Optimisasi Economic Dispatch Menggunakan Fuzzy-Bacterial Foraging Algorithm
|
|
- Sucianty Wibowo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 1, 2 Department of Electrcal Engneerng, Faculty of Industral Technology ITS Surabaya Indonesa, 60111, 1) E-mal: mrdhafauz@yahoo.co.d Abstract Pada peneltan n dusulkan metode optmsas fuzzy-bacteral foragng algorthm (Fuzzy-) untuk menyelesakan permasalahan economc dspatch. Bacteral foragng algorthm () standar memlk nla run length unt konstan. Run length unt memlk peran pentng dalam mempercepat konvergens. Oleh karena tu run length unt dbuat adaptf terhadap pergerakan bakter dengan pendekatan aturan fuzzy Takag- Sugeno. Keefektfan dan keandalan metoda yang dusulkan n duj pada sstem IEEE 5-bus tga generator dan IEEE 30-bus enam generator. Hasl smulas yang dperoleh dbandngkan dengan standar dan tanpa dspatch. Hasl smulas menunjukkan bahwa metoda yang dusulkan n unggul dan potensal untuk menyelesakan masalah economc dspatch. Index Terms: Bacteral foragng algorthm, economc dspatch, fuzzy-bacteral foragng algorthm, total fuel cost. 1. Pendahuluan Pembangkt energ lstrk jens thermal harus doperaskan dengan baya semnmum mungkn. Untuk menekan baya, maka pengoperasan pembangkt perlu doptmsas. Optmsas dlakukan pada pembangktan daya output unt pembangkt (economc dspatch). Economc dspatch memlk karakterstk nonlner dan komplek terutama pada equalty dan nequalty constrant sehnga sult untuk dselesakan. Jka masalah n dapat dpecahkan dengan solus yang memuaskan maka akan sangat menguntungkan dar ss ekonom. Usaha untuk menyelesakan masalah econmc dspatch telah banyak dlakukan. Beberapa metoda telah dgunakan untuk memecahkan masalah economc dspatch, yatu metoda lambda-teraton, metoda base pont and partcpaton factors, dan metoda gradent. Tetap pada pengaplkasannya dperoleh error yang besar. Metoda dynamc programmng tdak memlk batasan-batasan alamah pada kurva baya. Hal n dapat menghaslkan solus global walaupun untuk kurva baya non-lner dan dscrete dar unt-unt pembangktan (D.N. Jeyakumar, 2006). Pada referens (Chng, 2000) masalah economc dspatch dselesakan menggunakan pendekatan Hopfeld modelng framework. Hasl analss fuel cost dan rug daya dengan menggunakan metoda n lebh bak dar metoda conventonal hopfeld. Referens (Rabh, 2000) juga telah menerapkan smplfed homogeneous and self-dual (SHSD) lnear programmng (LP) nteror pont algorthm pada masalah securty constraned economc dspatch (SCED). Pada dekade belakangan para penelt telah menerapkan metoda artfcal ntellgent sepert genetc algorthm dan fuzzy logc (A. B. M. Nasruzzaman, 2008), partcle swarm optmzaton (Jong-Bae Park, 2005), dfferental evoluton (Leandro, 2007). Beberapa metoda soft computng lannya dcoba daplkaskan dan dbandngkan oleh (Jagabondhu, 2005) pada masalah economc dspatch, yatu genetc algorthm, ant colony optmzaton dan partcle swarm optmzaton. Hasl yang dperoleh terdapat beberapa kelebhan pada masng-masng metoda tersebut. Referens (K. Vasakh, 2009) juga melakukan peneltan dynamc economc dspatch dengan fungs baya non-smooth menggunakan partcle swarmng optmzaton wth dfferentally perturbed velocty. Pendekatan n cukup berhasl untuk memecahkan masalah economc dspatch. Belakangan n metoda keluarga evolus sepert bacteral foragng algorthm () mula daplkaskan pada masalah alran daya dengan mnmsas daya nyata dan maksmalsas batas stabltas tegangan dalam sstem tenaga lstrk (M. Trpathy, 2009). Pada peneltan n dusulkan untuk memecahkan masalah optmsas economc dspatch. Konvergens standar cukup lama mencapa nla optmum jka daplkaskan pada constrant yang lebh besar dan masalah yang lebh komplek. Oleh karena tu untuk mempercepat konvergens maka run length unt (step sze) pada standar dbuat
2 Semnar Nasonal Pascasarjana XI ITS, Surabaya 27 Jul 2011 adaptf menggunakan rule fuzy Takag-Sugeno (S. Mshra, 2005). 2. Metodolog 2.1 Basc Bacteral Foragng Optmzaton Bnatang yang memlk strateg foragng kurang bak cenderung delmnas oleh seleks alam dan lebh suka dengan yang memlk strateg foragng yang sukses. Strateg foragng pada dasarnya dbangun oleh empat proses yatu, chemotaxs, swarmng, reproducton, dan elmnaton and dspersal (P. K. Hota, 2010) Chemotaxs: adalah proses pergerakan bakter yang dlakukan dengan cara swmmng dan tumblng va Flagella. Oleh karena tu, bakter E. col dapat bergerak dalam dua cara yang berbeda; run (swm untuk satu perode waktu) atau tumble, dan alternatf antara dua mode operas n pada seluruh lfetme bakter. Untuk merepresen-taskan tumble, dbangktkan unt length arah acak (j); n akan dgunakan untuk mendefnskan arah pergerakan setelah tumble, yatu ( j 1, k, l) ( j, k, l) C( ) ( j) (7) dengan (j,k,l) merepresentaskan bakter ke- pada chemotactc step ke-j reproducton ke-k dan elmnaton and dspersal ke-l. C() adalah ukuran langkah yang dambl dalam arah acak dnyatakan dengan tumble (run length unt) Swarmng : Ketka bakter memperoleh nutrs maka bakter tersebut member snyal kepada yang lan sehngga mereka bersama-sama menuju lokas yang dngnkan (ttk solus) lebh cepat. Efek dar swarmng menyebabkan bakter berkumpul dalam kelompok dan bergerak sepert pola konsentrs dengan kerapatan bakter tngg. Representas matemats untuk swarm adalah, s J (, (,, )) (, cc P j k l Jcc ( j, k, l)) 1 S p dattract attract m m 1 m 1 [ exp( ( ) )] S p hrepellant repellant m m 1 m 1 [ exp( ( ) )] (8) dengan J cc (, P(j,k,l)) adalah nla cost functon yang dtambahkan ke actual cost functon yang dmnmas untuk menggambarkan varas waktu cost functon, S adalah jumlah total bakter, p adalah jumlah parameter yang doptmsas yang ada dalam masng-masng bakter, d attract, w attract, h repellant, dan w repellant adalah koefsen yang dplh sebak mungkn Reproducton: Bakter yang palng tdak sehat mat dan bakter lan yang lebh sehat masng-masng membelah menjad dua bakter, dan dtempatkan pada lokas yang sama. In membuat populas bakter konstan Elmnaton and Dspersal: Perubahan secara tba-tba pada lngkungan bakter sepert karena kenakan temperatur lokal yang sgnfkan dapat membunuh kelompok bakter yang memlk konsentras nutrs tngg atau dsebar ke lngkungan baru. Elmnaton and dspersal membantu dalam mengurang perlaku stagnaton, yatu terjebak dalam ttk solus prematur atau lokal optma. 2.2 Penerapan Fuzzy-Bacteral Foragng Algorthm Fuzzy nference dgunakan untuk mengatur perlaku dasar foragng bakter pada proses chemotaxs. Run length unt C() atau dsebut juga step sze pada setap langkah mempunya nla konstan. Jka nla C() terlalu besar dan konstan maka pencaran kemungknan terjebak lokal mnmum sehngga bakter swmmng tanpa berhent. Tetap jka nla C() terlalu kecl maka konvergen menjad lambat dan jka memperoleh nla lokal mnmum maka pencaran tdak terlalu jauh berbeda dar nla yang telah dperoleh. Dalam peneltan n, run length unt dbuat bervaras berdasarkan formula aturan fuzzy Takag-Sugeno (S. Mshra, 2005). Nla step sze yang varabel mempunya peran pentng dalam mempercepat konvergens serta dekat dengan solus optmum. Membershp functon nput fuzzy adalah jens trapesum dan mempunya satu nput mn (J) yatu nla mnmum total fuel cost pada setap evaluas fungs nutrs dan menghaslkan satu output yatu nla crsp u. Nla lngustk varabel nput terdr dar empat buah hmpunan fuzzy yatu SK (Sangat Kecl), K (Kecl), S (Sedang), dan B (Besar). Sedangkan nla crsp output terdr dar empat buah persamaan lner. Membershp functon tersebut dtamplkan pada Gambar SK K S B J 1 J 2 J 3 J 4 J 5 J 6 mnmum (J) Gambar 1. Membershp Functon Input Fuzzy. Ketka Fuzzy daplkaskan pada maka Persamaan (7) dgant menjad, (j+1,k,l) = (j,k,l) + u x C() x (J) (9)
3 Semnar Nasonal Pascasarjana XI ITS, Surabaya 27 Jul 2011 Rule fuzzy yang mengatur adaptas adalah, R 1 : If mn(j ) Sangat Kecl (SK) then u 1 = a 1 mn (J ) R 2 : If mn(j ) Kecl (K) then u 2 = a 2 mn (J ) R 3 : If mn(j ) Sedang (S) then u 3 = a 3 mn (J ) R 4 : If mn(j ) Besar (B) then u 4 = a 4 mn (J ) Nla koefsen a 1 a 4 dan J 1 J 6 dperoleh dengan cara try and error. Langkah-langkah komputas untuk optmsas economc dspatch menggunakan metoda Fuzzy- adalah (Smshra, 2005): Langkah 1 : Insalsas parameter, (1) S : jumlah bakter yang dgunakan. (2) p : jumlah parameter yang doptmsas. (3) N S : panjang lfetme bakter setelah tumblng pada chemotactc loop. (4) Nc : jumlah chemotactc loop ( N C > N S ). (5) N re : jumlah maksmum reproducton. (6) N ed : jumlah kejadan elmnaton- dspersal. (7) P ed : probabltas elmnaton-dspersal. (8) P : Lokas masng-masng bakter P(1-p, 1-S, 1) arah acak pada [-1, 1]. (9) Nla run length unt atau C(). Nla C() adalah konstan. (10) Nla-nla d attract, w attract, h repelent, dan w repelent. Insalsas parameter Fuzzy, (1) J 1, J 2, J 3, J 4, J 5, J 6 (2) a 1, a 2, a 3, a 4 Langkah 2 : Perancangan algortma untuk optmsas economc dspatch : Bagan n memodelkan populas bakter pada chemotaxs, swarmng, reproducton, dan elmnaton and dspersal (pada awalnya, (j = k = l = 0)). Dengan meng-update algortma, secara otomats menghaslkan update P. (1) Elmnaton-dspersal loop : l = l + 1. (2) Reproducton loop : k = k + 1. (3) Chemotaxs loop : j = j + 1. (a) For I = 1,2,..., S, htung nla cost functon untuk setap bakter, next,. Htung nla cost functon J(,j,k,l). Selanjutnya, J SW (,j,k,l) = J(,j,k,l) + J CC ( (j,k,l), P(j,k,l)).. Selanjutnya, J last = J SW (,j,k,l) smpan nla n karena kta boleh jad menemukan cost yang lebh bak melalu run.. End of for loop. (b) For = 1, 2,..., S, ambl keputusan tumblng/swmmng.. Tumble : bangktkan vektor random () R P dengan setap elemen m (), m = 1,2,..., p, jumlah acak pada [-1, 1].. Move : selanjutnya (j+1,k,l ) = (j, k, l) + u x C() () T ( ) ( ) menghaslkan step sze yang dapat beradaptas dalam arah tumble untuk bakter.. Menghtung J(,j+1,k,l) dan kemudan menghtung, Jsw (, j 1, k, l) J(, j 1, k, l) Jcc( ( j 1, k, l), P( j 1, k, l)) v. Swm : a. m = 0; (counter untuk swm length) b.whle, m < Ns (apabla tdak ada penurunan yang terlalu panjang). v. m = m + 1 v. If J SW (, j+1, k, l) < J last (jka lebh bak), kemudan J last = J SW (, j+1, k, l) dan (j+1,k,l) = (j,k,l) + u x C() (), T ( ) ( ) gunakan (j+1,k,l) n untuk menghtung J(, j+1,k,l) yang baru. v. Else, m = N s. In adalah akhr dar statement whle. (c) Go to bakter berkutnya ( + 1). Jka, S (maka go to b ) untuk memproses bakter berkutnya. (4) If j > Nc, go to step 3, lanjutkan chemotaxs, karena lfe tme bakter belum berakhr. (5) Reproducton. (a) For k dan l yang dberkan, dan untuk setap = 1, 2,..., S, maka htung J Nc 1 health J sw (, j, k, l ) adalah j 1 kesehatan bakter. Urutkan bakter secara ascendng terhadap cost J health (cost lebh tngg berart kesehatan lebh rendah). (b) Sr = S/2 bakter dengan nla J health palng tngg mat dan Sr bakter lannya dengan nla terbak akan membelah menjad dua berperan sebaga orang tua dan dtempatkan pada lokas yang sama. (6) If k < Nre, go to 2; dalam kasus n, kta belum mencapa jumlah maksmum reproducton loop yang dtentukan, sehngga kta mula generas berkutnya dalam chemotactc loop. (7) Elmnaton-dspersal : For = 1,2..., S dengan probabltas P ed, elmnate dan dsperse setap bakter (untuk menjaga jumlah bakter konstan).
4 Semnar Nasonal Pascasarjana XI ITS, Surabaya 27 Jul Smulas dan Hasl Masalah economc dspatch dsmulaskan pada sstem IEEE 5-bus, tga generator (Had Saadat, 1999) dan IEEE 30-bus, enam generator (P. Somasundaram. 2005). Sstem IEEE 5-bus menyupla total beban sebesar 150 MW dan sstem IEEE 30-bus menyupla beban sebesar MW. Data daya output mn dan max setap generator kedua sstem dtamplkan pada Tabel 1 dan Tabel 2. Tabel 1 : Data Pmn Pmax dan Koefsen Bahan Bakar Sstem IEEE 5-Bus No. P mn max P Cost coeffcents Bus (MW) (MW) a b c Tabel 2 : Data Pmn Pmax dan Koeffsen Bahan Bakar Sstem IEEE 30-Bus. No. mn P max P Cost coeffcents Bus (MW) (MW) a b c Untuk mendemonstraskan keefektfan Fuzzy-, maka metoda n dbandngkan dengan metoda standar dan tanpa dspatch. Metoda n duj pada kasus yang berbeda, 3.1 Sstem IEEE 5-bus : Kasus (1) : memperhtungkan rug daya pada transms, equalty dan nequalty constrant dengan jumlah bakter 8. Kasus (2) : memperhtungkan rug daya pada transms, equalty dan nequalty constrant dengan jumlah bakter bervaras yatu 4, 24, dan 48 bakter. 3.2 Sstem IEEE 30-bus Kasus (1) : memperhtungkan rug daya pada transms, equalty dan nequalty constrant dengan jumlah bakter 8. Smulas menggunakan MATLAB dan drunng pada komputer 3.06 GHz, Pentum-IV dengan 1.2 GB RAM. Parameter yang dgunakan adalah S = 8, Nc = 5, Ns = 3, Nre = 40, Ned = 4, Ped = 0.25, C() = 0,1. Nla d attract, w attract, h repelent, and w repelent yang dgunakan 1.9, 0.2, 1.9, dan 10. Hasl smulas dtamplkan pada Tabel 3 Tabel 6 dan grafk konvergens dtamplkan pada Gambar 3 Gambar 6. Tabel 3 : Hasl Smulas IEEE 5-bus Menggunakan Fuzzy-,, dan tanpa Duspatch Memperhtungkan Rug Transms P Loss (MW) Totalfuel cost ($/h) Konvergens Tanpa Dspatch Metoda Fuzzy Tabel 4 : Hasl smulas IEEE 5-bus Menggunakan Fuzzy- Memperhtungkan Rug Transms dengan Jumlah Bakter Bervaras P Loss (MW) Total fuel cost ($/h) Konvergens 4 Bakter Fuzzy- 24 Bakter Bakter Tabel 5 : Hasl Smulas Sstem Tenaga IEEE 5-Bus Memperhtungkan Rug Transms Menggunakan dengan Jumlah Bakter Bervaras P Loss (MW) Total fuel cost ($/h) Konvergens 4 Bakter Bakter Bakter Tabel 6 : Hasl Smulas IEEE-30 bus Menggunakan Fuzzy-,, dan tanpa Dspatch Memperhtungkan Rug Transms P 4 (MW) P 5 (MW) P 6 (MW) P loss (MW) Total fuel cost ($/h) Konvergens Tanpa Dspatch Metoda Fuzzy Sstem IEEE 5-bus Kasus (1) : Dar Tabel 3 dapat dketahu bahwa Fuzzy- menghaslkan baya pembangktan palng mnmum sebesar $ per hour, dengan dperoleh sebesar $ per hour dan dengan tanpa dspatch sebesar $ per hour. In berart bahwa metoda 36
5 Semnar Nasonal Pascasarjana XI ITS, Surabaya 27 Jul 2011 Fuzzy- menghaslkan baya lebh murah $ per hour dbandngkan dan $ per hour lebh murah dbandngkan dengan tanpa dspatch. Selan tu, dengan mengoptmsas daya output setap pembangkt maka rug transms dapat dreduks dar jka tanpa dspatch menjad MW dan MW menggunakan Fuzzy- dan. Dengan menggunakan Fuzzy- konvergen lebh cepat yatu pada teras ke-126 dan dengan pada teras ke-335. Performans kedua metoda dapat dlhat pada grafk konvergens pada Gambar Fuzzy Fuzzy Evaluas fungs nutrs Gambar 3 Grafk Konvergens Fuzzy- dan dengan 4 Bakter pada Sstem IEEE 5-Bus, Memperhtungkan Rug Ttransms Fuzzy Evaluas fungs nutrs Gambar 2 Grafk Konvergens Fuzzy- dan pada. IEEE 5-Bus dengan Memperhtungkan Rug Transms Kasus (2) : Hasl smulas dengan jumlah bakter bervaras menggunakan Fuzzy- dan dtamplkan pada Tabel 4 dan Tabel 5. Dar kedua metoda dperoleh bahwa semakn banyak jumlah bakter maka konvergens juga semakn cepat. Dengan jumlah bakter 4, 24, dan 48 menggunakan Fuzzy-, konvergen dcapa masng-masng pada teras ke-195, 62, dan 36. Sedangkan dengan jumlah bakter 4, 24, dan 48 menggunakan maka konvergen perhtungan masng-masng pada teras ke-744, 738, dan 120. Hal n menunjukkan bahwa semakn banyak jumlah populas bakter maka semakn luas ruang pencaran nutrs djelajah atau semakn banyak kombnas kanddat solus optmum. Dengan menggunakan metoda Fuzzy- dan jumlah bakter bervaras, maka baya palng mnmum yang dperoleh adalah sama besar yatu $ per hour. Hal n dsebabkan karena dengan menggunakan run length unt yang adaptf terhadap konds operas maka kombnas dan nla yang optmum lebh cepat dperoleh sehngga tdak akan berpengaruh jka jumlah bakter dperbanyak lag. Performans kedua metoda n dapat dlhat pada Gambar 3 Gambar Evaluas fungs nutrs Gambar 4 Grafk Konvergens Fuzzy- dan dengan 24 Bakter pada IEEE 5-Bus dengan Memperhtungkan Rug Transms Fuzzy- Evaluas fungs nutrs Gambar 5 Grafk konvergens Fuzzy- dan dengan 48 bakter pada IEEE 5-bus memperhtungkan rug transms 2. Sstem IEEE 30-bus Kasus (1) : Smulas dengan menggunakan metoda Fuzzy- maka konvergen lebh cepat dbandngkan yatu masng-masng pada teras ke-310 dan teras ke-456. Berdasarkan perbandngan tersebut menunjukkan bahwa dengan merubah konstanta run length unt berdasarkan konds operas mengunakan rule fuzzy, maka konvergens dapat dpercepat dan
6 Semnar Nasonal Pascasarjana XI ITS, Surabaya 27 Jul 2011 memberkan total baya pembangktan sedkt lebh murah dbandngkan dengan. Hal n dsebabkan karena bakter tdak akan beroslas pada daerah yang lebh dekat dengan nla optmum tap menuju ke nla optmum sehngga memperkecl jumlah teras. Nla baya palng mmmum yang dperoleh menggunakan Fuzzy-,, dan tanpa Dspatch masng-masng adalah sebesar $ per hour, $ per hour, dan $ per hour. Performans kedua metoda dtamplkan pada Gambar Fuzzy- 802 Evaluas fungs nutrs Gambar 6 Grafk Konvergens Fuzzy- dan pada. Sstem IEEE 30-Bus Memperhtungkan Rug Transms. 4. Kesmpulan Peneltan n telah berhasl menerapkan metoda fuzzy logc dan bacteral foragng algorthm pada optmsas masalah economc dspatch. Dar hasl yang dperoleh, Fuzzy- selalu lebh unggul dar standar dan tanpa dspatch. Dengan menggunakan Fuzzy-, nla baya bahan bakar pembangktan lebh murah dar pada standar dan tanpa dspatch, bahkan konvergens Fuzzy- hampr separoh lebh cepat dar pada. Jad asmlas fuzzy dengan sukses dalam memperbak performans standar. 5. Pustaka A.B. M. Nasruzzaman, M. G. Rabban, (2008). Implementaton of Genetc Algorthm and Fuzzy Logc n Economc Dspatch Problem. 5 th Internatonal Conference on Electrcal and Comp Eng ICECE IEEE, December 20-22, pp Chng-Tzong Su, Chen-Tung Ln, (2000). New Approach wth a Hopfeld Modelng Framework. IEEE, Vol. 15, No. 2, May, pp D.N. Jeyakumar, T. Jayabarath, T. Raghunathan, (2006). Partcle swarm optmzaton for varous types of economc dspatch problems. Elsever, Vol. 30, pp Had Saadat, Power System Analyss (1999). McGraw-Hll, New York. Jagabondhu Hazra, Avnash Snha, (2005). Applcaton of soft computng methods for Economc Dspatch n Power Systems. Internatonal Journal of Electrcal Power and Energy System Engneerng, Vol. 2, No. 1, pp Jong-Bae Park, K-Song Lee, Joong-Rn Shn, Kwang Y. Lee, (2005). A Partcle Swarm Optmzaton for Economc Dspatch Wth Nonsmooth Cost Functons. IEEE, Vol. 20, No. 1, pp K. Vasakh, P. Praveena, S. Rama Rao, (2009). PSO-DV and Bacteral Foragng Optmzaton Based Dynamc Economc Dspatch wth Non-Smooth Cost Functons. Internatonal Conference on Advances n Computng, Control, and Telecommuncaton Technologes IEEE, pp Leandro dos Santos Coelho, Vvana Cocco Maran, (2007). Improved dfferental evoluton algorthms for handlng economc dspatch optmzaton wth generator constrants. Elsever, Vol. 48, pp M. Trpathy, S. Mshra, (2007). Bactera foragng-based soluton to optmze both real power loss and voltage stablty lmt. IEEE, Vol. 22, No. 1, pp P. K. Hota, A. K. Barsal, R. Chakrabart, (2010). Economc emsson load dspatch through fuzzy based bacteral foragng algorthm. Elsever, Vol. xxx, pp P. Somasundaram, K. Kuppusamy, (2005). Applcaton of evolutonary programmng to securty constraned economc dspatch. Elsever, Vol. 27, pp Rabh A. Jabr, Alun H. Coonck, Bran J. Cory, (2000). A Homogeneous Lnear Programmng Algorthm for the Securty Constraned Economc Dspatch Problem. IEEE, Vol. 15, No. 3, August, pp S. Mshra, (2005). A Hybrd Least Square-Fuzzy Bacteral Foragng Strategy for Harmonc Estmaton. IEEE, Vol. 9, No. 1, pp
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 terperincitoto_suksno@uny.ac.d Economc load dspatch problem s allocatng loads to plants for mnmum cost whle meetng the constrants, (lhat d http://en.wkpeda.org/) Economc Dspatch adalah pembagan pembebanan pada pembangktpembangkt
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciBab 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 terperinciPENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL
Arad Retno TH, Pengembangan Metode Algortma Gen, Hal 93-0 PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL Arad Retno Tr Hayat Abstrak Metode optmas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciKata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal.
Makalah Semnar Tugas Akhr MENGOPTIMALKAN PEMBAGIAN BEBAN PADA UNIT PEMBANGKIT PLTGU TAMBAK LOROK DENGAN METODE LAGRANGE MULTIPLIER Oleh : Marno Sswanto, LF 303 514 Abstrak Pertumbuhan ndustr pada suatu
Lebih terperinciBAB II 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 terperinciOPTIMAL GENERATOR SCHEDULING BASED ON PARTICLE SWARM OPTIMIZATION
Semnar Nasonal Informatka 009 (semnasif 009) ISSN: 1979-38 UPN Veteran Yogyakarta, 3 Me 009 OPTIMAL GENERATOR SCHEDULING BASED ON PARTICLE SWARM OPTIMIZATION Mackel Tuegeh 1, Ad Soeprjanto, Maurdh Hery
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciBAB IV PERHITUNGAN DAN ANALISIS
BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter
Lebih terperinciSIMULASI OPTIMASI ALIRAN DAYA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAYA OPERASI
ISSN: 1693-6930 167 SIMULASI OPTIMASI ALIRAN DAA SISTEM TENAGA LISTRIK SEBAGAI PENDEKATAN EFISIENSI BIAA OPERASI Subyanto Teknk Elektro Fakultas Teknk Unverstas Neger Semarang Gedung E6 Lt. Kampus Sekaran
Lebih terperinciBAB 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 terperinciMODIFIED IMPROVED PARTICLE SWARM OPTIMIZATION FOR OPTIMAL GENERATOR SCHEDULING
Semnar Nasonal Aplkas Teknolog Informas 009 (SNATI 009) ISSN: 1907-50 Yogyakarta, 0 Jun 009 MODIFIED IMPROVED PARTICLE SWARM OPTIMIZATION FOR OPTIMAL GENERATOR SCHEDULING Mackel Tuegeh 1, Soeprjanto, Maurdh
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciBAB 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 terperinciOPTIMASI PEMBAGIAN BEBAN PLTU SURALAYA MENGGUNAKAN METODE ANT COLONY OPTIMIZATION
OPTIMASI PEMBAGIAN BEBAN PLTU SURALAYA MENGGUNAKAN METODE ANT COLONY OPTIMIZATION Suhendar 1, Ika Want Tusyan 2, Almuddn 3 1,2,3 Jurusan Teknk Elektro, Fakutas Teknk Unverstas Sultan Ageng Trtayasa Jl.
Lebih terperinciBAB 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 terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciBAB 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 terperinciCatatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan
Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciPENYELESAIAN PERMASALAHAN OPTIMASI CONSTRAINED NONLINEAR DENGAN PARTICLE SWARM OPTIMIZATION
PENYELESAIAN PERMASALAHAN OPTIMASI CONSTRAINED NONLINEAR DENGAN PARTICLE SWARM OPTIMIZATION Yudh Purwananto Rully Soelaman dan Bambang Santoso. Fakultas Teknolog Informas Insttut Teknolog Sepuluh Nopember
Lebih terperinciOptimisasi Economic Dispatch Pembangkit Termal Sistem 500 kv Jawa Bali Menggunakan Modified Improved Particle Swarm Optimization (MIPSO)
Natonal Conference: Desgn and Applcaton of Technology 010 Optmsas Economc Dspatch Pembangkt Termal Sstem 500 kv Jawa Bal Menggunakan Modfed Improved Partcle Swarm Optmzaton (MIPSO) AM. Ilyas 1,, Ontoseno
Lebih terperinciStudi Optimal Power Flow Sistem Kelistrikan 500 kv Jawa Bali dengan Metode Algoritma Genetika
Meda Elektrka, Vol. 6 No. 1, Jun 2013 ISSN 1979-7451 Stud Optmal Power Flow Sstem Kelstrkan 500 kv Jawa Bal dengan Metode Algortma Genetka Yassr 1, Sarjya 2, T. Haryono 3 1,2,3 Jurusan Teknk Elektro dan
Lebih terperinciBAB 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 terperinciRANGKAIAN SERI. 1. Pendahuluan
. Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor
Lebih terperinciPRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel
PRAKTIKUM 6 Penyelesaan Persamaan Non Lner Metode Newton Raphson Dengan Modfkas Tabel Tujuan : Mempelajar metode Newton Raphson dengan modfkas tabel untuk penyelesaan persamaan non lner Dasar Teor : Permasalahan
Lebih terperinciDalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang
LARGE SCALE SYSEM Course by Dr. Ars rwyatno, S, M Dept. of Electrcal Engneerng Dponegoro Unversty BAB V OPIMASI SISEM Dalam sstem pengendalan berhrark level, maka optmas dapat dlakukan pada level pertama
Lebih terperinciMETODE KLASTERISASI DATA BERBASIS ARTIFICIAL BEE COLONY DAN K-HARMONIC MEANS
TESIS METODE KLASTERISASI DATA BERBASIS ARTIFICIAL BEE COLONY DAN K-HARMONIC MEANS Oleh : I Made Wdartha NRP. 5109201009 Dosen Pembmbng : Dr. Agus Zanal Arfn, S.Kom, M.Kom Anny Yunart, S.Kom, M.Comp.Sc
Lebih terperinciAbdul Rajab Andi Faharuddin Staf Pengajar Teknik Elektro Univ. Andalas, Padang. Kampus Limau Manis, Padang
PEMBAGIAN BEBAN SECARA EKONOMIS PEMBANGKIT- PEMBANGKIT LISTRIK UNIT TERMAL MENGGUNAKAN KOMBINASI METODE PEMROGRAMAN DINAMIS DAN PENYELESAIAN SECARA ANALITIS Abdul Rajab And Faharuddn Staf Pengajar Teknk
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciJurnal Teknologi Elektro, Universitas Mercu Buana ISSN:
KECERDASAN BUATAN BERBASIS PARTICLE SWARM OPTIMIZATION, ANT COLONY OPTIMIZATION DAN FIREFLY ALGORITHM UNTUK MEREDAM OSILASI GANGGUAN PADA SISTEM PEMBANGKIT LISTRIK Pressa P. Surya Unverstas Muhammadyah
Lebih terperinciBAB 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 terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciBAB II OPTIMALISASI PADA SISTEM KELISTRIKAN
BAB II OPTIMALISASI PADA SISTEM KELISTRIKAN. Penjadualan Optmal Pembangkt dan Penyaluran Daya Lstrk Setap Pembangkt tdak dtempatkan dengan jarak yang sama dar pusat beban, tergantung lokas pembangkt yang
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciOPTIMISASI PELETAKAN DAN SIZING DISTRIBUTED GENERATION (DG) MENGGUNAKAN TWO LAYER PARTICLE SWARM OPTIMIZATION (TLPSO)
OPTIMISASI PELETAKAN DAN SIZING DISTRIBUTED GENERATION (DG) MENGGUNAKAN TWO LAYER PARTICLE SWARM OPTIMIZATION (TLPSO) Efrta Arfah Z Jurusan Teknk Elektro, FTI-ITATS Surabaya Jl. Aref Rahman Hakm 100 Tlp
Lebih terperinciPertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012
Pertemuan ke-4 Analsa Terapan: Metode Numerk 4 Oktober Persamaan Non Non--Lner: Metode NewtonNewton-Raphson Dr.Eng. Agus S. Muntohar Metode Newton Newton--Raphson f( f( f( + [, f(] + = α + + f( f ( Gambar
Lebih terperinciUKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a
UKURAN SAMPEL Prof. Dr. H. Almasd Syahza, SE., MP Emal: asyahza@yahoo.co.d Webste: http://almasd. almasd.staff. staff.unr.ac.d Penelt Senor Unverstas Rau Penentuan Sampel Peneltan lmah hampr selalu hanya
Lebih terperinciMEMINIMALKAN RUGI-RUGI PADA SISTEM DISTRIBUSI TEGANGAN MENENGAH DENGAN PEMASANGAN KAPASITOR
MEMINIMALKAN RUGI-RUGI PADA SISTEM DISTRIBUSI TEGANGAN MENENGAH DENGAN PEMASANGAN KAPASITOR Adranus Dr Program Stud Teknk Elektro Jurusan Teknk Elektro Fakultas Teknk Unverstas Tanjungpura adranus_dr@yahoo.co.d
Lebih terperinciPEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN SYARAF
PEMILIHAN VARIABEL YANG RELEVAN PADA ATURAN FUZZY MENGGUNAKAN JARINGAN YARAF r Kusumadew Jurusan Teknk Informatka, Fakultas Teknolog Industr Unverstas Islam Indonesa Yogyakarya emal: cce@ft.u.ac.d Abstrak
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang
Lebih terperinciSISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS
SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d
Lebih terperinciBAB 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 terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB 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 terperinciBAB 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 terperinciPembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1
Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciDesain Kontroler PID-Genetic Algorithm untuk Sistem Pengaturan Level Air Steam Drum pada Pembangkit Listrik Tenaga Uap (PLTU)
JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: 2337-3539 (2301-9271 Prnt) A-153 Desan Kontroler PID-Genetc Algorthm untuk Sstem Pengaturan Level Ar Steam Drum pada Pembangkt Lstrk Tenaga Uap (PLTU) Mohamad
Lebih terperinciCONTOH SOAL #: PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA. dx dengan nilai awal: y = 1 pada x = 0. Penyelesaian: KASUS: INITIAL VALUE PROBLEM (IVP)
PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA KASUS: INITIAL VALUE PROBLEM (IVP) by: st dyar kholsoh Mater Kulah: Pengantar; Metode Euler; Perbakan Metode Euler; Metode Runge-Kutta; Penyelesaan Sstem Persamaan
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciANALISIS 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciAnalisa dan Penerapan Metode Particle Swarm Optimization Pada Optimasi Penjadwalan Kuliah
Jurnal Teknk Informatka, Vol 1 September 2012 Analsa dan Penerapan Metode Partcle Swarm Optmzaton Pada Optmas Penjadwalan Kulah Rasha Ashla Rachman 1), Dadang Syarf 2), Rka Perdana Sar 3) 1) Program Stud
Lebih terperinciHAK CIPTA (HKI) Judul Invensi: METODE OPTIMISASI KONFIGURASI JARINGAN DISTRIBUSI BERBASIS LOGIKA FUZZY DAN PARTICLE SWARM OPTIMIZATION
0 HAK CIPTA HKI 1 Judul Invens: METODE OPTIMISASI KONFIGURASI JARINGAN DISTRIBUSI BERBASIS LOGIKA FUZZY DAN PARTICLE SWARM OPTIMIZATION Inventor: Dr. Ramadon Syahputra, S.T., M.T. Ir. Agus Jamal, M.Eng.
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinciALGORITMA GENETIKA SEBAGAI SOLUSI OPTIMAL POWER FLOW PADA SISTEM KELISTRIKAN 500 KV JAWA BALI
ALGORITMA GENETIKA SEBAGAI SOLUSI OPTIMAL POWER FLOW PADA SISTEM KELISTRIKAN 500 KV JAWA BALI Yassr *), Sarya *), and T. Haryono *) Jurusan Teknk Elektro dan Teknolog Informas, Fakultas Teknk, Unverstas
Lebih terperinciHybrid intelligent system adalah kombinasi lebih dari dua teknologi cerdas.
Teny Handhayan Pendahuluan Hybrd ntellgent system adalah kombnas lebh dar dua teknolog cerdas. Contohnya kombnas Neural Network dengan Fuzzy membentuk Neuro-fuzzy system Perbandngan Expert Systems, Fuzzy
Lebih terperinciNama : 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 terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung
Lebih terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciEFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR
EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral
Lebih terperinciSeptian Dwiratha. Jurusan Teknik Elektro Fakultas Teknik Industri, Institut Teknologi Sepuluh Nopember
KOORDINASI OPTIMAL RELE DIRECTIONAL OVERCURRENT RELAY PADA SISTEM TRANSMISI 150 KV MENGGUNAKAN HYBRID PARTICLE SWARM OPTIMIZATION TIME VARYING ACCELERATION COEFFICIENT (PSO-TVAC) Septan Dwratha Jurusan
Lebih terperinciBAB 2 LANDASAN TEORI
2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciBAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
Lebih terperinciMETODE 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 terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciBAB V ANALISIS FAKTOR-FAKTOR BEBAN DAN TAHANAN (LOAD AND RESISTANCE FACTOR)
BAB V ANALISIS FAKTOR-FAKTOR BEBAN DAN TAHANAN (LOAD AND RESISTANCE FACTOR) 5.1 Umum Pada bab V n dbahas mengena hasl perhtungan faktor-faktor beban (load) atau serng dsebut dengan faktor pengal beban,
Lebih terperinciBAB 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 terperinciMODEL OPTIMAL SISTEM TRANSPORTASI ANGKUTAN KOTA
ODEL OPTIAL SISTE TRANSPORTASI ANGKUTAN KOTA PRAPTO TRI SUPRIYO Departemen atematka Fakultas atematka dan Ilmu Pengetahuan Alam Insttut Pertanan Bogor Jl erant, Kampus IPB Darmaga, Bogor 16680 Indonesa
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciPENJADWALAN PEMBEBANAN MENGGUNAKAN FAKTOR PENALTI PADA SISTEM TRANSMISI 500 kv JAWA-BALI DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
PENJADWALAN PEMBEBANAN MENGGUNAKAN FAKTOR PENALTI PADA SISTEM TRANSMISI 500 kv JAWA-BALI DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Had Sutanto Sarag *), Hermawan, and Susatyo Handoko
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciBAB 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 terperinciCatatan Kuliah 13 Memahami dan Menganalisa Optimasi dengan Kendala Ketidaksamaan
Catatan Kulah 3 Memaham dan Menganalsa Optmas dengan Kendala Ketdaksamaan. Interpretas Konds Kuhn Tucker Asumskan masalah yang dhadap adalah masalah produks. Secara umum, persoalan maksmsas keuntungan
Lebih terperinciBAB 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 terperinci2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996).
2 TINJAUAN PUSTAKA 2.1 Stud Yang Terkat Peneltan n mengacu pada jurnal yang dtuls oleh Khang, dkk.(1995). Dalam peneltannya, Khang, dkk membandngkan arus lalu lntas yang datur menggunakan sstem stats dan
Lebih terperinci