Optimisasi Operasi Sistem Tenaga Listrik dengan Konstrain Kapabilitas Operasi Generator dan Kestabilan Steady State Global

Ukuran: px
Mulai penontonan dengan halaman:

Download "Optimisasi Operasi Sistem Tenaga Listrik dengan Konstrain Kapabilitas Operasi Generator dan Kestabilan Steady State Global"

Transkripsi

1 Optmsas Operas Sstem Tenaga Lstr dengan Konstran Kapabltas Operas Generator dan Kestablan Steady State Global Johny Custer,, Indar Chaerah Gunadn, Ontoseno Penangsang 3, Ad Soeprjanto 4,,3,4 Jurusan Ten Eletro Faultas Tenolog Industr Insttut Tenolog Sepuluh Nopember Surabaya 60 Polten Bengals, Jln bathn Alam desa Sunga Alam Bengals87 Ten Eletro, Unverstas Hasanuddn Maassar, 9045 Emal : johny_custer@yahoo.co.d dan johny_custer@polbeng.ac.d Abstra Operas sstem tenaga lstr harus delola secara efsen, efetf, dan aman. Pembangtan dan penyaluran energ harus dlauan seeonoms mungn dengan tetap mempertahanan eamanan. Untu mencapa tujuan tersebut terdapat endala yang harus dhadap yatu apabltas emampuan operas generator dan establan steady state sstem secara eseluruhan. Kendala n dsebaban dalam sstem elstran aan selalu terjad perubahan daya pada beban yang mengabatan terjad perubahan daya pada generator. Maalah n mengusulan optmsas operas suatu sstem tenaga lstr menggunaan Modfed Improved Partcle Swarm Optmzaton (MIPSO) dengan mempertmbangan batasan emampuan operas generator dan batasan establan steady state yang menerapan metoda REI (Radal Equvalent Independent) Dmo. Dharapan dengan tambahan batasan yang dusulan, generator dapat beroperas pada batas tt operas generator sehngga onds operas palng eonoms dan aman dapat dcapa. Smulas dlauan pada sstem 500 V Jawa Bal yang terdr dar 8 generator dan 3 bus. Kata unc : MIPSO,Kestablan steady state, urva apabltas generator, optmal power flow. REI Dmo method.. Pendahuluan Operas sstem tenaga lstr berhubungan dengan baya operas yang besar dan ualtas yang dberan oleh produsen epada onsumen. Pengoperasan pembangt merupaan baya terbesar dalam sstem tenaga lstr sehngga sangat dperluan cara pengoperasan pembangtan yang efsen. Salah satu solus bag produsen lstr untu menean baya operas adalah dengan menentuan alran daya yang optmal (optmal power flow). Analss alran daya optmal untu memnmalan baya pembangtan basanya denal dengan economc dspatch. Sebelumnya para penelt telah melauan peneltan peneltan untu mendapatan nla eonoms dalam operas sstem tenaga lstr ba secara onvensonal maupun menggunaan artfcal ntellgence (AI). Agar batas pengoperasan generator benar-benar realsts, maa batas yang dpaa sebanya batas urva apabltas generator. Supaya urva apabltas generator dapat dgunaan sebaga onstrant dalam Optmal Power Flow (OPF) maa dgunaan model neural networ sebaga penggant urva apabltas generator. Model n telah dembangan oleh Mat Sya n d. Sebuah ten serba cepat dengan latar belaang valdas nla batas eamanan yang dgunaan dalam atannya dengan aplas real-tme nla stabltas steady state dembangan oleh Paul Dmo dan telah dbutan pemanfaatanya. Metode Radal Equvalent Independent (REI) Dmo dapat dgunaan untu rtera stabltas daya reatf, juga denal sebaga dq/dv atau d Q/dV untu mengevaluas stabltas las. Pada maalah n dusulan optmsas operas suatu sstem tenaga lstr menggunaan metode Modfed Improved Partcle Swarm Optmzaton (MIPSO) mempertmbangan batasan emampuan operas generator menggunaan Neural Networ dan batasan establan steady state yang menerapan metoda REI Dmo. Dharapan dengan tambahan batasan yang dusulan berdasaran referens datas, generator dapat beroperas pada batas tt operas generator sehngga onds operas palng eonoms dan aman dapat dcapa.. Metodolog Peneltan Flowchart dar tahapan peneltan yang dlauan dalam peneltan dtunjuan pada gambar berut.

2 Gambar. Flowchart tahapan peneltan.. Perhtungan Baya Pembangtan Secara umum fungs baya dar pembangt dapat dformulasan secara matemats sebaga suatu fungs obyetf sepert yang dberan dalam persamaan berut. () F () n = F( P) T = ( ) = + + F P a bp cp F T = total baya pembangtan (Rp). F (P) = fungs baya nput-output dar pembangt (Rp/jam). a, b, c = oefsen baya dar pembangt. P = output pembangt (MW) n = jumlah unt pembangt. = ndes dar dspatchable unt Batasan batasan yang dpenuh dalam perhtungan adalah :. Batasan esembangan daya N = P = P + P D Mula Data Saluran Data Pembebanan Data Pembangtan Menentuan Parameter MIPSO Menentuan Optmsas Baya Pembangtan OPF MIPSO dengan Kontran Kurva Kapabltas Generator Melhat Batasan Keamanan Generator Nla optmsas setap pembangt dgunaan untu menentuan establan steady state menggunaan REI Dmo (3). Batasan masmum dan mnmum daya atf P mn P P max (4) 3. Batasan urva apabltas generator Ya Melhat Batasan Kestablan Steady State Ya Selesa L Tda Tda P D = total beban (MW), P L = total losses (MW) P = total daya yang dbangtan (MW) P mn dan P max adalah output mnmum dan masmum pembangt... Partcle Swarm Optmzaton Partcle Swarm Optmzaton (PSO) adalah salah satu dar ten omputas evolusoner, yang mana populas pada PSO ddasaran pada penelusuran algortma dan dawal dengan suatu populas yang random yang dsebut dengan partcle. Kesederhanaan algortma dan performansnya yang ba, menjadan PSO telah menar banya perhatan d alangan para penelt dan telah daplasan dalam berbaga persoalan optmsas sstem tenaga.... Dasar PSO Partcle Swarm Optmzaton (PSO) sebaga metode optmsas mempunya beberapa langah untu menjalanan algortmanya. Menurut referens yang dtuls Macel Tueguh, algortma PSO dapat ta bag menjad beberapa pon sebaga berut :. Insalsas populas dar partcle-partcle dengan poss dan velocty secara random dalam suatu ruang dmens penelusuran.. Evaluas fungs ftness optmsas yang dngnan d dalam varabel pada setap partcle. 3. Membandngan evaluas ftness partcle dengan Pbestnya. Ja nla yang ada lebh ba dbandngan dengan nla Pbestnya, maa Pbest dset sama dengan nla tersebut dan P sama dengan loas partcle yang ada X dalam ruang dmensonal d. 4. Identfas partcle dalam lngungan dengan hasl terba sejauh n. 5. Update velocty dan poss partcle. 6. Kembal e step sampa rtera terpenuh, basanya berhent pada nla ftness yang cuup ba atau sampa pada jumlah masmum teras... IPSO Parameter nerta weght dmasuan edalam algortma PSO stándar. Persamaan dnams dar PSO dengan nerta weght (w) dmodfas atau dsebut dengan Improved Partcle Swarm Optmzaton (IPSO) menjad : V + = ωv + crand x( Pbest X ) + crand x ( Gbest X ) (5) V = velocty ndvdu pada teras w = parameter weght c,c = oefsen aseleras rand,rand = jumlah random antara 0 dan

3 X Pbest Gbest = poss ndvdu pada teras = Pbest ndvdu sampa teras = Gbest elompo sampa teras Pada proses update velocty n, nla-nla parameter sepert w, c dan c harus dtentuan terlebh dahulu. Secara umum parameter weght w dperoleh dengan menggunaan persamaan (6) berut n [-6]: wmax wmn w = wmax xiter Iter..3 MIPSO Persamaan (5) dan (7) adalah persamaan dasar algortma PSO yang dmodfas dengan menggunaan Inerta Wegth Aproach (IWA). Inerta wegth dperenalan untu menyembangan emampuan antara penelusuran global dan loal. Clerc memperanalan parameter lan yang dsebut dengan Constrcton Factor Approach (CFA) yang dgunaan untu memodfas algortma IPSO yang ada dan denal dengan sebutan Modfed Improved Partcle Swarm Optmzaton (MIPSO). Persamaan modfas velocty pada setap partcle dengan menggunaan constrcton factor menurut Sh Yao Lm d dapat dnyataan dengan persamaan (8) berut, V C ( V crand x( Pbest X ) crand x( Gbest X )) + = + + (8) dengan coefsent constrcton : C =,dengan ϕ = c + c, dan ϕ > 4 ϕ ϕ 4ϕ Pada umumnya penelt menerapan (9) constrcton factor pada algortma PSO dengan mengeset nla c dan c =.05 sehngga dperoleh nla C = Implementas MIPSO Bagan n aan menguraan mplementas metoda algortma Modfed Improved Partcle Swarm Optmzaton (MIPSO) yang dtuls Sh Yao Lm d dalam perhtungan baya pembangtan yang eonoms.. Intalsas poss dan ndvdu pada ndvdu. Strutur dar suatu ndvdu pada persoalan econom dspatch terdr atas seperangat elemen-elemen yatu output pembangtan. Oleh arena tu poss ndvdu pada teras 0 dapat drepresentasan sebaga vector X 0 = ( P,..., Pn ), dmana n adalah jumlah pembangt dalam perhtungan economc dspatch.. Update velocty. Untu memodfas poss dar setap ndvdu sehngga poss ndvdu mengalam perpndahan dar poss semula maa perlu dhtung velocty pada stage berut yang telah dmodfas dengan menggunaan Inerta wegth sepert yang dberan persamaan (9). 3. Update poss ndvdu. max Poss setap ndvdu dapat dmodfas dengan (6) (3.6) menggunaan persamaan (7), sehngga dperoleh Perpndahan partel e poss berutnya atau poss ndvdu yang baru. Oleh arena poss poss baru berdasaran : ndvdu yang dperoleh dengan hasl modfas tersebut tda dapat memberan jamnan untu + + X = X + V memenuh nequalty constrant abat (7) over/under velocty, maa poss ndvdu yang telah dmodfas tersebut aan dset embal dengan menggunaan persamaan (). Pada saat yang sama equalty constrant persamaan (3) juga harus dpenuh. () P f P P P j j,mn j j,max j = j,mn j < j,mn Pj,max f Pj > Pj,max P P f P P 4. Update P best dan G best. P best dar setap ndvdu pada teras + d modfas dengan menggunaan persamaan () : () Pbest = X f TC < TC Pbest Pbest f TC TC = 5. Proses selesa. Proses teras pada algortma MIPSO berhent ja dperoleh nla yang palng optmum pada penelusuran partel atau ja mencapa teras..4. Kestablan Steady State Stabltas Steady State Dengan Pendeatan DIMO Salah satu metode untu menyelesaan permasalahan stabltas sstem tenaga lstr adalah menggunaan pendeatan Radal Equvalent Independent (REI) Dmo yang dembangan Paul dmo. REI dapat meredus bus yang meml beban menjad sebuah bus beban evalen. Sstem 500 V Jawa Bal terdr atas 3 bus dengan 8 saluran dan 8 pembangt. Dengan menggunaan metode DIMO maa sstem Jawa Bal 500 V dapat dredus menjad 9 bus yang terdr dar 8 pembangt dan sebuah bus beban. Untu melhat stabltas steady state dgunaan formula d Q / dv dan urva P-V yang terdapat dalam REI-DIMO.

4 Tahapan redus jarng sstem Jawa bal 500 V adalah sebaga berut:. Menjalanan load flow. Menentuan bus beban 3. Menentuan bus netral ftf 4. Menghubungan bus beban e bus netral ftf dengan admntans Y bus onstan. Persamaan Y bus onstan adalah P + jq Ybus = V (3) 5. Menentuan arus I dar bus beban e bus netral ftf dengan persamaan S* n I = E jf (4) 6. Menentuan bus load center 7. Huum Krchhoff dgunaan untu menentuan arus yang mengalr e bus load center 8. Htung daya yang menuju bus netral ftf 9. Menentuan nla mpedans Z dar bus netral ftf e bus load center mengunaan persamaan, P + jq R + jx = I I * (5) Z = mpedans load center, R = resstans load center, X = reatans load center dan I = arus load center 0. Ubah mpedans Z e dalam bentu admntans Y. Tentuan tegangan d load center dengan S persamaan V = I * (6). Jalanan load flow untu menghaslan admntans Y bus baru. 3. Redusan matr Y dengan Gaussan. 4. Analss batas stabltas steady state abat pertambahan beban dengan menggunaan persamaan (7). d Q Ym Em = Ym + Yload V dv m cosδ m m (7) Bal yatu data pembebanan pada tanggal 7 maret 009 jam Smulas Optmsas dengan OPF MIPSO Tabel menunjuan real system Jawa Bal berdasaran data yang dperoleh (sebelum dlauan perhtungan optmsas). Tabel 3 dan gambar 5 adalah hasl perhtungan setelah dlauan optmsas dengan constrant. Tabel. Hasl smulas Sstem Jawa Bal jam 9.30 tanggal 7 Maret 009 (sebelum optmas) Pembangt P Q Baya (MW) (MVar) (Rp/Jam) Suralaya 3.338,909.53, ,930 Muara Tawar.470, , ,070 Crata 400,000 6, ,000 Sagulng 535,000-35, ,000 Tanjung Jat 830,000 49, ,980 Gres 80, , ,660 Paton.80,000 93, ,780 Grat 98, , ,80 Total 0.40, , ,40 Untu nla ndes stabltas dar data real system dperoleh nla ndes stabltas sebesar -35, Smulas dan Hasl 3.. Data Plant Sstem yang dgunaan untu smulas dalam pengujan n adalah sstem elstran Jawa Bal 500 V. Sstem nterones tenaga lstr 500 V Jawa Bal terdr dar 3 bus, 8 saluran transms, dan 8 pembangt tenaga lstr. Data pembebanan sstem 500 V dperoleh dar data lapangan melalu PT PLN (Persero) P3B Jawa Gambar. Kurva Kapabltas Generator hasl optmsas dengan constrant

5 Tabel. Hasl smulas Sstem Jawa Bal setelah doptmsas dengan onstrant berdasaran OPF MIPSO P Q Baya Pembangt (MW) (MVar) (Rp/Jam) Suralaya 3.95, , ,43 Muara Tawar.094,06.93, ,575 Crata 400,000-43, ,000 Sagulng 535, , ,000 Tanjung Jat.70,866 68, ,6 Gres 809, , ,409 Paton.97,59.38, ,950 Grat 63,8 38, ,850 Total 0.44, , Nla ndes stabltas setelah dlauan optmsas adalah -6, Pembahasan Hasl Smulas pertama dlauan dengan menggunaan data rl pembangtan sstem Jawa Bal dan data beban yang dgunaan adalah data pembebanan pada saat terjad beban punca pada har selasa tanggal 7 maret 009 pada jam 9.30 WIB. Dar hasl analsa alran daya metode newton raphson dperoleh nla P (daya atf, daya reatf dan baya pembangtan masng masng pembangt. Dar smulas juga dperoleh nla losses pada saluran sebesar 9,937 MW, sehngga beban dasar yang semula 0.8 bertambah menjad 0.40,909 MW. Nla ndes stabltas dperoleh dengan menggunaan metode REI Dmo pada persamaan (7), adapun nla ndes yang dperoleh sebesar -35,4650. Sstem dnyataan aman apabla nla ndes yang dperoleh 0. Pada smulas edua dcoba untu mengoptmsas baya pembangtan dar data rl yang ada. Metode yang dtawaran adalah Modfed Improved partcle Swarm Optmzaton (MIPSO). Optmsas yang dlauan dbatas dengan batasan urva apabltas generator dan establan steady state. Dengan algortma MIPSO aan dperoleh berupa output (daya atf) masng masng pembangt dan total baya pembangtan yang palng mnmal. Karena Sstem Jawa Bal 500 V yang terdr dar pembangtan jens hdro (Crata dan Sagulng) dan Pembangtan jens Terms (Suralaya, Muara Tawar, Tanjung Jat, Gres, Paton, dan Grat) maa untu perhtungan optmsasnya juga dlauan pemsahan. Untu memenuh ebutuhan beban, pembangtan hdro doperasan semasmal mungn dan selanjutnya baru doptmsas pembangtan terms. Sesua dengan lasfas bus pada analsa alran daya, Data yang detahu untu bus pet (slac bus) adalah tegangan dan sudut. Untu bus generator adalah nla P dan V (tegangan) dan untu bus beban adalah nla P (daya atf) dan Q (daya reatf). Nla P masng masng pembangtan telah dperoleh dar hasl MIPSO, sehngga perhtungan analsa alran daya bsa dlauan. Hasl yang dperoleh dar analsa alran daya dengan batasan urva apabltas generator adalah total baya pembangtan, pengoperasan pada bus pet dan erugan pada jarngan. Total baya pembangtan yang dperoleh sebesar ,80 Rp/Jam dan losses sebesar 59,00 MW. Selanjutnya dhtung nla ndes stabltas steady state menggunaan metode REI Dmo. Adapun hasl yang dperoleh adalah - 6,4305 (mash dalam batasan establan steady state). Apabla dbandngan baya pembangtan sebelum dan sesudah optmsas dperoleh selsh sebesar Rp Hal n menunjuan metoda optmsas yang dusulan mampu mencar ombnas pembangtan yang lebh murah dan beroperas pada batasan urva apabltas dan establan steady state. Dengan ata lan pengoperasan pembangtan lebh murah dan mash batasan eamanan operas. 5. Kesmpulan dan Saran 5.. Kesmpulan. Dar optmsas operas pembangt yang dlauan menggunaan MIPSO, hasl smulas menunjuan penurunan baya operas yang cuup besar. Dar baya operas real sebesar Rp ,40 berurang menjad Rp ,80 atau ada penghematan sebesar Rp (setar 7,05 %). Optmsas yang dlauan mash berada pada batasan batasan yang dtetapan, ba batas urva apabltas generator berdasaran model NN maupun batas establan steady state menerapan metode REI Dmo. 5.. Saran. Modfed Improved Partcle Swarm Optmzaton (MIPSO) yang dgunaan mash memerluan peneltan dan pengembangan lebh lanjut untu lebh memperba performansnya. Metode n dapat dombnasan dengan metode lan untu mendapatan nla total baya pembangtan, rug transms dan penerapannya pada real sstem secara on-lne untu menangan persoalan economc dspatch.. Peneltan n hanya melhat stabltas secara eseluruhan sstem, sehngga sult menganalss stabltas pada masng-masng bus.

6 6. Penghargaan Penghargaan sebesar besarnya penuls sampaan epada Bapa Prof. Dr. Ir. Ontoseno Penangsang dan Bapa Prof. Dr. Ir. Ad Soeprjanto, MT selau pembmbng penuls yang telah banya membna dan membmbng penuls. Selanjutnya epada Bapa Indar Chaerah Gunadn ST, MT yang selalu memberan masuan masuan dan de cemerlang sehngga penulsan artel n dapat dselesaan. Terma ash juga ducapan epada eluarga besar S angatan 009 ten sstem tenaga ten eletro ITS dan eluarga besar Polten Bengals. Control Centers, A John Wllet & Sons, Inc. Pubaton. Sh Yao Lm, Mohammad Montahab, and Hassan Nour, (009). Economc Dspatch of Power System Usng Partcle Swarm Optmzaton wth Constrcton Factor, Internatonal Journal of Innovatons n Energy System and Power, Vol 4 No, October, p DAFTAR PUSTAKA C. H. Chen, and S. N. Yeh, (006). Partcle Swarm Optmzaton for Economc Power Dspatch wth Valve-Pont Effect, IEEE PES Transmsson and Dstrbuton Conference and Exposton Latn Amerca, Venezuela. Had Saadat, (999). Power System Analyss, McGraw-Hll Internatonal Edton. Jong-Bae Par, Yun-Won Jeong, (006). Hyun- Houng Km and Joong-Rn Shn,, An Improved Partcle Swarm Optmzaton for Economc Dspatch wth Valve-Pont Effec, Internatonal Journal of Innovatons n Energy Systems and Power, Vol., no.. November. Kwang Y. Lee, and Jong-Bae Par, (006). Appaton of Partcle Swarm Optmzaton to Economc Dspatch Problem: Advantages and Dsadvantages, IEEE Transactons on Power Sstems. Macel Tueguh, Soeprjanto, Maurdh Hery Purnomo, (009). Modfed Improved Partcle Swarm Optmzaton For Optmal Generator Schedulng, Semnar Nasonal Aplas Tenolog Informas (SNATI), Yogarta. Mat Sya n, Ad Soeprjanto, and Taash Hyama, (009). Generator Capablty Curve Constrants for PSO Based Optmal Power Flow. Word Academy of Scence, Engneerng and Technology, Vol.53. Mat Sya n and Ad Soeprjanto, (00). Neural Networ Optmal Power Flow (NN-OPF) based on IPSO wth Developed Load Cluster Method, Word Academy of Scence, Engneerng and Technology, Vol.7. Prabha Umapathy, C. Venataseshaah, and M. Senthl Arumugam, (00). Partcle Swarm Optmzaton Wth Varous Inerta Weght Varants for Optmal Power Flow Soluton, Dscrete Dynamcs In Nature and Socety. Savu C. Savulescu, (009). Real-Tme Stablty Assessment n Modern Power System

Analisis Perbandingan Economic Dispatch Pembangkit Menggunakan Metode Lagrange dan CFPSO

Analisis Perbandingan Economic Dispatch Pembangkit Menggunakan Metode Lagrange dan CFPSO 91 Analss Perbandngan Economc Dspatch Pembangt Menggunaan Metode Lagrange dan CFPSO Kharudn Syah, Harry Soeotjo Dachlan, Rn Nur Hasanah, dan Mahfudz Shdq Abstra -Pada pengoperasan pembangt tenaga lstr,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

KOMBINASI INERTIA WEIGHT DAN CONSTRICTION FACTOR PADA PARTICLE SWARM OPTIMIZATION SEBAGAI SOLUSI PEMBANGKITAN EKONOMIS PADA SISTEM TENAGA IEEE 26 BUS

KOMBINASI INERTIA WEIGHT DAN CONSTRICTION FACTOR PADA PARTICLE SWARM OPTIMIZATION SEBAGAI SOLUSI PEMBANGKITAN EKONOMIS PADA SISTEM TENAGA IEEE 26 BUS ISSN 1412 3762 http://jurnal.up.edu/electrans ELECTRANS, VOL.12, NO.2, SEPTEMBER 2013, 151-160 KOMBINASI INERTIA WEIGHT DAN CONSTRICTION FACTOR PADA PARTICLE SWARM OPTIMIZATION SEBAGAI SOLUSI PEMBANGKITAN

Lebih terperinci

Strategi Meminimalkan Load Shedding Menggunakan Metode Sensitivitas Untuk Mencegah Voltage Collapse Pada Sistem Kelistrikan Jawa-Bali 500 kv

Strategi Meminimalkan Load Shedding Menggunakan Metode Sensitivitas Untuk Mencegah Voltage Collapse Pada Sistem Kelistrikan Jawa-Bali 500 kv 1 Strateg Memnmalan Load Sheddng Menggunaan Metode Senstvtas Untu Mencegah Voltage Collapse Pada Sstem Kelstran Jawa-Bal 500 V Rs Cahya Anugrerah Haebb, Ad Soepranto,, Ardyono Pryad Jurusan Ten Eletro,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

MODIFIED IMPROVED PARTICLE SWARM OPTIMIZATION FOR OPTIMAL GENERATOR SCHEDULING

MODIFIED IMPROVED PARTICLE SWARM OPTIMIZATION FOR OPTIMAL GENERATOR SCHEDULING Semnar Nasonal Aplkas Teknolog Informas 009 (SNATI 009) ISSN: 1907-50 Yogyakarta, 0 Jun 009 MODIFIED IMPROVED PARTICLE SWARM OPTIMIZATION FOR OPTIMAL GENERATOR SCHEDULING Mackel Tuegeh 1, Soeprjanto, Maurdh

Lebih terperinci

OPTIMAL GENERATOR SCHEDULING BASED ON PARTICLE SWARM OPTIMIZATION

OPTIMAL GENERATOR SCHEDULING BASED ON PARTICLE SWARM OPTIMIZATION Semnar Nasonal Informatka 009 (semnasif 009) ISSN: 1979-38 UPN Veteran Yogyakarta, 3 Me 009 OPTIMAL GENERATOR SCHEDULING BASED ON PARTICLE SWARM OPTIMIZATION Mackel Tuegeh 1, Ad Soeprjanto, Maurdh Hery

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

Optimisasi Economic Dispatch Pembangkit Termal Sistem 500 kv Jawa Bali Menggunakan Modified Improved Particle Swarm Optimization (MIPSO)

Optimisasi Economic Dispatch Pembangkit Termal Sistem 500 kv Jawa Bali Menggunakan Modified Improved Particle Swarm Optimization (MIPSO) Natonal Conference: Desgn and Applcaton of Technology 010 Optmsas Economc Dspatch Pembangkt Termal Sstem 500 kv Jawa Bal Menggunakan Modfed Improved Partcle Swarm Optmzaton (MIPSO) AM. Ilyas 1,, Ontoseno

Lebih terperinci

toto_suksno@uny.ac.d Economc load dspatch problem s allocatng loads to plants for mnmum cost whle meetng the constrants, (lhat d http://en.wkpeda.org/) Economc Dspatch adalah pembagan pembebanan pada pembangktpembangkt

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

SIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI

SIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI ISSN: 1693-6930 167 SIMULASI OPTIMASI ALIRAN DAA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAA OPERASI Subyanto Teknk Elektro Fakultas Teknk Unverstas Neger Semarang Gedung E6 Lt. Kampus Sekaran

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

Optimisasi Operasi Sistem Tenaga Listrik dengan Konstrain Kapabilitas Operasi Generator dan Kestabilan Steady State Global

Optimisasi Operasi Sistem Tenaga Listrik dengan Konstrain Kapabilitas Operasi Generator dan Kestabilan Steady State Global Optimisasi Operasi Sistem Tenaga Listrik dengan Konstrain Kapabilitas Operasi Generator dan Kestabilan Steady State Global Johny Custer (2209201007) Dosen Pembimbing : Prof. Ir. Ontoseno Penangsang, M.

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

BAB II TEORI ALIRAN DAYA

BAB II TEORI ALIRAN DAYA BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga

Lebih terperinci

KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR

KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR Berala Fsa ISSN : 1410-966 Vol.8, No.1, Januar 005, hal 7-10 KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR Agus Setyawan Laboratorum Geofsa, Jurusan

Lebih terperinci

PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL

PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL Arad Retno TH, Pengembangan Metode Algortma Gen, Hal 93-0 PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL Arad Retno Tr Hayat Abstrak Metode optmas

Lebih terperinci

Evaluasi Keamanan dan Stabilitas Sistem Tenaga Akibat Interkoneksi Pembangkit Baru ke dalam Grid

Evaluasi Keamanan dan Stabilitas Sistem Tenaga Akibat Interkoneksi Pembangkit Baru ke dalam Grid Insttut Tenolog Nasonal Malang Evaluas Keamanan dan Stabltas Sstem Tenaga Abat Interones Pembangt Baru e dalam Grd N Putu Agustn 1, I Made Wartana 2, Lauhl Mahudz Hayusunan 3 1,2,3) Program Stud Ten Eletro,

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

Perbandingan Masalah Optimasi TSP dengan Menggunakan Algoritma Ant Colony dan Jaringan Hopfield

Perbandingan Masalah Optimasi TSP dengan Menggunakan Algoritma Ant Colony dan Jaringan Hopfield Perbandngan Masalah Optmas TSP dengan Menggunaan Algortma Ant Colony dan Jarngan Hopfeld 1 Yulan, Moh.Isa Irawan, dan 3 Mardljah 1,, 3 Jurusan Matemata, Insttut Tenolog Sepuluh Noember Kampus ITS, Surabaya

Lebih terperinci

Seminar Nasional Inovasi Dan Aplikasi Teknologi Di Industri 2017 ISSN ITN Malang, 4 Pebruari 2017

Seminar Nasional Inovasi Dan Aplikasi Teknologi Di Industri 2017 ISSN ITN Malang, 4 Pebruari 2017 ITN Malang, 4 Pebruar 2017 ANALISIS EVALUASI STABILITAS DAN KEAMANAN SISTEM TENAGA DENGAN BEROPERASINYA PLTU CELUKAN BAWANG PADA SISTEM KELISTRIKAN BALI 15-BUS MENGGUNAKAN SHUNT FACTS CONTROLLER N Putu

Lebih terperinci

STUDI ALIRAN DAYA TIGA FASA UNTUK SISTEM DISTRIBUSI DENGAN METODE PENDEKATAN LANGSUNG

STUDI ALIRAN DAYA TIGA FASA UNTUK SISTEM DISTRIBUSI DENGAN METODE PENDEKATAN LANGSUNG No. 29 ol.2 Thn. X Aprl 2008 SSN: 085-871 STUD ALRAN DAYA TGA FASA UNTUK SSTEM DSTRBUS DENGAN METODE PENDEKATAN LANGSUNG Adrant, Slva ran Jurusan Ten Eletro Faultas Ten Unverstas Andalas, Padang Abstra

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Tnjauan Pustaka 2.1.1 Tmetable Tmetable merupakan alokas subjek yang memlk kendala untuk dtempatkan pada ruang waktu (Gan dkk, 2004). Permasalahan Tmetable cukup luas. Masalah

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

Studi Optimal Power Flow pada Sistem Kelistrikan 500 kv Jawa-Bali dengan Menggunakan Particle Swarm Optimization (PSO)

Studi Optimal Power Flow pada Sistem Kelistrikan 500 kv Jawa-Bali dengan Menggunakan Particle Swarm Optimization (PSO) JNTETI, ol. 2, No. 3, Agustus 2013 59 Stud Optmal ower Flow pada Sstem Kelstran 500 Jawa-Bal dengan Menggunaan artcle Swarm Optmzaton (SO) Taqyuddn 1, Sasongo ramono Had 2 Abstract Ths paper presents a

Lebih terperinci

Optimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi

Optimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi JURNA INFORMATIKA, Vol.4 No.2 September 27, pp. 222~229 ISSN: 2355-6579 E-ISSN: 2528-2247 222 Optmas Baru Program near Mult Objetf Dengan Smplex P Untu Perencanaan Produs Maxs Ary Am BSI Bandung e-mal:

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

MEMINIMALKAN RUGI-RUGI PADA SISTEM DISTRIBUSI TEGANGAN MENENGAH DENGAN PEMASANGAN KAPASITOR

MEMINIMALKAN RUGI-RUGI PADA SISTEM DISTRIBUSI TEGANGAN MENENGAH DENGAN PEMASANGAN KAPASITOR MEMINIMALKAN RUGI-RUGI PADA SISTEM DISTRIBUSI TEGANGAN MENENGAH DENGAN PEMASANGAN KAPASITOR Adranus Dr Program Stud Teknk Elektro Jurusan Teknk Elektro Fakultas Teknk Unverstas Tanjungpura adranus_dr@yahoo.co.d

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan

Lebih terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.

Lebih terperinci

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Semnar Nasonal Tenolog Informas dan Multmeda 207 STMIK AMIKOM Yogyaarta, 4 Februar 207 ANALIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Sgt Kamseno ), Bara Satya 2) ), 2) Ten Informata

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa

Lebih terperinci

Analisa dan Penerapan Metode Particle Swarm Optimization Pada Optimasi Penjadwalan Kuliah

Analisa dan Penerapan Metode Particle Swarm Optimization Pada Optimasi Penjadwalan Kuliah Jurnal Teknk Informatka, Vol 1 September 2012 Analsa dan Penerapan Metode Partcle Swarm Optmzaton Pada Optmas Penjadwalan Kulah Rasha Ashla Rachman 1), Dadang Syarf 2), Rka Perdana Sar 3) 1) Program Stud

Lebih terperinci

Kata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal.

Kata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal. Makalah Semnar Tugas Akhr MENGOPTIMALKAN PEMBAGIAN BEBAN PADA UNIT PEMBANGKIT PLTGU TAMBAK LOROK DENGAN METODE LAGRANGE MULTIPLIER Oleh : Marno Sswanto, LF 303 514 Abstrak Pertumbuhan ndustr pada suatu

Lebih terperinci

Pengolahan lanjut data gravitasi

Pengolahan lanjut data gravitasi Modul 6 Pengolahan lanjut data gravtas 1. Transformas/proyes e bdang datar (metode Damney atau Euvalen Tt Massa). Pemsahan Anomal Loal/Resdual dan Anomal Regonal a. Kontnuas b. Movng average c. Polynomal

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA) BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

OPTIMASI PENJADWALAN MATA KULIAH DI JURUSAN TEKNIK INFORMATIKA PENS DENGAN MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO)

OPTIMASI PENJADWALAN MATA KULIAH DI JURUSAN TEKNIK INFORMATIKA PENS DENGAN MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) OPTIMASI PENJADWALAN MATA KULIAH DI JURUSAN TEKNIK INFORMATIKA PENS DENGAN MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) Dan Aran, Arna Fahrza,S.Kom,M.Kom, Ira Prasetyanngrum,S.S,M.T 3 Mahasswa

Lebih terperinci

Studi Perhitungan CCT Menggunakan Metode EEAC (Extended Equal Area Criterion) Dan Trajektori Kritis/ Critical Trajectory Untuk Kestabilan Transien

Studi Perhitungan CCT Menggunakan Metode EEAC (Extended Equal Area Criterion) Dan Trajektori Kritis/ Critical Trajectory Untuk Kestabilan Transien JURAL TEKIK POITS Vol., o., (0) -6 Stud Perhtungan CCT enggunaan etode EEAC (Extended Equal Area Crteron) Dan Trajetor Krts/ Crtcal Trajectory Untu Kestablan Transen Hardansyah Pratama, Ardyono Pryad,

Lebih terperinci

OPTIMISASI PELETAKAN DAN SIZING DISTRIBUTED GENERATION (DG) MENGGUNAKAN TWO LAYER PARTICLE SWARM OPTIMIZATION (TLPSO)

OPTIMISASI PELETAKAN DAN SIZING DISTRIBUTED GENERATION (DG) MENGGUNAKAN TWO LAYER PARTICLE SWARM OPTIMIZATION (TLPSO) OPTIMISASI PELETAKAN DAN SIZING DISTRIBUTED GENERATION (DG) MENGGUNAKAN TWO LAYER PARTICLE SWARM OPTIMIZATION (TLPSO) Efrta Arfah Z Jurusan Teknk Elektro, FTI-ITATS Surabaya Jl. Aref Rahman Hakm 100 Tlp

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar

Lebih terperinci

Bab V Aliran Daya Optimal

Bab V Aliran Daya Optimal Bab V Alran Daya Optmal Permasalahan alran daya optmal (Optmal Power Flow/OPF) telah menjad bahan pembcaraan sejak dperkenalkan pertama kal oleh Carpenter pada tahun 196. Karena mater pembahasan tentang

Lebih terperinci

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK Jurusan Ten Spl dan Lngungan FT UGM U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK SENIN, 4 JANUARI 23 OPEN BOOK WAKTU MENIT PETUNJUK ) Saudara tda boleh menggunaan omputer untu mengerjaan soal- soal ujan

Lebih terperinci

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN SISFO-Jurnal Sstem Informas IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN Fazal Mahananto 1), Mahendrawath ER 2), Rully Soelaman 3) Jurusan Sstem Informas,

Lebih terperinci

BAB IV PEMBAHASAN MODEL

BAB IV PEMBAHASAN MODEL BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Prosdng Semnar Nasonal Manajemen Tenolog IX Program Stud MMT-ITS, Surabaya 14 Pebruar 2009 PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Teguh Otarso Program

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

(M.5) PEMBENTUKAN FAST ALGORITHM FUZZY C-MEANS CLUSTER DENGAN INDEKS VALIDITAS XIE DAN BENI (XB) DAN PROPORSI EIGEN VALUE DARI MATRIKS SIMILIARITY

(M.5) PEMBENTUKAN FAST ALGORITHM FUZZY C-MEANS CLUSTER DENGAN INDEKS VALIDITAS XIE DAN BENI (XB) DAN PROPORSI EIGEN VALUE DARI MATRIKS SIMILIARITY Unverstas Padjadjaran, 3 November 00 (M.5) PEMBENTUKAN FAST ALGORITHM FUZZY C-MEANS CLUSTER DENGAN INDEKS VALIDITAS XIE DAN BENI (XB) DAN PROPORSI EIGEN VALUE DARI MATRIKS SIMILIARITY Anndya Aprlyant Pravtasar

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,

Lebih terperinci

BAB II KONDUKSI ALIRAN STEDI SATU DIMENSI

BAB II KONDUKSI ALIRAN STEDI SATU DIMENSI BB II KONDUKSI LIRN SEDI SU DIMENSI Dndng Datar Persamaan alr : (5- Harga ndutvtas termal dasumsan nstan, tebal dndng, dan dan adalah temperatur permuaan dndng. Ja ndutvtas termal bervaras arena temperatur

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

PERBANDINGAN PENGGUNAAN METODE OPTIMASI EXTENDED QUADRATIC INTERIOR POINT DENGAN NEURAL NETWORK UNTUK ECONOMIC DISPATCH PEMBANGKIT THERMAL DI BALI

PERBANDINGAN PENGGUNAAN METODE OPTIMASI EXTENDED QUADRATIC INTERIOR POINT DENGAN NEURAL NETWORK UNTUK ECONOMIC DISPATCH PEMBANGKIT THERMAL DI BALI erbandngan enggunaan Metode Optmas Rum Sar Hartat, Suerayasa ERBANDINGAN ENGGUNAAN METODE OTIMASI EXTENDED QUADRATIC INTERIOR OINT DENGAN NEURAL NETWORK UNTUK ECONOMIC DISATCH EMBANGKIT THERMAL DI BALI

Lebih terperinci

PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI

PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI Yunarstanto 1 Irwan Iftad 1 Iwan Ngabd Raharjo 2 Abstract: Producton flow n PT. Tga Seranga Pustaa Mandr

Lebih terperinci

KLASTERISASI SINYAL SUARA MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION PADA PENGEMBANGAN SISTEM PENGENALAN INDIVIDU BERBASIS SUARA UCAPAN

KLASTERISASI SINYAL SUARA MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION PADA PENGEMBANGAN SISTEM PENGENALAN INDIVIDU BERBASIS SUARA UCAPAN KLASTERISASI SINYAL SUARA MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION PADA PENGEMBANGAN SISTEM PENGENALAN INDIVIDU BERBASIS SUARA UCAPAN Abstra Nama: Moh. Bagus Had S (Nrp 1205 100 037) Dosen Pembmbng:

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

adalah beban pada simpul i berturut-turut. θ adalah vektor sudut fasa dan B adalah elemen-elemen imajiner matriks admitansi simpul. Mengingat bahwa: 1

adalah beban pada simpul i berturut-turut. θ adalah vektor sudut fasa dan B adalah elemen-elemen imajiner matriks admitansi simpul. Mengingat bahwa: 1 ISSN 907-0500 Analss Kepeaan engembangan Sstem Transms Tenaga Lstr Ternternes Menggunaan Successve Frward Methd Stud Kasus: Sstem Transms 500 V Jawa-Bal engembangantahun 007 06 Nurhalm Jurusan Ten Eletr

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

IDENTIFIKASI SISTEM NONLINIER DENGAN MENGGUNAKAN RECURRENT NEURAL NETWORK DAN ALGORITMA DEAD-ZONE KALMAN FILTER

IDENTIFIKASI SISTEM NONLINIER DENGAN MENGGUNAKAN RECURRENT NEURAL NETWORK DAN ALGORITMA DEAD-ZONE KALMAN FILTER IDENIFIKASI SISEM NONLINIE DENGAN MENGGUNAKAN ECUEN NEUAL NEOK DAN ALGOIMA DEAD-ZONE KALMAN FILE ully Soelaman, angga fa Faultas enolog Informas Insttut enolog Sepuluh Nopember Kampus Keputh, Suollo, Surabaya

Lebih terperinci

Implementasi Jaringan Saraf Tiruan Backpropagation Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan MATLAB 7.0

Implementasi Jaringan Saraf Tiruan Backpropagation Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan MATLAB 7.0 Implementas Jarngan Saraf Truan Bacpropagaton Pada Aplas Pengenalan Waah Dengan Jara Yang Berbeda Menggunaan MATLAB 7.0 Syafe Nur Luthfe Jurusan Ten Informata, Unverstas Gunadarma Jl. Margonda Raya 100,

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER PENYELESIN SISTEM PESMN TK LINIE Mater Kulah: Pengantar; Iteras Satu Tt; Iteras Newton # PENGNT # erut n adalah contoh seumpulan buah persamaan ta lner smulta dengan buah varabel ang ta detahu:... ( 57...

Lebih terperinci

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata

Lebih terperinci

PENYELESAIAN PERMASALAHAN OPTIMASI CONSTRAINED NONLINEAR DENGAN PARTICLE SWARM OPTIMIZATION

PENYELESAIAN PERMASALAHAN OPTIMASI CONSTRAINED NONLINEAR DENGAN PARTICLE SWARM OPTIMIZATION PENYELESAIAN PERMASALAHAN OPTIMASI CONSTRAINED NONLINEAR DENGAN PARTICLE SWARM OPTIMIZATION Yudh Purwananto Rully Soelaman dan Bambang Santoso. Fakultas Teknolog Informas Insttut Teknolog Sepuluh Nopember

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III FUZZY GOAL LINEAR PROGRAMMING 7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang

Lebih terperinci

Studi Optimal Power Flow Sistem Kelistrikan 500 kv Jawa Bali dengan Metode Algoritma Genetika

Studi Optimal Power Flow Sistem Kelistrikan 500 kv Jawa Bali dengan Metode Algoritma Genetika Meda Elektrka, Vol. 6 No. 1, Jun 2013 ISSN 1979-7451 Stud Optmal Power Flow Sstem Kelstrkan 500 kv Jawa Bal dengan Metode Algortma Genetka Yassr 1, Sarjya 2, T. Haryono 3 1,2,3 Jurusan Teknk Elektro dan

Lebih terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la

Lebih terperinci

Analisa Operasi Ekonomis Pembangkit Termal untuk Melayani Beban Puncak Sistem Kelistrikan Sumbar

Analisa Operasi Ekonomis Pembangkit Termal untuk Melayani Beban Puncak Sistem Kelistrikan Sumbar Jurnal Nasonal Teknk Elektro, Vol. 7, No. 1, Maret 018 p-issn: 30-949, e-issn: 407-767 Analsa Operas Ekonoms Pembangkt Termal untuk Melayan Beban Puncak Sstem Kelstrkan Sumbar Syaf * dan Kartka Ika Putr

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga

Lebih terperinci

Pemodelan Anomali Magnetik Berbentuk Prisma Menggunakan Algoritma Genetika Antonius a, Yudha Arman a *, Joko Sampurno a

Pemodelan Anomali Magnetik Berbentuk Prisma Menggunakan Algoritma Genetika Antonius a, Yudha Arman a *, Joko Sampurno a Pemodelan Anomal Magnet Berbentu Prsma Menggunaan Algortma Geneta Antonus a, Yudha Arman a *, Joo Sampurno a a Jurusan Fsa, FMIPA Unverstas Tanjungpura, Jalan Pro. Dr. Hadar Nawaw, Pontana, Indonesa *Emal

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

APLIKASI PENJADWALAN MATA KULIAH MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO)

APLIKASI PENJADWALAN MATA KULIAH MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) APLIKASI PENJADWALAN MATA KULIAH MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) Irfrans Kusmarna, Luh Kesuma Wardhan 2, Muhammad Safrzal 3,3 Jurusan Teknk Informatka, Fakultas Sans dan Teknolog,

Lebih terperinci

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve

Lebih terperinci

PENGKAJIAN BEBERAPA ALGORITMA UNTUK MENGEVALUASI DAN MENGHITUNG LOSSES ENERGI PADA SISTEM DISTRIBUSI TENAGA LISTRIK

PENGKAJIAN BEBERAPA ALGORITMA UNTUK MENGEVALUASI DAN MENGHITUNG LOSSES ENERGI PADA SISTEM DISTRIBUSI TENAGA LISTRIK PENGKAJIAN BEBERAPA AGORITMA UNTUK MENGEVAUASI DAN MENGHITUNG OSSES ENERGI PADA SISTEM DISTRIBUSI TENAGA ISTRIK Hamzah Hlal Jl. MH. Thamrn No. 8 Geung II anta 0,, PTKKE-Deput Bang TIEM BPPT E-mal: taura889@yahoo.com

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

IMPLEMENTASI BACKPROPAGATION NEURAL NETWORK DALAM PRAKIRAAN CUACA DI DAERAH BALI SELATAN

IMPLEMENTASI BACKPROPAGATION NEURAL NETWORK DALAM PRAKIRAAN CUACA DI DAERAH BALI SELATAN E-Jurnal Matemata Vol. 5 (4), November 2016, pp. 126-132 ISSN: 2303-1751 IMPLEMENTASI BACKPROPAGATION NEURAL NETWORK DALAM PRAKIRAAN CUACA DI DAERAH BALI SELATAN I Made Dw Udayana Putra 1, G. K. Gandhad

Lebih terperinci

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan

Lebih terperinci

HAK CIPTA (HKI) Judul Invensi: METODE OPTIMISASI KONFIGURASI JARINGAN DISTRIBUSI BERBASIS LOGIKA FUZZY DAN PARTICLE SWARM OPTIMIZATION

HAK CIPTA (HKI) Judul Invensi: METODE OPTIMISASI KONFIGURASI JARINGAN DISTRIBUSI BERBASIS LOGIKA FUZZY DAN PARTICLE SWARM OPTIMIZATION 0 HAK CIPTA HKI 1 Judul Invens: METODE OPTIMISASI KONFIGURASI JARINGAN DISTRIBUSI BERBASIS LOGIKA FUZZY DAN PARTICLE SWARM OPTIMIZATION Inventor: Dr. Ramadon Syahputra, S.T., M.T. Ir. Agus Jamal, M.Eng.

Lebih terperinci

APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW

APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW Semnar NasonalTenologInformasdan Multmeda 2015 STMIK AMIKOM Yogyaarta, 6-8Februar 2015 APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW Aslnda 1), Andea

Lebih terperinci

BAB II OPTIMALISASI PADA SISTEM KELISTRIKAN

BAB II OPTIMALISASI PADA SISTEM KELISTRIKAN BAB II OPTIMALISASI PADA SISTEM KELISTRIKAN. Penjadualan Optmal Pembangkt dan Penyaluran Daya Lstrk Setap Pembangkt tdak dtempatkan dengan jarak yang sama dar pusat beban, tergantung lokas pembangkt yang

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci