Hasil Pencarian  ::  Simpan CSV :: Kembali

"Reduced Gradient adalah salah satu metode optimasi dimana pada persamaan yang terbentuk akan terjadi pengurangan komponen Gradient-nya. Dalam skripsi ini, akan dibahas penggunaan metode Reduced Gradient ini untuk mengoptimasi daya pembangkitan tenaga listrik. Optimasi yang dilakukan adalah optimasi antara daya yang dibangkitkan terhadap biaya yang dibutuhkan untuk pembangkitan tersebut dalam suatu sistem tenaga listrik. Sistem tenaga listrik yang dimaksud merupakan sistem yang terdiri dari pembangkit, bus (beban, pembangkit, gabungan beban dan pembangkit), dan saluran transmisi. Untuk dapat melakukan proses optimasi melalui perhitungan dengan menggunakan metode ini, diperlukan adanya suatu formulasi masalah dengan menggunakan program matematik non linier dimana formulasi tersebut akan mengandung variabel-variabel yang digunakan sistem tersebut dan memiliki hubungan fungsional. Perhitungan yang dilakukan dengan metode ini adalah melalui proses iterasi untuk memperoleh fungsi tujuan yang paling optimal. Untuk mempermudah proses perhitungan yang dilakukan, terlebih dahulu akan dilakukan penyederhanaan persamaan dengan menghilangkan suku-suku tertentu dari persamaan tersebut yang akan diperhitungkan kemudian. Daya yang dibangkitkan oleh sebuah pembangkit memiliki batasan minimal dan maksimal. Oleh karena itu, dalam proses optimasi yang dilakukan, nilai yang diperoleh akan optimal jika berada di dalam batasan-batasan yang diberikan. Setelah nilai optimal diperoleh, kemudian akan dihitung berapa besarnya rugi-rugi penyaluran yang terjadi dan akan didistribusikan ke setiap pembangkit dengan menggunakan faktor partisipasi. Sebagai aplikasi dari metode Reduced Gradient ini, dalam skripsi ini akan dilakukan pengoptimasian daya pembangkit dan biaya optimum terhadap pembangkit tenaga listrik yang terdapat di Pulau Bali."

"ABSTRAK

Synthetic aperture radar (SAR) adalah sebuah teknologi remote sensing yang dapat memproduksi citra dengan resolusi yang tinggi terhadap sebuah objek tanpa bergantung dengan waktu akuisisi, jarak dan cuaca. Hal itu menyebabkan tingginya laju akuisisi, besarnya volume raw data, besarnya daya yang harus digunakan dan dibutuhkannya filter yang cocok (Match Filter). Metode konvensional SAR memiliki kekurangan yang salah satunya yaitu munculnya permasalahan side lobes sehingga mengurangi kualitas dari citra. Compressed Sensing (CS) adalah sebuah paradigma baru untuk merekonstruksi sinyal/data dari jumlah sampling yang sedikit sehingga memperoleh hasil yang lebih efisien. CS dapat menghapus fungsi match filter, mengurangi laju akuisisi dan mengurangi sidelobe pada data SAR. Dalam penelitian ini, akan membahas simulasi pengolahan citra SAR buatan pada lima jumlah target sparse dengan metode CS dan melakukan optimasi matriks pengukuran dengan menggunakan metode Gradient-Based Minimization yang dapat meningkatkan kualitas rekonstruksi dengan menurunkan nilai koherensi matriks pengukuran. Alat ukur yang digunakan yaitu dengan parameter kualitatif dan kuantitatif RMSE dan PSNR. Hasil menunjukkan dengan menggunakan optimasi terhadap matriks pengukuran pada kondisi noise-free terdapat perbaikan hasil rekonstruksi setelah optimasi terjadi pada jumlah sampling dibawah 39. Sedangkan pada kondisi noise, terjadi perbaikan nilai yang signifikan pada derau yang tinggi pada nilai SNR di bawah 30 dB

---

ABSTRACT

Synthetic aperture radar (SAR) is a remote sensing technology which can generate images with high resolution on an object without having to depend on the time of acquisition, the distance, and the weather. It causes a high rate of acquisition, the large volume of raw data, high power consumption that should be used, and it also requires Match Filter. The conventional method of SAR has some lacks, one of which is the happening of side lobes problem which causes it to reduce the quality of the image. Compressed Sensing (CS) is a new paradigm to reconstruct the signal/data from few numbers of sampling in order to obtain more efficient results. CS can eliminate the match filter, reduce the acquisition rate, and minimize the effects of side lobes on SAR data. This research will discuss the image processing simulation of artificial SAR on the target amount (K=5) by using CS method and do the optimization of measurement matrix by using Gradient-Based Minimization which can improve the quality of reconstruction by decreasing the coherence value of measurement matrix. The used measuring tools are the qualitative and quantitative parameters of RMSE and PSNR. The result shows that, in using optimization for measurement matrix in noise free condition, there is improvement in the reconstruction result after the optimization occurs in the number of sampling M≤38. Meanwhile, in noise condition, there is significant movement in the value of high noise (SNR<30 dB).

"

"Seleksi portofolio merupakan proses penting dalam manajemen investasi, di mana investor memilih kombinasi aset keuangan untuk dimasukkan ke dalam portofolio. Tujuan dari seleksi portofolio adalah untuk menciptakan kombinasi aset yang dapat memberikan return maksimum dan/atau risiko yang minimum. Dalam kasus portofolio berdimensi besar, di mana terdapat banyak aset yang harus dimasukkan, pencarian solusi optimal dapat menjadi tantangan karena kompleksitas perhitungan seiring dengan bertambahnya dimensi. Oleh karena itu, dibutuhkan metode numerik yang efisien untuk menyelesaikannya. Salah satu metode numerik yang dapat digunakan untuk menyelesaikan permasalahan berdimensi besar adalah metode konjugat gradien. Metode konjugat gradien merupakan metode iteratif yang efisien, karena tidak membutuhkan perhitungan matriks Hessian. Sampai saat ini, metode konjugat gradien terus dikembangkan untuk meningkatkan efisiensinya, diantaranya adalah metode konjugat gradien Improved Fletcher-Reeves (IFR) dan metode konjugat gradien Modified-Polak-Ribi`ere- Polyak (MPRP). Salah satu cara untuk meningkatkan efisiensi metode konjugat gradien adalah dengan mengkombinasikan dua parameter metode konjugat gradien. Pada penelitian ini, dibentuk metode gradien konjugat hibrid IFR-MPRP dengan mengkombinasikan parameter metode konjugat gradien IFR dan metode konjugat gradien MPRP. Berdasarkan analisis konvergensi, metode konjugat gradien hibrid IFR-MPRP yang dibentuk memenuhi descent condition dan sifat konvergensi global. Kemudian, efisiensi dari metode konjugat gradien hibrid IFR-MPRP diuji dengan menggunakan 134 fungsi tes dan diperoleh hasil bahwa metode hibrid IFR-MPRP unggul dibandingkan metode konjugat gradien IFR dan MPRP. Selain itu, metode konjugat gradien hibrid IFR-MPRP juga terbukti efektif dalam menyelesaikan masalah seleksi portofolio saham.

---

Portfolio selection is an important process in investment management, where investors choose a combination of financial assets to include in a portfolio. The aim of portfolio selection is to create a combination of assets that can provide maximum return and/or minimum risk. In the case of large-dimension portfolios, where there are many assets to include, finding the optimal solution can be challenging due to the complexity of the calculations as the dimensions increase. Therefore, an efficient numerical method is needed to solve it. One numerical method that can be used to solve large dimensional problems is the conjugate gradient method. The conjugate gradient method is an efficient iterative method, because it does not require the calculation of the Hessian matrix. To date, conjugate gradient methods continue to be developed to increase their efficiency, including the Improved Fletcher-Reeves (IFR) and Modified Polak-Ribière-Polyak (MPRP) methods. One way to increase the efficiency of the conjugate gradient method is to combine two parameters of the conjugate gradient method. In this research, a hybrid IFR-MPRP conjugate gradient method is created by combining the parameters of the IFR method and the MPRP method. Based on convergence analysis, the proposed IFR-MPRP hybrid gradient conjugate method satisfies the descent condition and global convergence properties. Then, the efficiency of the IFR-MPRP hybrid gradient conjugate method is tested using 134 test functions and showed that the proposed method is superior to the IFR and MPRP gradient conjugate methods. In addition, the IFR-MPRP hybrid conjugate gradient method is also proven effective in solving stock portfolio selection problems."

"Dengan melanjutkan rancang bangun kincir angin yang telah ada dengan modifikasi pada tinggi rangka hingga menjadi berukuran 2030 mm dan berdiameter 1500 mm yang diletakkan dilantai 4 Gedung Engeneering Center, maka eksperimen pembangkitan daya pun dapat dilakukan. Untuk meneliti pengaruh kecepatan angin terhadap puteran kincir angin, serta torsi dan daya yang dihasilkannya. Oleh sebab kecepatan angin yang bertiup sangat berfluktuasi menyebabkan puteran kincir angin yang dihasilkan pun berfluktuasi antara 0 rpm. Hal ini menyebabkan torsi dan daya mekanik yang dihasilkannya pun akan bervarisi. Serta berbagai permodelan pun dapat dilakukan berdasarkan rancang bangun kincir angin yang sudah ada dengan menggunakan analisis dimensional.

---

Continuing the design of wind turbine that has been made with applying a modification on the height of the wind turbine become 2030 mm and the 1500 mm diameter that placed on the 4th floor of the Engineering Center, thus the experiment of electricity power generation could be done. To research the effect of the wind speed to wind turbine rotation, torque and mechanical power . Because the wind speed is very fluctuated thus the rotation of wind turbine also fluctuated between 0 rpm until 30 rpm. This caused the torque, and mechanical power will be so varied. Several modeling can be done based on the design of wind turbine that exist using dimensional analysis."

"Permasalahan optimasi merupakan permasalahan yang tidak asing ditemui dalam kehidu- pan sehari-hari. Dalam disiplin ilmu matematika, metode-metode untuk menyelesaikan masalah optimasi masih berkembang sampai saat ini. Salah satu metode numerik berbasis pencarian gradien yang memiliki kontribusi besar dalam bidang optimasi tak berkendala berskala besar adalah metode konjugat gradien. Metode ini terkenal atas keunggulannya karena memiliki formula iterasi yang sederhana dan kebutuhan penyimpanan yang relatif kecil. Seiring waktu, variasi-variasi baru dari metode konjugat gradien terus bermunculan. Hingga saat ini, usaha untuk membentuk metode konjugat gradien dengan properti konvergensi dan performa numerik yang lebih baik masih aktif menjadi topik penelitian. Pada skripsi ini, dibentuk suatu metode konjugat gradien hibrid baru yang merupakan modi kasi dari metode konjugat gradien Improved-Fletcher-Reeves (IFR) dan Improved-Dai-Yuan (IDY). Dengan beberapa kondisi dan asumsi, metode konjugat gradien hibrid IFR-IDY terbukti memenuhi kondisi descent dan konvergen secara global. Kemudian, berdasarkan 134 fungsi uji yang digunakan, metode konjugat gradien hibrid IFR-IDY juga terbukti memiliki performa numerik yang lebih e sien dari segi jumlah iterasi dan waktu komputasi dibandingkan metode konjugat gradien IFR dan metode konjugat gradien IDY. Lebih jauh lagi, metode konjugat gradien hibrid IFR-IDY juga terbukti efektif dalam menyelesaikan masalah seleksi portofolio saham.

---

Optimization is a problem that we frequently encounter on a daily basis. In the discipline of mathematics, methods for solving optimization problems are still developing until today. One of the numerical methods based on gradient search that has made a major con- tribution to the eld of large-scale unconstrained optimization is the conjugate gradient method. This method is known for its advantages because it has a simple iteration formula and relatively small storage requirements. Over time, new variations of the conjugate gradient method continue to emerge. To this day, efforts to establish conjugate gradient methods with better convergence properties and numerical performance are still an active research topic. In this research, a new hybrid gradient conjugate method was created as a modi cation of the Improved-Fletcher-Reeves (IFR) and Improved-Dai-Yuan (IDY) conjugate gradient methods. With several conditions and assumptions, the IFR-IDY hybrid conjugate gradient method is proven to satisfy the descent condition and converge globally. In addition, based on the 134 test functions used, the IFR-IDY hybrid gradient conjugate method was also proven to have a more ef cient numerical performance in terms of the number of iterations and computing time compared to the IFR conjugate gradient method and the IDY conjugate gradient method. Furthermore, the IFR-IDY hybrid conjugate gradient method is also proven to be effective in solving stock portfolio selection problems."