OPTIMASI PEMBAGIAN BEBAN PLTU SURALAYA MENGGUNAKAN METODE ANT COLONY OPTIMIZATION

Ukuran: px
Mulai penontonan dengan halaman:

Download "OPTIMASI PEMBAGIAN BEBAN PLTU SURALAYA MENGGUNAKAN METODE ANT COLONY OPTIMIZATION"

Transkripsi

1 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. Jenderal Sudrman Km. 03 Kota Clegon - Banten emal: suhendar_tebet@yahoo.com; kawanttusyan@gmal.com; almudyuntrta@yahoo.com Abstrak Sektar 70% baya operasonal dar keseluruhan total baya yang harus dkeluarkan oleh PLTU Suralaya adalah baya bahan bakar. Angka n termasuk pemborosan untuk jangka waktu yang lama. Sehubungan dengan tu, peneltan n dtujukan untuk mengetahu optmas operas pembangkt yang efsen. Salah satu usaha untuk memnmalkan baya dengan mengoptmalkan operas pembangkt atau dsebut dengan Economc Dspatch. Economc dspatch adalah pengoperasan pembagan beban pada pembangkt-pembangkt yang ada dengan baya mnmum, pada harga beban sstem tertentu. Peneltan n, dtujukan untuk mengoptmalkan pengoperasan pembangkt d PLTU Suralaya unt 1-7 agar efsen menggunakan metode Ant Colony Optmzaton (ACO). Hasl peneltan menunjukkan bahwa angka rata-rata pembebanan Januar 2013 sebesar Mmbtu/h dengan efsens bahan bakar sebesar 0.861% dan penghematan rata-rata baya sebesar Rp /h. Bulan November Mmbtu/h dengan efsens bahan bakar sebesar 1.201% penghematan baya Rp /h. Bulan September Mmbtu/h dengan efsens bahan bakar sebesar 1.101% serta penghematan rata-rata bahan bakar sebesar Rp /h. Bulan Jul Mmbtu/h dengan efsens bahan bakar sebesar 0.616% dan penghemtan rata-rata bahan bakar sebesar Rp /h. Bulan Mmbtu/h dengan efsens bahan bakar sebesar 0.786% serta rata-rata penghematan bahan bakar sebesar Rp /h. Oleh karena tu total penghematan bahan bakar selama 5 bulan sebesar Rp /h. Dengan demkan hasl peneltan menunjukkan bahwa peggunaan karakterstk pembangkt yang berbeda-beda selama 1 bulan, 6 bulan, 1 tahun berbantu analss metode Ant Colony Optmzaton (ACO) mampu menghaslkan konsums bahan bakar yang mnmum. Kata Kunc : Optmas, Economc Dspatch, Ant Colony Optmzaton. 1. PENDAHULUAN Bahan baku energ merupakan bagan terbesar dalam pembayaan operas stem tenaga lstrk, sektar 80% dar baya operas secara keseluruhan. Baya n sangat mempegaruh nak turunnya pemakaan bahan bakar dar penggunaan energ lstrk oleh beban [1]. Pada PLTU Suralaya baya bahan bakar sektar 70% dar baya operas secara keseluruhan. Sehngga sangat dperlukan cara pengoperasan total pembangkt yang efsen. Usaha untuk memnmalkan baya pembangktan dsebut Economc Dspatch. Economc dspatch adalah pengoperasan pembagan beban pada pembangkt-pembangkt yang ada dengan baya mnmum, pada harga beban sstem tertentu [12]. Dalam tugas akhr n pengoperasan pembangkt mnmum dlakukan d PLTU Suralaya unt 1-7 menggunakan ant colony optmzaton (ACO). Algortma n berdasarkan atas perlaku sekelompok semut dalam mencar jalur terpendek dar sarang kesuatu sumber makanan. Karakterstk unt pembangkt thermal terdr dar gross nput dan net output. Gambar 1 menjelaskan pada unt pembangkt terdr dar sebuah boler untuk menghaslkan uap sehnga turbn akan terkopel dengan rotor dar generator. Gross nput adalah total nput dan dukur dalam dolar per jam, atau ton bahan bakar per jam atau kubk gas per jam atau bentuk unt yang lannya. Sedangkan net output adalah output daya lstrk yang terseda untuk penggunaan pada sstem tenaga. Karakterstk dar unt turbn uap dgunakan beberapa konstanta sebaga berkut [17]: H = Btu per jam nput panas pada unt (Mbtu/h) 440

2 F = Baya bahan bakar dkalkan H sehngga hasl yang ddapatkan R per jam (R/h) nput pada unt untuk bahan bakar. Boler Turbn G Gross Netto A/P Gambar 1. Pemodelan boler-turbn-generator pada pembangkt thermal [17] Sedangkan Gambar 2 merupakan karakterstk output-nput dar unt pembangkt tenaga uap yang deal. Input unt dnyatakan dalam energ panas (MBtu/jam) atau bentuk baya total per jam (R/jam). Sedangakan outputnya adalah daya lstrk dar unt tersebut. Bentuk karakterstk outputnput tampak halus berupa kurva cembung.[20] H (MBtu/jam) atau F (R/jam) H ΔP ΔH /ΔF P Pmn Pmax Gambar 2. Kurva nput output pembangkt tenaga uap [17] 1.1 Persamaan Economc Dspatch n C t C 1 (1) Atau C P P (2) 2 keterangan : Ct = total baya produks ($) C = fungs baya nput-output pembangkt ($/hour) P = daya yang dbangktkan pembangkt (MW),, = konstanta nput output pembangkt n = jumlah pembangkt Kombnas daya output yang dbangktkan oleh tap-tap generator pada sstem harus memenuh kebutuhan daya dar sstem (equalty constrant), dengan persamaan [17][18]: n 1 P P D (3) 441

3 Daya output pembangkt harus memenuh batasan mnmum serta maksmum dar daya yang dapat dbangktkan oleh masng-masng generator (nequalty constrant) dengan persamaan [17]18]: P mn P P (4) max 1.2 Ant Colony Optmzaton Ant Colony Optmzaton merupakan algortma yang mengkut prlaku kolon semut (sstem semut). Prlaku kolon semut dsn adalah semut mampu menemukan rute terpendek dalam perjalanan dar sarang ke tempat-tempat sumber makanan [12]. Algortma n basa dgunakan untuk menyelesakan masalah komputas melalu grafk yang ternspras dar prlaku semut dalam menemukan jalur dar sarang menuju makanan.[15] Semut yang melalu suatu lntasan dpengaruh oleh feromon. Feromon n akan menguap, jka semakn banyak semut melalu jalan tersebut. Maka semakn jelas lntasan yang dlalu. Sehngga lntasan yang dlalu semut dalam jumlah sedkt, semakn lama semakn berkurang kepadatan semut yang melewatnya, atau bahkan akan tdak dlewat sama sekal. Sebalknya lntasan yang dlalu semut dalam jumlah banyak, semakn lama akan semakn bertambah kepadatan semut yang melewatnya, atau bahkan semua semut melalu lntasan tersebut. Stgmergy adalah proses pennggalan feromon, proses n bertujuan untuk mengngat jalan pulang ke sarang dan komunkas semut dengan kolonnya. Secara lengkap algortma atau langkah-langkah dalam Ant Colony Optmzaton, yatu: 1. Insalsasa parameter algortma Ant Colony Optmzaton Tetapan sklus-semut (Q), Jumlah semut (m), dan Ketahan feromon (alpha) (ρ) 2. Setelah nsalsas kota pertama semut dlakukan, kemudan jumlah semut (m) dtempatkan pada kota pertama tertentu secara acak. 3. Transs status (state transton rule) Semut memutuskan ke ruas mana a akan perg serta dapat memlh untuk perg ke ruas baru (ruas yang belum dkunjung semut lannya) atau ruas yang terbak (ruas yang mempunya jumlah feromon terbanyak dan jarak terpendek) secara probablstk. Transs status yang dgunakan oleh ant system dnama random proportonal rule.semut memlh suatu jalur yang akan dlalu mula dar ttk r menuju ke ttk s dalam suatu perjalanan dengan probabltas [12]: p(r,s) (r,s) s,l N (r,l) t k r (5) matrx γ(r,s) merepresentaskan jumlah ntenstas feromon antara ttk r dan s. Setelah tu feromon akan dperbaharu melalu persamaan berkut[12] : (r,s) (r,s) y k (r,s) (6) nla α memlk nterval 0 < α < 1 n merupakan daya tahan suatu feromon, maka (1- α) merepresentaskan penguapan yang terjad pada feromon dan Δγ k (r,s) merupakan jumlah feromon yang semut k jatuhkan pada jalur (r,s). 4. Pheromone lokal (local pheromone updatng) Jejak feromon (r,s) dar perjalanan terbak yang telah dlakukan semut akan dperbaharu [12] Q ( r,s) (r,s) r,s J f best k best (7) Q merupakan sebuah konstanta postf yang sangat besar nlanya. 5. Pembaruan feromon global (global pheromone updatng) 442

4 Global pheromone updatng dgunakan untuk menghndar terjadnya stagnan (suatu stuas dmana semut akan mengkut jalur yang sama), maka kekuatan jejak feromon dbatas pada nterval: mn f (r,s) mn (r,s) max f (r,s) max (8) Batas atas dan batas bawahnya adalah sebaga berkut[12] : max 1 f best (9) M adalah jumlah semut mn M max 2 (10) 2. METODOLOGI Gambar 3 menjelaskan tentang dagram blok peneltan dengan 3 parameter yatu nput, proses dan parameter output. Parameter nput dalam peneltan n terdapat 2 yatu nput economc dspatch dan ant colony optmzaton. 1. Input economc dspatch terdr dar a. batas mnmum dan batasan maksmum daya yang dbangktkan dar masng-masng generator. b. nla karakterstk dar pembangkt (alfa,beta,gamma). Nla n ddapatkan dar kurva polynomal pembangkt dengan kordnat (x,y). Kordnat x adalah daya yang dbangtkan sedangkan koordnat y adalah bahan bakar yang dgunakan. Lebh jelasnya dapat dlhat pada gambar 5 flowchart untuk menghtung α, β dan γ. Nla karakterstk n yang akan masuk dalam perhtungan algortma ant colony optmazton. 2. Input Ant Colony Optmazton Dalam tugas akhr n, nput-an yang dgunakan pada algortma Ant Colony Optmazton terdr dar nsalsas parameter yang dgunakan yatu jumlah semut sebanyak 10, teras maksmum sebsar 500, ketahanan feromon sebesar Permntaan Daya Maksud dar permntaan daya adalah jumlah pemntaan daya yang akan dkrmkan ke sstem. Sehngga hasl smulas dar masng-masng daya yang dbangktkan generator totalnya sama dengan permntaan daya sesua dengan equalty constrant persamaan 3 a. Proses Pada bagan n merupakan proses yang dlakukan dengan menggunakan Ant Colony Optmazton untuk mendapatkan pemakaan bahan bakar yang mnmum. Ddalam proses semua parameter nput yang dmasukan dhtung sehngga menghaslkan penghematan pemakan bahan bakar. Input dar nsalsas parameter ACO dgunakan untuk mendapatkan daya yang dbangktkan. Sehngga nla daya yang terbangktkan dapat dmasukkan dalam perhtungan persamaan matemats dar economc dspatch persamaan (1) dengan melhat batasan nequalty constran persamaan (4) dan equalty constran persamaan (3). b. Output Hasl yang dharapkan adalah kombnas dar masng-masng daya yang terbangktkan dengan melhat penggunaan konsums bahan bakar yang mnmum dan tdak terlepas dar batasan nequalty constran persamaan (4) dan equalty constran persamaan (3). 443

5 Parameter nput: 1..Economc Dspatch: 2. Ant Colony Optmzaton 3. Permntaan Daya Proses : Ant Colony Optmzaton output: 1.Daya 2.Pemakaa n bakar bakar mnmum Gambar 3. Dagram blok peneltan Tabel 1.Karakterstk Pembangkt Selama 1 dan 6 Bulan 1 Bulan Unt Alfa Beta Gamma Unt Alfa Beta Gamma UNIT UNIT UNIT UNIT UNIT UNIT Bulan UNIT UNIT UNIT UNIT UNIT UNIT UNIT UNIT Tabel 2.Karakterstk Pembangkt Selama 12 Bulan Unt Alfa Beta Gamma UNIT UNIT Bulan UNIT UNIT UNIT UNIT UNIT Langkah selanjutnya adalah perancangan program smulas optmas menggunakan metode ACO (Ant Colony Optmzaton). 444

6 Start Insalsas Parameter ACO Insalsas Poss Awal Pheromone Htung Daya yang dbangktkan Htung Objectve Functon Update Local Pheromone Update Global Pheromone Iteras=Maksmum? Tdak Ya Menamplkan Pemakaan Bahan Bakar Mnmum End Gambar 4. Dagram Alr Penggunaan Ant Colony Optmzaton 3. HASIL DAN PEMBAHASAN Operas optmal pada pembangkt dapat dketahu dengan melhat karakterstk pembangkt. Karakterstk pembangkt dgunakan untuk mengetahu konsums bahan bakar yang optmal. Nla karakterstk pembangkt penuls dapatkan dar data laporan haran d PLTU UBP Suralaya unt 1-7. Pengamblan karakterstk pembangkt penuls membag dalam 3 yatu dalam 1 bulan, 6 bulan dan 12 bulan. Nla karaterstk n dgunakan untuk mencar kombnanas pembangkt yang akan doperaskan berdasarkan pada batasan fungs objektf sehngga mendapatkan pengunaan konsums bahan bakar yang mnmum. Pengujan n dlakukan pada bulan Januar 2013 dengan menggunakan karakterstk 1 bulan, bulan September dan bulan November 2012 menggunakan karakterstk 6 bulan. Sedangakan karakterstk 12 bulan pengujan n dlakukan pada bulan Jul dan Februar Pada pembebanan bulan Januar 2013 ddapatkan kombnas unt-unt pembangkt yang optmal yatu: 445

7 Tabel 3. Model pembebanan Unt Pembangkt Suralaya Januar 2013 Pdemand (Mwaat) Data Pembebanan Indonesa Power UBP Suralaya Januar 2013 Unt 1 Unt 2 Unt 3 Unt 4 Unt 5 Unt 6 Unt 7 Bahan Bakar (Mmbtu) Tabel 4. Pembebanan Suralaya Januar 2013 Menggunakan ACO Pdemand (Mwaat) Data Pembebanan smulas ACO Januar 2013 Unt 1 Unt 2 Unt 3 Unt 4 Unt 5 Unt 6 Unt 7 Bahan Bakar (Mmbtu) Tabel 5. Penghematan yang dhaslkan Bulan Januar 2013 Pembebanan Bulan Januar 2013 Pdemand (MW) Pemakaan BAHAN BAKAR(Mmbtu/h) Lapangan ACO Selsh Hasl rata-rata penghematan bahan bakar bulan Januar 2013 ddapatkan sebesar Mmbtu/h dengan baya Rp /h dan effsensnya sebesar 0.861%. Sedangkan hasl rata-rata penghematan bahan bakar bulan Februar 2012 ddapatkan sebesar Mmbtu/h dengan baya Rp /h dan effsensnya sebesar 0.786%. 4. PENUTUP Dar hasl pengujan yang dlakukan dengan menggunakan smulas ACO pada varas nla karakterstk pembangkt yang berbeda, ddapatkan rata-rata penghematan bahan bakar yatu : 1) Januar Mmbtu/h dengan efsens bahan bakar sebesar 0.861% 2) November Mmbtu/h dengan efsens bahan bakar sebesar 1.201% 3) September Mmbtu/h dengan efsens bahan bakar sebesar 1.101% 4) Jul Mmbtu/h dengan efsens bahan bakar sebesar 0.616% 5) Februar Mmbtu/h dengan efsens bahan bakar sebesar 0.786% 446

8 Sedangkan penghematan rata-rata baya bahan bakar yang ddapatkan sebesar: 1) Januar Rp /h 2) November Rp /h 3) September Rp /h 4) Jul Rp /h 5) Februar Rp /h Total penghematan bahan bakar selama 5 bulan adalah Rp /h DAFTAR PUSTAKA Harun, Nadjamuddn. Perancangan Pembangkt Tenaga Lstrk program stud teknk elektro jurusan fakultas teknk Unverstas Hasanuddn,Makassar,2011. Pudjo W,Prabowo dan Rahmadya. Penerapan soft computng dengan matlab Rekayasa Sans, Bandung,2009. Cekdn,Cekmas. Sstem tenaga lstrk contoh soal dan penyelesaannya mengunakan matlab,and,yogyakarta,2006. Sswanto,Marmo, Mengoptmalkan pembagan beban pada unt pembangkt PLTGU Tambak,lorok dengan metode lagrang multpler.tugas akhr jurusan Teknk Elektro Unverstas Dponegoro,2001. Basuk,Cahyo Ad, Analsa konsums bakan bakar pada pembangkt lstrk tenaga uap dengan menggunakan metode least square. Tugas akhr jurusan Teknk Elektro Unverstas Dponegoro,2008. Lucana,Erlne, Smulas perhtungan pembebanan ekonoms pada pusat lstrk tenaga desel dengan metode Dynamc Programmng (Stud kasus d PT.Artera Daya Mula). Tugas akhr jurusan Teknk Elektro Unverstas Dponegoro,2009. Sukma,Dan Yayan. Optmas Pembangkt Termal Menggunakan Metode Dynamc Programmng. Jurusan Teknk Elektro Unverstas Rau. Pothya,Saravuth.Ngamroo Issarach & K.Waree. Ant colony optmzaton for economc dspatch problem wth non-smooth cost functons. Electrcal Power and Energy Systems 2010:32: Song,Y.H. Chou,C.S.V.& Mn.Y.Large Scale Economc Dspatch by Artfcal Ant Colony Search Algorthms.IEEE Electrc Machnesand Power Systems 1999:27: Krsna,Ida Bagus. Economc Dspatch Menggunakan Ant Colony Optmzaton pada sstem Transms 500 KV Jawa Bal.Jurusan Teknk Elektro Insttut Teknolog Sepuluh November Stevano. Pembebanan Ekonoms Pada Pusat Pembangkt Termal Menggunakan Partcle Swarm Optmzaton dan Iteras Lamda.Jurusan Teknk Elektro Unverstas Sultan Ageng Trtayasa Hlmawan,Ryan. Sstem Pendukung Pengambl Keputusan Optmas Penjadwalan Pembangkt Lstrk Tenaga Termal Menggunakan Metode Pengal Langrang.Jurusan Teknk Elektro Unverstas Sultan Ageng Trtayasa Ward,Ibnu Sna. Penggunaan Graf dalam Algortma Semut Untuk Melakukan Optmas. Program Stud Teknk Informatka Insttut Teknolog Bandung. Hermanto,Eko. Perancangan Sstem Pnejadwalan Ujan Semester Berbass Web Menggunakan Algortma Semut.Jurusan Teknk Elektro Unverstas Sultan Ageng Trtayasa Agus, Hand. Operas Sstem Tenaga Lstrk Resume.Jurusan Penddkan Teknk Elektro Falkultas Penddkan Teknolog dan Keuruan Unverstas Penddkan Indonesa Saadat,Had. Power Syatem Analyss.McGraw Hll, New York Musrn,Ismal Ant Colony Optmzaton (ACO) Technque n Economc Power Dspatch Problems. Internatonal Multconference of Engneers and Computer Scentsts.Hongkong.2008.Volume 2. Fahlusyanto. Operas Ekonoms PLTU PT.KDL Dengan Metode Dynamc Programmng.Jurusan Teknk Elektro Unverstas Sultan Ageng Trtayasa Marsud,Djteng. Operas Sstem Tenaga Lstrk,Graha Ilmu,Yogyakarta,

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

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

Lebih terperinci

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

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

Lebih terperinci

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

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

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

Lebih terperinci

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

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

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB 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 terperinci

BAB II TEORI ALIRAN DAYA

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

Lebih terperinci

BAB IV PERHITUNGAN DAN ANALISIS

BAB 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 terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

STUDI OPERASI EKONOMIS PADA GENERATOR PEMBANGKIT SISTEM SULAWESI SELATAN. Abstrak

STUDI 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 terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB 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 terperinci

Abdul Rajab Andi Faharuddin Staf Pengajar Teknik Elektro Univ. Andalas, Padang. Kampus Limau Manis, Padang

Abdul 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 terperinci

BAB III METODOLOGI PENELITIAN

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

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

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

Lebih terperinci

SISTEM 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 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 terperinci

OPTIMAL GENERATOR SCHEDULING BASED ON PARTICLE SWARM OPTIMIZATION

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

Lebih terperinci

Bab V Aliran Daya Optimal

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

Lebih terperinci

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

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

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

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

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB 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 terperinci

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. 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 terperinci

Jurnal Teknologi Elektro, Universitas Mercu Buana ISSN:

Jurnal 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 terperinci

PENERAPAN 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 (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 terperinci

METODE KLASTERISASI DATA BERBASIS ARTIFICIAL BEE COLONY DAN K-HARMONIC MEANS

METODE KLASTERISASI DATA BERBASIS ARTIFICIAL BEE COLONY DAN K-HARMONIC MEANS TESIS METODE KLASTERISASI DATA BERBASIS ARTIFICIAL BEE COLONY DAN K-HARMONIC MEANS Oleh : I Made Wdartha NRP. 5109201009 Dosen Pembmbng : Dr. Agus Zanal Arfn, S.Kom, M.Kom Anny Yunart, S.Kom, M.Comp.Sc

Lebih terperinci

Nama : Crishadi Juliantoro NPM :

Nama : Crishadi Juliantoro NPM : ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang

Lebih terperinci

BAB IV PEMBAHASAN MODEL

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

Lebih terperinci

BAB 2 KAJIAN PUSTAKA

BAB 2 KAJIAN PUSTAKA BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

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

Lebih terperinci

Peramalan Beban Listrik Untuk Penjadwalan Sistem Pembangkit

Peramalan 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 terperinci

PENGENALAN HURUF BRAILLE BERBASIS JARINGAN SYARAF TIRUAN METODA HEBBRULE

PENGENALAN HURUF BRAILLE BERBASIS JARINGAN SYARAF TIRUAN METODA HEBBRULE 1 PENGENALAN HURUF BRAILLE BERBASIS JARINGAN SARAF TIRUAN METODA HEBBRULE un Ennggar 1, Wahyul Amen Syafe, ST, MT 2, Bud Setyono,ST,MT 2 Jurusan Teknk Elektro, Fakultas Teknk Unverstas, Dponegoro Jl. Prof.

Lebih terperinci

RANGKAIAN SERI. 1. Pendahuluan

RANGKAIAN 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 terperinci

Aliran Daya Optimal Menggunakan Metode Ant Colony Optimization

Aliran Daya Optimal Menggunakan Metode Ant Colony Optimization Prosdng : SEMINAR NASIONAL 2012 Teknk Elektro Dan Informatka Dalam Pengembangan Teknolog Berkelanjutan Alran Daya Optmal Menggunakan Metode Ant Colony Optmzaton Agus Fathurrahman 1, I Made Ar Nrartha 2,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB 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 terperinci

PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT

PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos Pabelan

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB 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 terperinci

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didownload 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 terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB 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 terperinci

Preferensi untuk alternatif A i diberikan

Preferensi 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 terperinci

BAB II OPTIMALISASI PADA SISTEM KELISTRIKAN

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

Lebih terperinci

Optimasi Perencanaan Hasil Produksi dengan Aplikasi Fuzzy Linear Programming (FLP)

Optimasi Perencanaan Hasil Produksi dengan Aplikasi Fuzzy Linear Programming (FLP) Semnar Nasonal Waluyo Jatmko II FTI UPN Veteran Jawa Tmur Optmas Perencanaan Hasl Produks dengan Aplkas Fuzzy Lnear Programmng (FLP) Akhmad Fauz Jurusan Teknk Informatka UPNV Veteran Jawa Tmur Emal: masuz@upnatm.ac.d

Lebih terperinci

MODIFIED IMPROVED PARTICLE SWARM OPTIMIZATION FOR OPTIMAL GENERATOR SCHEDULING

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

Lebih terperinci

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

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

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN. smoothing, dan siklis untuk barang jadi Mie Atom Metode Regresi Linier. Nama barang jadi: Mie Atom.

BAB 4 HASIL DAN PEMBAHASAN. smoothing, dan siklis untuk barang jadi Mie Atom Metode Regresi Linier. Nama barang jadi: Mie Atom. BAB 4 HASIL DAN PEMBAHASAN 4.1 Penghtungan 4.1.1 Penghtungan Peramalan 4.1.1.1 Peramalan Me Atom Contoh perhtungan peramalan permntaan dengan metode regres lner, regres kuadrats, double movng average,

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Penjadwalan Generator Yang Optimal Dengan Memperhatikan Keamanan Kerja Generator

Penjadwalan 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

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

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

Lebih terperinci

Analisa dan Penerapan Metode Particle Swarm Optimization Pada Optimasi Penjadwalan Kuliah

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

Lebih terperinci

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

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

Lebih terperinci

GENERATOR SKENARIO PENGIRIMAN BAHAN BAKAR SOLAR (HSD) MENGGUNAKAN MODEL DAN ALGORITMA COMMON REPLENISHMENT EPOCH (CRE)

GENERATOR SKENARIO PENGIRIMAN BAHAN BAKAR SOLAR (HSD) MENGGUNAKAN MODEL DAN ALGORITMA COMMON REPLENISHMENT EPOCH (CRE) GENERATOR SKENARIO PENGIRIMAN BAHAN BAKAR SOLAR (HSD) MENGGUNAKAN MODEL DAN ALGORITMA COMMON REPLENISHMENT EPOCH (CRE) Muhammad Khosy n 1,2, Muh Iman Prajtno 2, Aro Isnad 3, Mochamad Haryad 4 1 Electrcal

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI 65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bntaro Sektor 7, Bntaro Jaya Tangerang Selatan 15224 PENDAHULUAN Bangktan perjalanan (Trp generaton model ) adalah suatu tahapan

Lebih terperinci

OPTIMASI MASALAH PENUGASAN. Siti Maslihah

OPTIMASI MASALAH PENUGASAN. Siti Maslihah JPM IIN ntasar Vol. 01 No. 2 Januar Jun 2014, h. 95-106 OPTIMSI MSLH PNUGSN St Maslhah bstrak Pemrograman lner merupakan salah satu lmu matematka terapan yang bertuuan untuk mencar nla optmum dar suatu

Lebih terperinci

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

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

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan 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 terperinci

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant)

PEMAHAMAN 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 terperinci

PENENTUAN DENSITAS PERMUKAAN

PENENTUAN DENSITAS PERMUKAAN PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam 1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr

Lebih terperinci

Analisis Pembebanan Ekonomis pada Jaringan 500 kv Jawa Bali Menggunakan Software PowerWorld

Analisis Pembebanan Ekonomis pada Jaringan 500 kv Jawa Bali Menggunakan Software PowerWorld JURAL TEKIK ITS Vol. 1, o. 1 (Sept. 2012) ISS: 2301-9271 B-53 Analss embebanan Ekonoms pada Jarngan 500 kv Jawa Bal Menggunakan Software owerworld Badru T. Arozaq, Rony S. Wbowo, danontoseno enangsang

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB 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 terperinci

Bab III Analisis Rantai Markov

Bab 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 terperinci

BAB IV METODE PENELITIAN. Penelitian mengenai Analisis Pengaruh Kupedes Terhadap Performance

BAB 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 terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. 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 terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB 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 terperinci

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada

BAB 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 terperinci

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan. 3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih terperinci

APLIKASI FUZZY LINEAR PROGRAMMING (FLP) UNTUK OPTIMASI HASIL PERENCANAAN PRODUKSI

APLIKASI FUZZY LINEAR PROGRAMMING (FLP) UNTUK OPTIMASI HASIL PERENCANAAN PRODUKSI Soft Computng, Intellgent Systems an Informaton Technology 2005 UK Petra Surabaya, 28 Jul 2005 APLIKASI FUZZY LINEAR PROGRAMMING (FLP) UNTUK OPTIMASI HASIL PERENCANAAN PRODUKSI Basuk Rahmat, Panca Raharanto,

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. 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 terperinci

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

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

Lebih terperinci

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar

Lebih terperinci

PRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel

PRAKTIKUM 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 terperinci

BAB IV PENGUJIAN DAN ANALISA

BAB IV PENGUJIAN DAN ANALISA BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam

Lebih terperinci

2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil

2.1 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 terperinci

PENYELESAIAN PERMASALAHAN OPTIMASI CONSTRAINED NONLINEAR DENGAN PARTICLE SWARM OPTIMIZATION

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

Lebih terperinci

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 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 terperinci

Optimisasi Economic Dispatch Menggunakan Fuzzy-Bacterial Foraging Algorithm

Optimisasi 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 terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL 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 terperinci

Gambar 3.1 Diagram alir penelitian

Gambar 3.1 Diagram alir penelitian BAB 3 METODE PENELITIAN 3.1 Dagram Alr Peneltan Materal Amorph Magnetk (Fe 73 Al 5 Ga 2 P 8 C 5 B 4 S 3 ) Ekspermen DfraksNeutron (I vs 2theta) Smulas Insalsas atom secara random Fungs struktur, F(Q) Perhtungan

Lebih terperinci

Dalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang

Dalam 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 terperinci

METODE PENELITIAN. Penentuan lokasi dilakukan secara tertuju (purposive) karena sungai ini termasuk

METODE PENELITIAN. Penentuan lokasi dilakukan secara tertuju (purposive) karena sungai ini termasuk IV. METODE PENELITIAN 4.1. Tempat dan Waktu Peneltan Peneltan n dlakukan d Sunga Sak, Kota Pekanbaru, Provns Rau. Penentuan lokas dlakukan secara tertuju (purposve) karena sunga n termasuk dalam 13 sunga

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.. KERANGKA ANALISIS Kerangka analss merupakan urutan dar tahapan pekerjaan sebaga acuan untuk mendapatkan hasl yang dharapkan sesua tujuan akhr dar kajan n, berkut kerangka

Lebih terperinci

OPTIMAL REACTIVE POWER DISPATCH UNTUK MEMINIMISASI RUGI-RUGI DAYA AKTIF PADA SISTEM LAMPUNG MENGGUNAKAN METODE GREY-WOLF OPTIMIZER (GWO)

OPTIMAL REACTIVE POWER DISPATCH UNTUK MEMINIMISASI RUGI-RUGI DAYA AKTIF PADA SISTEM LAMPUNG MENGGUNAKAN METODE GREY-WOLF OPTIMIZER (GWO) ol: 6, o. 2, Jul 2017 ISS: 2302-2949 OPTIMAL REACTIE POWER DISPATCH UTUK MEMIIMISASI RUGI-RUGI DAYA AKTIF PADA SISTEM LAMPUG MEGGUAKA METODE GREY-WOLF OPTIMIZER (GWO) Osea Zebua 1*, I Made Gnarsa 2 1 Staf

Lebih terperinci

PENGEMBANGAN MODEL PERSEDIAAN BAHAN BAKU DENGAN MEMPERTIMBANGKAN WAKTU KADALUWARSA DAN FAKTOR UNIT DISKON

PENGEMBANGAN MODEL PERSEDIAAN BAHAN BAKU DENGAN MEMPERTIMBANGKAN WAKTU KADALUWARSA DAN FAKTOR UNIT DISKON PENGEMBANGAN MODEL PERSEDIAAN BAHAN BAKU DENGAN MEMPERTIMBANGKAN WAKTU KADALUWARSA DAN FAKTOR UNIT DISKON Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos 1, Pabelan,

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan

Lebih terperinci

Perkiraan Biaya Operasi dengan Mempertimbangkan Kondisi Kontingensi di Sistem Jawa Bali 500 kv

Perkiraan Biaya Operasi dengan Mempertimbangkan Kondisi Kontingensi di Sistem Jawa Bali 500 kv JURAL TEKIK OMITS Vol. 2, o. 1, (2013) ISS: 2337-3539 (2301-9271 rnt) B-1 erkraan Baya Operas dengan Mempertmbangkan Konds Kontngens d Sstem Jawa Bal 500 kv Rachmad ur ryanto,rony Seto Wbowo, dan Ontoseno

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

III. 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 terperinci

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

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

Lebih terperinci

Perbaikan Unjuk Kerja Sistem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB

Perbaikan Unjuk Kerja Sistem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB Perbakan Unjuk Kerja Sstem Orde Satu PERBAIKAN UNJUK KERJA SISTEM ORDE SATU DENGAN ALAT KENDALI INTEGRAL MENGGUNAKAN JARINGAN SIMULATOR MATLAB Endryansyah Penddkan Teknk Elektro, Jurusan Teknk Elektro,

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 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 terperinci

PENERAPAN METODE FORGY PADA PERILAKU LEBAH PENJELAJAH DALAM ARTIFICIAL BEE COLONY

PENERAPAN METODE FORGY PADA PERILAKU LEBAH PENJELAJAH DALAM ARTIFICIAL BEE COLONY PENERAPAN METODE FORGY PADA PERILAKU LEBAH PENJELAJAH DALAM ARTIFICIAL BEE COLONY I Made Wdartha Program Stud Teknk Informatka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Udayana emal : madewdartha@cs.unud.ac.d

Lebih terperinci