KOMBINASI INERTIA WEIGHT DAN CONSTRICTION FACTOR PADA PARTICLE SWARM OPTIMIZATION SEBAGAI SOLUSI PEMBANGKITAN EKONOMIS PADA SISTEM TENAGA IEEE 26 BUS
|
|
- Budi Kusuma
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ISSN ELECTRANS, VOL.12, NO.2, SEPTEMBER 2013, KOMBINASI INERTIA WEIGHT DAN CONSTRICTION FACTOR PADA PARTICLE SWARM OPTIMIZATION SEBAGAI SOLUSI PEMBANGKITAN EKONOMIS PADA SISTEM TENAGA IEEE 26 BUS Sabhan Kanata Jurusan Ten Eletro, Unverstas Ichsan Gorontalo Jln. Raden Saleh No. 17 Kota Gorontalo E-mal : sabhananata@yahoo.co.d Dterma : 26 Agustus 2013 Dsetuju : 30 Agustus 2013 Dpublasan : September 2013 ABSTRAK Komponen baya palng besar pada operas pembangtan thermal adalah baya bahan baar.untu membuat baya omsums bahan baar generator atau baya operas dar eseluruhan sstem semnmal mungn dengan menentuan ombnas daya output dar masng-masng unt pembangt d bawah eangan dar tuntutan beban sstem dan batas emampuan pembangtan masng-masng unt pembangt denal dengan stlah economc dspatch. Dalam peneltan n, dlauan 2 pendeatan yatu Constrcton Factor based Partcle Swarm Optmzaton (CFBPSO) dan ombnas nerta weght dengan contrcton factor(iwcfpso). Pendeatan n dterapan dalam asus sstem tenaga yatu pada asus IEEE 26 bus dengan pembebanan MW dmana pendeatan CFBPSO daniwcfpso menunjuan hasl yang lebh optmal dbandng metode Improved Partcle Swarm Optmzaton (IPSO), Newton Raphson(NR), dan Genetc Algorthm (GA) namun metode IWCFPSO mampu memberan solus lebh cepat dbandngan dengan metode CFBPSO. Kata unc : pembangtan eonoms, partcle swarm optmzaton, contrcton factor, nerta weght, IEEE 26 bus ABSTRACT The most substantal component of the operatng cost of thermal generaton s fuel costs. To mae the cost of generator fuel consumpton or operaton of the overall system cost to a mnmum by specfyng a combnaton of the output power of each generatng unt under the constrants of the system load demand and generaton capacty lmts of each generatng unt nown as economc dspatch. In ths study use conducted two approach areconstrcton factor based Partcle Swarm Optmzaton ( CFBPSO ) and combnaton wth contrcton factor and nerta weght ( IWCFPSO ). Ths approach s appled n the case of the power system n the case of IEEE 26 buses wth 1,263 MW of whch loadng and IWCFPSO and CFBPSO approach showed better results than the optmal method of Improved Partcle Swarm Optmzaton ( IPSO ), Newton Raphson ( NR ) and Genetc Algorthm ( GA ) but IWCFPSO method s able to provde a soluton much faster than the method CFBPSO. Keywords: economc generaton, partcle swarmoptmzaton, constrcton factor, nerta weght, IEEE 26 bus PENDAHULUAN Sstem pembangtan dmana omsums bahan baar menjad suatu masalah dan perlu mendapatan perhatan yang serus mengngat omponen baya operas pembangtan terbesar adalah baya bahan baar.penghematan baya bahan baar dalam persentase yang ecl memberan pengaruh yang sangat besar terhadap penghematan baya operas. Untu memprodus tenaga lstr pada suatu sstem tenaga dbutuhan cara bagamana membuat baya omsums bahan baar generator atau baya operas dar eseluruhan sstem semnmal mungn dengan menentuan ombnas daya output dar masngmasng unt pembangt d bawah eangan dar tuntutan beban sstem dan batas emampuan pembangtan masng-masng unt pembangt. Cara n denal dengan stlah pembangtan eonoms [1][2]. 151
2 SABHAN KANATA : KOMBINASI INERTIA WEIGHT DAN CONSTRICTION FACTOR PADA PARTICLE SWARM OPTIMIZATION SEBAGAI SOLUSI PEMBANGKITAN EKONOMIS PADA SISTEM TENAGA IEEE 26 BUS Sudah banya metode dgunaan untu menyelesaan masalah n. Metode tradsonal sepert teras lambda, gradent dan newton-raphson [3] yang menggunaan urva ncremental cost dmana metode n dapat dlauan ja urva araterst ncremental cost n ddealan terlebh dahulu, sehngga urva terbentu menjad halus dan convex. Untu urva non-convex dapat dselesaan dengan cara menggunaan metode dynamc programmng [4]. Metode n meml elemahan arena serngal mengalam endala terjeba pada masalah optmas loal[5][6]. Untu mengatas masalah n, beberapa metode alternatf telah dembangan sepert algortma geneta [7], neural networ [8], dan partcle swarm optmzaton.[5-6][9-13]. Partcle swarm optmzaton (PSO) adalah metode optmas heurst global yang awalnya demuan oleh J. Kennedy dan Eberhart pada tahun 1995 dmana ddasaran pada ecerdasan hewan atau perlau pergeraan awanan burung atau an dalam mencar maanan sehngga dapat dterapan pada metode peneltan lmah maupun reayasa. Perbaan PSO dengan menerapan nerta weght yang berfungs mengontrol ecepatan dar watu e watu sehngga ecepatan mengalam penurunan secara lner yang membuat PSO mencar ruang yang lebh besar d awal untu mendapatan poss dengan cepat yatu solus yang palng optms. Saat nerta weght menurun, ecepatan partel juga ut memperlambat untu mencar solus parsal yang lebh halus sehngga metode perbaan n mampu memberan esembangan antara esploras global dan esplotas loal [13].. Kemudan dlauan perbaan dengan menggunaan contrcton factor untu menjamn onvergens dan oslas ampltudo partel menurun dar watu e watu tanpa pengaturan ecepatan masmum [14]. Peneltan dengan membandngan nerta weght dengan contrcton factor dmana penggunaan contrcton factor meml onvergens yang lebh ba dbandng menggunaan nerta weght [15]. Atas dasar n penelt mencoba mengombnasan eduanya untu mencar solus economc dspatchpada sstem tenaga IEEE 26 bus. METODE Dagram alr proses pencaran solus pembangtan eonoms mengombnasan nerta weght dan constrcton factor terlhat pada gambar 1, dengan rncan sebaga berut : 1. Masuan data saluran, data bus, data beban, dan data generator pada sstem tenaga IEEE 26 bus e dalam program alran daya Newton-Raphson 2. Jalanan alran daya Newton Raphson ntu menentuan ofsen rug-rug pada sstem tenaga IEEE 26 bus. 3. Setelah ofsen rug-rug ddapatan maa data tersebut dmasuan e dalam source data pada PSO. Selan data ofsen rug-rug, data fungs baya pembangtan, batas emampuan pembangtan, dan besar permntaan beban. 4. Masuan parameter-parameter PSO 5. Insalsas parameter yatu populaton sze, c 1, c 2, w awal - w ahr, dan error gradent. 6. Insalsas poss dan velocty partel secara aca. Insalsas aca partel dalam suatu populas sesua dengan batas masng-masng unt, dmens partel, dan velocty. In langah awal partel untu mencar calon solus yang laya yang memenuh operas endala batasan pembangtan. ja = ja ja 152
3 ISSN ELECTRANS, VOL.12, NO.2, SEPTEMBER 2013, Mula Masuan data saluran, bus, apastas dan onstanta baya pembangt, beban Menjalanan alran daya NR untu menentuan ofsen rugrug untu jad masuan data pada proses PSO Masuan ofsen rug-rug dan total daya beban, apastas dan ofsen baya pembangt pada proses PSO Menentuan jumlah populas Menentuan jumlah teras masmum Menentuan nla parameter-parameter PSO Insalsas epoch awal = 0 Membangtan secara aca populas dar partel dan poss awalnya Epoch = 0 Evaluas fungs tujuan pada partel yatu C t (P ) = α + β P + g P 2 Menghtung velocty baru partel V d +1 Menghtung poss baru setap partel berdasaran persamaan : X d +1 = X d + V d +1 Tda Menghtung ftness (evaluas) dar setap partel, berdasaran fungs tujuan Dar setap partel, ja nla ftness searang (P) lebh ba dar Pbest, Pbest = P Update Pbest sebaga Gbest Epoch = Epoch + 1 Gbest(+1) - Gbest() < Ya Menceta hasl total baya mnmum Selesa Gambar 1. Dagram alur proses pencaran solus PSO 153
4 SABHAN KANATA : KOMBINASI INERTIA WEIGHT DAN CONSTRICTION FACTOR PADA PARTICLE SWARM OPTIMIZATION SEBAGAI SOLUSI PEMBANGKITAN EKONOMIS PADA SISTEM TENAGA IEEE 26 BUS 7. Pada saat epoch = 0, setap partel dar populas membangtan eluaran tergantung pada permntaan beban (P D ) dan rug-rug daya (P L ). P = P D +P L dengan P l = P T BP = [ ] dan = [ j ] j j 8. Htung nla fungs lalu evaluasdar masng-masng partel (P ) dalam populas dengan menggunaan fungs dberan oleh: C t = 9. Bandngan nla evaluas fungs masng-masng ndvdu dengan Pbest-nya. Evaluas terba nla antara Pbest dlambangan sebagagbest 10. Pada epoch = + 1, update velocty partel ( ) dan poss partel menggunaan algortma : - ombnas bobot nersa (nerta weght) dan fator penyemptan (constrcton factor) ( - ) - ) - ombnas bobot nersa (nerta weght) dan fator penyemptan (constrcton factor) ( - ) 11. Update poss tap partel pada epoch= + 1 yatu : - ) ) dengan 12. Ja nla evaluas setap partel lebh ba dar Pbest sebelumnya, maa nla saat evaluas saat n datur menjad Pbest. Ja Pbest terba adalah lebh ba darpada Gbest, nla datur menjad Gbest. 13. Ja nla Gbest epoch saat n dengan sebelumnya memenuh rtera error yang dtentuan dmana lebh besar atau sama atau epoch sudah mencapa masmum maa solus n danggap palng optmal yatu nla Gbest terbaru dengan total baya pembangtan yang mnmum selanjutnya dlanjutan e langah 14. Tap ja belum memenuh maa embal e langah Selesa HASIL DAN PEMBAHASAN Sstem standar IEEE 26 terdr atas 6 pembangt, 26 bus, dan 46 saluran spert yang terlhat pada Gambar 2.Sstem n dujan pada pembebanan (P D ) = MW untu melhat nerja edua metode pendeatan yang dusulan [3][9]. Adapun parameter MIPSO yang dgunaan asus IEEE 26 bus n adalah : Masmum jumlah teras (epoch) = Uuran partel = 100 Fator asselaras c 1 dan c 2 meml nla yang sama yatu 2 untu Contrcton Factor (CF) bernla 1 sedangan untu c 1 sama dengan c 2 sebesar 2,05 untu CF = 0,729. Inerta Weght (w) awal dan ahr yatu 0,9 0,4 Batasan error yatu Gbest(+1) Gbest ()
5 ISSN ELECTRANS, VOL.12, NO.2, SEPTEMBER 2013, Slac Gambar 2. Dagram satu gars sstem tenaga IEEE 26 bus [3]. (Sumber : Power System Analyss, Had Saadat) Pada smulas pada asus n menggunaan data sebaga berut [3][9] : Data fungs baya bahan baar pembangt C 1 (P 1 ) = ,0P 1 + 0,0070 C 2 (P 2 ) = ,0P 2 + 0,0070 C 3 (P 3 ) = ,5P 3 + 0,0070 C 4 (P 4 ) = ,0P 4 + 0,0070 C 5 (P 5 ) = ,5P 5 + 0,0070 C 6 (P 6 ) = ,0P 6 + 0,
6 SABHAN KANATA : KOMBINASI INERTIA WEIGHT DAN CONSTRICTION FACTOR PADA PARTICLE SWARM OPTIMIZATION SEBAGAI SOLUSI PEMBANGKITAN EKONOMIS PADA SISTEM TENAGA IEEE 26 BUS Data batasan pembangtan 100 MW P MW 50 MW P MW 80 MW P MW 50 MW P MW 50 MW P MW 50 MW P MW Koofsen rug-rug daya B (pu) = [ ] Adapun eempat hasl smulas untu asus IEEE 26 bus dengan pembebanan (P D ) = MW adalah sebaga berut : a. Metode MIPSO dengan pendeatan CFBPSO dmana parameter CF bernla 1 dengan c 1 sama dengan c 2 yatu 2. Kombnas daya eluaran tap pembangt : P 1 = 447,07 MW P 2 = 173,19 MW P 3 = 263,90 MW P 4 = 139,03 MW P 5 = 165,60 MW P 6 = 86,63 MW P total = 1.275,42 MW Baya bahan baar Ct = ,66 $ per jam Rug-rug daya P rug-rug = 12,42 MW 156
7 ISSN ELECTRANS, VOL.12, NO.2, SEPTEMBER 2013, Adapun graf pencaran solus (ftness functon) dtunjuan pada Gambar 4.1 dmana pada asus n onvergen pada saat epoch mencapa dengan solus terba (Gbest) yatu ,66 $ per jam. b. Metode MIPSO dengan pendeatan CFBPSO dmana parameter CF bernla 0,729 dengan c 1 sama dengan c 2 yatu 2,05. Kombnas daya eluaran tap pembangt : P 1 = 447,07 MW P 2 = 173,18 MW P 3 = 263,92 MW P 4 = 139,05 MW P 5 = 165,58 MW P 6 = 86,62 MW P total = 1.275,42 MW Baya bahan baar Ct = ,66 $ per jam Rug-rug daya P rug-rug = 12,42 MW Adapun graf pencaran solus (ftness functon) dtunjuan pada Gambar 4.2 dmana pada asus n onvergen pada saat epoch mencapa dengan solus terba (Gbest) yatu ,66 $ per jam. c. Metode MIPSO dengan pendeatan IWCFPSO dmana parameter CF bernla 1, c 1 sama dengan c 2 yatu 2, dan w yatu 0,9 0,4. Kombnas daya eluaran tap pembangt : P 1 = 447,07 MW P 2 = 173,18 MW P 3 = 263,92 MW P 4 = 138,05 MW P 5 = 165,58 MW P 6 = 86,62 MW P total = 1.275,42 MW Baya bahan baar Ct = ,66 $ per jam Rug-rug daya P rug-rug = 12,42 MW 157
8 SABHAN KANATA : KOMBINASI INERTIA WEIGHT DAN CONSTRICTION FACTOR PADA PARTICLE SWARM OPTIMIZATION SEBAGAI SOLUSI PEMBANGKITAN EKONOMIS PADA SISTEM TENAGA IEEE 26 BUS Adapun graf pencaran solus (ftness functon) dtunjuan pada Gambar 4.3 dmana pada asus n onvergen pada saat epoch mencapa dengan solus terba (Gbest) yatu ,66 $ per jam. d. Metode MIPSO dengan pendeatan IWCFPSO dmana parameter CF bernla 0,729, c 1 sama dengan c 2 yatu 2,05, dan w yatu 0,9 0,4. Kombnas daya eluaran tap pembangt : P 1 = 447,07 MW P 2 = 173,18 MW P 3 = 263,92 MW P 4 = 139,05 MW P 5 = 165,58 MW P 6 = 86,62 MW P total = 1.275,42 MW Baya bahan baar Ct = ,66 $ per jam Rug-rug daya transms P rug-rug = 12,42 MW Adapun graf pencaran solus (ftness functon) dtunjuan pada Gambar 4.4 dmana pada asus n onvergen pada saat epoch mencapa dengan solus terba (Gbest) yatu ,66 $ per jam. Sedangan graf perbandngan eempat smulas dtunjuan pada Gambar 3. Dar eempat smulas yang dlauan, MIPSO dengan pendeatan IWCFPSO yang menggunaan parameter CF = 0,729 memberan solus yang palng ba yatu ,66 $ per jam dengan jumlah epoch dbandngan etga parameter MIPSO yang dujan serta metode yang dgunaan peneltan sebelumnya sepert yang dtunjuan pada Tabel 4.1. Gambar 3.Epoch pencaran solus pada pembangtann eonoms 158
9 ISSN ELECTRANS, VOL.12, NO.2, SEPTEMBER 2013, Tabel 4.1. Perbandngan metode pada asus IEEE 26 bus Pembangt NR GA IPSO CFBPSO Hbrd IWCFPSO [3] [9] [9] CF=0,729 CF=1 CF=0,729 CF=1 P1(MW) 447,69 474,81 447,50 447,07 447,07 447,07 447,07 P2 (MW) 173,19 178,64 173,32 173,18 173,19 173,18 173,18 P3(MW) 263,49 262,21 263,47 263,92 263,90 263,92 263,92 P4 (MW) 138,81 134,28 139,06 139,05 139,02 139,05 139,05 P5(MW) 165,59 151,90 165,48 165,58 165,60 165,58 165,58 P6 (MW) 87,03 74,18 87,13 86,62 86,63 86,62 86,62 Jumlah epoch Total beban (MW) Total daya eluaran (MW) Total Baya ($/jam) Rug-rug daya (MW) , , , , , , , , , , , , , ,66 12,80 13,02 12,96 12,42 12,42 12,42 12,42 Metode Hbrd IWCFPSO dengan menggunaan constrcton factor (CF) = 0,729 ddapatan besar baya bahan baar ,66 $/jam dengan rug-rug daya 12,42 MW sehngga mampu menghemat baya bahan baar sebesar 5,04 $ per jam dbandng Metode Newton Raphson, 16,34 $ per jam lebh hemat dbandng Metode Algortma Geneta, 7,34 $ per jam lebh hemat dbandng metode IPSO. Sedangan ja dbandngan dengan metode CFBPSO dan hbrd IWCFPSO dengan CF = 1 ddapatan hasl pembangtan eonoms yang sama tap metode Hbrd IWCFPSO dengan menggunaan constrcton factor (CF) = 0,729 n meml jumlah epoch pencaran lebh sedt sehngga lebh unggul dar seg watu pencaran solus. KESIMPULAN 1. Untu asus IEEE bus dengan total pembebanan. MW metode PSO yang dusulan yatu CFBPSO mampu memberan penghematan baya lebh ba dbandngan metode yang dgunaan penelt sebelumnya yatu IPSO sebesar $ per jam, N w o Raph o sebesar $ per jam dan GA sebesar $ per jam. 2. Untu asus yang sama yatu IEEE bus dengan total pembebanan. MW metode PSO dengan pendeatan IWCFPSO yatu ombnas a w gh dan o o fa o mampu memberan solus lebh cepat dbandngan dengan metode pendeatan CFBPSO. 159
10 SABHAN KANATA : KOMBINASI INERTIA WEIGHT DAN CONSTRICTION FACTOR PADA PARTICLE SWARM OPTIMIZATION SEBAGAI SOLUSI PEMBANGKITAN EKONOMIS PADA SISTEM TENAGA IEEE 26 BUS DAFTAR PUSTAKA [1] Jzhong, Optmzaton of Power System Operaton, Prncpal Engneer, AREVA T & D Inc. Redmond, WA, USA, IEEE seres of Power Engneerng, Copyrght [2] Lang, Z.X., Glover, J.D., A Zoom Feature For a Dynamc Programmng Soluton to Economc Dspatch Includng Transmsson Losses, IEEE Transactons on Power Sstems, [3] Saadat, H., Power System Analyss, Tata McGraw Hll Publshng Company, New Delh, [4] Khare, A., Rangnear, S., Partcle Swarm Optmzaton : A Revew, Department of Energy, Maulana Azad Natonal Insttute of Technology, Bhopal , Inda.21 [5] Hardansyah, Junad, dan Yohannes, M.S., Solvng Economc Load Dspatch Problem Usng Partcle Swarm Optmzaton Techngue, I.J Intellgent Sstem and Applcaton, 12-18, [6] Mohatram, M., Kumar, S., Applcaton of Artfcal Neural Networ n Economc Generaton Schedulng of Thermal Power Plants, Proceedngs of the Natonal Conference, [7] Sudhaaran, M., Ajay, P., Vmal R.D., dan Palanvelu, T., Applcaton of Partcle Swarm Optmzaton for Economc Load Dspatch Problem, Internatonal Conference on Intellgent Sstem Applcaton to Power Sstem, Tawan, Nov [8] Adrant, Penjadwalan Eonoms Pembangt Thermal dengan Memperhtungan Rug-rug Saluran Transms Menggunaan Metode Algortma Genet, Jurusan Ten Eletro, Faultas Ten, Unverstas Andalas, TenA, no 33 vol. 1, Apr [9] Gang, Z., Partcle Swarm Optmzaton to Solvng The Economc Dspatch consderng the generator constrants, IEEE Transacton on Power System, Vol. 18, No. 3, August [10] Young, S., Montahab, M., dan Nour, H., A Constrcton Factors Based Partcle Optmzaton Algorthm to Solve The Economc Dspatch Problem Includng Losses, Internatonal Journal of Innovatons n Energy Sstem and Power, Vol. 6, No. 1, July [11] Ba, Q., Analyss of Partcle Swarm Optmzaton Algorthm, Computer and Informatc Scence Journal, Vol. 3 No 1, Feb [12] Sh, Y., Eberhart, R.C., Partcle Swarm Optmzaton: Development, Applcatons, and Resources, Proceedngs of the 2001 Congress on Evolutonary Computaton, [13] Sh, Y., Eberhart, R., A Modfed Partcle Swarm Optmzer, Proc. IEEE Int. Conf. Evol. Comput, pp 69-73, May [14] Clerc, M., The Swarm and The Queen: Towards a Determnstc and Adaptve Partcle Swarm Optmzaton, Proc Congress on Evolutonary Computaton, Washngton, pp , IEEE Servce Centre, [15] Eberhart, R.C., Sh, Y., Comparng Inerta Weght and Constrcton Factors n Partcle Swarm Optmzaton, Procedng of the 2000 Congress on Evolutonary Computaton, Vol. 1,,pp ,
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 terperinciOptimisasi Operasi Sistem Tenaga Listrik dengan Konstrain Kapabilitas Operasi Generator dan Kestabilan Steady State Global
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
Lebih terperinciOPTIMAL 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 terperinciStudi 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 terperinciPENGEMBANGAN 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 terperinciUSULAN 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 terperinciMODIFIED 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 terperincitoto_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 terperinciOptimisasi 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 terperinciFUZZY 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 terperinciBAB 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 terperinciOPTIMISASI 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 terperinciBAB 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 terperinciPENYELESAIAN 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 terperinciBAB 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 terperinciP 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 terperinciAnalisa 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 terperinciMODEL 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 terperinciOPTIMASI 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 terperinciCFBPSO sebagai Solusi Economic Dispatch pada Sistem Kelistrikan 500 kv Jawa-Bali
JNTETI, Vol., No., November CFBPSO sebagai Solusi Economic Dispatch pada Sistem Kelistrian V JawaBali Sabhan Kanata AbstractThe most substantial component of the operating cost of thermal generation is
Lebih terperinciEKSPEKTASI 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 terperinciOptimasi 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 terperinciPerbandingan 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 terperinciBenyamin 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 terperinciBAB 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 terperinciBAB 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 terperinciSIMULASI 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 terperinciBAB 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 terperinciStrategi 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 terperinciFUZZY 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 terperinciCreated 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 terperinciBab 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 terperinciBAB 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 terperinciStudi 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 terperinciBAB 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 terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS
ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS Ihwannul Khols, ST. MT. Unverstas 7 Agustus 945 Jaarta hols27@gmal.com Abstra Pengenalan pola data
Lebih terperinciBAB 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 terperinciIII 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 terperinciMETODE KLASTERISASI DATA BERBASIS ARTIFICIAL BEE COLONY DAN K-HARMONIC MEANS
TESIS METODE KLASTERISASI DATA BERBASIS ARTIFICIAL BEE COLONY DAN K-HARMONIC MEANS Oleh : I Made Wdartha NRP. 5109201009 Dosen Pembmbng : Dr. Agus Zanal Arfn, S.Kom, M.Kom Anny Yunart, S.Kom, M.Comp.Sc
Lebih terperinciMODIFIED IMPROVED PARTICLE SWARM OPTIMIZATION (MIPSO) SEBAGAI SOLUSI ECONOMIC DISPATCH PADA SISTEM KELISTRIKAN 500 kv JAWA-BALI
ODIFIED IPROVED PARTICLE SWAR OPTIIZATION (IPSO) SEBAGAI SOLUSI ECONOIC DISPATCH PADA SISTE KELISTRIKAN 5 V JAWABALI Sabhan Kanata *), Sarjiya, and Sasongo Pramono Hadi Jurusan Teni Eletro dan Tenologi
Lebih terperinciPEMODELAN 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 terperinciBab 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 terperinciALGORITMA GENETIKA SEBAGAI SOLUSI OPTIMAL POWER FLOW PADA SISTEM KELISTRIKAN 500 KV JAWA BALI
ALGORITMA GENETIKA SEBAGAI SOLUSI OPTIMAL POWER FLOW PADA SISTEM KELISTRIKAN 500 KV JAWA BALI Yassr *), Sarya *), and T. Haryono *) Jurusan Teknk Elektro dan Teknolog Informas, Fakultas Teknk, Unverstas
Lebih terperinciEvaluasi 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 terperinciSeminar 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 terperinciKarakterisasi 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 terperinciBAB 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 terperinciOPTIMAL REACTIVE POWER DISPATCH UNTUK MEMINIMISASI RUGI-RUGI DAYA AKTIF PADA SISTEM LAMPUNG MENGGUNAKAN METODE GREY-WOLF OPTIMIZER (GWO)
ol: 6, o. 2, Jul 2017 ISS: 2302-2949 OPTIMAL REACTIE POWER DISPATCH UTUK MEMIIMISASI RUGI-RUGI DAYA AKTIF PADA SISTEM LAMPUG MEGGUAKA METODE GREY-WOLF OPTIMIZER (GWO) Osea Zebua 1*, I Made Gnarsa 2 1 Staf
Lebih terperinciHuman-Friendly Arm Robot Berbasis Interactive Particle Swarm Optimization (IPSO)
Human-Frendly Arm Robot Berbass Interactve Partcle Swarm Optmzaton (IPSO) Anhar Rsnumawan, Indra Adj Sulstjono ) Jurusan Teknk Elektronka, Polteknk Elektronka Neger Surabaya Kampus PENS-ITS Sukollo, Surabaya
Lebih terperinciPENYELESAIAN 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 terperinciKLASTERISASI 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 terperinciProbabilitas 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 terperinciIDENTIFIKASI 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 terperinciOptimisasi Economic Dispatch Menggunakan Fuzzy-Bacterial Foraging Algorithm
Semnar Nasonal Pascasarjana XI ITS, Surabaya 27 Jul 2011 Optmsas Economc Dspatch Menggunakan Fuzzy-Bacteral Foragng Algorthm Muhammad Rdha Fauz 1, Imam Roband 2 Power System Operaton and Control Laboratory
Lebih terperinciBAB 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 terperinciKata 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 terperinciBAB 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 terperinciBAB 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 terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciStudi 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 terperinciProsedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Prosedur Komputas untu Membentu Selang Kepercayaan Smultan Propors Multnomal S - 11 Bertho Tantular Departemen Statsta FMIPA UNPAD bertho@unpad.ac.d
Lebih terperinciPENJADWALAN PEMBEBANAN MENGGUNAKAN FAKTOR PENALTI PADA SISTEM TRANSMISI 500 kv JAWA-BALI DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
PENJADWALAN PEMBEBANAN MENGGUNAKAN FAKTOR PENALTI PADA SISTEM TRANSMISI 500 kv JAWA-BALI DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Had Sutanto Sarag *), Hermawan, and Susatyo Handoko
Lebih terperinciAnalisa 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 terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciPERBANDINGAN 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 terperinciHAK 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 terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciSeptian Dwiratha. Jurusan Teknik Elektro Fakultas Teknik Industri, Institut Teknologi Sepuluh Nopember
KOORDINASI OPTIMAL RELE DIRECTIONAL OVERCURRENT RELAY PADA SISTEM TRANSMISI 150 KV MENGGUNAKAN HYBRID PARTICLE SWARM OPTIMIZATION TIME VARYING ACCELERATION COEFFICIENT (PSO-TVAC) Septan Dwratha Jurusan
Lebih terperinciBAB 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 terperinciBAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).
BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).
Lebih terperinciAPLIKASI 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 terperinciMetode Algoritma Genetika dan Darwinian Particle Swarm Optimization dengan Variable Acceleration Factor Untuk Fungsi Multimodal
Vol. 5, No. 3 Desember 2016 ISSN 2088-2130;e-ISSN 2502-4884 Metode Algortma Genetka dan Darwnan Partcle Swarm Optmzaton dengan Varable Acceleraton Factor Untuk Fungs Multmodal Arad Retno Tr Hayat Manajemen
Lebih terperinciIMPLEMENTASI 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 terperinciPENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD
Semnar Nasonal Sstem dan Informatka 2007; Bal, 6 November 2007 PENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD Nur Hasanah ) Istkhomah 2) Taufq Hdayat 3) Sr Kusumadew 4) Jurusan
Lebih terperinciPENGUJIAN 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 terperinciPENJADWALAN 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 terperinciPengolahan 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 terperinciJARINGAN SARAF TIRUAN UNTUK IDENTIFIKASI POLA KODE DERAU PALSU
JARINGAN SARAF TIRUAN UNTUK IDENTIFIKASI POLA KODE DERAU PALSU Ea Saputra LF096585 Jurusan Ten Eletro Faultas Ten Unverstas Dponegoro Abstra Jarngan saraf truan merupaan suatu metode yang salah satunya
Lebih terperinciBAB III MODUL INJEKTIF
BAB III ODUL INJEKTIF Bab n adalah bab yang palng pentng arena bab n bers mula dar hal-hal dasar mengena modul njet sampa sat-sat stmewanya yang tda dml oleh modul lan yang tda njet, yang merupaan ous
Lebih terperinciRoy Madi Mahasiswa Teknik Informatika, FT UMRAH
OPTIMASI WAKTU KEBERANGKATAN FERRY TANJUNGPINANG BATAM DENGAN METODE PARTICLE SWARM OPTIMIZATION (Stud Kasus : Pelabuhan Sr Bntan Pura, Kota Tanjungpnang) Roy Mad Mahasswa Teknk Informatka, FT UMRAH (roymad0@gmal.com)
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciAnalisis Variasi Parameter Backpropagation Artificial Neural Network dan Principal Component Analysis Terhadap Sistem Pengenalan Wajah
ELECTRANS, Jurnal Ten Eletro, Komputer dan Informata http://eournal.up.edu/ndex.php/electrans Analss aras Parameter Bacpropagaton Artfcal Neural Networ dan Prncpal Component Analyss Terhadap Sstem Pengenalan
Lebih terperinciImplementasi 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 terperinciMETODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND
METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND Rully Soelaman, Suc Hatnng Rn dan Dana Purwtasar Faultas Tenolog Informas, Insttut Tenolog Sepuluh Nopember (ITS), Surabaya, 60, Indonesa
Lebih terperinciOptimasi Penjadwalan Perkuliahan Dengan Menggunakan Hybrid Discrete Particle Swarm Optimization (Studi Kasus: PTIIK Universitas Brawijaya)
Jurnal Pengembangan Teknolog Informas dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 4, Aprl 2017, hlm. 249-256 http://j-ptk.ub.ac.d Optmas Penjadwalan Perkulahan Dengan Menggunakan Hybrd Dscrete Partcle
Lebih terperinciPENENTUAN JUMLAH PRODUKSI OPTIMAL CPO DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING PADA PABRIK KELAPA SAWIT PT. XYZ
e-jurnal Ten Industr FT USU Vol 3, No., Otober 03 pp. 45-5 PENENTUAN JUMLAH PRODUKSI OPTIMAL CPO DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING PADA PABRIK KELAPA SAWIT PT. YZ Delmar Bnhot Lumbantoruan, Poerwanto,
Lebih terperinciIV. 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 terperinciPEMBUATAN APLIKASI UNTUK ANALISIS ECONOMIC DISPATCH STASIUN PEMBANGKIT TENAGA LISTRIK
PEMBUATAN APLIKASI UNTUK ANALISIS ECONOMIC DISPATCH STASIUN PEMBANGKIT TENAGA LISTRIK ELECTRICHSAN, VOL. 1, NO.1, MEI 2014 PEMBUATAN APLIKASI UNTUK ANALISIS ECONOMIC DISPATCH STASIUN PEMBANGKIT TENAGA
Lebih terperinciOleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si
Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf
Lebih terperinciPemodelan 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 terperinciTEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA
IndoMS Journal on Statstcs Vol, No (4), Page 39-49 TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA Arum Handn Prmandar, Abdurahman Jurusan
Lebih terperinciSOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN
SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN Ita Rahmadayan 1, Syamsudhuha 2, Asmara Karma 2 1 Mahasswa Program Stud S1 Matematka
Lebih terperinciPengenalan Jenis Kelamin Berdasarkan Citra Wajah Menggunakan Metode Two-Dimensional Linear Discriminant Analysis
Konferens Nasonal Sstem & Informata 05 STMIK STIKOM Bal, 9-0 Otober 05 Pengenalan Jens Kelamn Berdasaran Ctra Wajah Menggunaan Metode Two-Dmensonal Lnear Dscrmnant Analyss Ftr Damayant Prod Manajemen Informata,
Lebih terperinciOPTIMASI PEMBAGIAN BEBAN PLTU SURALAYA MENGGUNAKAN METODE ANT COLONY OPTIMIZATION
OPTIMASI PEMBAGIAN BEBAN PLTU SURALAYA MENGGUNAKAN METODE ANT COLONY OPTIMIZATION Suhendar 1, Ika Want Tusyan 2, Almuddn 3 1,2,3 Jurusan Teknk Elektro, Fakutas Teknk Unverstas Sultan Ageng Trtayasa Jl.
Lebih terperinciVI. 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 terperinciBAB 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 terperinciEstimasi Posisi Magnetic Levitation Ball Menggunakan Metode Akar Kuadrat Ensemble Kalman Filter (AK-EnKF)
R.E.M. (Reayasa Energ Manufatur Jurnal Vol. No. 1 017 ISSN 7-674 (prnt, ISSN 8-373 (onlne Journal Homepage: http://ojs.umsda.ac.d/ndex.php/rem DOI: https://do.org/10.1070/r.e.m.v1.768 Estmas Poss Magnetc
Lebih terperinciMEMINIMALKAN 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 terperinciImplementasi Algoritma Radix Sort dalam Berbagai Kasus Bilangan Dibandingkan Algoritma Pengurutan yang lain
Abstra Implementas Algortma Radx Sort dalam Berbaga Kasus Blangan Dbandngan Algortma Pengurutan yang lan Dean Fathony Alfatwa, Ere Rahman Syah P 2, Fahrs Mumtaza Ahsan 3 Departemen Ten Informata, Insttut
Lebih terperinci