Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kebutuhan listrik yang senantiasa meningkat setiap tahunnya, wilayah yang sangat luas dan jumlah penduduk yang besar, maka harus mampu membangun dan melayani seluruh kebutuhan listrik masyarakat. Sebagai rangkaian menyeluruh terhadap seluruh kebutuhan energi dan daya listrik tersebut, maka perlu adanya perencanaan yang saling berkait dan terus-menerus. Dengan demikian perlu adanya peramalan terhadap perkembangan dan kebutuhan dimasa depan.Terbatasanya data yang tersedia juga menjadi kendala dalam membuat peramalan yang akurat. Oleh karena itu penelitian memiliki tujuan untuk memperbaiki metode peramalan beban listrik sehingga menjadi sederhana dan akurat dengan optimalisasi data, kemudian memodifikasi peramalan beban listrik berbasis spasial yang sesuai ciri wilayah dengan jumlah data dan variabel yang terbatas. Penelitian ini berbasis spasial dengan mengembangkan metode Analisis Klastering untuk memperoleh beberapa sel kecil yang disebut klaster. Klaster ini terbentuk berdasarkan kemiripan data yang dimiliki sesuai dengan variabel yang telah ditentukan. Kemudian untuk memperoleh hasil yang akurat, maka dilakukan peramalan menggunakan metode regresi linear dan menggabungkannya dengan metode Principal Component Analysis (PCA). PCA ini mampu memberikan hasil galat yang kecil pada tiap perhitungannnya.Struktur penyelesaian masalah dalam penelitian ini dengan membuat peramalan berdasarkan jumlah variabel dengan tetap mengacu pada jumlah klaster yang terbentuk. Setiap jumlah variabel juga akan dibedakan jenis variabelnya agar terlihat ciri yang dimiliki oleh tiap klaster tersebut.Berdasarkan hasil yang diperoleh, nilai MAPE pada setiap perhitungan umumnya bernilai sangat baik. Nilai MAPE terendah untuk daya terpasang berada pada nilai 0,397% dan hampir seluruh klaster nilai MAPE berada dibawah 1%. Sedangkan pada peramalan energi terjual, nilai MAPE masih berada di atas 1%. Jumlah variabel yang banyak umumnya memiliki nilai MAPE yang kecil, walaupun dibeberapa kejadian variabel yang sedikit nilai MAPE juga rendah.

---

The need for electricity that continues to increase every year, a very large area, and a large population make a government must be able to build and serve all the electricity needs of the community. As a comprehensive series of all these energy and electrical power needs, interrelated and continuous planning is needed. Thus, it is necessary to forecast the development and demand for electricity in the future.

However, the limited data available is an obstacle in making accurate forecasts. Therefore, this study aims to improve the electrical load forecasting method so that it becomes simpler and its accuracy increases with data optimization. Then, modification of the electrical load forecasting method using a spatial basis is carried out according to the characteristics of the area with a limited amount of data and variables. This research is spatially based by developing a clustering analysis method to obtain several small cells called clusters. This cluster is formed based on the similarity of the data held in accordance with the predetermined variables. Then to obtain more accurate results, forecasting is done using the linear regression method and combining it with the Principal Component Analysis (PCA) method. This PCA is able to provide results with small errors in each calculation.

The structure of problem solving in this study is to make forecasts based on the number of variables while still referring to the number of clusters formed. Each number of variables is distinguished by the type of variable so that the characteristics possessed by each cluster can be seen.

Based on the results obtained, the MAPE value in each calculation is generally very good. The lowest MAPE value for installed power is 0.397% and almost all clusters the MAPE value is below 1%. Then, in the forecast of energy sold, the MAPE value is still above 1%. A large number of variables, in general, has a small MAPE value, although in some cases, a small number of variables has a low MAPE value."

"Keamanan data (data security) sudah menjadi bagian vital didalam suatu organisasi yang menggunakan konsep sistem informasi. Semakin hari ancaman-ancaman yang datang dari Internet menjadi semakin berkembang hingga dapat mengelabuhi firewall maupun perangkat antivirus. Selain itu jumlah serangan yang masuk menjadi lebih besar dan semakin sulit untuk diolah oleh firewall maupun antivirus. Untuk dapat meningkatkan keamanan dari suatu sistem biasanya dilakukan penambahan Intrusion Detection Sistem IDS , baik sistem dengan kemampuan anomaly-based maupun sistem pendeteksi dengan kemampuan signature-based. Untuk dapat mengolah serangan yang jumlahnya besar maka digunakan teknik Big Data. Penelitian yang dilakukan ini menggunakan teknik anomaly-based dengan menggunakan Learning Vector Quantization dalam pendeteksian serangan. Learning Vector Quantization adalah salah satu jenis neural network yang bisa mempelajari sendiri masukan yang masuk kemudian memberi keluaran sesuai dengan masukan tersebut. Beberapa modifikasi dilakukan untuk meningkatkan akurasi pengujian, antara lain dengan melakukan variasi parameter-parameter uji yang ada pada LVQ. Dengan melakukan variasi pada parameter uji learning rate, epoch dan k-fold cross validation dihasilkan keluaran dengan hasil yang lebih efisien. Keluaran diperoleh dengan menghitung nilai information retrieval dari tabel confusion matrix tiap- tiap kelas serangan. Untuk meningkatkan kinerja sistem maka digunakan teknik Principal Component Analysis untuk mereduksi ukuran data. Dengan menggunakan 18-Principal Component data berhasil direduksi sebesar 47.3 dengan nilai Recognition Rate terbaik sebesar 96.52 dan efesiensi waktu lebih besar 43.16 daripada tanpa menggunakan PCA.

---

Data security has become a very serious part of any organizational information system. More and more threats across the Internet has evolved and capable to deceive firewall as well as antivirus software. In addition, the number of attacks become larger and become more dificult to be processed by the firewall or antivirus software. To improve the security of the system is usually done by adding Intrusion Detection System IDS , which divided into anomaly based detection and signature based detection. In this research to process a huge amount of data, Big Data technique is used. Anomaly based detection is proposed using Learning Vector Quantization Algorithm to detect the attacks.

Learning Vector Quantization is a neural network technique that learn the input itself and then give the appropriate output according to the input. Modifications were made to improve test accuracy by varying the test parameters that present in LVQ. Varying the learning rate, epoch and k fold cross validation resulted in a more efficient output.

The output is obtained by calculating the value of information retrieval from the confusion matrix table from each attack classes. Principal Component Analysis technique is used along with Learning Vector Quantization to improve system performance by reducing the data dimensionality. By using 18 Principal Component, dataset successfully reduced by 47.3 , with the best Recognition Rate of 96.52 and time efficiency improvement up to 43.16."

"Assessing the reliability of complex multi-state systems comprising numerous sub-systems and components is one of the key challenges faced by industry. The effect of degradation of individual component on other associated components plays a vital role in entire system transition from a higher performance level to a lower performance level. The proposed work focuses on the effect of dependence or functional association among various components on system reliability. There are many components in any complex system that hold higher critical order and failure of these critical components may cause the decline in the performance level of the total system. This paper takes under consideration the critical order of each component along with their dependent nature and captures the effect of their degradation on overall system reliability."

"Dekomposisi spectral merupakan salah satu metoda analisis seismik lanjutan untuk memetakan benda geologi. Biasanya seorang interpreter akan menghasilkan sangat banyak komponen spektral yang di-scan setiap 1 Hz untuk mencari anomali tersebut. Komponen spektral tersebut saling berkorelasi dan berulang, suatu fitur yang sama dapat muncul di beberapa komponen tetapi dengan kualitas berbeda. Untuk mengurangi perulangan data spektral dan meningkatkan trend di dalam data, principal component analysis (PCA) diaplikasikan kepada komponen spektral. PCA adalah metode statistik multivariable yang bekerja dengan cara merotasi sumbu agar sejajar dengan arah penyebaran data dan mengurutkan principal component berdasarkan besar nilai varians.Dalam eksperimen pertama kepada model baji, PCA dapat memetakan seluruh bagian baji dengan menerus tidak peduli dengan ketebalannya. Semua fitur yang signifikan diplot pada principal component pertama yang mempunyai lebih dari 85% varians data. Kami juga memverifikasi algoritma ini pada data seismik Stratton, dengan target channel dimana citra yang diperoleh sebanding dengan hasil dekomposisi spektral. Tetapi kami juga memperhatikan ada beberapa bagian dari channel yang dicitrakan sedikit kurang bagus akibat dari kontaminasi noise dan juga kurang signifikannya data tersebut. PCA akan berfungsi dengan baik jika trend dalam data koeksis dalam komponen spektral yang lain dan tidak didominasi oleh noise. Dengan menggunakan teknik blending, kami menjumlahkan tiga principal component band pertama dan menunjukkan bahwa channel dapat dipetakan dengan lebih baik. Fitur-fitur yang kurang signifikan yang muncul pada principal component band dua dan tiga semua dipetakan dalam citra komposit.

---

Spectral decomposition is one of the method in advance seismic analyses to map geologic body. Usually, an interpreter will generate a lot of spectral components which are usually scanned every 1 Hz to look for anomalies. Those spectral components are highly correlated and redundant, same feature can occur in several components with different quality. To reduce the multiplicity of spectral data and enhance the most energetic trends inside the data, principal component analysis (PCA) is applied to the spectral components. PCA is a multivariate statistics method that works by rotating the axes to align with natural extension of the swarms of points and ordering the principal components by decreasing variance.In the first experiment to wedge model, PCA is very excellent in mapping all wedge body continuously regardless of the thickness. All significant features are plotted in the first principal component which accounts for more than 85% data variance. We also verify the algorithm to Stratton seismic data, target at channel which provide a comparable image from spectral decomposition. But we notice that some parts of the channel are slightly poorly imaged due to the contamination of noise and low significance of the data. PCA is robust when the trend in the data coexists in other spectral components and it doesn?t smeared by noise. By using blending technique, we sum up the first three principal component bands and shows that the channel is better imaged. Less significant features that show up in principal component bands two and three are all mapped to the composite image."

"Fenomena robohnya bagian atau komponen struktur dari suatu bangunan gedung dapat menimbulkan kerugian fisik ataupun materil baik bagi pengelola ataupun pengguna gedung tersebut, hal ini dapat terjadi karena belum adanya suatu standarisasi prosedur yang sesuai dengan regulasi pemerintah dalam proses pelaksanaan pekerjaan pemeliharaan dan perawatan pada komponen struktur untuk dijadikan pedoman pada proses pelaksanaannya. Sedangkan pada kondisi saat ini, gedung pemerintah sebagai pusat pelayanan publik belum memiliki standar prosedur pemeliharaan dan perawatan komponen struktur seperti yang dimaksud. Tujuan dari penelitian ini untuk mengembangkan prosedur pemeliharaan dan perawatan pada komponen struktur bangunan gedung berbasis risiko, risiko yang dimaksud yaitu risiko yang mempengaruhi durasi setiap aktivitas pekerjaan. Adapun metode yang digunakan dalam penelitian ini yaitu analisa arsip, survey, dan studi kasus. Hasil dari penelitian ini yaitu standar operasional prosedur pekerjaan pemeliharaan dan perawatan komponen struktur pada bangunan gedung berbasis risiko sehingga dapat meningkatkan efisiensi dan efektifitas pada proses pekerjaannya.

---

The current government building is a building that has a fairly old age, resulting the condition of the building has a lot of damage in various components, for instance mechanical and electrical components. If ignored, these conditions will lead to decrease the quality of the building and may eventually lead to the destruction of the building. Building maintenance and repair work is one of the solutions to maintain the realiability of the building remains functional. However the absence of proper procedures on government buildings in one of the government agencies becomes obstacles to the implementation of the work. This causes maintenance and repair activites to be ineffective and inefficient, in addition to affecting the results obtained. This study aims to develop maintenance and repair procedures for mechanical and electrical components of government building based on risk using Delphis method and questionnaire survey. The results of this research are the development of risk-based procedures used in the preparation of safety plan recommendations so as to improve safety performance in the work."

"Sejalan dengan perkembangan peradaban, kehidupan manusia tidak bisa terlepas dari berbagai peralatan elektronika yang memiliki banyak sekali komponen seperti: transistor, kapasitor, resistor, dll. Komponen elektronik ini memancarkan panas sewaktu mereka beroperasi, sehingga untuk mengatasi masalah ini, diperlukan suatu sistem pendinginan yang efektif. Kebanyakan dari system pendinginan komponen elektronika yang dipakai sekarang ini berbasis pada fan. Namun sistem ini semakin tidak memadai dengan perkembangan teknologi elektronika yang semakin mengarah pada miniaturisasi produk. Sebagai alternatif pengganti sistem berbasis fan ini, manusia mengembangkan suatu alat yang disebut jet sintetik. Jet sintetik memiliki dimensi yang relatif kecil, tingkat kebisingan yang lebih kecil, lebih sedikit memancarkan panas dan yang paling penting jet sintetik memiliki efisiensi pendinginan yang lebih besar dibanding fan. Thesis ini membahas hasil penelitian yang dilakukan terhadap 4 prototype desain original jet sintetik dengan menggunakan kombinasi pendekatan komputasi dan eksperimen. Tahap komputasional pada penelitian ini dilakukan dengan menggunakan software CFD Fluent dengan model turbulensi k-ω SST dengan elemen meshing Tet/Hybrid tipe Tgrid untuk melihat distribusi aliran pada jet sintetik. Sedangkan pada tahap eksperimental akan dipelajari karakteristik perpindahan panas konveksi dengan variasi jenis gelombang sinusoidal, triangle dan square pada frekuensi 80 Hz, 120 Hz dan160 Hz.

---

In line with the development of civilization, human life can not be separated from a various electronic equipment that has many components such as transistors, capacitors, resistors, etc. These electronic components emits heat when they operate, an effective cooling system is required in order to overcome this problem. Most of the electronic component cooling systems used today are based on the fan. But this system is inadequate to the development of electronics technology that increasingly lead to the product miniaturization. As an alternative to this fan-based system, humans developed a device called synthetic jet. Synthetic jets have relatively small dimensions, smaller noise level, emits less heat and the most important that synthetic jet has a greater cooling efficiency than fan.

This thesis discusses the results of research conducted on four original designed synthetic jet prototype using a combination of computational and experimental approaches. Computational phase was conducted using Fluent CFD software with k-ω SST turbulence model with meshing elements of the Tet / Hybrid type Tgrid to see the flow distribution in the synthetic jet. While the experimental phase will be studied at the convective heat transfer characteristics with variations in type of sinusoidal wave, triangle and square at a frequency of 80 Hz, 120 Hz dan160 Hz."