Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPada keadaan nyata, beban suatu node pada j3ringan sangat fluktuatif, bergantung pada banyaknya pemakai mesin tersebut saat flu. Beban pemakaian ini sangat berpengaruh pada kecepatan pemrosesan mesin tersebut.Hal ini menyulitban bagi pemrograman aplikasi paralel, karena aplikasi paralel akan efisien bila aphkasi dapat membagi beban pemrosesan (worklow secara proporsional. Karena kecepatan pemrosesan mesin berubah-ubah menurut beban pemakaian mesin tersebut, maka pedu dicari metoda untuk menilai untuk kerja tiap mesin pada jaringan secara dinamis.Pada proses pengerjaan skripsi ini, dikembangkan metoda untuk menilai unjuk kerja dinamis dari mesin dengan menggunakan parameter waktu interval antar checkpointing. Metoda tersebut diterapkan pada aplikasi dengan paradigma SIMD, dimana data yang diproses berjumlah besar, seragam dan pemrosesannya menggunakan fungsi yang sama dan berulang.Pertama-tama dikembangkan metoda check pointing dan migrasi proses dengan teknik high-level. Segala aspek dan latar belakang dari rancangan higb-level checkpointing dan migrasi proses akan dikupas lebih ]anjut.Selanjutnya dilakukan pengujian apakah waktu interval antar checkpointing memenuhi syarat untuk digunakan sebagai parameter untuk menilai unjuk kerja mesin secara dinamis. Akan diuji apakah parameter tersebut mencerminkan kecepatan proses dari mesin-mesin yang digunakan.Yang terakhir, dengan menggunakan parameter tersebut dan metoda migrasi proses, dikembangkan algoritma untuk melakukan dynamic loud balancing. Peningkatan speed-up aplikasi paralel akan didapatkan melalui pembagian beban pemrosesan yang lebih proporsional."

"Penggunaan inverter untuk mengubah tegangan masukan searah (DC) menjadi tegangan keluaran arus bolak-balik (AC) saat ini sangat banyak digunakan terutama di industri, kantor, maupun di perumahan. Bahkan dengan munculnya energi alternatif seperti solar sel, turbin angin, fuel cell, tidak lepas dari penggunaan inverter. Inverter yang dibuat dengan menggunakan metode algoritma Phase Locked Loop (PLL) digital satu fasa ini diaplikasikan untuk menghasilkan sinyal keluaran yang sudut fasa dan frekuensinya sama dengan suatu sinyal referensi tertentu. Namun, hasil sinyal keluaran dari inverter masih memiliki distorsi harmonik yang tinggi. Oleh karena itu perlu digunakan filter untuk menghilangkan distorsi harmoniknya agar lebih baik bentuk sinyal keluarannya. Untuk melakukan simulasi dan real time monitoring terhadap sinyal keluaran PLL digunakan sebuah Simulink library browser pada Matlab yaitu xPC Target. Algoritma program PLL yang dibuat menggunakan S-function C-MEX terletak pada komputer host dan hasil simulasi dari real time monitoring ditampilkan pada komputer target secara real time.

---

The use of an inverter to convert the input voltage direct current (DC) into output voltage alternating current (AC) is now very widely used, especially in the industrial, office, and residential. Even with the advent of alternative energy such as solar cells, wind turbines, fuel cells, can not be separated from the use of an inverter. Inverters are made by using the algorithm Phase Locked Loop (PLL) digital single phase was applied to produce an output signal frequency and phase angle equal to a given reference signal. However, the output signal of the inverter still has high harmonics. Therefore it is necessary to use filters to eliminate harmonics distortion in order to better shape the output signal. To perform the simulation and real time monitoring of the output signal PLL used a Simulink library browser on Matlab is xPC Target. PLL program algorithms created using S-function C-MEX is located on the host computer and the results of real time monitoring simulation displayed on the target computer in real time."

"Perkembangan teknologi yang sangat pesat di bidang kelistrikan saat ini adalah pemanfaatan distributed generation khususnya PLTS Atap atau dikenal dengan PV Rooftop. Pelanggan memanfaatkan energi listrik dari PV Rooftop untuk kebutuhan listriknya dan juga dapat mentransfer energinya (eksport) ke system kelistrikan PLN jika energi dari PV Rooftop berlebih. Sedangkan PLN tetap mengirimkan energi ke pelanggan jika energi dari PV tidak memenuhi konsumsi listriknya (import). Dengan ketersediaan data smart-meter orde jam beban pelanggan PV Rooftop, maka optimalisasi data untuk keperluan data scientist, data analyst, dan data engineer sehingga informasi data ini dapat dignakan untuk manajemen energi yang efisien dan andal. Peralaman beban untuk pelanggan PV menjadi masalah yang sulit dipecahkan dikarenakan beragamnya tipe penggunaan listrik (konsumsi listrik) dan ketidakpastian faktor eksternal (cuaca) karena penggunaan sumber energi terbarukan (energi matahari) sehingga menimbulkan celah dalam akurasinya. Untuk memecahkan masalah tersebut, penelitian ini menggunakan pendekatan machine-learning yaitu Jaringan Syaraf Tiruan (Artificial Neural Network-ANN) pada MATLAB® dengan algoritma pembelajaran backpropagation dan fungsi aktivasi sigmoid untuk menghasilkan model peramalan beban  orde jam meliputi hari kerja dan hari libur pada pelanggan PV per segment tarif (Pelanggan Rumah Tangga, Pelanggan Bisnis, Pelanggan Industri, Pelanggan Sosial dan Pelanggan Pemerintah). dengan mempertimbangkan variasi konsumsi listrik dan temperatur. Lingkup pengambilan data penelitian dibatasi beban listrik pada pelanggan di Jakarta dan sampling dilakukan selama bulan Juli s/d Oktober 2019. Hasil penelitian ini memperlihatkan bahwa prediksi ANN menghasilkan kinerja dengan Mean Square Error (MSE) sebesar 2%. Prediksi beban listrik tanggal 21 s/d 27 Oktober 2019 memperlihatkan rata-rata error ANN adalah 21%, sedangkan rata-rata error metode regresi adalah 39%. Dengan demikian dapat disimpulkan bahwa prediksi beban listrik menggunakan ANN lebih akurat sebesar 20% dibandingkan dengan metode regresi oleh PLN. Berdasarkan analisis keekonomian, pelanggan mendapatkan efisiensi biaya listrik sebesar 21%, sedangkan PLN berkurang pendapatan sebesar ± Rp. 300 juta/bulan. Strategi manajemen yang diusulkan dengan mempertimbangkan benefit kedua pihak (PLN dan Konsumen) adalah dengan keterlibatan PLN sebagai integrator (sisi hulu dan sales), ketelibatan Pemerintah dan keterlibatan dukungan Bank sebagai

---

The very rapid technological development in the electricity sector at present is the use of special distributed PLTS known as PV Rooftop. Customers use energy from the PV for their electricity needs and can also transfer their energy (export) to the PLN electricity system if the energy from their PV is excessive. While PLN continues to send energy to customers if using energy from PV does not meet its electricity consumption (imports). While the avaibility of fine-grained smart meter data for PV customers load, optimization could be done for the needs of data scientists, data analysts and data engineers makes this data information usable for efficient and reliable energy management. Forecasting the PV Customer load, however, can be an intractable problem. These loads are characterized by uncertainty and variations due to the use of renewable energy sources (solar energy), leaving much room to improve accuracy. To improve the PV customer load forecast accuracy, this paper advocates a machine-learning tool called Artificial Neural Network (ANN) on MATLAB® with backpropagation learning algorithm and sigmoid activation, include load forecasting per tariff segment (Household Customers, Business Customers, Industrial Customers, Social Customers and Government Customers). The scope of the study took data on electricity loads to customers in Jakarta and sampling was conducted from July to October 2019. The test results show that ANN deterministic load forecasting model can achieve satisfactory performance with the mean square error (MSE) of 2% . Electricity load predictions from 21 to 27 October 2019 have an average error of ANN is 21%, while the average error of the regression method is 39%. Thus it can be concluded that the estimated cost of using ANN electricity is more accurate by 20% compared to the regression method by PLN. Based on economic analysis, customers get electricity cost efficiencies of  21%, while PLN reduces revenue by ±Rp. 300 million/month. The proposed management strategy by considering the benefits of both parties (PLN and Consumers) is to involve PLN as an integrator (upstream and sales side), Government involvement and involvement of Bank supporters as lenders."