SISTEM PENDUKUNG KEPUTUSAN CERDAS UNTUK OPTIMISASI PERMASALAHAN MULTI OBYEKTIF PADA SERIOUS GAME: ECONOMIC AND EMISSION DISPATCH
|
|
- Sucianty Santoso
- 6 tahun lalu
- Tontonan:
Transkripsi
1 SISTEM PENDUKUNG KEPUTUSAN CERDAS UNTUK OPTIMISASI PERMASALAHAN MULTI OBYEKTIF PADA SERIOUS GAME: ECONOMIC AND EMISSION DISPATCH I.G.P. Asto Buditjahjanto NRP :
2 Latar Belakang Perkembangan game tumbuh dengan pesatnya, salah satu bentuk game adalah Game serius berkenaan dengan produk yang digunakan untuk rekayasa, perawatan kesehatan, manajemen, pertahanan, pendidikan, ekplorasi keilmuan, perencanaan kota, politik dan agama. Game serius mempunyai keuntungan karena dengan cara mensimulasikan permasalahannya maka resiko yang dihadapi lebih minimal apabila dibandingkan dengan melaksanakannya dalam sistem nyata
3 Latar Belakang Kebanyakan perusahaan mempunyai permasalahan multiobyektif. Permasalahan multiobyektif pada produksi daya listrik dikenal dengan permasalahan Economic and Emission Dispatch (EED). Permasalahan multiobyektif mempunyai beberapa kriteria atau obyektif untuk dipenuhi secara bersamaan menjadi suatu permasalahan yang komplek. Hal ini disebabkan masing-masing obyektif akan saling konflik antara satu obyektif dengan obyektif yang lainnya.
4 Latar Belakang Meskipun beberapa metode MOP telah dikembangkan dan dipelajari namun hanya sedikit dari mereka yang mengevaluasi hasil hasil dari MOP. Hal ini dikarenakan pemilihan sebuah solusi untuk implementasi sistem dari Paretooptimal set dapat menjadi pekerjaan yang sulit, hal ini karena Pareto-optimal sets dapat berupa solusi-solusi dengan jumlah sangat besar bahkan sampai tak terhingga.
5 Latar Belakang Pendekatan praktis digunakan untuk membantu dalam menganalisa solusi dari sebuah optimisasi multiobyektif dan menyediakan kepada pengambil keputusan sekumpulan solusi terukur yang dapat digunakan untuk dianalisa. Metode ini didasarkan pada metode clustering di mana solusi solusi dari Pareto optimal set dikelompokkan sehingga Pareto optimal front dikurangi menjadi sekumpulan cluster (C.A. Coello, 2007).
6 Perumusan Masalah Bagaimana merencanakan dan membuat Inteligent Decision Support System (IDSS) dalam mengatasi Multi-objective Optimisation Problem?. Bagaimana mengimplementasikan Inteligent Decision Support System (IDSS) pada permasalahan Economic and Emission Dispatch (EED)? Bagaimana membuat modul Non Player Character (NPC) untuk game serius yang berguna sebagai Inteligent Decision Support System (IDSS) yang menggunakan gabungan metode NSGA2 dan metode pengklasteran?
7 Batasan Masalah Pada tahap pemodelan digunakan model matematis untuk fungsi obyektifnya yaitu fungsi fuel cost (biaya bahan bakar) fungsi emission (emisi) dan fungsi transmission loss (rugi-rugi transmisi) yang diminimalkan. Pada bagian optimasi digunakan metode NSGA2 untuk menyelesaikan permasalahan optimasi multiobyektif Metode pengklasteran yang digunakan adalah FCM dan FLVQ untuk dibandingkan metode yang mana yang paling tepat Modul NPC yang dibuat hanya untuk permasalahan EED pada produksi daya listrik dari pembangkit listrik
8 Tujuan Mensimulasikan Multiobjective Optimization Problem (MOP) untuk permasalahan optimisasi dari EED dalam bentuk modul NPC. Menggabungkan metode yang dapat menyelesaikan MOP (NSGA2) dengan metode pengklasteran (FCM dan FLVQ) untuk memberikan suatu keputusan yang cerdas bagi para pengambilkeputusan. Memberikan suatu media pembelajaran dengan menggunakan konsep Game Based Learning dalam bentuk modul NPC yang membahas permasalahan EED dari pembangkit listrik.
9 Manfaat Simulasi berbentuk Serious Game yang menggunakan teknik optimasi dapat menjadikan sebagai suatu pembanding bagi metode yang telah digunakan. Menggabungkan optimasi permasalahan multiobyektif dengan teknik pengklasteran akan memudahkan bagi pengambilkeputusan dalam memutuskan suatu keputusan berdasarkan hasil dari simulasi Serious Game. Modul NPC menghasilkan solusi solusi yang dihasilkan dari simulasi game serius dalam bentuk beberapa keputusan alternatif.
10 Kontribusi Penelitian Mengembangkan IDSS yang berdasarkan MOP untuk permasalahan EED. Menghasilkan hibridisasi dari metode NSGA2 untuk dan metode pengklasteran (FLVQ atau FCM) dalam membentuk IDSS. Menghasilkan modul Non Playable Character (NPC) berdasarkan IDSS untuk serius game pada permasalahan EED. Menghasilkan suatu media pembelajaran yang didasarkan pada penggunaan NPC untuk mempelajari keputusan pada permasalahan EED.
11 Permasalahan Economic and Emission Dispatch NSGA2 Pengklasteran Keputusan oleh Pengambil Keputusan Beberapa Solusi Alternatif Blok diagram Sistem Pendukung Keputusan Cerdas pada permasalahan multiobyektif pada EED
12 Penentuan Jumlah Fungsi Obyektif Permasalahan Multiobyektif pada Economic and Environment Dispatch (EED) TAHAP 1 PEMODELAN Pemodelan Penentuan Jumlah Populasi yang dibangkitkan Optimisasi dengan Metode NSGA2 TAHAP 2 OPTIMISASI Optimasi Solusi Optimal dalam Jumlah Banyak Diagram Alir Sistem Pendukung Keputusan Cerdas pada permasalahan multiobyektif pada EED Penentuan Jumlah Klaster untuk Solusi Perubahan Pilihan Solusi Berdasarkan Skenario yang dihadapi Penentuan Jumlah Klaster dan Pengklasteran Beberapa Solusi Alternatif Pengaturan Skenario Game Pemilihan Solusi Berdasarkan Skenario TAHAP 3 PENGKLASTERAN TAHAP 4 SCENARIO GENERATOR TAHAP 5 PENGAMBILAN KEPUTUSAN Pengklasteran ScenGen Pengambilan Keputusan NPC Keputusan
13 PENGKLASTERAN SOLUSI OPTIMAL DARI PERMASALAHAN OPTIMISASI MULTIOBYEKTIF DENGAN 2 FUNGSI OBYEKTIF Tabel 4.3 Parameter masukan NSGA2 Keterangan Minimalkan [F, E] Nilai Populasi 200 Generasi 1000 Probabilitas Crossover 0.9 Probabilitas Mutasi 0.1
14 Gambar 4.1 Hasil output dari NSGA 2 untuk 2 fungsi obyektif
15 Perbandingan FCM dan FLVQ untuk 2 fungsi obyektif pada EED Tabel 4.4 Cluster validity untuk jumlah klaster optimal dari 2 fungsi obyektif Jumah Klaster PC PE Gambar 4.2 Hasil Cluster Validity untuk 2 fungsi obyektif
16 Tabel 4.5 Hasil performansi FCM untuk mencari nilai optimal bagi 2 klaster dengan 2 fungsi obyektif Perfor mansi Jml iterasi Error Perfor mansi Jml iterasi Eksponen Pembobot (m) Eksponen Pembobot (m) Error
17 Gambar 4.3 Perubahan nilai error terhadap m dari FCM
18 Tabel 4.6 Hasil performansi FLVQ untuk mencari nilai optimal bagi 2 klaster dengan 2 fungsi obyektif Perfor mansi Jml iterasi Error Perfor mansi Jml iterasi Error Eksponen Pembobot awal (m i ) Eksponen Pembobot awal (m i )
19 Gambar 4.4 Perubahan nilai error terhadap mi dari FLVQ
20 Tabel 4.7 Perbandingan Hasil Pengklasteran antara FCM dengan FLVQ Keterangan Nilai pusat klaster Fuel Cost ($/hr) Parameter dari metode Pengklasteran FCM(m=1.2) FLVQ(m i =1.1) Emission (ton/hr) Fuel Cost ($/hr) Emission (ton/hr) Solusi ke Solusi ke Iterasi Toleransi Error
21 Gambar 4.5 Hasil pengklasteran FLVQ dengan mi =1.1
22 Tabel 4.8 Hasil performansi FCM untuk mencari nilai optimal bagi 5 klaster dengan 2 fungsi obyektif Perfor mansi Eksponen Pembobot (m) Jml iterasi Error Perfor mansi Eksponen Pembobot (m) Jml iterasi Error
23 Gambar 4.6 Perubahan nilai error terhadap m dari FCM
24 Tabel 4.9 Hasil performansi dari FLVQ untuk mencari nilai optimal bagi 5 klaster dengan 2 fungsi obyektif Perfor mansi Jml iterasi Eksponen Pembobot awal (m i ) Error Perfor mansi Jml iterasi Error Eksponen Pembobot awal (m i )
25 Gambar 4.7 Perubahan nilai error terhadap mi dari FLVQ
26 Table 4.10 Perbandingan Hasil Pengklasteran antara FCM dengan FLVQ Keterangan Nilai klaster pusat Parameter dari metode Pengklasteran FCM(m=1.8) FLVQ(m i =1.1) Fuel Cost ($/hr) Emission (ton/hr) Fuel Cost ($/hr) Emission (ton/hr) Solusi ke Solusi ke Solusi ke Solusi ke Solusi ke Iterasi Toleransi Error
27 Gambar 4.8 Hasil pengklasteran menggunakan metode FLVQ mi = 1.1
28 PENGKLASTERAN SOLUSI OPTIMAL DARI PERMASALAHAN OPTIMISASI MULTIOBYEKTIF DENGAN 3 FUNGSI OBYEKTIF Minimalkan [F, E, PL] Gambar 5.1 Hasil output dari NSGA 2 untuk 3 fungsi menggunakan populasi sebesar 200 dan generasi sebesar 100
29 Perbandingan FCM dan FLVQ untuk 3 fungsi obyektif pada EED Tabel 5.2 Cluster validity untuk 3 fungsi obyektif Jumlah Klaster PC PE Gambar 5.2 Hasil Cluster Validity untuk 3 fungsi obyektif
30 Tabel 5.3 Hasil performansi dari FCM untuk mencari nilai optimal bagi 2 klaster dengan 3 fungsi obyektif Perfor mansi Jml iterasi Error (E v ) Perfor mansi Jml iterasi Error (E v ) Eksponen Pembobot (m) Eksponen Pembobot (m) E E
31 Gambar 5.3 Perubahan nilai error terhadap m dari FCM
32 Tabel 5.4 Hasil performansi dari FLVQ untuk mencari nilai optimal bagi 2 klaster dengan 3 fungsi obyektif Perfor mansi Jml iterasi Error (E v ) Perfor mansi Jml iterasi Error (E v ) Eksponen Pembobot awal (m i ) Eksponen Pembobot awal (m i )
33 Gambar 5.5 Perubahan nilai error terhadap m i dari FLVQ
34 Tabel 5.5 Perbandingan Hasil Pengklasteran antara FCM dengan FLVQ Keterangan Pusat Klaster Fuel Cost ($/hr) Parameter dari metode Pengklasteran FCM (m=1.8) FLVQ (m i =1.6) Emissio n (ton/hr) TL (p.u) Fuel Cost ($/hr) Emission (ton/hr) TL (p.u) Solusi ke Solusi ke Iterasi Error
35 Gambar 5.4 Hasil pengklasteran menggunakan metode FLVQ dengan mi = 1.6
36 Tabel 5.6 Hasil performansi dari Fuzzy C-means untuk mencari nilai optimal bagi 5 klaster dengan 3 fungsi obyektif Perfor mansi Jml iterasi Error (E v ) Perfor mansi Jml iterasi Error (E v ) Eksponen Pembobot (m) Eksponen Pembobot (m)
37 Gambar 5.6 Perubahan nilai error terhadap m dari FCM
38 Tabel 5.7 Hasil performansi dari FLVQ untuk mencari nilai optimal bagi 5 klaster dengan 3 fungsi obyektif Perfor mansi Jml iterasi Error (E v ) Perfor mansi Jml iterasi Error (E v ) Eksponen Pembobot awal (m i ) Eksponen Pembobot awal (m i )
39 Gambar 5.7 Perubahan nilai error terhadap m i dari FLVQ
40 Keterangan Pusat Klaster Tabel 5.8 Perbandingan Hasil Pengklasteran antara FCM dengan FLVQ Fuel Cost ($/hr) Parameter dari metode Pengklasteran FCM (m=1.1) FLVQ (m i =1.1) Emission (ton/hr) TL (p.u) Fuel Cost ($/hr) Emission (ton/hr) TL (p.u) Solusi ke Solusi ke Solusi ke Solusi ke Solusi ke Iterasi Error
41 Gambar 5.8 Hasil pengklasteran menggunakan metode FLVQ dengan mi=1.1
42 SCENARIO GENERATOR UNTUK PERMASALAHAN EED PADA GAME SERIUS Tabel 6.1 Daya listrik permintaan untuk seluruh scenario generator pada serius game Jam Daya Listrik Permintaan (p.u)
43 Penggunaan formula pada NPC Profit = ((PDtot*100*1000*0.0928)-FCtot-Devtot*π-Penalty) $/h PDtot = Daya Total Permintaan (p.u perunit =MW/100); FCtot = Total Biaya Bahan Bakar ($/h); Devtot = Total Selisih Emisi (ton/h); π (harga emisi perunit ) = $ 100/ton;
44 Penentuan Penalty if (Devtot>=2) Penalty=Devtot*10000; elseif(devtot<1.8)&&(devtot>=1.6); Penalty=Devtot*10000*1.8; elseif(devtot<1.6)&&(devtot>=1.4); Penalty=Devtot*10000*1.6; elseif(devtot<1.4)&&(devtot>=1.2); Penalty=Devtot*10000*1.4; elseif(devtot<1.2)&&(devtot>=1.0); Penalty=Devtot*10000*1.2; elseif(devtot<1.2)&&(devtot>=1); Penalty=Devtot*10000; elseif(devtot<1)&&(devtot>=0.8); Penalty=Devtot*10000*0.8; elseif(devtot<0.8)&&(devtot>=0.6); Penalty=Devtot*10000*0.6; elseif(devtot<0.6)&&(devtot>=0.4); Penalty=Devtot*10000*0.4; elseif(devtot<0.4)&&(devtot>=0.2); Penalty=Devtot*10000*0.2; elseif(devtot<0.2)&&(devtot>=0); Penalty=Devtot*10000*0.1; elseif(devtot<0); Penalty=0; end Gambar 6.1 Listing Program Penentuan Penalty
45 Skenario Berorientasi Keuntungan Gambar 6.2 Scenario Generator untuk skenario berorientasi keuntungan dengan Emisi Reduksi (R) = 0.3 dan Emisi yang diijinkan (G) = 0.3
46 Gambar 6.3 Solusi Pilihan dengan Emisi Reduksi (R) = 0.3 dan Emisi yang diijinkan (G) = 0.3
47 Tabel 6.3 Hubungan Solusi Pilihan dengan Emisi Reduksi (R) = 0.3 dan Emisi yang diijinkan (G) = 0.3 terhadap Profit Solusi pilihan Emisi Reduksi (R) Emisi Yang Diijinkan (G) Total Biaya Bahan Bakar Total Selisih Emisi Penalty Profit [1,1,1,1,1,1,1,1] [1,3,1,3,1,3,1,3] [3,1,3,1,3,1,3,1] [3,3,3,3,3,3,3,3] [5,5,5,5,5,5,5,5] [4,5,4,5,4,5,4,5] [5,4,5,4,5,4,5,4]
48 Gambar 6.4 Scenario Generator untuk skenario berorientasi keuntungan dengan Emisi Reduksi (R) = 0.3 dan Emisi yang diijinkan (G) = 0.1
49 Tabel 6.4 Hubungan Solusi Pilihan dengan Emisi Reduksi (R) = 0.3 dan Emisi yang diijinkan (G) = 0.1 terhadap Profit Solusi pilihan Emisi Reduksi (R) Emisi Yang Diijinkan (G) Total Biaya Bahan Bakar Total Selisih Emisi Penalty Profit [1,1,1,1,1,1,1,1] [1,3,1,3,1,3,1,3] [3,1,3,1,3,1,3,1] [3,3,3,3,3,3,3,3] [5,5,5,5,5,5,5,5] [4,5,4,5,4,5,4,5] [5,4,5,4,5,4,5,4]
50 Gambar 6.6 Scenario Generator untuk skenario berorientasi keuntungan dengan Emisi Reduksi (R) = 0.1 dan Emisi yang diijinkan (G) = 0.05
51 Tabel 6.5 Hubungan Solusi Pilihan dengan Emisi Reduksi (R) = 0.1 dan Emisi yang diijinkan (G) = 0.05 terhadap Profit Solusi pilihan Emisi Reduksi (R) Emisi Yang Diijinkan (G) Total Biaya Bahan Bakar Total Selisih Emisi Penalty Profit [1,1,1,1,1,1,1,1] [1,3,1,3,1,3,1,3] [3,1,3,1,3,1,3,1] [3,3,3,3,3,3,3,3] [5,5,5,5,5,5,5,5] [4,5,4,5,4,5,4,5] [5,4,5,4,5,4,5,4]
52 Skenario Berorientasi Lingkungan Gambar 6.8 Scenario Generator untuk Skenario Berorientasi Lingkungan dengan Emisi Reduksi (R) = 0.1 dan Emisi yang diijinkan (G) = 0.03
53 Gambar 6.9 Solusi Pilihan dengan Emisi Reduksi (R) = 0.1 dan Emisi yang diijinkan (G) = 0.03
54 Tabel 6.6 Hubungan Solusi Pilihan dengan Emisi Reduksi (R) = 0.1 dan Emisi yang diijinkan (G) = 0.03 terhadap Profit Solusi pilihan Emisi Reduksi (R) Emisi Yang Diijinkan (G) Total Biaya Bahan Bakar Total Selisih Emisi Penalty Profit [1,1,1,1,1,1,1,1] [1,3,1,3,1,3,1,3] [3,1,3,1,3,1,3,1] [3,3,3,3,3,3,3,3] [5,5,5,5,5,5,5,5] [4,5,4,5,4,5,4,5] [5,4,5,4,5,4,5,4]
55 Gambar 6.10 Scenario Generator untuk Skenario Berorientasi Lingkungan dengan Emisi Reduksi (R) = 0.1 dan Emisi yang diijinkan (G*) = 0.01
56 Tabel 6.7 Hubungan Solusi Pilihan dengan Emisi Reduksi (R) = 0.1 dan Emisi yang diijinkan (G) = 0.01 terhadap Profit Solusi pilihan Emisi Reduksi (R) Emisi Yang Diijinkan (G) Total Biaya Bahan Bakar Total Selisih Emisi Penalty Profit [1,1,1,1,1,1,1,1] [1,3,1,3,1,3,1,3] [3,1,3,1,3,1,3,1] [3,3,3,3,3,3,3,3] [5,5,5,5,5,5,5,5] [4,5,4,5,4,5,4,5] [5,4,5,4,5,4,5,4]
57 Skenario Dengan Mengatur Parameter Sendiri Tabel 6.8 Pengaruh Hubungan Emisi yang diijinkan (G) dengan Nilai Tetap Terhadap Emisi Reduksi (R) yang Berubah ubah Terhadap Profit Jika Solusi Pilihannya Tetap Solusi pilihan Emisi Reduksi (R) Emisi Yang Diijinkan (G) Total Biaya Bahan Bakar Total Selisih Emisi Penalty Profit [3,3,3,3,3,3,3,3] [3,3,3,3,3,3,3,3] [3,3,3,3,3,3,3,3] [3,3,3,3,3,3,3,3] [3,3,3,3,3,3,3,3]
58 Tabel 6.9 Pengaruh Hubungan Emisi Reduksi (R) dengan Nilai Tetap Terhadap Emisi yang diijinkan (G) yang Berubah ubah Terhadap Profit Jika Solusi Pilihannya Tetap Solusi pilihan Emisi Reduksi (R) Emisi Yang Diijinkan (G) Total Biaya Bahan Bakar Total Selisih Emisi Penalty Profit [3,3,3,3,3,3,3,3] [3,3,3,3,3,3,3,3] [3,3,3,3,3,3,3,3] [3,3,3,3,3,3,3,3] [3,3,3,3,3,3,3,3]
59 KESIMPULAN Metode FCM dan FLVQ dapat mengurangi jumlah solusi optimal menjadi beberapa klaster untuk menjadi solusi yang ditawarkan dari NSGA2. Hasil simulasi dengan 2 fungsi obyektif dan 2 klaster menunjukkan bahwa FCM mempunyai error lebih besar yaitu dibandingkan FLVQ dengan error sebesar Hasil simulasi dengan 2 fungsi obyektif dan 5 klaster menunjukkan bahwa FCM mempunyai error lebih besar yaitu dibandingkan FLVQ dengan error sebesar E0-8.
60 KESIMPULAN Hasil simulasi dengan 3 fungsi obyektif dan 2 klaster menunjukkan bahwa FCM mempunyai error lebih besar yaitu dibandingkan dengan error FLVQ yaitu sebesar Hasil simulasi dengan 3 fungsi obyektif dan 5 klaster menunjukkan bahwa FCM mempunyai error lebih besar yaitu dibandingkan dengan error FLVQ yaitu sebesar Hasil simulasi menunjukkan bahwa FLVQ lebih baik daripada FCM. Sehingga FLVQ digunakan untuk membangun NPC pada penelitian ini.
61 KESIMPULAN Gabungan dari metode metaheuristik dan pengklasteran ini membentuk suatu Sistem Pendukung Keputusan Cerdas bagi pengambil keputusan pada permasalahan EED. NPC dibangun dengan menggunakan IDSS dengan menggunakan parameter lain yang dapat diubah-ubah untuk memberikan pembelajaran kepada pengambil keputusan terhadap permasalahan EED. Simulasi game serius dengan menggunakan NPC sebagai pendukung keputusan dapat membantu untuk mempelajari skenario yang diberikan berdasarkan konsep GBL.
62 Saran 1. Penelitian ini sebatas mensimulasikan NPC untuk mendukung pengambil keputusan dalam menyelesaikan permasalahan optimisasi multiobyektif pada EED. Masih diperlukan pengembangan lanjut, baik dari segi scenario generator-nya untuk pembelajaran serta tampilan dari GUI nya agar lebih fleksibel.
63 Terimakasih
BAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pertumbuhan ekonomi dan perkembangan teknologi suatu daerah mengakibatkan kebutuhan tenaga listrik akan semakin meningkat, baik yang berhubungan dengan bidang industri,
Lebih terperinciOPTIMASI MULTI-OBJECTIVE UNTUK DISTRIBUSI BEBAN KERJA PEGAWAI MENGGUNAKAN NSGA-II AHMAD KHAIDIR TELEMATIKA CIO - TEKNIK ELEKTRO - ITS
OPTIMASI MULTI-OBJECTIVE UNTUK DISTRIBUSI BEBAN KERJA PEGAWAI MENGGUNAKAN NSGA-II AHMAD KHAIDIR 2210206725 TELEMATIKA CIO - TEKNIK ELEKTRO - ITS LATAR BELAKANG Perbaikan kinerja aparatur pemerintah Optimasi
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Listrik pada abad ini sudah merupakan kebutuhan primer yang tidak bisa tergantikan. Karena pentingnya listrik ini, sistem yang menyuplai dan mengalirkan listrik ini
Lebih terperinciMETODE KOLONI SEMUT PADA DOMAIN KONTINU UNTUK OPTIMISASI PENJADWALAN EKONOMIS UNIT PEMBANGKIT PLTG DI PLTGU PT INDONESIA POWER TAMBAK LOROK
METODE KOLONI SEMUT PADA DOMAIN KONTINU UNTUK OPTIMISASI PENJADWALAN EKONOMIS UNIT PEMBANGKIT PLTG DI PLTGU PT INDONESIA POWER TAMBAK LOROK Ivan Darren Alber *), Hermawan, and Susatyo Handoko Departemen
Lebih terperinci1 BAB I PENDAHULUAN. waktu. Semakin hari kebutuhan listrik akan semakin bertambah. Sistem tenaga listrik
1.1 Latar Belakang 1 BAB I PENDAHULUAN Sistem tenaga listrik merupakan sistem yang selalu berubah seiring berjalannya waktu. Semakin hari kebutuhan listrik akan semakin bertambah. Sistem tenaga listrik
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Penjadwalan dan Penjadwalan Flow shop Menurut Kumar (2011), jadwal merupakan rencana sistematis yang umumnya menceritakan hal-hal yang akan dikerjakan. Menurut Pinedo (2005),
Lebih terperinci1. Pendahuluan 1.1. Latar Belakang
1. Pendahuluan 1.1. Latar Belakang Perkembangan teknologi informasi yang begitu pesat sekarang ini memberikan dampak yang besar terhadap kinerja manusia khususnya dalam bekerja. Segala sesuatu yang dahulu
Lebih terperinciBAB V PENUTUP. Menggunakan Metode Fuzzy C-Means Clustering, dapat diambil kesimpulan
BAB V PENUTUP 5.1. Kesimpulan Dari serangkaian uji coba dan analisa yang telah dilakukan pada aplikasi Sistem Pendukung Keputusan Pengadaan Buku Perpustakaan STIKOM Surabaya Menggunakan Metode Fuzzy C-Means
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi Penelitian merupakan acuan dalam pelaksanaan sebuah penelitian. Metodologi penelitian berisi rencana kerja yang berurutan agar hasil yang didapatkan sesuai dengan
Lebih terperinciOptimisasi Injeksi Daya Aktif dan Reaktif Dalam Penempatan Distributed Generator (DG) Menggunakan Fuzzy - Particle Swarm Optimization (FPSO)
TESIS Optimisasi Injeksi Daya Aktif dan Reaktif Dalam Penempatan Distributed Generator (DG) Menggunakan Fuzzy - Particle Swarm Optimization (FPSO) Dosen Pembimbing : Prof. Ir. Mochamad Ashari, M.Eng. Ph.D
Lebih terperinciSimulasi Permasalahan Multiobyektif Berbasis Agen Pada Kasus Economic dan Emission Dispatch (EED) Dengan Metode Neuro Fuzzy System di Power Plant
Simulasi Permasalahan Multiobyektif Berbasis Agen Pada Kasus Economic dan Emission Dispatch (EED) Dengan Metode euro Fuzzy System di Power Plant Fressy ugroho, Supeno Mardi, Moch. Hariadi 3,,3 Pasca Sarjana
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada saat ini kebutuhan energi listrik meningkat dengan cepat, akan tetapi perkembangan pembangkit dan saluran transmisi dibatasi ketersediaan sumber daya dan masalah
Lebih terperinciOptimasi Cluster Pada Fuzzy C-Means Menggunakan Algoritma Genetika Untuk Menentukan Nilai Akhir
IJCCS, Vol.6, No.1, January 2012, pp. 101~110 ISSN: 1978-1520 101 Optimasi Cluster Pada Fuzzy C-Means Menggunakan Algoritma Genetika Untuk Menentukan Nilai Akhir Putri Elfa Mas`udia* 1, Retantyo Wardoyo
Lebih terperinciALOKASI PEMBEBANAN UNIT PEMBANGKIT TERMAL DENGAN MEMPERHITUNGKAN RUGI-RUGI SALURAN TRANSMISI DENGAN ALGORITMA GENETIKA PADA SISTEM KELISTRIKAN BALI
ALOKASI PEMBEBANAN UNIT PEMBANGKIT TERMAL DENGAN MEMPERHITUNGKAN RUGI-RUGI SALURAN TRANSMISI DENGAN ALGORITMA GENETIKA PADA SISTEM KELISTRIKAN BALI TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Listrik merupakan suatu kebutuhan yang penting bagi manusia dalam menjalankan aktivitas sehari-hari, dimana pada zaman yang modern ini sudah banyak alat pendukung kehidupan
Lebih terperinciBAB 1. PENDAHULUAN. 1.1 Latar Belakang
BAB 1. PENDAHULUAN 1.1 Latar Belakang Sejalan dengan tuntutan persaingan bisnis, banyak perusahaan menyadari bahwa keunggulan teknologi dan produk yang dihasilkan semata tidak lagi dapat diandalkan menjadi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sebuah aplikasi berupa Sistem Pendukung Keputusan (Decision Support System) mulai dikembangkan pada tahun 1970. Decision Support Sistem (DSS) dengan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Data Mining Data Mining adalah proses pencarian pengetahuan dari suatu data berukuran besar melalui metode statistik, machine learning, dan artificial algorithm. Hal yang paling
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA DENGAN TOURNAMENT SELECTION SEBAGAI SOLUSI ECONOMIC DISPATCH
IMPLEMENTASI ALGORITMA GENETIKA DENGAN TOURNAMENT SELECTION SEBAGAI SOLUSI ECONOMIC DISPATCH Yassir, Fauzan dan Mahalla Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jln. Banda Aceh Medan km. 80,
Lebih terperinciOptimisasi Operasi Sistem Tenaga Listrik dengan Konstrain Kapabilitas Operasi Generator dan Kestabilan Steady State Global
Optimisasi Operasi Sistem Tenaga Listrik dengan Konstrain Kapabilitas Operasi Generator dan Kestabilan Steady State Global Johny Custer (2209201007) Dosen Pembimbing : Prof. Ir. Ontoseno Penangsang, M.
Lebih terperinciBAB 4 METODE PENGURANGAN RUGI-RUGI DAYA AKTIF
BAB 4 METODE PEGURAGA RUGI-RUGI DAYA AKTIF 4.1 Pembatasan Pembangkitan Pembangkit pada sistem tenaga listrik membangkitkan daya untuk memenuhi kebutuhan akan daya listrik. Daya yang dibangkitkan pada sistem
Lebih terperinciIMPLEMENTASI METODA TAGUCHI UNTUK ECONOMIC DISPATCH PADA SISTEM IEEE 26 BUS
IMPLEMETASI METODA TAGUCHI UTUK ECOOMIC DISPATCH PADA SISTEM IEEE 26 BUS Rusilawati,2, Ontoseno Penangsang 2 dan Adi Soeprijanto 2 Teknik elektro, Akademi Teknik Pembangunan asional, Banjarbaru, Indonesia
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Pengumpulan Data 4.1.1 Data Kriteria Lingkungan Pemasok PT. TMMIN Kriteria-kriteria lingkungan yang ditetapkan oleh SHE(Safety, Health and Environment) Division sebagai penilaian
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Fuzzy Local Binary Pattern (FLBP) Fuzzifikasi pada pendekatan LBP meliputi transformasi variabel input menjadi variabel fuzzy, berdasarkan pada sekumpulan fuzzy rule. Dalam
Lebih terperinciOptimasi Kendali Distribusi Tegangan pada Sistem Tenaga Listrik dengan Pembangkit Tersebar
Optimasi Kendali Distribusi Tegangan pada Sistem Tenaga Listrik dengan Pembangkit Tersebar Soni Irawan Jatmika 2210 105 052 Pembimbing : 1. Prof. Dr. Ir. Adi Soeprijanto, MT. 2. Heri Suryoatmojo, ST. MT.
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Listrik merupakan salah satu sumber kebutuhan hidup yang tidak dapat dilepaskan dari keperluan sehari-hari manusia. Listrik sangat bermanfaat dalam kehidupan di era
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN Pada bab ini akan dibahas mengenai latar belakang masalah, perumusan masalah, maksud dan tujuan penulisan, tinjauan pustaka, metodologi penelitian, serta sistematika penulisan skripsi.
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Rumusan Masalah
1 BAB I PENDAHULUAN Pada bagian ini akan dijelaskan latar belakang dan rumusan masalah, tujuan dan manfaat penelitian, tinjauan pustaka, metode penelitian, serta sistematika penulisan. 1.1. Latar Belakang
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Clustering adalah proses di dalam mencari dan mengelompokkan data yang memiliki kemiripan karakteristik (similarity) antara satu data dengan data yang lain. Clustering
Lebih terperinciAS IR O R U O TI U N TI G P AD
Tesis OPTIMASI ROUTING PADA JARING DATA MULTI JALUR MENGGUNAKAN METODE ANT COLONY OPTIMIZATION (ACO) Nama : Agus Kurniwanto NIM : 2209206803 PROGRAM STUDI MAGISTER BIDANG KEAHLIAN TELEMATIKA JURUSAN TEKNIK
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Scot Morton adalah orang yang pertama kali mengartikulasikan konsep Decision Support System (DSS), mendefenisikan DSS sebagai sistem berbasis komputer
Lebih terperinciPenempatan Dan Penentuan Kapasitas Optimal Distributed Generator (DG) Menggunakan Artificial Bee Colony (ABC)
Penempatan Dan Penentuan Kapasitas Optimal Distributed Generator (DG) Menggunakan Artificial Bee Colony (ABC) Oleh : Ahmad Zakaria H. 2207100177 Dosen Pembimbing : Prof. Dr.Ir. Imam Robandi, MT. Ir. Sjamsjul
Lebih terperinciDynamic Optimal Power Flow Mempertimbangkan Carbon Capture And Storage Plants Menggunakan Metode Multi-Objective Particle Swarm Optimization
B251 Dynamic Optimal Power Flow Mempertimbangkan Carbon Capture And Storage Plants Menggunakan Metode Multi-Objective Particle Swarm Optimization Yauri Mahaputra, Rony Seto Wibowo, Ni Ketut Aryani Jurusan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Hotel merupakan bentuk usaha akomodasi pariwisata dengan perkembangan yang cukup pesat di Indonesia. Jumlah hotel terus bertambah setiap tahunnya dan menyumbang devisa
Lebih terperinciSATUAN ACARA PERKULIAHAN
: Konsep dasar operasi Ekonomis Sistem Tenaga Elektrik Tujuan pembelajaran umum : Siswa memahami konsep dasar operasi ekonomis siste tenaga elektrik Jumlah pertemuan : 1 kali Pertemuan ke Tujuan pembelajaran
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pesatnya perkembangan dunia pariwisata, tidak diiringi dengan perkembangan teknologi yang digunakan. Ditambah lagi dengan kondisi, banyak wisatawan yang tidak mau berwisata
Lebih terperinciAnggraeni et al., Analisis Karakteristik Input-Output dan Optimasi Biaya Pembangkitan
Anggraeni et al., Analisis Karakteristik Input-Output dan Optimasi Biaya Pembangkitan... Analisis Karakteristik Input-Output dan Optimasi Biaya Pembangkitan Menggunakan Metode Quadratic Least Square Regression
Lebih terperinciOPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM
OPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM Poetri Lestari Lokapitasari Belluano poe3.setiawan@gmail.com Universitas Muslim Indonesia Abstrak Non Dominated Sorting pada
Lebih terperinciPenyusun Tugas Akhir : Ivan Hardiyanto (NRP : ) Dosen Pembimbing : Yudhi Purwananto, S.Kom, M.Kom Rully Soelaiman, S.Kom, M.
PRESENTASI TUGAS AKHIR KI091391 IMPLEMENTASI SEGMENTASI CITRA DENGAN MENGGUNAKAN METODE GENERALIZED FUZZY C- MEANS CLUSTERING ALGORITHM WITH IMPROVED FUZZY PARTITIONS (Kata kunci: Algoritma Fuzzy Clustering,
Lebih terperinciJURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print)
B283 Dynamic Economic Dispatch dengan Mempertimbangkan Kerugian Transmisi Menggunakan Metode Sequential Quadratic Programming Dika Lazuardi Akbar, Ontoseno Penangsang, Ni Ketut Aryani. Jurusan Teknik Elektro,
Lebih terperinciERWIEN TJIPTA WIJAYA, ST.,M.KOM
ERWIEN TJIPTA WIJAYA, ST.,M.KOM DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Listrik dewasa ini menjadi salah satu kebutuhan yang sangat penting bagi kehidupan manusia. Teknologi dan ilmu pengetahuan yang tidak pernah henti perkembangannya mendorong
Lebih terperinciKLASIFIKASI SISWA KELAS UNGGULAN MENGGUNAKAN FUZZY C-MEANS
KLASIFIKASI SISWA KELAS UNGGULAN MENGGUNAKAN FUZZY C-MEANS Nunik Mariastuti Wijilestari, Moch. Hariadi Jurusan Teknik Elektro Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 60
Lebih terperinciBAB I PENDAHULUAN. dapat mengalami over load, sehingga perlu membangun suatu saluran transmisi
BAB I PENDAHULUAN 1.1 Latar Belakang Kebutuhan energi listrik selalu bertambah dari waktu ke waktu. Untuk tetap dapat melayani kebutuhan energi listrik, maka sistem tenaga listrik perlu dikembangkan seirama
Lebih terperinciOPTIMISASI ECONOMIC DISPATCH DENGAN TRANSMISSION LOSS MENGGUNAKAN METODE EXTENDED LAGRANGE MULTIPLIER DAN GAUSSIAN PARTICLE SWARM OPTIMIZATION (GPSO)
OPTIMISASI ECOOMIC DISPATCH DEGA TRASMISSIO LOSS MEGGUAKA METODE EXTEDED LAGRAGE MULTIPLIER DA GAUSSIA PARTICLE SWARM OPTIMIZATIO (GPSO) Siti Komsiyah Mathematics & Statistics Department, School of Computer
Lebih terperinciOptimasi Operasi Pembangkit Termis Dengan Metode Pemrograman Dinamik di Sub-Regional Bali
Optimasi Operasi Pembangkit Termis Dengan Metode Pemrograman Dinamik di Sub-Regional Bali T Ar Rizqi Aulia 1, I Made Ardita Y 2 Departemen Teknik Elektro, Universitas Indonesia, Depok 16424 Tel: (021)
Lebih terperinciCLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN
CLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN Fitri Wulandari, Rinto Setiawan Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif
Lebih terperinciGenerator Jadwal Perkuliahan Menggunakan Algoritma Genetika
Generator Jadwal Perkuliahan Menggunakan Algoritma Genetika Zainal Akbar 1), Muh. Fajri Raharjo 2), Eddy Tungadi 3) CAIR, Politeknik Negeri Ujung Pandang Jl. Perintis Kemerdekaan km. 10, Tamalanrea Makassar,
Lebih terperinciPERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP)
PERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP) Rezki Susan Ardyati dan Dida D. Damayanti Program Studi Teknik Industri Institut Teknologi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. penuaan. Penyakit ini terjadi seiring bertambahnya usia dan sering kali mendera
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit degeneratif merupakan penyakit yang mengiringi proses penuaan. Penyakit ini terjadi seiring bertambahnya usia dan sering kali mendera setiap orang
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. Berikut ini merupakan spesifikasi perangkat keras dan perangkat lunak yang
BAB IMPLEMENTASI DAN EVALUASI. Implementasi Sistem Berikut ini merupakan spesifikasi perangkat keras dan perangkat lunak yang diperlukan agar program simulasi Tata Letak Tempat Sampah dengan Algoritma
Lebih terperinciSIMULASI OPTIMASI PENEMPATAN KAPASITOR MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA PADA SISTEM TEGANGAN MENENGAH REGION JAWA BARAT
SIMULASI OPTIMASI PENEMPATAN KAPASITOR MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA PADA SISTEM TEGANGAN MENENGAH REGION JAWA BARAT Gahara Nur Eka Putra NRP : 1022045 E-mail : bb.201smg@gmail.com ABSTRAK
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih terperinciMetoda Penelitian dengan Metoda Taguchi
Metoda Penelitian dengan Metoda Taguchi Menentukan faktor- faktor yang berhubungan dengan hasil yang ingin dicapai Apabila hasil yang diperoleh belum sesuai dengan yang diharapkan, ubah nilai level masing-masing
Lebih terperinci1. BAB I PENDAHULUAN
1. BAB I PENDAHULUAN 1.1 Latar Belakang Distributed generation adalah sebuah konsep teknologi pembangkit energi listrik dengan kapasitas kecil yang dapat dioperasikan dengan memanfaatkan potensi sumber
Lebih terperinciVukovich dinamis yang digabungkan dengan model PRoFIGA didalamnya.
BAB I PENDAHULUAN 1.1. Latar Belakang Fuzzy Evolutionary Algorithm (FEA) merupakan salah satu model hybrid yang menggabungkan dua buah model soft computing yaitu algoritma genetika dan logika fuzzy. FEA
Lebih terperinciPendekatan Dengan Cuckoo Optimization Algorithm Untuk Solusi Permasalahan Economic Emission Dispatch
JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: 2337-339 (2301-9271 Print) B-176 Pendekatan Dengan Cuckoo Optimization Algorithm Untuk Solusi Permasalahan Economic Emission Dispatch Agil Dwijatmoko Rahmatullah,
Lebih terperinciBAB III METODE PENELITIAN
24 BAB III METODE PENELITIAN 3.1. Pengumpulan Data Pembangkit Suralaya Cibinong Cilegon 7 1 6 Gandul 2 4 Balaraja 3 Kembangan Muaratawar 5 Depok 9 Bekasi 8 11 Tasikmalaya Cirata 10 Cawang 12 Pedan 16 Saguling
Lebih terperinciDynamic Economic Dispatch Mempertimbangkan Prohibited Operating Zones Menggunakan Algoritma Improved Artificial Bee Colony
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) B -199 Dynamic Economic Dispatch Mempertimbangkan Prohibited Operating Zones Menggunakan Algoritma Improved Artificial Bee Colony
Lebih terperinciANALISA ALIRAN DAYA OPTIMAL PADA SISTEM KELISTRIKAN BALI
ANALISA ALIRAN DAYA OPTIMAL PADA SISTEM KELISTRIKAN BALI E D Meilandari 1, R S Hartati 2, I W Sukerayasa 2 1 Alumni Teknik Elektro, Fakultas Teknik, Universitas Udayana 2 Staff Pengajar Teknik Elektro,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Ketersediaan sumber energi tak terbarukan berupa energi fosil yang semakin berkurang merupakan salah satu penyebab terjadinya krisis energi dunia. Fenomena ini juga
Lebih terperinciEmission dan Economic Dispatch pada Sistem Kelistrikan Micro Grid menggunakan Multiobjective Genetic Algorithm Optimization
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) 1-6 1 Emission dan Economic Dispatch pada Sistem Kelistrikan Micro Grid menggunakan Multiobjective Genetic Algorithm Optimization Primaditya Sulistijono, Ontoseno
Lebih terperinciBAB I PENDAHULUAN. kehidupan manusia saat ini, dimana hampir semua aktivitas manusia berhubungan
BAB I PENDAHULUAN Latar Belakang Listrik merupakan salah satu kebutuhan pokok yang sangat penting dalam kehidupan manusia saat ini, dimana hampir semua aktivitas manusia berhubungan dengan listrik. Tenaga
Lebih terperinciPEMILIHAN SUPPLIER DENGAN PENDEKATAN POSSIBILITY FUZZY MULTI-OBJECTIVE PROGRAMMING
PEMILIHAN SUPPLIER DENGAN PENDEKATAN POSSIBILITY FUZZY MULTI-OBJECTIVE PROGRAMMING Oleh : Heny Nurhidayanti 1206 100 059 Dosen Pembimbing : Drs. Sulistiyo, MT Jurusan Matematika Fakultas Matematika dan
Lebih terperinciSELEKSI PEMILIHAN RUMAH SEHAT MENGGUNAKAN METODE SAW DAN K-MEANS
SELEKSI PEMILIHAN RUMAH SEHAT MENGGUNAKAN METODE SAW DAN K-MEANS Ferian Fauzi Abdulloh 1, Sharazita D.A 2 1,2 Magister Teknik Informatika, STMIK AMIKOM Yogyakarta 1 ferianfauzi@gmail.com, 2 sharazita.da@gmail.com
Lebih terperinciSistem Pengambilan Keputusan, Pemodelan dan Pendukung. Tri, 2017
Sistem Pengambilan Keputusan, Pemodelan dan Pendukung Tri, 2017 Outline Pengambilan keputusan. Pendekatan sistem. Jenis Keputusan Fase Pengambilan Keputusan Simon. Model Pengambilan Keputusan 2-2 Pengambilan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Mobilitas adalah hal yang tidak dapat dipisahkan dalam gaya hidup masyarakat sekarang ini. Serangkaian aktifitas menuntut seseorang untuk berada di suatu tempat bahkan
Lebih terperinciDAFTAR ISI... HALAMAN JUDUL... HALAMAN PENGESAHAN... HALAMAN PERNYATAAN... HALAMAN PERSEMBAHAN... PRAKATA... DAFTAR LAMBANG... DAFTAR GAMBAR...
DAFTAR ISI Halaman HALAMAN JUDUL... HALAMAN PENGESAHAN... HALAMAN PERNYATAAN... HALAMAN PERSEMBAHAN... PRAKATA... DAFTAR ISI... DAFTAR LAMBANG... DAFTAR GAMBAR... DAFTAR TABEL... INTISARI... ABSTRACT...
Lebih terperinciBAB I PENDAHULUAN. Saat ini, konsep data mining semakin dikenal sebagai tools penting dalam
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Saat ini, konsep data mining semakin dikenal sebagai tools penting dalam manajemen informasi karena jumlah informasi yang semakin besar jumlahnya. Data mining sendiri
Lebih terperinciUNIVERSITAS INDONESIA ANALISIS DAMPAK LINGKUNGAN DAN BIAYA PEMBANGKITAN LISTRIK PEMBANGKIT LISTRIK TENAGA HIBRIDA DI PULAU SEBESI LAMPUNG SELATAN
UNIVERSITAS INDONESIA ANALISIS DAMPAK LINGKUNGAN DAN BIAYA PEMBANGKITAN LISTRIK PEMBANGKIT LISTRIK TENAGA HIBRIDA DI PULAU SEBESI LAMPUNG SELATAN TESIS HERLINA 0706305305 FAKULTAS TEKNIK PROGRAM MAGISTER
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pertumbuhan ekonomi, teknologi, dan industri pada zaman modern ini mengakibatkan peningkatan kebutuhan energi listrik. Hampir seluruh peralatan penunjang industri
Lebih terperinciLEMBAR PENGESAHAN PERNYATAAN BEBAS PLAGIARISME KATA PENGANTAR UCAPAN TERIMA KASIH ABSTRAK DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR BAB I PENDAHULUAN
DAFTAR ISI LEMBAR PENGESAHAN PERNYATAAN BEBAS PLAGIARISME KATA PENGANTAR... i UCAPAN TERIMA KASIH... ii ABSTRAK... iii DAFTAR ISI... v DAFTAR TABEL... vii DAFTAR GAMBAR... viii BAB I PENDAHULUAN... 1 A.
Lebih terperinciBAB I PENDAHULUAN. jumlah ketersediaan yang semakin menipis dan semakin mahal, membuat biaya
BAB I PENDAHULUAN 1.1 Latar Belakang Pembangkit Listrik di Indonesia pada umumnya merupakan pembangkit listrik thermal. Kebutuhan pembangkit thermal terhadap bahan bakar fosil dengan jumlah ketersediaan
Lebih terperinciBAB III METODE PENELITIAN. Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika
BAB III METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Waktu penelitian dilaksanakan
Lebih terperinciISSN VOL. 12, NO. 2, OKTOBER 2011
ANALISIS OPTIMASI PENJADWALAN JAGA DOKTER RESIDEN PENYAKIT DALAM PADA RUMAH SAKIT PENDIDIKAN Erlanie Sufarnap 1, Sudarto 2 STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 airlanee@yahoo.com 1,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Alur Penelitian Menentukan lokasi dan kapasitas optimal SVC pada sistem transmisi 150 kv subsistem Bandung Selatan dan New Ujungberung menggunakan algoritma genetika membutuhkan
Lebih terperinciDynamic Optimal Power Flow dengan kurva biaya pembangkitan tidak mulus menggunakan Particle Swarm Optimization
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) B-24 Dynamic Optimal Power Flow dengan kurva biaya pembangkitan tidak mulus menggunakan Particle Swarm Optimization Afif Nur
Lebih terperinciBAB III 1 METODE PENELITIAN
23 BAB III 1 METODE PENELITIAN 1.1 Sumber Data Data yang digunakan dalam penelitian ini sebagai berikut: 1. Karakteristik pembangkit meliputi daya maksimum dam minimum, karakteristik heat-rate (perbandingan
Lebih terperinciSistem Pendukung Keputusan / Decision Support System PENGAMBILAN KEPUTUSAN, SISTEM, PEMODELAN DAN DUKUNGAN
Sistem Pendukung Keputusan / Decision Support System PENGAMBILAN KEPUTUSAN, SISTEM, PEMODELAN DAN DUKUNGAN CONTENT 1. Pengambilan Keputusan 2. Proses Pemodelan 3. Fase Kecerdasan 4. Fase Desain 5. Fase
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Metodologi penelitian digunakan sebagai pedoman dalam pelaksanaan penelitian agar hasil yang dicapai tidak menyimpang dari tujuan yang telah dilakukan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pembangunan daerah perkotaan atau city development memiliki beberapa aspek penting salah satunya adalah logistik perkotaan atau city logistics. Alasan mengapa city
Lebih terperinciPenelitian ini dilakukan di Laboratorium Terpadu Jurusan Teknik Elektro, Universitas Lampung dimulai pada bulan Januari 2015 sampai dengan bulan
III. METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian ini dilakukan di Laboratorium Terpadu Jurusan Teknik Elektro, Universitas Lampung dimulai pada bulan Januari 2015 sampai dengan bulan
Lebih terperinciLecture 1: Pemodelan Sistem Pendahuluan. Hanna Lestari, M.Eng
Lecture 1: Pemodelan Sistem Pendahuluan Hanna Lestari, M.Eng Agenda Tujuan Materi Konsep Umum Model Sistem Diskusi Tujuan Konseptual Umum : Memberikan pengetahuan tentang pendekatan sistem, pemodelan sistem
Lebih terperinciAnalisis Perbandingan Algoritma Fuzzy C-Means dan K-Means
Analisis Perbandingan Algoritma Fuzzy C-Means dan K-Means Yohannes Teknik Informatika STMIK GI MDD Palembang, Indonesia Abstrak Klasterisasi merupakan teknik pengelompokkan data berdasarkan kemiripan data.
Lebih terperinciSimulasi Coverage Pada Wireless Sensor Network dengan Menggunakan Algoritma Genetika Pareto
Simulasi Coverage Pada Wireless Sensor Network dengan Menggunakan Algoritma Genetika Pareto Umi Fitria P, Tri Budi Santoso, Prima Kristalina Jurusan Telekomunikasi, Politeknik Elektronika Negeri Surabaya
Lebih terperinci1 Deskripsi METODE KOMUNIKASI PADA JARINGAN AD-HOC BERUPA PROTOKOL DIVERSITAS KOOPERATIF Bidang Teknik Invensi Invensi ini berhubungan dengan metode komunikasi pada jaringan ad-hoc berupa protokol diversitas
Lebih terperinciStudi Keandalan Sistem Kelistrikan Hingga Level Beban Tegangan Menengah di PT.Pupuk Kalimantan Timur Nama : Prita Lukitasari NRP :
Presentasi Seminar Tugas Akhir (Genap 2011) Teknik Sistem Tenaga Jurusan Teknik Elektro ITS Studi Keandalan Sistem Kelistrikan Hingga Level Beban Tegangan Menengah di PT.Pupuk Kalimantan Timur Nama : Prita
Lebih terperinci2015 APLIKASI ALGORITMA SIMULATED ANNEALING PADA SISTEM KOORDINASI PEMBANGKITAN UNIT THERMAL
1 BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian Energi listrik saat ini merupakan salah satu kebutuhan utama bagi kehidupan manusia. Kebutuhan akan energi listrik semakin lama semakin meningkat seiring
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA PADA KNAPSACK PROBLEM UNTUK OPTIMASI PEMILIHAN BUAH KEMASAN KOTAK
IMPLEMENTASI ALGORITMA GENETIKA PADA KNAPSACK PROBLEM UNTUK OPTIMASI PEMILIHAN BUAH KEMASAN KOTAK Komang Setemen Jurusan Manajemen Informatika, Fakultas Teknik Kejuruan, Universitas Pendidikan Ganesha
Lebih terperinciAlgoritma Evolusi Dasar-Dasar Algoritma Genetika
Algoritma Evolusi Dasar-Dasar Algoritma Genetika Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Pengantar 2. Struktur Algoritma Genetika 3. Studi Kasus: Maksimasi Fungsi Sederhana 4. Studi
Lebih terperinciSEMINAR NASIONAL TEKNOLOGI INFORMASI & KOMUNIKASI TERAPAN 2014(SEMANTIK 2014) ISBN: Semarang, 15 November 2014
Rancang Bangun Sistem Klasterisasi Kinerja Pimpinan Organisasi Berbasis Metode Fuzzy Database Studi Kasus Dinas Kebudayaan dan Pariwisata Propinsi Jawa Tengah Ayu Rizki Yuniarti 1, Dina Rusdiana 2, Sri
Lebih terperinciOPTIMASI ECONOMIC DISPATCH PEMBANGKIT SISTEM 150 KV JAWA TIMUR MENGGUNAKAN METODE MERIT ORDER
1/6 OPTIMASI ECONOMIC DISPATCH PEMBANGKIT SISTEM 150 KV JAWA TIMUR MENGGUNAKAN METODE MERIT ORDER SURIYAN ARIF WIBOWO 07100044 Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember Kampus ITS,
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Menurut Surat Keputusan Menteri Kesehatan Republik Indonesia No. 983/ Men.Kes /SK/XI/1992, rumah sakit (RS) adalah salah satu organisasi sektor publik yang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Di era modern seperti saat ini, energi listrik menjadi salah satu kebutuhan dasar dalam kehidupan masyarakat. Berbagai peralatan rumah tangga maupun industri saat ini
Lebih terperinciSistem Pendukung Keputusan / Decision Support System
Sistem Pendukung Keputusan / Decision Support System Pengambilan Keputusan, Sistem, Pemodelan dan Dukungan Oleh : Imam Cholissodin S.Si., M.Kom Content 1. 2. 3. 4. 5. 6. 7. Pengambilan Keputusan Proses
Lebih terperinciBAB III PERANCANGAN SISTEM. pengetahuannya melalui buku-buku yang ada. Pihak perpustakaan harus. sesuai dengan kebutuhan dan anggaran yang disediakan.
BAB III PERANCANGAN SISTEM 3.1 Analisis Permasalahan Perpustakaan merupakan salah satu gudang ilmu pengetahuan bagi sebagian masyarakat. Perpustakaan STIKOM Surabaya merupakan salah satu tempat bagi para
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG PENELITIAN
BAB I PENDAHULUAN 1.1 LATAR BELAKANG PENELITIAN Di era sekarang ini dalam operasi sistem tenaga listrik salah satu pekerjaan yang paling menantang adalah untuk menentukan unit pembangkit listrik yang harus
Lebih terperinciOPTIMASI PENEMPATAN DAN KAPASITAS SVC DENGAN METODE ARTIFICIAL BEE COLONY ALGORITHM
OPTIMASI PENEMPATAN DAN KAPASITAS SVC DENGAN METODE ARTIFICIAL BEE COLONY ALGORITHM Khairina Noor.A. 1, Hadi Suyono, ST., MT., Ph.D. 2, Dr. Rini Nur Hasanah, ST., M.Sc. 3 1 Mahasiswa Teknik Elektro, 2,3
Lebih terperinciJURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print)
JURNAL TEKNIK ITS Vol. 5, No. 2, (216) ISSN: 2337-3539 (231-9271 Print) B27 Optimasi Aliran Daya Satu Phasa Pada Sistem Distribusi Radial 33 Bus IEEE dan Sistem Kelistrikan PT. Semen Indonesia Aceh Untuk
Lebih terperinciBab VI Analisis dan Studi Kasus
Bab VI Analisis dan Studi Kasus Studi kasus yang dilakukan dalam tesis ini dilakukan pada sistem delapan bus dengan dua generator dan sistem sembilan bus dengan tiga generator sesuai dengan sistem percobaan
Lebih terperinci