Desain Kontroler PID-Genetic Algorithm untuk Sistem Pengaturan Level Air Steam Drum pada Pembangkit Listrik Tenaga Uap (PLTU)

Ukuran: px
Mulai penontonan dengan halaman:

Download "Desain Kontroler PID-Genetic Algorithm untuk Sistem Pengaturan Level Air Steam Drum pada Pembangkit Listrik Tenaga Uap (PLTU)"

Transkripsi

1 JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: ( Prnt) A-153 Desan Kontroler PID-Genetc Algorthm untuk Sstem Pengaturan Level Ar Steam Drum pada Pembangkt Lstrk Tenaga Uap (PLTU) Mohamad Yusuf, Al Faton, dan Mohamad Abdul Hady Jurusan Teknk Elektro, Fakultas Teknolog Industr, Insttut Teknolog Sepuluh Nopember (ITS) Jl. Aref Rahman Hakm, Surabaya e-mal: Abstrak Perubahan laju alran uap menmbulkan gangguan pada sstem pengaturan level ar steam drum. Level ar djaga pada ttk tengah ketnggan drum atau dsebut Normally Water Level (NWL), agar uap yang dhaslkan memenuh spesfkas serta tdak merusak peralatan pada pembangkt. Pada umumnya, sstem pengaturan level menggunakan kontroler PID konvensonal. Namun, adanya gangguan dapat menyebabkan performa sstem dengan kontroler PID konvensonal tdak mampu memenuh spesfkas. Kontroler PID-Genetc Algorthm (PID-GA) erapkan untuk mengatur level ar steam drum agar berada pada ttk NWL ketka terdapat gangguan. Sstem pengaturan menggunakan kontroler PID-GA mampu meredam gangguan berupa beban mnmal, nomnal, dan maksmal, yatu dengan perturbaton peak masngmasng sebesar 0,18 m; 0,22 m; dan 0,26 m. Kata Kunc Genetc Algorthm, PID, PLTU, Steam Drum an spesfkas sstem dbahas pada BAB 4, serta kesmpulan dar peneltan n dbahas pada BAB 5. II. PEMODELAN KOMPONEN SISTEM PENGATURAN LEVEL STEAM DRUM Ar pada boler bercampur dengan uap, sehngga membutuhkan steam drum untuk memsahkannya, tamplan fsk dan skema pemodelan peralatan tersebut dapat dlhat pada Gambar 1 dan 2. Level ar steam drum djaga pada ttk NWL, jka level ar terlalu rendah, maka boler akan berhent beroperas (trp) untuk mencegah kerusakan ppa yang terhubung dengan steam drum [2]. Komponen yang terlbat dalam sstem pengaturan tersebut, yatu steam drum, flud couplng, pompa boler, ppa, dan level transmtter. I. PENDAHULUAN EMBANGKIT Lstrk Tenaga Uap (PLTU) merupakan Pjens nstalas pembangkt lstrk yang menggunakan tenaga potensal uap untuk memutar turbn sebaga penggerak utama (prme mover). Uap berasal dar ar yang dpanaskan pada boler. Steam drum merupakan bagan dar boler yang berfungs untuk menampung dan memsah campuran antara ar dan uap. Laju alran uap yang keluar dar steam drum dapat menmbulkan gangguan berupa nak atau turunnya level ar dar konds normal atau serng dsebut sebaga ttk Normally Water Level (NWL) [1]. Level ar berlebh dapat merusak sudu-sudu turbn. Level ar terlalu rendah dapat merusak ppa boler. Level ar harus datur sesua dengan ketentuan agar mampu menghaslkan uap sesua spesfkas [2]. Pada tahun 2003, T.K. Teng, J.S. Cheh dan C.S. Chen melakukan peneltan tentang penerapan genetc algorthm (GA) pada kontroler PID untuk sstem pengaturan level caran agar memenuh spesfkas. Metode yang dusulkan mampu menentukan parameter kontroler secara otomats serta memenuh spesfkas yang dngnkan [3]. Spesfkas respon sstem dapat tdak terpenuh ketka terjad gangguan berupa laju alran uap keluar dar drum yang berbeda setap waktu. Sstem pengaturan level ar steam drum dharapkan mampu mengatas efek gangguan tersebut selama pembangkt beroperas. Oleh karena tu, pada peneltan n dlakukan desan kontroler PID-GA untuk mengatur level ar steam drum agar mampu menjaga level ar pada nla setpont ketka terdapat gangguan. Sstematka penulsan paper n terdr dar BAB 2 yang membahas tentang pemodelan komponen sstem pengaturan steam drum. Desan kontroler PID-GA dbahas pada BAB 3. Hasl smulas berupa respond Gambar 1. Tamplan Fsk dar Steam Drum [4] A. Pemodelan Steam Drum Kesetmbangan massa pada steam drum [5], dapat dnyatakan sepert pada (1) atau (2). Varabel model sstem pengaturan level ar steam drum dapat dlhat pada Tabel 1 dengan parameter sepert pada Tabel 2. Gambar 2. Representas Skema Pemodelan Steam Drum

2 JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: ( Prnt) A-154 Tabel 1. Varabel pada Model Matemats Steam Drum Smbol Keterangan Satuan dm Laju alran massa akumulas kg/s Laju alran masuk ke sstem m 3 /s Laju alran keluar dar sstem m 3 /s Laju alran ar konstan ke steam drum m 3 /s Laju alran uap keluar dar steam drum m 3 /s Level ar konstan ddalam steam drum m Level ar steam drum saat steady state m Level ar ddalam steam drum m Laju masukan ar kedalam steam drum m 3 /s Tabel 2. Parameter pada Model Matemats Steam Drum Smbol Keterangan Nla Satuan Massa jens caran 833,69 / Luas penampang melntang steam drum 22,79 Volume steam drum 20,46 Laju akumulas dm massa Laju massa masuk - Laju massa keluar (1) f f (2) o Asums bahwa laju alran ar dar pompa boler adalah konstan, maka dperoleh Persamaan (3). dh ( t) A f f o Pada saat steady state, laju alran masuk dan keluar steam drum adalah konstan yang menyebabkan level ddalamnya konstan. Varabel devas level ar dan laju alran feedwater dapat dnyatakan sepert pada Persamaan (4) dan (5). H ( t) h( t) h (4) f ( t) f ( t) f (5) n Substtus Persamaan (4) dan (5) ke Persamaan (3), sehngga persamaan level ar steam drum dapat ulskan menjad Persamaan (6) dh (3) f n (6) A Fungs alh sstem tersebut dapat dperoleh dengan melakukan transformas Laplace pada Persamaan (6), sehngga dperoleh fungs alh pada Persamaan (7). s s H 1 1 D (7) F As 22,79s n B. Pemodelan Flud Couplng Flud couplng adalah peralatan yang berfungs untuk menyalurkan gerak rotas atau tors [6]. Pada umumnya, pembangkt menggunakan flud couplng untuk mengatur kecepatan pompa boler. Pemodelan flud couplng bertujuan untuk memperoleh nla penguatan dar peralatan tersebut yang dsmbolkan dengan. Nla penguatan flud couplng dapat dperoleh melalu Persamaan (8). Rentang daya mekank ( kw ) K V (8) Rentang tegangan masukan ( V ) K V 710kW / V (9) 10-0 C. Pemodelan Pompa Boler Kecepatan alran pompa boler bergantung pada daya mekank motor yang erma flud couplng yang menghubungkan antara poros motor dengan poros pompa boler. Pemodelan pompa boler dperlukan untuk mencar besarnya nla penguatan peralatan tersebut. Nla penguatan pompa boler dhtung menggunakan Persamaan (10) [7]. 3 Rentang laju alran feedwater ( m /s) K P (10) Rentang daya mekank ( kw ) 0, K P 3,1 10 m kw / s (11) D. Pemodelan Ppa Alran ar pada ppa boler mengalam waktu tunda akbat panjang ppa yang dlewat. Pemodelan ppa boler bertujuan untuk memperoleh fungs alh komponen tersebut yang dhtung menggunakan Persamaan (12) [1]. G Ls ( s) e P (12) Waktu tunda dapat dnyatakan dalam fungs alh melalu pendekatan padѐ orde pertama sepert Persamaan (13). L 1 s Ls e 2 P (13) L 1 s s G P ( s) (14) 1 15 s E. Pemodelan Level Transmtter Level transmtter merupakan suatu transduser yang berfungs untuk mengukur besaran melalu perangkat ukur dan mengubahnya menjad snyal standar transms [8]. Pemodelan level transmtter bertujuan untuk memperoleh nla penguatan peralatan tersebut yang dsmbolkan dengan. Penguatan level transmtter dapat dhtung melalu Persamaan (15). Rentang tegangan keluaran ( V ) K L (15) Rentang level ar ( m) 10 0 K L 7,874 V / m (16) 1,27 0 III. DESAIN KONTROLER PID-GENETIC ALGORITHM Kontroler PID-Genetc Algorthm (PID-GA) merupakan kontroler PID dengan mekansme tunng parameter menggunakan GA dengan dagram blok sepert pada Gambar 3. Algortma tersebut dgunakan sebaga metode optmsas untuk mencar nla parameter optmal berdasarkan fungs objektf yang entukan. Pada kasus n, fungs objektfnya adalah memnmalkan kesalahan antara nla setpont dengan keluaran aktual. Nla parameter kontroler pada konds awal entukan secara acak, lalu dgunakan sebaga parameter awal kontroler PID [9]. Sstem doperaskan menggunakan parameter awal dan dlakukan evaluas terhadap fungs ftness untuk setap pasangan parameter. Pasangan dengan nla ftness yang

3 JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: ( Prnt) A-155 tngg akan terplh pada proses reproduks yang melput seleks, crossover, dan mutas. Keseluruhan mekansme kontroler PID-GA dapat dlustraskan oleh dagram alr pada Gambar 4. Gambar 3. Dagram Blok Sstem Pengaturan Level Steam Drum dengan Kontroler PID-GA Gambar 4. Dagram Alr Onlne Tunng Kontroler PID-GA Spesfkas respon yang dngnkan A. Parameter Genetc Algorthm (GA) Parameter GA yang dgunakan pada kontroler PID-GA dalam peneltan n sepert pada Tabel 3. Tabel 3. Parameter GA yang dgunakan Parameter Tpe/Nla Tpe GA Smple GA Tpe Seleks Tournament Tpe Crossover Sngle pont Tpe Mutas Flp Generas maksmum 40 generas Ukuran populas 30 ndvdu Ukuran kromosom 30 bt Probabltas crossover 0,6 Probabltas mutas 0,02 B. Representas Indvdu Parameter kontroler PID pada peneltan n drepresentaskan dalam bentuk blangan bner. Ukuran ndvdu yang dgunakan adalah sebesar 30 bt, dengan setap parameter memlk ukuran 10 bt. Satu buah calon solus optmal terdr dar tga pasang nla yatu,, dan, sehngga satu buah ndvdu pada GA dapat dlustraskan sepert pada Gambar 5. Gambar 5. Representas Indvdu GA C. Fungs Objektf dan Fungs Ftness Fungs objektf yang dgunakan pada peneltan n merupakan kombnas dar tga jens ndek performans kesalahan, yatu ISE, IAE, dan ITAE. Tngkat peranan ndeks performans tersebut dwakl oleh faktor pembobot. Keterlbatan efek ndeks performans ISE, IAE, dan ITAE dnotaskan sebaga 0,5, 0,2, dan 0,3. Fungs ftness,, pada umumnya dgunakan untuk merubah nla fungs objektf untuk mengukur nla ketahanan relatf ndvdu. Tujuan dar fungs objektf n adalah memnmalkan kesalahan sstem, sehngga dperoleh nla ftness ndvdu semakn besar ketka solus semakn sesua dengan persoalan. Pada peneltan n, fungs objektf dan fungs ftness yang dgunakan secara berurutan dnyatakan pada Persamaan (17) dan (18) [9]. J w1 ( ISE) w2 ( IAE) w3 ( ITAE) (17) 1 f (18) 1 J Representas parameter kontroler yang dgunakan yatu blangan bner, sehngga membutuhkan proses untuk mengubah representas bner menjad rl agar dapat dmplementaskan pada sstem. Persamaan yang dgunakan untuk merubah representas bner menjad rl dapat dlhat pada Persamaan (19) [10]. xma xmn x x mn y ( 1,2,3) (19) L 2 1 D. Operator Seleks Seleks berfungs untuk menentukan ndvdu yang akan berperan untuk membentuk populas baru. Tujuan dar seleks adalah memastkan bahwa ndvdu yang terplh mengkut proses reproduks memlk nla ftness yang tngg. Tpe operator seleks yang popular, yatu roulette, tournament yang dgunakan pada peneltan n, dan rankng. Prnsp tournament adalah memlh ndvdu secara acak dar populas, kemudan kompets dlakukan berupa perbandngan nla ftness msalnya sepert lustras pada Gambar 6. Indvdu dengan nla ftness lebh tngg akan terplh untuk mengkut proses reproduks. Gambar 6. Mekansme Seleks Tournament E. Operator Crossover Prnsp dar crossover adalah menukar sebagan nformas dar ndvdu dengan ndvdu pasangannya. Operator crossover memlk beberapa tpe dantaranya adalah snglepont yang dgunakan pada peneltan n, multpont, unform, ntermedate recombnaton, dan lne recombnaton. Sngle crossover merupakan mekansme crossover sederhana dengan melakukan pemlhan ndvdu secara acak dar populas hasl seleks untuk menghaslkan ndvdu baru dengan mekansme sepert pada Gambar 7.

4 JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: ( Prnt) A-156 Gambar 7. Mekansme Sngle-pont Crossover F. Operator Mutas Mutas berperan untuk menjaga keberagaman dalam populas dengan cara mengubah nformas pada suatu ndvdu. Tpe operator mutas pada GA ada beberapa macam, sepert nsert mutaton, unform mutaton, dan flp mutaton [11]. Peneltan n menggunakan tpe flp dengan mekansme mutas sepert pada Gambar 8. saat beban mnmal dapat dlhat pada Gambar 9. Respon level ar steam drum awalnya menuju arah berlawanan dar konds tunaknya, sehngga dsebut sstem dengan nverse response. Sstem pengaturan level ar steam drum memlk dua buah pole dan zero yang terletak pada sumbu rl. Masng-masng pole terletak dsebelah kr sumbu majner, yatu -0,0487 dan -0,0104, sedangkan zero dsebelah kanan sumbu majner, yatu pada 0,0667. Gambar 8. Mekansme Flp Mutaton IV. HASIL DAN ANALISIS A. Krtera Beban Pengujan Beban yang menjad gangguan pada sstem pengaturan level ar steam drum berupa laju alran uap yang keluar dar drum. Beban yang dgunakan dalam pengujan dan analss ulskan pada Tabel 4. Beban Tabel 4. Krtera Beban dan Laju Alran Uap Daya Pembangkt Laju alran uap keluar ( /) () Mnmal 297,48 2,21 Nomnal 349,42 2,63 Maksmal 399,16 3,10 B. Pengujan Sstem secara Closed Loop Penambahan umpan balk, dapat menngkatkan kestablan sstem. Perbedaan nla pada level aktual dan setpont menghaslkan snyal kesalahan yang akan terus dperbak hngga beda kedua nla mendekat nol. Berdasarkan Persamaan (7), (9), (11), (14), dan (16) dperoleh fungs alh closed loop pada sstem pengaturan level ar sepert pada Persamaan (20). 0,33s 0,022 (20) D 2 341,85s 20,192s 0,173 Fungs alh closed loop pada Persamaan (20), memlk masukan berupa besaran tegangan. Masukan pada sstem closed loop tersebut dapat dubah menjad tegangan dengan memberkan faktor pengal berupa gan sebesar 7,874 /, sehngga dperoleh fungs alh dengan masukan berupa level sepert Persamaan (21). 2,598s 0,1732 (21) D 2 341,85s 20,192s 0,173 Pengujan sstem closed loop dlakukan dengan menambahkan gangguan berupa beban mnmal yatu laju alran uap yang keluar dar steam drum. Laju alran uap drepresentaskan oleh snyal unt step dengan nla awal 0 dan nla akhr Respon sstem dengan gangguan pada Gambar 9. Respon Closed Loop Level Ar Steam Drum dengan 1, 0, dan 2,12 C. Pengujan Kontroler PID-GA dengan Beban Tetap Sstem pengaturan level ar steam drum memlk gangguan berupa efek beban yang dberkan oleh laju alran uap keluar dar drum. Gangguan tersebut dapat berubah secara tba-tba ketka dspatcher atau Penyaluran dan Pusat Pengatur Beban (P3B) melakukan perubahan permntaan daya pada pembangkt. Perubahan beban tetap, drepresentaskan oleh snyal unt step. Respon level ar steam drum menggunakan kontroler PID-GA, memlk perturbaton peak lebh kecl darpada kontroler PID konvensonal dapat dlhat pada Gambar 10. Spesfkas respon sstem dengan kontroler tersebut sepert pada Tabel 5. Gambar 10. Respon Level Ar Menggunakan Kontroler PID-GA dengan Beban Tetap Tabel 5. Indeks Performans dan Spesfkas Respon Sstem Menggunakan Kontroler PID-GA dengan Beban Tetap Beban ISE IAE ITAE (detk) Mnmal 96,9 129,2 1, , Nomnal 136,7 149,7 1, , Maksmal 200,4 186,2 1, , D. Pengujan Kontroler PID-GA dengan Beban Acak Pengujan sstem n bertujuan untuk menganalss performa sstem apabla dber gangguan berupa beban acak. Penambahan mekansme tunng parameter dengan fungs objektf memnmalkan ndeks performans memlk performa sstem lebh bak dbandngkan dengan kontroler PID konvensonal. Pada peneltan n dlakukan smulas pengujan sstem pengaturan level ar steam drum

5 JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: ( Prnt) A-157 menggunakan kontroler PID-GA dengan hasl sepert pada Gambar 11 dan Tabel 6. sebesar 0,151; sehngga lebh mampu meredam gangguan dar fungs objektf lan yang telah duj Setpont PID-ZN PID-GA 0.15 Level Ar (m) Waktu (detk) Gambar 11. Respon Level Menggunakan Kontroler PID dan PID-GA dengan Beban Acak Tabel 6. Spesfkas Respon Sstem Menggunakan Kontroler PID-GA dan PID dengan Beban Berubah Kontroler ISE IAE ITAE (detk) PID-GA , , PID , , E. Pengujan Kontroler PID-GA dengan Perubahan Krtera Beban Pengujan dengan memberkan perubahan krtera beban dlakukan untuk menganalss performa sstem menggunakan kontroler PID-GA, apabla menerma gangguan berupa beban yang berubah dar mnmal ke nomnal, nomnal ke maksmal, atau maksmal ke nomnal. Berdasarkan hasl smulas, dperoleh respon sepert pada Gambar 12 dengan spesfkas respon pada Tabel Setpont PID-ZN PID-GA Gambar 13. Respon Level Ar Steam Drum Menggunakan Kontroler PID- GA dengan Varas Fungs Objektf Tabel 8. Spesfkas Respon Sstem Menggunakan Kontroler PID-GA dengan Varas Fungs Objektf F. Objektf ISE IAE ITAE (detk) ISE 99,2 122,9 1, , IAE 99,4 130,7 1, , ITAE 92,9 124,5 1, , Kombnas 93,2 127,6 1, , G. Pengujan dengan Varas Jumlah Generas Pengujan n dlakukan untuk menganalss performa sstem menggunakan kontroler PID-GA terhadap varas jumlah generas. Berdasarkan smulas, jumlah generas tdak memberkan pengaruh sgnfkan pada spesfkas respon sstem dapat dlhat dar respon sstem pada Gambar 14 dan spesfkasnya pada Tabel 9. Namun, jumlah generas tersebut berpengaruh pada lamanya waktu komputas. Waktu smulas untuk 10 generas adalah 71 detk, 100 generas adalah 600 detk, dan 1000 generas adalah 5839 detk Level Ar (m) Waktu (detk) Gambar 12. Respon Level Menggunakan Kontroler PID dan PID-GA dengan Perubahan Krtera Beban Tabel 7. Spesfkas Respon Sstem Menggunakan Kontroler PID-GA dan PID dengan Perubahan Krtera Beban Kontroler ISE IAE ITAE (detk) PID-GA 137,5 174,4 3, PID-ZN 154,1 176,8 3, F. Pengujan dengan Varas Fungs Objektf Pengujan dengan varas fungs objektf pada kontroler PID-GA dlakukan untuk menganalss performa sstem terhadap perubahan fungs objektf. Fungs objektf yang dgunakan pada peneltan n adalah memnmalkan ndeks performans kesalahan. Hasl respon level ar pada pengujan n dapat dlhat pada Gambar 13 dan Tabel 8. Hasl smulas pada peneltan n, menunjukkan bahwa fungs objektf dengan kombnas ndeks performans kesalahan sesua faktor pembobot yang entukan memlk perturbaton peak Gambar 14. Respon Level Ar Steam Drum Menggunakan Kontroler PID- GA dengan Varas Jumlah Generas Tabel 9. Spesfkas Respon Sstem Menggunakan Kontroler PID-GA dengan Varas Jumlah Generas Parameter GA ISE IAE ITAE (detk) Gen = 10 26,3 29, , Gen = ,2 29, , Gen = ,7 29, , H. Pengujan dengan Varas Probabltas Crossover Pengujan n bertujuan untuk menganalss respon sstem ketka probabltas crossover yang dgunakan pada kontroler PID-GA memlk nla berbeda-beda. Berdasarkan smulas, spesfkas respon level ar steam drum tdak berubah secara sgnfkan, ketka probabltas crossover pada kontroler PID- GA dvaraskan. Respon sstem dapat dlhat pada Gambar 15 dengan spesfkasnya pada Tabel 10, memlk nla yang tdak jauh berbeda pada perturbaton peak dan recovery tmenya.

6 JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: ( Prnt) A-158 V. KESIMPULAN Gambar 15. Respon Level Steam Drum Menggunakan Kontroler PID-GA dengan Varas Probabltas Crossover Tabel 10. Spesfkas Respon Sstem Menggunakan Kontroler PID-GA dengan Varas Probabltas Crossover Parameter GA ISE IAE ITAE (detk) PCross = ,4 30, , PCross = ,3 30, , PCross = ,6 20, , I. Pengujan dengan Varas Probabltas Mutas Pada peneltan n dlakukan pengujan terhadap varas probabltas mutas yang dgunakan pada kontroler PID-GA. Berdasarkan smulas pada peneltan n, dperoleh bahwa probabltas berpengaruh pada update parameter kontroler, dan tdak berpengaruh sgnfkan pada respon sstem. Ketka probabltas mutas semakn besar, maka semakn serng pula parameter kontroler berubah yang dnyatakan oleh standar devas pada Gambar 17. Hal n sesua dengan mekansme yang ada pada operator tersebut, yatu merubah nformas pada calon solus optmalnya. Respon sstem dan spesfkasnya untuk nla probabltas mutas berbeda dapat dlhat pada Gambar 16 dan Tabel 11. Gambar 16. Respon Level Steam Drum Menggunakan Kontroler PID-GA dengan Varas Probabltas Mutas Tabel 11. Spesfkas Respon Menggunakan Kontroler PID-GA dengan Varas Probabltas Mutas Parameter GA ISE IAE ITAE (detk) PMut = ,79 28, , ,9 PMut = ,83 28, , ,3 PMut = ,29 29, , ,2 Standar Devas Probabltas Mutas Kontroler PID-GA mampu memenuh spesfkas level ar steam drum yang dngnkan, yatu memlk perturbaton peak kurang dar 0,25 m dan recovery tme kurang dar 350 detk, ketka terdapat laju alran uap keluar dar drum. Kontroler PID-GA mampu meredam gangguan pada sstem. Ketka sstem dber beban mnmal, nomnal, dan maksmal, maka dperoleh perturbaton peak masng-masng sebesar 0,16 m; 0,19 m; dan 0,23 m. Recovery tme dar masngmasng beban adalah sebesar 296 detk, 288 detk, dan 335 detk. Semakn besar beban pada sstem, maka perturbaton peak akan semakn besar. DAFTAR PUSTAKA [1] B. A. Ogunnake and W. H. Ray, "Process Dynamcs, Modelng, and Control", New York: Oxford Unversty Press, [2] G. Glman, "Boler Control Systems Engneerng", Unted States of Amerca: Internatonal Socety of Automaton, [3] T. Teng, J. Sheh and C. Chen, "Genetc Algorthms Appled n Onlne Autotunng PID Parameters of a Lqud-level Control System," Transactons of the Insttute of Measurement and Control, vol. 25, no. 5, pp , [4] --, "Bolers", [Onlne]. Avalable: heavy-lftng-usng-hydraulc-jacks-nstallng-a-boler -drum/. [19 December 2016]. [5] A. A. A. Emhemed, R. B. Mamat and D. Hanaf, "Comparson of Boler Plant Model and Real Plant Responses Based on Proportonal Integral Controller," n IEEE Conference on Sustanable Utlzaton and Development n Engneerng and Technology (STUDENT), Kuala Lumpur, [6] N. Jan and A. Twar, "Comparatve Study of Flud Couplng for Ol and Water as Workng Flud," Internatonal Journal of Engneerng Research and Development, vol. 9, no. 6, pp , [7] R. M. Felder, R. W. Rousseau and L. G. Bullard, "Elementary Prncples of Chemcal Process", 4 ed., Amerca: John Wlley & Sons, 2015, p. 93. [8] B. G. Lptak, "Process Control and Optmzaton", US: CRC Press, [9] A. Jayachtra and R. Vnodha, "Genetc Algorthm Based PID Controller Tunng Approach for Contnuous Strred Tank Reactor," Advances n Artfcal Intellgence, pp. 1-8, [10] Y. Chen and Y.-J. Y. W.-x. Ma, "Applcaton of Improved Genetc Algorthm n PID Controller Parameters Optmzaton," Telkomnka, pp , [11] T. Pont, "Genetc Algorthms", Madhapur, Update Kp Update T Update Td Gambar 17. Update Parameter Kontroler PID-GA dengan Varas Probabltas Mutas

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

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Tinjauan 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 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

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

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 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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

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

BAB 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 terperinci

Pengaturan Proses Tekanan pada Sistem Pengaturan Berjaringan Menggunakan Kontroler Fuzzy Neural Network

Pengaturan Proses Tekanan pada Sistem Pengaturan Berjaringan Menggunakan Kontroler Fuzzy Neural Network TUGAS AKHIR TE - 091399 Pengaturan Proses Tekanan pada Sstem Pengaturan Berjarngan Menggunakan Kontroler Fuzzy Neural Network Rende Ramadhan NRP 2208100131 Dosen Pembmbng : Ir. Al Faton, M.T. Imam Arfn,

Lebih terperinci

III PEMODELAN MATEMATIS SISTEM FISIK

III PEMODELAN MATEMATIS SISTEM FISIK 34 III PEMODELN MTEMTIS SISTEM FISIK Deskrps : Bab n memberkan gambaran tentang pemodelan matemats, fungs alh, dagram blok, grafk alran snyal yang berguna dalam pemodelan sstem kendal. Objektf : Memaham

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

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

PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI

PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI Reky Stenly Wndah Dosen Jurusan Teknk Spl Fakultas Teknk Unverstas Sam Ratulang Manado ABSTRAK Pada bangunan tngg,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS 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 terperinci

Optimasi Fungsi Keanggotaan Fuzzy

Optimasi Fungsi Keanggotaan Fuzzy Optmas Fungs Keanggotaan Fuzzy Tsukamoto Dua Tahap Menggunakan Algortma Genetka Pada Pemlhan Calon Penerma Beasswa dan BBP-PPA (Stud Kasus: PTIIK Unverstas Brawjaya Malang) Bunga Amela Restuputr 1, Wayan

Lebih terperinci

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

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

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

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB 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 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 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

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS

Lebih terperinci

DesainKontrolFuzzy BerbasisPerformansiH dengan Batasan Input-Output untuk Sistem Pendulum-Kereta

DesainKontrolFuzzy BerbasisPerformansiH dengan Batasan Input-Output untuk Sistem Pendulum-Kereta ugasakhr E 91399 DesanKontrolFuzzy BerbassPerformansH dengan Batasan Input-Output untuk Sstem Pendulum-Kereta to Febraranto (8116) Dosen Pembmbng: Prof. Dr. Ir. Achmad Jazde, M.Eng. Jurusan eknk Elektro

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

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 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

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

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 II DASAR TEORI DAN METODE

BAB II DASAR TEORI DAN METODE BAB II DASAR TEORI DAN METODE 2.1 Teknk Pengukuran Teknolog yang dapat dgunakan untuk mengukur konsentras sedmen tersuspens yatu mekank (trap sampler, bottle sampler), optk (optcal beam transmssometer,

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 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

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

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

PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT

PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT BIAStatstcs (05) Vol. 9, No., hal. -7 PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT Faula Arna Jurusan Teknk Industr, Unverstas Sultan Ageng Trtayasa Banten Emal : faulaarna@yahoo.com

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. 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 terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan

BAB 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 terperinci

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

PENENTUAN 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 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 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 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

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.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 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

Perhitungan Critical Clearing Time dengan Menggunakan Metode Time Domain Simulation

Perhitungan Critical Clearing Time dengan Menggunakan Metode Time Domain Simulation PROSEDING SEINAR TUGAS AKHIR TEKNIK ELEKTRO FTI-ITS, JUNI 2012 1 Perhtungan Crtcal Clearng Tme dengan enggunakan etode Tme Doman Smulaton Surya Atmaja, Dr. Eng. Ardyono Pryad, ST,.Eng, Ir.Teguh Yuwono

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan

Lebih 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

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu 4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013

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

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

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

Mahasiswa Program Studi Informatika / Ilmu Komputer Universitas Brawijaya

Mahasiswa Program Studi Informatika / Ilmu Komputer Universitas Brawijaya Implementas Evoluton Strateges untuk Penyelesaan Vehcle Routng Problem Wth Tme Wndows pada Dstrbus Mnuman Soda XYZ Isyar Andka Harun 1, Wayan F. Mahmudy 2, Novanto Yudstra 3 1 Mahasswa Program Stud Informatka

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la

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

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

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

III. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini

III. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini III. METODE PENELITIAN A. Metode Peneltan Metode dalam peneltan n adalah metode ekspermen. Penggunaan metode ekspermen n bertujuan untuk mengetahu apakah suatu metode, prosedur, sstem, proses, alat, bahan

Lebih terperinci

Pengaturan Proses Tekanan pada Sistem Pengaturan Berjaringan Menggunakan Kontroler Fuzzy Neural Network

Pengaturan Proses Tekanan pada Sistem Pengaturan Berjaringan Menggunakan Kontroler Fuzzy Neural Network Pengaturan Proses Tekanan pada Sstem Pengaturan Berjarngan Menggunakan Kontroler Fuzzy Neural Network Rende Ramadhan, 0800 Bdang Stud Sstem Pengaturan, Jurusan Teknk Elektro FTI - ITS Emal : rende.ramadhan@gmal.com

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

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

SEARAH (DC) Rangkaian Arus Searah (DC) 7

SEARAH (DC) Rangkaian Arus Searah (DC) 7 ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan

Lebih terperinci

BAB III METODE KOMPRESI DAN DEKOMPRESI. untuk setiap B X. fraktal. Penjelasan dimulai dengan pengenalan Multiple Reduction Copy

BAB III METODE KOMPRESI DAN DEKOMPRESI. untuk setiap B X. fraktal. Penjelasan dimulai dengan pengenalan Multiple Reduction Copy BAB III METODE KOMPRESI DAN DEKOMPRESI Kompres ctra fraktal memodelkan ctra sebaga lmt dar suatu proses teras. Jka dberkan suatu ctra A X, metode n akan mencar suatu proses W sedemkan sehngga ttk tetap

Lebih terperinci

BAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan

BAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan 35 BAB III METODE PENELITIAN A. Jens dan Desan Peneltan Jens peneltan n adalah kuas ekspermen. Pada peneltan n terdapat dua kelompok subjek peneltan yatu kelompok ekspermen yang dberkan suatu perlakuan

Lebih terperinci

BAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini

BAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau

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

UKURAN 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 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 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

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan

Lebih terperinci

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai II. TEORI DASAR.1 Transormas Laplace Ogata (1984) mengemukakan bahwa transormas Laplace adalah suatu metode operasonal ang dapat dgunakan untuk menelesakan persamaan derensal lnear. Dengan menggunakan

Lebih terperinci

PERANCANGAN SISTEM PENGONTROLAN LEVEL PADA STEAM DRUM WASTE HEAT BOILER BERBASIS ADAPTIVE NETWORK FUZZY INFERENCE SYSTEM (ANFIS)

PERANCANGAN SISTEM PENGONTROLAN LEVEL PADA STEAM DRUM WASTE HEAT BOILER BERBASIS ADAPTIVE NETWORK FUZZY INFERENCE SYSTEM (ANFIS) Yulat: PERANCANGAN SISTEM PENGONTROLAN LEVEL PADA STEAM DRUM WASTE HEAT... 145 PERANCANGAN SISTEM PENGONTROLAN LEVEL PADA STEAM DRUM WASTE HEAT BOILER BERBASIS ADAPTIVE NETWORK FUZZY INFERENCE SYSTEM (ANFIS)

Lebih terperinci

BAB III METODE PENELITIAN. problems. Cresswell (2012: 533) beranggapan bahwa dengan

BAB III METODE PENELITIAN. problems. Cresswell (2012: 533) beranggapan bahwa dengan BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan kombnas atau mxed methods. Cresswell (2012: 533) A mxed methods research desgn s a procedure for collectng, analyzng and mxng

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

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

Prediksi Jumlah Follower Official Account Line Menggunakan Regresi dan Algoritma Genetika

Prediksi Jumlah Follower Official Account Line Menggunakan Regresi dan Algoritma Genetika Jurnal Pengembangan Teknolog Informas dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 11, November 217, hlm. 1312-132 http://j-ptk.ub.ac.d Predks Jumlah Follower Offcal Account Lne Menggunakan Regres dan

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 I PENDAHULUAN I-1

BAB I PENDAHULUAN I-1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum

Lebih terperinci

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses

Lebih terperinci

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo. BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,

Lebih terperinci

Penerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC

Penerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC Penerapan Metode Runge-Kutta Orde 4 dalam Analss Rangkaan RLC Rka Favora Gusa JurusanTeknk Elektro,Fakultas Teknk,Unverstas Bangka Beltung rka_favora@yahoo.com ABSTRACT The exstence of nductor and capactor

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

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF

Lebih terperinci

BAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun

BAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun BAB II TINJAUAN PUSTAKA 2.1 Aljabar Boolean Barnett (2011) menyatakan bahwa Aljabar Boolean dpublkaskan oleh George Boole dalam An Investgaton of the Laws of Thought pada tahun 1954. Dalam karya n, Boole

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 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 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 IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB 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 terperinci

BAB III METODOLOGI PENELITIAN. bulan November 2011 dan direncanakan selesai pada bulan Mei 2012.

BAB III METODOLOGI PENELITIAN. bulan November 2011 dan direncanakan selesai pada bulan Mei 2012. BAB III METODOLOGI PENELITIAN 1.1. Tempat dan waktu Peneltan Peneltan dlakukan pada Perusahaan Daerah Ar Mnum Kabupaten Gorontalo yang beralamat d jalan Gunung Bolyohuto No. 390 Kelurahan Bolhuangga Kecamatan

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

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 IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

PENERAPAN MULTI OBJECTIVE GENETIC ALGORITHM (MOGA) PADA PENJADWALAN DYNAMIC-MULTI OBJECTIVE

PENERAPAN MULTI OBJECTIVE GENETIC ALGORITHM (MOGA) PADA PENJADWALAN DYNAMIC-MULTI OBJECTIVE PENERAPAN MULTI OBJECTIVE GENETIC ALGORITHM (MOGA) PADA PENJADWALAN DYNAMIC-MULTI OBJECTIVE DAN SEQUENCE DEPENDENT SETUP TIMES COMPOUND FLOW SHOP DI PT.X Fredy Hartanto dan Udsubakt Cptomulyono Magster

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

Hukum Termodinamika ik ke-2. Hukum Termodinamika ke-1. Prinsip Carnot & Mesin Carnot. FI-1101: Termodinamika, Hal 1

Hukum Termodinamika ik ke-2. Hukum Termodinamika ke-1. Prinsip Carnot & Mesin Carnot. FI-1101: Termodinamika, Hal 1 ERMODINAMIKA Hukum ermodnamka ke-0 Hukum ermodnamka ke-1 Hukum ermodnamka k ke-2 Mesn Kalor Prnsp Carnot & Mesn Carnot FI-1101: ermodnamka, Hal 1 Kesetmbangan ermal & Hukum ermodnamka ke-0 Jka dua buah

Lebih terperinci

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,

Lebih terperinci

III. METODELOGI PENELITIAN. Suatu penelitian dapat berhasil dengan baik dan sesuai dengan prosedur ilmiah,

III. METODELOGI PENELITIAN. Suatu penelitian dapat berhasil dengan baik dan sesuai dengan prosedur ilmiah, III. METODELOGI PENELITIAN A. Metode Peneltan Suatu peneltan dapat berhasl dengan bak dan sesua dengan prosedur lmah, apabla peneltan tersebut menggunakan metode atau alat yang tepat. Dengan menggunakan

Lebih terperinci

Post test (Treatment) Y 1 X Y 2

Post test (Treatment) Y 1 X Y 2 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl

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 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

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