarking dapat bersifat internal (membandingkan kinerja antara kelompok atau tim yang berbeda dalam suatu organisasi) atau eksternal (membandingkan kinerja dengan perusahaan dalam industri tertentu atau lintas industri). Dalam kategori yang lebih luas ini, ada tiga jenis pembandingan khusus: 1) Pembandingan proses, 2) Pembandingan kinerja, dan 3) Pembandingan strategis. Hal-hal tersebut dapat dirinci lebih lanjut sebagai berikut:

• Proses benchmarking - perusahaan yang memulai memfokuskan pengamatan dan penyelidikan proses bisnis dengan tujuan mengidentifikasi dan mengamati praktik terbaik dari satu atau lebih perusahaan benchmark. Analisis aktivitas akan diperlukan jika tujuannya adalah untuk membandingkan biaya dan efisiensi; semakin diterapkan pada proses back-office di mana outsourcing dapat menjadi pertimbangan. Pembandingan adalah tepat di hampir setiap kasus di mana proses desain ulang atau perbaikan akan dilakukan selama biaya studi tidak melebihi manfaat yang diharapkan.
• Pembandingan keuangan - melakukan analisis keuangan dan membandingkan hasilnya dalam upaya menilai daya saing dan produktivitas Anda secara keseluruhan.
• Benchmarking dari perspektif investor- memperluas dunia benchmarking untuk juga dibandingkan dengan perusahaan sejenis yang dapat dianggap sebagai peluang investasi alternatif dari perspektif investor.
• Pembandingan di sektor publik - berfungsi sebagai alat untuk perbaikan dan inovasi dalam administrasi publik, di mana organisasi negara menginvestasikan upaya dan sumber daya untuk mencapai kualitas, efisiensi dan efektivitas layanan yang mereka berikan.
• Pembandingan kinerja - memungkinkan perusahaan pemrakarsa untuk menilai posisi kompetitif mereka dengan membandingkan produk dan layanan dengan perusahaan target.
• Pembandingan produk - proses merancang produk baru atau meningkatkan ke yang sekarang. Proses ini terkadang dapat melibatkan rekayasa balik yang membongkar produk pesaing untuk menemukan kekuatan dan kelemahan.
• Benchmarking strategis - melibatkan mengamati bagaimana orang lain bersaing. Jenis ini biasanya tidak spesifik industri, artinya yang terbaik adalah melihat industri lain, yaitu Benchmarking Strategis dengan bantuan PIMS (Dampak laba dari strategi pemasaran).
• Pembandingan fungsional - perusahaan akan memfokuskan pembandingannya pada satu fungsi untuk meningkatkan pengoperasian fungsi tertentu. Fungsi kompleks seperti Sumber Daya Manusia, Keuangan dan Akuntansi serta Teknologi Informasi dan Komunikasi tidak mungkin dapat dibandingkan secara langsung dalam hal biaya dan efisiensi dan mungkin perlu dipisahkan ke dalam proses untuk membuat perbandingan yang valid.
• Pembandingan terbaik di kelasnya - melibatkan mempelajari pesaing terkemuka atau perusahaan yang paling baik menjalankan fungsi tertentu.
• Pembandingan operasional mencakup segala hal mulai dari staf dan produktivitas hingga aliran kantor dan analisis prosedur yang dilakukan.
• Pembandingan energi - proses pengumpulan, analisis, dan hubungan data kinerja energi dari aktivitas yang sebanding dengan tujuan mengevaluasi dan membandingkan kinerja antara atau di dalam entitas. Entitas dapat mencakup proses, bangunan, atau perusahaan. Pembandingan mungkin bersifat internal antara entitas dalam satu organisasi, atau - tunduk pada pembatasan kerahasiaan - eksternal antara entitas yang bersaing.

Peralatan

Perangkat lunak benchmarking dapat digunakan untuk mengatur sejumlah besar dan kompleks informasi. Paket perangkat lunak dapat memperluas konsep pembandingan dan analisis kompetitif dengan memungkinkan individu untuk menangani jumlah atau strategi yang begitu besar dan kompleks. Alat tersebut mendukung berbagai jenis pembandingan (lihat di atas) dan dapat mengurangi biaya di atas secara signifikan.

Teknologi mesin benchmarking yang muncul mengotomatiskan tahap beralih dari data ke wawasan komparatif yang patut diperhatikan, kadang-kadang bahkan mengungkapkan wawasan dalam kalimat bahasa Inggris.

Pembandingan metrik

Pendekatan lain untuk membuat perbandingan melibatkan penggunaan informasi biaya atau produksi yang lebih agregat untuk mengidentifikasi unit berkinerja kuat dan lemah. Dua bentuk analisis kuantitatif yang paling umum digunakan dalam benchmarking metrik adalah data envelopment analysis (DEA) dan analisis regresi. DEA memperkirakan tingkat biaya yang harus dapat dicapai oleh perusahaan yang efisien di pasar tertentu. Dalam regulasi infrastruktur, DEA dapat digunakan untuk memberi penghargaan kepada perusahaan/operator yang biayanya mendekati batas efisien dengan keuntungan tambahan. Analisis regresi memperkirakan apa yang rata-rata perusahaan harus dapat capai. Dengan analisis regresi, perusahaan yang berkinerja lebih baik dari rata-rata dapat diberi penghargaan sementara perusahaan yang berkinerja lebih buruk dari rata-rata dapat dihukum. Studi benchmarking tersebut digunakan untuk membuat perbandingan tolok ukur, yang memungkinkan pihak luar untuk mengevaluasi kinerja operator dalam suatu industri. Teknik statistik canggih, termasuk analisis garis batas stokastik, telah digunakan untuk mengidentifikasi kinerja tinggi dan lemah dalam industri, termasuk aplikasi ke sekolah, rumah sakit, utilitas air, dan utilitas listrik.

Salah satu tantangan terbesar untuk benchmarking metrik adalah berbagai definisi metrik yang digunakan di antara perusahaan atau divisi. Definisi dapat berubah dari waktu ke waktu dalam organisasi yang sama karena perubahan dalam kepemimpinan dan prioritas. Perbandingan yang paling berguna dapat dibuat ketika definisi metrik sama antara unit yang dibandingkan dan tidak berubah sehingga perbaikan dapat diubah.

Disadur dari : en.wikipedia.org

Pendampingan atau lebih dikenal dengan istilah Mentorship. Mentorship berakar kata dari Mentor dalam Kamus Besar Bahasa Indonesia (KBBI) memiliki makna pembimbing atau pengasuh. Secara istilah ditemukan banyak sekali definisi terhadap kata Mentoring, tercatat hingga tahun 2007 ada lebih dari 50 definisi yang menggambarkan makna dari Mentoring. Dalam buku karya Gendro Salim yang berjudul Effective Coaching, ia memberikan memaknai Mentoring sebagai sebuah aktivitas bimbingan dari seseorang yang sudah sangat menguasai hal-hal tertentu dan membagikan ilmunya kepada orang yang membutuhkannya. Orang yang melakukan kegiatan mentoring disebut dengan Mentor sedangkan orang yang di-mentor-i disebut Mentee.

Perbedaan Mentoring (Pendampingan) dan Coaching

Kedua terminologi ini sering kali dianggap memiliki makna yang sama. bahkan tidak jarang orang-orang mengunakan terma ini dalam ranah yang sama. berikut ini adalah perbedaan antara Mentoring dan Coaching.

Coaching

• Membantu individu untuk mengembangkan solusi mereka sendiri dan melatih proses berpikir, yang kemudian dapat diterapkan secara mandiri di masa depan.
• Coach umumnya tidak diperlukan untuk ahli dalam bidang usaha klien

Mentoring

• Biasanya melibatkan bimbingan dari seorang individu yang lebih berpengalaman atau senior.
• Menimbulkan berbagai hubungan pendampingan jangka panjang antara mentee dan mentor.
• Mentor akan diharapkan untuk mengetahui jawaban atas tugas yang dilakukan oleh mentee

Sumber Artikel : Wikipedia

Optimasi kombinatorial

Optimasi kombinatorial merupakan subbidang optimasi matematis yang terdiri dari pencarian objek yang optimal dari sekumpulan objek berhingga, dimana himpunan solusi fisibel adalah diskrit atau dapat direduksi menjadi himpunan diskrit. Masalah optimasi kombinatorial yang umum adalah masalah travelling salesman ("TSP"), masalah pohon merentang minimum ("MST"), dan masalah knapsack. Dalam banyak masalah seperti itu, seperti yang disebutkan sebelumnya, pencarian lengkap tidak dapat dilacak, sehingga algoritma khusus yang dengan cepat mengesampingkan sebagian besar ruang pencarian atau algoritma perkiraan harus digunakan sebagai gantinya.

Optimasi kombinatorial berkaitan dengan riset operasi, teori algoritma, dan teori kompleksitas komputasi. Ini memiliki aplikasi penting di beberapa bidang, termasuk kecerdasan buatan, pembelajaran mesin, teori lelang, rekayasa perangkat lunak, matematika terapan, dan ilmu komputer teoretis.

Beberapa literatur penelitian menganggap optimasi diskrit terdiri dari pemrograman integer bersama dengan optimasi kombinatorial (yang pada gilirannya terdiri dari masalah optimasi yang berhubungan dengan struktur grafik), meskipun semua topik ini memiliki literatur penelitian yang terkait erat. Ini sering melibatkan penentuan cara untuk secara efisien mengalokasikan sumber daya yang digunakan untuk menemukan solusi untuk masalah matematika.

Aplikasi

Logistik

• Optimalisasi rantai pasokan
• Mengembangkan jaringan jari-jari dan tujuan maskapai terbaik
• Memutuskan taksi mana dalam armada yang akan dirutekan untuk mengambil tarif
• Menentukan cara pengiriman paket yang optimal
• Mengalokasikan pekerjaan kepada orang-orang secara optimal
• Merancang jaringan distribusi air
• Masalah ilmu kebumian (misalnya laju aliran reservoir)

Metode

Ada banyak literatur tentang algoritma waktu polinomial untuk kelas khusus tertentu dari optimasi diskrit. Sejumlah besar itu disatukan oleh teori pemrograman linier. Beberapa contoh masalah optimasi kombinatorial yang dicakup oleh kerangka kerja ini adalah jalur terpendek dan pohon jalur terpendek, aliran dan sirkulasi, pohon rentang, pencocokan, dan masalah matroid.

Untuk masalah optimasi diskrit lengkap NP, literatur penelitian saat ini mencakup topik-topik berikut:

• waktu polinomial kasus khusus yang dapat dipecahkan secara tepat dari masalah yang dihadapi (misalnya, masalah yang dapat diselesaikan dengan parameter tetap)
• algoritme yang berkinerja baik pada instans "acak" (mis. untuk masalah penjual keliling)
• algoritma aproksimasi yang berjalan dalam waktu polinomial dan menemukan solusi yang mendekati optimal
• memecahkan contoh dunia nyata yang muncul dalam praktik dan tidak selalu menunjukkan perilaku kasus terburuk dalam masalah NP-lengkap (misalnya contoh TSP dunia nyata dengan puluhan ribu node [6]).

Masalah optimasi kombinatorial dapat dilihat sebagai pencarian elemen terbaik dari beberapa set item diskrit; oleh karena itu, pada prinsipnya, segala jenis algoritma pencarian atau metaheuristik dapat digunakan untuk menyelesaikannya. Mungkin pendekatan [kata musang] yang paling dapat diterapkan secara universal adalah cabang-dan-terikat (algoritma tepat yang dapat dihentikan kapan saja untuk berfungsi sebagai heuristik), cabang-dan-potong (menggunakan optimasi linier untuk menghasilkan batas), dinamis pemrograman (konstruksi solusi rekursif dengan jendela pencarian terbatas) dan pencarian tabu (algoritma swapping tipe serakah). Namun, algoritma pencarian generik tidak dijamin untuk menemukan solusi optimal terlebih dahulu, juga tidak dijamin berjalan cepat (dalam waktu polinomial). Karena beberapa masalah optimasi diskrit adalah NP-complete, seperti masalah travelling salesman (decision),[7] hal ini diharapkan kecuali P=NP.

Definisi formal

Secara formal, masalah optimisasi kombinatorial adalah empat kali lipat, di mana

•  adalah sekumpulan instance;
• diberikan contoh adalah himpunan hingga dari solusi layak;
• diberikan contoh dan solusi yang layak dari , menunjukkan ukuran , yang biasanya real positif.
• adalah fungsi tujuan, dan merupakan  atau .

Tujuannya adalah kemudian untuk menemukan beberapa contoh solusi optimal, yaitu solusi yang layak  dengan

Untuk setiap masalah optimasi kombinatorial, ada masalah keputusan terkait yang menanyakan apakah ada solusi yang layak untuk ukuran tertentu . Misalnya, jika ada graf yang berisi simpul dan , masalah pengoptimalan mungkin "menemukan jalur dari ke  yang menggunakan tepi paling sedikit". Masalah ini mungkin memiliki jawaban, katakanlah, 4. Masalah keputusan yang sesuai adalah "apakah ada jalur dari ke  yang menggunakan 10 sisi atau lebih sedikit?" Masalah ini dapat dijawab dengan sederhana 'ya' atau 'tidak'.

Bidang algoritme aproksimasi berkaitan dengan algoritme untuk menemukan solusi yang mendekati optimal untuk masalah sulit. Versi keputusan yang biasa kemudian merupakan definisi masalah yang tidak memadai karena hanya menentukan solusi yang dapat diterima. Meskipun kita dapat memperkenalkan masalah keputusan yang sesuai, masalah tersebut kemudian secara lebih alami dicirikan sebagai masalah optimasi.

Masalah optimasi NP

Masalah optimasi NP (NPO) adalah masalah optimasi kombinatorial dengan kondisi tambahan berikut.[9] Perhatikan bahwa polinomial yang dirujuk di bawah ini adalah fungsi dari ukuran input fungsi masing-masing, bukan ukuran beberapa set implisit dari instance input.

• ukuran setiap solusi yang layak dibatasi secara polinomial dalam ukuran instance yang diberikan ,
• bahasa dan  dapat dikenali dalam waktu polinomial, dan
• adalah waktu polinomial yang dapat dihitung.

Ini menyiratkan bahwa masalah keputusan yang sesuai ada di NP. Dalam ilmu komputer, masalah optimasi yang menarik biasanya memiliki sifat-sifat di atas dan oleh karena itu merupakan masalah NPO. Masalah juga disebut masalah optimasi-P (PO), jika ada algoritma yang menemukan solusi optimal dalam waktu polinomial. Seringkali, ketika berhadapan dengan kelas NPO, seseorang tertarik pada masalah optimasi yang versi keputusannya adalah NP-complete. Perhatikan bahwa hubungan kekerasan selalu berkaitan dengan beberapa pengurangan. Karena hubungan antara algoritma aproksimasi dan masalah optimasi komputasi, reduksi yang mempertahankan aproksimasi dalam beberapa hal lebih disukai untuk subjek ini daripada reduksi Turing dan Karp biasa. Contoh pengurangan seperti itu adalah pengurangan-L. Untuk alasan ini, masalah optimasi dengan versi keputusan NP-complete tidak selalu disebut NPO-complete.

NPO dibagi menjadi beberapa subkelas berikut menurut perkiraannya:

• NPO(I): Sama dengan FPTAS. Berisi masalah Knapsack.
• NPO(II): Sama dengan PTAS. Berisi masalah penjadwalan Makespan.
• NPO(III): :Kelas masalah NPO yang memiliki algoritma polinomial-waktu yang menghitung solusi dengan biaya paling banyak c kali biaya optimal (untuk masalah minimisasi) atau biaya paling sedikit {\displaystyle 1/c}1/c dari biaya optimal (untuk masalah maksimisasi). Dalam buku Hromkovi[yang mana?], yang dikecualikan dari kelas ini adalah semua masalah NPO(II) kecuali jika P=NP. Tanpa pengecualian, sama dengan APX. Berisi MAX-SAT dan metrik TSP.
• NPO(IV): :Kelas masalah NPO dengan algoritma waktu polinomial yang mendekati solusi optimal dengan rasio polinomial dalam logaritma dari ukuran input. Dalam buku Hromkovi, semua masalah NPO(III) dikeluarkan dari kelas ini kecuali P=NP. Berisi masalah set cover.
• NPO(V): :Kelas masalah NPO dengan algoritma waktu polinomial yang mendekati solusi optimal dengan rasio yang dibatasi oleh beberapa fungsi pada n. Dalam buku Hromkovic, semua masalah
• NPO(IV) dikeluarkan dari kelas ini kecuali P=NP. Berisi masalah TSP dan klik.

Masalah NPO disebut berbatas polinomial (PB) jika, untuk setiap instance dan untuk setiap solusi , ukurannya dibatasi oleh fungsi polinomial dengan ukuran . Kelas NPOPB adalah kelas masalah NPO yang berbatas polinomial.

Masalah khusus

Ini adalah daftar dinamis dan mungkin tidak akan pernah dapat memenuhi standar kelengkapan tertentu. Anda dapat membantu dengan menambahkan item yang hilang dengan sumber terpercaya.

Tur wiraniaga keliling yang optimal melalui 15 kota terbesar di Jerman. Ini adalah tur terpendek di antara 43.589.145.600 kemungkinan tur yang mengunjungi setiap kota tepat satu kali.

• Masalah tugas
• Masalah penutupan
• Masalah kepuasan kendala
• Masalah pemotongan stok
• Masalah himpunan yang mendominasi
• Pemrograman bilangan bulat
• Masalah ransel
• Variabel relevan minimum dalam sistem linier
• Pohon merentang minimum
• Masalah penjadwalan perawat
• Setel masalah penutup
• Penjadwalan toko kerja
• Masalah penjual keliling
• Masalah penjadwalan ulang kendaraan
• Masalah perutean kendaraan
• Masalah penugasan target senjata
• Masalah pengepakan tempat sampah

Disadur dari: en.wikipedia.org

Teori Konstruktivisme didefinisikan sebagai pembelajaran yang bersifat generatif, yaitu tindakan mencipta sesuatu makna dari apa yang dipelajari. Konstruktivisme sebenarnya bukan merupakan gagasan yang baru, apa yang dilalui dalam kehidupan kita selama ini merupakan himpunan dan pembinaan pengalaman demi pengalaman. Ini menyebabkan seseorang mempunyai pengetahuan dan menjadi lebih dinamis. Pendekatan konstruktivisme mempunyai beberapa konsep umum seperti:

1. Pelajar aktif membina pengetahuan berasaskan pengalaman yang sudah ada.
2. Dalam konteks pembelajaran, pelajar seharusnya mampu membina pengetahuan mereka secara mandiri.
3. Pentingnya membina pengetahuan secara aktif oleh pelajar sendiri melalui proses saling memengaruhi antara pembelajaran terdahulu dengan pembelajaran terbaru.
4. Unsur terpenting dalam teori ini ialah seseorang membina pengetahuan dirinya secara aktif dengan cara membandingkan informasi baru dengan pemahamannya yang sudah ada.
5. Ketidakseimbangan merupakan faktor motivasi pembelajaran yang utama. Faktor ini berlaku apabila seorang pelajar menyadari gagasan-gagasannya tidak konsisten atau sesuai dengan pengetahuan ilmiah.
6. Bahan pengajaran yang disediakan perlu mempunyai perkaitan dengan pengalaman pelajar untuk menarik minat pelajar.

Sumber Artikel : Wikipedia