MODIFIED IMPROVED PARTICLE SWARM OPTIMIZATION FOR OPTIMAL GENERATOR SCHEDULING
|
|
- Ivan Suharto Susanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Semnar Nasonal Aplkas Teknolog Informas 009 (SNATI 009) ISSN: Yogyakarta, 0 Jun 009 MODIFIED IMPROVED PARTICLE SWARM OPTIMIZATION FOR OPTIMAL GENERATOR SCHEDULING Mackel Tuegeh 1, Soeprjanto, Maurdh H Purnomo 3 1 Jurusan Teknk Elektro Unverstas Sam Ratulang Manado, Sulawes Utara Jurusan Teknk Elektro ITS, Surabaya Jurusan Teknk Elektro ITS, Surabaya E-mal: m_tuegeh@elect-eng.its.ac.d, adsup@ee.ts.ac.d, hery@ee.ts.ac.d ABSTRAK Generator schedulng merupakan bagan pentng dalam pengoperasan sstem tenaga lstrk. Tdak ada penjadwalan yang bak dapat menyebabkan baya yang sangat besar dalam proses pengoperasan terutama pada ss pembangktan, juga dapat menyebabkan tdak ada koordnas dalam menyalurkan tenaga lstrk. Optmas penjadwalan dar generator dperoleh dengan kecerdasan buatan dantaranya menggunakan teknk modfed mproved Partcle Swarm Optmzaton (MIPSO). Hasl smulas menunjukkan bahwa metode yang dgunakan memberkan performa yang sangat bak dan hasl n juga dbandngkan dengan metoda teras lamda untuk melhat keakuratan dar hasl yang ddapat. Metode n daplkaskan pada dua contoh sstem dan dselesakan dengan menggunakan Matlab. Kata Kunc: Optmal Generator Schedulng, MIPSO. 1. PENGANTAR Suatu sstem tenaga lstrk memlk tujuan untuk membangktkan kemudan menyalurkan serta memanfaatkan energ lstrk yang terbangkt tersebut. Suatu sstem tenaga lstrk berdasarkan batasannya pada suatu sstem yang lengkap secara umum mengandung empat unsur, yatu: a. Unsur pembangkt tenaga lstrk b. Sstem transms c. Saluran dstrbus d. Unsur pemakaan atas utltas, yang terdr atas nstalas pemakaan tenaga lstrk. Semakn berkembangnya jumlah penduduk menyebabkan penyebaran penduduk yang semakn luas. Hal n juga berdampak pada kebutuhan akan energ lstrk yang semakn har makn menngkat dan juga tersebar luas. Kebutuhan akan lstrk yang sangat besar tdak dapat dpenuh oleh satu atau dua unt pembangkt tap harus dpenuh oleh beberapa unt pembangkt. Sstem tenaga lstrk dengan banyak jens pembangkt yang ada merupakan suatu kelebhan, tap hal tersebut menyebabkan semakn kompleks permasalahan yang ada. Dengan karakterstk yang berbeda-beda maka pengoperasan suatu generator pada pembangkt harus optmal untuk melayan kebutuhan beban yang ada sehngga baya operas dapat dtekan. Pengoptmalan generator schedulng dalam sstem tenaga lstrk sangat dperlukan, karena proses pembangktan dan penyaluran dalam sstem tenaga lstrk memerlukan baya yang sangat besar. Koordnas antar pembangktan dperlukan dalam upaya melakukan optmal generator schedulng untuk memperoleh baya yang mnmum. Teknk solus dalam masalah optmsas dapat menggunakan kecerdasan buatan. Salah satu teknk solus masalah optmsas dalam kecerdasan buatan menggunakan teknk Partcle Swarm Optmzaton (PSO). Kelebhan utama algortma PSO adalah mempunya konsep sederhana, mudah dmplementaskan, dan efsen dalam perhtungan jka dbandngkan dengan algortma matematka dan teknk optmsas heurstk lannya. Dalam peneltan n, metoda PSO dgunakan untuk mneyelesakan optmal generator schedulng dan memberkan hasl dengan performa yang bak.. PARTICLE SWARM OPTIMIZATION (PSO).1 Dasar PSO Algortma Partcle Swarm Optmzaton (PSO) dperkenalkan oleh Kennedy dan Eberhart pada tahun 1995, proses algortmanya dnspras oleh perlaku sosal dar bnatang, sepert sekumpulan burung dalam suatu swarm. Partcle Swarm Optmzaton (PSO) adalah salah satu dar teknk komputas evolusoner, yang mana populas pada PSO ddasarkan pada penelusuran algortma dan dawal dengan suatu populas yang random yang dsebut dengan partcle. Berbeda dengan teknk komputas evolusoner lannya, setap partcle d dalam PSO juga berhubungan dengan suatu velocty. Partcle-partcle tersebut bergerak melalu penelusuran ruang dengan velocty yang dnams yang dsesuakan menurut perlaku hstorsnya. Oleh karena tu, partclepartcle mempunya kecenderungan untuk bergerak ke area penelusuran yang lebh bak setelah melewat proses penelusuran. Partcle Swarm Optmzaton (PSO) mempunya kesamaan dengan genetc algorthm yang mana dmula dengan suatu populas yang random dalam bentuk matrks. Namun PSO tdak memlk operator F-85
2 Semnar Nasonal Aplkas Teknolog Informas 009 (SNATI 009) ISSN: Yogyakarta, 0 Jun 009 evolus yatu crossover dan mutas sepert yang ada pada genetc algorthm. Bars pada matrks dsebut partcle atau dalam genetc algorthm sebaga kromosom yang terdr dar nla suatu varable. Setap partcle berpndah dar possnya semula ke poss yang lebh bak dengan suatu velocty. Pada algortma PSO vektor velocty dupdate untuk masng-masng partcle kemudan menjumlahkan vektor velocty tersebut ke poss partcle. Update velocty dpengaruh oleh kedua solus yatu global best yang berhubungan dengan baya yang palng rendah yang pernah dperoleh dar suatu partcle dan solus local best yang berhubungan dengan baya yang palng rendah pada populas awal. Jka solus local best mempunya suatu baya yang kurang dar baya solus global yang ada, maka solus local best menggantkan solus global best. Kesederhanaan algortma dan performansnya yang bak, menjadkan PSO telah menark banyak perhatan d kalangan para penelt dan telah daplkaskan dalam berbaga persoalan optmsas sstem tenaga sepert economc dspatch, desgn kontrol PID pada sstem AVR, kontrol tegangan dan daya reaktf, unt commtment dan lan sebaganya. PSO telah populer menjad optmsas global dengan sebagan besar permasalahan dapat dselesakan dengan bak d mana varabelvarabelnya adalah blangan rl. Beberapa stlah umum yang basa dgunakan dalam Optmsas Partcle Swarm dapat ddefnskan sebaga berkut : 1. Swarm : populas dar suatu algortma.. Partcle: anggota (ndvdu) pada suatu swarm. Setap partcle merepresentaskan suatu solus yang potensal pada permasalahan yang dselesakan. Poss dar suatu partcle adalah dtentukan oleh representas solus saat tu. 3. Pbest (Personal best): poss Pbest suatu partcle yang menunjukkan poss partcle yang dpersapkan untuk mendapatkan suatu solus yang terbak. 4. Gbest (Global best) : poss terbak partcle pada swarm. 5. Velocty (vektor): vektor yang menggerakkan proses optmsas yang menentukan arah d mana suatu partcle dperlukan untuk berpndah (move) untuk memperbak possnya semula. 6. Inerta weght : nerta weght d smbolkan w, parameter n dgunakan untuk mengontrol dampak dar adanya velocty yang dberkan oleh suatu partcle. Prosedur standar untuk menerapkan algortma PSO adalah sebaga berkut : 1. Insalsas populas dar partcle-partcle dengan poss dan velocty secara random dalam suatu ruang dmens penelusuran.. Evaluas fungs ftness optmsas yang dngnkan d dalam varabel d pada setap partcle. 3. Membandngkan evaluas ftness partcle dengan Pbestnya. Jka nla yang ada lebh bak dbandngkan dengan nla Pbestnya, maka Pbest dset sama dengan nla tersebut dan P sama dengan lokas partcle yang ada X dalam ruang dmensonal d. 4. Identfkas partcle dalam lngkungan dengan hasl terbak sejauh n. 5. Update velocty dan poss partcle. 6. Kembal ke step sampa krtera terpenuh, basanya berhent pada nla ftness yang cukup bak atau sampa pada jumlah maksmum teras. Sepert halnya dengan algortma evolusoner yang lan, algortma PSO adalah sebuah populas yang ddasarkan penelusuran nsalsas partcle secara random dan adanya nteraks dantara partcle dalam populas. D dalam PSO setap partcle bergerak melalu ruang solus dan mempunya kemampuan untuk mengngat poss terbak sebelumnya dan dapat bertahan dar generas ke generas.. Ukuran Swarm Ukuran swarm atau populas yang dplh adalah tergantung pada persoalan yang dhadap. Ukuran swarm yang umum dgunakan berksar antara 0 sampa 50. Hal tersebut telah dpelajar sejak dahulu bahwa PSO hanya perlu ukuran swarm atau populas yang lebh kecl dbandng algortma-algortma evolusner yang lan untuk mendapatkan solussolus terbak..3 Koofsen Akseleras Pada umumnya nla-nla untuk koefsen akseleras c 1 dan c =.0. Namun demkan, nla koefsen akseleras tersebut dapat dtentukan sendr yang dgunakan d dalam peneltan yang berbeda, basanya nla c 1 dan c adalah sama dan berada pada rentang antara 0 sampa 4..4 Inerta Weght Perubahan velocty pada algortma PSO terdr atas tga bagan yatu sosal part, cogntve part dan momentum part. Ketga bagan tersebut menentukan kesembangan antara kemampuan penelusuran global dan local, oleh karena tu dapat memberkan performans yang bak pada PSO. Parameter nerta weght dgabungkan dengan sosal part d dalam algortma PSO stándar. Persamaan dnams dar PSO dengan nerta weght (w) dmodfkas menjad : Vd = wvd + c1rand 1( Pd X d ) + crand ( Pgd X d ) (1) dan X = X + V () d d d F-86
3 Semnar Nasonal Aplkas Teknolog Informas 009 (SNATI 009) ISSN: Yogyakarta, 0 Jun 009 Persamaan (1) sama dengan persamaan () kecual ada penambahan parameter baru yatu nerta weght (w). Inerta weght dperkenalkan untuk kesembangan antara kemampuan penelusuran global dan local. Secara umum parameter nerta weght (w) dperoleh dengan menggunakan persamaan berkut : wmax wmn w = wmax Iter (3) Itermax Dengan : w = Weght awal dan akhr max w mn Iter max = jumlah teras maksmum Iter = jumlah teras yang ada Inerta weght yang besar dapat memudahkan dalam penelusuran global sedangkan nerta weght yang kecl memudahkan untuk penelusuran local. Penggunaan nerta weght dapat menngkatkan performans dalam beberapa aplkas, beberapa peneltan menunjukkan bahwa ketka menggunakan nerta weght faktor velocty maksmum dapat menjad sederhana yang dset dengan nla pada rentang dnams dar setap varable basanya antara 0.4 sampa 0.9. Konsep nerta weght (w) dkembangkan oleh Sh dan Eberhart pada tahun 1998 menjad suatu parameter kontrol yang bak dar lngkup penelusurun yang dmotvas kengnan untuk mengurang Vmax. Persamaan menggambarkan velocty dan poss partcle yang dmodfkas dengan parameter nerta weght..5 Constrcton Factor Parameter lan yang dkenal ddalam algortma PSO adalah constrcton factor, parameter n dperkenalkan oleh Clerc dengan tujuan dapat menjamn suatu penelusuran dalam algortma PSO untuk konvergen lebh cepat. Coefsent constrcton yang palng sederhana basa dsebut oleh Clerc sebaga type 1 yang memerlukan aplkas dar koefsen untuk kedua bentuk persamaan velocty. Pada umumnya penelt menerapkan metode constrcton dengan menetapkan nla φ= 4.1 maka nla-nla untuk c 1 dan c dset sama dengan.05 sehngga nla C = Dengan metode constrcton n mengakbatkan konvergens dapat terjad dar waktu ke waktu dmana lntasan oslas ampltudo semakn berkurang..6 Modfed Improved Partcle Swarm Optmzaton (MIPSO) Persamaan (1)-(3) adalah persamaan dasar algortma PSO yang dmodfkas dengan menggunakan Inerta Wegth Aproach (IWA). Inerta wegth dperkenalkan untuk menyembangkan kemampuan antara penelusuran global dan lokal. Clerc memperkanalkan parameter lan yang dsebut dengan Constrcton Factor Approach (CFA) yang dgunakan untuk memodfkas algortma IPSO yang ada yang dsebut dengan Modfed Improved Partcle Swarm Optmzaton (MIPSO). Parameter n dapat memberkan performans yang lebh bak pada algortma MIPSO. Pada umumnya penelt menerapkan constrcton factor pada algortma PSO dengan mengeset nla c 1 dan c =.05 sehngga dperoleh nla C = Secara aljabar nla n equvalen dengan menggunakan nerta weght ketka w=0.79 dan c 1 =c = , semakn besar nla φ maka C menjad semakn kecl dan efek peredaman menjad lebh bak. Karakterstk konvergens dan perlaku pada sstem dapat dkontrol oleh φ. Berbeda dengan metode evolutonary komputas (EC) yang lan, CFA pada algortma MIPSO dpastkan konvergen pada penelusuran yang ddasarkan pada teor matematka. Algortma MIPSO dengan Constrctton Factor Approach (CFA) dapat menghaslkan solus yang bak dbandngkan dengan algortma IPSO yang menggunakan Inerta Weght Approach (IWA), meskpun CFA hanya memperhtungkan perlaku dnamk dar partcle atau agent dan pengaruh dar nteraks antara partcle-partcle, dmana persamaanpersamaan tu telah dkembangkan dengan poss terbak dengan Pbest dan Gbest, meskpun dapat berubah selama penelusuran d dalam persamaan dasar PSO. 3. BIAYA PEMBANGKITAN Baya operas dar suatu sstem tenaga lstrk merupakan baya terbesar dalam pengoperasan suatu perusahaan lstrk. Baya yang dkeluarkan oleh suatu perusahaan lstrk untuk menghaslkan energ lstrk dalam suatu sstem tenaga lstrk dtentukan oleh baya nvestas dan baya operas atau baya produks. Besar baya nvestas tdak bergantung pada besar daya keluaran pembangkt tetap bergantung pada besar kapastas daya terpasang pembangkt. Baya nvestas melput baya pembangunan pusat pembangkt, jarngan transms dan dstrbus serta peralatan sstem lannya, sedangkan baya operas atau baya produks merupakan semua baya yang dkeluarkan dalam pengoperasan suatu pembangkt. Untuk sstem yang sudah ada (telah beroperas) baya nvestas telah tertentu besarnya. Beberapa komponen baya yang terkat dengan optmsas pembangkt adalah, antara lan: a. Baya Tetap b. Baya Bahan Bakar c. Baya Star-Up d. Baya Produks e. Bayan Daya Cadangan F-87
4 Semnar Nasonal Aplkas Teknolog Informas 009 (SNATI 009) ISSN: Yogyakarta, 0 Jun 009 Memnmumkan baya operas pembangktan adalah merupakan optmsas, sehngga optmsas pembangktan dapat ddefenskan sebaga suatu proses pembangktan yang bertujuan untuk mengoptmalkan daya dan memnmumkan baya pembangktan. 3.1 Karakterstk Input-Output Pembangkt Karakterstk nput output pembangkt termal adalah karakterstk yang menggambarkan hubungan antara nput bahan bakar (lter/jam) dan output yang dhaslkan oleh pembangkt (MW). Pada umumnya karakterstk nput output pembangkt termal ddekat dengan fungs polnomal orde dua yatu: H = α + β P + γ P (4) dengan : H = Input bahan bakar pembangkt termal ke- (lter/jam) P = Output pembangkt termal ke- (MW) α, β, γ = Konstanta nput-output pembangkt termal ke-. Penentuan parameter α β, dan, γ membutuhkan data yang berhubungan dengan nput bahan bakar H dan output pembangkt P. Output lstrk dar sstem pembangkt termal selan dsalurkan melalu jarngan transms pada suatu sstem tenaga lstrk juga dgunakan pada sstem tenaga bantu (auxlary power system) pada suatu pusat pembangkt. Unt turbn uap membutuhkan -6 % dar output kotor untuk tenaga penggerak turbn (boler), pompa, kpas, lampu dan sebaganya. Untuk menggambarkan karakterstk nputoutput, nput kotor drepresentaskan sebaga nput total yang dukur dalam rupah per jam dan output bersh pada suatu plant adalah output daya lstrk dalam MW yang dsedakan oleh sstem pembangkt tenaga lstrk. Gambar 1 adalah karakterstk nput-output unt pembangkt termal dapat dnyatakan sebaga berkut: 1. Input dar pembangkt dnyatakan dalam : H = Mbtu/jam (energ panas yang dbutuhkan), atau F = R/jam (total baya bahan bakar). Output dar pembangkt dnyatakan dalam : P = MW (daya). Data karakterstk nput-output basanya dperoleh dar hasl perhtungan desan atau dar hasl pengukuran. Jka data yang dgunakan adalah data dar hasl pengukuran maka akan dperoleh kurva yang tdak kontnyu (smooth). Unt pembangkt termal mempunya batas krts operas mnmum dan maksmum, batas beban mnmum umumnya dsebabkan oleh kestablan pembakaran dan masalah desan generator, sebaga contoh beberapa unt pembangkt termal tdak dapat beroperas d bawah 30 % dar kapastas desan. Unt pembangkt hdro mempunya karakterstk nput-output yang mrp dengan unt pembangkt termal. Karakterstk nput-output pembangkt hdro menggambarkan hubungan antara nput penggerak mula, berupa volume ar yang dalrkan dantara sudu-sudu turbn persatuan waktu dan outputnya adalah daya lstrk dar generator dalam MW. Gambar.8 menunjukkan karakterstk nput-output untuk pembangkt tenaga ar dengan head tetap. acre ft h Input Q Gambar. Karakterstk nput-output unt pembangkt hdro 3. Batas Pembebanan Ekonoms Pembangkt Termal. Umumnya mesn pembangkt tenaga lstrk mempunya batas pembebanan yang dbatas oleh kapastas ekonoms mnmum dan kapastas ekonoms maksmum dan juga keterbatasan kerja komponen-komponen mesn, sehngga dalam pembebanan pembangkt termal harus dperhatkan karakterstk efsens dan karakterstk kenakan panas tap unt pembangkt termal sepert pada Gambar 3 Gambar 1. Karakterstk Input-Output unt pembangkt termal (deal) F-88
5 Semnar Nasonal Aplkas Teknolog Informas 009 (SNATI 009) ISSN: Yogyakarta, 0 Jun 009 menyelesakan persoalan economc dspatch. MIPSO memberkan suatu strateg baru untuk menemukan solus global yang lebh bak. Gambar 3. Batas Pembebanan Suatu Unt Pembangkt Ratng pembebanan suatu unt pembangkt termal dambl pada daerah karakterstk heat rate hampr datar, dmana heat rate berharga mnmum dan efsens optmum yang berksar antara 80-90%. Daerah pemebebanan n telah memberkan efsens yang cukup tngg dengan heat rate yang rendah sehngga dtnjau dar seg ekonomsnya menguntungkan. 4. FLOWCHART ALGORITMA YANG DIUSULKAN 5. HASIL Hasl perhtungan daplkaskan pada dua contoh dengan menggunakan algortma yang dusulkan dan untuk membandngkan keakuratan hasl maka dbandngkan dengan perhtungan menggunakan metode Iteras Lambda. Data yang dpaka adalah persamaan karakterstk dar nput-output pembangkt, nla maksmum dan mnmum dar generator dan baya bahan bakar. a. Contoh pertama, dambl dalam Exp. 3.7 page 8 n Power Generaton,Operaton and Control by Allen J Wood Unt Unt data n (M W) P P 1 Max (MW) Fuel Cost ($/MBtu) P P P P Tabel 1. Data contoh pertama Dengan menggunakan algortma yang dusulkan maka dperoleh hasl: No Generator MIPSO Load (MW) Unt Unt Unt Total Load (MW) 450 Total cost (Rp. / Hour) Tabel. Hasl dar contoh pertama dengan MIPSO Gambar 5 Flowchart Algortma yang dusulkan Pendekatan algortma Modfed Improved Partcle Swarm Optmzaton (MIPSO) yang dusulkan akan dmplementaskan untuk Dengan menggunakan metode teras lambda maka dperoleh hasl: F-89
6 Semnar Nasonal Aplkas Teknolog Informas 009 (SNATI 009) ISSN: Yogyakarta, 0 Jun 009 No Generator Iteras lambda Tabel 3. Hasl dar contoh pertama dengan Iteras Lambda b. Contoh kedua, sstem kelstrkan dengan 5 unt termal dan total load 8 MW Unt Unt data Load (MW) Unt Unt Unt Total Load (MW) 450 Total cost (Rp. / Hour) P P P P P P P P P P 5 M n ( M W ) Tabel 4 Data contoh kedua Ma x (M W) Fue lco st (R/l ter) No Generaton MIPSO Load (MW) 8 1 Unt Unt Unt Unt Unt Total load (MW) 8 Total cost (Rp. / Hour) ,47 Tabel 5 Hasl dar contoh kedua dengan MIPSO No Generaton Iteras Lambda Load (MW) 8 1 Unt 1 9. Unt Unt Unt Unt Total load (MW) 8 Total cost (Rp. / Hour) ,11 Tabel 6 Hasl dar contoh dengan Iteras Lambda 6. KESIMPULAN 1. Dalam tulsan n masalah Optmal Generator Schedulng dapat dselesakan dengan menggunakan MIPSO. Perhtungan telah daplkaskan dalam dua sstem dan dua metode 3. Menggunakan MIPSO memperoleh hasl yang lebh bak dar metode teras Lambda. PUSTAKA Wood Allen J, Wollenberg Bruce F, (1996), Power Generaton, Operatonal, and Control, Second Edton, Jhon Wley & Sons, Inc Kundur Praba (1993) Power Sstem Stablty And Control McGraw-Hll Shahdehpour Mohammad, Wang Yaoyu, (003) Communcaton And Control In Electrc Power Sstem Jhon Wley & Sons, Inc Saadat Had (004) Power Sstem Analyss Internatonal Edton, McGraw-Hll James Kennedy and Russell C. Eberhart, wth Yuhu Sh (001) Swarm Intellgence Morgan Kaufmann Publshers Clerc Maurce (006) Partcle Swarm Optmzaton ISTE, Ltd Pablo E. Oñate Yumbla, Juan M. Ramrez and Carlos A. Coello Coello (Feb 008) Optmal Power Flow Subject to Securty Constrants Solved Wth a Partcle Swarm Optmzer IEEE Transactons on Power Systems, vol. 3, no. 1 And Syarfuddn, 008, Economc Dspatch For Thermal Generator In Sulawes Selatan System Usng Modfed Improved Partcle Swarm Optmzaton ITS Surabaya F-90
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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciBAB 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 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 terperinciBAB IV PERHITUNGAN DAN ANALISIS
BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter
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 I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada
BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka
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 terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang
Lebih terperinciBAB 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 terperinciIII. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and
III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS
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 1 PENDAHULUAN. meningkatnya arus reaktif. Harmonisa telah terbukti memiliki dampak kerusakan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Kualtas daya lstrk sangat dpengaruh oleh penggunaan jens-jens beban tertentu sepert beban non lner dan beban nduktf. Akbat yang dtmbulkannya adalah turunnya
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 terperinciBAB 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 terperinciJurnal Teknologi Elektro, Universitas Mercu Buana ISSN:
KECERDASAN BUATAN BERBASIS PARTICLE SWARM OPTIMIZATION, ANT COLONY OPTIMIZATION DAN FIREFLY ALGORITHM UNTUK MEREDAM OSILASI GANGGUAN PADA SISTEM PEMBANGKIT LISTRIK Pressa P. Surya Unverstas Muhammadyah
Lebih terperinciBAB 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciPRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel
PRAKTIKUM 6 Penyelesaan Persamaan Non Lner Metode Newton Raphson Dengan Modfkas Tabel Tujuan : Mempelajar metode Newton Raphson dengan modfkas tabel untuk penyelesaan persamaan non lner Dasar Teor : Permasalahan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
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 terperinciMODEL HEURISTIK PENENTUAN RUTE KENDARAAN DENGAN BATASAN WAKTU PENGIRIMAN
MODEL HEURISTIK PENENTUAN RUTE KENDARAAN DENGAN BATASAN WAKTU PENGIRIMAN Tjutju T. Dmyat Jurusan Teknk Industr Unverstas Pasundan E-mal : admyat@bdg.centrn.net.d ABSTRAK Penentuan rute kendaraan (Vehcle
Lebih terperinciPENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI
PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI Reky Stenly Wndah Dosen Jurusan Teknk Spl Fakultas Teknk Unverstas Sam Ratulang Manado ABSTRAK Pada bangunan tngg,
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciBAB 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 terperinciBAB IV METODE PENELITIAN. Penelitian mengenai Analisis Pengaruh Kupedes Terhadap Performance
BAB IV METODE PENELITIAN 4.1 Lokas dan Waktu Peneltan Peneltan mengena Analss Pengaruh Kupedes Terhadap Performance Busness Debtur dalam Sektor Perdagangan, Industr dan Pertanan dlaksanakan d Bank Rakyat
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinci2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil
.1 Sstem Makroskopk dan Sstem Mkroskopk Fska statstk berangkat dar pengamatan sebuah sstem mkroskopk, yakn sstem yang sangat kecl (ukurannya sangat kecl ukuran Angstrom, tdak dapat dukur secara langsung)
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 terperinciBAB 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 terperinciAbdul Rajab Andi Faharuddin Staf Pengajar Teknik Elektro Univ. Andalas, Padang. Kampus Limau Manis, Padang
PEMBAGIAN BEBAN SECARA EKONOMIS PEMBANGKIT- PEMBANGKIT LISTRIK UNIT TERMAL MENGGUNAKAN KOMBINASI METODE PEMROGRAMAN DINAMIS DAN PENYELESAIAN SECARA ANALITIS Abdul Rajab And Faharuddn Staf Pengajar Teknk
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2 Masalah Transportas Jong Jek Sang (20) menelaskan bahwa masalah transportas merupakan masalah yang serng dhadap dalam pendstrbusan barang Msalkan ada m buah gudang (sumber) yang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda
Lebih terperinciMENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak
JURAL MATEMATIKA DA KOMUTER Vol. 6. o., 86-96, Agustus 3, ISS : 4-858 MECERMATI BERBAGAI JEIS ERMASALAHA DALAM ROGRAM LIIER KABUR Mohammad Askn Jurusan Matematka FMIA UES Abstrak Konsep baru tentang hmpunan
Lebih terperinciBAB 2 TINJAUAN KEPUSTAKAAN
BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud
Lebih terperinci(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a
Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg
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 terperinci3 METODE HEURISTIK UNTUK VRPTW
12 3 METODE HEURISTIK UNTUK VRPTW 3.1 Metode Heurstk Metode heurstk merupakan salah satu metode penentuan solus optmal dar permasalahan optmas kombnatoral. Berbeda dengan solus eksak yang menentukan nla
Lebih terperinciBAB 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 terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
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 III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
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 terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciSTUDI OPERASI EKONOMIS PADA GENERATOR PEMBANGKIT SISTEM SULAWESI SELATAN. Abstrak
Sofyan, dkk, Stud Operas Ekonoms pada Generator Pembangkt Sstem Sulawes Selatan STUDI OPERASI EKONOMIS PADA GENERATOR PEMBANGKIT SISTEM SULAWESI SELATAN Sofyan, Nadjamuddn Harun, Tola 3 Mahasswa Program
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 terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
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 terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciDalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang
LARGE SCALE SYSEM Course by Dr. Ars rwyatno, S, M Dept. of Electrcal Engneerng Dponegoro Unversty BAB V OPIMASI SISEM Dalam sstem pengendalan berhrark level, maka optmas dapat dlakukan pada level pertama
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciEFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR
EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral
Lebih terperinciPeramalan Beban Listrik Untuk Penjadwalan Sistem Pembangkit
e-jurnal Teknk Elektro dan Komputer (03) Peramalan Beban Lstrk Untuk Penjadwalan Sstem Pembangkt G. E. J. Toreh, M. Tuegeh, M. Pakdng, L. Patras Jurusan Teknk Elektro-FT. UNSRAT, Manado-955, Emal: garcatoreh@gmal.com
Lebih terperinciRANGKAIAN SERI. 1. Pendahuluan
. Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan
Lebih terperinciHUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT
HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT ABSTRAK STEVANY HANALYNA DETHAN Fakultas Ekonom Unv. Mahasaraswat Mataram e-mal : stevany.hanalyna.dethan@gmal.com
Lebih terperinciBab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu
Bab 2 Tnjauan Pustaka 2.1 Peneltan Terdahulu Pemlhan stud pustaka tentang sstem nformas penlaan knerja karyawan n juga ddasar pada peneltan sebelumnya yang berjudul Penerapan Metode TOPSIS untuk Pemberan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciIII. METODOLOGI PENELITIAN
44 III. METODOLOGI PENELITIAN A. Metode Peneltan Menurut Arkunto (00:3) peneltan ekspermen adalah suatu peneltan yang selalu dlakukan dengan maksud untuk melhat akbat dar suatu perlakuan. Metode yang penuls
Lebih terperinciPEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant)
PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Stud Kasus : Metode Secant) Melda panjatan STMIK Bud Darma, Jln.SM.Raja No.338 Sp.Lmun, Medan Sumatera Utara Jurusan Teknk Informatka e-mal : meldapjt.78@gmal.com
Lebih terperinciBAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,
BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu
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 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciSWARM INTELLIGENCE (Teori & Case Study)
Judul SWARM INTELLIGENCE (Teor & Case Study) PSO, ACO, ABC, ACO-SVR, etc Oleh: Imam Cholssodn Ef Ryandan PENGANTAR Buku n member pemahaman konsep lanjut dan detal penyelesaan untuk pengembangan Swarm Intellgence
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB 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 terperinciPenjadwalan Generator Yang Optimal Dengan Memperhatikan Keamanan Kerja Generator
E-journal Teknk Elektro dan Komputer (015), ISSN : 301-840 56 Penjadwalan Generator Yang Optmal Dengan Memperhatkan Keamanan Kerja Generator Prety Chrsty Tobuhu (1), Ir. Hans Tumalang, MT. (), Mackel Tuegeh,
Lebih terperinci