OPTIMASI PENEMPATAN PEMBANGKIT TERDISTRIBUSI PADA IEEE 30 BUS SYSTEM MENGGUNAKAN ALGORITMA GENETIKA
|
|
- Budi Gunardi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 OPTIMASI PENEMPATAN PEMBANGKIT TERDISTRIBUSI PADA IEEE 30 BUS SYSTEM MENGGUNAKAN ALGORITMA GENETIKA Norudhol Hadra Sabilla *), Agug Nugroho, ad Susatyo Hadoko Jurusa Tekik Elektro, Uiversitas Dipoegoro Semarag Jl. Prof. Sudharto, SH, Kampus UNDIP Tembalag, Semarag 50275, Idoesia *) orudhol.hadra@gmail.com Abstrak Dega melimpahya sumber eergi terbaruka di alam, ada ketertarika utuk megembagka suatu sistem pembagkita yag memaksimalka pegguaa eergi tersebut. Sistem itu disebut Pembagkit. Dalam istalasiya, Pembagkit diletakka dekat dega beba da diiterkoeksi ke jariga distribusi listrik. Teryata selai dapat membatu suplai teaga listrik, Pembagkit juga dapat meguragi rugi-rugi pada jariga listrik. Pada Peelitia ii, dilakuka optimasi peempata Pembagkit da kapasitasya dega megguaka Algoritma Geetika, utuk melihat pegaruh Pembagkit terhadap rugi-rugi jariga listrik. Parameter fugsi objektif pada algoritma geetika adalah rugi-rugi daya total pada sistem distribusi. Dega memiimumka rugi-rugi daya total maka aka diketahui lokasi da kapasitas Pembagkit yag palig optimal. Hasil pegujia meujukka bahwa dega berbagai kombiasi lokasi da kapasitas Pembagkit Terdsitribusi, Algoritma Geetika berhasil meuruka rugi-rugi daya secara sigifika. Pada pegujia dega 1 Pembagkit pada bus 30 dega kapasitas 4,996 MW, rugi-rugi daya total berkurag 0,885 MW. Pada pegujia dega 2 Pembagkit pada bus 19 da 30 dega kapasitas masig-masig 4,996 MW da 4,988 MW, rugi-rugi daya total dapat berkurag1,625 MW. Pada pegujia dega 3 Pembagkit pada bus 15, 24, da 30 dega kapasitas masig-masig 4,953 MW, 4,996 MW, da 4,926 MW, rugi-rugi daya total dapat berkurag 2,25MW. Kata-Kuci : sistem distribusi listrik, pembagkit terdistribusi, algoritma geetika Abstract With abudace of reewable eergy resources i ature, there is a axiety for developig a kid of system which maximize the reewable eergy resources usage. That system called a Distributed Geeratio. For the Distributed Geeratio istallatio, the geeratio system plated ear the demad locatio, ad itercoected to power distributio system. I fact, beside helpig power distributio system, a Distributed Geeratio also obtai to reduce a power losses sigificatly. I this research, Distributed Geeratio placemet ad capacities optimizatio performed by usig geetic algorithm to aalyze the ifluece of Distributed Geeratio agaist power losses. The objective fuctio s parameter i geetic algorithm is the power losses of power distributio system. By miimizig the total power losses the we will kow locatio ad capacity of the most optimal Distributed Geeratio. Test results showed that with various locatio ad capacities combiatio of the Distributed Geeratio, geetic algorithm maaged to reduce the power losses sigificatly. I the test with 1 Distributed Geeratio o bus 30 with a capacity of 4,996 MW, the power losses is reduced to 0,885 MW. I the test with 2 Distributed Geeratio o bus 19 ad 30 with 4,996 MW ad 4,988 MW for each capacity, the power losses is reduced to 1,625 MW. I the test with 3 Distributed Geeratio o bus 15, 24, ad 30 with 4,953 MW, 4,996 MW, ad 4,926 MW for each capacity, the power losses is reduced to 2,25MW. Keywords : power distributio system, distributed geeratio, geetic algorithm 1. Pedahulua Dalam beberapa dekade terakhir ii, pembagkit terdistribusi mulai dikembagka di egara-egara maju seperti di belaha Eropa da Amerika utuk medukug kebutuha eergi listrik egara. Pembagkit terdistribusi diilai sebagai suatu solusi yag tepat utuk megatasi kekuraga pasoka eergi listrik maupu megatasi problematika sistem distribusi listrik seperti rugi-rugi daya listrik, keseimbaga sistem distribusi listrik, da
2 TRANSIENT, VOL.2, NO. 3, SEPTEMBER 2013, ISSN: , 652 juga megatasi beba kritis yag megalami drop tegaga. Kesederhaaa desai, kemudaha mecari sumber peggerak turbi (megguaka reewable alterative eergy), berbiaya redah, da kemudaha istalasi membuat pembagkit terdistribusi semaki dimiati sebagai sumber daya listrik yag ista. Dikareaka pembagkit terdistribusi yag terletak di dekat pusat-pusat beba, maka pembagkit terdistribusi selai dapat lagsug melayai beba yag membutuhka eergi listrik tambaha juga dapat diiterkoeksi ke jariga distribusi listrik utuk optimalisasi keadala jariga distribusi tersebut. Berdasar pada berbagai mafaat da keutuga dari pembagkit terdistribusi tersebut, maka pada Peelitia ii peulis aka mesimulasika optimasi letak da kapasitas pembagkit terdistribusi pada suatu jariga distribusi listrik dalam pegaruhya terhadap miimalisasi rugi-rugi jariga distribusi listrik. Jariga distribusi listrik yag diguaka utuk optimasi ii yaitu IEEE 30 Bus Test Distributio System da metode optimasi yag diguaka yaitu algoritma geetika. 2. Metode Diagram alir meujukka tahapa optimasi peempata pembagkit terdistribusi. Data IEEE 30 Bus Test Distributtio System diambil lagsug dari buku Power System Aalysis, Hadi Saadat. Diagram alir optimasi ditujukka pada Gambar Studi Alira Daya Listrik Utuk meyelesaika studi alira daya, diguaka metode Newto Raphso. Metode Newto Raphso lebih cepat mecapai ilai koverge sehigga proses iterasi yag berlagsug lebih sedikit tetapi setiap iterasiya memerluka waktu yag relatif lebih lama, karea jumlah iterasiya sedikit, secara keseluruha memerluka waktu yag lebih sigkat dalam peyelesaia alira daya. Secara umum prosedur peyelesaia alira daya dapat dilihat pada diagram alir dalam Gambar 2. Betuk matrik admitasi atau impedasi Tetuka harga awal tegaga bus Proses iterasi Tetuka perubaha tegaga maksimum Koverge? Ya Hitug daya slack Hitug alira daya Tidak Gambar 2. Diagram alir perhituga alira daya Dasar dari metode Newto Raphso dalam peyelesaia alira daya adalah deret Taylor utuk suatu fugsi dega dua variabel lebih. Metode Newto Rhapso meyelesaika masalah alira daya dega megguaka suatu set persamaa o liier utuk meghitug besarya tegaga da sudut fasa tegaga tiap bus. Adapu betuk diagram alir dari proses perhituga alira daya dega metode Newto Raphso dapat dilihat pada Gambar 3. Gambar 1. Diagram alir simulasi program
3 TRANSIENT, VOL.2, NO. 3, SEPTEMBER 2013, ISSN: , 653 Betuk admitasi bus (Ybus) Parameter Algoritma Geetika Asumsika tegaga bus (Vp(0));p=1,2,3. Iterasi, k=0 Hitug daya bus p (Pp calc da Qp calc ) Hitug perubaha daya ( Pp k da Qp k ) Tetuka perubaha daya max. ( Pp k da Qp k ) Periksa kovergesi (ε) (max Pp k ε) (max Qp k ε) tidak Hitug k = k+1 Hitug besar tegaga da sudut fasa tegaga bus yag baru ( V (k+1) daδ (k+1) ) Periksa perubaha tegaga Hitug eleme jacobia (H,N,J,L) Dalam peerapa algoritma geetika, ada beberapa parameter yag dilibatka, di maa parameter ii meetuka kesuksesa suatu proses optimasi. Jeis parameter yag diguaka bergatug pada permasalaha yag diselesaika, amu ada beberapa parameter yag mejadi stadar, yaitu: a. Ukura populasi (pop_size) b. Probabilitas crossover (p c ) c. Probabilitas mutasi (p m ) Kompoe Algoritma Geetika Kompoe-kompoe dalam algoritma geetika dapat dijabarka sebagai berikut : a. Skema Pegkodea ya Hitug alira daya da daya pada slack bus Gambar 3. Diagram Alir Proses Perhituga Alira Daya Dega Metode Newto Raphso Algoritma Geetika Algoritma geetika megguaka aalogi secara lagsug dari kebiasaaa yag alami yaitu seleksi alam. Algoritma ii bekerja dega sebuah populasi yag terdiri dari idividu -idividu, yag masig-masig idividu mempresetasika sebuah solusi yag mugki bagi persoala yag ada. Dalam kaita ii, idividu dilambagka dega sebuah ilai fitess yag aka diguaka utuk mecari solusi terbaik dari persoala yag ada. Utuk memeriksa hasil optimasi, kita membutuhka fugsi fitess, yag meadaka gambara hasil (solusi) yag sudah dikodeka. Selama berjala, iduk harus diguaka utuk reproduksi, pidah silag da mutasi utuk meciptaka keturua. Jika algoritma geetika didesai secara baik, populasi aka megalami kovergesi da aka didapatka sebuah solusi yag optimum. POPULASI AWAL EVALUASI FITNESS POPULASI BARU SELEKSI INDIVIDU PINDAH SILANG DAN MUTASI Terdapat tiga skema yag palig umum diguaka dalam pegkodea, yaitu : 1. Real-umber ecodig. Pada skema ii, ilai ge berada dalam iterval [0,R], dimaa R adalah bilaga real positif da biasaya R = 1 2. Discrete decimal ecodig. Setiap ge bisa berilai salah satu bilaga bulat dalam iterval [0,9] 3. Biary ecodig. Setiap ge haya bisa berilai 0 atau 1. b. Nilai Fitess Suatu idividu dievaluasi bedasarka suatu fugsi tertetu sebagai ukura performasiya. Di dalam evolusi alam, idividu yag berilai fitess tiggi yag aka bertaha hidup. Sedagka idividu yag berilai fitess redah aka mati. Agar tidak ada hal buruk pada proses seleksi yag memilih orag tua secara proporsioal sesuai dega ilai fitess-ya maka diperluka suatu mekaisme yag disebut liear fitess rakig. c. Seleksi Orag Tua Pemiliha dua buah kromosom sebagai orag tua, yag aka dipidahkasilagka, biasaya dilakuka secara proporsioal sesuai dega ilai fitessya. Suatu metode seleksi umum yag diguaka adalah roulette-wheel (roda roulette). Sesuai dega amaya, metode ii meiruka permaia roulette-wheel dimaa masig masig kromosom meempati potoga ligkara pada roda roulette secara proporsioal sesuai dega ilai fitessya. Kromosom yag memiliki ilai fitess lebih besar meempati potoga ligkara yag lebih besar dibadigka dega kromosom berilai fitess redah. Gambar 4. Siklus Algoritma Geetika
4 TRANSIENT, VOL.2, NO. 3, SEPTEMBER 2013, ISSN: , 654 d. Pidah Silag Salah satu kompoe yag petig dalam algoritma geetika adalah crossover atau pidah silag. Sebuah kromosom yag megarah pada solusi yag bagus bisa diperoleh dari proses memidah-silagka dua buah kromosom. Pidah silag bisa dilakuka dalam beberapa cara berbeda. Yag palig sederhaa adalah pidah silag satu titik potog (oe-poit crossover). Suatu titik potog dipilih secara radom, kemudia bagia pertama dari orag tua 1 digabugka dega bagia kedua dari orag tua 2. e. Mutasi Prosedur mutasi sagatlah sederhaa. Utuk semua ge yag ada, jika bilaga radom yag dibagkitka kurag dari probabilitas mutasi P mut yag ditetuka maka ubah ge tersebut mejadi ilai kebalikaya (dalam biary ecodig, 0 diubah 1, da 1 diubah 0). Pada algoritma geetika sederhaa, ilai P mut adalah tetap selama evolusi. f. Elitisme Karea seleksi dilakuka secara radom, maka tidak ada jamia bahwa suatu idividu berilai fitess tertiggi aka selalu terpilih. Utuk mejaga agar idividu berilai fitess tertiggi tidak hilag selama evolusi, maka perlu dibuat satu atau beberapa kopiya. Prosedur ii dikeal elitisme. g. Peggatia Populasi Dalam algoritma geetika dikeal skema pegggatia populasi yag disebut geeratioal replacemet, yag berarti semua idividu (misal N idividu dalam suatu populasi) dari suatu geerasi digatika sekaligus oleh N idividu baru hasil pidah silag da mutasi Peracaga Sistem Dalam peracaga sistem optimasi ii dilakuka dega megguaka software MATLAB. Metode algoritma geetika dipilih karea cocok utuk ruag solusi yag besar da load flow aalysis megguaka metode Newto-Raphso karea cepat mecapai ilai koverge sehigga membutuhka sedikit iterasi, amu tiap iterasiya membutuhka waktu yag lama. flow aalysis ii aka mejadi acua dasar dalam aalisa proses optimasi peempata da kapasitas pembagkit terdistribusi dalam pegaruhya terhadap rugi-rugi jariga. 2. Optimasi Pembagkit Pada kodisi optimasi ii peggua dimita utuk memasukka sejumlah pembagkit terdistribusi yag aka disimulasika dega batasa maksimal 3 (tiga) pembagkit dega batasa kapasitas pembagkit yaitu 5MW, kemudia program simulasi aka mejalaka algoritma geetika utuk meetuka lokasi pembagkit da kapasitasya. Fugsi objektif utuk proses optimasi dapat dirumuska dalam betuk matematis sebagai berikut : Fitess = i=1 j =1 i=1 j =1 Ploss i,j, i j 2.1 Ploss i,j = real(sloss i,j ) i=1 j =1 2.2 dimaa Ploss i,j = rugi-rugi daya aktif pada jariga (MW) Sloss i,j = rugi-rugi daya semu pada jariga (MVA) = jumlah bus pada sistem distribusi Dalam program simulasi ii algoritma geetika aka membagkitka sejumlah bilaga dega batasa tertetu yag aka diguaka sebagai calo pembagkit terdistribusi da diimplemetasika kedalam data IEEE 30 Bus Distributio Test System utuk kemudia dievaluasi megguaka persamaa-persamaa diatas. Dega memiimumka fugsi objektif pada persamaa 2.1 diatas maka aka didapat lokasi da kapasitas pembagkit yag palig optimal. 3. Hasil da Aalisa 3.1. Data Sistem Data yag diguaka pada pegujia ii adalah data IEEE 30 bus distributio test system [5]. Data yag diambil berupa data betuk jariga distribusi, data beba, da data salura. Skema dari IEEE 30 Bus Test System ditampilka pada gambar 4. berikut. 1. Kodisi Awal Pada kodisi ii simulasi aka melakuka load flow aalysis pada IEEE 30 Bus Distributio Test System utuk megetahui kodisi beba tiap bus. Hasil dari load
5 TRANSIENT, VOL.2, NO. 3, SEPTEMBER 2013, ISSN: , 655 sebesar 29,476 MVAR. Terdapat sedikit perbedaa pada hasil akhir dikareaka sistem pemrograma yag berbeda pada masig-masig software Optimasi Peempata 2 Pembagkit Dalam pegujia ii sistem diberika dua pembagkit terdistribusi dega lokasi da besar kapasitas yag dioptimasi megguaka algoritma geetika. Dari lima kali pegujia didapat hasil sebagai berikut. Tabel 2. Hasil optimasi dega 2 pembagkit terdistribusi Gambar 5. Skema IEEE 30 Bus Test System 3.2. Hasil Pegujia Kodisi Awal Kodisi awal merupaka kodisi dimaa simulasi pada data sistem dijalaka tapa adaya pembagkit terdistribusi yag teristal utuk megetahui ilai rugirugi daya pada jariga. Dari hasil kodisi awal utuk meopag sistem distribusi 30 bus, geerator beroperasi dega total daya keluara yaitu sebesar 300,822 MW. Namu daya yag diterima beba haya 283,4 MW. Disii terlihat bahwa terdapat rugi-rugi daya aktif yaitu sebesar 17,567 MW da rugi-rugi daya reaktif sebesar 33,083 MVAR Optimasi Peempata 1 Pembagkit Dalam pegujia ii sistem diberika sebuah pembagkit terdistribusi dega lokasi da besar kapasitas yag dioptimasi megguaka algoritma geetika. Dari lima kali pegujia didapat hasil sebagai berikut. Tabel 1. Hasil optimasi dega 1 pembagkit terdistribusi Pembagkit Lokasi Pembagkit Kapasitas Pembagkit (MW) Dari hasi optimasi dega sebuah pembagkit terdistribusi yag diistal, rugi daya yata yag terdapat dalam sistem mejadi 16,682 MW da rugi daya reaktif sebesar 29,567 MVAR. Rugi-rugi daya dapat meuru sebesar 0,885 MW utuk rugi daya aktif da 3,516 MVAR utuk rugi daya reaktif Pegujia Hasil Percobaa 1 Pembagkit dega Software ETAP Dega megguaka software ETAP, didapat hasil rugirugi sistem yaitu 16,681 MW da rugi-rugi daya reaktif Pembagkit Lokasi Pembagkit Kapasitas Pembagkit (MW) , ,988 Dari hasil optimasi dega sebuah pembagkit terdistribusi yag diistal, rugi daya yata yag terdapat dalam sistem mejadi 15,942 MW da rugi daya reaktif sebesar 26,345 MVAR. Rugi-rugi daya dapat meuru sebesar 1,625 MW utuk rugi daya aktif da 6,738 MVAR utuk rugi daya reaktif Pegujia Hasil Percobaa 2 Pembagkit dega Software ETAP Dega megguaka software ETAP, didapat hasil rugirugi sistem yaitu 15,948 MW da rugi-rugi daya reaktif sebesar 26,340 MVAR. Terdapat sedikit perbedaa pada hasil akhir dikareaka sistem pemrograma yag berbeda pada masig-masig software Optimasi Peempata 3 Pembagkit Dalam pegujia ii sistem diberika dua pembagkit terdistribusi dega lokasi da besar kapasitas yag dioptimasi megguaka algoritma geetika. Dari lima kali pegujia didapat hasil sebagai berikut. Tabel 3. Hasil optimasi dega 3 pembagkit terdistribusi Pembagkit Lokasi Pembagkit Kapasitas Pembagkit (MW) Dari hasi optimasi dega sebuah pembagkit terdistribusi yag diistal, rugi daya yata yag terdapat dalam sistem mejadi 15,317 MW da rugi daya reaktif sebesar 23,533 MVAR. Rugi-rugi daya dapat meuru sebesar 2,25 MW utuk rugi daya aktif da 9,55 MVAR utuk rugi daya reaktif.
6 TRANSIENT, VOL.2, NO. 3, SEPTEMBER 2013, ISSN: , Pegujia Hasil Percobaa 3 Pembagkit dega Software ETAP Dega megguaka software ETAP, didapat hasil rugirugi sistem yaitu 15,315 MW da rugi-rugi daya reaktif sebesar 23,453MVAR. Terdapat sedikit perbedaa pada hasil akhir dikareaka sistem pemrograma yag berbeda pada masig-masig software Aalisa Sebelum da Sesudah Peempata Pembagkit Setelah dilakuka beberapa pegujia seperti diatas, dapat dilakuka perbadiga utuk semua hasil pegujia. Perbadiga semua hasil pegujia dapat dilihat pada tabel berikut ii. Gambar 7. Grafik perbadiga tegaga megguaka 2 buah pembagkit terdistribusi Tabel 4. Perbadiga seluruh hasil pegujia Pembag kit Terdistrib usi Tapa pembag kit terdistribu si Lokasi Pemba gkit Terdistri busi Kapasitas Pembagk it Terdistribu si (MW) Rugi-Rugi Daya Sistem (MW) Peuru a Rugi- Rugi Daya (MW) Persetase Peurua Rugi-Rugi Daya (%) Dapat dilihat pula bagaimaa pegaruh peempata tiga buah pembagkit terdistribusi merupaka kombiasi yag palig baik karea mampu meuruka rugi-rugi daya sebesar 12,808%. Miimasi rugi-rugi daya pada suatu sistem distribusi juga ditadai dega keaika ilai tegaga pada sistem distribusi tersebut. Gambar dibawah ii meujukka bagaimaa pegaruh pembagkit terdistribusi terhadap ilai tegaga pada kodisi sistem sebelum da sesudah diistal pembagkit terdistribusi. Gambar 8. Grafik perbadiga tegaga megguaka 3 buah pembagkit terdistribusi Gambar 9. Grafik perbadiga pada pegujia tapa pembagkit terdistribusi da dega 1, 2, da 3 pembagkit terdistribusi Megacu pada grafik diatas, peempata pembagkit terdistribusi mampu meigkatka ilai tegaga pada salura lebih baik daripada kodisi awal. 4. Kesimpula Gambar 6. Grafik perbadiga tegaga megguaka 1 buah pembagkit terdistribusi Berdasarka pegujia da aalisis yag telah dilakuka, maka dapat disimpulka beberapa hal sebagai berikut. Pada pegujia awal tapa pembagkit terdistribusi, daya yag dihasilka geerator primer yaitu 300,967 MW. Namu daya yag diterima beba yaitu 283,400 MW, sehigga terdapat rugi-rugi daya sebesar 17,567 MW.
7 TRANSIENT, VOL.2, NO. 3, SEPTEMBER 2013, ISSN: , 657 Pegujia dega megguaka 1 buah pembagkit terdistribusi meghasilka lokasi da kapasitas pembagkit yag optimal da berhasil meuruka rugirugi daya listrik sebesar 0,885 MW (5,074%). Pegujia dega megguaka 2 buah pembagkit terdistribusi meghasilka lokasi da kapasitas pembagkit yag optimal da berhasil meuruka rugirugi daya listrik sebesar 1,625 MW (9,25%). Pegujia dega megguaka 3 buah pembagkit terdistribusi meghasilka lokasi da kapasitas pembagkit yag palig optimal da berhasil meuruka rugi-rugi daya listrik sebesar 2,25 MW (12,808%). [11]. Steveso, William D Aalisis Sistem Teaga Listrik. Jakarta : Erlagga [12]. Suyato Algoritma Geetika dalam MATLAB. Yogyakarta : Peerbit ANDI. [13]. T.N.Shukla, S.P.Sigh, K.B.Naik Allocatio of optimal distributed geeratio usig GA for miimum system losses i radial distributio etworks. Iteratioal Joural of Egieerig, Sciece ad Techology Vol.2, No.3, pp [14]. I.Pisica, C.Bulac, Member, IEEE, M.Eremia, Seior Member, IEEE Optimal Distributed Geeratio Locatio ad Sizig usig Geetic Algorithms. Departmet of Power System, Uiversity Politehica of Bucharest, Romaia. Perlu dipertimbagka lebih lajut utuk optimasi peempata pembagkit terdistribusi megguaka metode optimasi laiya, seperti logika fuzzy, at coloy optimizatio, particle swarm optimizatio, kombiasi beberapa metode, da lai-lai. Diperluka adaya pegembaga terhadap program optimasi dega meambah parameter laiya, seperti biaya pemasaga pembagkit terdistribusi, biaya perawata, pegaruh pertumbuha beba dimasa medatag, optimasi dega data sistem yag tidak seimbag, potesi eergi disuatu daerah da sebagaiya Referesi [1]. Muslim, Supari Tekik Pembagkit Teaga Listrik Jilid 1. Jakarta : Direktorat Pembiaa Sekolah Meegah Kejurua, Direktorat Jedral Maajeme Pedidika Dasar da Meegah, Departeme Pedidika Nasioal. [2]. Sumardjati, Prih Tekik Pemafaata Teaga Listrik Jilid 3. Jakarta : Direktorat Pembiaa Sekolah Meegah Kejurua, Direktorat Jedral Maajeme Pedidika Dasar da Meegah, Departeme Pedidika Nasioal. [3]. Goe, Tura Electric Power Distributio System Egieerig. New York : McGraw-Hill. [4]. Saadat, Hadi Power System Aalysis. Sigapura : McGraw-Hill. [5]. Sulaso Tekik da Sistem Distribusi Teaga Listrik Edisi 1. Semarag : Bada Peerbit Uiversitas Dipoegoro. [6]. Sukmawidjaja, Maula Perhituga Profil Tegaga Pada Sistem Distribusi Megguaka Matrix Admitasi Da Matrix Impedasi Bus. JETri, Volume 7, Nomor 2, Februari 2008, Halama 21-40, ISSN [7]. Ackerma, Thomas Distributed Geeratio : A Defiitio. Elsevier, Electric Power System Research 57 (2001) [8]. EPCOR Distributed Geeratio. Edmoto, Caada. [9]. Robadi, Imam Desai Sistem Teaga Moder. Yogyakarta : Peerbit ANDI. [10] Aalisis Sistem Teaga Listrik Edisi 2. Semarag : Bada Peerbit Uiversitas Dipoegoro.
OPTIMASI PENEMPATAN PEMBANGKIT TERDISTRIBUSI PADA IEEE 30 BUS SYSTEM MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PENEMPATAN PEMBANGKIT TERDISTRIBUSI PADA IEEE 30 BUS SYSTEM MENGGUNAKAN ALGORITMA GENETIKA Norudhol Hadra Sabilla 1), Agung Nugroho 2), Susatyo Handoko 3) Jurusan Teknik Elektro, Universitas Diponegoro
Lebih terperinciSIMULASI ALIRAN DAYA PADA PENYULANG 2 GARDU INDUK RAWALO DENGAN MENGGUNAKAN SOFTWARE ETAP 7.0
SIMULASI ALIRAN DAYA PADA PENYULANG 2 GARDU INDUK RAWALO DENGAN MENGGUNAKAN SOFTWARE ETAP 7.0 Uggul Dzackiy K 1, Ir. Bambag Wiardi 2 1 Mahasiswa da 2 Dose Jurusa Tekik Elektro, Fakultas Tekik, Uiversitas
Lebih terperinciPENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno
sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id
Lebih terperinciFORUM TEKNOLOGI Vol. 06 No. 3 ANALISA ALIRAN DAYA PADA SISTEM TENAGA LISTRIK MENGGUNAKAN SOFTWARE ETAP Ali Supriyadi *) Abstrak
ANALISA ALIRAN DAYA PADA SISTEM TENAGA LISTRIK MENGGUNAKAN SOFTWARE ETAP 12.6 Ali Supriyadi *) Abstrak Studi alira daya merupaka peetua atau perhituga tegaga, arus, daya aktif maupu daya reaktif yag terdapat
Lebih terperinciPOSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan
POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da
Lebih terperinciANALISIS STABILITAS TRANSIENT SISTEM TENAGA LISTRIK PADA PT. KEBON AGUNG MALANG
ANALISIS STABILITAS TRANSIENT SISTEM TENAGA LISTRIK PADA PT. KEBON AGUNG MALANG Agam Rido Priawa¹, Ir. Mahfudz Shidiq, M.T. ², Hadi Suyoo, S.T., M.T., Ph.D.³ ¹Mahasiswa Jurusa Tekik Elektro, ² ³Dose Jurusa
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciPerhitungan Gangguan Simultan Hubungan Seri-Seri Pada Sistem Tenaga Listrik
Perhituga Gaggua Simulta Hubuga SeriSeri Pada Sistem Teaga Listrik Triwahju Hardiato Jurusa Tekik Elektro, Fakultas Tekik, Uiversitas Jember Jl.Slamet Riyadi No.6 Jember 68 No. Fax / Telp. : 033484977
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciSTUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN
STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah ii
Lebih terperinciANALISA PENGARUH INTEGRASI PEMBANGKIT TERSEBAR DALAM SISTEM KOMPOSIT
ANALISA PENGARUH INTEGRASI PEMBANGKIT TERSEBAR DALAM SISTEM KOMPOSIT Syafii, Syukri Yuus, da Asrizal Gedug Jurusa Tekik Elektro, Fakultas Tekik, Kampus Limau Mais, Uiversitas Adalas, Padag, 25163 email:
Lebih terperinciBAB III METODE PENELITIAN
30 BAB III METODE PENELITIAN Peelitia pejadwala pembagkit termal ii adalah utuk membadigka metode Lagragia Relaxatio yag diajuka peulis dega metode yag diguaka PLN. Di sii aka diuji metode maa yag peramalaya
Lebih terperincisimulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai
37 Gambar 4-3. Layout Model Awal Sistem Pelayaa Kedai Jamoer F. Aalisis Model Awal Model awal yag telah disusu kemudia disimulasika dega waktu simulasi selama 4,5 jam. Selama simulasi dijalaka, aimasi
Lebih terperinciBAB II METODOLOGI PENGENDALIAN DAN ALGORITMA GENETIKA
BAB II METODOLOGI PENGENDALIAN DAN ALGORITMA GENETIKA II.1 Pegedali Modus Lucur Sistem o-liier dimodelka dalam persamaa status pada persamaa (2.1) berikut ii: x &( = f ( + B( u(...(2.1) dega x ( merupaka
Lebih terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciBAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy
BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu
Lebih terperinciPersamaan Non-Linear
Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
Lebih terperinciPENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI
Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-31
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 230-928X D-3 Optimasi Multirespo Metode Taguchi dega Pedekata Quality Loss Fuctio (Study Kasus Proses Pembakara CO da Temperatur Gas Buag Pada Boiler
Lebih terperinciBAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON
BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika
Lebih terperinciOptimasi Fungsi Tak Berkendala Menggunakan Algoritma Genetika Terdistribusi dengan Pengkodean Real
Optimasi Fugsi Tak Berkedala Megguaka Algoritma Geetika Terdistribusi dega Pegkodea Real Waya Firdaus Mahmudy Program Studi Ilmu Komputer, Fakultas MIPA, Uiversitas Brawijaya, Malag, Idoesia wayafm@ub.ac.id
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciPENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT
Buleti Ilmiah Math. Stat. da Terapaya (Bimaster) Volume 02, No. 1(2013), hal 1-6. PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT Demag, Helmi, Evi Noviai INTISARI Permasalaha di bidag tekik
Lebih terperinciKompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci
Kompleksitas dari Algoritma-Algoritma utuk Meghitug Bilaga Fiboacci Gregorius Roy Kaluge NIM : 358 Program Studi Tekik Iformatika, Istitut Tekologi Badug Jala Gaesha, Badug e-mail: if8@studets.if.itb.ac.id,
Lebih terperinciBAB VII RANDOM VARIATE DISTRIBUSI DISKRET
BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka
Lebih terperinciOPTIMASI PENEMPATAN DISTRIBUTED GENERATION PADA IEEE 30 BUS SYSTEM MENGGUNAKAN BEE COLONY ALGORITHM
OPTIMASI PENEMPATAN DISTRIBUTED GENERATION PADA IEEE 30 BUS SYSTEM MENGGUNAKAN BEE COLONY ALGORITHM Nur Ilham Luthfi *), Yuigtyastuti, ad Susatyo Hadoo Jurusa Tei Eletro, Uiversitas Dipoegoro Semarag Jl.
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat
BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel
Lebih terperinciPENGGUNAAN ARTIFICIAL NEURAL NETWORK UNTUK PREDIKSI TEGANGAN PADA BALOK KASTELA HEKSAGONAL BENTANG 1 METER (001S)
PENGGUNAAN ARTIFICIAL NEURAL NETWORK UNTUK PREDIKSI TEGANGAN PADA BALOK KASTELA HEKSAGONAL BENTANG METER (00S) Ahmad Muhtarom Jurusa Tekik Sipil, Uiversitas Sriwijaya, Jl. Raya Palembag-Prabumulih KM.3
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciSTUDI KEAMANAN SUPLAI ENERGI LISTRIK BALI SAMPAI DENGAN TAHUN 2025
E-Joural E-Joural Vol STUDI KEAMANAN SUPLAI ENERGI LISTRIK BALI SAMPAI DENGAN TAHUN 5 I G G B Prabu Wisesa, W G Ariastaa, IW Sukerayasa Jurusa Tekik Elektro, Fakultas Tekik, Uiversitas Udayaa Email : Prabhuwisesa@gmailcom,
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinci= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik
Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu
Lebih terperinciJURNAL TEKNIK ITS Vol. 4, No. 2, (2015) ISSN: ( Print) A-180
URNAL TEKNIK IT ol., No., (05) IN: 7-59 (0-97 Prit) A-80 tudi Rekofigurasi ariga da Peetua Lokasi Distributed Geeratio () Pada istem Distribusi Phasa Metode Newtho Rhapso Utuk Meigkatka Keluara Daya Aktif
Lebih terperinciBAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya
Lebih terperinciBAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis
BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala
Lebih terperinciPENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD
Semiar Nasioal Iformatika 5 (semasif 5) ISSN: 979-8 UPN Vetera Yogyakarta, 4 November 5 PENGEMBANGAN MODE ANAISIS SENSITIVITAS PETA KENDAI TRIPE SAMPING MENGGUNAKAN UTIITY FUNCTION METHOD Juwairiah ),
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciMulia Fahrudin Rahman, Ontoseno Penangsang, Adi Soeprijanto Jurusan Teknik Elektro FTI-ITS 2. DASAR TEORI 1. PENDAHULUAN
Optimisasi Pembebaa (Ecoomic Dispatch) Pada Sistem 500 kv Jawa-Bali Megguaka Particle Swarm Optimizatio dega Mempertimbagka Kapasitas Trasmisi Mulia Fahrudi Rahma, Otoseo Peagsag, Adi Soeprijato Jurusa
Lebih terperinciI. PENDAHULUAN II. LANDASAN TEORI
I PENDAHULUAN 1 Latar belakag Model pertumbuha Solow-Swa (the Solow-Swa growth model) atau disebut juga model eoklasik (the eo-classical model) pertama kali dikembagka pada tahu 195 oleh Robert Solow da
Lebih terperinciBab 7 Penyelesaian Persamaan Differensial
Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala
Lebih terperinciBAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
Lebih terperinciBAB I KONSEP DASAR PERSAMAAN DIFERENSIAL
BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Dalam duia iformatika, assigmet Problem yag biasa dibetuk dega matriks berbobot merupaka salah satu masalah terbesar, dimaa masalah ii merupaka masalah yag metode peyelesaiaya
Lebih terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
Lebih terperinciBAB 2 TINJAUAN TEORI
BAB 2 TINJAUAN TEORI 2.1 ISTILAH KEENDUDUKAN 2.1.1 eduduk eduduk ialah orag atatu idividu yag tiggal atau meetap pada suatu daerah tertetu dalam jagka waktu yag lama. 2.1.2 ertumbuha eduduk ertumbuha peduduk
Lebih terperinciPERHITUNGAN GANGGUAN SIMULTAN HUBUNGAN SERI-SERI PADA SISTEM TENAGA LISTRIK. Triwahju Hardianto 1
PENDAHULUAN PERHITUNGAN GANGGUAN SIMULTAN HUBUNGAN SERISERI PADA SISTEM TENAGA LISTRIK Triwahju Hardiato ABSTRACT: This paper explais about how to calculate the currets ad voltages at a electrical power
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinci3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder
3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag
Lebih terperinciBAB II TEORI MOTOR LANGKAH
BAB II TEORI MOTOR LANGKAH II. Dasar-Dasar Motor Lagkah Motor lagkah adalah peralata elektromagetik yag megubah pulsa digital mejadi perputara mekais. Rotor pada motor lagkah berputar dega perubaha yag
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciBAB IV ANALISIS DATA PENELITIAN. Data yang digunakan untuk mengevaluasi Gardu Induk Bandar Sribhawono
38 BAB IV ANALISIS DATA PENELITIAN.1 Data Peelitia Data yag diguaka utuk megevaluasi Gardu Iduk Badar Sribhawoo 8 tahu medatag adalah data pemakaia eergi listrik tahu 2013 sampai 2016 pada trasformator
Lebih terperinciBAB IV PEMECAHAN MASALAH
BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii
Lebih terperinci2 BARISAN BILANGAN REAL
2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Optimasi 2.1.1. Pegertia Optimasi Optimasi (Optimizatio) adalah aktivitas utuk medapatka hasil terbaik di bawah keadaa yag diberika. Tujua akhir dari semua aktivitas tersebut
Lebih terperinciPENYELESAIAN PROGRAM LINIER VARIABEL FUZZY TRIANGULAR MENGGUNAKAN METODE DEKOMPOSISI DAN METODE SIMPLEKS
PENYELESAIAN PROGRAM LINIER VARIABEL FUZZY TRIANGULAR MENGGUNAKAN METODE DEKOMPOSISI DAN METODE SIMPLEKS Nada Puspitasari 1, Bambag Irawato, S.Si, M.Si 2, Prof. Dr. Widowati, M.Si 3 Program Studi Matematika
Lebih terperinciBAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran
BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciSoal dan Pembahasan. Ujian Nasional Matematika Teknik SMK matematikamenyenangkan.com
Soal da Pembahasa jia Nasioal 06 Matematika Tekik SMK matematikameyeagka.com . pqr Betuk sederhaa dari p q r A. p 8 q r adalah... B. p q 0 r 0 D. p q 0 r 0 C. p 8 q r 0 E. p 6 q r Igat rumus berikut m
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Alat terapi ini menggunakan heater kering berjenis fibric yang elastis dan
BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Alat terapi ii megguaka heater kerig berjeis fibric yag elastis da di bugkus dega busa, pasir kuarsa, da kai peutup utuk memberi isolator terhadap kulit
Lebih terperinciPETA KONSEP RETURN dan RISIKO PORTOFOLIO
PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI
Lebih terperinciMetode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial
Statistika, Vol. 7 No. 1, 1 6 Mei 007 Metode Bootstrap Persetil Pada Sesor Tipe II Berdistribusi Ekspoesial Jurusa Statistika FMIPA Uiversitas Islam Idoesia Yogyakarta Abstrak Metode bootstrap adalah suatu
Lebih terperinci6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi
6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0
Lebih terperinciPENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT
Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus
Lebih terperinciBalas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming
Balas Additive Algorithm, Algoritma Brach & Boud utuk Biary Iteger Programmig Aditio Pagestu 13514030 Program Studi Tekik Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciModel Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika
Prosidig Semirata FMIPA Uiversitas Lampug, 0 Model Pertumbuha BeefitAsurasi Jiwa Berjagka Megguaka Deret Matematika Edag Sri Kresawati Jurusa Matematika FMIPA Uiversitas Sriwijaya edagsrikresawati@yahoocoid
Lebih terperinciII. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.
II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.
Lebih terperinciBAB 4 LIMIT FUNGSI Standar Kompetensi Menggunakan konsep limit fungsi dan turunan fungsi dalam pemecahan masalah
BAB LIMIT FUNGSI Stadar Kompetesi Megguaka kosep it ugsi da turua ugsi dalam pemecaha masalah Kompetesi Dasar. Meghitug it ugsi aljabar sederhaa di suatu titik. Megguaka siat it ugsi utuk meghitug betuk
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciMANAJEMEN RISIKO INVESTASI
MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta
Lebih terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciIII PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah
III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka
Lebih terperinciANALISIS ALIRAN DAYA MENGGUNAKAN METODE PROBABILISTIK PADA SISTEM INTERKONEKSI 500 KV JAWA-BALI
P JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 ANALISIS ALIRAN DAYA MENGGUNAKAN METODE PROBABILISTIK PADA SISTEM INTERKONEKSI 500 KV JAWA-BALI 1) 2) Ferdia Ariesta Adhi Chadra, I.G.N. Satriyadi HeradaP
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Program Ganda Skripsi Sarjana Program Ganda Semester Ganjil 2005/2006
UNIVERSITAS BINA NUSANTARA Program Gada 2005-2006 Skripsi Sarjaa Program Gada Semester Gajil 2005/2006 PEMBANGKITAN FRAKTALUNTUK MENINGKATKAN EFISIENSI KERJA DESAINER GRAFIS MENGGUNAKAN METODE NEWTON RAPHSON
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di bagia spiig khususya bagia widig Pabrik Cambrics Primissima (disigkat PT.Primissima) di Jala Raya Magelag Km.15 Slema, Yogyakarta. Peelitia
Lebih terperinciAplikasi Interpolasi Bilinier pada Pengolahan Citra Digital
Aplikasi Iterpolasi Biliier pada Pegolaha Citra Digital Veriskt Mega Jaa - 35408 Program Studi Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha 0 Badug 403, Idoesia veriskmj@s.itb.ac.id
Lebih terperinciDistribusi Sampling (Distribusi Penarikan Sampel)
Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Lebih terperinciPenyelesaian Persamaan Non Linier
Peyelesaia Persamaa No Liier Metode Iterasi Sederhaa Metode Newto Raphso Permasalaha Titik Kritis pada Newto Raphso Metode Secat Metode Numerik Iterasi/NewtoRaphso/Secat - Metode Iterasi Sederhaa- Metode
Lebih terperinciBAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI
BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas
Lebih terperinciIMPLEMENTASI RUMUS SOBEL PADA WEB DENGAN TOPIK REGRESI LINIER MENGGUNAKAN VARIABEL INTERVENING
Versi Olie: https://joural.ubm.ac.id/idex.php/alu Vol.I (No. ) : 9-4. Th. 08 Implemetasi Rumus Sobel Pada Regresi Liear ISSN: 60-60 IMPLEMENTASI RUMUS SOBEL PADA WEB DENGAN TOPIK REGRESI LINIER MENGGUNAKAN
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinci