OPTIMASI GAS LIFT DALAM MANAJEMEN ALOKASI GAS INJEKSI DENGAN MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION (STUDI KASUS PT. XYZ)
|
|
- Yandi Budiono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 OPTIMASI GAS LIFT DALAM MANAJEMEN ALOKASI GAS INJEKSI DENGAN MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION (STUDI KASUS PT. XYZ) Hannan Fatoni 1), Mauridhi Hery P 2), dan Ardyono Priyadi 2) 1) Program Studi Magister Manajemen Teknologi, Institut Teknologi Sepuluh Nopember Jl. Cokroaminoto 12A, Surabaya, 60264, Indonesia hannanfatoni@gmail.com 2) Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember ABSTRAK Didalam industri minyak dan gas bumi, besarnya cadangan hidrokarbon dan tipe dari reservoir sangatlah menentukan untuk mendesain metode pengangkatan hidrokarbon ke permukaan serta proses pengolahannya. PT. XYZ menggunakan desain gas lift injeksi untuk mengangkat kandungan minyak bumi dari dasar reservoir. Ketidakstabilan kondisi reservoir terjadi saat katup produksi dibuka lebih besar dengan cepat untuk menghasilkan produksi yang lebih banyak. Hal ini akan berdampak pada terjadinya penurunan tekanan reservoir dan produksi minyak bumi. Langkah-langkah optimisasi produksi wajib dilakukan untuk menjaga kesinambungan produksi minyak dan gas bumi pada PT. XYZ melalui pengelolaan alokasikan laju gas lift injeksi pada masing-masing sumur produksi sehingga mampu menghasilkan produksi minyak bumi yang maksimal. Prosper software digunakan untuk mendapatkan modeling dari masing-masing sumur sehingga diperoleh kurva gas lift injeksi terhadap laju produksi minyak. Masing-masing fungsi kurva gas lift injeksi akan dilakukan uji validasi data dengan menggunakan acuan data hasil dari pengetesan masing-masing sumur produksi. Algoritma Particle Swarm Optimization (PSO) digunakan untuk menyelesaikan permasalahan diatas dan juga dibandingkan dengan solusi solver add-in yang menggunakan metode Genetik Algoritma (GA). Hasil maksimum yang diperoleh setelah dilakukan optimasi PSO adalah alokasi gas injeksi pada masingmasing sumur produksi sebesar 0.98; 2.66; 1.39; 0.98; 3.19; 1.61; 1.78; 2.03; 1.40 dan 0.98, pada keterbatasan gas injeksi dilapangan sebesar 17 Million standard cubic feet perday (MMscfd). Hasil maksimal minyak bumi sebesar Barrel per-day (BPD). Keuntungan maksimum perusahaan setelah optimasi mencapai USD$ 578,004 meningkat sebesar 5.57% dari sebelum optimasi. Kata kunci: Optimasi, Prosper Modeling, Particle Swarm Optimization (PSO), Genetik Algoritma (GA). PENDAHULUAN Perusahaan PT. XYZmerupakan salah satu perusahaan eksplorasi dan eksploitasi minyak dan gas bumi yang mengembangkan fasilitas produksi yang dimilikinya dikawasan Jawa Timur. Pada pengembangan awal produksi, terdapat beberapa buah sumur yang menghasilkan gas dan dilanjutkan dengan kegiatan bersama antara produksi dan pengeboran sumur baru. Gas yang dihasilkan kemudian diinjeksikan kembali ke dalam sumur baru yang memiliki kandungan minyak melalui saluran injeksi gas yang disalurkan kedalam tubing melalui katup gas injeksi pada kedalaman tertentu dengan memanfaatkan proses secara mekanik membuka dan menutup katup gas injeksi. Untuk mencapai target A-35-1
2 produksi, kandungan gas yang dihasilkan diproduksi lebih cepat dari yang seharusnyasehingga terjadi penurunan tekanan reservoir yang cukup cepat dan berdampak pula pada penurunan produksi minyak. Permasalahan yang ditemui dalam optimasi injeksi gas lift adalah untuk menentukan alokasi jumlah gas yang akan diinjeksikan kedalam masing-masing sumur produksi sehingga mendapatkan hasil produksi minyak yang maksimal. Sementara pada kenyataan dilapangan besarnya alokasi gas yang dapat diinjeksikan kedalam sumur sangat terbatas. Gas lift performance curve (GLPC) dikembangkan untuk mengetahui korelasi laju gas injeksi terhadap besarnya produksi minyak pada masing-masing sumur.ketersediaan gas injeksi menjadi salah satu pembatas yang dibutuhkan disamping keterbatasan kapasitas pengolahan limbah air. Pendekatan dengan fungsi exponensial dari kurva GLPC digunakan untuk mendapatkan formulasi matematis sehingga permasalahan optimasi dapat dipecahkan dengan menggunakan metode particle swarm optimization (PSO) dan hasilnya nanti akan dibandingkan dengan pula dengan solusi optimasi dengan menggunakan metode genetic algorithm (GA)yang memanfaatkan fungsi solver add-in. Hasil yang diperoleh akan dimasukkan kedalam fungsi obyektif untuk mencari profit perusahaan. Diharapkan dengan perbandingan hasil tersebut dapat dihasilkan solusi yang terbaik untuk menyelesaikan permasalahan optimasi gas-lift dari PT. XYZ. METODA PENELITIAN Secara garis besar penelitian ini terdiri dari tiga tahap, yaitu tahap studi pendahuluan, pemodelan korelasi antara gas injeksi terhadap hasil sumur produksi,optimasi dari model yang diperoleh untuk meningkatkan produksi dan perhitugan maksimasi profit perusahaan. Untuk menyelesaikan permasalahan optimasi yang berhubungan dengan distribusi injeksi gas pada masing-masing sumur produksi pada penelitian ini, dibutuhkanpemodelankurva GLPC. Kurva GLPC merupakan sebuah fungsi kontinyu yang memberikan korelasi antara laju gas injeksiterhadap laju produksi minyak bumi.pendekatan dari kurva GLPC yang digunakan adalah dengan pendekatankedalam sebuah fungsi exponensial sehinggamampu mendapatkan plot fungsi kurva yang mendekati kurva GLPC. Hasil pemodelan fungsi exponensial ini perlu dilakukan validasi terhadap kondisi aktual dilapangan melalui mekanisme pembanding menggunakan data uji sumur. Langkah selanjutnyaadalahmenentukan fungsi objektif dan fungsi kendala dari permasalahan yang ada untuk selanjutnya dilakukan analisa optimasi produksi. Metode optimasi yang digunakan adalah menggunakan metode PSO dan dibandingkan dengan metode GA.Kedua metode ini digunakan untuk memecahkan permasalahan optimasi nonlinier dengan menggunakan prinsip evolusi yang ditemukan di alam untuk menemukan solusi optimal dari sebuah permasalahan. Metode optimasi yang menggunakan jaringan syaraf tiruan merupakan metode non-deterministik, yang dapat menghasilkan solusi yang agak berbeda pada setiap kali percobaan dilakukan. Tahap Studi Pendahuluan Pada tahap studi pendahuluan dilakukan penelitian awal dengan data-data produksi milik PT. XYZ untuk menggali permasalahan tentang penurunan produksi minyak bumi. Selanjutnya, dilakukan studi literature untuk menentukan teori dan konsep yang relevan untuk digunakan menyelesaikan permasalahan. Teori dan konsep yang digunakan dalam penelitian ini meliputi bahasan tentang kondisi proses aktual dilapangan, pengumpulan data A-35-2
3 reservoir, pemodelan kurva GLPC, optimasi gas-lift, fungsi obyektif, kendala-kendala dilapangan produksi, perhitungan keuntungan produksi,pso danga.dengan menentukan jumlah alokasi volume gas injeksi yang dibutuhkan pada masing-masing sumur produksi, perusahaan dapat meningkatkan produksi minyak yang maksimal sehingga mendapatkan keuntungan yang optimal secara ekonomi. Disisi lain kenaikan produksi minyak bumi tentunya akan disertai dengan meningkatnya produksi air yang akan memberikan kenaikan biaya pengolahan. Metode optimasi PSO dan GA yang digunakan untuk memecahkan permasalahan alokasi gas lift pada lapangan produksi milik PT. XYZ merupakan optimasi nonlinier dengan menggunakan prinsip evolusi yang ditemukan di alam untuk menemukan solusi optimal dari sebuah permasalahan. Metode optimasi yang menggunakan jaringan syaraf tiruan merupakan metode non-deterministik, yang dapat menghasilkan solusi yang agak berbeda pada setiap kali percobaan dilakukan.dalam penerapan penyelesaian permasalahan optimasi dengan menggunakan metode GA, solusi permasalahan direpresentasikan sebagai chromosome. Populasi awal ini dibangkitkan secara random untuk mendapatkan solusi awal. Selanjutnya menggunakan pola operasi reproduksi/seleksi, crossover dan mutasi untuk reporduksi. Setelah beberapa generasi, akan dihasilkan chromosome-chromosomedimana nilai gen-gennya konvergen ke suatu nilai tertentu.nilai tersebut merupakan solusi terbaik untuk penyelesaian permasalahan yang dihasilkan dengan metode GA. Penerapan optimasi PSO menitik beratkan pada pengaturan kecepatan partikel secara heuristik dan probabilistik. Metode optimasi yang didasarkan pada swarm intelligence ini disebut algoritma behaviorally inspired sebagai alternatif lain dari metode GA. Dalam konteks optimasi multivariabel, kawanan diasumsikan mempunyai ukuran tertentu atau tetap dengan setiap partikel posisi awalnya terletak di suatu lokasi yang acak dalam ruang multidimensi. Setiap partikel diasumsikan memiliki dua karakteristik: posisi dan kecepatan. Setiap partikel bergerak dalam ruang/space tertentu dan mengingat posisi terbaik yang pernah dilalui atau ditemukan terhadap sumber makanan atau nilai fungsi objektif. Setiap partikel menyampaikan informasi atau posisi terbaiknya kepada partikel yang lain dan menyesuaikan posisi dan kecepatan masing-masing berdasarkan informasi yang diterima mengenai posisi yang terbaik tersebut. Tahap Pengumpulan Data Lapangan Tabel 1. Data produksi sebelum optimasi Berdasarkan studi literatur dilakukanpengumpulan data kolektif dari lapangan produksi milik PT. XYZ dilokasi lepas pantai Jawa Timur. Data yang digunakan pada penelitian ini merupakan data primer yang diperoleh dari hasil eksplorasi dan pengeboran A-35-3
4 sumur berupa data pressure-volume-temperature reservoir, data penyelesaian pengeboran sumur dan data-data pengujian sumur-sumur produksi seperti tekanan pada reservoir, tekanan pada kepala sumur, kedalaman titik lokasi katup gas-lift, laju produksi minyak dan laju injeksi gas. Tahap Pemodelan Gas Lift Performance Curve Data-data yang diperolehakan digunakan didalam proses selanjutnya yaitu pemodelan sumur produksi, validasi model, obyektif dan kendala-kendala gas injeksi. Untuk menyelesaikan permasalahan optimasi mengenai manajemen alokasi gas injeksi pada sumur gas lift, diperlukan hubungan antara laju injeksi gas terhadap laju produksi minyak pada masing-masing sumur produksi.pendekatan dengan pemodelankurva korelasi ini disebut dengan Gas-lift Perfomance Curve (GLPC) yang dilakukan secara komputerisasi menggunakan software prosper. Gambar 1.Contoh hasil modeling GLPC Apabila diamati hasil pemodelan GLPC sumur produksi mendekati sebuah fungsi exponensial atau sebuah fungsi polinomial orde tinggi. Penelitian lebih awal dilakukan oleh Robert N. Hatton dan Ken Potter (2011) dan menyatakan bahwa pendekatan kurva GLPC yang lebih baik diperoleh dengan menggunakan persamaan exponensial dibandingkan dengan pendekatan dengan menggunakan persamaan polinomial ber-orde tinggi.bentuk persamaan exponensial yang digunakan adalah: f(x) = a3+((a2/(a0 /a2)-1))*(exp(-a1x)-exp(-a0x)) (1) Keterangan: x adalah independen variable (laju gas injeksi) a 0, a1, a2,a3dan a4merupakan koefisien independen Kurva gas lift keseluruhan dari hasil simulasi modeling diregresikan secara exponensial berdasarkan pada fungsi persamaan 1 untuk mencari nilai masing-masing koefisien a0, a1, a2, dan a3yang memberikan error terkecil. Hasil keseluruhan modeling sumur produksi dalam bentuk fungsi exponensial dapat dilihat sebagai berikut: Sumur 1: A-35-4
5 f(x 1 ) = ((4.4230/(0.8205/4.4230)-1))*(exp( x 1 )-exp( x 1 )) Sumur 2: f(x 2 ) = ((9.1730/((0.0159)/9.1730)-1))*(exp( x 2 )-exp( x 2 )) Sumur 3: f(x 3 ) = ((2.5876/((0.0143)/2.5876)-1))*(exp( x 3 )-exp( x 3 )) Sumur 4: f(x 4 ) = (((0.8726)/(0.0174/(0.8726)-1))*(exp( x 4 )-exp( x 4 )) Sumur 5: f(x 5 ) = ((0.0334/((0.0000)/0.0334)-1))*(exp( x 5 )-exp( x 5 )) Sumur 6: f(x 6 ) = ((1.5201/((0.0042)/1.5201)-1))*(exp( x 6 )-exp( x 6 )) Sumur 7: f(x 7 ) = (( /(1.6248/ )-1))*(exp( x 7 )-exp( x 7 )) Sumur 8: f(x 8 ) = (( /(1.5179/ )-1))*(exp( x 8 )-exp( x 8 )) Sumur 9: f(x 9 ) = ((4.9937/((0.0365)/4.9937)-1))*(exp( x 9 )-exp( x 9 )) Sumur 10: f(x 10 ) = (( /(0.8072/ )-1))*(exp( x 10 )-exp( x 10 )) 1200 GAS LIFT CURVE x=gas Lift Injected Rate (MMscfD); y=oil Production Rate (BPD) Gambar 2.Hasil pendekatan fungsi exponensial terhadap kurva GLPC Tahap Validasi Model Well1 Well2 Well3 Well4 Well5 Well6 Well7 Well8 Well9 Well10 Korelasi dilakukan pada model yang telah dibuat dan dibandingkan dengan hasil yang diperoleh dari pengujian sumur dilapangan produksi. Model sumur produksi yang dihasilkan berdasarkan persamaan fungsi exponensial (1), akan dilakukan validasi untuk mengetahui sejauh mana ketepatan dan kecermatan dari model yang dibuat terhadap data A-35-5
6 pengukuran aktual dari lapangan. Hasil validasi yang diperoleh menunjukkan korelasi yang cukup signifikan dimana nilai rata-rata produksi minyak, air dan gas memiliki korelasi ratarata mencapai Well 1 Well 2 Well 3 Well 4 Well 5 Well 6 Well 7 Well 8 Well 9 Well 10 Gambar 3. Nilai korelasi pembacaan hasil uji sumur dengan hasil modeling Tahap Penentuan Fungsi Obyektif dan Fungsi Kendala Fungsi obyektif yang akan digunakan adalah sebagai berikut: Maksimasi: PPPPPPPP ff(xx ii ) NNNNNN xx ii ii=1 ii=1 PPPPPPPPPPPP = ii=10 BBBBBBBBBB pppppppppppppppp mmmmmmmmmmmm PPPPPPPP yy ii Oil Water Gas ii=10 Keterangan: POIL = Nilai minyak bumi sekarang ff(xx ii ) = f(x1) + f(x2) + f(x3) f(x4) + f(x5) + f(x6) + f(x7) f(x8) + f(x9) + f(x10) NGP = Nilai gas alam sekarang Biaya produksi = Biaya tetap dan biaya variable untuk menghasilkan pemisahan minyak bumi dan gas. PWTR = Biaya yang dibutuhkan untuk pengolahan limbah air produksi perbarrel air. ff(yy ii ) = f(y1) + f(y2) + f(y3) f(y4) + f(y5) + f(y6) + f(y7) f(y8) + f(y9) + f(y10) Besarnya laju alir air olahan produksi hidrokarbon merupakan sebuah fungsi konstan yang diambil dari hasil pengujian sumur produksi dan dimasukkan kedalam laju fungsi besarnya minyak bumi yang dihasilkan. Metode perbandingan didalam industri pengolahan minyak dan gas bumi biasa disebut sebagai pembacaan hasil water-cut dari sumur produksi. Besarnya konstanta pada masing-masing sumur produksi berdasarkan data hasil pengujian sumur adalah sebagai berikut: yy 1 = 0.99*x1/(1-0.99); yy 2 =0.85*x2/(1-0.85); yy 3 =0.86*x3/(1-0.86); yy 4 =0.99*x4/(1-0.99); yy 5 =0.7*x5/(1-0.7); yy 6 =0.65*x6/(1-0.65) yy 7 =0.88*x7/(1-0.88); yy 8 =0.86*x8/(1-0.86); yy 9 =0.88*x9/(1-0.88) yy 10 =0.78*x10/(1-0.78); ii=10 ii=1 (2) A-35-6
7 Fungsi pembatas sesuai dengan kondisi proses produksi yang terdapat pada pengolahan minyak dan gas bumi miliki PT. XYZ. Batasan batasan yang digunakan dalam permasalahan optimasi ini ada dua; yang pertama adalah keterbatasan sumber injeksi gas yang masih menggunakan gas dari dalam. Jumlah gas injeksi maksimum= xx ii 0R(laju gas injeksi non-negatif) Fungsi Kendala 1: uuuuuuuuuu ii=1 ss/dd jjjjjjjjjjh ssssssssss xx ii Total gas injeksi yang tersedia ii=10 xx ii 17 mmmmmmmmmmmm xx ii merupakan variabel bebas atau variabel penyebab (independent variables) yang digunakan untuk menentukan hubungan antara fenomena yang diobservasi atau diamati dalampenelitian ini adalah pengaruh besarnya laju injeksi gas terhadap produksi minyak bumi yang dihasilkan didalam satu sumur produksi. Kendala berikutnya adalah keterbatasan fasilitas pengolahan air limbah industri minyak. Air limbah hasil dari separasi hidrokarbon akan diinjeksikan kembali kedalam reservoir olahan melalui 3 buah pompa injeksi yang masing-masing memiliki keterbatasan volume sebesar 213 M3 per jam atau setara dengan 32,153 BPD. Jumlah air maksimum= Fungsi Kendala 2: uuuuuuuuuu ii=1 ss/dd jjjjjjjjjjh ssssssssss ii=1 yy ii Kapasitas pengolahan air produksi yang tersedia. ii=10 yyyy BBBBBB yy ii merupakan variabel terikat (dependent variables) yang merupakan kondisi hubungan antara fenomena yang diobservasi atau diamati dalampenelitian ini adalah besarnya jumlah air olahan yang dihasilkan terhadap produksi minyak bumi yang dihasilkan didalam satu sumur produksi. HASIL DAN PEMBAHASAN Permasalahan yang dihadapi didalam optimasi gas injeksi adalah penentuan alokasi gas injeksi pada masing-masing sumur produksi untuk mendapatkan produksi minyak yang maksimal. Penerapan optimasi pada percobaan awal PSO dilakukan beberapa kali dengan masing-masing percobaan mengkombinasikan antara besar populasi awal dan banyaknya iterasi. Percobaan awal ini dilakukan untuk mencari inisial populasi awal dan banyaknya iterasi yang akan digunakan dalam pemecahan masalah optimasi selanjutnya. Asumsi awal yang digunakan adalah seluruh produksi gas yang dihasilkan dari reservoir digunakan untuk gas lift injeksi.hasil solusi optimasi ditampilkan dalam sebuah kurva dengan sumbu x merrpresentasikan banyaknya iterasi sedangkan sumbu y merepresentasikan ekpektasi banyaknya produksi minyak yang dapat dihasilkan Perbedaan dari percobaan pertama dengan iterasi maksimal 500. Solusi yang dihasilkan dari optimasi ini dapat dilihat pada gambar 4. Gambar (4.a) ii=1 A-35-7
8 menggunakanpopulasi awal sebanyak 5000, (4.b) menggunakan populasi awal sebanyak 2500, (4.c) menggunakan populasi awal sebanyak 2000 dan (4.d) menggunakan populasi awal sebanyak Bila diamati, solusi yang dapat memberikan hasil maksimal diperoleh denganjumlah populasi awal sebanyak (4.a) (4.b) (4.c) (4.d) Gambar 4. Hasil optimasi gas injeksi pada sumur produksi dengan menggunakan metode PSO dengan iterasi maksimum 500 Percobaan kedua dilakukan dengan menaikkan jumlah iterasi maksimum menjadi Jumlah populasi awal masih menggunakan komposisi yang sama seperti percobaan sebelumnya yaitu 5000, 2500, 2000 dan 1000.Dari keempat grafik pada gambar 5 (a~d) tersebut dapat diamati bahwa banyaknya populasi yang menghasilkan nilai terbaik diperoleh pada populasi (5.a) (5.b) A-35-8
9 (5.c) (5.d) Gambar 5. Hasil optimasi gas injeksi pada sumur produksi dengan menggunakan metode PSO dengan iterasi maksimum 1000 Peneliti melakukan percobaan kembali dengan menaikkan nilai iterasi maksimum menjadi 2000 dan masih menggunakan komposisi populasi awal yang sama dengan percobaan sebelumnya. Hasil percobaan ini dapat dilihat pada gambar 6dimana banyaknya populasi yang menghasilkan nilai terbaik diperoleh pada populasi (6.a) (6.c) (6.b) (6.d) Gambar 6. Hasil optimasi gas injeksi pada sumur produksi dengan menggunakan metode PSO dengan iterasi maksimum 2000 Hal yang patut dicermati adalah kenaikan jumlah iterasi maksimum tidak berdampak signifikan kepada hasil yang diberikan, dimana hasil maksimum yang diperoleh masih berkisar pada besaran iterasi rata-rata pada iterasi ke-440. Sedangkan populasi awal yang memberikan hasil maksimum berkisar Komposisi populasi awal dan besarnya iterasi maksimum ini akan digunakan pada optimasi selanjutnya. Sebagai pembanding, dipilih penggunaan metode GA dengan memanfaatkan applikasi solver addin. Dari hasil beberapa percobaan, nilai maksimum, minimum, rata-rata dan besarnya varian yang diperoleh dari kedua metode PSO maupun GA tersebut diambil dan A-35-9
10 dibandingkan hasilnya pada gambar 7. Dari hasil tersebut dapat dilihat bahwa kedua metode PSO dan Solver mampu memberikan hasil maksimal yang tidak jauh berbeda.metode algoritma PSO dipilih karena solusi yang diharapkan adalah solusi alokasi laju alir gas inkesi pada masing-masing sumur produksi yang termasuk dalam model optimasi non deterministik polinomial Perbandingan Hasil Optimasi Produksi Minyak MAX MIN AVERAGE PSO GA Gambar 7. Perbandingan hasil optimasi antara metode PSO dan Solver (kendala gas injeksi 17MMscfd dan fasilitas pengolahan air 32,150 BPD) Perhitungan profit dengan asumsi data rata-rata dari sumur produksi yang sejenis dengan sumur produksi dari PT. XYZ berdasarkan tabel data yang dikeluarkan oleh kementerian ESDM harga minyak bumi adalah sebesar USD$ per Barrel. Sedangkan biaya produksi serta pengolahan minyak bumi sebesar USD$ per-mmscf diperoleh dari data rata-rata pengeluaran anggaran operasional pertahun. Kenaikan produksi minyak tentu akan menyebabkan pula terjadinya pula kenaikan biaya produksi. Besarnya profit perusahaan dapat dibandingkan sebagai berikut. 582, , , , , , , , ,498 0% Sebelum Optimasi 5.572% 5.272% 5.301% 5.274% 578,004 Perbandingan profit perusahaan 577,969 Gambar 8. Perbandingan profit perusahaan Secara keseluruhan profit yang diperoleh dari hasil optimasi dapat dihitung dengan menambahkan nilai minyak bumi. Perhitungan hasil profit maksimum yang diperoleh setelah dilakukan optimasi PSO menunjukkan hasil yang lebih baik dibandingkan sebelum dilakukan optimasi yaitu sebesar USD$ 578,004. Besarnya profit ini masih lebih tinggi dibandingkan dengan maksimum profit yang dihasilkan dari solusi denganmenggunakan metode GA yaitu sebesar USD$ 577,987. Sementara untuk profit minimum dan rata-rata yang dapat dihasilkan setelah optimasi baik dengan solusi yang diberikan dengan metode PSO maupun solusi yang diberikan dengan metode GA adalah sebesar USD$ 577, , , % MAX MIN AVG MAX MIN AVG 575,258 Optimasi PSO Optimasi GA Profit Perusahaan Profit (%) 5.300% 577,987 6% 5% 4% 3% 2% 1% 0% A-35-10
11 (optimasi PSO minimum); USD$ 575,258 (optimasi GA minimum); USD$ 578,134 (optimasi PSO rata-rata); USD$ 577,987 (optimasi GA rata-rata). Secara umum hasil yang diberikan setelah optimasi PSO baik secara maksimum, minimum maupun rata-rata masih lebih baik bila dibandingkan dengan solusi optimasi dengan menggunakan metode GA. KESIMPULAN DAN PENELITIAN LANJUTAN Berdasarkan penelitian yang dilakukan serta hasil analisis dari simulasi maka dapat disimpulkan: 1. Permasalahan optimasi alokasi gas injeksi pada sumur produksi milik PT. XYZ merupakan permasalahan yang kompleks dengan proses perhitungan alokasi gas injeksi pada seluruh sumur produksi yang dilakukan secara simultan. 2. Solusi optimasi yang diberikan dengan menggunakan metode PSO adalah solusi optimasi non-deterministik polinomial. Dengan melakukan 200 percobaan; metode PSO mampu memberikan hasil produksi minyak bumi maksimal sebesar 4,908.7 BPD sedangkan nilai minimum yang dihasilkan adalah sebesar 4,902.2 BPD sementara ratarata hasil percobaan mampu menghasilkan 4, BPD. 3. Jumlah alokasi gas lift injeksi pada masing-masing sumur produksi yang dibutuhkan untuk menghasilkan produksi minyak yang maksimum dengan menggunakan metode PSO adalah sebesar (dalam MMscfd) 0.98; 2.66; 1.39; 0.98; 3.19; 1.61; 1.78; 2.03; 1.40 dan 0.98 serta menghasilkan air limbah sebesar 29,751 BPD. Sementara dengan menggunakan metode GA solusi maksimum yang diberikan adalah dengan alokasi gas injeksi pada masing-masing sumur produksi sebesar (dalam MMscfd) 0.98; 2.68; 1.48; 0.98; 3.18; 1.64; 1.70; 2.05; 1.34 dan 0.98 serta serta menghasilkan air limbah sebesar 29,740 BPD. 4. Metode optimasi PSO mampu memberikan keuntungan maksimum sebesar USD$ 578,004 dan masih lebih baik apabila dibandingkan dengan maksimum profit yang dihasilkan dari metode GA yaitu sebesar USD$ 577,987. PT. XYZ memiliki beberapa anjungan lepas pantai yang masing-masing dapat saling terhubung. Apabila hasil olahan dari beberapa anjungan lepas pantai tersebut digabungkan, maka akan memberikan sebuah permasalahan baru untuk optimasi produksi. Penelitian lanjutan dapat dilakukan dengan memasukkan sumur-sumur produksi dari anjungan lepas pantai lainnya kedalam permasalahan dan mengalokasikan gas injeksi pada keseluruhan sumur-sumur produksi agar mencapai hasil produksi minyak yang maksimal. DAFTAR PUSTAKA Mostafa Monfared, Abbas Helalizadeh, (2013), Simulation and Gas Allocation Optimization of Gas-lift System Using Genetic Algorithm Method in One of Iranian Oil Field, Journal of Basic and Applied Scientific Research, ISSN , pp. 732~738. Deni Saepudin, Edy Soewono, Kuntjoro Adji Sidarto, Agus Yodi Gunawan,Septoratno Siregar, Pudjo Sukarno, (2007) An Investigation on Gas-lift Performance Curve in an Oil-Producing Well Hindawi Publishing Corporation, International Journal of Mathematics and Mathematical Sciences. A-35-11
12 Mohammad M. Zerafat, Shahab Ayatollahi, Ali A. Rossta, (2009), Genetic Algorithms and Ant Colony Approach for Gas-lift Allocation Optimization, Journal of the Japan Petroleum Institute, Vol 52, No.3, (2009), pp Robert N. Hatton, Ken Potter, (2011), Optimization of Gas-Injected Oil Wells, SAS Global Forum, paper H. Beggs, (2008), Production Optimization Using Nodal Analysis, Oil & Gas Consultants, 2nd edition, J. Kennedy, and R. Eberhart, Perticle Swarm Optimization, IEEE Conference on Neural Networks, pp , (perth, Australia), Piscataway, NJ, IV, 1995 E. R.Martinez,W. J.Moreno, J. A. Moreno, and R. Maggiolo, Application of genetic algorithm on the distribution of gas lift injection, in Proceedings of the 3rd SPE Latin American and Caribbean Petroleum Engineering Conference, pp , Buenos Aires, Argentina, April T. Ray and R. Sarker, Multiobjective evolutionary approach to the solution of gas lift optimization problems, in Proceedings of the IEEE Congress on Evolutionary Computation (CEC 06), pp , British Columbia, Canada, July Santosa, Budi. (2005), Tutorial Particle Swarm Optimization, Teknik Industri ITS Surabaya. A-35-12
BAB 1. PENDAHULUAN 4. Asumsi yang digunakan untuk menyederhanakan permasalahan pada penelitian ini adalah:
Bab 1 Pendahuluan Pada saat produksi awal suatu sumur minyak, fluida dapat mengalir secara natural dari dasar sumur ke wellhead atau kepala sumur. Seiring dengan meningkatnya produksi dan waktu operasi,
Lebih terperinciDynamic Optimal Power Flow dengan kurva biaya pembangkitan tidak mulus menggunakan Particle Swarm Optimization
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) B-24 Dynamic Optimal Power Flow dengan kurva biaya pembangkitan tidak mulus menggunakan Particle Swarm Optimization Afif Nur
Lebih terperinciOPTIMASI ALOKASI GAS INJEKSI SUMUR DUAL GAS LIFT
OPTIMASI ALOKASI GAS INJEKSI SUMUR DUAL GAS LIFT Tesis Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister dari Institut Teknologi Bandung Oleh: Silvya Dewi Rahmawati NIM: 20105018 Program
Lebih terperinciStudi Kasus dan Analisa Simulasi
Bab 5 Studi Kasus dan Analisa Simulasi Alokasi gas injeksi pada sumur dual gas lift memerlukan hubungan antara laju injeksi gas terhadap laju produksi minyak untuk masing-masing tubing (string). Kurva
Lebih terperinciSchool of Computing Telkom University, Bandung
OPTIMASI ALOKASI INJEKSI GAS UNTUK PENINGKATAN PRODUKSI MINYAK DENGAN SISTEM MULTIWELL GAS LIFT MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION Fadhlika Hadi 1, Deni Saepudin 2 Dr., annisa aditsania,
Lebih terperinciOPTIMASI PRODUKSI LAPANGAN GAS UNTUK SUPPLY GAS INJEKSI SUMUR SUMUR GAS LIFT SECARA TERINTEGRASI
OPTIMASI PRODUKSI LAPANGAN GAS UNTUK SUPPLY GAS INJEKSI SUMUR SUMUR GAS LIFT SECARA TERINTEGRASI oleh : Unggul Nugroho Edi, MT *) ABSTRAK Dalam penelitian ini digunakan metode simulasi model reservoir,
Lebih terperinciPERANCANGAN ALGORITMA BELAJAR JARINGAN SYARAF TIRUAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO)
Jurnal POROS TEKNIK, Volume 5, No. 1, Juni 2013 : 18-23 PERANCANGAN ALGORITMA BELAJAR JARINGAN SYARAF TIRUAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik
Lebih terperinciHALAMAN PERNYATAAN KEASLIAN KARYA ILMIAH
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN KEASLIAN KARYA ILMIAH... iii HALAMAN PERSEMBAHAN... iv KATA PENGANTAR... v RINGKASAN... vi DAFTAR ISI... vii DAFTAR GAMBAR... ix
Lebih terperinciSWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm
Lebih terperinciPendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner
Vol. 7, 2, 108-117, Januari 2011 Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner Jusmawati Massalesse Abstrak Tulisan ini dimaksudkan untuk memperlihatkan proses
Lebih terperinciPerancangan Filter Harmonisa Pasif untuk Sistem Distribusi Radial Tidak Seimbang
JURNAL TEKNIK POMITS Vol. 2,. 2, (2013) ISSN: 2337-3539 (2301-9271 Print) B-228 Perancangan Filter Harmonisa Pasif untuk Sistem Distribusi Radial Tidak Seimbang Erlan Fajar Prihatama, Ontoseno Penangsang,
Lebih terperinciTutorial Particle Swarm Optimization
Tutorial Particle Swarm Optimization Budi Santosa Teknik Industri, ITS Kampus ITS, Sukolilo Surabaya E-mails: budi s@ie.its.ac.id 1 Pahuluan Particle swarm optimization, disingkat sebagai PSO, didasarkan
Lebih terperinciPENENTUAN JALUR TERPENDEK PADA APLIKASI OJEK ONLINE GO-JEK DENGAN PROBABILISTIC NEURAL NETWORK (PNN) DAN PARTICLE SWARM OPTIMIZATION (PSO)
PENENTUAN JALUR TERPENDEK PADA APLIKASI OJEK ONLINE GO-JEK DENGAN PROBABILISTIC NEURAL NETWORK (PNN) DAN PARTICLE SWARM OPTIMIZATION (PSO) Levina Fitri Rahmawati, Isnandar Slamet, dan Diari Indriati Program
Lebih terperinciOptimasi Injeksi Gas untuk Peningkatan Produksi pada Lapangan Gas Lift dengan Sistem yang Terintegrasi
Optimasi Injeksi Gas untuk Peningkatan pada Lapangan Gas Lift dengan Sistem yang Terintegrasi Oleh : Riska Milza Khalida* Dr.Ir. Pudjo Sukarno, M.Sc** Sari Dalam penelitian ini, simulasi dan analisa performa
Lebih terperinciANALISA SISTEM NODAL DALAM METODE ARTICIAL LIFT
ANALISA SISTEM NODAL DALAM METODE ARTICIAL LIFT Oleh: *)Ganjar Hermadi ABSTRAK Dalam industri migas khususnya bidang teknik produksi, analisa sistem nodal merupakan salah satu metode yang paling sering
Lebih terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciRekonfigurasi Jaring Distribusi untuk Meminimalkan Kerugian Daya menggunakan Particle Swarm Optimization
Rekonfigurasi Jaring Distribusi untuk Meminimalkan Kerugian Daya menggunakan Particle Swarm Optimization Stephan, Adi Soeprijanto Fakultas Teknologi Industri Jurusan Teknik Elektro Program Studi Teknik
Lebih terperinciBAB I PENDAHULUAN. jumlah ketersediaan yang semakin menipis dan semakin mahal, membuat biaya
BAB I PENDAHULUAN 1.1 Latar Belakang Pembangkit Listrik di Indonesia pada umumnya merupakan pembangkit listrik thermal. Kebutuhan pembangkit thermal terhadap bahan bakar fosil dengan jumlah ketersediaan
Lebih terperinciOptimisasi Dynamic Economic Dispatch Menggunakan Algoritma Artificial Bee Colony
Optimisasi Dynamic Economic Dispatch Menggunakan Algoritma Artificial Bee Colony Nurlita Gamayanti 1, Abdullah Alkaff 2, Amien Karim 3 Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember (ITS) Surabaya,
Lebih terperinciPenjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Jurnal Telematika, vol.9 no.1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-251 Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Lebih terperinciaintis Volume 12 Nomor 1, April 2011, 22-28
Jurnal aintis Volume 1 Nomor 1, April 011, -8 ISSN: 1410-7783 Perhitungan Laju Alir Minyak Setiap Lapisan pada Sumur Commingle Distribution Of Calculated Rate Oil Flow To Commingle Well Ali Musnal Jurusan
Lebih terperinciOptimisasi Injeksi Daya Aktif dan Reaktif Dalam Penempatan Distributed Generator (DG) Menggunakan Fuzzy - Particle Swarm Optimization (FPSO)
TESIS Optimisasi Injeksi Daya Aktif dan Reaktif Dalam Penempatan Distributed Generator (DG) Menggunakan Fuzzy - Particle Swarm Optimization (FPSO) Dosen Pembimbing : Prof. Ir. Mochamad Ashari, M.Eng. Ph.D
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pertumbuhan ekonomi dan perkembangan teknologi suatu daerah mengakibatkan kebutuhan tenaga listrik akan semakin meningkat, baik yang berhubungan dengan bidang industri,
Lebih terperinciJaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit
Jaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit Abidatul Izzah 1), Ratih Kartika Dewi 2) 1)2) Jurusan Teknik Informatika ITS Surabaya Jl. Teknik
Lebih terperinciTINJAUAN PUSTAKA. terbentuklah suatu sistem tenaga listrik. Setiap GI sesungguhnya merupakan pusat
II. TINJAUAN PUSTAKA A. Operasi Sistem Tenaga Listrik Pusat-pusat listrik dan gardu induk satu sama lain dihubungkan oleh saluran transmisi agar tenaga listrik dapat mengalir sesuai dengan kebutuhan dan
Lebih terperinciOPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
Lebih terperinciPERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK
Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan
Lebih terperinciPerbandingan Kombinasi Genetic Algorithm Simulated Annealing dengan Particle Swarm Optimization pada Permasalahan Tata Letak Fasilitas
Jurnal Teknik Industri, Vol. 12, No. 2, Desember 2010, 119-124 ISSN 1411-2485 Perbandingan Kombinasi Genetic Algorithm Simulated Annealing dengan Particle Swarm Optimization pada Permasalahan Tata Letak
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MEMAKSIMALKAN LABA PRODUKSI JILBAB
Journal of Environmental Engineering & Sustainable Technology Vol. 02 No. 01, July 2015, Pages 06-11 JEEST http://jeest.ub.ac.id PENERAPAN ALGORITMA GENETIKA UNTUK MEMAKSIMALKAN LABA PRODUKSI JILBAB Samaher
Lebih terperinciBab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
Lebih terperinciEVALUASI PERHITUNGAN POTENSI SUMUR MINYAK TUA DENGAN WATER CUT TINGGI
EVALUASI PERHITUNGAN POTENSI SUMUR MINYAK TUA DENGAN WATER CUT TINGGI Agustinus Denny Unggul Raharjo 1* 1 Jurusan Teknik Perminyakan, Fakultas Teknik Perminyakan & Pertambangan, Universitas Papua Jalan
Lebih terperinciOPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA andra Aditya 1), Wayan Firdaus Mahmudy 2) 1) Program Studi Teknik Informatika, Fakultas Ilmu Komputer Malang Jl. Veteran, Malang 65145, Indonesia
Lebih terperinciANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA
ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin Ringkasan Kebutuhan
Lebih terperinciPERNYATAAN KEASLIAN KARYA ILMIAH
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... PERNYATAAN KEASLIAN KARYA ILMIAH... HALAMAN PERSEMBAHAN... KATA PENGANTAR... RINGKASAN... DAFTAR ISI... DAFTAR GAMBAR... DAFTAR TABEL... BAB I. PENDAHULUAN...
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
34 BAB 3 METODOLOGI PENELITIAN 3.1. Pendahuluan Pengenalan pola (pattern recognition) adalah proses klasifikasi dari suatu objek atau pola menjadi beberapa kategori atau kelas, yang mana bertujuan untuk
Lebih terperinciPemaksimalan Papan Sirkuit Di Pandang Sebagai Masalah Planarisasi Graf 2-Layer Menggunakan Algoritma Genetika
Vol. 14, No. 1, 19-27, Juli 2017 Pemaksimalan Papan Sirkuit Di Pandang Sebagai Masalah Planarisasi Graf 2-Layer Menggunakan Algoritma Genetika Jusmawati Massalesse dan Muh. Ali Imran Abstrak Tulisan ini
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Listrik pada abad ini sudah merupakan kebutuhan primer yang tidak bisa tergantikan. Karena pentingnya listrik ini, sistem yang menyuplai dan mengalirkan listrik ini
Lebih terperinciOptimasi Penempatan Sumur Geotermal Menggunakan Artificial Neural Network (ANN)
Optimasi Penempatan Sumur Geotermal Menggunakan Artificial Neural Network (ANN) Henny Dwi Bhakti1,a), Acep Purqon2,b 1 Program Studi Sains Komputasi, FMIPA ITB Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciAlgoritma Genetika Ganda untuk Capacitated Vehicle Routing Problem
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) 2337-3520 (2301-928X Print) A-19 Algoritma Genetika Ganda untuk Capacitated Vehicle Routing Problem Muhammad Luthfi Shahab dan Mohammad Isa Irawan Matematika,
Lebih terperinciProsiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika PENCARIAN PROPORSI PENAMBAHAN BEKATUL PADA MO- CORIN YANG BAIK DIKONSUMSI OLEH PENDERITA KOLES- TEROL DENGAN MENGGUNAKAN ALGORITMA GENETIK
Lebih terperinciMENEMUKAN AKAR PERSAMAAN POLINOMIAL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION
MENEMUKAN AKAR PERSAMAAN POLINOMIAL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION Oei,EdwinWicaksonoDarmawan, Suyanto Edward Antonius, Ir., M.Sc, Program Studi Teknik Informatika Universitas Katolik Soegijapranata
Lebih terperinciAplikasi Artificial Neural Network (ANN) untuk Memprediksi Perilaku Sumur Geotermal
Aplikasi Artificial Neural Network (ANN) untuk Memprediksi Perilaku Sumur Geotermal Henny Dwi Bhakti 1,a), Acep Purqon 2,b) 1 Program Studi Sains Komputasi, FMIPA ITB Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB 1 PENDAHULUAN. tersebut merupakan kebutuhan yang esensial bagi keberlangsungan hidup
BAB 1 PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan negara yang kaya akan sumberdaya alam baik yang dapat diperbaharui maupun yang tidak dapat diperbaharui. Sumber daya alam tersebut merupakan kebutuhan
Lebih terperinciPENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH
Penjadwalan Operasional Pembangkit Berbasis Algoritma Genetik (Dwi Ana dkk) PENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH Rahmanul Ikhsan 1,
Lebih terperinciKeywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN
Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com
Lebih terperinciPERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP)
PERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP) Rezki Susan Ardyati dan Dida D. Damayanti Program Studi Teknik Industri Institut Teknologi
Lebih terperinciOPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA Mike Susmikanti Pusat Pengembangan Informatika Nuklir, Badan Tenaga Nuklir Nasional Kawasan
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY
PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY Arief Kelik Nugroho Fakultas Teknik, Universitas PGR Yogyakarta e-mail : ariefkeliknugroho@gmail.com Abstrak
Lebih terperinciBlending Agregat Menggunakan Algoritma Genetika
JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 212) ISSN: 231-9271 D-113 Blending Menggunakan Algoritma Genetika Yeni Rochsianawati, PujoAji dan Januarti Jaya Ekaputri Jurusan Teknik Sipil, Fakultas Teknik Sipil
Lebih terperinciJURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print)
JURNAL TEKNIK ITS Vol. 5, No. 2, (216) ISSN: 2337-3539 (231-9271 Print) B27 Optimasi Aliran Daya Satu Phasa Pada Sistem Distribusi Radial 33 Bus IEEE dan Sistem Kelistrikan PT. Semen Indonesia Aceh Untuk
Lebih terperinciAlgoritma Evolusi Dasar-Dasar Algoritma Genetika
Algoritma Evolusi Dasar-Dasar Algoritma Genetika Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Pengantar 2. Struktur Algoritma Genetika 3. Studi Kasus: Maksimasi Fungsi Sederhana 4. Studi
Lebih terperinciMETODE KOLONI SEMUT PADA DOMAIN KONTINU UNTUK OPTIMISASI PENJADWALAN EKONOMIS UNIT PEMBANGKIT PLTG DI PLTGU PT INDONESIA POWER TAMBAK LOROK
METODE KOLONI SEMUT PADA DOMAIN KONTINU UNTUK OPTIMISASI PENJADWALAN EKONOMIS UNIT PEMBANGKIT PLTG DI PLTGU PT INDONESIA POWER TAMBAK LOROK Ivan Darren Alber *), Hermawan, and Susatyo Handoko Departemen
Lebih terperinciAnalisis Komparasi Genetic Algorithm dan Firefly Algorithm pada Permasalahan Bin Packing Problem
Analisis Komparasi Genetic Algorithm dan Firefly Algorithm pada Permasalahan Bin Packing Problem Adidtya Perdana Sekolah Tinggi Teknik Harapan Medan Jl. H.M. Jhoni No. 70 C Medan adid.dana@gmail.com Abstrak
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini akan membahas tentang teori dan konsep dasar yang mendukung pembangunan dari aplikasi yang dibuat. 2.1 Penjadwalan Penjadwalan adalah pengaturan waktu dari suatu kegiatan operasi,
Lebih terperinciSeminar Nasional Cendekiawan 2015 ISSN: Perencanaan Ulang Sumur Gas Lift pada Sumur X
Perencanaan Ulang Sumur Gas Lift pada Sumur X Amanu Pinandito, Sisworini, Sisworini, Djunaedi Agus Wibowo Abstrak Sumur X yang sudah beroperasi sejak 2004 merupakan sumur yang menggunakan gas lift sejak
Lebih terperinciA. ADHA. Program Studi Teknik Sipil, Fakultas Teknik,Universitas Islam Riau, Pekanbaru, Indonesia Corresponding author:
Institut Teknologi Padang, 27 Juli 217 ISBN: 978-62-757-6-7 http://eproceeding.itp.ac.id/index.php/spi217 Optimasi Bentuk Struktur dan Penampang pada Struktur Rangka Baja Terhadap Kendala Kehandalan Material
Lebih terperinciOptimasi Fungsi Tanpa Kendala Menggunakan Algoritma Genetika Dengan Kromosom Biner dan Perbaikan Kromosom Hill-Climbing
Optimasi Fungsi Tanpa Kendala Menggunakan Algoritma Genetika Dengan Kromosom Biner dan Perbaikan Kromosom Hill-Climbing Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas
Lebih terperinciSeminar Nasional Cendekiawan 2015 ISSN: OPTIMASI PRODUKSI PADA PAD G-76 DENGAN PROGRAM TERINTEGRASI SUMUR DAN JARINGAN PIPA PRODUKSI
OPTIMASI PRODUKSI PADA PAD G-76 DENGAN PROGRAM TERINTEGRASI SUMUR DAN JARINGAN PIPA PRODUKSI Abstrak Pradhita Audi Jurusan Teknik Perminyakan, Fakultas Teknologi Kebumian dan Energi, Universitas Trisakti
Lebih terperinciStudi Optimasi Kinerja Sucker Rod Pump Pada Sumur A-1, A-2,Z-1, Dan Z-2 Menggunakan Perangkat Lunak Prosper
Studi Optimasi Kinerja Sucker Rod Pump Pada Sumur A-1, A-2,Z-1, Dan Z-2 Menggunakan Perangkat Lunak Prosper Syahrinal Faiz, Djoko Sulistyanto, Samsol ST Program Studi Teknik Perminyakan, Universitas Trisakti
Lebih terperinciISSN JEEE Vol. 4 No. 2 Musnal
ISSN 254-9352 JEEE Vol. 4 No. 2 Musnal Optimasi Perhitungan Laju Alir minyak Dengan Meningkatkan Kinerja Pompa Hydraulic Pada Sumur Minyak Di Lapangan PT. KSO Pertamina Sarolangon Jambi Ali Musnal 1 1
Lebih terperinciFULL DEVELOPMENT OF PIPELINE NETWORKING AT X FIELD
Seminar Nasional Cendekiawan ke 3 Tahun 2017 ISSN (P) : 2460-8696 Buku 1 ISSN (E) : 2540-7589 FULL DEVELOPMENT OF PIPELINE NETWORKING AT X FIELD Fazri Apip Jurusan Teknik Perminyakan Fakultas Teknik Kebumian
Lebih terperinciAnalisis Aplikasi Algoritma Genetika Untuk Pencarian Nilai Fungsi Maksimum Djunaedi Kosasih 1) Rinaldo 2)
Analisis Aplikasi Algoritma Genetika Untuk Pencarian Nilai Fungsi Maksimum Djunaedi Kosasih 1) Rinaldo 2) Abstrak Algoritma genetika yang pertama kali diperkenalkan secara terpisah oleh Holland dan De
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Algoritma Genetika Algoritma genetika merupakan algoritma pencarian heuristik ysng didasarkan atas mekanisme seleksi alami dan genetika alami (Suyanto, 2014). Adapun konsep dasar
Lebih terperinciEstimasi Solusi Model Pertumbuhan Logistik dengan Metode Ensemble Kalman Filter
Jurnal ILMU DASAR, Vol.14, No,2, Juli 2013 : 85-90 85 Estimasi Solusi Model Pertumbuhan Logistik dengan Metode Ensemble Kalman Filter Solution Estimation of Logistic Growth Model with Ensemble Kalman Filter
Lebih terperinciPENYELESAIAN MODEL DISTRIBUSI SUHU BUMI DI SEKITAR SUMUR PANAS BUMI DENGAN METODE KOEFISIEN TAK TENTU. Jl. Prof. H. Soedarto, S.H.
PENYELESAIAN MODEL DISTRIBUSI SUHU BUMI DI SEKITAR SUMUR PANAS BUMI DENGAN METODE KOEFISIEN TAK TENTU Lutfiyatun Niswah 1, Widowati 2, Djuwandi 3 1,2,3 Jurusan Matematika FSM Universitas Diponegoro Jl.
Lebih terperinciBAB 1 PENDAHULUAN. ekstensi bisnis perusahaan. Perluasan atau ekstensi bisnis diperlukan oleh suatu
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Semakin berkembangnya suatu perusahaan akan diiringi dengan perluasan ekstensi bisnis perusahaan. Perluasan atau ekstensi bisnis diperlukan oleh suatu perusahaan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB TINJAUAN PUSTAKA DAN DASAR TEORI.1. Penelitian Terdahulu Archetti et al. (009) menggunakan sebuah metode eksak yaitu branch-and-price scheme dan dua metode metaheuristics yaitu algoritma Variable Neighborhood
Lebih terperinciModel Optimasi Alokasi Gas Injeksi Sumur Dual Gas Lift
Bab 4 Model Optimasi Alokasi Gas Injeksi Sumur Dual Gas Lift Sebagaimana yang telah diuraikan pada bab 2, sumur dual gas lift merupakan sumur dengan dua tubing, long string dan short string. Gas injeksi
Lebih terperinciOPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,
Lebih terperinciFUNGSI GRIEWANK DAN PENENTUAN NILAI OPTIMUMNYA MENGGUNAKAN ALGORITMA STROBERI. Tri Nadiani Solihah
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 FUNGSI GRIEWANK DAN PENENTUAN NILAI OPTIMUMNYA MENGGUNAKAN ALGORITMA STROBERI Tri Nadiani Solihah trinadianisolihah@gmail.com
Lebih terperinciOptimasi Pemilihan Pekerja Bangunan Proyek Pada PT. Citra Anggun Pratama Menggunakan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 2, Februari 2017, hlm. 80-84 http://j-ptiik.ub.ac.id Optimasi Pemilihan Pekerja Bangunan Proyek Pada PT. Citra Anggun
Lebih terperinciDenny Hermawanto
Algoritma Genetika dan Contoh Aplikasinya Denny Hermawanto d_3_nny@yahoo.com http://dennyhermawanto.webhop.org Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan
Lebih terperinciBAB I PENDAHULUAN. teliti. Sehingga tidak terjadi bentrok baik antar mata pelajaran, guru, kelas
1 BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan merupakan salah satu hal terpenting dalam suatu lembaga pendidikan, begitu juga untuk lingkup Sekolah Menengah Kejuruan (SMK). Penjadwalan pelajaran pada
Lebih terperinciALGORITMA PARTICLE SWARM OPTIMIZATION DAN TERAPANNYA DALAM MENYELESAIKAN MASALAH PEMOTONGAN ROL KERTAS MAKALAH
ALGORITMA PARTICLE SWARM OPTIMIZATION DAN TERAPANNYA DALAM MENYELESAIKAN MASALAH PEMOTONGAN ROL KERTAS MAKALAH Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Sains Program Studi Matematika
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih terperinciOptimasi PSO Untuk Peramalan Harga Emas Secara Rentet Waktu
Optimasi PSO Untuk Peramalan Harga Emas Secara Rentet Waktu Iwan Fitriadi Mukhlis Sekolah Tinggi Manajemen dan Informatika (STMIK) Indonesia Banjarmasin Jl. Pangeran Hidayatullah Banua Anyar Telp. (0511)4315530
Lebih terperinciOptimasi Laju Injeksi Pada Sumur Kandidat Convert to Injection (CTI) di Area X Lapangan Y. Universitas Islam Riau
ISSN 2540-9352 JEEE Vol. 6 No. 2 Tomi Erfando, Novia Rita, Toety Marliaty Optimasi Laju Injeksi Pada Sumur Kandidat Convert to Injection (CTI) di Area X Lapangan Y Tomi Erfando 1, Novia Rita 2, Toety Marliaty
Lebih terperinciOPTIMASI DAN HEURISTIK DALAM PENDEKATAN SISTEM. Arif Rahman
OPTIMASI DAN HEURISTIK DALAM PENDEKATAN SISTEM Arif Rahman INDUSTRIAL ENGINEERING..is concerned with the design, improvement, and installation of integrated systems of men, materials, information, energy,
Lebih terperinciPELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 65-72 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE
Lebih terperinciPemilihan Supplier dan Penjadwalan Distribusi CNG dengan Pemodelan Matematis
JURNAL TEKNIK POMITS Vol. 3, No. 2, (23) ISSN: 2337-3539 (23-927 Print) G-49 Pemilihan Supplier dan Penjadwalan Distribusi CNG dengan Pemodelan Matematis Ludfi Pratiwi Bowo, AAB. Dinariyana, dan RO. Saut
Lebih terperinciAplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)
JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION
PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION Samuel Lukas 1, Toni Anwar 1, Willi Yuliani 2 1) Dosen Teknik Informatika,
Lebih terperinciZbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag.
Zbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag. 12/11/2009 1 Ditemukan oleh Holland pada tahun 1975. Didasari oleh fenomena evolusi darwin. 4 kondisi yg mempengaruhi
Lebih terperinciDynamic Optimal Power Flow Mempertimbangkan Carbon Capture And Storage Plants Menggunakan Metode Multi-Objective Particle Swarm Optimization
B251 Dynamic Optimal Power Flow Mempertimbangkan Carbon Capture And Storage Plants Menggunakan Metode Multi-Objective Particle Swarm Optimization Yauri Mahaputra, Rony Seto Wibowo, Ni Ketut Aryani Jurusan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Travelling Salesman Problem (TSP) Travelling Salesmen Problem (TSP) termasuk ke dalam kelas NP hard yang pada umumnya menggunakan pendekatan heuristik untuk mencari solusinya.
Lebih terperinciAnggraeni et al., Analisis Karakteristik Input-Output dan Optimasi Biaya Pembangkitan
Anggraeni et al., Analisis Karakteristik Input-Output dan Optimasi Biaya Pembangkitan... Analisis Karakteristik Input-Output dan Optimasi Biaya Pembangkitan Menggunakan Metode Quadratic Least Square Regression
Lebih terperinciDynamic Economic Dispatch Mempertimbangkan Prohibited Operating Zones Menggunakan Algoritma Improved Artificial Bee Colony
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) B -199 Dynamic Economic Dispatch Mempertimbangkan Prohibited Operating Zones Menggunakan Algoritma Improved Artificial Bee Colony
Lebih terperinciKONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN
Jurnal Teknik dan Ilmu Komputer KONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN (Binary Genetic Algorithm Concept to Optimize Course Timetabling) Iwan Aang Soenandi
Lebih terperinciRancang Bangun Robot PANTILT: Pendeteksian Posisi Kepala Manusia Menggunakan Algoritma Genetika
Rancang Bangun Robot PANTILT: Pendeteksian Posisi Kepala Manusia Menggunakan Algoritma Genetika Ferman Hakiki 1, Indra Adji Sulistijono 2 1 Jurusan Teknik Elektornika, Politeknik Elekronika Negeri Surabaya
Lebih terperinciPENENTUAN INTERVAL WAKTU PEMELIHARAAN PENCEGAHAN BERDASARKAN ALOKASI DAN OPTIMASI KEHANDALAN PADA PERALATAN SEKSI PENGGILINGAN E
PENENTUAN INTERVAL WAKTU PEMELIHARAAN PENCEGAHAN BERDASARKAN ALOKASI DAN OPTIMASI KEHANDALAN PADA PERALATAN SEKSI PENGGILINGAN E (Studi Kasus: PT ISM Bogasari Flour Mills Surabaya) Edi Suhandoko, Bobby
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK VISUALISASI DUA DIMENSI WELL PRODUCTION FORECASTING DENGAN GENETIC ALGORITHM
PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK VISUALISASI DUA DIMENSI WELL PRODUCTION FORECASTING DENGAN GENETIC ALGORITHM Danuri Teknologi Informasi Politeknik Bengkalis Jl. Bathin Alam, Sei-Alam, Bengkalis
Lebih terperinciAPLIKASI REGRESI LINIER DALAM METODA DECLINE CURVE UNTUK MEMPREDIKSI POTENSI MINYAK LAPANGAN SRIWIJAYA LAPISAN X PT.PERTAMINA ASET 1 FIELD JAMBI
APLIKASI REGRESI LINIER DALAM METODA DECLINE CURVE UNTUK MEMPREDIKSI POTENSI MINYAK LAPANGAN SRIWIJAYA LAPISAN X PT.PERTAMINA ASET 1 FIELD JAMBI APPLICATION OF LINIER REGRESSION IN DECLINE CURVE METHOD
Lebih terperinciPENJADWALAN TRUK PADA SISTEM CROSS DOCKING DENGAN PENYIMPANAN SEMENTARA DENGAN ALGORITMA HYBRID CROSS ENTROPY GENETIC ALGORITHM
PENJADWALAN TRUK PADA SISTEM CROSS DOCKING DENGAN PENYIMPANAN SEMENTARA DENGAN ALGORITMA HYBRID CROSS ENTROPY GENETIC ALGORITHM PENELITI : Pristi Dwi Puspitasari 2507 100 003 DOSEN PEMBIMBING : Ir. Budi
Lebih terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinciISSN: X 77 IMPUTASI MISSING DATA DENGAN K-NEAREST NEIGHBOR DANALGORITMA GENETIKA
ISSN: 2088-687X 77 IMPUTASI MISSING DATA DENGAN K-NEAREST NEIGHBOR DANALGORITMA GENETIKA Ucik Mawarsari Badan Pusat Statistik Jl. Dr. Sutomo 6-8 Jakarta, ucik@bps.go.id ABSTRAK Permasalahan yang sering
Lebih terperinciPenjadwalan Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) A-127 Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS Wiga Ayu Puspaningrum, Arif Djunaidy, dan Retno
Lebih terperinciOptimasi Jumlah Pelanggan Perusahaan Daerah Air Minum Surya Sembada Kota Surabaya Berdasarkan Jenis Pelanggan dengan Metode Fuzzy Goal Programming
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) 1-6 1 Optimasi Jumlah Pelanggan Perusahaan Daerah Air Minum Surya Sembada Kota Surabaya Berdasarkan Jenis Pelanggan Metode Fuzzy Goal Programming Rofiqoh
Lebih terperinciJUDUL OPTIMASI PRODUKSI SUMUR GAS DAN PENENTUAN KONDISI PROSES UNTUK MENDAPATKAN KEUNTUNGAN YANG MAKSIMAL TESIS
UNIVERSITAS INDONESIA JUDUL OPTIMASI PRODUKSI SUMUR GAS DAN PENENTUAN KONDISI PROSES UNTUK MENDAPATKAN KEUNTUNGAN YANG MAKSIMAL TESIS IMAM DERMAWAN NPM 0706304914 FAKULTAS TEKNIK PROGRAM TEKNIK KIMIA SALEMBA
Lebih terperinciBab IV Simulasi dan Pembahasan
Bab IV Simulasi dan Pembahasan IV.1 Gambaran Umum Simulasi Untuk menganalisis program pemodelan network flow analysis yang telah dirancang maka perlu dilakukan simulasi program tersebut. Dalam penelitian
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP)
Abstrak PENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP) Aulia Fitrah 1, Achmad Zaky 2, Fitrasani 3 Program Studi Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi
Lebih terperinci