Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
One of the problems faced in applying neural network to some real world application is related to difticulties in finding an optimum set of weights and thresholds during the training phase. A general most method in tinding these solutions for these problems is backpropagation. A different method to tind the solutions of the same problems is Genetic Algorithms. Genetic algorithm is relatively new search algorithm that has not been fully explored in this area. ln this thesis, genetic algorithms are applied to train neural networks and to evolve an optimum set of weights and thresholds. Process begin with encode neural networks parameters to binary chromosomes, and evaluate. The Spinning wheel selections are using to produce offspring with high titness_ then recombinate with crossover and mutation as genetic operator. The proiect carried out investigates whether genetic atgonthms can be applied to neural networks to solve pattem classitication and function approximation problems. This thesis describes tl1e simulation works that have been perfomwed. It describes the design ofa genetic algorithm and the results obtained. ln pattem classilication problem that use feedforward network show, that genetic algorithm is superior to backpropagation training rule in error and speed calculation. ln function approximation, the result shows that genetic algorithm approach is very much slower than the backpropagation method. Results' show that even for relatively simple network, genetic algorithm requires a much longer time to Uain neural networks-

Abstrak :
DNA Sequencing by Hybridization (DNA SBH) adalah suatu proses pembentukan barisan nukleotida suatu rantai DNA dari kumpulan fragmen yang disebut spektrum. Spektrum tersebut diperoleh dari proses biokimia yang disebut hibridisasi. DNA SBH dapat dipandang sebagai masalah optimisasi yang dapat diselesaikan dengan menggunakan algoritma genetik. Prinsip kerja algoritma genetik berdasarkan pada teori evolusi Charles Darwin. Pada skripsi ini akan dibahas penerapan kinerja algoritma genetik pada DNA SBH. Terdapat tiga tahapan penting dalam algoritma genetik, yakni proses seleksi, crossover, dan mutasi. Jenis metode yang digunakan pada proses seleksi, crossover, dan mutasi secara berturut-turut adalah metode yang merupakan kombinasi antara roulette wheel dan deterministic, structured crossover, dan swap mutation. Kinerja algoritma genetik akan diuji dengan menggunakan data dari Gen Bank dan masalah DNA SBH yang dibuat secara acak. Selain itu juga akan dilihat pengaruh perubahan nilai probabilitas crossover (c) dan probabilitas mutasi (m) terhadap kinerja algoritma genetik untuk DNA SBH. Berdasarkan hasil percobaan diperoleh bahwa algoritma genetik cukup baik digunakan pada DNA SBH. Selain itu, perubahan nilai probabilitas crossover (c) dan probabilitas mutasi (m) ternyata mempengaruhi kinerja algoritma genetik dalam memperoleh solusi.

Abstrak :
Manajemen usaha penyediaan tenaga listrik merupakan hal yang kompleks. Salah satu hal yang penting dalam manajemen penyediaan tenaga listrik, khususnya dalam perencanaan adalah peramalan tenaga listrik di masa yang akan datang. Peramalan (forecasting) adalah suatu kegiatan atau usaha untuk memprediksi kondisi di masa yang akan datang dengan bantuan model untuk merepresentasikannya. Dalam membuat peramalan, keakuratan merupakan kriteria utama dalam menentukan metode peramalan. Dalam penelitian ini metode algoritma genetik digunakan untuk membuat peramalan beban tenaga listrik. Algoritma Genetik adalah algoritma pencarian yang meniru mekanisme evolusi dan genetik alam. Dalam proses peramalan, dilakukan optimasi parameter-parameter model dengan meminimalkan nilai mean square error (mse). Model peramalan yang dikembangkan dengan algoritma genetik dapat mendekati model sebenarnya. Parameter optimal model peramalan jangka panjang adalah A= 1.558, B1= 0.642, B2= 1.188, B3= -0.437, B4= -0.378, B5= -0.484, dan B6= 0.848, sedangkan untuk jangka menengah adalah adalah α= 0.6383 ,β=0, dan γ=0.8289. Laju pertumbuhan beban rata-rata hasil ramalan jangka panjang tahun 2008-2017 sekitar 6.9%. Peramalan beban jangka menengah memberikan hasil yang lebh baik jika dibandingkan dengan peramalan dari PLN P3B Jawa-Bali dengan jumlah selisih eror sebesar 0.44%. ......Managing electricity energy supply is a complex task. The most important part of electricity supply management, particularly in utility planning is forecasting of the future electricity load. Forecasting is a process to predict future conditions usually achieved by constructing models on relative information and some assumptions. In making a electricity forecasting, accuracy is the primary criteria in selecting forecasting methods. In this research, a genetic algorithm approach is proposed to build electricity load forecasting. Genetic algorithms are global search methods that mimic the methapor of natural evolution and genetic. Parameter optimization process have done by minimize mean square error (mse). Load forecasting model using genetic algorithm gives model which is almost the same with actual data. Optimal parameters for long term model are: A= 1.558, B1= 0.642, B2= 1.188, B3= -0.437, B4= -0.378, B5= -0.484, dan B6= 0.848, for medium term model are: α= 0.6383 ,β=0, dan γ=0.8289. Annual growth rate for 2008-2017 using genetic algorithm model is about 6.9%. Medium term forecasting using genetic algorithm gives better result than PLN P3B Java-Bali forecasting with sum error difference about 0.44%.

Abstrak :
Penelitian yang dilakukan oleh John Holland pada tahun 1962 menghasilkan metode yang disebut sebagai algoritma genetik (Genelic Algorithms), yang dasar pikirannya sesuai dengan namanya, yaitu dari proses genetika. Secara biologis, gen dalam tubuh mahluk hidup berkembang biak, djselcksi dan terus berubah (beradaptasi) menurut lingkungannya Hal ini terlihat acak tetapi memiliki arah tertentu dan dapat mempertahankan hidupnya. Sistem alam ini kemudian dikembangkan menjadi sistem tiruan yang menggunakan metode Sarna untuk membuat replika ilmiah dari sistem buatan dan bersifat memiliki kecerdasan buatan karena prosesnya menunjukkan seolah-olah memiliki pikirannya sendiri. Sistem inilah yang disebut sebagai algoritma genetik karena rnemang mengambil sistern perlcembangan genetik di alam.

Studi kasus ini mengambil sistem perpipaan yang mengguna.ka.n kompresor serial yang bertujuan untuk rnempertahankan tekanan sepanjang sistem. Perhitungan yang dilakukan bertujuan untuk mencari energi kompresor minimum yang dilconsumsi dari aliran tluida. Kesimpulan yang diambil bukan hanya harga optimum pemakaian energi dari kompresor, melainkan juga apakah metode optimasi yang dilakukan dapat memberikan hasil yang layak untuk diaplikasikan di lapangan atau metode tersebul layak untuk dipergunakan dalam proses simulasi maupun optimasi suatu sistem.

Abstrak :
Penelitian skripsi ini akan berupaya mengoptimalkan logistik terbalik limbah elektronik di Indonesia terhadap aspek-aspek keberlanjutan yaitu lingkungan, sosial, dan ekonomi. Model yang digunakan dalam penelitian ini meliputi fasilitas pengolahan limbah elektronik beserta lokasi timbulan limbah dan pasar sekunder material pulihan limbah elektronik. Adapun pencapaian keberlanjutan akan diukur dari tiga aspek, yaitu lingkungan, sosial, dan ekonomi. Ditinjau dari karakteristiknya, model yang disusun merupakan model penentuan lokasi fasilitas dan diselesaikan dengan metode metaheuristika yaitu NSGA-II. Hasil optimasi yang dilakukan menunjukkan beberapa temuan. Pertama, provinsi dengan kapasitas fasilitas pengolah limbah elektronik yang tinggi masih terpusat di Jawa. Kedua, di kawasan Indonesia Tengah, provinsi yang menjadi pusat (hub) pengolahan limbah elektronik adalah Bali, Sulawesi Selatan, dan Kalimantan Timur. Kemudian, kawasan Indonesia Timur masih cenderung mendirikan fasilitas hanya untuk memenuhi kapasitas sendiri, dikarenakan jarak dan biaya pengiriman yang mahal. Dalam mengimplementasikan temuan ini di Indonesia, terdapat beberapa hal yang perlu diperhatikan. Pemerintah perlu mendukung berkembangnya ekosistem pengelolaan limbah elektronik yang optimal di Indonesia dengan cara memperbaiki regulasi dan memberikan subsidi bagi perusahaan pengolah limbah elektronik. Selama proses transisi berlangsung, sektor informal perlu dilibatkan untuk membantu memperoleh limbah elektronik. Sektor ini juga perlu diberdayakan dengan mempekerjakan pengumpul limbah elektronik sebagai pekerja di fasilitas pengolahan limbah elektronik. Hal ini diperlukan demi mewujudkan sistem pengelolaan limbah elektronik di Indonesia yang efektif dan efisien demi dunia yang lebih baik. ......This research will attempt to optimize the reverse logistics of electronic waste in Indonesia regarding sustainability aspects, namely environmental, social and economic. Indonesia is now facing a fairly serious electronic waste problem. This problem is then exacerbated by Indonesia's ability to process electronic waste which is still very inadequate. Therefore, a more formal electronic waste management system model will be developed and optimized. The model used in this research includes electronic waste processing facilities along with waste generation locations and secondary markets for electronic waste recovered materials. The achievement of sustainability will be measured from three aspects, namely environmental, social and economic. Judging from its characteristics, the model prepared is a facility location determination model and is completed using the metaheuristic method, namely NSGA-II. The results of the optimization carried out show several findings. First, provinces with high electronic waste processing facility capacity are still concentrated in Java. Second, in the Central Indonesia, the provinces that are the centers (hubs) for electronic waste processing are Bali, South Sulawesi and East Kalimantan. Then, the Eastern Indonesia still tends to set up facilities only to meet its own capacity, due to distance and expensive shipping costs. In implementing these findings in Indonesia, there are several things that need to be considered. The government needs to support the development of an optimal electronic waste management ecosystem in Indonesia by improving regulations and providing subsidies for electronic waste processing companies. During the transition process, the informal sector needs to be involved to help obtain electronic waste. This sector also needs to be empowered by employing e-waste collectors as workers in e-waste processing facilities. This is necessary to create an electronic waste management system in Indonesia that is effective and efficient for a better world.

Abstrak :
ABSTRAK Tesis ini membahas mengenai optimasi jaringan pipa untuk distribusi gas. Nilai investasi yang terkecil merupakan tujuan dari optimasi. Hal ini dapat diperoleh dengan menggunakan diameter pipa yang paling sesuai untuk jaringan pipa dengan total cost yang paling rendah. Algoritma genetik merupakan salah satu metode yang dapat digunakan untuk melakukan optimasi.

---

Abstract This thesis discusses the optimization of gas pipelines for distribution. The smallest investment value is the purpose of optimization. This can be obtained by using the most appropriate pipe diameter for the pipeline network and with the total lowest cost. Genetic algorithms are one of the methods that can be used to perform optimization.